مقاله درمورد تغییرات کاربری اراضی و تصاویر ماهواره ای

ضرورت استفاده از تصاویر آرشیوی در مطالعه پدیده های دینامیک است. با توجه به هزینه بالا و به هنگام نبودن تهیه این نقشه ها بوسیله عملیات زمینی در سال های اخیر استفاده از تصاویر ماهواره ای به عنوان روشی برای این کار مطرح شده است(Pelletreau,2004).بسیاری تا به امروز بر روی تغییرات کار کرده اند اما پیش بینی احتمال تغییر را انجام نداده اند.یکی از مبانی مدیریت منابع طبیعی،اطلاعات مربوط به نقشه های کاربری اراضی است.
تغییر کاربری و پوشش اراضی فرایند دینامیک و پیچیده ای است که از تلاقی سیستم های طبیعی و انسانی بدست می آید و اثرهای مستقیمی بر آب،هوا و خاک دارد.وقوع این پدیده پیامدهای اقتصادی اجتماعی و زیست محیطی در مقیاس محلی،ناحیه ای و جهانی به همراه خواهد داشت(Komen et al,2007).امروزه زمین هایی که تا کنون بلا استفاده بوده اند وارد چرخه بهره برداری شده اند و کاربری بسیاری از اراضی تغییر نموده است از این رو پیش بینی کاربری آینده اراضی با در نظر گرفتن شرایط منطقه می تواند امری مفید برای هدایت برنامه ریزان باشد(Allen,1995;Erskine,1991).
با استفاده از روش پیش بینی تغییرات کاربری اراضی می توان اراضی را که احتمال تغییر در آن ها بیشتر است شناسایی کرد و سپس برای مدیریت بهتر اراضی حاشیه ای برنامه ریزی کرد.چون همه قسمت های یک سرزمین از اهمیت یکسانی برخوردار نیستند و از نظر حفاظت در یک درجه از اهمیت قرار ندارند.در این مطالعه روشی را بیان می کنیم که با استفاده از این روش احتمال تغییر برای کاربری های مختلف را مورد بررسی قرار می دهیم.
1-6-فرضیه تحقیق
استفاده از روش فنون تحلیل خودکار سلولی مبتنی بر تحلیل زنجیره مارکف از دقت مناسبی در پیش بینی تغییرات برخوردار است. است.ظهور یک کاربری در یک نقطه تابع مجاورت آن نقطه از نظر مکانی با دیگر کاربری های موجود و از نظر مکانی تابع آخرین تغییرات منطقه است و به نظر می رسد این روش باید نتیجه بهتری بدهد.در مدل تحلیل خودکار سلولی کاربری یک سلول تابع مجاورت آن سلول با سلول دیگر است و در مدل زنجیره مارکف کاربری یک سلول به زمان وابسته است.
فصل دوم

  منبع مقاله با موضوع استانداردها و مواد معدنی

مبانی نظری تحقیق
2-1-کلیات
2-1-1-فرآیند مارکف
در فرآیند مارکف می توان اگر زمان را به سه دوره گذشته، حال و آینده تقسیم کنیم، آینده این فرآیند بستگی به مسیری که در گذشته طی کرده است، ندارد و تنها به موقعیت آن در زمان حال وابسته است. اگر وضعیت فرآیند در لحظاتی مانند t1،t2….tn مشخص باشد، میتوان گفت که برای پیش بینی حرکت آینده این فرآیند، تنها آخرین اطلاعات ، یعنی وضعیت فرآیند در لحظه tn کافی است.فرایند مارکف مجموعه ای از متغیرهای تصادفی است که به ازای تمام مقادیر X1،X2…. Xn رابطه زیر برقرار است(حکیمی پور،1376).
P[X(tn+1) ≤ x | X(tn) = xn,…,X(t2)= x2, X(t1)= x1] = P[X(tn+a) ≤ x | X(tn) = xn]
فرآیندهای مارکف به طور کلی، برحسب دو عامل دسته بندی می شوند:
الف) پارامتر t، که می تواند پیوسته یا گسسته باشد. گسسته بودن t بدین معناست که رفتار سیستم را می توان فقط در مقطع مشخصی از زمان مطالعه کرد.
ب) مجموعه مقادیری را که X(t) می تواند انتخاب کند، که به آن حالت سیستم گفته می شود.حالت سیستم نیز می تواند گسسته یا پیوسته باشد.
2-1-2-زنجیره های مارکف
زنجیره های مارکف حالت خاصی از فرایند مارکف است که در آن پارامتر t و حالت سیستم هر دو گسسته هستند. به همین دلیل به آنها زنجیره های مارکف با زمان گسسته گفته می شود.
به یک از رشته متغیر های تصادفی X1,X2,X3,…,Xn زنجیره مارکف گفته می شود(حکیمی پور،1376).
زنجیره های مارکف همگن نیز حالت خاصی از زنجیره ی مارکف هستند که در آن احتمال گذار سیستم از یک حالت به حالت دیگر مستقل از مرحله قبل آن است.
2-1-3-زنجیره های مارکف با زمان پیوسته
زنجیره های مارکف با زمان پیوسته حالت خاصی از فرایند مارکف هستند که در آن ها پارامتر t پیوسته و X(t) گسسته است. در زنجیره های مارکف با زمان گسسته حالت سیستم فقط در انتهای هر مرحله مشاهده می شود. در حالی که در زنجیره های مارکف با زمان پیوسته چنین محدودیتی وجود ندارد و حالت سیستم می تواند در هر لحظه تغییر کند(حکیمی پور،1376).
2-1-4-مدل زنجیره مارکف

این نوشته در علمی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.