Multicriteria decision approach for land use land cover change using Markov chain analysis and a cellular automata approach

Abstract

This study used the postclassification change detection approach to identify land use land cover changes in Norman, Oklahoma, between September 1979 and July 1989 using Landsat multispectral scanner and thematic mapper (TM) images. An integration of Markov chain analysis and a cellular automata approach was employed to predict land use land cover of Norman in 2000 using multicriteria decision-making and fuzzy parameter standardization approaches. Accuracy assessment was carried out using a stratified random sampling technique. The identified random sample points were displayed on Landsat enhanced thematic mapper (ETM) image data acquired on 22 May 2000, with the help of local area knowledge, ground information collection, and existing land use maps of Norman to identify the classes. We also directly compared projected results against the classified output of the same Landsat TM image. This study demonstrates the usefulness of Markov and cellular modeling for urban landscape changes. A checklist of the sources of limitation or uncertainty in the application of this approach is also reported.

La présente étude utilise une approche post-classification de détection du changement pour identifier les changements dans l'utilisation du sol et le couvert à Norman, en Oklahoma, entre septembre 1979 et juillet 1989, à l'aide d'images du balayeur multispectral et du capteur « thematic mapper » (TM) de Landsat. L'approche utilisée a consisté en l'intégration d'une analyse basée sur les chaînes de Markov et de la technique des automates cellulaires pour prédire l'utilisation du sol et le couvert à Norman, en 2000, en utilisant des approches de prise de décision multicritères et de standardisation des paramètres flous. Une analyse de précision a été réalisée en utilisant la technique d'échantillonnage stratifié aléatoire. Les points d'échantillon aléatoires identifiés ont été superposés sur les données images ETM de Landsat acquises le 22 mai 2000, basé sur la connaissance du milieu environnant, des données acquises au sol et des cartes existantes d'utilisation du sol de Norman pour l'identification des classes. Nous avons également comparé directement les résultats projetés par rapport aux produits de classification de la même image TM de Landsat. Cette étude montre l'utilité de la modélisation Markov et cellulaire pour la détection des changements dans le paysage urbain. On dresse également une liste des sources de limitation ou d'incertitude pour cette approche.[Traduit par la Rédaction]