fa مدل‌سازی تجربی پتانسیل انتقال تغییر پوشش سرزمین شهرستان بهبهان با الگوریتم شبکه عصبی مصنوعی پژوهشي Research <p dir="RTL" style="text-align: justify;">تغییر کاربری زمین، یکی از مهم<span dir="LTR">&shy;</span>ترین چالش&shy;های برنامه<span dir="LTR">&shy;</span>ریزی کاربری زمین است که در برابر برنامه&shy;ریزان، تصمیم&shy;گیران و سیاست گذاران قرار دارد و تأثیر مستقیمی بر بسیاری از مسائل از قبیل رشد اقتصادی و کیفیت محیط دارد. مطالعه حاضر، روند تغییرات کاربری اراضی شهر بهبهان برای سال&shy;های 1392 و 1406 با استفاده از <span dir="LTR">LCM</span> در محیط سامانه اطلاعات جغرافیایی را بررسی می&shy;کند. تجزیه و تحلیل و بارزسازی تغییرات کاربری&shy;ها، به کمک دو دوره از تصاویر ماهواره لندست سال&shy;های 1378 و 1392 انجام شد و نقشه&shy;های پوشش اراضی برای هر سال تهیه شد. مدل&shy;سازی پتانسیل انتقال، به کمک الگوریتم پرسپترون چندلایه شبکه عصبی مصنوعی با استفاده از شش متغیر مستقل صورت پذیرفت و میزان تخصیص تغییرات کاربری&shy;ها به همدیگر، به روش زنجیره مارکف مورد محاسبه قرار گرفت. نتایج پیش&shy;بینی نشان داد بیشترین کاهش تغییرات شامل تخریب مراتع و بیشترین افزایش مساحت در کاربری کشاورزی می&shy;باشد. با توجه به نتایج جدول&shy;بندی افقی نقشه سال 1406 می&shy;توان بیان کرد که از مجموع کل مساحت منطقه، 22/28336 هکتار از اراضی بدون تغییر و 78/33223 هکتار از اراضی تغییر کاربری داده&shy;اند. همچنین روند تخریب مراتع و جنگل در طی این بازه زمانی می&shy;تواند زنگ خطری برای مدیران و برنامه&shy;ریزان شهری و منابع طبیعی باشد.</p> <div id="__if72ru4sdfsdfrkjahiuyi_once" style="display:none;"></div><div id="__if72ru4sdfsdfruh7fewui_once" style="display:none;"></div><div id="__zsc_once"></div><div id="__hggasdgjhsagd_once" style="display:none;"></div> <div style="text-align: justify;">Land-use change is one of the most important challenges of land-use planning that lies with planners, decision-makers and policymakers and has a direct impact on many issues, such as economic growth and the quality of the environment. The present study examines the land use change trends in Behbahan city for 2014 and 2028 using LCM in the GIS environment. Analysis and visibility of user variations, carried out in two periods of Landsat satellite images of 2000 (ETM + sensor) and 2014 (OLI sensors), and land cover maps for each year. The transmission potential modeling was performed by using the multi-layer perceptron artificial neural network algorithm using six independent variables and the distribution of changes in user usage were calculated by Markov chain method. The results of the prediction showed that the most reduction in the changes is the degradation of the rangelands and the greatest increase in the area of agricultural use. According to the horizontal tabulation results of the 2028 map, it can be stated that from the total area of the area 28336.22 hectares of land were unchanged and 33223.78 hectares of land use change. Also Rangeland and forest degradation during this time period can be a danger to urban planners and natural resources.</div> &nbsp; <div class="s3gt_translate_tooltip_mini_box" id="s3gt_translate_tooltip_mini" is_mini="true" style="background: initial !important; border: initial !important; border-radius: initial !important; border-spacing: initial !important; border-collapse: initial !important; direction: ltr !important; flex-direction: initial !important; font-weight: initial !important; height: initial !important; letter-spacing: initial !important; min-width: initial !important; max-width: initial !important; min-height: initial !important; max-height: initial !important; margin: auto !important; outline: initial !important; padding: initial !important; position: absolute; table-layout: initial !important; text-align: initial !important; text-shadow: initial !important; width: initial !important; word-break: initial !important; word-spacing: initial !important; overflow-wrap: initial !important; box-sizing: initial !important; display: initial !important; color: inherit !important; font-size: 13px !important; font-family: X-LocaleSpecific,sans-serif,Tahoma,Helvetica !important; line-height: 13px !important; vertical-align: top !important; white-space: inherit !important; left: 382px; top: 79px; opacity: 0.2;"><div class="s3gt_translate_tooltip_mini" id="s3gt_translate_tooltip_mini_logo" title="Translate selected text"></div><div class="s3gt_translate_tooltip_mini" id="s3gt_translate_tooltip_mini_sound" title="Play" title_play="Play" title_stop="Stop"></div><div class="s3gt_translate_tooltip_mini" id="s3gt_translate_tooltip_mini_copy" title="Copy text to Clipboard"></div></div> <li<illegal tag>nk href="moz-extension://8b922523-7922-435a-ac74-8ddb59e9beaf/skin/s3gt_tooltip_mini.css" rel="stylesheet" type="text/css" > <style media="print" type="text/css">#s3gt_translate_tooltip_mini { display: none !important; } </style> روند تغییرات, زنجیره مارکوف, شبکه عصبی, مدل‌ساز تغییر سرزمین Trend of change, Markov chain, Neural network, Land Change Modelar 219 234 http://jgs.khu.ac.ir/browse.php?a_code=A-10-3272-1&slc_lang=fa&sid=1 fatemeh mohammadyary فاطمه محمدیاری m.fatima.1364@gmail.com 10031947532846005164 10031947532846005164 No Behbahan Khatam Alanbia University of Technology دانشگاه بهبهان hamidreza pourkhabbaz حمیدرضا پورخباز pourkhabbaz@yahoo.com 10031947532846005165 10031947532846005165 Yes Behbahan Khatam Alanbia University of Technology دانشگاه بهبهان hossin aghdar حسین اقدر aghdarhossain@yahoo.com 10031947532846005166 10031947532846005166 No Shahid Chamran University of Ahvaz دانشگاه شهید چمران اهواز morteza Tavakoly مرتضی توکلی tavakoly52@gmail.com 10031947532846005167 10031947532846005167 No Associ profe of Geography Tarbiat Modares University of Technology دانشگاه تربیت مدرس، گروه جغرافیا