خلاصة:
این مطالعه با هدف پیشبینی تغییرات کاربری اراضی شرق استان مازندران (شهرستانهای نکا، بهشهر و توابع آنها) با استفاده از شبکة عصبی مصنوعی در محیط GIS انجام شد. تصاویر ماهوارة لندست[1] متعلق به سالهای 1366 و 1380 برای آشکارسازی تغییرات منطقه به کار رفت؛ سپس با بهرهگیری از پرسپترون چند لایة[2] شبکة عصبی مصنوعی، مدلسازی پتانسیل انتقال برای 7 زیرمدل اجرا شد و درنهایت مدلسازی تغییرات کاربری اراضی با دورة واسنجی 1366- 1380 برای سال 1385 با زنجیرة مارکف و مدل پیشبینی سخت انجام پذیرفت. ارزیابی صحت مدل با بهرهگیری از مقادیر موفقیت خنثی، موفقیت، خطا و هشدار خطا تعیین و درنهایت پیشبینی تغییرات کاربری اراضی برای سال 1394 انجام شد. نتایج نشان داد طی سالهای 1366 تا 1380، به ترتیب 1964 و 1197 هکتار از وسعت جنگلها و باغها کاسته و 1182 و 1978 هکتار به وسعت اراضی کشاورزی و مناطق مسکونی اضافه شده است. نتایج مدلسازی پتانسیل انتقال در همة زیرمدلها صحت زیادی (67- 89درصد) را نشان داد. خطای کل پیشبینی مدل 98/9درصد بود که نشاندهندة کارایی و قابلیت زیاد مدل است. همچنین نتایج پیشبینی نشان داد مساحت اراضی جنگلی در سال 1394 نسبت به 1385 کاهش و مناطق مسکونی، اراضی کشاورزی و باغها افزایش خواهد یافت.
This study was performed with objective of predicting land cover change in the east of Mazandaran Province (Neka and Behshahr counties), using Artificial Neural Network in the GIS environment. Landsat imagery belonging to the years 1987 and 2001 was used for change detection. Then, using Multilayer Perceptron neural network transition potentials was implemented for 7 sub-models and finally, land cover change modeling for 2006 with 1987-2001 calibration period and by Markov Chain and hard prediction was run. The accuracy of the assessment model was determined by using the Null Successes, Hits, False Alarms, and Misses. Finally, land cover change prediction was done for 2015. The result showed that during 1987–2001, respectively, 1964 and 1197 ha from forest and orchard were reduced, and 1182 and 1978 ha agriculture and residential were added. The results showed high accuracy (67-89%) in all the sub-models. Total error prediction model was 9.98%. Furthermore, the prediction results showed that forest areas will be reduced and residential, agriculture and orchard will be increased in 2015 compared with 2006.