نوع مقاله : مقاله پژوهشی
نویسنده
گروه نقشه برداری، دانشکده مهندسی ،دانشگاه زنجان، زنجان، ایران.
چکیده
پیشینه و اهداف: چشم‌اندازهای ساحلی–کوهستانی هم‌زمان تحت تأثیر گسترش سکونت، کشاورزی، گردشگری، دسترسی، حفاظت اکولوژیک و محدودیت‌های شدید توپوگرافی قرار دارند. در چنین محیطی، اتکا به تغییر خالص به‌تنهایی تصویر کاملی از پویایی کاربری/پوشش زمین ارائه نمی‌کند؛ زیرا ممکن است مبادلات ناخالص قابل توجه میان طبقات در مقدار خالص پنهان بماند. افزون بر این، تغییر خالص مشخص نمی‌کند زمین‌های ساخته‌شده جدید از کدام طبقات مبدأ تأمین شده‌اند، گسترش آنها چه پیکربندی مکانی داشته است و آیا روابط آماری مشاهده‌شده با متغیرهای مکانی، پس از جداسازی فضایی داده‌های آموزش و آزمون، همچنان حفظ می‌شوند. بر همین اساس، این پژوهش مقدار، جهت، شدت، پیکربندی مکانی، خوشه‌بندی و روابط مشروط مکانی گذارهای نقشه‌ای کاربری/پوشش زمین شهرستان رامسر در شمال ایران را طی سال‌های ۲۰۱۶ تا ۲۰۲۵ بررسی کرد. چارچوب تحلیلی پژوهش پنج پرسش مرتبط را دنبال می‌کرد: چه مقدار تغییر نقشه‌ای رخ داده است؛ کدام طبقات بیشترین سود، زیان یا مبادله را داشته‌اند و شدت این تغییرات چگونه بوده است؛ لکه‌های ساخته‌شده جدید چه سهمی از گسترش میان‌افزا، لبه‌ای و برون‌افتاده را تشکیل داده‌اند؛ تغییرات در چه نواحی به‌صورت خوشه‌های معنادار آماری متمرکز شده‌اند؛ و مدل‌های خطی و غیرخطی چهار گذار غالب را با چه توان تفکیکی مدل‌سازی کرده‌اند.
روش‌ها: دو رستر هم‌ثبت‌شده کاربری/پوشش زمین مربوط به سال‌های ۲۰۱۶ و ۲۰۲۵، با تفکیک مکانی ۱۰ متر، در گستره معتبر مشترک ۷۲٬۶۰۳٫۵۲ هکتار تحلیل شد. هر دو نقشه شامل هفت طبقه آب، ساخته‌شده، زراعت، باغ، جنگل، مرتع و بایر بود. مقایسه سلول‌به‌سلول دو نقشه برای تشکیل ماتریس انتقال و محاسبه پایداری، سود ناخالص، زیان ناخالص، تغییر خالص، مبادله و تغییر کل به‌کار رفت. تحلیل شدت در سطوح بازه، طبقه و گذار، نرخ‌های مشاهده‌شده را با نرخ مرجع یکنواخت سالانه مقایسه کرد. سلول‌های ساخته‌شده جدید با استفاده از همسایگی هشت‌جهته به لکه تبدیل شدند و شاخص گسترش منظر با بافر اصلی ۱۰ متر برای طبقه‌بندی لکه‌ها به گسترش لبه‌ای، میان‌افزا و برون‌افتاده به‌کار رفت. نرخ تغییر در بازه‌های ارتفاع، شیب و فاصله اقلیدسی از ساحل، راه، بافت ساخته‌شده مبنا و رودخانه نیز محاسبه شد. برای بررسی تمرکز مکانی، تراکم تغییر کل در شبکه‌ای با اندازه تقریبی ۵۰۰ متر تجمیع و آماره محلی گتیس–اُرد جی‌ستاره برای شناسایی لکه‌های داغ و سرد در سطوح ۹۵ و ۹۹ درصد محاسبه شد. چهار گذار مرتع به بایر، باغ به جنگل، جنگل به باغ و باغ به مرتع بر پایه مساحت نقشه‌ای و حداقل تعداد رخداد برای مدل‌سازی انتخاب شدند. برای هر گذار، رگرسیون لجستیک با متغیرهای استانداردشده و خطاهای سازگار با ناهمسانی واریانس، نسبت‌های شانس مشروط را برآورد کرد و انتقال‌پذیری مدل با پنج چین فضایی مبتنی بر بلوک‌های ۲ کیلومتر سنجیده شد. تقویت گرادیانی حدی به‌عنوان مکمل غیرخطی به‌کار رفت و مقادیر شاپلی سهم متغیرها را در پیش‌بینی مدل خلاصه کردند. در پایان، کنترل‌های حسابداری برای بررسی ماسک مشترک، دامنه طبقات، جمع گذارها، اندازه نمونه مدل‌ها و سازگاری خروجی‌های جدولی انجام شد.
یافته‌ها: از ۷۲٬۶۰۳٫۵۲ هکتار گستره معتبر مشترک، ۵۳٬۴۵۰٫۷۲ هکتار روی قطر ماتریس انتقال باقی ماند و ۱۹٬۱۵۲٫۸۰ هکتار تغییر طبقه داد؛ به‌عبارت دیگر، ۷۳٫۶۲ درصد چشم‌انداز از نظر برچسب نقشه‌ای پایدار بود و ۲۶٫۳۸ درصد تغییر نقشه‌ای داشت. شدت یکنواخت تغییر سالانه ۲٫۹۳۱ درصد به‌دست آمد. بایر با ۶٬۹۳۵٫۹۷ هکتار بیشترین افزایش خالص را داشت و گذار نقشه‌ای مرتع به بایر با ۶٬۷۰۷٫۵۱ هکتار، بزرگ‌ترین جریان خارج از قطر مرتبط با این الگو بود. در مقابل، مرتع با ۵٬۵۴۴٫۹۰ هکتار بیشترین کاهش خالص را ثبت کرد. باغ و جنگل مبادله دوطرفه قابل توجهی داشتند، به‌طوری‌که جریان‌های ناخالص آنها بسیار بزرگ‌تر از تغییرات خالص بود. طبقه ساخته‌شده ۲٬۲۹۹٫۷۱ هکتار سود و ۹۰۷٫۳۶ هکتار زیان داشت و در نهایت ۱٬۳۹۲٫۳۵ هکتار افزایش خالص نشان داد. در میان ۲۹٬۹۶۸ لکه ساخته‌شده جدید، گسترش لبه‌ای ۶۷٫۱۹ درصد مساحت افزوده را دربر گرفت؛ درحالی‌که لکه‌های برون‌افتاده ۳۱٫۶۲ درصد تعداد لکه‌ها، اما تنها ۱۴٫۹۳ درصد مساحت افزوده را تشکیل دادند. نرخ تغییر با افزایش فاصله از بافت ساخته‌شده مبنا به‌طور پیوسته کاهش یافت؛ این نرخ از ۳۷٫۵۳ درصد در فاصله صفر تا ۱۰۰ متر به ۸٫۰۵ درصد در فاصله ۲٬۰۰۰ تا ۵٬۰۰۰ متر رسید. در گرادیان ارتفاعی نیز بیشترین نرخ تغییر، معادل ۴۶٫۱۳ درصد، در بازه ۱۰۰ تا ۳۰۰ متر مشاهده شد. از مجموع ۳٬۰۶۷ سلول شبکه تحلیلی، ۱۸٫۷۵ درصد در گروه لکه‌های داغ و ۲۰٫۲۲ درصد در گروه لکه‌های سرد قرار گرفتند و همبستگی میان تراکم تغییر و نمره استاندارد جی‌ستاره ۰٫۸۳۸ بود. مساحت زیر منحنی مشخصه عملکرد گیرنده رگرسیون لجستیک در اعتبارسنجی بلوکی بین ۰٫۷۲۲ و ۰٫۷۷۴ قرار داشت. برای تقویت گرادیانی حدی، این مقادیر در نگهداشت تصادفی بین ۰٫۸۲۶ و ۰٫۸۹۳ بود؛ بااین‌حال، به دلیل هم‌ارز نبودن طرح‌های ارزیابی، این تفاوت را نمی‌توان صرفاً به برتری یکی از الگوریتم‌ها نسبت داد. ارتفاع در هر چهار مدل بیشترین میانگین قدرمطلق سهم شاپلی را داشت، اما جهت نسبت شانس مشروط آن در رگرسیون لجستیک میان گذارها یکسان نبود.
نتیجه‌گیری: الگوی تغییر نقشه‌ای کاربری/پوشش زمین در رامسر را نمی‌توان تنها با تغییرات خالص توضیح داد، زیرا بخش قابل توجهی از پویایی مشاهده‌شده به مبادلات ناخالص میان طبقات مربوط بود. مهم‌ترین الگوها شامل گذار نقشه‌ای مرتع به بایر، جریان‌های متقابل باغ و جنگل، افزایش خالص ساخته‌شده با غلبه مساحتی گسترش لبه‌ای، تعداد قابل توجه لکه‌های برون‌افتاده و خوشه‌بندی چندکانونی تغییر بود. روابط مشاهده‌شده با توپوگرافی و دسترسی نیز میان گذارها یکسان نبود و ماهیتی گذارویژه داشت. ارقام حسابداری، توصیف مستقیم تفاوت میان دو نقشه جفت‌شده‌اند، درحالی‌که روابط حاصل از مدل‌ها، ارتباط‌های آماری مشروط و غیرعلّی را بیان می‌کنند. همچنین، نبود ارزیابی صحت مستقل برای رستر نهایی ۲۰۲۵ ایجاب می‌کند که دقت عددی مساحت‌ها با قطعیت موضوعی تغییر در مقیاس قطعه یکسان تلقی نشود.
کلیدواژه‌ها
- تغییر کاربری زمین
- تحلیل شدت
- گسترش شهری
- خوشه بندی مکانی
- رگرسیون لجستیک
- یادگیری ماشین تبیین پذیر
- رامسر
موضوعات
عنوان مقاله [English]
Mapping Land-Use Change Intensity and Spatial Correlates Using Transition Analysis and Explainable Machine Learning in Ramsar, Iran
نویسنده [English]
- O. Ghaffari Aliabad
Department of Geomatics Engineering, University of Zanjan, Zanjan, Iran.
چکیده [English]
Background and Objectives: Coastal–mountain landscapes are shaped by the simultaneous pressures of settlement growth, agriculture, tourism, accessibility, ecological protection, and pronounced topographic constraints. Under these conditions, net change alone provides an incomplete account of land-use/land-cover dynamics: it cannot distinguish persistence from gross exchange, identify the source classes contributing to new built-up land, describe the spatial configuration of expansion, or determine whether statistical associations remain informative when observations are separated in space. This study quantified the amount, direction, intensity, spatial configuration, clustering, and conditional spatial associations of mapped land-use/land-cover transitions in Ramsar County, northern Iran, between 2016 and 2025. The analysis addressed five related questions within a single auditable framework: how much mapped change occurred; which classes experienced the greatest gains, losses, and exchanges and at what intensities; whether new built-up patches occurred as infill, edge-expansion, or outlying growth; where change formed statistically significant spatial clusters; and how effectively linear and nonlinear models discriminated four dominant mapped transitions.
Methods: Two co-registered land use/land cover rasters for 2016 and 2025, with a spatial resolution of 10 m, were analyzed over a common valid extent of 72,603.52 ha. Both maps comprised seven classes: water, built-up, cropland, orchard, forest, rangeland, and bare land. Cell-by-cell comparison of the two maps was used to construct a transition matrix and calculate persistence, gross gains, gross losses, net change, exchanges, and total change. Intensity analysis at the interval, category, and transition levels compared observed rates with a uniform annual reference rate. Newly built-up cells were converted into patches using eight-neighbor connectivity, and the Landscape Expansion Index with an original 10-m buffer was used to classify patches into edge-expansion, infilling, and outlying growth. Change rates were also calculated across gradients of elevation, slope, and Euclidean distance from the coast, roads, baseline built-up areas, and rivers. To examine spatial concentration, total change density was aggregated within an approximately 500-m grid, and the local Getis–Ord Gi* statistic was calculated to identify hot and cold spots at the 95% and 99% significance levels. Four transitions—rangeland to bare land, orchard to forest, forest to orchard, and orchard to rangeland—were selected for modeling based on mapped area and a minimum number of occurrences. For each transition, logistic regression with standardized variables and heteroskedasticity-consistent errors was used to estimate conditional odds ratios, and model transferability was assessed using five spatial folds based on 2-km blocks. Extreme Gradient Boosting was employed as a nonlinear complement, and SHAP values were used to summarize the contribution of variables to model predictions. Finally, accounting checks were performed to verify the common mask, class coverage, transition totals, model sample sizes, and consistency of tabulated outputs.
Findings: Of the common valid area of 72,603.52 ha, 53,450.72 ha remained on the diagonal of the transition matrix, while 19,152.80 ha underwent a class transition; thus, 73.62% of the landscape was stable in terms of mapped labels, whereas 26.38% experienced mapped change. The uniform annual change intensity was 2.931%. Bare land showed the largest net gain, with an increase of 6,935.97 ha, while the rangeland-to-bare-land mapped transition, covering 6,707.51 ha, represented the largest off-diagonal flow associated with this pattern. In contrast, rangeland recorded the largest net loss, amounting to 5,544.90 ha. Orchard and forest exhibited substantial two-way exchanges, with their gross flows considerably exceeding their net changes. The built-up class gained 2,299.71 ha and lost 907.36 ha, resulting in a net increase of 1,392.35 ha. Among the 29,968 newly built-up patches, edge expansion accounted for 67.19% of the added area, whereas outlying patches represented 31.62% of the total number of patches but only 14.93% of the added area. The change rate decreased continuously with increasing distance from baseline built-up areas, declining from 37.53% at 0–100 m to 8.05% at 2,000–5,000 m. Along the elevation gradient, the highest change rate, 46.13%, was observed at 100–300 m. Of the 3,067 analytical grid cells, 18.75% were classified as hot spots and 20.22% as cold spots, and the correlation between change density and the standardized Gi* score was 0.838. The area under the receiver operating characteristic curve (AUC) for logistic regression under block cross-validation ranged from 0.722 to 0.774. For Extreme Gradient Boosting, AUC values obtained from a random holdout ranged from 0.826 to 0.893; however, because the evaluation designs were not equivalent, this difference cannot be attributed solely to the superiority of one algorithm over the other. Elevation had the highest mean absolute SHAP contribution across all four models, although the direction of its conditional odds ratio in logistic regression was not consistent across transitions.
Conclusions: The mapped land use/land cover change pattern in Ramsar cannot be explained solely by net changes, because a substantial proportion of the observed dynamics was associated with gross exchanges among classes. The major patterns included the mapped rangeland-to-bare-land transition, reciprocal flows between orchard and forest, net built-up expansion dominated in area by edge growth, a considerable number of outlying patches, and multi-centered clustering of change. The observed relationships with topography and accessibility also varied among transitions and were transition-specific. The accounting figures represent direct descriptions of differences between the paired maps, whereas the relationships derived from the models represent conditional, non-causal statistical associations. Furthermore, the absence of an independent accuracy assessment for the final 2025 raster means that the numerical accuracy of the reported areas should not be interpreted as equivalent to thematic certainty about the mapped changes at the parcel scale.
کلیدواژه‌ها [English]
- Land-use Change
- Intensity Analysis
- Urban Expansion
- Spatial Clustering
- Logistic Regression
- Explainable Machine Learning
- Ramsar
COPYRIGHTS
© 2026 The Author(s). This is an open-access article distributed under the terms and conditions of the Creative Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
)