پیش‌بینی تأثیر تغییر کاربری و پوشش اراضی بر گسترش تپه‌های ماسه‌ای در بیابان‌های ساحلی جنوب شرق ایران با استفاده از مدلCA-Markov

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری محیط زیست- آمایش سرزمین، دانشکدۀ منابع طبیعی دانشگاه تهران، ایران.

2 دانشیار دانشکدۀ منابع طبیعی دانشگاه تهران، ایران.

3 استاد دانشکدۀ منابع طبیعی دانشگاه تهران، ایران.

4 استادیار مرکز تحقیقات بین المللی بیابان دانشگاه تهران، ایران.

چکیده

با توجه به تغییرات گسترده و غیراصولی کاربری اراضی، آشکار­سازی تغییرات پوشش سرزمین و کاربری اراضی در طول دوره­‌های زمانی با استفاده از تصاویر ماهواره­‌ای، برای مدیریت پایدار منابع طبیعی، امری ضروری است. پژوهش حاضر با هدف پایش تغییرات کاربری اراضی، مدل­سازی و پیش‌بینی وضعیت آن ها در 15 سال آینده در سواحل بیابانی جاسک (دریای عمان) انجام شد. به‌منظور آشکارسازی تغییرها از تصاویر ماهواره لندست سال­های 1366، 1382 و 1397 استفاده شد. پس از انجام تصحیح‌های هندسی و جوی بر روی تصاویر، نقشه کاربری مربوط به هر سال در قالب 11 واحد کاربری و پوشش اراضی با استفاده از روش طبقه­‌بندی ترکیبی تهیه شد. مدل­سازی تغییر کاربری با به­‌کارگیری مدل سلول‌های خودکار زنجیرۀ مارکوف در مرحلۀ اول برای صحت سنجی مدل و در مرحله دوم برای پیش‌بینی کاربری اراضی در سال 1412 انجام شد. ارزیابی مقدار تطابق نقشه شبیه­‌سازی شده سال 1397 و نقشه واقعی با ضریب کاپای 0.83 نشان داد مدل سلول‌های خودکار زنجیره مارکوف، مدلی مناسب برای پیش‌بینی تغییرپذیری کاربری اراضی است. بر اساس نتایج به‌­دست آمده، مشابه با روند تغییرات 30 سال اخیر، در سال 1412 کشاورزی در منطقه روندی صعودی خواهد داشت و نسبت به سال 1397 رشد 74% خواهد داشت. مساحت سکونتگاه‌ها، شبکه دسترسی دریایی و کاربری آبزی­ پروری نیز در این دوره افزایش خواهد یافت. در سال 1412، مساحت پوشش مرتعی و پوشش گیاهی موجود در بستر رودخانه دارای روند کاهشی و بیشتر به سمت تبدیل به زمین­‌های کشاورزی خواهد بود. مساحت تپه­‌های ماسه­‌ای در سال 1412، 33.4­% افزایش خواهد یافت. این افزایش موجب خواهد شد که بخش جنوبی روستای سورگلم و بخش شرقی جنگل­‌های مانگرو در معرض حرکت و جابه جایی ماسه­‌های روان، آسیب ببینند. نتایج این پژوهش نشان دهنده آن است که در صورتی که روند توسعه و تغییر کاربری/پوشش اراضی همانند 30 سال قبل باشد، مناطق زیادی در معرض تهدید و آسیب حرکت ماسه­‌های روان قرار خواهند گرفت و برای کنترل و مدیریت آن لازم است تا اقدامات لازم مورد توجه قرار گیرد.

کلیدواژه‌ها

مراجع

  1. Afifi, M.E. (2020). Modeling land use change using the Markov chain model and LCM model, case study: Shiraz. Applied Research in Geographical Sciences, 20(56), 141-150. (in Farsi)
  2. Afwani, M.Z., & Danoedoro, P. (2019).The effects of polynomial interpolation and resampling methods in geometric correction on the land-cover classification accuracy of Landsat-8 OLI imagery: A case study of Kulon Progo area, Yogyakarta. Sixth Geo information Science Symposium, 11311.
  3. Alawamy, J.S., Balasundram, S.K., Husni, A., & Hanif, M. (2020). Detecting and analyzing land use and land cover changes in the region of Al-Jabal Al-Akhdar, Libya using time-series Landsat data from 1985 to 2017. Sustainability, 12(11), 4490-4514.
  4. Alimohammadi, A., Motkan, A., Ziaeian, P., & Tabatabai, H. (2010). Comparison of base pixel, base object and decision tree classification methods in mapping forest types using remote sensing data (Case study: Astara forest). Applied Research in Geographical Sciences, 10(13), 7-26. (in Farsi)
  5. Amini Parsa, V., Yavari, A., & Nejadi, A. (2016). Spatio-temporal analysis of land use / land cover pattern changes in Arasbaran biosphere reserve : Iran. Modeling Earth Systems and Environment, 2(4), 1-13.
  6. Anderson, J. A., Ernest, H., Roach, T., & Witmer, R. (1976). Land use and land cover classification system for use with remote sensor data, USA Government Printing Office Press.
  7. Andon Petrosian, H., Danehkar, A., Nazari Samani, A.A., & Mashhadi, N. (2021). Landscape analysis over 30 years to assess the impact of river damming on natural ecosystem. Land Degradation and Development. In press.
  8. Andon Petrosians, H., Danehkar, A., Ashrafi, S., & Feghhi J. (2016).  Investigating environmental factors for locating mangrove ex-situ conservation zones using GIS spatial techniques and the logistic regression algorithm in mangrove forests in Iran. Polish Journal of Environmental Studies, 25(5), 2097-2106.
  9. Arokhi, S. (2015). Detection of land cover / land use changes by object-oriented processing of satellite images using Idrisi Selvi software (Case study: Abdanan area). Geographical Data (Sepehr), 24(95), 51-62. (in Farsi)
  10. Araya, Y.H., & Cabral, P. (2010). Analysis and modeling of urban land cover change in Setúbal and Sesimbra. Portugal. Remote Sensing, 2(6), 1549-1563.
  11. Asadzadeh, F., Khosraviaqdam, K., Parviz, L., Ramezanpour, H., & Yaghmaeian, N.M. (2018). Prediction of the land use change using Markov chain and cellular automata (Case study: Roze Chay basin, Uremia). Water and Soil Resources Conservation, 8(1), 105-116. (in Farsi)
  12. Asghari Saraskanroud, S., Aghayary, L., & Pirouzi, E. (2018). Study of land use change and its effect on erosion in Nir city using GIS and RS (Case study: Nir county). RS & GIS for Natural Resources, 8(4), 49-69. (in Farsi)
  13. Azizi, A., Malakmohamadi, B., & Jafari, H.R. (2016). Land use and land cover spatiotemporal dynamic pattern and predicting changes using integrated CA-Markov model. Global Journal of Environmental Science and Management, 2(3), 223-234.
  14. Azizi Ghalaty S., Rangzan, K., Sadidy, J., Heydarian, P., & Taghizadeh, A. (2016). Predicting locational trend of land use changes using CA-Markov model (Case study: Kohmare Sorkhi, Fars province). RS & GIS Techniques for Natural Resources, 7(1), 59-72. (in Farsi)
  15. Boniad, A.E., & Hajighaderi, T. (2008). Mapping of Natural Forest Stands of Zanjan Province Using Landsat 7ETM+ sensor data. Science and Technology of Agriculture and Natural Resources, 42(11), 627-638.
  16. Du, H., Hasi, E., Yang, Y., & An, J. (2012). Land coverage changes in the Hulun Buir grassland of China based on the cellular automata-Markov model. International Proceedings of Chemical, Biological and Environmental Engineering, 36, 69-74.
  17. Fathizad, H., Karimi, H., Tazeh, M., & Tavakoli, M. (2014). Prediction of land use and land cover changes in arid and semi-arid regions using Satellite images and Markov chain models (Case study: Doviraj Basin, Ilam Province). Desert Management, 3, 61-76. (in Farsi)
  18. Fathololoumi, S., Vaezi A., Alavipanah, S.K., & Ghorbani, A. (2020). Modeling soil organic carbon variations using remote sensing indices in Ardabil Balikhli Chay watershed. Iranian Journal of Soil and Water Research, 51(9), 2417-2429. (in Farsi)
  19. Gholami, D., Baharlouei, M., & Mahmoudi, B. (2019). Investigation of long-term mangrove and saltmarsh area changes in the Iranian mangrove habitats (Case study: mangroves of Hormozgan province). Journal of Plant Ecosystem Conservation, 6(13), 121-139. (in Farsi)
  20. Ghorbani, A., Aslami, F., Ahmadabadi, S., Ghaffari, S. (2016). Land use mapping of Kaftareh watershed of Ardabil using visual and digital processing of ETM+ image. Natural Ecosystem of Iran, 6(4), 27-43. (in Farsi)
  21. Hosseini Hamid M., Akbarinasab, M., & Safarrad, T. (2016). The calculation of the optimum index factor for monitoring water resources pollution using satellite images: a case study of the Oman Sea. Hydrophysics, 2(1), 35-45. (in Farsi)
  22. Ildoromi, A., Nori, H., Naderi, M., Amin, S.A., & Zeinivand, H. (2014). Land use change prediction using Markov chain and ca Markov model (Case study: Gareen watershed). Watershed Management Research, 8(16), 232-240. (in Farsi)
  23. Kang, J., Fang, L., Li, S., & Wang, X. (2019). Parallel cellular automata Markov model for land use change prediction over map reduce framework. Geo Information, 8(454), 1-20
  24. Mahmoudi, B., Andon Petrosians, H., Danehkar, A., & Zakeri, O. (2014). Analysis of sustainability trend in restoration and development of mangroves in Hormozgan coastal line. Forest and Poplar Research, 22(2), 259-269. (in Farsi)
  25. Mishra, N., Haque, M.O., Leigh, L., Aaron, D., Helder, D., & Markham, B. (2014). Radiometric cross calibration of landsat 8 Operational Land Imager (OLI) and Landsat 7 enhanced thematic mapper plus (ETM+). Remote Sensing, 6(12):12619-12638.
  26. Mohamadian Behbahani, A.M., & Heidari Zadi, Z. (2019). Monitoring and predicting the trend of sand zone changes using the CA-Markov model (Case study: Abu Ghovair plain, Dehloran, Ilam province). Environmental Sciences, 16(4), 153-166. (in Farsi)
  27. Muthu, P., & Ranjani, S.S. (2019). Classification techniques used in remote sensing satellite imageries : A survey. National Journal of Multidisciplinary Research and Development, 4(6), 24-28.
  28. Myint, S.W., & Wang, L. (2006). Multicriteria decision approach for land use land cover change using Markov chain analysis and a cellular automata approach. Canadian Journal of Remote Sensing, 32(6), 390-404.
  29. Nafar, F., Ebrahimi, A., & Naghipour, A.A. (2021). Land Cover change detection and prediction in Sefiddasht-Borujen basin using Ca-Markov. Desert Management, 16,111-124. (in Farsi)
  30. Nameghi, A., & Farazmehr J. (2009). Orientation and location of wind sediments in the Erg of Ferdows.5th National Conference on Watershed Management. (in Farsi)
  31. Nath, B., & Niu, Z. (2018). Land use and land cover changes, and environment and risk evaluation of Dujiangyan City (SW China) using remote sensing and GIS techniques. Sustainability, 10 (4631).
  32. Nazari Samani, A.N., Ehsani, A.H., Gilvari, A., & Abdolshahnejad, M. (2016). Comparing the results of RWEQ and IRIFR models for determining of land management effects on wind erosion. Desert Management, 6, 39-53. (in Farsi)
  33. Nejadi, A., & Makhdoum, M.F. (2012). Modeling plausible impacts of land use change on wildlife habitats, application and validation : Lisar protected area, Iran. Environmental Research, 6(4), 883-892.
  34. Omran, H.A., & Pahlavan, P. (2015). Using of Markov chain, MOLA, and neighborhood filter for developing and increasing the efficiency of logistic regression to predict multiple land-use changes, (Case study: Tehran). Geospatial Information Technology, 3(2), 89-109. (in Farsi)
  35. Pirouz Zadeh, S., Khosravi, M., & Fotohi, S. (2019). Predicting of temporal-spatial sand dunes transition caused by marine storms (Case study: the coast of Makran, Iran). Scientific Journals Management System, 19(52), 57-75. (in Farsi)
  36. Rahdari, V., Soffianian, A., Pourmanafi, S., Mosadeghi, R., & Ghaiumi Mohammad, H. (2018). A hierarchical approach of hybrid image classification for land use and land cover mapping. Geographica Pannonica, 22(1), 30-39.
  37. Roy, P.S., & Roy, A. (2010). Land use and land cover change: a remote sensing & GIS perspective. Indian Institute of Science, 90(4), 489-502.
  38. Salehi, N., Ekhtesasi, M., & Talebi, A. (2019). Predicting locational trend of land use changes using CA-Markov model (Case study: Safarod Ramsar watershed). RS & GIS for Natural Resources, 10(1), 106-120. (in Farsi)
  39. Sang, L., Zhang, C., Yang, J., Zhu, D., & Yun, W. (2011). Simulation of land use spatial pattern of towns and villages based on CA-Markov model. Mathematical and Computer Modelling, 54(3), 938-943.
  40. Sazeh Pardazi Iran. (2018). Integrated coastal zone management of Hormozgan. (in Farsi)
  41. Shafiee, N., Shakiba, A., & Mohamadi, A. (2019). Detection and prediction of land use changes using CA-Markov model (Case study: Tehran-Damavand metropolitan area). Geographical Data (Sepehr), 28 (111), 175-190. (in Farsi)
  42. Shanani, M., & Zarei, H. (2016). Investigation of land use changes during the past two last decades (Case study: Abolabas basin). Watershed Management Research, 7(14), 237-244. (in Farsi)
  43. Sheikhi, M., & Rooshenas, S. (2015). Anticipating city’s future expansions by using advance cellular automata (Case study: Chaloos city). Motaleate Shahri, 4(16), 15-26. (in Farsi)
  44. Singh, S.K., Mustak, S., Srivastava, P.K., Szabó, S., & Islam, T. (2015). Predicting spatial and decadal LULC changes through cellular automata Markov chain models using earth observation datasets and geo-information. Environmental Processes, 2(1), 61-78.
  45. Soffianian, A.R., & Khodakarami, L. (2011). Land use mapping using fuzzy classification: case study in three catchment areas in Hamedan province. Town and Country Planning, 3(4), 95-114. (in Farsi)
  46. Tiab, Z., Danehkar, A., Shabankareh, K., Naderian, N., Sharifi Shamili, K., & Iman Tairbifard, I. (2015). Study of mangrove forests in Gabrik Protected Area, Jask East and West (Hormozgan province) based on habitat structure. Oceanography, 5(19), 105-111. (in Farsi)
  47. Vahidi, M.J., Jafarzadeh, A., Fakherifard, A., Sadeghi, H., Rezaee Moghadam, M.H., & Valizadeh, K. (2015). Study of land use and land cover change in Lighvan watershed, east Azerbaijan province. Geographic Space, 15(49), 49-64. (in Farsi)
  48. Xie, H., Zhang, Y., Wu, Z., & Lv, T. (2020). A bibliometric analysis on land degradation: current status, development, and future directions. Land, 9(28), 1-34.
  49. Yagoub, M.M. & Al Bizreh, A.A. (2014). Prediction of land cover change using Markov and cellular automata models: case of Al-Ain, UAE, 1992-2030. Indian Society of Remote Sensing, 42, 665-671.
مدیریت بیابان
دوره 9، شماره 1 - شماره پیاپی 17
6 مقاله
خرداد 1400
صفحه 51-66

فایل ها

سابقه مقاله

  • تاریخ دریافت: 13 اسفند 1399
  • تاریخ بازنگری: 01 خرداد 1400
  • تاریخ پذیرش: 02 خرداد 1400

هم رسانی

ارجاع به این مقاله

آمار