هدف: پژوهش حاضر، شبیه‌سازی تغییرات کاربری اراضی در حوزه‌ آبخیز بشار با استفاده از رویکردهای هوش مصنوعی (مبتنی بر الگوریتم‌های یادگیری ماشین) ‌است.

روش پژوهش: بدین منظور، از تصاویر ماهواره‌ای لندست 5، 8 و 9 برای سال‌های ۲۰10، ۲۰۱5، 2020 و ۲۰۲5 استفاده شد. نقشه‌های کاربری اراضی با چهار الگوریتم جنگل تصادفی، بردار پشتیبان، احتمال حداکثر و نزدیکترین همسایه در گوگل ارث انجین تهیه و بهترین مدل براساس ضریب کاپا و دقت انتخاب گردید. سپس با استفاده از مدل تلفیقی زنجیره مارکوف-سلول‌های خودکار (CA-Markov)، تغییرات آتی سال‌های 2035 و 2045 شبیه‌سازی شد.

یافته‌ها: نتایج مقایسه الگوریتم‌ها نشان داد که جنگل تصادفی با دقت کلی 4/99٪ و ضریب کاپا ۰٫99 بهترین عملکرد را داشت. تحلیل کمی تغییرات کاربری اراضی در بازه ۲۰۱۰ تا ۲۰۲۵ نشان داد که مساحت جنگل‌ها ۳,۰۸۱ هکتار (۲٫۱٪) و مراتع ۲,۲۰۲ هکتار (۱٫۴٪) کاهش یافته، در حالی که اراضی ساخته‌شده ۳,۵۲۳ هکتار (۴۹٫۹٪)، کشاورزی ۱,۲۱۹ هکتار (۱۴٫۵٪) و محدوده‌های آبی 542 هکتار (۴۹٫۱٪) افزایش یافته است. پیش‌بینی مدل برای سال ۲۰۳۵ حاکی از کاهش ۳۴۵ هکتاری جنگل و ۴۰۰ هکتاری مرتع و افزایش ۵,۴۲۰ هکتاری اراضی ساخته‌شده است. برای سال ۲۰۴۵ نیز کاهش ۷۴۵ هکتاری جنگل، ۸۰۰ هکتاری مرتع و افزایش ۱۰,۴۲۰ هکتاری اراضی ساخته‌شده پیش‌بینی می‌شود. اعتبارسنجی اعتبارسنجی مدل مارکوف-سلول‌های خودکار با روش back-testing، دقت کلی ۸۵٪ و ضریب کاپای ۰٫۸۲ را نشان داد که بیانگر کارایی قابل قبول مدل برای شبیه‌سازی تغییرات آتی است.

نتیجه‌گیری: به طور کلی نتایج پژوهش نشان داد که هوش مصنوعی دقت بالایی در تهیه نقشه‌های کاربری اراضی از تصاویر لندست دارد و مدل CA-Markov نیز کارایی قابل قبولی برای پیش‌بینی تغییرات آینده ارائه می‌دهد. بنابراین با کاهش وقت و افزایش دقت نقاط تعلیمی می‌توان نقشه‌های کاربری اراضی قابل قبولی با استفاده از هوش مصنوعی تهیه و برای جلوگیری از تغییرات مخرب برنامه‌ریزی کردد.