Predicting of future land use changes in the Loei River Basin
Article Sidebar
Main Article Content
Abstract
The prediction of land use changes in the Loei River Basin plays a crucial role in analyzing trends in land use transformation. Various factors and variables in the area may sometimes be difficult to isolate and analyze using conventional methods. Therefore, modern technology is required to enhance the accuracy of these predictions. This study applies the Land Change Modeler (LCM), TerrSet, to evaluate Multi-Layer Perceptron (MLP) in Markov Chain Matrix met 2021 and 2039
The study found that between 2021 and 2039, land use changes in the Loei River Basin will be most pronounced in forested areas, which are projected to experience the greatest decline. Forest areas are expected to decrease by 143.8 km², accounting for 12.9% of the total area. Similarly, rice fields will also see a continuous decline, with a projected reduction of 142.8 km² (37.4%). Conversely, rubber tree plantations are expected to expand the most, increasing by 286.0 km², or 29.0%, with a consistent upward trend. Additionally, sugarcane plantations are projected to increase by 142.8 km², representing 25.8%, and are also expected to continue expanding over time.
Article Details
References
กิตติเวช ขันติยวิชัย และคณะ. (2566). การวิเคราะห์และคาดการณ์โอกาสในการใช้พื้นที่สาหรับปลูกข้าวยั่งยืน
ในเขตพื้นที่ภาคตะวันออกเฉียงเหนือของประเทศไทย. คณะวิศวกรรมศาสตร์ มหาวิทยาลัยขอนแก่น.
กรมชลประทาน. (2554). โครงการศึกษาวางระบบและติดตั้งระบบโทรมาตรเพื่อพยากรณ์น้ำและเตือนภัยลุ่มน้ำเลย
จังหวัดเลย. กรมชลประทาน, กรุงเทพมหานคร.
กรมพัฒนาที่ดิน. (2562). กลุ่มชุดดิน และการใช้ประโยชน์ที่ดิน ภาคตะวันออกเฉียงเหนือ. กรมพัฒนาที่ดิน,
กรุงเทพมหานคร. http://oss101.ldd.go.th/web_thaisoils/62_soilgroup/main_62soilgroup.htm
Camacho Olmedo, M. T., Paegelow, M., Mas, J. F., & Escobar, F. (2018). Geomatic Approaches for
Modeling Land Change Scenarios. An Introduction. In M. T. Camacho Olmedo, M. Paegelow,
J.-F. Mas, & F. Escobar (Eds.), Geomatic Approaches for Modeling Land Change Scenarios
(pp. 1–8). Springer International Publishing. https://doi.org/10.1007/978-3-319-60801-3_1
Eastman, J. R., & He, J. (2020). A Regression-Based Procedure for Markov Transition Probability
Estimation in Land Change Modeling. Land, 9(11), Article 11.
https://doi.org/10.3390/land9110407
Gabriels, K., Willems, P., & Van Orshoven, J. (2022). A comparative flood damage and risk impact
assessment of land use changes. Natural Hazards and Earth System Sciences, 22(2), 395–
