دانشگاه تهران نشریه جنگل و فرآورده های چوب 5052-2008 68 1 2015 05 22 Application of artificial neural network and ordinary least squares regression in modeling land use changes کاربرد شبکه عصبی مصنوعی و رگرسیون حداقل مربعات معمولی در مدلسازی تغییرات کاربری سرزمین 1 16 53973 10.22059/jfwp.2015.53973 FA سارا عزیزی قلاتی دانشجوی کارشناس‌ارشد GIS و سنجش از دور، دانشکدة علوم زمین، دانشگاه شهید چمران اهواز، اهواز، ایران کاظم رنگزن دانشیار، گروه GIS و سنجش از دور، دانشکدة علوم زمین، دانشگاه شهید چمران اهواز، اهواز، ایران ایوب تقی زاده مربی، گروه GIS و سنجش از دور، دانشکدة علوم زمین، دانشگاه شهید چمران اهواز، اهواز، ایران شهرام احمدی دانشجوی دکترای، گروه جنگلداری و اقتصاد جنگل، دانشکدة منابع طبیعی، دانشگاه تهران، کرج، ایرا Journal Article 2013 10 30 Owing to the vital effects of future land use changes, it is necessary to predict land use growth pattern before any decision making by the authorities and decision makers. Purpose of this research is to model land use change of Kohmare Scorch plain of Shiraz province using Ordinary Least Squares regression (OLS) for pre-processing variables and Modeling using neural networks. To perform this model, the land use maps using Landsat images of the years 1987, 2000 and 2012 were prepared. Next, the validation of classified images and change detection analysis performed. Results of change detection between 1987 and 2000 with accuracy of 83% kappa, shows the greatest increase in rangeland area (4224.24 ha) and the greatest decrease was on forest area (3953.75). Considering these changes, selection of the best combination of explanatory variables, potential land use changes for year 2012 was performed using multi-layer perceptron algorithm of artificial neural network. Next, using Markov chain method the land use map for 2012 was predicted. The error matrix for modeled land use map and that of Landsat image of year 2000 is 75%. Next, the revealed changes for the second period (2000-2012) with Kappa of 88% show greatest increase for rangeland area (1807.02ha). In contrast the greatest decrease was for forest (2132.82). Considering change detection at second period, land use for year 2024 was predicted and result shows that irrigated agriculture would have the greatest change. <br />  با توجه به اهمیت بالای اثر تغییرات کاربری سرزمین در آینده، لازم است الگوی رشد و تغییر کاربری‌ها قبل از اتخاذ هر گونه تصمیمی به مسئولان و تصمیم‌گیرندگان امور مربوط ارائه شود. هدف این پژوهش مدل‌سازی تغییرات کاربری سرزمین در منطقة کوهمره سرخی استان فارس با استفاده از روش رگرسیون حداقل مربعات معمولی برای پیش‌پردازش متغیرها و مدل‌سازی با استفاده از شبکة عصبی است. بدین منظور نقشه‌های کاربری سرزمین با استفاده از تصاویر لندست در سال‌های 1366، 1379 و 1391 تهیه شد. سپس، صحت‌سنجی نقشه‌ها و آشکارسازی تغییرات انجام شد. نتایج آشکارسازی تغییرات دورة اول (1366-1379) با ضریب کاپای 83% نشان داد بیشترین افزایش مساحت در ناحیة مرتع (24/4224 هکتار) و بیشترین کاهش مساحت در ناحیة جنگل (75/3953 هکتار) رخ داده است. بر مبنای این تغییرات و انتخاب بهترین ترکیب برای متغیرها، مدل‌سازی پتانسیل تبدیل کاربری برای سال 1391، با استفاده از روش شبکة عصبی پرسپترون چندلایه انجام شد. سپس، با روش زنجیرة مارکوف، نقشة کاربری سرزمین برای سال 1391 پیش‌بینی شد. نتیجة ماتریس خطا بین نقشة حاصل از مدل‌سازی و نقشة کاربری سرزمین سال 1391، ضریب کاپای 75% است. در مرحلة بعد، نتایج آشکارسازی تغییرات دورة دوم (1379-1391) با ضریب کاپای 88% نشان داد بیشترین افزایش مساحت در ناحیة مرتع (82/1871 هکتار)، همچنین بیشترین کاهش مساحت در ناحیة جنگل (05/3082 هکتار) رخ داده است. با توجه به تغییرات دورة دوم، نقشة کاربری سرزمین برای سال 1403 پیش‌بینی شد که بیشترین تغییر کاربری نسبت به سال 1391، در ناحیة کشاورزی آبی خواهد بود. https://jfwp.ut.ac.ir/article_53973_d8d9543373dc78b8a978361a3e18e466.pdf