%0 Journal Article %T پایش و پیش‌بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل LCM (مطالعة موردی: منطقه مریوان) %J مجله جنگل ایران %I انجمن علمی جنگلبانی ایران %Z 2008-6113 %D 2014 %\ 02/01/2014 %V 5 %N 3 %P 323-336 %! پایش و پیش‌بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل LCM (مطالعة موردی: منطقه مریوان) %K برنامه LCM %K پیش‌بینی %K تصاویر ماهواره‌ای %K تغییرات کاربری %K شبکه عصبی مصنوعی %R %X آشکارسازی و پیش‌بینی تغییرات کاربری اراضی از جمله نیازهای مدیریت منابع طبیعی و ارزیابی تغییرات اکوسیستم به‌شمار می‌آیند. هدف این تحقیق، پایش تغییرات کاربری اراضی در گذشته و بررسی امکان پیش‌بینی آن در آینده با استفاده از مدلساز تغییر زمین (LCM) در بخش غربی شهرستان مریوان است. در این تحقیق، تصاویر سنجنده‌های TM لندست 5 سال 1368، ETM+ لندست 7 سال 1379 و TM لندست 5 سال1390 تجزیه‌وتحلیل شد. تصاویر هر سه مقطع زمانی به چهار طبقة جنگل، کشاورزی، منابع آبی و مناطق انسان‌ساخت طبقه‌بندی شد. پیش‌بینی وضعیت کاربری اراضی برای سال 1390، با استفاده از نقشه‌های کاربری سال‌های 1368و 1379 و به کمک مدل LCM و بر پایة شبکه‌های عصبی مصنوعی و تحلیل زنجیرة مارکوف انجام گرفت. به این منظور، از متغیر‌های مکانی فاصله از جاده‌ و مناطق مسکونی، فاصله از حاشیة جنگل، ارتفاع و جهت نیز به‌عنوان عوامل مؤثر بر تغییرات در شبکه عصبی مصنوعی استفاده شد. بنابر نتایج، در طول دورة 1368-1390، 1234 هکتار جنگل با نرخ 21/0 درصد در سال، تخریب شده است. همچنین مناطق انسان‌ساخت، با نرخ سالیانه 5/7 درصد به‌مقدار 64/2 درصد (924 هکتار) نسبت به سطح اولیة خود توسعه یافته و اراضی کشاورزی با 1066 هکتار افزایش و 777 هکتار کاهش، در مجموع 289 هکتار افزایش داشته است. برای ارزیابی صحت پیش‌بینی مدلساز، نقشه‌های کاربری اراضی پیش‌بینی‌شده و واقعی به‌طورکامل و همچنین نقشه‌های تغییرات آن‌ها با هم مقایسه شد. صحت کلی و ضریب کاپای نقشة پیش‌بینی‌شده بسیار زیاد و به‌ترتیب 96 درصد و 92 درصد بود، ولی شاخص کاپای تغییرات جنگل، کشاورزی و مناطق انسان‌ساخت به‌نسبت کم و به‌ترتیب 37 درصد، 50 درصد و 48 درصد محاسبه شد که نشان‌دهندة نا‌همخوانی مکان تغییرات واقعی و پیش‌بینی‌شده و در نتیجه پیش‌بینی به‌نسبت ضعیف تغییرات کاربری اراضی با رویکرد مورد استفاده در منطقة تحقیق است. بررسی نقش دیگر متغیرهای مؤثر بر تغییرات مانند تیپ‌های خاک و جنگل و اطلاعات اقتصادی- اجتماعی برای بهبود عملکرد مدل توصیه می‌شود. %U https://www.ijf-isaforestry.ir/article_4740_939394a927043f7d9063e9eabf08ca1f.pdf