Journal of Geomatics Science and Technology

fa مدلسازی تغییرات کاربری زمین با استفاده از مدل مارکوف-اتوماتای سلولی و تصمیم‌گیری چند معیاره در حوضه آبخیز تالار Modeling Land use Changes by Integrated use of Markov Chain Model, Cellular Automata Model, and Multiple Criteria Decision Making in Talar Watershed فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <div style="text-align: justify;">نقشههای کاربری زمین از لایههای اطلاعاتی بسیار مهم در برنامه‌ریزی مدیریت حوضه‌های آبخیز است. همچنین استفاده از روشهای پیشبینی تغییرات کاربری میتواند در زمینه مدیریت و تصمیمسازی حوضهها بسیار موثر باشد. در این راستا، هدف این پژوهش استفاده از روش ترکیبی مارکوف- اتوماتای سلولی به منظور پیش‌بینی نقشه کاربری زمین با استفاده از تصمیم‌گیری و ارزیابی چند‌ معیاره در حوضه آبخیز تالار در شمال ایران است. به همین منظور، دو تصویر سنجنده Landsat 5 TM مربوط به سال‌های 2000 و 2010 و یک تصویر SENTINEL-2 MSI مربوط به 2016 و سایر لایههای اطلاعاتی منطقه مورد مطالعه تهیه گردید. ابتدا توسط تصاویر سنجنده TM نقشه‌های کاربری زمین سالهای 2000 و 2010 تولید شد. همچنین، بر اساس اطلاعات موجود، لایه‌های مورد نیاز برای تولید لایه پتانسیل انتقال تهیه شد. برای تولید نقشه‌‌های کاربری زمین، یک سناریو برای پیش‌بینی تغییرات کاربری بر اساس افزایش زمین‌های بدون پوشش یا پوشش گیاهی کم، افزایش زمین‌های کشاورزی و همچنین افزایش زمین‌های مسکونی به کار گرفته شد. با اعمال تبدیلات فازی، استفاده از وزن‌دهی خطی و تصمیم‌گیری چند‌معیاره نقشه‌های پتانسیل انتقال تولید شد. برای تولید ماتریس احتمال انتقال که نشان دهنده تعداد پیکسل‌ها و مساحت‌هایی است که در طول زمان تغییر می‌یابد، از زنجیره مارکوف بهره گرفته شد. در نهایت با استفاده از اتوماتای سلولی با استفاده از فیلتر همسایگی با تعداد 5 پیکسل همسایه، نقشه‌های کاربری زمین برای سال‌های 2016 و 2030 تولید شد. صحت سنجی لایه کاربری زمین تولید شده برای سال 2016 توسط تصویر طبقهبندی شده MSI انجام گردید و نشان دهنده عملکرد خوب مدل  با کاپای 84/0 برای پیش‌بینی تغییرات کاربری زمین بود. همچنین، نقشه کاربری زمین تولید شده برای سال 2030 نشان دهنده افزایش قابل توجه کلاس های کاربری زمین مسکونی و زمین بایر  و کاهش کلاس‌کاربری جنگل متراکم و کمتراکم بود.</div> <div style="text-align: justify;">Land use maps are among the most important information required layers in the managements of the catchments. Furthermore, utilizing forecasting methods of land use changes is of great importance in management and decision making of watersheds. In this regard, the aim of this research is the integrated use of Markov and Cellular automata models in the Multiple Criteria Decision Making (MCDM) method to model the land use changes. Those investigations were evaluated in the Talar Watershed in the north of Iran. The reason for selecting this site was the rapid changes occurred in this watershed in the recent years. Moreover, availability and completeness of the required data of this site is the other reason. Then, two Landsat 5 Thematic Mapper (TM) images of 2000 and 2010 with spatial resolution of 30 m and 1 SENTINEL-2 Multispectral Instrument (MSI) image of 2016 with spatial resolution of 10 m were prepared. The last image was used to evaluate the predicted land use based on the defined scenario. Furthermore, other required information layers including roads, villages, settlements, and protected areas maps were gathered from department of environment of Iran. Moreover, Digital elevation model (DEM) of Shuttle Radar Topography Mission (SRTM) was the other utilized information layer. Initially, geometric and radiometric corrections were accomplished on Landsat 5 TM and SENTINEL-2 MSI images. The land use maps of 2000 and 2010 were produced using maximum likelihood classification of those corrected images. Moreover, required layers for producing transition potential layer were prepared based on the available information. At the next satep, a scenario for forecasting land use changes was utilized to produce land use maps of the selected dates. This scenario was based on the increasing bare lands or degraded forests, increasing farmlands, and increasing settlement areas. Then, transition potential maps were produced using implementation of fuzzy transforms, weighted linear combination, and multiple criteria decision making methods. In this step, Markov chains models were utilized to generate transition probability matrix which is an indicative of the number of changing pixels and their area in the considered time range of the study. Finally, land use maps of 2016 and 2030 were produced by cellular automata using a neighborhood filter of 5 pixels. Validation of forecasted land use map of 2016 was performed by the classified SENTINEL-2 MSI image of that year. The validations results represented kappa coefficient of 0.84 which is a good result. Hence, the results suggested a good performance of the implemented model for forecasting land use changes of the study area. Furthermore, land use map of 2030 revealed that the settlement and bare land classes will increase significantly in that year. On the other hand, dense forest and degraded forest classes will be decreased which the last one can be due to transition of this class to the bare land class. Therefore, integrated use of Markov and Cellular automata models along with MCDM method can be lead to forecast the land use changes with an acceptable performance. Moreover, the results proved the proper performance of the selected methods.</div> کاربری زمین, اتوماتای سلولی, زنجیره مارکوف, ارزیابی چند معیاره Land Use, Cellular Automata, Markov Chain, Multiple Criteria Evaluation 85 99 http://jgst.issgeac.ir/browse.php?a_code=A-10-433-2&slc_lang=fa&sid=1 M. S. Mirakhorlo محمد سعید میراخورلو saeid.mirakhorlo@gmail.com 10031947532846005481 10031947532846005481 No K. N. Toosi University of Technology, Faculty of Civil Engineering, Department of Water Resources گروه مدیریت منابع آب- دانشکده مهندسی عمران- دانشگاه صنعتی خواجه‌نصیرالدین طوسی M. Rahimzadegan مجید رحیم‌زادگان rahimzadegan@kntu.ac.ir 10031947532846005482 10031947532846005482 Yes K. N. Toosi University of Technology, Faculty of Civil Engineering, Department of Water Resources, گروه مدیریت منابع آب- دانشکده مهندسی عمران- دانشگاه صنعتی خواجه‌نصیرالدین طوسی