Modeling Land Changes forest Using by LCM in Fandoqhlo Forest Area

Authors

1 Department of Remote Sensing and GIS, Faculty of Planning and Environmental Sciences, University of Tabriz, Tabriz, Iran

2 Department of Geomorphology, Faculty of Planning and Environmental Sciences, University of Tabriz, Tabriz, Iran

Abstract

Models of earth changes, are increasingly used to predict future landscapes and influencing politics. The aim of this study is to modeling forest use changes using the LCM modeler based on the neural network. In order to make maps, the images of Landsat 5 and 8 were used for land use maps for 2010, 2015 and 2019, and Landsat 8 panchromatic band, Aster and Sentinel2 images were to merge Used. The object-oriented classification and Assign class method were used to classification ‌forest, pasture, agricultural land, water boundaries and land made. The Kappa coefficients were calculated to be 87%, 90%, and 91% for 2015, 2010, and 2019, respectively. The obtained results indicated that the forest area decreased from 3204 hectares to 3070 hectares period 2010 to 2019 and agricultural land increased from 8515 to 9030(h) in 2019. Pastures and water levels have also decreased by approximately 446 hectares over the period and the land has increased from 3.1% of the total area to 4%. Slope, direction, digital elevation model of the distance from forest, road, village and waterways were used for modeling and Markov chain analysis modeling was used for the prediction of land use changes for 2019 and 2025. Evaluation of the forecasted 2019 map with a kappa accuracy of 0.87indicates the efficiency of the LCM model in the studied area.theresults, a growth of land made areas, the decrease in agricultural land and the decrease of the quality of rangelands and forests in years 2025.

Keywords

Main Subjects


اسکندری س،"مقایسه الگوریتم‌های مختلف تهیه نقشه پوشش زمین در رویشگاه­ های حساس زاگرس با استفاده از تصویر ماهواره‌ای سنتینل-2 (مطالعه موردی: بخشی از استان‌های ایلام)"، مجله سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 1398، 10 (1)، 71-87.
پرما ر، ملک­ نیا ر، شتایی ش، نقوی ح، "مدل سازی تغییرات پوشش سرزمین بر پایه شبکه عصبی مصنوعی و پتانسیل انتقال در روش LCM در جنگل ­های گیلان غرب، استان کرمانشاه"، مجله آمایش سرزمین، 1396، 9 (1)، 129-151.
عفیفی ا، "مدل­ سازی تغییرات کاربری اراضی با استفاده از مدل زنجیره­ای مارکوف و مدلLCM ، مطالعه موردی: شهر شیراز"، نشریه تحقیقات کاربردی علوم جغرافیایی، 1399، سال 20 (56)، 141-158.
فلاحتکار س، "بررسی توانایی مدل Geomod در پیش‌بینی تغییرات کاربری اراضی به بررسی تغییرات رخ‌داده در اکوسیستم دیلمان استان گیلان با استفاده از داده‌های تصاویر ماهواره لندست"، پایان‌نامه کارشناسی ارشد دانشگاه تربیت مدرس، تهران، 1387.
فیضی­ زاده ب، پیرنظر م، زندکریمی آ، عابدی قشلاقی ح، "ارزیابی استفاده از الگوریتم‌های فازی در افزایش دقت نقشه‌های کاربری اراضی استخراج‌شده با روش‌های پردازش شیءگرا"، فصل­نامه علمی پژوهشی، 1394، 24 (94)، 107- 117.
فتح­ الهی رودباری س م، احمدی کامران ن، خانمحمدی م،"مدل‌سازی تغییرات کاربری اراضی با استفاده از مدل‌ساز تغییر سرزمین (LCM) مطالعه موردی شهرستان نکا، فصل­نامه اکوسیستم‌های طبیعی ایران، 1396، 9 (1-31)، 53-69.
فیضی­ زاده ب، جعفری ف، نظم­ فر ح، "کاربرد داده­ های سنجش از دور در آشکارسازی تغییرات کاربری اراضی شهری مطالعه موردی فضای سبز شهر تبریز، نضریه هنرهای زیبا، 1387، 34، 17-24.
رستمی­ کیا ی، شریفی، ج، "فندقلو بزرگ‌ترین ذخیره‌گاه جنگلی صندوق ایران را دریابید. طبیعت ایران"،1397، اردبیل، 3 (6)، 13.
رضایی مقدم م ح، اندریانی ص، ولی­زاده کامران خ، الماس­پور ف،"تعیین بهترین الگوریتم استخراج کاربری و پوشش اراضی و کشف تغییرات از تصاویر ماهواره‌ای لندست (مطالعه موردی: حوضه صوفی چای مراغه)"، دانشگاه آزاد اسلامی اهر فصلنامه علمی- پژوهشی فضای جغرافیایی، 1395، 16 (55)، 65-85.
رهنماء م ر، شکوهی م ا، عطا ب، "آشکارسازی تغییرات کاربری/پوشش اراضی شهر گنبد کاووس با استفاده از سنجش از دور"، فصلنامه علمی- پژوهشی اطلاعات جغرافیایی، 1395، 26 (103)، 147-160.
رمضانی ن، جعفری ر، "آشکارسازی تغییر کاربری و پوشش اراضی در افق 1404 با استفاده از مدل زنجیره‌ای CA مارکوف (مطالعه موردی: اسفراین)"، فصلنامه تحقیقات جغرافیایی، 1393، 29 (3)، 115.
داز ب س، غفاری گیلانده ع و، خاوریان، ح، "به بررسی تغییرات پوشش اراضی شهر گرگان با استفاده از تصاویر ماهواره لندست"، پایان‌نامه کارشناسی ارشد، دانشگاه محقق اردبیلی، 1395.
خیبری ق ن، میرسنجری م م، آرمین م،"پیش‌بینی تغییرات کاربری جنگل در حوضه آبخیز چالوس رود"، سنجش‌ازدور و سیستم اطلاعات جغرافیایی در منابع طبیعی، 1396، 8 (2).
محمدیاری ف، پورخباز ح ر، اقدر ح، توکلی م،"مدل‌سازی تجربی پتانسیل انتقال تغییر پوشش سرزمین شهرستان بهبهان با الگوریتم شبکه عصبی مصنوعی"، نشریه تحقیقات کاربردی علوم جغرافیایی، 1397، 10 (50)، 234 .
یوسفی م، پژوهش م، هنربخش ا، "مدل­سازی روند تغییرات مکانی کاربری اراضی با استفاده از مدل  LCM برپایه شبکه عصبی مصنوعی و تحلیل زنجیره مارکوف (مطالعه موردی: حوزه آبخیز بهشت آباد)"پژوهشنامه مدیریت حوزه آبخیز، 1399، 11 (21)، 129-143.
مباشری م ر، "مبانی فیزیک سنجش از دور و فناوری ماهواره"، انتشارات دانشگاه صنعتی خواجه‌نصیرالدین طوسی، ایران، 1389.
وفایی س، درویش‌صفت ع ا، پیر باوقار م،"پایش و پیش‌بینی تغییرات کاربری اراضی با استفاده از مدل LCM (مطالعه موردی: مریوان)"، مجله جنگل ایران، 1391، 5 (3)، 323-326.
یوسف ­پور ر، مروی‌مهاجر م ر، ثاقب‌طالبی خ، "بررسی توالی توده‌های راش در جنگل‌های فندقلو اردبیل"، مجله منابع طبیعی ایران، 1383، 57 (4)، 703-713.
Ahmed B, Ahmed R, “Modelering Urban Land Cover Growth Dynamics Using Multi- Temporal Satellite Images: A Case Study of Dhaka, Bangladesh”, ISPRS International Journal of Geoinformation, 2012, 1, 3-31.
Blaschke T, “Object based image analysis for remote sensing”, ISPRS Journal of Photogrammetry and Remote Sensing, 2010, 65, 2-3.
Fan F, Wang Q, Wang Y, “land use and land cover change in Guangzhou Chaina from 1998 to 2003, based on land sat TM/ETM+ imagery”, Sensors, 2007, 7 (2), 1323-1342.
Clark Labs, “The Land Change Modeler for ecological Sustainability”, IDRISI Focus Paper, Worcester, 2009.
Cook R, Bartlein PJ, “Global Change in Forests: Responses of Species”, Communities and Biomes, Bioscience, 2001, 51, 765-779.
Costanza R, Ruth M, “Using Dynamic Modelering to Scope Environmental Problemsand Build Consensus”, Environmental Management, 1998, 22, 183-195.
Dadhich PN, Hanaoka S, “Markov Method Integration with Multi-layer Perceptron Classifier for Simulati- on of Urban Growth of Jaipur City- 6th WSEAS International Conference on Remote Sensing (REMOTE’10), Iwate Prefectural University, Japan.
Dadhich PN, Hanaoka S, “Remote Sensing, GIS and Markov’s Method for Land Use Change Detection and Prediction of Jaipur District”, Journal of Geomatics ISG, 2010, 4, 9-15.
Eastman RJ, “IDRISI Andes, Guide to GIS and Image Processing”, Clark University, Worcester, 2006, 87-131.
Harris nL, Petrovaiy S, Stollell F, Brown S, “Identification of optimal areas for REDD intervention: East Clementan Indonesia as a case study”, Environmental Research Letters, 2008, 3 (3), 035006.
Irmadi N, Turmudi R, Windiastuti J, Suryanta RS, Dewi Sr, “Comparing of Land Change Modeler and action Assessment of Deforest Lestari International Journal Journal Geographical Information Science”, 2013, 27 (9), 1691-1695.
Maithani S, “A Neural Network based Urban Growth Model of an Indian City”, Journal of the Indian Society of Remote Sensing, International Journal of Remote Sensing, 2009, 37 (2), 363-376.
“Geomod Modelering for the al of Advanced Engineering”, Management and Science (IJAEMS), 2018, 4, 2454-1311.
Klem AM, Connell JP, “Relationships Matter: Linking Teacher Support to Student Engagement and Achievement”, Journal of School Health, 2004, 74, 262-273.
Khoi DD, Murayama Y, “Forecasting Areas Vulnerable to Forest Conversion in the Tam Dao National Park Region”, Vietnam. Remote Sensing, 2010, 2 (5), 1249-1272.
Lambin EF, Baulies X, Bockstael N, Fischer G, Krug T, Leemans R, Moran EF, Rindfuss RR, Sato Y, Skole D, Turner BLII, Vogel C, “Land-use and land-cover change (LUCC): Implementation strategy”, IGBP Report No, 1999, 48, IHDP Report No. 10.
Mishra V, Kumar Rai P, Mohan M, “Prediction of Land use changes based on change modelerer (LCM) using Remote sensing: a case study of muzaffarpur (BIHAR), India”, Geographical Institute "Jovan Cvijic", 2014, 64 (1), 111-127.
Mirici ME, Berberoglu S, Akin N, Sater O, “land Use/cover chanche Modelling in a Mediterranean Rural Landscape using Multi-Layer Perceptron and Markov Chann ( (MLP-MC)”, APPLIED Ecology and Environmental Research, 2017, 16 (1), 467-486.
Muller MR, Middleton JA, “Markov model of land-use change dynamic in the Niagaa region Ontario”, Canada- Landscape Ecology, 1994, 9 (2), 151-157.
Nasiri V, Darvishsefat AA, Rafiee R, Avatefi Hemmat M, “Land use change modelering through an integrated Multi-Layer Perceptron Neural Network and Markov Chain analysis (case study: Arasbaran region, Iran)”, Article in Journal of Forestry Research, 2018, DOI: 10.1007/s11676-018-0659-9
Oñate-Valdivieso F, Bosque Sendra J, “Application of GIS and remote sensing techniques in generation of land use scenarios for hydrological moldering”, Journal of Hydrology, 2010, 395, 256-263.
Olemedo MTC, Pontius RG, Paegelow M, Mas JF, “Comparison of simulation models in terms of quantity and allocation of land change”, Environmental Modelling & Software, 2015, 69, 214-221.
Paegelow M, Camacho Olmedo MT, Mas JF, Houet T, Pontius GR, “Land change modeling: moving beyond projections”, International Journal of Geographical Information Science, 2013, 27 (9),1691-1695.
Paglow M, Olodo C, François Moss F, Houet T, Pontius GR, “Modelering Earth Change: Moving Beyond Predictio, International Journal of Geographical Information Science, Taylor Francis, 2013, 27 (9), 161-1691.
Pérez-Vega A, Mas JF, LigmannZielinska A, “Comparing two approaches to land use/cover change modeling and their implications for the assessment of biodiversity loss in a deciduous tropical forest”, Environmental Modeling and Software, 2012, 29, 11-23.
Rumelhart DE, Hinton GE, Williams RJ, “Learning Internal Representation by Error Propagation in Parallel Distributed”, Processing Exploration in Microstructure of Cognition, 1986, 1, 318-362.
Sundara Kumar KP, Udaya Bhaskar K, Padmakumari K, “Application of land change modeler for prediction of future land use land cover (a case study: of vijayawada city)”, International Conference on Science, Technology and Management, 2015, 2571-2581.
Wang Y, Li Sh, “Simulating multiple class urban land-use/cover changes by RBFN-based CA model”, Computers and Geosciences, 2011, 37 (3), 111-121.
Yuan F, Sawaya KE, Loeffelholz BC, Bauer M, “Land cover classification and change analysis of the Twin Cities (Minnesota) Metropolitan Area by Multi-temporal Landsat remote sensing”, Remote Sensing of Environment, 2005, 98 (2), 317-328.