مدیریت بیابان

مدیریت بیابان

کاربرد مدل فضای ویژگی TGSI - Albedo در بررسی وضعیت بیابانی شدن مرکز استان خوزستان

نوع مقاله : مقاله پژوهشی

نویسندگان
ساره هاشم گلوگردی 1
عباسعلی ولی 2
محمد رضا شریفی 3
1 دانشجوی دکتری بیابان‌زدایی، دانشکدۀ منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران.
2 دانشیار دانشکدۀ منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران.
3 استادیار دانشکدۀ مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
10.22034/jdmal.2021.534364.1341
چکیده
امروزه بیابان‌زایی و تخریب سرزمین یکی از مهم‌ترین مشکلات محیط زیست به ویژه در مناطق ­خشک و نیمه‌خشک است که ناشی از تغییرات اقلیمی و فعالیت‌های انسانی است. بنابراین، شناخت وضعیت بیابان‌زایی این مناطق برای مدیریت و برنامه‌ریزی آینده امری ضروری است. در این راستا بهره‌­گیری ­از شاخص‌های سنجش از دور برای تهیۀ نقشه‌های پایۀ بیابان‌زایی و پایش آن می‌تواند کارآمد باشد. در پژوهش حاضر از شاخص‌های اندازۀ ذرات خاک سطحی و آلبیدو به عنوان شاخص‌های نمایان‌کنندۀ وضعیت بیابانی شدن مرکز استان خوزستان استفاده شد. پس از محاسبۀ شاخص‌های ذکر شده با استفاده از تصاویر سنجنده‌ی +ETM ماهواره لندست، تعداد 411 نمونۀ تصادفی روی تصاویر انتخاب شد، سپس مدل فضای ویژگی Albedo-TGSI بر پایۀ همبستگی بین متغیر‌ها (ضریب تبیین 0.83) به کاربرده شد و معادلۀ طبقه­‌بندی بیابان‌زایی بر اساس شیب خط برازش داده شده به دست ­آمد. در مرحلۀ بعد با اعمال طبقه‌بندی شکست طبیعی بر روی شاخص بیابان‌زایی، طبقه‌­های مختلف بیابان‌زایی و همچنین مقدارهای کمی آن­ها، برای نمونه‌های تصادفی حاصل شد. سپس این مقدارهای حدی برای کل منطقه اعمال و در پایان نقشۀ وضعیت بیابان‌زایی سال 1397 به دست ­آمد. نتایج نشان می‌دهد که حدود 70% منطقه دچار بیابان‌زایی شدید و زیاد و 18.3، 8.3 و 4.1 درصد منطقه به ترتیب در طبقه­‌های بیابان‌زایی متوسط، کم و بدون بیابان‌زایی قرار دارند. ضریب کاپا و صحت کلی نقشۀ تولیدی به ترتیب 92.1­% و 94.3 درصد برآورد شد. یافته­‌ها نشان می دهد که مدل فضای ویژگی، ابزاری سودمند و قوی برای استخراج اطلاعات بیابان‌زایی در اراضی بدون پوشش گیاهی یا دارای پوشش گیاهی کم است.
کلیدواژه‌ها
بیابان‌زایی
طبقه‌بندی
سنجش از دور
انعکاس طیفی
  1. Becerril-Pina, R., Díaz-Delgado, C., Mastachi-Loza, C. A., & González-Sosa. E. (2016). Integration of remote sensing techniques for monitoring desertification in Mexico. Human and Ecological Risk Assessment, 22 (6), 1323-1340.
  2. Bernstein, L. S., Jin. X., Gregor, B., & Adler-Golden. S. M. (2012). Quick atmospheric correction code: algorithm description and recent upgrades. Optical Engineering, 51 (11), 111719.
  3. Ci, L., & Yang, X. (2010). Desertification and Its Control in China. Beijing: Higher Education Press, Beijing and Springer-Verlag Berlin Heidelberg.
  4. Dinarvand, M., Keneshloo, H., & Fayaz. M. (2018). Vegetation of dust sources in Khuzestan Province. Iran Nature, 3 (3), 32-42. (in Farsi)
  5. Ekhtesasi, M. R., & Sepehr, A. (2011). Methods and models of desertification assessment and mapping. Yazd: University of Yazd. (in Farsi)
  6. Emadodin, I., Reinsch, T., & Taube. F. (2019). Drought and Desertification in Iran. Hydrology, 6 (3), 66.
  7. Eswaran, H., Lal, R., & Reich. P. F. (2001). Land Degradation: an Overview: Response to Land Degradation. 2nd Internation Conference on Land Degradation, Khon Kaen, Thiland.
  8. Heidarian, P., Joudaki, M., Darvishi Khatoni, J., & Shahbazi, R. (2015). Recognized Dust Sources in Khuzestan Province: Ministry of Industry, Mine and Trade Geological Survey of Iran South West Regional Center.
  9. https://iran.un.org/en/126928-soil-solution
  10. http://khzmet.ir/image/climakh.pdf.
  11. https://www.harrisgeospatial.com/Software-Technology/ENVI 5.3.
  12. https://www.usgs.gov/centers/eros/science/usgs-eros-archive-landsat-archives-landsat-7-enhanced-thematic-mapper-plus-etm?qt-science_center_objects=0#qt-science_center_objects.
  13. https://yceo.yale.edu/how-fill-gaps-landsat-etm-images. (Available on January 2021).
  14. Lamchin, M., Lee, J. Y., Lee, W. K., Lee, E. J., kim, M., Lim, C. H., Choi, H. A.& Kim. S. R. (2016). Assessment of land cover change and desertification using remote sensing technology in a local region of Mongolia. Advances in Space Research, 57 (1), 64-77.
  15. Lamchin, M., Lee, W. K., Jeon, S. W., Lee, J. Y., Song, C., Piao, D., Lim, C. H., Khaulenbek, A., & Navaandorj. I. (2017). Correlation between Desertification and Environmental Variables Using Remote Sensing Techniques in Hogno Khaan, Mongolia. Sustainability, 9 (4), 581.
  16. Lamqadem, A. A., Saber, H,. & Pradhan. B. (2018). Quantitative Assessment of Desertification in an Arid Oasis Using Remote Sensing Data and Spectral Index Techniques. Remote Sensing, 10 (12), 01-18.
  17. J. (1977), Visible and near-infrared reflectance of beach sands: a study on the spectral reflectance/grain size relationship. Remote Sensing of Environment, 6 (3), 169–182.
  18. S. (2001). Narrowband to broadband conversions of land surface albedo I Algorithms. Remote Sensing of Environment, 76 (2), 213-238.
  19. Ma, Z., Xie, Y., Jiao, J., li, L., & Wang. X. (2011). The Construction and Application of an Aledo-NDVI Based Desertification Monitoring Model. Procedia Environmental Sciences, 10 (Part C), 2029-2035.
  20. Manjur Gebru, K., Lee, W, K., Khamzina, A., Wang, S. W., Cha, S., Song, c., & Lamchin. M. (2021). Spatiotemporal multi‑index analysis of desertification in dry Afromontane forests of northern Ethiopia. Environment, Development and Sustainability, 3 (21), 23-50.
  21. Mazaheri, H., Nowrouzi, A. A., & Fatahi. M. M. (2008). Evaluating the accuracy of the vegetation indices method in preparing the land use map. Fourth National Conference on Watershed Management Science and Engineering of Watershed Management, Karaj, Iran. 1-8. (in Farsi)
  22. Mirzabaev, A., J. Wu, J. Evans, F. García-Oliva, I.A.G. Hussein, M.H. Iqbal, J. Kimutai, T. Knowles, F. Meza, D. Nedjraoui, F. Tena, M. Türkeş, R.J. Vázquez, M. Weltz, (2019): Desertification. In: Climate Change and Land: an IPCC special report on climate change, desertification, land degradation, sustainable land management, food security, and greenhouse gas fluxes in terrestrial ecosystems [P.R. Shukla, J. Skea, E. Calvo Buendia, V. Masson-Delmotte, H.-O. Pörtner, D.C. Roberts, P. Zhai, R. Slade, S. Connors, R. van Diemen, M. Ferrat, E. Haughey, S. Luz, S. Neogi, M. Pathak, J. Petzold, J. Portugal Pereira, P. Vyas, E. Huntley, K. Kissick, M. Belkacemi, J. Malley, (eds.)].
  23. Pan, J., & Li. T. (2013). Extracting desertification from Landsat TM imagery based on spectral mixture analysis and Albedo-Vegetation feature space. Natural Hazards, 68 (2), 915-927.
  24. Payandeh, Kh., Khashei, M., & Sabz Alipour. S. (2018). Investigating the causes of microtubules in Khuzestan province and its factors. The First International Conference and the Third National Coference on Sustainable Management of Soil and The Enviroment Resourses, Kerman, Iran.
  25. Salisbury, J. W., & D'Aria. D. M. (1992). Infrared (8–14 um) remote sensing of soil particle size. Remote Sensing of Environment, 42 (2), 157–165.
  26. United State Geological Survey, https://earthexplorer.usgs.gov/. (Available on January 2020).
  27. (1994). Convention to Combat Desertification. United Nations, Bonn, Germany.
  28. (2008). Statement by Mr. Luc Gnacadja Executive Secretary United Nations Convention to Combat Desertification (UNCCD) On the occasion of the Opening of the International Conference on Combating Desertification, Beijing, China.
  29. Verstraete, M. M., & pinty. B. (1996). Designing Optimal Spectral Indexes for Remote Sensing Applications, Transactions on Geoscience and Remote Sensing, 34 (5), 1254-1265.
  30. Wei, H., Wang, J., Cheng, K., Li, G., Ochir, A., Davaasuren, D., & Chonokhuu. S. (2018). Desertification Information Extraction Based on Feature Space Combinations on the Mongolian Plateau. Remote Sensing, 10 (10), 1614.
  31. Wei, H., Wang, J., & Han. B. (2020). Desertification Information Extraction Along the China–Mongolia Railway Supported by Multisource Feature Space and Geographical Zoning Modeling. Feature Space and Geographical Zoning Modeling. Selected Topic in Applied Earth Observation and Remote Sensing, 13, 392- 402.
  32. Wen, Y., Guo, B,. Zang, W., Ge, D., Luo, W., & Zhao. H. (2020). Desertification detection model in Naiman Banner based on the albedo-modified soil adjusted vegetation index feature space using the Landsat 8 OLI images. Geomatics. Natural Hazards and Risk, 11 (1), 544-558.
  33. Williams, A. T., Wiltshire, R. J., & Thomas. M. C. (1998). Sand grain analysis: image processing, textural algorithms and neural nets. Computers and Geosciences, 24 (2), 111–118.
  34. Wu, Z., Lei, S., Bian, Z., Huang, J., & zhang. Y. (2019). Study of the desertification index based on the albedo-MSAVI feature space for semi-arid steppe region. Environmental Earth Sciences, 78 (6), 232.
  35. Xiao, J., Shen, Y., Tateishi, R., & Bayaer. W. (2005). Detection of land desertification and topsoil grain size using remote sensing. Geoscience and Remote Sensing Symposium, Seoul, Korea (South). 198-201.
  36. Xiao, J., Shen, Y., Tateishi, R., & Bayaer. W. (2006). Development of topsoil grain size index for monitoring desertification in arid land using remote sensing. International Journal of Remote Sensing, 27 (12), 2411-2422.
  37. Zehtabian, G. R., Khosravi, H., & Masoudi, R. (2016). Models of Desertification Assessment (Criteria and indices). Tehran: Tehran University. (in Farsi)
مدیریت بیابان
دوره 9، شماره 3 - شماره پیاپی 19
6 مقاله
پاییز 1400
صفحه 49-66

  • تاریخ دریافت 29 تیر 1400
  • تاریخ بازنگری 08 آبان 1400
  • تاریخ پذیرش 09 آذر 1400