بررسی سطح جنگل با استفاده از ماشین بردار پشتیبان و ارائه مدل پیش بینی تغییرات سطح جنگل

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار گروه مهندسی جنگلداری، دانشگاه آزاد اسلامی واحد لاهیجان، لاهیجان، ایران

2 استادیار گروه مهندسی فضای سبز، دانشگاه آزاد اسلامی واحد ملایر، ملایر، ایران

3 استادیار گروه مهندسی محیط زیست، دانشگاه آزاد اسلامی واحد پرند، پرند ، ایران

چکیده

بیشینه و هدف :با توجه به تخریب فزاینده در سطح اکوسیستم های طبیعی، تعیین میزان و موقعیت وقوع تغییرات کاربری اراضی و پیش بینی روند آن در آینده می تواند اطلاعات ارزنده ای را به برنامه ریزان ارایه دهد. مواد و روشها:جهت انجام تحقیق حاضر از تصاویر ماهواره ای سال های 2000 و 2010 ، 2018 ماهواره لندست استفاده شده گردید. شاخص OIF، برای سال های 2000، 2010 و 2018 به ترتیب 41/77 ، 02/54 و 18/8922به دست آمد. سپس با روش ماشین بردار پشتیبان، با استفاده از بهترین ترکیب باندی انتخاب شده و نمونه های آموزشی و تعلیمی، طبقه بندی شد. نتایج و بحث: ارزیابی صحت طبقه بندی با استفاده از شاخص ضریب کاپا و دقت کلی به دست آمد. ضریب کاپا و دقت کلی برای تصویر سال 2000، به ترتیب 88/0 و 89/0 و برای تصویر 2010، 91/0 و 92/0 و برای تصویر سال 2018، 93/0 و 95/0 به دست آمد.. پایش تغییرات در مدل LCM نشان داد در طی سال های 2000 تا 2018، بیشترین تغییرات مربوط به تبدیل کاربری جنگل نیمه متراکم با مساحت 27/4104هکتار بوده است. تغییرات کاربری شهری نیز در سال های مطالعاتی زیاد و به مقدار 14/148 هکتار افزایش داشته است. جدول احتمال تغییرات کاربری ها در مدل مارکوف تولید و با نقشه تولیدی در این مرحله، برای سال های مطالعاتی پیش بینی با مارکوف برای سال های 2018 و 2028 نشان داد در سال 2028 مساحت کلاس شهری به 1/21293 هکتار افزایش و مساحت کاربری باارزش جنگل متراکم به 97/2189 هکتار کاهش می یابد. نتیجه گیری: جهت جلوگیری از گسترش بی رویه شهرها، مناطق مسکونی و تخریب عرصه های جنگلی و پوشش گیاهی باید اقدامات مدیریتی انجام شود و تصمیمات مدیریتی اتخاذ گردد. مقدار سطح جنگلهای متراکم و نیمه متراکم در مناطق با شیب زیاد تا سال 2028 کاهش بیشتری می یابد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Investigation of forest area using support vector machine and provide a model for predicting forest level changes

نویسندگان [English]

  • Armin Hashemi 1
  • Amin Khademi 2
  • Morteza madanipour Kermanshhi 3
  • Behrouz Kord 2
1 Associate professor, Department of Forestry, Islamic Azad University, Lahijan Branch, Lahijan, Iran
2 Assistant professor, Department of Green Space, Islamic Azad University, Malayer Branch, Malayer, Iran
3 Assistant professor, Department of Environment, Islamic Azad University, Parand Branch, Parand, Iran
چکیده [English]

Background and Objective: Due to the increasing degradation at the level of natural ecosystems, determining the extent and location of land use changes and predicting its future trend can provide valuable information to planners and managers.

Materials and Methods: For the present study, satellite images of 2000, 2010, and 2018 Landsat satellites were used. The OIF index for the years 2000, 2010 and 2018 were 77.41, 54.02 and 8922.18, respectively. Then, using the support vector machine method, using the best band composition selected and educational samples were classified.

Results and Discussion: Evaluation of classification accuracy was obtained using kappa coefficient index and overall accuracy. Kappa coefficient and overall accuracy were 0.88 and 0.89 for the image of 2000, 0.91 and 0.92 for the image of 2010, 0.93 and 0.95 for the image of 2018, respectively. Changes in the LCM model showed that during the years 2000 to 2018, the most changes were related to the conversion of semi-dense forest land with an area of 4104.27 hectares. Urban land use changes have also increased in the study years and amounted to 148.14 hectares. The table of probability of land use changes in the Markov production model and with the production map at this stage, for the forecast study years with Markov for 2018 and 2028, showed that in 2028 the area of the urban class will increase to 1.21293 hectares and the valuable land area Dense forest is reduced to 2189.97 hectares.

Conclusion: In order to prevent the uncontrolled expansion of cities, residential areas and the destruction of forest areas and vegetation, managerial measures must be taken and management decisions must be made. The level of dense and semi-dense forests in areas with high slopes will decrease further by 2028.

کلیدواژه‌ها [English]

  • Evaluation of changes of forest area
  • satellite imagery
  • Auto-cells Markov chain
  • Siahkal forests

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 09 شهریور 1400
  • تاریخ دریافت: 12 تیر 1400
  • تاریخ بازنگری: 04 شهریور 1400
  • تاریخ پذیرش: 09 شهریور 1400