چکیده:
هدف از پژوهش حاضر, استخراج و کشف تغییرات کاربری اراضی از تصاویر ماهوارهای با مدل شیءگرا و همچنین پیشبینی این
تغییرات با مدل زنجیر مارکف تا سال ۲۰۳۰ در حوضه آبریز زیلبیرچای است. با توجه به اینکه تفکیک برخی محصولات از همدیگر
مانند گندم آبی و دم زراعت آبی و باغات در تصاویر با تفکیک مکانی متوسط مانند تصاویر لندست و روشهای شناختهشدة پیکسل
پایه بهسختی صورت میگیرد. بنابراین در تحقیق حاضر مدل شیءگرا بر مبنای روش دانشپایه با استفاده از میانگین و انحراف معیار
شاخص پوشش گیاهی و ویژگیهای توپوگرافی منطقه, همچنین تصویر OLI با تاریخ ۲۰۱۵ بهکار گرفته شد و اعتبارسنجی آن با ضریب
کاپا ۰/۸۶ و صحت کلی 89/ 0 صورت گرفت, سپس نتیجة آن در تصویر TM نیز استفاده شد (ضریب کاپا برابر با ۰/۸۳ و صحت کلی
87). درنهایت بعد از تجزبهوتحلیل تغییرات رخداده, پیشبینی زمانی کاربریها صورت گرفت. نتایج طبقهبندی تصاویر نشاندهندة
رشد مساحت کاربریهای مسکونی, باغات و زراعت آبی بهترتیب ۱۵ ۴۲ و ۵۰ KM2 در طول ۲۸ سال است که این رشد نشاندهندة
مصرف زیاد آب در منطقه است. همچنین در ۱۵ سال آینده نیز که براساس الگوی ۲۸ سال قبل و با مدل تحلیل زنجیرة مارکف بوده,
این رشد بهترتیب تا میزان ۸, ۲۷ و ۸ KM2 خواهد بود. ازطرفی مقایسة تناظر به تناظر نقشههای طبقهبندی دو بازة زمانی, نشاندهندة
تبدیل کاربریهای کممصرف مثل گندم آبی به محصولات زراعی آبی است؛ ازاینرو لزوم استفاده از یک مدیریت بهینه و کارآمد
بهمنظور دستیافتن به توسعة پایدار مکانیزه کردن سیستمهای آبیاری و کنترل مصرف عوامل انسانی در منطقه اجتنابناپذیر است.
The purpose of this study was to extract and explore land use changes from satellite images with object-oriented and knowledge-based models, as well as predict these changes using the Markov chain model by the 2030 in the Zailbirchai basin. Considering that the separation of some LULC from each other, such as irrigated wheat, Rain-fed Agriculture, Irrigated agriculture, and orchard in images with a spatial resolution, such as Landsat images and known pixel-based methods, is rigorous. Therefore, in the present study, a method based on the knowledge based was used for the extraction of the LULC with the OLI image of 2015 and its validation was done with kappa coefficient (0.86). Then the result of method was used in the TM image of 1987 (kappa coefficient equal to 0.83). Finally, after the analysis of the changes occurred, temporal changes was predicted for 2030. The classification of images shows the growth of residential, orchard and irrigated agriculture land uses, respectively, 15, 42 and 50 km2 over the course of 28 years. This growth reflects the high consumption of water in the region. Cross Tab, on the other hand, shows the conversion of low-consumption applications such as irrigated wheat to arable crops. Also, in the next 15 years, based on pattern of 28-year-old using Markov chain analysis model, this growth will be up to 8, 27 and 8 km2, respectively.