The land-use/land-cover (LU/LC) information can be extracted through continuous monitoring and observation of the global environment in the field of RS and GIS (remote sensing and geographic information system). With many inventions on satellite technologies, RS plays a crucial role throughout the world, and the researchers had shown their interest in finding the past, present, and future LU/LC information using the RS satellite data. In this research work, the non-forest- and forest-covered changes of Javadi Hills located in India were simulated and predicted using the hybrid machine learning models. The Markov chain–artificial neural network with cellular automata (MC–ANN–CA) and Markov chain–logistic regression with cellular automata (MC–LR–CA) were used and compared using the actual LU/LC maps of 2009, 2012, and 2015 along with the spatial variables (slope, aspect, hill shade, and distance road map). The results of the comparative analysis between the predicted and actual map of 2015 had shown a higher percentage of correctness in the MC–ANN–CA model for the spatial variables like slope, aspect, and distance road map. The LU/LC for 2021 and 2027 was predicted using the MC–ANN–CA model. By 2021, the forest-covered area will decrease by nearly − 0.38%, and the non-forest-covered area will increase by 0.79%. By 2027, forest-covered areas will decrease by − 0.52%, and non-forest-covered areas will increase by 1.06%, respectively, indicating the impacts of human and urbanization on LU/LC in Javadi Hills.

中文翻译：

---

在印度泰米尔纳德邦 Javadi Hills 使用混合机器学习方法为 LU/LC 变化预测建模空间驱动因素

土地利用/土地覆盖（LU/LC）信息可以通过RS和GIS（遥感和地理信息系统）领域对全球环境的持续监测和观测来提取。随着卫星技术的许多发明，RS 在世界范围内发挥着至关重要的作用，研究人员已经表现出他们对使用 RS 卫星数据寻找过去、现在和未来的 LU/LC 信息的兴趣。在这项研究工作中，使用混合机器学习模型模拟和预测了位于印度的 Javadi Hills 的非森林和森林覆盖变化。使用带有元胞自动机的马尔可夫链-人工神经网络 (MC-ANN-CA) 和带有元胞自动机的马尔可夫链-逻辑回归 (MC-LR-CA) 并使用 2009 年、2012 年的实际 LU/LC 地图进行比较，和 2015 年以及空间变量（坡度、坡向、山坡阴影和距离路线图）。2015 年预测地图和实际地图之间的比较分析结果表明，MC-ANN-CA 模型中坡度、坡向和距离路线图等空间变量的正确性百分比更高。2021 年和 2027 年的 LU/LC 是使用 MC-ANN-CA 模型预测的。到2021年，森林覆盖面积将减少近-0.38%，非森林覆盖面积将增加0.79%。到 2027 年，森林覆盖面积将减少 − 0.52%，非森林覆盖面积将分别增加 1.06%，表明人类和城市化对爪哇山的 LU/LC 的影响。2015 年预测地图和实际地图之间的比较分析结果表明，MC-ANN-CA 模型中坡度、坡向和距离路线图等空间变量的正确性百分比更高。2021 年和 2027 年的 LU/LC 是使用 MC-ANN-CA 模型预测的。到2021年，森林覆盖面积将减少近-0.38%，非森林覆盖面积将增加0.79%。到 2027 年，森林覆盖面积将减少 − 0.52%，非森林覆盖面积将分别增加 1.06%，表明人类和城市化对爪哇山的 LU/LC 的影响。2015 年预测地图和实际地图之间的比较分析结果表明，MC-ANN-CA 模型中坡度、坡向和距离路线图等空间变量的正确性百分比更高。2021 年和 2027 年的 LU/LC 是使用 MC-ANN-CA 模型预测的。到2021年，森林覆盖面积将减少近-0.38%，非森林覆盖面积将增加0.79%。到 2027 年，森林覆盖面积将减少 − 0.52%，非森林覆盖面积将分别增加 1.06%，表明人类和城市化对爪哇山的 LU/LC 的影响。森林覆盖面积将减少近-0.38%，非森林覆盖面积将增加0.79%。到 2027 年，森林覆盖面积将减少 − 0.52%，非森林覆盖面积将分别增加 1.06%，表明人类和城市化对爪哇山的 LU/LC 的影响。森林覆盖面积将减少近-0.38%，非森林覆盖面积将增加0.79%。到 2027 年，森林覆盖面积将减少 − 0.52%，非森林覆盖面积将分别增加 1.06%，表明人类和城市化对爪哇山的 LU/LC 的影响。