بررسی تغییرات کاربری اراضی و تأثیر آن بر فرسایش با استفاده از RS و GIS (مطالعۀ موردی: شهرستان نیر)

محورهای موضوعی : توسعه سیستم های مکانی

صیاد اصغری سراسکانرود ¹ , لیلا آقایاری ² , الناز پیروزی ³

1 - هیئت علمی دانشگاه محقق اردبیلی
2 - دانشجوی دکتری ژئومورفولوژی، دانشگاه محقق اردبیلی
3 - دانشجوی دکتری ژئومورفولوژی، دانشگاه محقق اردبیلی

تاریخ دریافت : 1396/08/14 تاریخ پذیرش : 1396/10/29 تاریخ انتشار : 1396/12/01

کلید واژه: ترکیب خطی وزن (WLC), فرسایش, کرتیک, کاربری اراضی, طبقه‌بندی نظارت شده,

چکیده مقاله :

بر اثر فعالیت های انسانی و پدیده های طبیعی، چهره زمین همواره دستخوش تغییر است. ازاین‌رو برای مدیریت بهینه مناطق طبیعی آگاهی از نسبت کاربری اراضی از ضروریات محسوب می شود. فرسایش خاک نیز از جمله بلایای محیطی است که هر ساله موجب هدر رفتن هزاران تن خاک زراعی می شود و تغییرات کاربری اراضی یکی از عامل های مهم در فرسایش است. بنابراین، تحقیق حاضر به منظور بررسی روند تغییرات کاربری اراضی شهرستان نیر، واقع در استان اردبیل و تأثیر آن بر فرسایش با استفاده از GIS و RS انجام شده است. برای انجام تحقیق از تصاویر سال 2000 و 2016، سنجنده OLI و TIRS، ماهواره لندست 8 استفاده شد و نقشه کاربری اراضی با استفاده از روش طبقه بندی نظارت شده تهیه گردید. نقشه پهنه بندی فرسایش با استفاده از نقشه های کاربری اراضی و عوامل شامل شیب، لیتولوژی، فاصله از جاده، فاصله از آبراهه، بارش و خاک با استفاده از روش وزن دهی کرتیک و روش ترکیب خطی وزن (WLC) انجام شد. نتایج نشان داد بیشترین میزان مساحت در سال 2000 مربوط به کاربری زراعت دیم با 442/38 کیلومترمربع و سپس مراتع نیمه متراکم با مساحت 347/39 کیلومتر مربع است و در سال 2016، بیشترین میزان مساحت مربوط به کاربری مراتع متراکم و سپس کاربری مراتع نیمه متراکم به ترتیب با 76/478 و 50/458 کیلومتر مربع است. با توجه به نقشة پهنه‌بندی فرسایش سال 2000 به ترتیب 17/25 و 25/55 درصد و با توجه پهنه بندی فرسایش 2016 به ترتیب 12/44 و 26/51 درصد از مساحت شهرستان در دو طبقة بسیار پرخطر و پرخطر قرار دارند. به طور عمده مناطق با طبقه بسیار پرخطر و پرخطر در هر دو دورۀ زمانی در کاربری های زراعت دیم و زراعت آبی- باغات قرار دارند.

چکیده انگلیسی:

Due to human activities and natural phenomena, the face of the earth is always undergoing change. Therefore, for the optimal management of the natural areas, awareness of the land use ratio is a necessity. Soil erosion is one of the environmental disasters that annihilates thousands of soil, crops each year, and land use change is one of the important factors in erosion. Therefore, the present study was conducted to investigate the land use change trend in Nair, Ardabil province, and its effect on erosion using GIS and RS in order to carry out the research, images from 2000 and 2016, OLI and TIRS sensors, Landsat 8 were used and land use map was prepared using a controlled classification method. The erosion zonation map was performed using landuse maps and factors such as slope, lithology, distance from the road, distance from the waterway, precipitation and soil using Critical Weighing and Weighted Linear Combination (WLC). The results showed that the highest amount of area in 2000 was related to dry land farming with 442.38 km2 and semi-condensing pastures with an area of 347.39 km2. In 2016, the highest area of use of rangelands density, and then the use of semi-metamorphic rangelands are 478.76 and 458.5 km2, respectively. According to the erosion zoning plan of 2000, 17.25% and 25.55%, respectively, according to the 2016 erosion zonation, 12.44% and 26.51% of the city area are located in two high risk and high risk categories. Mostly, high risk and high-risk areas are located in both dry land and aquaculture fields at both time periods.

منابع و مأخذ:

1. اسفندیاری، م.، ا. معینی و ر. مقدسی. 1393. بررسی تأثیر کاربری اراضی و پوشش گیاهی بر اشکال فرسایش و میزان تولید رسوب (مطالعه موردی حوزه آبخیز رود ورس استان قزوین). فصلنامه جغرافیایی سرزمین، 11(2): 51-62.

2. آذرخشی، م.، ا. مساعدی، م. بشیری و ر. اوجاقلو شهابی. 1396. اثر تغییرات بارش و کاربری اراضی بر تولید رسوب (مطالعه موردی: حوزه آبخیز صنوبر- تربت حیدریه). آبخیزداری ایران، 11(37): 25-33.

3. آرخی، ص. 1394. آشکارسازی تغییرات پوشش/کاربری اراضی با پردازش شیءگرای تصاویر ماهواره­ای با استفاده از نرم­افزار Idrisi selvi (مطالعه موردی: منطقه آبدانان). اطلاعات جغرافیایی (سپهر)، 24(95): 51-62.

4. خالدیان، ح. و د. نیک­کامی. 1396. نقش بهینه‌سازی کاربری اراضی بر کاهش پتانسیل فرسایش و رسوب با استفاده از مدل برنامه‌ریزی خطی (مطالعه موردی: حوضه چهل‌گزی سنندج). علوم آب و خاک، 21(1): 95-111.

5. عظیمی نجار کلایی، ا.، ع. ا. جمالی و ز. حسینی. 1396. مقایسۀ دقت طبقه‌بندی سری زمانی تصاویر لندست در پایش تغییرات کاربری اراضی. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 8(2): 33-47.

6. فیضی­زاده، ب. 1396. مدلسازی تغییرات کاربری اراضی و اثرات آن بر سیستم فرسایش در حوضه‌ی سد علویان با استفاده از تکنیک‌های سنجش از دور و GIS. هیدروژئومورفولوژی، 3(11): 21-38.

7. کرم، ا.، ا. صفریان و ش. حجه­فروش­نیا. 1389. برآورد و پهنه­بندی فرسایش خاک در حوضه ماملو (شرق تهران) با استفاده از روش­های معادله اصلاح شده جهانی فرسایش خاک و فرآیند تحلیل سلسله مراتبی. پژوهش­های دانش زمین، 1(2): 73-86.

8. مالچفسکی، ی. 1385. سامانه اطلاعات جغرافیایی و تحلیل تصمیم چند معیاری. ترجمه ا. پرهیزگار و ع. غفاری گیلانده. چاپ اول، انتشارات سمت. 597 صفحه.

9. مرادی، ع.، م. جعفری، ح. ارزانی و م. ابراهیمی. 1395. ارزیابی تغییر کاربری اراضی مرتعی به دیم­زار با استفاده از تصاویر ماهواره­ای و سیستم اطلاعات جغرافیایی. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 7(1): 89-100.

10. موسوی، س. ح.، ا. رنجبر و م. حاصلی. 1395. پایش و روندیابی تغییرات کاربری اراضی حوضه ابرکوه با استفاده از تصاویر ماهواره­ای (2014-1976). اطلاعات جغرافیایی (سپهر)، 25(97): 129-146.

11. نظری سامانی، ع. ا.، م. قربانی و ح. ر. کوهبنانی. 1389. ارزیابی روند تغییرات کاربری اراضی حوزه آبخیز طالقان در دوره 1366 تا 1380. مرتع، 4(3): 442-451.

12. یوسفی، ص.، م. تازه، س. میرزایی، ح. ر. مرادی و ش. توانگر. 1393. مقایسة الگوریتم­های مختلف طبقه‌بندی تصاویر ماهواره­ای در تهیة نقشة کاربری اراضی (مطالعة موردی: شهرستان نور). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 5(3): 67-76.

13. Bouaziz M, Leidig M, Gloaguen R. 2011. Optimal parameter selection for qualitative regional erosion risk monitoring: A remote sensing study of SE Ethiopia. Geoscience Frontiers, 2(2): 237-245.

14. Coppin P, Lambin E, Jonckheere I, Muys B. 2002. Digital change detection methods in natural ecosystem monitoring: A review. In:  Analysis of multi-temporal remote sensing images. World Scientific, pp 3-36.

15. Da Silva VDP, Silva MT, Souza EPD. 2016. Influence of Land Use Change on Sediment Yield: A Case Sstudy of The Sub-Middle of The Sao Francisco River Basin. Engenharia Agrícola, 36(6): 1005-1015.

16. Haack BN, Rafter A. 2006. Urban growth analysis and modeling in the Kathmandu Valley, Nepal. Habitat International, 30(4): 1056-1065.

17. Jabbar MT, Zhou X. 2011. Eco-environmental change detection by using remote sensing and GIS techniques: a case study Basrah province, south part of Iraq. Environmental Earth Sciences, 64(5): 1397-1407.

18. Martínez-Murillo JF, López-Vicente M, Poesen J, Ruiz-Sinoga JD. 2011. Modelling the effects of land use changes on runoff and soil erosion in two Mediterranean catchments with active gullies (South of Spain). Landform Analysis, 17: 99-104.

19. Mendoza ME, Granados EL, Geneletti D, Pérez-Salicrup DR, Salinas V. 2011. Analysing land cover and land use change processes at watershed level: a multitemporal study in the Lake Cuitzeo Watershed, Mexico (1975–2003). Applied Geography, 31(1): 237-250.

20. Nalina P, Meenambal T, Sridhar RS. 2014. Land use land cover dynamics of Nilgiris district, India inferred from satellite imageries. American Journal of Applied Sciences, 11(3): 455-461.

21. Santos JCNd, Andrade EMd, Medeiros PHA, Guerreiro MJS, Palácio HAdQ. 2017. Land use impact on soil erosion at different scales in the Brazilian semi-arid. Revista Ciência Agronômica, 48(2): 251-260.

22. Shataee S, Abdi O. 2007. Land Cover Mapping in Mountainous Lands of Zagros Using ETM⁺ Data (Case Study: Sorkhab Watershed, Lorestan Province). Journal of Agricultural Sciences and Natural Resources, 14(1): 129-139.

23. Singh A. 1989. Review article digital change detection techniques using remotely-sensed data. International Journal of Remote Sensing, 10(6): 989-1003.

24. Sui DZ. 1992. A fuzzy GIS modeling approach for urban land evaluation. Computers, Environment and Urban Systems, 16(2): 101-115.

25. Wessels KJ, Prince S, Frost P, Van Zyl D. 2004. Assessing the effects of human-induced land degradation in the former homelands of northern South Africa with a 1 km AVHRR NDVI time-series. Remote Sensing of Environment, 91(1): 47-67.

26. Xiaolu S, Bo C. 2011. Change detection using change vector analysis from Landsat TM images in Wuhan. Procedia Environmental Sciences, 11: 238-244.