CC BY
37
===== СИСТЕМНОЕ ИЗУЧЕНИЕ АРИДНЫХ ТЕРРИТОРИЙ ===
УДК 631.4(556)
ИЗУЧЕНИЕ И ПРОГНОЗИРОВАНИЕ ПУТЕЙ ЗЕМЛЕПОЛЬЗОВАНИЯ И ИЗМЕНЕНИЯ ЗЕМНОГО ПОКРОВА В ПРИГОРОДЕ ЯСУДЖА (ПРОВИНЦИЯ КОХГИЛУЙЕ И БОЙЕРАХМЕД, ИРАН)
© 2020 г. М. Армин*, М. Мохаммад**, В.Г. Хейбари*' ***
*Университет Ясуджа Иран, 7575156879, провинция Кохгилуйе и Бойерахмед, г. Ясудж, ул. 11-й Абузар, бульвар Бойерахмад, д. 43. E-mail: mohsenarmin2007@gmail.com **Университет Пайаме Нур Иран, 7591854854, провинция Кохгилуйе и Бойерахмед, г. Ясудж, ул. 7-ая Голестан, бульвар ЭмамХомейни, д. 28, стр. Баран. E-mail: majidian@yu.ac.ir ***Университет Мелайера Иран, 65719-95863, г. Мелайер, УниверситетМелайера. E-mail: ghorbannia2008@gmail.com
Поступила в редакцию 31.08.2019. После доработки 24.04.2020. Принята к публикации 01.05.2020.
Изменения в земном покрове оказывают прямое влияние на экологические функции рельефа и природных ресурсов. Деградация леса затрагивает биохимические циклы и процессы, проистекающие на водозборе, что приводит к эрозии почвы и сокращению водных ресурсов. Таким образом, необходимо периодически проводить пространственные замеры землепользования и замного покрова, чтобы политические деятели и исследователи могли принимать верные решения. Закономерности изменений в землепользовании и земном покрове указывают на изменения в социальных и экономических условиях. Наблюдение за такими изменениями - неотъемлемая часть скоординированных работ на национальном и международном уровнях. За последние годы из-за легкой доступности космоснимков и возможностей ГИС-технологий моделирование и предсказание изменения землепользования и земного покрова, стали весьма широкомасштабны. На настоящий момент были изобретены такие статистические методы, как логистическая регрессия, цепи Маркова и дискретные модели. Данное исследование было проведено для того, чтобы изучить изменения в землепользовании и земном покрове в окрестностях города Ясудж, используя цепь Маркова для периода с 1987 по 2039 гг. Такой анализ позволит описать изменения в землепользовании, произошедшие с одного периода по другой, чтобы затем использовать полученную информацию как основу для предсказания последующих изменений. Это становится возможным благодаря созданию матрицы вероятностей переходов для изменений землепользования за определенный период; она указывает на природу изменений и возможность их применения для предсказания изменений в следующем временном периоде. Результаты данной модели и ее симуляции показали, что процент естественных земель (лесов и пастбищ) в 1987, 1999, 2013 и 2039 гг. составляет 90, 82, 73 и 59% соответственно. Таким образом, можно заявлять, что естественные земли на исследованной территории становятся рукотворными, и примерно за 40 лет (1987-2013 гг.) сократилось около 30% естественных земель. В свою очередь это может иметь опасные последствия для окружающей среды исследованной территории. Результаты логистической регрессии с псевдо-R2, равным 0.3, и ROC-кривой, равной примерно 0.8, представляют собой относительное согласование модели с произошедшими изменениями и соответствующую способность модели оценить изменения в землепользовании и земном покрове за последние 26 лет. Результаты симуляции карты земного покрова за 2013 и 2039 гг. показали высокий потенциал для цепи Маркова при моделировании изменений земного покрова. В данном исследовании точность итоговой карты земного покрова составила 80%.
Ключевые слова: изменение землепользования, изменение земного покрова, дистанционное зондирование, цепь Маркова, дискретная модель, г. Ясудж. DOI: 10.24411/1993-3916-2020-10105
Землепользование и земной покров - это два самостоятельных термина, но зачастую они становятся взаимозаменяемыми (Dimyati et al., 1996). Земной покров означает физические характеристики земной поверхности, включающие в себя растительность, водные ресурсы, почву и другие физические свойства земель, в том числе созданные в результате человеческой деятельности, например, поселения. Тогда как землепользование означает способы, которыми люди обрабатывают землю для собственных нужд, в основном с упором на функциональную роль земель в экономике. Изменения в землепользовании и земном покрове - это динамический процесс, который протекает на биофизических поверхностях в определенном месте и за определенное время. Этот процесс крайне важен для исследований природных ресурсов. Такие исследования показали, что на планете Земля в своем естественном состоянии осталось всего несколько ландшафтов. Изменения землепользования и земельного покрова, будучи одной из важнейших движущих сил изменений глобальной среды, являются также и центром дискуссий об устойчивом развитии. Они стали главным и важным компонентом современных стратегий поддержания природных ресурсов и мониторинга изменений среды. Изменения землепользования и покрова стали основными проблемами и вызовами для экологически благоприятного и устойчивого развития экономического роста любой территории. Вместе с резким скачком популяции человеческая деятельность, такая как вырубка лесов, почвенная эрозия, глобальное потепление и загрязнения, стала крайне вредоносной для окружающей среды. Изменения в землепользовании и на водосборах могут влиять на количество и качество воды. Например, характер изменений землепользования из-за развития водосбора с недавних пор начали выражаться в возросшем поверхностном стоке, снизившейся скорости возобновления грунтовых вод и распространении загрязняющих веществ (Turner et al., 2001). Таким образом, оценка методов землепользования и их изменений на водосборном уровне является ключевой для планирования и управления водными ресурсами и землепользованием на отдельно взятом водосборе. Методы цифровой фиксации таких изменений основаны на многовременной и многоспектральной информации, полученной путем дистанционного зондирования, продемонстрировали свой высокий потенциал в качестве методов для понимания различий в динамике ландшафтов, идентификации, картографировании и мониторинга структуры землепользования и земного покрова за определенный период, безотносительно причинных факторов. В настоящее время материалы спутниковой съемки широко применимы и удобны для наблюдения за изменениями в землепользовании и покрове (Yuan et al., 2005; Brondizio et al., 1994). Дистанционное зондирование удобно масштабами обзора, многократным перекрытием и доступностью материалов в режиме настоящего времени. В частности, снимки Landsat сыграли важную роль в классификации различных ландшафтных компонентов на больших территориях (Ozesmi, Bauer, 2002). Цепь Маркова описывает изменения в землепользовании с одного по другой период, и полученные результаты станут основой для предсказания будущих изменений. Это становится возможным благодаря созданию матрицы вероятностей переходов для изменений землепользования за определенный период; она указывает на природу изменений и возможность их применения для предсказания изменений с одного периода по следующий. Y.H. Araya и P. Cabral (2010) провели анализ изменений городского землепользования для муниципалитетов Сетубал и Сезимбра в Португалии в период с 1990 по 2006 гг. и смоделировали изменения для 2020 года, применив дискретную модель. Их результаты показали, что городские территории возросли за указанный период на 91.11% и всего на 6.34% за период с 2000 по 2006 гг. Прогнозирующая способность данной модели была успешно подтверждена коэффициентом Каппа. B. Ye и Z. Bai (2008) изучили изменения землепользования в Нанкине (Китай) в 1985 -2000 гг., применив ГИС-технологии и дистанционное зондирование. Затем, используя цепь Маркова и дискретную модель, они смоделировали ход землепользования для 2015 и 2030 гг. Результаты показали, что за период исследования установлен тренд уменьшения лесных земель и тренд увеличения сельскохозяйственных угодий.
Наше исследование демонстрирует применение спутниковых снимков, собранных за длительный период, для определения динамики землепользования и земного покрова и моделирования пространственной и временной динамики этих изменений для последующих лет, с использованием цепи Маркова для окрестностей г. Ясудж, расположенного в провинции Кохгилуйе и Бойерахмед, в Иране. Таким образом, главная задача данного исследования - установить и описать различные категории и шаблоны изменений в землепользовании и земном покрове, произошедшие за 26-летний
период с 1987 по 2013 гг., и проанализировать изменения для следующих 26 лет.
Материалы и методы
Область исследований. Пригород г. Ясудж, столицы провинции Кохгилуйе и Бойерахмед расположен между 30° 22' 00"-30° 48' 30" с.ш. и 51° 20' 40"-51° 51' 00" в.д. в Иране (рис. 1). После отделения Кохгилуйе и Бойерахмед от провинции Фарс в 1976 г. город Ясудж сразу же сделали столицей. Область исследований занимает 10193 га. Минимальная и максимальная превышение составляют 1622 и 3263 м н.у.м. соответственно. В среднем здесь выпадает около 823.9 мм дождевых осадков в год.
Сбор данных. Материалы, использованные в нашем исследовании, поделены на спутниковые и вспомогательные. Спутниковые снимки разрешением 30 м были получены с помощью Landsat 5 TM и Landsat 7 ETM+ в 1987, 1999 и 2013 гг. Их можно загрузить из USGS Earth Explorer. Обработка и дешифровка снимков для подготовки карт землепользования и земного покрова сделаны в программном обеспечении IDRISI KILIMANJARO (Eastman, 2003). Вспомогательные материалы включали в себя топографические карты, карты с расположением деревень и дорог, карты рек и водотоков.
51*27*40" В.Д. 51*37*50" В.Д. 51"4в*0" В.Д.
Рис. 1. Область исследований.
Предварительная обработка снимков. Методы для улучшения снимков, такие как выравнивание гистограммы, спектрозональное комбинирование цветовых уровней и распределение спектров, были применены к каждому изображению для улучшения его качества. С помощью топографического листа масштабом 1:50000 мы очертили область исследований.
Методология. Работа выполнялась в 4 этапа: классификация снимков, изменений
землепользования и земного покрова, прогнозирование их последующих изменений, подтверждение прогнозов. Каждый этап сопровождается пояснениями.
Классификация снимков. Обработанные спутниковые данные за 1987, 1999 и 2013 гг. были изучены путем присвоения сигнатуры каждому пикселю и разделения области исследований на разные классы на основе значения дискретного числа каждого элемента из ландшафта, а также разделения методами управляемой и автономной классификации. При автономном методе мы использовали кластерный алгоритм итеративного самоорганизующегося анализа данных (ISODATA), чтобы избежать влияния характеристик наших образцов без назначения предопределенных наборов сигнатур в качестве начальных кластеров. Это позволило выявить спектральные кластеры на снимках, исключив тепловой уровень, и провести классификацию соответственно количеству необходимых кластеров и доступных дискретных чисел. Группировка по спектрам была рассчитана автоматически на основе только математической разницы спектральных значений. Количество кластеров определяется методом проб и ошибок, чтобы правильно установить коэффициент отражения у спектра отдельного снимка. Количество кластеров недостаточно мало, для того чтобы среди них можно было найти смешанные кластеры нескольких классов, но не настолько, чтобы нельзя было определить спектр отражения. Соответственно, каждый снимок был сгруппирован в 24 спектральных кластера. При управляемой классификации мы определили и классифицировали категории и типы покровов, использовав алгоритм максимальной вероятности, который основан на следующих 6 этапах. 1) Обучающие последовательности (сигнатуры), предоставленные пользовательской базой в области знаний этого пользователя; 2) выделение из спектра снимка отдельных спектральных сигнатур для каждого типа землепользования; 3) изучение способности каждого типа землепользования и покрова к спектральному разделению; 4) выбор классификатора или правила принятия решения; 5) классификация снимка; 6) оценка точности данной классификации. Таким образом, карты землепользования за 1987, 1999 и 2013 гг. были составлены двумя способами - с помощью управляемой и автономной классификаций.
Обнаружение изменений землепользования и земного покрова. Модель Маркова не предоставляет никакой информации по пространственной зависимости. Поэтому мы объединили дискретную модель и цепь Маркова (дискретная модель Маркова), чтобы получить результаты с привязкой к локации. Фактически дискретная модель разрабатывает простой весовой коэффициент, который помещает больше веса в области, наиболее близкие к месту землепользования. Это приводит не к случайным изменениям в землепользовании, а только рядом с типами текущего землепользования. После подготовки карт землепользования по вышеупомянутым годам с использованием анализа Маркова, были получены снимки условной вероятности, матрица вероятности перехода и матрица площади перехода для периодов 1987-1999 и 1987-2013 гг. Модуль CROSSTAB помог изучить изменения в земном покрове за те же периоды. Важный аспект обнаружения таких изменений - это определить, что чем заменяется, т.е. какой тип землепользования чем заменяется. Анализ цепи Маркова -удобный метод для моделирования изменений в землепользовании в том случае, когда эти ландшафтные трансформации и процессы трудно описать.
Прогнозирование. После выполнения анализа Маркова мы использовали дискретную модель Маркова, чтобы спрогнозировать карты землепользования и земного покрова для 2013 и 2039 гг. Фактически мы получили спрогнозированное изображение для 2013 года, чтобы подтвердить действенность модели. Для применения дискретной модели Маркова необходимы: 1) базовые снимки землепользования и покрова (классифицированные снимки 1987 г.); 2) файл с матрицей площади перехода, которая является одним из результатов применения модели Маркова; 3) предпочтительное отображение (Desirability images), где предпочтительность - это соответствие ячейки карты определенному земному покрову. Например, желательная картина лесопользования может включать в себя такие критерии, как удаленность от дорог, уклон и т.д. В нашем исследовании были использованы следующие критерии.
Физические переменные: высота н.у.м., уклон и географическое направление, полученные из цифровой модели рельефа (DEM). Метрические ландшафтные параметры: в работах различных исследователей было доказано, что дистанционные параметры важны для изучения изменений в растительном покрове, поэтому мы также учитывали удаленность от дорог, деревень и поверхностной дренажной сети. Из параметров спутниковых снимков мы использовали приведенную
разность растительного индекса, чтобы получить наглядные изображения. Логистическая регрессия потребовалась для создания наибольшего соответствия карт. Чтобы оценить точность модели логистической регрессии, мы использовали псевдо-R2 и ROC-кривую. Значение 0.2 для псевдо-R2 считается подходящим (Clark, Hosking, 1989). ROC-кривая - это подходящий статистический метод для оценки пригодности модели и может быть использован для сравнения спрогнозированных и реальных изображений. Значение 1 указывает на полное пространственное соответствие картине, а значение 0.5 - на низкое соответствие (Pantiusjr, Spencer, 2005). Получив карту желаемых критериев с использованием модуля RECLASS, мы сделали карты изменения отдельно для каждого типа землепользования для периодов 1987-1999 и 1987-2013 гг.
Подтверждение пригодности модели. Важным шагом в разработке любой модели, которая прогнозирует какие-либо изменения, является подтверждение ее пригодности. Для оценки точности классификации, мы использовали полевые наблюдения и изображения Google Earth для обучающих последовательностей, случайным образом полученных для региона, от каждого типа землепользования. После применения этих последовательностей к изображению мы получили матрицу классификационной ошибки. На матрице для каждого типа землепользования отображены такие статистические данные, как точность составителя карты, точность пользователя карты, общая точность и коэффициент Каппа.
После использования метода дискретной модели Маркова, применив модуль VALIDATE и использовав карту землепользования за 2013 г. в качестве базовой карты, а спрогнозированную карту для того же года - в качестве сравнительной, мы подтвердили пригодность модели. В модуле VALIDATE это подтверждение разделено на несколько компонентов, включая Каппа для отсутствия информации (Kno), для локации (Klocation), для слоев локации и стандартный коэффициент (Kstandard), из которых каждый представляет собой особенный индекс, тип коэффициента Каппа или связанных статистических данных (Pontius, 2000).
Результаты и их обсуждение
На рисунках 2-5 показаны карты землепользования для 1987, 1999, 2013 и 2039 гг. Необходимо подчеркнуть, что карта для 2039 года была спрогнозирована с помощью дискретной модели Маркова, а для других лет - с помощью классифицированных спутниковых снимков.
Рис. 2. Карта землепользования для 1987 г.
Рис. 3. Карта землепользования для 1999 г.
В таблице 1 показаны площадь и процент от общей площади для каждого типа землепользования за разные годы. Как видно, во все годы исследования самая большая площадь землепользования принадлежала пастбищам, а самая малая - населенным пунктам. Процент естественных земель (лесов и пастбищ) в 1987, 1999, 2013 и 2039 гг. составил 90, 82, 73 и 59% соответственно. Процент
рукотворных земель (сельхозугодий и населенных пунктов) - 10, 18, 27 и 41% соответственно. Таким образом, можно сказать, что естественные земли в области исследований постепенно становятся рукотворными, поэтому примерно за 40 лет (с 1987 по 2013 гг.) около 30% естественных земель сократиться, что может повлечь за собой последствия, опасные для экологии исследованной территории.
51°27'40"в.д. 51°37'50"..д. 51°48'0"..д.
Рис. 4. Карта землепользования для 2013 г.
О 4 8 12 16 2« 24 км ^|
51°27Ч 0" „.д. 51°37'50"в.д. 51°48,0"».д.
Рис. 5. Карта землепользования для 2039 г.
Таблица 1. Площади, занятые разными типами землепользования в разные годы.
Площадь, % Площадь, га Тип землепользования Год
9.89 12273.84 Сельхозугодия 1987
48.11 59677.92 Пастбища
41.37 51321.06 Леса
0.61 758.88 Населенные пункты
16.47 20427.25 Сельхозугодия 1999
46.32 57436.95 Пастбища
36.16 44839.85 Леса
1.03 1287 Населенные пункты
24.28 30126.96 Сельхозугодия 2013
38.71 48017.34 Пастбища
34.58 42898.68 Леса
2.4 2988.99 Населенные пункты
38.71 43836.39 Сельхозугодия 2039
32.04 39754.8 Пастбища
26.96 33122.52 Леса
5.92 7345.89 Населенные пункты
В таблице 2 показана площадь, проценты и тренд изменений в землепользовании для каждого из изученных периодов. Из нее видно, что за все периоды тренд для лесов и пастбищ был нисходящим, а для сельхозугодий и населенных пунктов - восходящим. Больше всего изменений за 1987 -1999 гг. произошло в сельхозугодиях и лесах, при этом площадь лесов уменьшилась на 4240 га больше, чем
сельхозугодий, а значит, множество лесов перевели под сельхозугодия и населенные пункты. Больше всего изменений за 1987-2013 гг. произошло в сельхозугодиях и пастбищах, при этом площадь пастбищ уменьшилась на 4240 га больше, чем площадь лесов, а значит, большинство пастбищ перешло под сельхозугодия и населенные пункты. Спрогнозировано, что больше всего изменений за 2013-2039 гг. произойдет в сельхозугодиях и лесах, при этом леса уменьшатся на 1513 га больше, чем пастбища, а значит, большинство лесов уйдет под сельхозугодия и населенные пункты.
Таблица 2. Площадь в гектарах и процентах и тренд изменений типов землепользования за три временных периода.
Тренд изменений Изменения площади, % Изменения площади, га Тип землепользования Периоды
Восходящий 6.58 8153.41 Сельхозугодия 1987-1999
Нисходящий 1.79 2240.97 Пастбища
Нисходящий 5.21 6481.21 Леса
Восходящий 0.42 528.12 Населенные пункты
Восходящий 14.39 17853.12 Сельхозугодия 1987-2013
Нисходящий 9.4 11660.58 Пастбища
Нисходящий 6.79 8422.38 Леса
Восходящий 1.79 2230.11 Населенные пункты
Восходящий 11.05 13709.43 Сельхозугодия 2013-2039
Восходящий 6.67 8262.54 Пастбища
Нисходящий 7.62 9776.16 Леса
Восходящий 3.52 4356.9 Населенные пункты
В следующие 26 лет площадь сельхозугодий увеличится на 3%, т.е. меньше, чем за последние 26 лет; пастбищ - уменьшится на 2%, т.е. меньше, чем за прошедший период; лесов - на 0.8%, т.е. больше, чем за прошедший период; населенных пунктов - увеличится на 1.7%, т.е. больше, чем за прошедший период. Поэтому можно утверждать, что за следующие 26 лет леса и населенные пункты будут изменяться быстрее, чем сельхозугодия и пастбища. Однако в связи с необходимостью обратить внимание на ключевую роль природных ресурсов за последние годы это уменьшение изменений остается неудовлетворительным.
Классификация для 1987, 1999 и 2013 гг. имеет общую точность 80% и индекс Каппа 0.89%. И хотя оба показателя для классифицированных снимков всех трех лет примерно равны и составляют 79 и 0.89 соответственно, точность составителя и пользователя карт варьируют за разные годы для разных типов землепользования и земного покрова. Так, в 1987 г. они составили 79 и 76% соответственно; самая низкая точность пользователя наблюдалась для пастбищ - 67.6%. В 1999 г. они составили 78.7 и 74.3%; самая низкая точность пользователя для пастбищ - 67.3%. В 2013 г. они составили 78.5 и 76.8%; самая низкая точность пользователя для пастбищ - 70.3%. Заметно, что точность составителя карт выше пользовательской, потому что первая основана на тестовых пикселях, а вторая - на общем изображении.
В нашем исследовании карты для 2013 и 2039 гг. были спрогнозированы с помощью дискретной модели Маркова. Карта для 2013 года создана, чтобы оценить точность данного метода, а карта для 2039 года - чтобы изучить, как будут проходить изменения в землепользовании в течение следующих 26 лет. При использовании дискретной модели переменные, влияющие на изменения, вовлечены в процесс составления модели, который использует логистическую регрессию, чтобы анализировать и прогнозировать эти изменения. Фактически в логистической регрессии каждый тип землепользования выступает зависимой переменной, а факторы, влияющие на земной покров, - в качестве независимых (критерий предпочтительности), что и было обозначено в нашей модели. Коэффициент корреляции и отношение между независимыми и зависимыми переменными или, другими словами, влияние удаленности от города, дорог и прочего на изменения в землепользовании показано в логистической регрессии с помощью псевдо-R2 и ROC. Средние значения ROC и псевдо-R2 для разных типов землепользования и земного покрова за период 1987-1999 гг. составили 0.84 и
0.27 соответственно. Наибольшее среднее значение обоих переменных за указанный период связано с населенными пунктами и составляет 0.9 и 0.4 соответственно. За период 1987 -2013 гг. - 0.8 и 0.23, наибольшее среднее значение также связано с населенными пунктами - 0.9 и 0.42. Все перечисленные индексы указывают на точность моделирования с помощью логистической регрессии.
На рисунке 6 показана карта землепользования, спрогнозированная для 2013 г. Чтобы оценить точность нашей модели, эту карту сравнили с настоящей картой, составленной по спутниковым снимкам, в результате чего было получено 4 индекса Каппа, которые показаны в таблице 3. Эти индексы указывают на точность применения дискретной модели Маркова. Индекс К^саНоп демонстрирует, насколько ячейки смоделированной карты накладываются на настоящую карту изменений землепользования. Индекс Каппа слоев локации показывает, насколько точно смоделированная карта накладывается на свои типы землепользования.
Выводы
Данное исследование направлено на то, чтобы обнаружить изменения в землепользовании за последние 26 лет и спрогнозировать новые изменения на следующие 26 лет. Оптимальный сценарий жизни в городских сообществах подчеркивает необходимость планирования землепользования, чтобы регулировать его направление и развитие в городах. Территории, которые окружают городские области, находятся под влиянием многих факторов, включая изменения окружающей среды, природные бедствия и человеческую деятельность. Степень изменений среды зависит от демографических, структурных и функциональных характеристик сообщества, в котором эти изменения происходят. В подобных ситуациях планирование рационального развития города играет важную роль в улучшении качества среды и уровня жизни населения. С учетом растущей популяции и активной миграции деревенских жителей в городские области, а также возникновение экологических проблем, в том числе разрушение естественных лесов и пастбищ, необходимо изучать последствия и влияние подобной деятельности. Вследствие широкого распространения изменений в землепользовании и земном покрове, использование технологий дистанционного зондирования стало главным инструментом в их изучении и мониторинге. Создание карт землепользования и покрова с использованием спутниковых снимков - один из самых быстрых и наименее затратных способов достичь поставленных целей. Результаты как нашего, так и других исследований, указывают на то, что спутниковая съемка способна помочь в подготовке карт землепользования. С другой стороны, исследования демонстрируют, что ГИС-технологии и дистанционное зондирование подходят для сбора пространственно-временных данных.
Таблица 3. Индексы подтверждения работоспособности дискретной модели Маркова.
Индекс Каппа (ф Год
К^а^аЫ K для слоев локации К1оса11оп Кпо
0.82 0.5 0.87 0.89 2013
Город Ясудж возник и развился в результате прямого влияния политических решений и воли правительств разных исторических периодов. В 1966 году центральное правительство страны отрядило военные силы, чтобы контролировать восстание местных племен, после чего был заложен сегодняшний
Рис. 6. Карта землепользования для 2013 г.
центр Ясуджа, который насчитывал тогда всего 900 человек. Власти намеревались увеличить военное присутствие и свое влияние, поэтому для контроля ситуации в регионе были созданы многочисленные правительственные агентства и выделены новые военные силы и государственные чиновники. Население Ясуджа, который в 1966 году занимал 5 га, выросло до 931 человека. Исследование его роста с 1986 по 2011 гг. показывает, что популяция держалась на высоком уровне: с 29991 человека в 1986 г. при среднем годовом росте на 10.3% она увеличилась до 48958 человек в 1991 г., а затем до 69133 и 100544 при среднем годовом росте на 7.2 и 3.78% в 1996 и 2006 гг. соответственно. Наконец, в 2011 году население города достигло 108505 человек.
Рост населения провинции на 2%, как следует из Переписи населения 2011 года (Program and Budget ..., 2011), указывает на нежелательный феномен переселения сельских жителей в города. Поэтому на данный момент считается, что в г. Ясудж наиболее высокий процент мигрантов, что является одной из самых главных социальных, политических и экономических проблем города.
Стремительный рост населения Ясуджа, особенно с 1970-х гг., происходил за счет строительства и концентрации различных объектов инфраструктуры, таких как большие дороги, обеспечивающие доступ в город и провинцию, больницы, аэропорты и университеты, создание которых послужило толчком для миграции людей из окрестных деревень, что, в свою очередь, несомненно, повлияет на рост населения и дальнейшее развитие инфраструктуры. Помимо прочего, комфортная погода и привлекательная природа в окрестностях Ясуджа превратила его в город иммигрантов, поэтому большое количество людей из других городов и сельской местности переезжает в этот город. С другой стороны, экономическое, социальное и индустриальное развитие Ясуджа за последнее время привело к тому, что жители окрестных деревень бросили свою работу и дома и ушли на более выгодный заработок в поисках лучшей жизни в самом городе, который в свою очередь не был готов принять неожиданных гостей. Недостаток внимания к экологической ситуации и балансу региона, продолжающийся рост населения и, следовательно, расширение города приведет к качественной и количественной редукции естественных территорий и растительности.
Данные из нашего исследования указывают на то, что естественные ландщафты вокруг г. Ясуджа, т.е. леса и пастбища, превращаются в сельскохозяйственные земли и населенные пункты. За 40-летний период 1987-2013 гг. население увеличилось в 3.5 раза, что вызвало необходимость строить новые дома и привело к увеличению площади, занятой поселениями, в 4 раза и сокращению естественных территорий вокруг города на 30%. Все перечисленное может привести к серьезным экологическим последствиям. За последние 26 лет (с 1987 по 2013 гг.) сократилось около 20082 га лесов и пастбищ, из которых 17853 га перевели под сельскохозяйственные угодья, а 2230 га - под населенные пункты. В следующие 26 лет площадь лесов и пастбищ сократится еще на 18038 га.
Результаты логистической регрессии c применением псевдо-R2, равным примерно 0.3, и ROC кривой, равным 0.9%, указывают на относительное согласование модели с реальными изменениями и подтверждают способность этой модели оценить изменения в землепользовании для последних 26 лет. Дискретная модель Маркова с высокой вероятностью позволяет смоделировать изменения землепользования; в данном исследовании точность составленных карт составила примерно 80%. Изучение землепользования и земного покрова за разные годы показало, что изменения в основном заключаются в сокращении площади лесов и пастбищ и расширении сельхозугодий и городских территорий. На основе этого можно заключить, что основная причина изменений в землепользовании и земном покрове в пределах изученной территории - это вмешательство человека. Таким образом, мониторинг изменений землепользования и растительных индексов в г. Ясудж, который переживает рост населения, важен для налаживания связей между политическими решениями, мерами управления и последующей деятельности в области землепользования.
СПИСОК ЛИТЕРАТУРЫ
Araya Y.H., Cabral P. 20i0. Analysis and modeling o urban land cover change in Setubal and Sesimbra, Portugal //
Remote Sensing. Vol. 2. P. i549-i563. Brondizio E.S., Moran E.F., Wu Y. i994. Land use change in the Amazon estuary: patterns of Caboclo settlement and
landscape management // Human Ecology. Vol. 22. No. 3. P. 249-27S. Clark W.A., Hosking P.L. i9S6. Statistical methods for geographers. NY: John Wiley and Sons. 52S p. Dimyati M., Mizuno K., Kitamura T. i994. An Analysis of Land Use/Cover Change using the combination of MSS Landsat and Land Use Map: A Case Study in Yogyakarta, Indonesia // International Journal of Remote Sensing.
Vol. 17. No. 5. P. 931-944. Eastman J.R. 2003. IDRISI KILIMANJARO: Tutorial, Manual version 14.0002. Clark University. 269 p. Ozesmi S.L., Bauer M.E. 2002. Satellite remote sensing of wetlands // Wetlands Ecology Management. Vol. 10. P. 381-402. Pantiusjr R.G., Spencer J. 2005. Uncertainty in extrapolations of predictive land cover models // Environment and
Planning and Design. Vol. 33. P. 211-230. Pontius G.R. 2000. Quantification error versus location error in comparison of categorical maps // Photogrammetric
Engineering Remote Sensing. Vol. 66. P. 1011-1016. Program and Budget Organization of Kohgiluyeh and Boyerahmad Province. 2011. Report.
Turner M.G., Gardner R.H., O'Neill R.V. 2001. Landscape Ecology in Theory and Practice. Pattern and Process. NY: Springer-Verlag. 482 p.
Ye B., Bai Z. 2008. Simulating land use cover changes of Nanjing County based on Ca-Markov model // IFIP
International Federation for Information Processing. Vol. 1. P. 321-329. Yuan F., Sawaya K.E., Loeffelholz B., Bauer M.E. 2005. Landcover classification and change analysis of the Twin Cities (Minnesota) Metropolitan Area by multitemporal Landsat remote sensing // Remote Sensing Environment. Vol. 98. P. 317-328.
APHflHBIE ЭКОСHCTEМBI, 2020, tom 26, № 3 (84)
