تحلیل مکانی رهاسازی اراضی کشاورزی در منطقة حفاظت شدة کویر با رویکرد مدیریت اکوسیستم و پیش بینی آن در سال های آینده

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری برنامه ریزی محیط زیست، گروه برنامه ریزی، مدیریت و آموزش محیط زیست، پردیس بین المللی کیش، دانشگاه تهران، تهران، ایران

2 استاد ژئومورفولوژی، گروه برنامه ریزی، مدیریت و آموزش محیط زیست، دانشکده محیط زیست، دانشگاه تهران، تهران، ایران

3 استادیار محیط زیست، گروه برنامه ریزی، مدیریت و آموزش محیط زیست، دانشکده محیط زیست، دانشگاه تهران، تهران، ایران

10.29252/aridbiom.2023.19071.1904

چکیده

این مطالعه با هدف بررسی گسترش اراضی کشاورزی در بخشی از منطقة حفاظت­ شدة کویر انجام شد. برای دستیابی به این رهیافت، ابتدا محدودة مورد مطالعه به مساحت 33933 هکتار در ناحیة شمالی منطقه که اراضی کشاورزی فقط در این بخش گسترش یافته­ اند، انتخاب گردید. نقشه­ های کاربری اراضی در سال ­های 1986، 1994، 2002، 2013 و 2020 میلادی با استفاده از تصاویر سنجنده­ های TM و OLI لندست و الگوریتم SVM با کدنویسی در گوگل­ ارث انجین تهیه شد. با مدل LCM تغییرات کاربری ­ها محاسبه شد. با مدل CA Markov نقشه کاربری اراضی برای سال 2054 میلادی پیش ­بینی شد. سرانجام با متریک­ های سیمای سرزمین، تغییرات زیستگاه ­ها ارزیابی گردید. نتایج نشان داد که ضریب صحت ­سنجی تکنیک SVM در تولید نقشه کاربری اراضی بیشتر از 98/0 بود. کاربری­ ها به سه کلاس اراضی کشاورزی، بوته­ زارهای بیابانی و مراتع درختچه ­ای تقسیم شد. مساحت اراضی کشاورزی از 5/434 هکتار در سال 1986 به 4243 هکتار در سال 2020 رسید که حدود 3809 هکتار افزایش یافته که حدود 3067 هکتار آن مربوط به تبدیل بوته­ زارها به کشاورزی و 822 هکتار مربوط به تبدیل مراتع درختچه ­ای به کشاورزی بوده است. اراضی کشاورزی به­ سمت مرکز ناحیه و در امتداد رودخانة گلو گسترش یافته است. بیشترین تغییرات و افزایش سطح زراعی مربوط به دورة 2002 تا 2013 (2104 هکتار) بوده است. نتایج پیش ­بینی برای سال 2054 نیز بیان­گر این است که اراضی کشاورزی در امتداد رودخانة گلو به سمت پایین ­دست گسترش خواهد یافت و نسبت به سال 2020 حدود 2787 هکتار اراضی زراعی رشد خواهد یافت که حدود 2010 هکتار آن مربوط به تبدیل بوته­ زار به کشاورزی و 725 هکتار آن مربوط به تبدیل مراتع درختچه ­ای به کشاورزی خواهد بود. تعداد و نمایة وزن­ دار شده شکل لکه­ های بوته­ زار و مراتع درختچه ­ای افزایش می­ یابد، میانگین مساحت، پیوستگی و اندازه ­ی لکه ­ها کاهش می­ یابد که بیان­گر تخریب و تجزیة زیستگاه ­های طبیعی در منطقه است.

کلیدواژه‌ها


[1]. Arekhi, S. (2015). Application of Landscape Metrics in Assessing Land Use Changes' Trend by Using Remote Sensing and GIS Case study: Dehloran Desert Area. Geography and Development, 13(40), 59-68 (in Farsi).
[2]. Awad, M. (2021, December). Google Earth Engine (GEE) cloud computing based crop classification using radar, optical images and Support Vector Machine Algorithm (SVM). In 2021 IEEE 3rd International Multidisciplinary Conference on Engineering Technology (IMCET) (pp. 71-76). IEEE.
[3]. Chen, A., Yang, X., Guo, J., Zhang, M., Xing, X., Yang, D., Jiang, L. (2022). Dynamic of land use, landscape, and their impact on ecological quality in the northern sand-prevention belt of China. Journal of Environmental Management, 317, 115351.
[4]. Chisanga, C. B., Shepande, C. C., & Nkonde, E. (2022). CA-Markov Approach in Dynamic Modelling of LULCC Using ESA CCI Products over Zambia.‏
[5]. De Moraes, M. C. P., de Mello, K., & Toppa, R. H. (2017). Protected areas and agricultural expansion: Biodiversity conservation versus economic growth in the Southeast of Brazil. Journal of Environmental Management, 188, 73-84.‏
[6]. Farashiani, M., Yarmand, H., Kazerani, F., Farahani, S., amani, M., & Alinejad, M. (2021). Conservation of planted rangelands and forests in desert areas of the country: Challenges and solutions. Iran Nature, 6(4), 23-32 (in Farsi)
[7]. Feizizadeh, B., Blaschke, T., Nazmfar, H., Akbari, E., & Kohbanani, H. R. (2013). Monitoring land surface temperature relationship to land use/land cover from satellite imagery in Maraqeh County, Iran. Journal of Environmental Planning and Management, 56(9), 1290-1315.‏
[8]. Gaurav Singh, V., Singh, S. K., Kumar, N., & Singh, R. P. (2022). Simulation of land use/land cover change at a basin scale using satellite data and Markov Chain model. Geocarto International, (just-accepted), 1-23.‏
[9]. Kaboli, M. (2014). Habitat Evaluation of Wild Sheep (Ovis orientalis) in Kavir National Park using Ecological Niche Factor Analysis Method. Journal of Natural Environment67(2), 185-194. (in Farsi)
[10]. Khoshnood Motlagh, S., Sadoddin, A., Haghnegahdar, A., Razavi, S., Salmanmahiny, A., & Ghorbani, K. (2021). Analysis and prediction of land cover changes using the land change modeler (LCM) in a semiarid river basin, Iran. Land Degradation & Development, 32(10), 3092-3105.‏
[11]. Kline, O., & Joshi, N. K. (2020). Mitigating the effects of habitat loss on solitary bees in agricultural ecosystems. Agriculture, 10(4), 115.‏
[12]. Lark, T. J., Spawn, S. A., Bougie, M., & Gibbs, H. K. (2020). Cropland expansion in the United States produces marginal yields at high costs to wildlife. Nature communications, 11(1), 1-11.‏
[13]. Leta, M. K., Demissie, T. A., & Tränckner, J. (2021). Modeling and prediction of land use land cover change dynamics based on land change modeler (LCM) in Nashe watershed, upper Blue Nile Basin, Ethiopia. Sustainability, 13(7), 3740.‏
[14]. Li, K., Feng, M., Biswas, A., Su, H., Niu, Y., & Cao, J. (2020). Driving factors and future prediction of land use and cover change based on satellite remote sensing data by the LCM model: a case study from Gansu province, China. Sensors, 20(10), 2757.‏
[15]. Lira, P. K., Tambosi, L. R., Ewers, R. M., & Metzger, J. P. (2012). Land-use and land-cover change in Atlantic Forest landscapes. Forest Ecology and Management, 278, 80-89.‏
[16]. Mishra, V. N., Rai, P. K., & Mohan, K. (2014). Prediction of land use changes based on land change modeler (LCM) using remote sensing: A case study of Muzaffarpur (Bihar), India. Journal of the Geographical Institute "Jovan Cvijic", SASA, 64(1), 111-127.
[17]. Mwabumba, M., Yadav, B. K., Rwiza, M. J., Larbi, I., & Twisa, S. (2022). Analysis of land use and land-cover pattern to monitor dynamics of Ngorongoro world heritage site (Tanzania) using hybrid cellular automata-Markov model. Current Research in Environmental Sustainability, 4, 100126.‏
[18]. Nhung, N. T. T. (2021). How to develop agriculture and protect the environment around protected areas: A case analysis of Xuan Thuy National Park, Vietnam (Doctoral dissertation, Gembloux Agro-Bio Tech-Université de Liège,​Gembloux,​​ Belgique).‏
[19]. Pech-May, F., Aquino-Santos, R., Rios-Toledo, G., & Posadas-Durán, J. P. F. (2022). Mapping of Land Cover with Optical Images, Supervised Algorithms, and Google Earth Engine. Sensors, 22(13), 4729.
[20]. Pricope, N. G., & Binford, M. W. (2012). A spatio-temporal analysis of fire recurrence and extent for semi-arid savanna ecosystems in southern Africa using moderate-resolution satellite imagery. Journal of environmental management, 100, 72-85.‏
[21]. Rafaai, N. H., Abdullah, S. A., & Reza, M. I. H. (2020). Identifying factors and predicting the future land-use change of protected area in the agricultural landscape of Malaysian peninsula for conservation planning. Remote Sensing Applications: Society and Environment, 18, 100298.‏
[22]. Rao, Y., Zhou, M., Ou, G., Dai, D., Zhang, L., Zhang, Z., Yang, C. (2018). Integrating ecosystem services value for sustainable land-use management in semi-arid region. Journal of Cleaner Production, 186, 662-672.‏
[23]. Rukundo, E., Liu, S., Dong, Y., Rutebuka, E., Asamoah, E. F., Xu, J., & Wu, X. (2018). Spatio-temporal dynamics of critical ecosystem services in response to agricultural expansion in Rwanda, East Africa. Ecological Indicators, 89, 696-705.‏
[24]. Shao, S., Yu, M., Huang, Y., Wang, Y., Tian, J., & Ren, C. (2022). Towards a Core Set of Landscape Metrics of Urban Land Use in Wuhan, China. ISPRS International Journal of Geo-Information, 11(5), 281.
[25]. Shelestov, A., Lavreniuk, M., Kussul, N., Novikov, A., & Skakun, S. (2017). Exploring Google Earth Engine platform for big data processing: Classification of multi-temporal satellite imagery for crop mapping. Frontiers in Earth Science, 5, 17.
[26]. Shetty, S. (2019). Analysis of machine learning classifiers for LULC classification on Google Earth engine (Master's thesis, University of Twente).
[27]. Thiam, S., Salas, E. A. L., Hounguè, N. R., Almoradie, A. D. S., Verleysdonk, S., Adounkpe, J. G., & Komi, K. (2022). Modelling Land Use and Land Cover in the Transboundary Mono River Catchment of Togo and Benin Using Markov Chain and Stakeholder’s Perspectives. Sustainability,  14(7), 4160.‏
[28]. Wang, Q., & Wang, H. (2022). An integrated approach of logistic-MCE-CA-Markov to predict the land use structure and their micro-spatial characteristics analysis in Wuhan metropolitan area, Central China. Environmental Science and Pollution Research, 29(20), 30030-30053.
[29]. Wang, Q., Guan, Q., Lin, J., Luo, H., Tan, Z., & Ma, Y. (2021). Simulating land use/land cover change in an arid region with the coupling models. Ecological Indicators, 122, 107231.‏
[30]. Wang, S., & Zheng, X. (2022). Dominant transition probability: combining CA-Markov model to simulate land use change. Environment, Development and Sustainability, 1-19.
[31]. Yeh, A. G. O., & Li, X. (1997). An integrated remote sensing and GIS approach in the monitoring and evaluation of rapid urban growth for sustainable development in the Pearl River Delta, China. International Planning Studies, 2(2), 193-210.