پایش و پیش بینی تغییرات کاربری/پوشش اراضی و ارتباط آن با خشک‌سالی (مطالعه موردی: زیر حوزه پارسل B2، حوزه آبخیز زاینده‌رود)

محمدی, شاهین; حبشی, خلیل; پورمنافی, سعید

پایش و پیش بینی تغییرات کاربری/پوشش اراضی و ارتباط آن با خشک‌سالی (مطالعه موردی: زیر حوزه پارسل B2، حوزه آبخیز زاینده‌رود)

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ دانشجوی دکتری سنجش از دور و سیستم اطلاعات مکانی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز

² دانش آموخته کارشناسی ارشد بیابان زدایی، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان

³ استادیار دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان

چکیده

تغییرات کاربری اراضی و پوشش زمین به دلیل تأثیر بر اکوسیستم‌های طبیعی به یک نگرانی برای حافظان و مدیران منابع طبیعی تبدیل‌شده است. تحقیق حاضر باهدف پیش‌بینی تغییرات کاربری اراضی و پوشش زمین و همچنین بررسی ارتباط خشک‌سالی با این تغییرات در زیر حوزه پارسل ₂B با مساحت 21100 هکتار با استفاده از مدل زنجیره‌ای مارکوف و شاخص استانداردشده بارش (SPI) انجام شد. به این منظور با استفاده از تصاویر پیش‌پردازش شده سنجنده‌های ETM ⁺، TM و OLI به ترتیب برای سال‌های 1365، 1380 و 1395، نقشه کاربری اراضی و پوشش زمین به روش طبقه‌بندی نظارت‌شده حداکثر احتمال تهیه شد. به‌منظور صحت سنجی مدل زنجیره‌ای مارکوف، نقشه کاربری اراضی و پوشش زمین برای سال 1395 پیش‌بینی و با نقشه کاربری مرجع 1395 مقایسه شد، پس از اطمینان از صحت نتایج پیش‌بینی برای سال 1395 اقدام به پیش‌بینی کاربری اراضی و پوشش زمین برای سال 1410 شد. نتایج تحقیق نشان‌دهنده داد که بین تغییرات کاربری اراضی و پوشش زمین با وضعیت خشک‌سالی ارتباط وجود دارد. بر اساس یافته‌های پیش‌بینی‌شده، برای سال 1410 کشاورزی دیم به میزان 6.95 درصد افزایش و اراضی مرتعی به میزان 6.66 درصد کاهش مساحت خواهند داشت. بنابراین در صورت وقوع خشک‌سالی و رها شدن اراضی کشاورزی دیم، فرسایش خاک افزایش خواهد یافت و همچنین فشار چرا بر مراتع باقی‌مانده سبب تخریب اراضی مرتعی خواهد شد. بنابراین اگر راهبرد فعلی استفاده از زمین با مدیریت فعلی ثابت باقی بماند تخریب اراضی در منطقه اجتناب‌ناپذیر خواهد بود.

کلیدواژه‌ها

عنوان مقاله [English]

Monitoring and prediction land use/ land cover changes and its relation to drought (Case study: sub-basin Parsel B2, Zayandeh Rood watershed)

نویسندگان [English]

Shahin Mohammadi ¹
Khalil Habashi ²
Saeed Pormanafi ³

¹ Ph.D Student of Remote Sensing and Geographic Information System, College of Earth sciences, Shahid chamran University of Ahvaz

² MSc. Graduated of Combat to Desrtification, College of Natural Resources, Isfahan University of Technology

³ Assis. Prof. College of Natural Resources, Isfahan University of Technology

چکیده [English]

Land use and land cover (LULC) change because of its impact on natural ecosystems has become a concern for natural resources protectors and managers. The present study aimed to predict LULC changes and also to study the relation of drought with these changes in the sub-basin Parsel B₂ with an area of 21100 hectares using CA-Markov model and Standard Precipitation Index (SPI). For this purpose, using the preprocessed images of the sensors TM, ETM⁺, and OLI for the years 1986, 2001 and 2016, respectively, the LULC map was provided with supervised classification and maximum likelihood method. To validate the CA-Markov model, the LULC maps have been predicting for 2016 and they were compared to the reference land use map of 2016. After ensuring the accuracy of the predicted results for the year 2016, the related land use and land cover maps were predicted for the year 2030. The result showed a relation between LULC changes and drought condition. Based on result predicted for the year 2030, rain-fed agriculture 6.95% increase and range land 6.66% decrease in area. Thus In the event of drought and abandonment rain-fed agriculture land, soil erosion, increasing and also grazing pressure on the remaining range land causing range land degradation. Therefore, if the current land use strategy with current management remain, land degradation in the region will be inevitable.

کلیدواژه‌ها [English]

Land degradation
Prediction changes
land use
CA-Markov
Standard precipitation index (SPI)
Isfahan

مراجع

1. آل بوعلی، ع.، ر. قضاوی و س. ساداتی نژاد. 1395. بررسی اثرات خشکسالی بر منابع آب زیرزمینی با استفاده از شاخص SPI (مطالعۀ موردی: دشت کاشان). نشریه مهندسی اکوسیستم‌های بیابان، 5(10): 13-22.
2. ایرانمهر، م. 1393. آشکارسازی و پیش‌بینی تغییرات پوشش اراضی اطراف رودخانه زاینده‌رود. پایان‌نامه کارشناسی ارشد. دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان. 137 صفحه.
3. رمضانی، ن. و ر. جعفری. 1393. آشکارسازی تغییرات کاربری و پوشش اراضی در افق 1404 با استفاده از مدل زنجیره‌ای CAمارکوف (مطالعه موردی: اسفراین). فصلنامه تحقیقات جغرافیایی، 29(4): 83-96.
4. زارع زاده مهریزی، م. و س. مرید. 1390. پایش خشک‌سالی با استفاده از تراز مخزن سد و شاخص‌های هواشناسی (مطالعه موردی سیستم آب زاینده‌رود اصفهان). تحقیقات آب و خاک ایران، 42(1): 19-26.
5. عزیزی قلاتی، س.، ک. رنگزن، ج. سدیدی، پ. حیدریان و آ. تقی زاده. 1395. پیش‌بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل زنجیرة مارکوف-CA (مطالعة موردی: منطقه کوهمره سرخی استان فارس). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 7(1): 59-71.
6. فاطمی، س.ب. و ی. رضائی. ی. 1396، مبانی سنجش از دور. انتشارات آزاده. 296 صفحه.
7. فتحی زاد، ح.، ح. کریمی، م. تازه و م. توکلی. 1393. پیش‌بینی تغییر کاربری اراضی و پوشش زمین با بهره‌گیری از داده‌های ماهواره‌ای و مدل زنجیره‌ای مارکوف (بررسی موردی: حوزه دویرج، استان ایلام). مدیریت بیابان، 2(3): 61-76.
8. کریمی، ک. و چ. ب. کمکی. 1394. پایش، ارزیابی و پیش‌بینی روند تغییرات مکانی کاربری اراضی/پوشش زمین با استفاده از مدل زنجیره‌ای مارکوف (مطالعه موردی: دشت بسطاق- خراسان جنوبی). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 6(2): 75-88.
9. محمدی، ش. 1395. ارزیابی فرسایش و رسوب حوزه آبخیز مندرجان با استفاده از تکنیک‌های سنجش از دور و سامانه اطلاعات مکانی. پایان‌نامه کارشناسی ارشد. دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان. 107 صفحه.
10. نظری سامانی، ع. ا.، م. قربانی و ح. کوهبتانی. 1389. ارزیابی روند تغییرات کاربری اراضی حوزه آبخیز طالقان در دوره 1366 تا 1380. مرتع، 4(3): 442-451.
11. Campbell, JB. 1996. Introduction to Remote Sensing. Fifth Edition 5th Edition. New York: Guilford. 640 pp.
12. Das S, Choudhury MR, Gandhi S, Joshi V. 2016. Application of Earth Observation Data and Standardized Precipitation Index Based Approach for Meteorological Drought Monitoring, Assessment and Prediction Over Kutch, Gujarat, India. International Journal of Environment and Geoinformatics, 3(2): 27-37
13. Eastman, JR. 2003. IDRISI Kilimanjaro: guide to GIS and image processing. Clark Labs, Clark University Worcester, MA. 345 pp.
14. Fan F, Wang Y, Wang Z. 2008. Temporal and spatial change detecting (1998–2003) and predicting of land use and land cover in Core corridor of Pearl River Delta (China) by using TM and ETM⁺ images. Environmental Monitoring and Assessment, 137(1): 127-147.
15. 15.Ganasri B, Ramesh H. 2016. Assessment of soil erosion by RUSLE model using remote sensing and GIS-A case study of Nethravathi Basin. Geoscience Frontiers, 7(6): 953-961.
16. Halmy MWA, Gessler PE, Hicke JA, Salem BB. 2015. Land use/land cover change detection and prediction in the north-western coastal desert of Egypt using Markov-CA. Applied Geography, 63: 101-112.
17. Haregeweyn N, Berhe A, Tsunekawa A, Tsubo M, Meshesha DT. 2012. Integrated watershed management as an effective approach to curb land degradation: a case study of the enabered watershed in Northern Ethiopia, Environmental management, 50(6): 1219-1233.
18. Haregeweyn N, Tsunekawa A, Nyssen J, Poesen J, Tsubo M, Tsegaye Meshesha D, Schütt B, Adgo E, Tegegne F. 2015. Soil erosion and conservation in Ethiopia: A review Progress in Physical Geography, 39(6): 750-774.
19. Keno B, Suryabhagavan K. 2014. Multitemporal remote sensing of landscape dynamics and pattern change in Dire district, southern Ethiopia. Journal of Geomatics, 8(2): 189-194.
20. Lambin EF. 1997. Modelling and monitoring land-cover change processes in tropical regions. Progress in Physical Geography, 21(3): 375-393.
21. McKee TB, Doesken. J. Kleist N J. 1993. The relationship of drought frequency and duration to time scales, Proceedings of the 8th Conference on Applied Climatology. American Meteorological Society Boston, MA, 179-183.
22. Ozesmi SL, Bauer ME. 2002. Satellite remote sensing of wetlands. Wetlands Ecology and Management, 10(5): 381-402.
23. Pontius RG. 2000. Quantification error versus location error in comparison of categorical maps. Photogrammetric Engineering and Remote Sensing, 66(8): 1011-1016.
24. Rajitha K, Mukherjee C, Vinu Chandran.M. Prakash Mohan R. 2010. Land-cover change dynamics and coastal aquaculture development: a case study in the East Godavari delta, Andhra Pradesh, India using multi-temporal satellite data. International Journal of Remote Sensing, 31(16): 4423-4442.
25. Rashmi M, Lele N. 2010. Spatial modeling and validation of forest cover change in Kanakapura region using GEOMOD. Journal of the Indian Society of Remote Sensing, 38(1): 45-54.
26. Rawat KS, Mishra AK, Bhattacharyya R. 2016. Soil erosion risk assessment and spatial mapping using LANDSAT-7 ETM⁺, RUSLE, and GIS-a case study. Arabian Journal of Geosciences. 9(4): 288.
27. Riaño D, Chuvieco E, Salas J, Aguado I. 2003. Assessment of different topographic corrections in Landsat-TM data for mapping vegetation types (2003). Geoscience and Remote Sensing, IEEE Transactions on, 41(5): 1056-1061.
28. Richards AJ. 2013. Remote sensing digital image analysis, 5. Springer. 463 pp.
29. Turner BL, Lambin EF, Reenberg, A. 2007. The emergence of land change science for global environmental change and sustainability. Proceedings of the National Academy of Sciences, 104(52): 20666-20671.
30. Wijanarto AB. 2006. Application of Markov change detection technique for detecting Landsat ETM derived land cover change over Banten Bay. Journal Ilmiah Geomatika, 12(1): 11-21.
31. Zewdu S, Suryabhagavan K, Balakrishnan M. 2016. Land-use/land-cover dynamics in Sego Irrigation Farm, southern Ethiopia: A comparison of temporal soil salinization using geospatial tools. Journal of the Saudi Society of Agricultural Sciences, 15(1): 91-97.