ارزیابی روند تغییرات و پیش‌بینی وضعیت اکوسیستم با استفاده از داده‌های لندست (مطالعۀ موردی: مرغزار شهرکرد)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانش‌آموخته کارشناس ارشد آبخیزداری، دانشکدة منابع طبیعی و علوم زمین، دانشگاه شهرکرد

2 دانشیار گروه مرتع و آبخیزداری، دانشکدة منابع طبیعی و علوم زمین، دانشگاه شهرکرد

چکیده

مرغزارها به عنوان اکوسیستم­های طبیعی، نقش زیادی در پایداری طبیعت دارند ولی متأسفانه در سال­های اخیر دچار تغییرات شدیدی شده­اند. مرغزار شهرکرد علاوه بر تأمین علوفه، به دلیل مجاورت با شهر، از دیدگاه تفرجگاهی و تعدیل آب و هوا نیز بسیار ارزشمند است، که در سال­های اخیر دستخوش تغییرات زیادی شده که هدف این تحقیق ارزیابی روند تغییرات و پیش­بینی وضعیت آیندۀ آن با استفاده از سنجش از دور می­باشد. بدین منظور، با بررسی تصاویر ماهواره­ای لندست TM5، ETM+7 و 8 OIL/TIRS در طی سال­های 1366، 1373، 1380، 1387و 1395 و پس از انجام تصحیحات هندسی و رادیومتریکی مورد نیاز، اقدام به تهیۀ نقشۀ کاربری اراضی طی سال­های مذکور با استفاده از روش طبقه­بندی نظارت شده حداکثر احتمال در نرم افزار TerrSet شد. سپس، از طریق انطباق تصاویر، روند تغییرات بررسی و از طریق CA-Markov نسبت به پیش بینی وضعیت آینده اقدام شد. نتایج نشان از تغییرات زیاد در محدودۀ مورد مطالعه دارد به­طوری­که در سال 1366 تمام مساحت 1150 هکتاری منطقۀ مورد مطالعه را مرغ پوشانده ولی تغییرات کاربری اراضی باعث کاهش شدید این اکوسیستم طبیعی گردیده، به گونه­ای که در سال 1395 حدود 48 درصد از مرغزار شهرکرد به اراضی دست ساخت (33/3 درصد)، کشاورزی (02/25 درصد) و فرودگاه (65/19 درصد) تغییر کاربری یافته است. با توجه به پیش­بینی نقشۀ سال 1405 میزان 08/5 درصد دیگر از اراضی مرغ تبدیل خواهد شد. از این­رو، توصیه می­شود که نسبت به حفظ کاربری مرغزار شهرکرد، به دلیل کارکردها و خدمات قابل توجه این اکوسیستم ارزشمند، اقدام گردد.

کلیدواژه‌ها


[1] Amir Khosravi Dehkordi Ami; Marbazi Najaf Abadi Rassoul; Samadi Boroujien Hossein; Ghasemi Dastjerdi Ahmad Reza (2018) Monitoring and prediction of groundwater droughts in Shahrekord plain using GRI and Markov chain model. Hydrogeology Journal of Tabriz University. 24th of January, 2018

[2] Ahmad, Mobin (2017) Satellite Image Based Study for Land Use Land Cover Changed due to Mining Activity during (1987 to 2011) at Dhanbad District of Jharkhand. International Journal for Scientific & Development, 4 (12):962-965.

[3] Al-Hamdan, M. Z., et al. (2017). "Evaluating land cover changes in Eastern and Southern Africa from 2000 to 2010 using validated Landsat and MODIS data." International Journal of Applied Earth Observation and Geoinformation. 62: 8-26.

[4] Bauni, V., et al. (2015). "Ecosystem loss assessment following hydroelectric dam flooding: The case of Yacyretá, Argentina." Remote Sensing Applications: Society and Environment 1: 50-60.

[5] Calderon-Aguilera, L. E., et al. (2012). "An assessment of natural and human disturbance effects on Mexican ecosystems: current trends and research gaps." Biodiversity and Conservation 21(3): 589-617.            

[6] Fan, C., et al. (2017). "Time series evaluation of landscape dynamics using annual Landsat imagery and spatial statistical modeling: Evidence from the Phoenix metropolitan region." International Journal of Applied Earth Observation and Geoinformation 58: 12-25.

[7] Guan, D., Li, H., Inohae, T., et al. (2011). Modeling urban land use change by the integration of cellular automaton and Markov model. Ecological Modelling, 222, 3761–3772.

[8] Hu, X. L., Xu, L., Zhang, S. S. )2013(. Land use pattern of Dalian City, Liaoning Province of Northeast China based on CA-Markov model and multi-objective optimization. Chinese Journal of Applied Ecology, 24(6), 1652–1660.

[9] Maxwell, S.K. Schmidt, G.L. Storey, J.C. (2007). A multi-scale segmentation approach to filling gaps in Landsat ETM+ SLC-off images. International Journal of Remote Sensing.28. (23): 5339-5356.

[10] Naboureh, A., et al. (2017). "An integrated object-based image analysis and CA-Markov model approach for modeling land use/land cover trends in the Sarab plain." Arabian Journal of Geosciences 10(12): 259.

[11] Pringle, M.J. Schmidt, M. Muir, J.S. (2009). Geostatistical interpolation of SLC-off Landsat ETM+ images. ISPRS Journal of Photogrammetry and Remote Sensing. 64 (Issue 6): 654-664.

[12] Roy, D.P. Kline, J. JuScaramuzza, K, P.L, Kovalskyy. Hansen, V. M. Loveland, T.R. Vermote, E. Zhang, C. (2010). Web-enabled Landsat Data (WELD): Landsat ETM+ composited mosaics of the conterminous United States. Remote Sensing of Environment. 114(1): 35-49.

[13] Sánchez-Reyes, U. J., et al. (2017). "Assessment of Land Use-Cover Changes and Successional Stages of Vegetation in the Natural Protected Area Altas Cumbres, Northeastern Mexico, Using Landsat Satellite Imagery." Remote Sensing 9(7).

[14] Schneibel, A., et al. (2017). "Assessment of spatio-temporal changes of smallholder cultivation patterns in the Angolan Miombo belt using segmentation of Landsat time series." Remote Sensing of Environment 195: 118-129.

[15] Zhang, C. Li, W. Travis, D. (2007). Gaps-fill of SLC-off Landsat ETM+ satellite image using ageostatistical approach. International Journal of Remote Sensing. 28(22): 5103-5122.