آشکارسازی و پیش‌بینی تغییرات پوشش اراضی در حوزۀ آبخیز سفیددشت –بروجن با به کارگیری سلول خودکار مارکوف

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد بیابان‌زدایی، دانشکدۀ منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران.

2 دانشیار، دانشکدۀ منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران.

3 استادیار، دانشکدۀ منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران.

چکیده

با توجه به گسترش پدیدۀ تخریب سرزمین و لزوم توجه به رصد و مهار این پدیدۀ مخرب، پژوهش حاضر با هدف ارزیابی روند تغییر پوشش در کاربری‌های مختلف اراضی در حوزه آبخیز سفیددشت- بروجن واقع در استان چهارمحال و بختیاری با استفاده از تلفیق سنجش از دور و مدل‌سازی سلول‌های خودکار مارکوف انجام شد. در آغاز نقشۀ کاربری اراضی سال‌های 1377، 1388 و 1397 تهیه شد. با مقایسۀ نقشه‌های مذکور، تغییر پوشش اراضی در هر یک از مناطق شامل اراضی مرتعی، بدون پوشش (بایر)، کشاورزی و مناطق مسکونی-صنعتی بررسی و آشکارسازی شد. سپس در قالب مدل سلول خودکار مارکوف به پیش‌بینی تغییرهای آینده پرداخته شد. برای پیش‌بینی تغییر برای سال 1407 در آغاز برای سال 1397 از روش مدل سلول خودکار مارکوف مقدار شباهت برای این سال مدل‌سازی شد و سپس با نقشه واقعیت زمینی این سال، مقایسه شد. نتایج هر دو نقشه مقدار شباهت نزدیک به هم را نشان داد و اختلاف اندکی نسبت به هم داشتند. نتایج آشکارسازی تغییرات برای سال‌های 1377 تا 1397 حاکی از کاهش ha  8856 اراضی کشاورزی و کاهش  ha 8094 از اراضی مرتعی در منطقه مورد بررسی می‌باشد. ولی مساحت اراضی بدون پوشش (بایر)،ha  14547 افزایش داشته است. بر اساس پیش‌بینی سال 1407 بیشترین تغییر افزایشی مربوط به اراضی بایر با ha 16476 است. برآوردها نشان می‌دهد ha  1634 از اراضی کشاورزی کاسته خواهد شد. از مجموع مساحت کاهش‌یافته، حدود ha 1410 به اراضی بایر و حدود ha 224 به اراضی مسکونی- صنعتی تبدیل خواهد شد. اراضی مرتعی نیز ha 15835 کاهش یافته که از این مقدار، ha 15145 به اراضی بایر و ha 690 به مناطق مسکونی- صنعتی تبدیل خواهد شد. یافته‌های پژوهش حاضر می‌تواند در برنامه‌ریزی‌های آتی برای منطقه مورد مطالعه مورد توجه قرار گیرد.

کلیدواژه‌ها

مراجع

  1. Ahmadi, H. )1995(. Applied geomorphology. Tehran University Press, Iran. (in Farsi)
  2. Ahmad, A. (2012). Analysis of maximum likelihood classification on multispectral data,Applied Mathematical Sciences, 6(129), 6425- 6436.
  3. Alavi Panah, S. K. (2005). Application of remote sensing in geo sciences. Tehran University Press, Iran. (in Farsi)
  4. Aplin, P., & Atkinson, P. M. (2004). Predicting missing field boundaries to increase per field classification Accuracy. Photogrammetric Engineering and Remote Sensing, 70(1), 141-14.
  5. Ara, H., Kianian, M. K., Sohrabi, H., & Ahmadabadi, A. )2020.( Studying effectiveness of Landsat ETM+ satellite images classification methods in Identification of desert pavements (case study: south of Semnan), Environmental Erosion Research Journal, 10(2), 1-20 (in Farsi)
  6. Arzani, H., Mirakhorlou, K. H., & Hosseini, S. Z. (2009). Land use mapping using Landsat7 ETM data (case study in middle catchment's of Taleghan). Range and Desert Research, 16(2), 150-160 (in Farsi)
  7. Asghari Zamani, A., Ahad Nejhad Roshani, M., & Khodavandi, A. (2016). Analytical assessment of the spatial-spatial extent of urban areas and its effect on land use changes using GIS and RS (Case study: Shiraz during the period of 1950-1987), Geographical Space, 53: 57-76. (in Farsi)
  8. Ashraf, M., & Yasushi, Y. D. (2009). Land use and land cover change in Greater Dhaka, Bangladesh: using remote sensing to promote sustainable urbanization. Applied Geography, 29(3), 390-401.
  9. Bakr, N., Weindorf, D. C., Bahnassy, M. H., Marei, S. M., & El-Badawi, M. M. (2010). Monitoring land cover changes in a newly reclaimed area of Egypt using multi-temporal Landsat data. Applied Geography, 30(4), 592-605.
  10. Bonyad, A. A., & Hajyghaderi, T. (2007). Inventorying and mapping of natural forest stands of Zanjan province using landsat ETM+ image data. Crop Production and Processing, 10(42), 627-638. (in Farsi)
  11. Coppin, P., Jonckheere, I., Nackaerts, K., Muys, B., & Lambin, E. (2004). Digital change detection methods in ecosystem monitoring: a review. Remote Sensing, 25(9), 1565-1596.
  12. Dawelbait, M., & Morari, F. (2012). Monitoring desertification in a Savannah region in Sudan using Landsat images and spectral mixture analysis. Arid Environments, 80, 45-55.
  13. Dewan, A. M., & Yamaguchi, Y. (2009). Land use and land cover change in Greater Dhaka, Bangladesh: Using remote sensing to promote sustainable urbanization. Applied Geography, 29(3), 390-401.
  14. Doski, J., Shattri, A. l., Mansor, B., Shafri, H. Z., (2013), Change detection process and techniques, Civil and Environmental Research, 3(10), 632-635.
  15. Du, Y., Teillet, P. M., & Cihlar, J. (2002). Radiometric normalization of multi-temporal high-resolution satellite images with quality control for land cover change detection. Remote sensing of Environment, 82(1), 123-134.
  16. Eastman, J. R. (2006). IDRISI Andes. Guide to GIS and Image Processing. Clark Labs, Clark University, Worcester, MA.
  17. Fathizad, H., Rostami, N., & Faramarzi, M. (2015). Detection and prediction of land cover changes using Markov chain model in semi-arid rangeland in western Iran. Environmental Monitoring and Assessment, 187(10), 629. 1-12.
  18. Hager W. H. (1987). Lateral outflow over side weirs. Hydraulic Engineering, 113(4), 491-504.
  19. Heidarizadi, Z., & Mohamadi, A. (2016). Predicting the land use change using markov- cellular automata model in Mehran plain. The Ecosystem of Desert Engineering, 5(10), 57-68. (in Farsi)
  20. Johnson, R. D., & Kasischke, E. S. (1998). Change vector analysis: A technique for the multispectral monitoring of land cover and condition. Remote Sensing, 19(3), 411-426.
  21. Jafari, M., Majedi, H., Monavari, S. M., Alesheikh, A. A. & Zarkesh, M. K. (2016). Dynamic simulation of urban expansion through a CA-Markov model case study: hyrcanian region, Gilan, Iran. European Journal of Remote Sensing, 49(1), 513-529.
  22. Khazaee, M., Zare, M., Mokhtari, M. H., Rashtian, A., & Arabi Aliabad, F. (2019). Comparing the accuracy of different classification methods in preparing land use map (Case study: Yazd city). Geographical Exploration of Desert Areas, 7 (1): 165-178. (in Farsi)
  23. Kileshye Onema, J.-M., & Taigbenu, A. (2009).  NDVI–rainfall relationship in the Semliki watershed of the equatorial Nile. Physics and Chemistry of the Earth, 34 (13-16), 711–721.
  24. Khosravi, D. A., Mirabbasi, N. R., Samadi, B. H., & Ghasemi, D. A. (2019). Monitoring and Forecasting of Groundwater Drought Using Groundwater Resource Index (GRI) and First to Third-Order Markov Chain Models (Case study: Boroujen Plain). Water and Soil conservation, 26(2), 117-136. (in Farsi)
  25. Lambin, E. F., & Geist, H. (2006). Land-Use and Land-Cover Change: Local Processes and Global Impacts. Springer.
  26. Lausch, A., & Herzog, F. (2002). Applicability of landscape metrics for the monitoring of landscape change: issues of scale, resolution and interpretability. Ecological Indicators, 2(1), 3-15.
  27. Lu, D., & Weng, Q. (2007). A survey of image classification methods and techniques for improving classification performance. Remote Sensing, 28(5), 823-870.
  28. Melchiade, B. (2009). Secretariat of the convention to combat desertification. CSD-17 Intergovernmental Preparatory Meeting Panel on Desertification. New York, February 26.
  29. Mosayebi, M., & Maleki, M. (2014). Change detection in land use using remote sensing data and GIS (Case study: Ardabil County).  Applied RS and GIS Techniques in Natural Resource Science, 5(1), 75-86. (in Farsi)
  30. Mousavi, S. H., Vali, A. A., Moayeri, M., & Ranjbar, A. (2013). Monitoring the desertification status of Haji Ali Gholi Playa (1987-2006). Quantitative Geomorphological Research, 1(4), 85-102. (in Farsi)
  31. Norozi, M., (2013), Investigation and forecasting land use change using LCM model (Case Study: Part of Tajan and Black River Rivers), Master's thesis, Faculty of AgriculturalSciences and NaturalResources, Sari University. (in Farsi)
  32. Peijun, D. U., Xingli, L., Wen, C., Yan, L., & Huaping, Z. (2010). Monitoring urban land over and vegetation change by multi-temporal Remote Sensing information. Mining Science and Technology, 20(6), 922-932
  33. Prabaharan, S., Srinivasa, R. K., Lakshumanan, C., & Ramalingam, M. (2010). Remote sensing and GIS applications on change detection study in coastal zone using multi temporal satellite data. Geomatics and Geosciences, 1(2),159-166
  34. Safari Shad, M., Habibnejad Roshan, M., Soleimani, K., Ildermi, A. R., & Zeinivand, H. (2019). The maximum Likelihood method valuation in detecting land use change using NDVI index (Case study of Hamedan-Bahar watershed). Geographical Space, 18(64), 159-176. (in Farsi)
  35. Schulz, J. J., Cayuela, L., Echeverria, C., Salas, J., & Benayas, J. M. R. (2010). Monitoring land cover change of the dryland forest landscape of Central Chile (1975–2008). Applied Geography, 30(3), 436-447.
  36. Shataee, S., & Abdi, O. (2007). Land cover mapping in Mountainous lands of Zagros using ETM+ data, case study: Sorkhab watershed, Lorestan province. Agricultural Sciences and Natural Resources, 14(1), 129. (in Farsi)
  37. Singh, P., & Khanduri, K. L. (2011). Use and land cover change detection through Remote Sensing & GIS technology: case study of pathankot and dhar kalan tehsils, Punjab. Geomatics and Geosciences, 1(4), 839-846.
  38. Vahidi, M. J., Jafarzadeh, A. A., Fakheri, A., Sadeghi, H. R., Moghadam, M. H., & Valizade, K. H. (2015). Study of land use and land cover change in Lighvan watershed, East Azerbaijan Province, Geograghical Space, 15(49), 75-100. (in Farsi)
  39. Zhang, F., Tiyip, T., Feng, Z. D., Kung, H-T., Johnson, V. C., Ding, J. L., Tashpolat, N., Sawut, M., & Gui, D.W. (2015). Spatio-temporal patterns of land use/cover changes over the past 20 years in the middle reaches of the Tarim River, Xinjiang, China. Land Degradation and Development, 26(3), 284- 299.
مدیریت بیابان
دوره 8، شماره 16 - شماره پیاپی 16
12 مقاله
اسفند 1399
صفحه 111-124

فایل ها

سابقه مقاله

  • تاریخ دریافت: 16 آبان 1399
  • تاریخ بازنگری: 26 دی 1399
  • تاریخ پذیرش: 03 بهمن 1399

هم رسانی

ارجاع به این مقاله

آمار