آشكارسازي تغييرات كاربري و پوشش اراضي در افق 1404 با استفاده از مدل زنجيره اي CA ماركوف (مطالعه موردي: اسفراين)

Land use/cover change detection in 2025 with CA-Markov chain model (case study: Esfarayen)

مدل هاي پيش بيني كاربري و پوشش اراضي براي برنامه ريزي استفاده پايدار از زمين در كشوري مثل ايران كه بهره برداري از زمين با سرعت در حال تغيير است، يك نياز ضروري است. اين مطالعه با هدف مدل سازي تغييرات كاربري اراضي براي سال 1404 كه افق چشم انداز توسعه ايران اسلامي است، با استفاده از مدل ماركوف و CA ماركوف و تصاوير ماهواره لندست در شهرستان اسفراين، استان خراسان شمالي انجام شده است. نتايج اين مطالعه كاهش 5000 و 400 هكتاري را به ترتيب در سطح مراتع و اراضي كشاورزي نشان داد. به علاوه، مدل پيش بيني كرد كه سطح مراتع فقير 30 هكتار و اراضي مسكوني 450 هكتار در 13 سال آينده (1404 – 1388) افزايش دارد. با توجه به نتايج اين مطالعه، اگر راهبرد فعلي استفاده از زمين در اين منطقه بدون توجه به ملاحظات توسعه پايدار تا سال 1404 ادامه داشته باشد، تخريب شديد اراضي منطقه در آينده اجتناب ناپذير است. به طور كلي، مطالعه حاضر كارايي بالاي داده هاي سنجش از دور در تلفيق با مدل ماركوف در مدل سازي تغييرات كاربري و پوشش اراضي نشان داد و نقشه هاي حاصله ميتواند مديران اجرايي را براي تصميم گيري بهتر در رابطه با آينده منطقه مورد مطالعه ياري نمايد.

Modeling and prediction of land use/cover changes is an essential need for planning sustainable use of land in country like Iran with its high level of changes in land uses and land covers. This study aimed to analyze the capability of CA Markov prediction model and Landsat satellite images for land use/cover change detection within the framework of “Iran at 1404 prospective” in Esfarayen region، North Khorasan province for year 2025. The results of CA Markov modeling showed a reduction about 5000 and 400 ha in irrigated agricultural lands and rangeland class in 2025، respectively. Furthermore، the model predicted that the poor rangeland class and Esfarayen city will be increased 30 and 450 ha in 13 years from 2009 to 2025. According to the results، if current land use continues to intensify regardless of sustainable development considerations، severe degradation in the natural resources of the study area is unavoidable in the future. Overall، the results demonstrate that satellite remote sensing data and CA Markov model can be successfully used to predict land use/ cover changes and the extracted maps can help policy makers to make better decision for the future of the region.