مدیریت بیابان

مدیریت بیابان

مدل‌سازی اثرات تغییر کاربری اراضی و پوشش بر شدت بیابان‌زایی دشت مختاران با استفاده از روش CA_Markov

نوع مقاله : مقاله پژوهشی

نویسندگان
زهره رفیعی مجومرد 1
محمد رحیمی 2
شیما نیکو 3
هادی معماریان 4
حسن کابلی 5
1 دانشجوی دکترای بیابان‌زدایی، گروه بیابان‌زدایی، دانشکدۀ کویرشناسی، دانشگاه سمنان، سمنان، ایران.
2 دانشیار، گروه بیابان‌زدایی، دانشکدۀ کویرشناسی، دانشگاه سمنان، سمنان، ایران.
3 استادیار، گروه بیابان‌زدایی، دانشکدۀ کویرشناسی، دانشگاه سمنان، سمنان، ایران.
4 دانشیار، عضو هیأت علمی دانشگاه بیرجند، بیرجند، ایران.
5 استادیار، عضو هیأت علمی دانشگاه سمنان، سمنان، ایران.
10.22034/jdmal.2021.246301
چکیده
کاربری و پوشش اراضی یکی از عوامل مهم در ارتباط با خطر بیابانزایی است زیرا تخریب محیط زیست همیشه با حذف پوشش گیاهی طبیعی پدید می‌آید. در این پژوهش با ادغام سناریوهای تغییر کاربری اراضی با مدل ارزیابی بیابان‌زایی مدالوس (ESAs) حساسیت به بیابان‌زایی در حوزۀ آبخیز مختاران ارزیابی و به پیش بینی ریسک بیابان‌زایی پرداخته شد. نقشه‌های کاربری اراضی با استفاده از داده‌های سری-های زمانی تصاویر ماهواره‌ای لندست از سال‌های 1987 ،1998 ،2003 به عنوان سناریوی گذشته و 2015 به عنوان سناریوی حال حاضر طبقه‌بندی شد.نقشه کاربری اراضی سال 2025 و 2035 بر اساس شبیه‌سازی‌های مدل CA_Markov تهیه و به عنوان سناریوی آینده تعیین گردید. نتایج اعتبار سنجی با محاسبه کاپای تطابق کلی0.95= Kno صحت مدل را تأیید کرد و کاربری اراضی برای سال 2025 و 2035 بر اساس ماتریس مساحت انتقال مارکف و قوانین انتقال پیش بینی گردید. نتایج نشان داد در کل دوره مورد مطالعـه، 68.29 کیلومتر مربع از وسعت اراضی دیم کاسـته و 25.35 کیلومتر مربع به اراضی کشاورزی و باغی افزوده شده است. در پهنه کاربری پلایا-اراضی لخت، تغییرات به سمت افزایش وسعت این اراضی به میزان 26.86 کیلومتر مربع بوده است. همچنین روند تغییرات کاربری مرتع با رشد این اراضی به میزان 18.83 کیلومتر مربع مثبت ارزیابی شد. در مقایسه با سناریوی حال حاضر، روند بیابان‌زایی در سناریوی آینده با افزایش مساحت مناطق بحرانی از 30.9 به 48.7 درصد طی دوره 20 ساله، روند بیابان‌زایی رو به افزایش پیش‌بینی شد. حساس ترین کاربری به بیابان‌زایی اراضی پلایا- لخت شناخته شد.
کلیدواژه‌ها
شبیه‌سازی کاربری و پوشش اراضی
مدالوس
سنجش از دور
مارکف
  1. Adamo, S. B., & Crews-Meyer, K. A. (2006). Aridity and desertification: exploring environmental hazards in Jachal, Argentina. Applied Geography, 26(1), 61-85.
  2. Agarwal, C. (2002). A review and assessment of land-use change models: dynamics of space, time, and human choice. US Department of Agriculture, Forest Service, Northeastern Research Station, 297.
  3. 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.
  4. Bakhshandehmehr, L., Sultani, S., & Sepehr, A. (2013). assessment of present status of desertification and modifying the MEDALUS model in Segzi plain of Isfahan. Range and Watershed Management, 66(1), 27-41. (in Farsi)
  5. Boudjemline, F., & Semar, A. (2018). Assessment and mapping of desertification sensitivity with MEDALUS model and GIS–Case study: basin of Hodna, Algeria. Water and Land Development, 36(1), 17-26.
  6. Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37-46.
  7. De Oliveira Barros, K., Ribeiro, C. A. A. S., Marcatti, G. E., Lorenzon, A. S., de Castro, N. L. M., Domingues, G. F., de Carvalho, J.R. & dos Santos, A. R. (2018). Markov chains and cellular automata to predict environments subject to desertification. Environmental Management, 225, 160-167.
  8. Ding, H. P., Chen, J. P., & Wang, G. W. (2009, February). A model for desertification evolution employing GIS with cellular automata. In 2009 International Conference on Computer Modeling and Simulation (pp. 324-328). IEEE.
  9. Directorate General of Natural Resources and Watershed Management of South Khorasan Province., (2005). Basic Reports of Watershed Management Studies of Mokhtaran plain. (in Farsi)
  10. Eastman, J., (2012). IDRISI Selva Tutorial, 45. Worcester, MA: Idrisi Production, Clark Labs-Clark University.
  11. Falsoleiman, M., Hajipour, M., & Sadeghi, H. A. (2013). Comparison of the efficiency of AHP and TOPSIS multivariate methods for determination of areas suitable for pistachio cultivation in Birjand Mokhtaran plain. Applied Geographical Science Research, 13(31), 155-133. (in Farsi)
  12. Hadeel, A. S., Jabbar, M. T., & Chen, X. (2010). Application of remote sensing and GIS in the study of environmental sensitivity to desertification: a case study in Basrah Province, southern part of Iraq. Applied Geomatics, 2(3), 101-112.
  13. He, C., Shi, P., Chen, J., Li, X., Pan, Y., Li, J., Li, Y. & Li, J. (2005). Developing land use scenario dynamics model by the integration of system dynamics model and cellular automata model. Science in China Series D: Earth Sciences, 48(11), 1979-1989.
  14. Hyandye, C., & Martz, L. W. (2017). A Markovian and cellular automata land-use change predictive model of the Usangu Catchment. Remote Sensing, 38(1), 64-81.
  15. Jiang, M., & Lin, Y. (2018). Desertification in the south Junggar Basin, 2000–2009: Part I. Spatial analysis and indicator retrieval. Advances in Space Research, 62(1), 1-15.
  16. Joseph, O., Gbenga, A. E., & Langyit, D. G. (2018). Desertification risk analysis and assessment in Northern Nigeria. Remote Sensing Applications: Society and Environment, 11, 70-82.
  17. Kahangwa, C., Nahonyo, C., & Sangu, G. (2020). Monitoring Land Cover Change Using Remote Sensing (RS) and Geographical Information System (GIS): A Case of Golden Pride and Geita Gold Mines, Tanzania. Geographic Information System, 12(5), 387-410.
  18. Keshtkar, H., & Voigt, W. (2016). A spatiotemporal analysis of landscape change using an integrated Markov chain and cellular automata models. Modeling Earth Systems and Environment, 2, 10.
  19. Kosmas, C., Ferrara, A., Briasouli, H., & Imeson, A. (1999). Methodology for mapping Environmentally Sensitive Areas (ESAs) to Desertification, in: The Medalus project: Mediterranean desertification and land use. Manual on key indicators of desertification and mapping environmentally sensitive areas to desertification, Kosmas C., Kirkby M. & Geeson, N. (Eds.). European Union 1999.
  20. Ladisa, G., Todorovic, M., & Liuzzi, G. T. (2012). A GIS-based approach for desertification risk assessment in Apulia region, SE Italy. Physics and Chemistry of the Earth, Parts a/B/C, 49, 103-113.
  21. Markov, A. A. (1907). Extension of the Limit Theorems of Probability Theory to a Sum of Variables Connected in a Chain, The Notes of the Imperial Academy of Sciences of St. Petersburg VIII Series, Physio-Mathematical College, 22(9).
  22. Memarian, H., Balasundram, S. K., Talib, J. B., Sung, C. T. B., Sood, A. M., & Abbaspour, K. (2012). Validation of CA-Markov for simulation of land use and cover change in the Langat Basin, Malaysia. Geographic Information System, 4(6), 542-554.
  23. Memarian, H., Balasundram, S. K., Abbaspour, K. C., Talib, J. B., Boon Sung, C. T., & Sood, A. M. (2014). SWAT-based hydrological modelling of tropical land-use scenarios. Hydrological Sciences, 59(10), 1808-1829.
  24. Miller S. L., & Childers, D. (2004). Markov Processes, In: Probability and Random Processes. United States: Academic Press.
  25. Mirdavoodi, H., Zahedi Pour, H. Moradi, M., Goodarzi, G. (2008). Determination of agricultural and rangeland ecological capability of Markazi using GIS. Range and Desert Research, 15(2), 255-242. (in Farsi)
  26. National Research Council (2001). Grand challenges in environmental sciences. Canada: National Academies Press.
  27. Peng, B., Wen, Z., Fan, H., Niu, Q., Guo, Y., & Gu, J. (2020). Dynamic simulation of land use change in Bashang desertification region of Hebei Province using CA-Markov Model. Geomatics, 14(1), 10-18.‏
  28. Rubio, J. L., & Bochet, E. (1998). Desertification indicators as diagnosis criteria for desertification risk assessment in Europe. Arid Environments, 39(2), 113-120.
  29. Salman Mahini, A. & Kamyab, H. R. (2018). Remote sensing and application of GIS with Idrissi software. 1ed Edition. Gorgan: Gorgan University of Agricultural Sciences and Natural Resources Publications.
  30. Salvati, L., & Bajocco, S. (2011). Land sensitivity to desertification across Italy: past, present, and future. Applied Geography, 31(1), 223-231.
  31. Schulz, J. J., Cayuela, L., Rey Benayas, J. M., & Schröder, B. (2011). Factors influencing vegetation cover change in Mediterranean Central Chile (1975–2008). Applied Vegetation Science, 14(4), 571-582.
  32. Silakhori, E., Ownegh, M., Salman Mahini, A., & Babaiyan, E. (2018). Assessing the effects of observational changes and land use and climate scenarios in developing Management Program of desertification risk in the Esfarayen-Sabzevar. PhD, Gorgan University Agricultural Sciences and Natural Resources, Gorgan.
  33. UNCCD, (2007). Climate Change and Desertification. Bonn, Germany: United Nations Convention to Combat Desertification.
  34. Vieira, R. M. D., Tomasella, J., Barbosa, A. A., Martins, M. A., Rodriguez, D. A., Rezende, F. S., Carriello, F. & Santana, M. D. (2021). Desertification risk assessment in Northeast Brazil: Current trends and future scenarios. Land Degradation & Development, 32(1), 224-240.
  35. Wang, G., Jiang, H., Xu, Z., Wang, L., & Yue, W. (2012). Evaluating the effect of land use changes on soil erosion and sediment yield using a grid‐based distributed modelling approach. Hydrological Processes, 26(23), 3579-3592.
  36. Wijitkosum, S. (2012). Evaluation of impacts of spatial land use changes on soil loss using remote sensing and GIS in Huay Sai Royal Development Center, Thailand. Environmental Research and Development, 6(3), 487-493.
  37. Wijitkosum, S. (2014). Critical factors affecting the desertification in Pa Deng, adjoining area of Kaeng Krachan National Park, Thailand. Environment Asia, 7(2), 87-98.
  38. Wijitkosum, S. (2016). The impact of land use and spatial changes on desertification risk in degraded areas in Thailand. Sustainable Environment Research, 26(2), 84-92.
  39. Wu, J., Liu, Y., Wang, J., & He, T. (2010). Application of Hyperion data to land degradation mapping in the Hengshan region of China. Remote Sensing, 31(19), 5145-5161.
  40. Wu, R., & Tiessen, H. (2002). Effect of land use on soil degradation in alpine grassland soil, China. Soil Science Society of America, 66(5), 1648-1655.
  41. Xiao-Li, L. I. U., Yuan-Qiu, H. E., Zhang, H. L., Schroder, J. K., Cheng-Liang, L. I., Jing, Z. H. O. U., & Zhang, Z. Y. (2010). Impact of land use and soil fertility on distributions of soil aggregate fractions and some nutrients. Pedosphere, 20 (5), 666-673.
  42. Yang, X., Zhang, K., Jia, B., & Ci, L. (2005). Desertification assessment in China: An overview. Arid Environments, 63(2), 517-531.
  43. Zehtabian, Gh. R. Khosravi, H& Masoudi (2014). Desertification assessment models (criteria and indicators), 1st edition, Tehran University Press. (in Farsi)
مدیریت بیابان
دوره 9، شماره 2 - شماره پیاپی 18
7 مقاله
تابستان 1400
صفحه 79-102

  • تاریخ دریافت 08 دی 1399
  • تاریخ بازنگری 21 اردیبهشت 1400
  • تاریخ پذیرش 03 خرداد 1400