Journal of Geospatial Information Technology

fa ارائه روشی جهت واسنجی درجه اهمیت معیارهای تأثیرگذار بر مدل‌سازی تخریب سرزمین با تاکید بر تخریب پوشش گیاهی A new method for calibration of land-vegetation degradation modeling سیستمهای اطلاعات مکانی (عمومی) GIS پژوهشي Research یکی از مهم‌ترین چالش‌های بشر در قرن حاضر کاهش منابع به‌دلیل استفاده غیرمنطقی انسان از زمین می‌باشد که منجر به پدیده‌ای به‌نام تخریب سرزمین شده است. تاکنون، مدل‌های متفاوتی جهت ارزیابی این پدیده معرفی‌شده‌اند که پارامترها و اوزان آن‌ها وابسته به نظر کارشناسان می‌باشند. در این تحقیق سعی شده با معرفی روشی جدید پارامترهای مؤثر بر این پدیده، با شرایط منطقه موردمطالعه تعیین و واسنجی شوند. روش پیشنهادی، روشی داده مبنا محسوب می‌شود طوری که در آن اوزان پارامترها به‌صورت هوشمند و مبتنی بر شرایط اقلیمی و جغرافیایی منطقه، محاسبه می‌گردند. جهت تعیین درجه اهمیت هر یک از معیارها و رتبه‌بندی آن‌ها از الگوریتم ژنتیک و شاخص همپوشانی وزن دار استفاده شده است. برای ارزیابی، اطلاعات مربوط به منطقه نینوا واقع در کشور عراق که شامل تصاویر ماهواره‌ای لندست سال‌های 1985، 2001، 2014 و معیارهای فاصله از رودخانه، فاصله از دریاچه، فاصله از مناطق کشاورزی، فاصله از راهها، فاصله از مناطق مسکونی، ارتفاع، شیب، فاصله از قنات، فاصله از چاه آب، فرسایش، نوع اقلیم و شاخص نرمال شده تفاوت پوشش گیاهی (Normalized Difference Vegetation Index) گردآوری شد. نتایج حاصل از مدل‌سازی و واسنجی روش پیشنهادی با روش معمول (اعمال وزن‌های یکسان) مقایسه شدند. با اعمال الگوریتم ژنتیک و واسنجی نمودن اوزان، میانگین خطای پیش‌بینی تخریب پوشش گیاهی  03/0 به‌دست می‌آید که در مقایسه با خطای روش معمول (137/0) از کاهش چشمگیری برخوردار است. همچنین در این مرحله، ترتیب اهمیت معیارها در منطقه موردمطالعه نیز مشخص شد. به منظور اطمینان بیشتر از دقت مدل نتایج دوباره ارزیابی شد که به‌ترتیب از اطلاعات سال‌های 2001 و 2014 استفاده شد و خطای میانگین 053/0 و دقت 857/0 به‌دست آمد. پس از اطمینان به دقت مدل، پیش‌بینی تخریب پوشش گیاهی سال 2027 نیز صورت گرفت. نتایج به‌دست آمده از مدل ارائه شده حاکی از وضعیت بحرانی تخریب سرزمین در منطقه موردمطالعه می‌باشد. One of the main challenges of human is the dramatic decrease in resources due to human’s excessive consumption of land that has led to a phenomenon called land degradation. Various models have thus far been introduced for assessment of this phenomenon. The parameters and their weights differ from one model to another as per experts’ opinion. The present study introduces a new method to identify and calibrate the parameters, as per the conditions of the region under study, affecting this phenomenon. The proposed method is considered as a data-based model such that parameter weights are computed intelligently and as per the climate and geographical conditions of the region. The genetic algorithm and Weighted Overlay Index were used to determine the significance level and ranking of the criteria. For the purpose of assessment, the data pertaining to Neinava region, located in Iraq, including Landsat satellite images of 1985, 2001, and 2014 as well as criteria such as distance from rivers, distance from lakes, distance from agricultural areas, distance from roads, distance from residential areas, height, slope, distance from Qanats, distance from wells, erosion, type of climate, and NDVI index were used. The results obtained from modeling and calibration as per the proposed model were compared with those of the regular method (application of equal weights). Application of genetic algorithm and calibration of weights yielded a standard deviation of 0.03 for prediction of vegetation degradation which is considerably lower than that yielded by the regular method (0.137). The criteria were also prioritized at this stage as per their significance. To ensure the model accuracy, data of 2001 and 2014 were used to assess the obtained results. The assessment result yielded a standard deviation of 0.053 and accuracy of 0.857. After the accuracy of the model was ensured, the vegetation degradation was predicted for 2027. The average rate of decreased NDVI values indicates the critical status of land degradation in the region under study. الگوریتم ژنتیک, تخریب پوشش گیاهی, واسنجی مدل, شاخص هم‌پوشانی وزن‌دار Land and vegetation degradation, calibration, Weighted Overlay Index Model, GIS, Genetic Algorithm 87 104 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-433-2&slc_lang=fa&sid=1 Zahra Jahantab زهرا جهانتاب jahantabzahra@yahoo.com 10031947532846005531 10031947532846005531 Yes Islamic Azad University دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران Ali Asghar Ale Sheikh علی اصغر آل شیخ 10031947532846005532 10031947532846005532 No K.N. Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Ali Darvishi Boloorani علی درویشی بلورانی 10031947532846005533 10031947532846005533 No University of Tehran دانشگاه تهران Keivan Bagheri کیوان باقری 10031947532846005534 10031947532846005534 No University of Tehran دانشگاه تهران