ارزیابی و پیش‌بینی تغییرات پوشش/کاربری زمین با استفاده از مدل سلول خودکار- شبکة عصبی مصنوعی (CA-ANN) در دشت داراب استان فارس
مقدمه و هدفبررسی شیوة کاربری و نوع پوشش زمین، نقش مهمی در برنامهریزی مدیریت و حفاظت منابع ایفا می‌کند و زمینة ارتقاء نگرش اصولی به ساختارهای زیست‌محیطی را فراهم می‌آورد. توسعة شهری به‌طور قابل توجهی بر کاربری و پوشش زمین تأثیرگذار است. به این دلیل، در سالهای گذشته بیش از نیمی از سطح زمین دست‌خوش...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | Persian |
| Published: |
Fars Agricultural and Natural Resources Research and Education Center
2025-06-01
|
| Series: | پژوهش‌های آبخیزداری |
| Subjects: | |
| Online Access: | https://wmrj.areeo.ac.ir/article_132030_c01d8ffdacacf4cd575bb15e33a9a2d6.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | مقدمه و هدفبررسی شیوة کاربری و نوع پوشش زمین، نقش مهمی در برنامهریزی مدیریت و حفاظت منابع ایفا می‌کند و زمینة ارتقاء نگرش اصولی به ساختارهای زیست‌محیطی را فراهم می‌آورد. توسعة شهری به‌طور قابل توجهی بر کاربری و پوشش زمین تأثیرگذار است. به این دلیل، در سالهای گذشته بیش از نیمی از سطح زمین دست‌خوش تغییرات‌شده است و بیش از یک‌سوم مساحت زمین متعلق به زمینهای کشاورزی است. مدیران و کارشناسان کاربری زمین با توجه به این تغییرات عمده، تأثیر تغییر کاربری زمین بر فرایندهای آب‌شناختی را بررسی کرده‌اند. در این راستا، به روش‌های یادگیری ماشین، مانند شبکة عصبی مصنوعی (ANN) ماشین بردار پشتیبان (SVM)، جنگل تصادفی (RF)، درخت تصمیم (DT) و دیگر مدل‌ها، برای طبقهبندی پوشش/کاربری زمینهای LULC توجه زیادی شده است. برنامه‌‌ریزان و مدیران میتوانند از تغییرات پیشبینیشدة LULC برای ارتقای مدیریت پایدار زمین و کاهش پیامدهای نامطلوب استفاده کنند. در نتیجه، تشخیص و پیش‌بینی تغییرات کاربری زمین (LULC) که ناشی از شهرنشینی سریع است، می‌تواند به اختلال در پایداری محیط زیست منجر شود. از سوی دیگر، شدت این تغییرات در پاسخ به رشد جمعیت جهان و افزایش نیاز به غذا، ضرورت انجام پژوهش‌های دقیق در این باره را دوچندان می‌کند. ازاین‌رو، هدف این پژوهش، مشاهدة تغییرات کاربری زمین در سالهای 2000، 2014 و 2024 در منطقه داراب بود. همچنین در این پژوهش نیروی محرکه برای تغییراتLULC نیز شناسایی شد و از مدل سلول خودکار - شبکة عصبی مصنوعی (CA-ANN) نیز برای تجزیه و تحلیل الگوها و روندهای پیشبینیشدة کاربری زمین از سال 2034 تا 2044 استفاده شد.مواد و روش‌هاطبقه‌بندی کاربری زمین تصویرهای ماهواره‌ای با پیاده‌سازی روش طبقهبندی مبتنی بر پیکسل و نظارت به‌وسیلة موتور جستجوگر گوگل ارث انجام شد. طبقهبندی کاربری زمین با استفاده از مدل ماشین بردار پشتیبان SVM انجام شد. پس از تجزیه و تحلیل منطقة مطالعه‌شده به پنج طبقة کاربری گوناگون شامل مراتع، زمینهای بایر، باغ، کشاورزی و شهری تقسیم شد. از آنجایی که برای ارزیابی تغییرات کاربری زمین به‌شکل مکانی و زمانی، مدل‌سازی توان انتقال و پیش‌بینی سناریوهای آینده سازگار است، از روش شبکة عصبی مصنوعی-سلول خودکار (CA-ANN) برای پیش‌بینی تغییرات کاربری زمین استفاده شد. پلاگین MOLUSCE در QGIS برای ایجاد تغییرات مکانی-زمانی با یک دورة زمانی 2034 تا 2044 و محاسبة انتقال LULC برای تهیة نقشة تغییر LULC اجرا شد. همچنین یک ماتریس توان انتقال میان سالهای 2014-2000 برای تهیة نقشة تغییر ایجاد شد. روش نورون ادراکی چندلایه (ANN-MLP)-ANN برای مدل‌سازی توان انتقال استفاده شد. شیب، جهت، بلندی و فاصله از جاده، گسل و رود، سنجه‌های مکانی بودند که به‌عنوان سنجه‌های ورودی اجرا شدند. ساختار ANN-MLP ، مکانی بود که لایة ورودی به‌وسیلة لایه‌‌های پنهان پردازش شد و لایة خروجی شامل طبقه‌‌های LULC دوباره طبقه‌بندی‌شده بود.نتایج و بحثدر این پژوهش، نقشههای تغییرات کاربری زمین (LULC) که از سال 2000 تا 2024 تهیه شدند، نشان‌دهندة افزایش چشمگیر وسعت زمینهای کشاورزی در منطقه بودند. نتایج نشان داد بوم‌سازگان طبیعی این دشت به‌دلیل روند رو به رشد تغییرات و تبادلات کاربری زمینها، با چالش‌های جدی مواجه خواهد بود. این تغییرات ناشی از بهره‌برداری‌های غیراصولی و غیرمنطقی از منابع در نتیجة فعالیت‌های انسانی (شهرنشینی، کشاورزی نامناسب، حفر چاه‌ها و استفاده بی‌رویه از منابع آب زیرزمینی برای کشت باغ‌ها) است. این عامل‌ها میتوانند سبب فرسایش و بیابان زایی در این منطقه شوند و تهدیدی جدی برای محیط زیست به‌شمار آیند. از سوی دیگر، تغییر کاربری زمینهای کشاورزی، با تغییرات قابل توجه و گسترده‌ای در زمینهای بایر همراه است. نقشههای پیش‌بینی از سال 2034 تا 2044 نمایانگر رشد پیوسته در الگوی کاربری زمینهای کشاورزی بود. در این راستا، درصد تغییرات این زمینها از سال 2034 با مساحت 455/65 کیلومترمربع (18/52%) به مساحت 708/81 کیلومترمربع (28/81%) در سال 2044 افزایش یافت. صحت شبیه‌‌سازی 82/43% و اندازة کاپا کلی 0/72 برآورد شد. بر اساس نتایج این پژوهش، در طول دورة مطالعه‌شده، عامل‌های فیزیکی و اجتماعی-اقتصادی تأثیر قابل‌توجهی بر الگوهای منظر داشتند. متغیرهای جغرافیایی موجود در واسنجی مدل به‌دلیل رابطة معنی‌دار آن‌ها با LULC انتخاب شدند. می‌توان گفت که متغیرهای فیزیکی، مانند جغرافیا و آب و هوا، مهم‌ترین عامل در ترویج فعالیت‌های انسانی هستند. عامل‌های اجتماعی-اقتصادی، مانند جمعیت و تولید ناخالص داخلی، ممکن است بر تغییر LULC تأثیرگذار باشند.نتیجه‌گیری و پیشنهادهاتغییر الگوهای LULC بر کیفیت آب زیرزمینی تأثیر منفی می‌گذارد و همچنین امنیت غذایی را به خطر می‌اندازد. برای طبقهبندی LULC، از ماشین بردار پشتیبان (SVM) برای مشاهدة دقیق تغییرات پوشش زمین و روند آن استفاده شد. بر اساس نتایج این پژوهش می‌توان گفت هرگونه تغییر در کاربری زمینها می‌‌بایست بر اساس روشنگری‌های منطقی و برنامه‌ریزی‌شده مبتنی بر اصول علمی باشد؛ به‌‌طوری‌که استفاده از روش‌های به‌‌روز و کارآمد همچون روش سنجش از دور و سامانه‌‌های اطلاعات جغرافیایی لازم و ضروری است. ازاین‌رو، پیشنهاد می‌شود که نقشههای پیش‌بینی‌شده برای آینده از وضعیت کاربری زمینها در این پژوهش، الگویی برای برنامهریزی آمایش سرزمین به‌وسیلة برنامه‌‌ریزان، مسئولان و متصدیان مربوطه باشد تا به این شیوه، از بروز خسارت‌های جبران‌ناپذیر محیطی (تخلیه منابع آب زیرزمینی، بیابان‌زایی، فرونشست زمین) در دشت داراب در آینده جلوگیری شود. با توجه به افزایش نرخ مساحت تحت پوشش کاربری کشاورزی، روند زمینهای بایر در نقشههای شبیه‌سازی‌شده کاهشی بود. همچنین، عامل محرک تغییر کاربری زمینها در داراب وابسته به نرخ سریع افزایش جمعیت، افزایش تقاضا و تبدیل دیگر کاربری‌‌ها به کشاورزی، باغ و مناطق مسکونی، بود. |
|---|---|
| ISSN: | 2981-2313 2981-2038 |