ارزیابی روند تغییرات پوشش گیاهی در طرح‌های بیابان‌زدایی با استفاده از تکنیک‌های Remote Sensing-GIS

نوع مقاله : مقاله علمی

نویسندگان

1 دانشجوی دکتری علوم مرتع، گرو جنگل، مرتع و آبخیز، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

2 استاد دانشکده منابع طبیعی، دانشگاه تهران، ایران

3 دانشیار پژوهشکده حفاظت خاک و آبخیزداری، تهران، ایران

4 دانشیار گروه جنگل، مرتع و آبخیز، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

10.29252/aridbiom.2019.1617

چکیده

براثر فعالیت‌های انسانی و پدیده‌های طبیعی چهره زمین همواره دستخوش تغییر می­شود. ازاین‌رو برای مدیریت بهینه مناطق طبیعی آگاهی از روند و میزان تغییرات پوششی­/کاربری اراضی از ضروریات محسوب می­شود و برآورد این تغییرات از اهمیت بسزایی برخوردار است. بازبینی این تغییرات از طریق تصاویر ماهواره­ای و پیش­بینی و ارزیابی پتانسیل آن‌ها از طریق مدل‌سازی می­تواند به برنامه­ریزان محیط‌زیست و مدیران منابع طبیعی برای تصمیمات آگاهانه­تر کمک کند. در پژوهش حاضر آشکارسازی و ارزیابی کمی روند تغییرات پوشش گیاهی در مناطق تحت طرح های بیابان زدایی شامل شهداد و بم در استان کرمان وگرمسار در استان سمنان در طول یک دوره زمانی 30 ساله طی سه بازه زمانی 1987، 2002 و 2017 میلادی انجام گرفت. بدین منظور نقشه­های شاخص پوشش گیاهی NDVI و کاربری اراضی با استفاده از تصاویر سنجنده­های +ETM و TM و OLI ماهواره لندست به ترتیب در سه دوره زمانی مربوطه در کلاس‌های اراضی با پوشش گیاهی، فاقد پوشش گیاهی و اراضی کشاورزی به ترتیب با ضریب کاپای 83/0 تا 86/0 برای سال 1987 و ضریب کاپای 91/0 تا 92/0 برای سال 2002 و ضریب کاپای 94/0 تا 95/0 و همچنین دقت کل بین 88 تا 97 به دست آمد. پس از تهیه‌ی نقشه‌های کاربری اراضی در سال‌های مختلف، پایش تغییرات کاربری با روش Change Detection بررسی گردید. نتایج نشان داد با بررسی روند تغییرات صورت گرفته در طی دوره‌های موردمطالعه، اراضی دارای پوشش گیاهی در این سه منطقه روند افزایشی داشته و در مقابل اراضی بدون پوشش به‌مرور به اراضی با پوشش گیاهی تبدیل گشته‌اند. همچنین اراضی کشاورزی در این مناطق در طی این سه دوره روند افزایشی داشته‌اند. درنهایت صرفه اقتصادی طرح‌های اجراشده در مناطق موردمطالعه محاسبه و مورد ارزیابی قرار گرفت.

کلیدواژه‌ها


[1]. Abtahi, M., Pakparvar, M. (2002). Study the trend of land use change in Kashan region using landsat images with combining bands 3, 4, 5 and Minimum Distance method in 1976 and 1998.
[2]. Al-doski, J., Mansor, S.B., Shafri, H.Z. (2013).Image Classification in Remote Sensing. Journal of Environment and Earth Science, 3(10).
[3]. Anderson, J. R. (1976). A land use and land cover classification system for use with remote sensor data (Vol. 964). US Government Printing Office.
[4]. Amini, S. (2006) Study the changes in forest area and preparing the map of forest level changes in Baneh region using satellite imagery of ETM and IRS from 1962 to 200 – Journal of Forest and Poplar Research 15-1: 19.
[5]. Carlson, T.N., Arthur, S.T. (2000). The impact of land use—land cover changes due to urbanization on surface microclimate and hydrology: a satellite perspective. Global and planetary change, 25(1), 49-65.
[6]. Chen, X. L., Zhao, H. M. Li, P. X., Yin, Z. Y. (2006). Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes. Remote sensing of environment, 104(2), 133-146.
[7]. Fadhil, A. M. (2013). Sand dunes monitoring using remote sensing and GIS techniques for some sites in Iraq. In PIAGENG 2013: Intelligent Information, Control, and Communication Technology for Agricultural Engineering (Vol. 8762, p. 876206). International Society for Optics and Photonics.
[8]. Fezizadeh, B., Azizi, H., Valizadeh, K. (2007). Extracting of land uses usin Landsat 7 in Malekan region, East Azarbaijan, Iran. Islamic Azad University of Malayer.
[9]. Fichera, C.R., Giuseppe, M., Maurizio, P. (2012). Land Cover classification and change-detection analysis using multi-temporal remote sensed imagery and landscape metrics. European Journal of Remote Sensing 45(1), 1-18.

[10]. Frolking, S., Milliaman, T., Seto, K., Friedl, M. (2013). A global fingerprint of macro-scale changes in urban structure from 1999 to 2009. Environmental research letter, 8(2).

[11]. Giriraj, A., Ullah, M. I., Murthy, M.R., Beierkuhnlein, C. (2008). Modeling Spatial and Temporal Forest Cover Change Patterns (1973-2020). A Case Study from South Western Ghats India. (Sensors, 8).
[12]. Hatami, M., Shafieardekani, M. (2014). The Effect of Industrialization on Land Use Changes; Evidence from Intermediate Cities of Iran. International Journal of Current Life Sciences 2014, 4, 11899–11902.
[13]. Jantz, C. A., Goetz, S. J. (2005). Analysis of scale dependencies in an urban land‐use‐change model. International Journal of Geographical Information Science, 19(2), 217-241.
[14]. Khazaee, M., Hamidian, A. H., Shabani, A. A., Ashrafi, S. Mirjalili, S.A.A., Esmaeilzadeh, E. (2016). Accumulation of heavy metals and as in liver, hair, femur, and lung of Persian jird (Meriones persicus) in Darreh Zereshk copper mine, Iran. Environmental Science and Pollution Research, 23(4), 3860-3870.
[15]. Malmiran, H. (2001). Digital Processing of Satellite Images of Tehran, – Ministry of Defense Geographic Organization publications and Armed Forces Support.
[16]. Mollalo, A., Sadeghian, A., Israel, G. D., Rashidi, P., Sofizadeh, A., Glass, G. E. (2018). Machine learning approaches in GIS-based ecological modeling of the sand fly Phlebotomus papatasi, a vector of zoonotic cutaneous leishmaniasis in Golestan province, Iran. Acta tropica, 188, 187-194.
[17]. Mollalo, A., Mao, L., Rashidi, P., Glass, G. E. (2019). A GIS-Based Artificial Neural Network Model for Spatial Distribution of Tuberculosis across the Continental United States. International journal of environmental research and public health, 16(1), 157.
[18]. Nagendra, H., Gadgil, M. (1999). Satellite imagery as a tool for monitoring species diversity: An assessment’, J. Appl. Ecol. 36, 388–397.
[19]. Report of the Forests, Range and Watershed Management Organization (2017).
[20]. Sanjari, S., abd Boroumand, N. (2013). Monitoring of land use/cover changes over the past three decades using remote sensing techniques in Zarand regionid, Kerman, Iran. Journal of Remote Sensing Applications and GIS in Natural Resources Science, 4(1): 6.
[21]. Sparavigna, S. (2013). Study the movement of sand dunes using Google Earth and satellite images. – Journal Range management, 26, 121-129.
[22]. Thuiller, W. Albert, C., Araujo, M. B., Berry, P. M. Cabeza, M., Guisan, A., Sykes, M. T. (2008). Predicting global change impacts on plant species’ distributions: future challenges. Perspectives in plant ecology, evolution and systematics, 9(3-4), 137-152.