آمار
| تعداد نشریات | 44 |
| تعداد شماره‌ها | 1,303 |
| تعداد مقالات | 16,035 |
| تعداد مشاهده مقاله | 52,542,748 |
| تعداد دریافت فایل اصل مقاله | 15,246,293 |
بررسی مدل رگرسیون لوجستیک در تخریب جنگل¬ها با استفاده از سنجش از دور در محیط سیستم اطلاعات جغرافیایی (مطالعه موردی: جنگل¬های ارسباران) | ||
| جغرافیا و برنامه‌ریزی | ||
| مقاله 8، دوره 16، شماره 42، اسفند 1391، صفحه 155-171 | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| نویسندگان | ||
| ابوالفضل رنجبر* 1؛ محمد سعدی مسگری2 | ||
| 1دانشگاه تبریز، مربی دانشکده فنی و مهندسی مرند | ||
| 2دانشیار دانشگاه صنعتی خواجه نصیر الدین طوسی | ||
| چکیده | ||
| کاربری و پوشش اراضی ثابت نبوده و غالباً در اثر فعالیتهای انسانی دستخوش تغییر وتحول می‌شوند. شناسایی و کشف این تغییرات می‌تواند به مدیران و برنامه‌ریزان کمک کند تا عوامل موثر در تغییر کاربری و پوشش اراضی را شناسایی کرده و برای کنترل آنها برنامه‌ریزی مفید و موثر نمایند. برای کشف و ارزیابی تغییرات، داده‌های چند زمانه سنجش از دور به دلیل ارزانی و سرعت اخذ داده از آن و سیستم اطلاعات جغرافیایی به خاطر برخورداری از امکانات تحلیلی می‌توانند نقش اساسی داشته باشند. به عنوان مثال برآورد میزان تخریب جنگل در طول چند سال متوالی را می‌توان خیلی سریع با استفاده از تحلیل و پردازش داده‌های چندزمانه سنجش از دور مورد ارزیابی قرار داد. در این تحقیق برای طبقه‌بندی و مطالعه تغییرات زمانی جنگلهای منطقه ارسباران از تصاویر TM و ETM+ماهواره لندست به ترتیب مربوط به سالهای 1366 و 1380 با قدرت تفکیک مکانی 5/28 متر استفاده شده است. با روی‌هم‌گذاری نقشه‌های حاصل از طبقه‌بندی دو تصویر مربوط به تاریخهای 1366 و 1380 میزان و تغییرات جنگلها را مشخص نموده و سپس برای مدل کردن تخریب جنگلها در منطقه از مدل رگرسیون لوجستیک با پارامترهای مستقل ارتفاع، شیب، جهت جغرافیایی و فاصله از مراکز روستایی استفاده شد. مدل ارائه شده نشان می‌دهد که تخریب جنگلهای منطقه با پارامترهای فاصله از مراکز روستایی، ارتفاع و جهت جغرافیایی ارتباط معنی‌دار دارد. | ||
| کلیدواژه‌ها | ||
| پارامترهای مستقل و وابسته؛ تخریب جنگل؛ طبقه‌بندی تصاویر ماهوا‌ره‌ای؛ کشف تغییرات و مدل رگرسیون لوجستیک | ||
| مراجع | ||
|
منابع 1- Aldrich, J.H., Nelson F.E., (1984), "Linear Probability, Logit and Probit Models", Sage University Paper Series on Quantitative Applications in the Social Sciences, Beverly Hills, California.
2- Armenteras D. Rudas G, Rodriguez N., Sua S. and Romero M. (2006), "Patterns and Causes of Deforestation in the Colombian Amazon", Ecological Indicators 6 pp353-368.
3- Brown S., Hall M., Andrasko K. Anf Ruiz F. (2007): "Baselines for Land-use Change in the Tropics: Application to Avoided Deforestation Projects", Mitig Adapt Strat Glob Change, no. 12, pp.1001-1026.
4- Coppin R. (1996), "Digital Change Detection in Forest Ecosystems with Remotely Sensed Imagery", Remote Sensing, No. 13, pp. 207-234.
5- Demaris, A., (1992), "Logit Modeling: Practical Applications", Sage University Paper Series on Quantitative Applications in the Social Sciences, Newbury park, California.
6- Desclee B., Bogaert P. and Defourny P. (2006), "Forest Change Detection by Statistical Object-basedmethod", Remote Sensing of Environment, 102, pp. 1-11.
7- Geoghegan J., Schneider L. and Vance C. (2004), "Temporal Dynamics and Spatial Scales: Modeling Deforestation in the Southern Yucata’s Peninsular Region", Geo Journal, No. 61, pp. 353-363.
8- Hayes J. (1999), "Remote Sensing for Monitoring Land Cover and Landuse Change in the Maya Biosphere Reserve", Thesis, University of Maine, Orono.
9- Linkie M., Smith R. and Willams N. (2004), "Mapping and Predicting Deforestation Patterns in the Lowlands of Sumatra", Biodiversity and Conservation, No. 13, pp. 1809-1818.
10- Liu D, Song K, Townshend J and Gong P. (2008), "Using Local Transition Probability Models in Markov Random Fields for Forest Change Detection", Remote Sensing of Environment, 112, pp. 2222-2231.
11- Macleod D. and Congalton G. (1998), "A Quantitative Comparison of Change Detection Algorithms for Monitoring Eelgrass from Remotely Sensed Data", PE & RS, Vol. 64, No. 3, pp. 207-216.
12- Mahapatra K. and Kant S. (2005), "Tropical Deforestation: A Multinomial Logistic Model and Some Country-specific policy Prescriptions", Forest Policy and Economics, 7 pp.1-24.
13- Muchoney M. and Haack N. (1994), "Change Detection for Monitoring Defoliation", Photogrammetric Engineering and Remote Sensing, No. 60, pp. 1243-1251.
14- Musaoglu N. (2000), "Multitemporal Forest Change Analysis, A Case Study: SARIYER Region", ISPRS, XXXIII, Part C7, pp. 939-945.
15- Pearce J. and Ferrier S. (2000), "Evaluating the Predictive Performance of Habitat Models Developed Using Logistic Regression", Ecological Modelling, No. 133, pp. 225-245.
16- Puyravaud J. (2003), "Standardizing the calculation of the annual rate of deforestation", Forest Ecology and Management, No. 177, pp.593-596.
17- Reusing M. (2000), "Change Detection of NaturalHighForest in ETHIOPIA Using Remote Sensing and GIS Techniques", ISPRS, XXXIII, Part C7, pp. 1253-1258.
18- Sader A. (1989), "Multispectral and Seasonal Characteristics of Northern Hardwood and Boreal Forest Types in Maine", ASPRS, pp. 109-116.
19- Sader A. and Winne C. (1992), "RGB-NDVI Colour Composites for Visualizing Forest Change Dynamics", International Journal of Remote Sensing, No. 13, pp. 3055-3067.
20- Songer M., Aung M., Senior B. and DeFries R. (2009), "Spatial and Temporal Deforestation Dynamics in Protected and Unprotected dry Forests: A Case Study from Myanmar (Burma)", Biodivers Conserv, No.18, pp.1001-1018.
21- Sremongkontip S, Ali Hussin Y. and Groenindijk L. (2000), "Detecting Changes in the MANGROVE Forests of Southern THAILAND Using Remotely Sensed Data and GIS", ISPRS, XXXIII, Part B7, pp. 567-574.
22- Tabachnick, B.G., and Fidell, L.S. (1996), "Using Multivariate Statistics, New York: Harper and Row".
| ||
|
آمار تعداد مشاهده مقاله: 4,158 تعداد دریافت فایل اصل مقاله: 9 |
||