تحلیلی بر تغییرات کاربری/پوشش اراضی تالاب بین المللی شادگان در دوهۀ اخیر
الموضوعات :اسما رافعی 1 , افشین دانه کار 2 , مهدی زندبصیری 3 , مسعود باقرزاده کریمی 4
1 - کارشناس ارشد محیط زیست، دانشکده منابع طبیعی، گروه محیط زیست، دانشگاه تهران، کرج، ایران
2 - استاد گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران
3 - استادیار پژوهش، بخش تحقیقات منابع طبیعی، مرکز تحقیقات و آموزش کشاورزی ومنابع طبیعی استان چهارمحال و بختیاری، سازمان تحقیقات، آموزش و ترویج کشاورزی، شهرکرد، ایران
4 - رئیس حوزه آبریز دریاچه ارومیه، شرکت مدیریت منابع ایران، وزارت نیرو، تهران، ایران
الکلمات المفتاحية: تغییرات کاربری/پوشش اراضی, پایش تغییرات, تالاب شادگان, پناهگاه حیات وحش,
ملخص المقالة :
پیشینه و هدف تالاب ها به‌عنوان یکی از حساس‌ترین زیست‌بوم‌های کره زمین، همواره در گسترش گاه خود با تحولات متعددی روبرو هستند که تغییرات پوشش و کاربری از مؤثرترین‌های این تغییرات محسوب می‌شود. گستره زمین همواره تحت اثر فعالیت‌ها و کاربری‌های انسان قرارگرفته است. آن دسته از فعالیت‌های انسان که به مکان‌های مشخصی محدود می‌شود و موقعیت به بالنسبه ثابتی پیدا می‌کند، کاربری های انسانی را پدید می آورد..ازاین‌رو تجزیه‌وتحلیل در زمینه تغییر تالاب ها تبدیل به یک اولویت مدیریتی تبدیل شده است. تغییرات کاربری/ پوشش سرزمین نقشی اساسی در مطالعات تحولات محیطی در سطح محلی، منطقه ای و جهانی دارد. فعالیت و تغییرات انسانی در سطح زمین منجر به تغییراتی در ساختار و فرایندهای بوم‌شناختی سامانه‌های طبیعی زمین می‌شود. این تغییرات به‌طور عمده جنبه‌های اصلی عملکردهای سرزمین (ازجمله تعادل انرژی، آب، خاک، شبکه غذایی) را تحت تأثیر قرار می‌دهد. علاوه بر این، فشار بر منابع طبیعی، که ناشی از نیاز انسان به منابع محیطی و اغلب تحت اثر پیشران افزایش جمعیت است، به تغییر در زمین سیمای سطح زمین می انجامد. تغییرات سیمای سرزمین تحت اثر مداخلات انسانی به تحولات و روندهای مختلف سیمای کاربری/ پوشش زمین منجر می شود. بنابراین تحلیل های پوشش/کاربری در بازه های زمانی، برای درک و روندیابی تغییرات مکانی گذشته تا حال و برنامه‌ریزی برای آینده، اهمیت بسیار دارد. امروزه، داده های ماهواره ای چند طیفی و چند زمانی با وضوح بالا به‌عنوان ابزاری اساسی برای تخمین جنبه هایی ازجمله پوشش گیاهی، تخریب جنگل و گسترش شهری مورد استفاده قرار می گیرند.سنجش‌ازدور و GIS بستری برای مطالعه تغییر شکل چشم‌انداز در سراسر سطح زمین فراهم می کنند. داده های سنجش‌ازدور اطلاعات ارزشمندی را در یک زمان نسبتاً کوتاه و به‌صورت مقرون به صرفه ارائه می دهند. تصاویر ماهواره ای یا عکس های هوایی با وضوح بالا برای مطالعه تغییرات کاربری/پوشش اراضی در اکوسیستم ها و محدوده های متفاوت قابل بهره برداری هستند. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اینکه تالاب شادگان یکی از تالاب های بین‌المللی کشور است که در حال حاضر به سبب مداخلات انسانی، در فهرست مونترو قرار دارد، سنجش تحولات پیرامون تالاب، به ویژه درروند و نوع تغییرات پوشش/کاربری می‌تواند، در شناخت پیشران های اصلی تأثیر بر این تالاب با اهمیت کاربردی و کمک به خروج این تالاب از فهرست مونترو همراه باشد، این مطالعه با چنین هدفی و برای یک دوره 20 ساله به انجام رسیده است تا با انطباق با سایر اطلاعات موجود، مانند تغییرات جمعیت و تنوع پرندگان آبزی و کنار آبزی بتواند برای تنظیم لایحه خروج این تالاب از فهرست مونترو به کار آید. در این مطالعه از روشهای یکپارچه سنجش‌ازدور و GIS برای تشخیص تغییرات کاربری/ پوشش زمین در محدوده محاط و مؤثر بر تالاب شادگان استفاده شد.مواد و روش ها محدوده مورد مطالعه در ﺟﻨﻮب ﻏﺮﺑﯽ اﯾﺮان، در جلگه ﺧﻮزﺳﺘﺎن و محاط بر تالاب شادگان قرار دارد. این محدوده با توجه به عوارض انسان ساخت بلافصل تالاب شادگان، به ویژه نقش راه‌ها و آبراهه‌های پیرامونی بر روی آخرین تصاویر ماهواره ای گوگل ارث بسته شد و سپس به لایه های مورد استفاده منتقل شد. در این محدوده ﺗﺎﻻب بین‌المللی ﺷﺎدﮔﺎن حدفاصل طول شرقی 48 درجه و 19 دقیقه و 16 ثانیه تا 49 درجه و 3 دقیقه و 44 ثانیه و عرض شمالی 29 درجه و 55 دقیقه 44 ثانیه تا 38 درجه و 28 دقیقه و 42 ثانیه در فاصله حدود 60 کیلومتری جنوب شهر اهواز مرکز استان و 5 کیلومتری جنوب شهر شادگان واقع شده است. در این پژوهش از تصاویر دوره 20 ساله ماهواره لندست طی سال های 1999-2019 استفاده شده است. همچنین جهت طبقه بندی تصاویر از نرم‌افزار ENVI استفاده شد. پس از پیش‌پردازش و انجام تصحیحات مربوطه با استفاده از روش طبقهبندی نظارت شده و الگوریتم حداکثر احتمال پردازش و بارزسازی تصاویر صورت گرفت و همچنین صحت و ضریب کاپا هر لایه به منظور دقت بررسی برآورد شد. در ادامه تهیه نقشه پوشش و کاربری مشتمل بر طبقات مختلف پوشش های طبیعی سطح زمین و کاربری‌های انسانی بود که طبقات آن با توجه به نیاز مطالعه و باهدف شناسایی تغییرات مؤثر بر تالاب شادگان مورد و سنجش تغییرات پوشش و کاربری، باهدف شناسایی و آشکارسازی، مهم‌ترین تغییرات صورت گرفته پیرامون تالاب شادگان به انجام رسید، بنابراین در این فرایند، تغییرات عمده در طبقات موجود محور توجه قرار گرفت. جهت آشکارسازی تغییرات از روش پایش تغییرات (Change detection) در نرم‌افزار ENVI استفاده شد که قادر است اطلاعات کاملی از تغییرات انواع کاربری/پوشش اراضی به یکدیگر ارائه دهد. تغییرات کاربری اراضی در 5 دوره با بازه زمانی 20 (2019-1999) انتخاب شد.نتایج و بحث پنج دوره زمانی داده های ماهواره ای کاربری و پوشش تالاب شادگان در سالهای 1999، 2001، 2014، 2017 و 2019 تهیه و پس از پیش‌پردازش و انجام تصحیحات مربوطه با استفاده از روش طبقهبندی نظارت‌شده و الگوریتم حداکثر احتمال پردازش و بارزسازی تصاویر صورت گرفت. به‌منظور ارزیابی صحت نقشههای تولیدشده ضریب کاپا و ضریب صحت کلی استفاده شد و مطابق نتایج به‌دست‌آمده و داده‌های سال 2019 با بیشترین مقدار ضریب کاپا و بالاترین دقت صحت کلی برخورد دار بود. طبقات پوشش و کاربری اراضی، نقشه پوشش/کاربری محدوده موردمطالعه برای پنج دوره زمانی مورداشاره تهیه شد. یافته‌های این تحقیق نشان داد اراضی تالابی شادگان طی 20 سال ختم به سال 2019، از حدود 90 هزار هکتار در سال 2001 تا حدود 150 هزار هکتار در سال 1999 تغییر وسعت داشته است، درواقع طی دو سال وسعت تالاب حدود 40 درصد کاهش داشت. پس‌ازآن اراضی تالابی افزایش داشته که این افزایش تا به امروز نیز به‌تدریج ادامه داشته است، بااین‌وجود به‌رغم این افزایش هنوز وسعت تالاب در سال 1999، تأمین نشد و نسبت به این سال حدود 16 درصد کاهش مساحت نشان می‌دهد.نتیجه گیری با توجه به روند اراضی لخت بدون پوشش و اراضی شور می‌توان نتیجهگیری کرد که این دو نمودار روندی معکوس نسبت به یکدیگر دارند که در این نقطه و یا تلاقی دو پوشش موردنظر تبدیل پوشش به پوشش دیده می‌شود. به این منظور ابتدا باید پوشش موردنظر حاصل شود که با رواناب ایجاد می‌شود به صورتی که در یک دوره‌ای اراضی شروع به از دست دادن پوشش خودکرده و تبدیل به اراضی شور و حوضچه نمکی شدند. همچنین با توجه به افزایش اراضی لخت بدون پوشش در سال 2001 و با توجه به روند آب می‌توان نتیجهگیری کرد که این افزایش به دلیل کاهش آب سطحی بوده است. با توجه به روند اراضی شور در بازه مربوطه و همسو بودن با روند آب اگر حقابه تالاب تأمین شود شوره‌زارها به اراضی طبیعی تبدیل می‌شود. همچنین با افزایش نسبی آب در سالهای اخیر و کاهش اراضی لخت بدون پوشش و افزایش اراضی شور نشان‌دهنده این موضوع است که آبی که جایگزین اراضی لخت بدون پوشش شده ،آب‌شور است. دو گروه کاربری اراضی ساخته‌شده و فعالیت کشاورزی تغییرات شدیدی در محدوده زمانی موردبررسی ایجاد نکرده‌اند و با توجه به جدول 4 میانگین درصد تغییرات این دو کاربری به ترتیب برابر با %4.5 و بیش از %1 درصد بوده که انتظار می‌رود تأثیر چشمگیری بر روند تخریب و نابودی اراضی اطراف تالاب نداشته باشد و درنتیجه نمی‌تواند به‌عنوان یک عامل بحران‌زا تلقی شود.
Al-Doski J, Mansor SB, Shafri HZM. 2013. Monitoring Land Cover Changes in Halabja City, Iraq. International Journal of Sensor and Related Networks (IJSRN) Volume, 1: 20-30. http://ijsrn.info/article/IJSRNV21I103.pdf.
Ansari A, Golabi MH. 2019. Prediction of spatial land use changes based on LCM in a GIS environment for Desert Wetlands – A case study: Meighan Wetland, Iran. International Soil and Water Conservation Research, 7(1): 64-70. doi:https://doi.org/10.1016/j.iswcr.2018.10.001.
Chavez PS. 1988. An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment, 24(3): 459-479. doi:https://doi.org/10.1016/0034-4257(88)90019-3.
Congalton RG, Green K. 2019. Assessing the accuracy of remotely sensed data: principles and practices. CRC press. doi:https://doi.org/10.1201/9780429052729.
Hansen MC, Egorov A, Potapov PV, Stehman SV, Tyukavina A, Turubanova SA, Roy DP, Goetz SJ, Loveland TR, Ju J, Kommareddy A, Kovalskyy V, Forsyth C, Bents T. 2014. Monitoring conterminous United States (CONUS) land cover change with Web-Enabled Landsat Data (WELD). Remote Sensing of Environment, 140: 466-484. doi:https://doi.org/10.1016/j.rse.2013.08.014.
Hossain F, Moniruzzaman DM. 2021. Environmental change detection through remote sensing technique: A study of Rohingya refugee camp area (Ukhia and Teknaf sub-district), Cox's Bazar, Bangladesh. Environmental Challenges, 2: 100024. doi:https://doi.org/10.1016/j.envc.2021.100024.
Islam K, Jashimuddin M, Nath B, Nath TK. 2018. Land use classification and change detection by using multi-temporal remotely sensed imagery: The case of Chunati wildlife sanctuary, Bangladesh. The Egyptian Journal of Remote Sensing and Space Science, 21(1): 37-47. doi:https://doi.org/10.1016/j.ejrs.2016.12.005.
Jamaat A, Safaie A. 2021. Detection of land use-land cover changes in Anzali Wetland using a remote sensing-based approach. In: EGU General Assembly Conference Abstracts. pp EGU21-12119. doi:https://doi.org/12110.15194/egusphere-egu12121-12119.
Kemarau RA, Eboy OV. 2021. Land Cover Change Detection in Kuching, Malaysia Using Satellite Imagery. Borneo Journal of Sciences & Technology, 3(1): 61-65. doi:http://doi.org/10.3570/bjost.2021.3.1-09.
Kumar A, Jayappa K, Deepika B. 2010. Application of remote sensing and geographic information system in change detection of the Netravati and Gurpur river channels, Karnataka, India. Geocarto International, 25(5): 397-425. doi:https://doi.org/10.1080/10106049.2010.496004.
Lambin EF, Turner BL, Geist HJ, Agbola SB, Angelsen A, Bruce JW, Coomes OT, Dirzo R, Fischer G, Folke C, George PS, Homewood K, Imbernon J, Leemans R, Li X, Moran EF, Mortimore M, Ramakrishnan PS, Richards JF, Skånes H, Steffen W, Stone GD, Svedin U, Veldkamp TA, Vogel C, Xu J. 2001. The causes of land-use and land-cover change: moving beyond the myths. Global Environmental Change, 11(4): 261-269. doi:https://doi.org/10.1016/S0959-3780(01)00007-3.
Lillesand T, Kiefer RW, Chipman J. 2015. Remote sensing and image interpretation. John Wiley & Sons. 736 p.
Mas J-F. 1999. Monitoring land-cover changes: a comparison of change detection techniques. International Journal of Remote Sensing, 20(1): 139-152. doi:https://doi.org/10.1080/014311699213659.
Matlhodi B, Kenabatho PK, Parida BP, Maphanyane JG. 2019. Evaluating land use and land cover change in the Gaborone dam catchment, Botswana, from 1984–2015 using GIS and remote sensing. Sustainability, 11(19): 5174. doi:https://doi.org/10.3390/su11195174.
Nasser Mohamed Eid A, Olatubara CO, Ewemoje TA, Farouk H, El-Hennawy MT. 2020. Coastal wetland vegetation features and digital Change Detection Mapping based on remotely sensed imagery: El-Burullus Lake, Egypt. International Soil and Water Conservation Research, 8(1): 66-79. doi:https://doi.org/10.1016/j.iswcr.2020.01.004.
Odindi J, Mhangara P, Kakembo V. 2012. Remote sensing land-cover change in Port Elizabeth during South Africa's democratic transition. South African Journal of Science, 108(5): 1-7. doi:https://hdl.handle.net/10520/EJC120714.
Pourkhabbaz HR, Yusefi KS, Salehipour F. 2015. Study of land use changes trend in Shadegan wetland using remote sensing and GIS and offering management solutions. Journal of Wetland Ecobiology, 7(3): 55-66. https://www.sid.ir/en/Journal/ViewPaper.aspx?ID=529809. (In Persian).
Prakasam C. 2010. Land use and land cover change detection through remote sensing approach: A case study of Kodaikanal taluk, Tamil nadu. International Journal of Geomatics and Geosciences, 1(2): 150-158.
Rafei A, Danehkar A. 2021. An Analysis of Montreux List Wetlands. Zist Sepehr Student Magazine, 14(1): 26-36. (In Persian).
Rafei A, Danehkar A. 2021. The natural landscape and environmental features of Shadegan wetland. Iran Nature, 6(4): 135-146. doi:http://doi.org/10.22092/IRN.2021.353048.1322. (In Persian).
Rafei A, Danehkar A, Zandebasiri M, Bagherzadeh Karimi M. 2020. Application of Linear Planning in Measuring the Feasibility of Shadegan Wetland Indicative According to Ramsar Convention Criteria. Journal of Environmental Studies, 46(3): 421-436. (In Persian).
Rafei A, Danehkar A, Zandebasiri M, Bagherzadekarimi M. 2022. An analysis of the land use/land cover changes of Shadegan International Wetland in the last two decades. Journal of RS and GIS for Natural Resources, 13(2): 1-5. doi:http://dorl.net/dor/20.1001.1.26767082.1401.13.2.1.1. (In Persian).
Richards JA. 2022. Correcting and Registering Images. In: Richards JA (ed) Remote Sensing Digital Image Analysis. Springer International Publishing, Cham, pp 31-85. doi:https://doi.org/10.1007/1978-1003-1030-82327-82326_82322.
Shawul AA, Chakma S. 2019. Spatiotemporal detection of land use/land cover change in the large basin using integrated approaches of remote sensing and GIS in the Upper Awash basin, Ethiopia. Environmental Earth Sciences, 78(5): 1-13. doi:https://doi.org/10.1007/s12665-019-8154-y.
Sibanda S, Ahmed F. 2021. Modelling historic and future land use/land cover changes and their impact on wetland area in Shashe sub-catchment, Zimbabwe. Modeling Earth Systems and Environment, 7(1): 57-70. doi:https://doi.org/10.1007/s40808-020-00963-y.
Soffianian A, Madanian M. 2011. Comparison of maximum likelihood and minimum distance to mean classifiers in preparing land cover map (a case study: Isfahan area). Journal of Science and Technology of Agriculture and Natural Resources, 15(57 (B)): 253-264. (In Persian).
Vivekananda G, Swathi R, Sujith A. 2021. Multi-temporal image analysis for LULC classification and change detection. European Journal of Remote Sensing, 54(sup2): 189-199. doi:https://doi.org/10.1080/22797254.2020.1771215.
Wang Y, Mitchell BR, Nugranad-Marzilli J, Bonynge G, Zhou Y, Shriver G. 2009. Remote sensing of land-cover change and landscape context of the National Parks: A case study of the Northeast Temperate Network. Remote Sensing of Environment, 113(7): 1453-1461. doi:https://doi.org/10.1016/j.rse.2008.09.017.
Yuan T, Yiping X, Lei Z, Danqing L. 2015. Land use and cover change simulation and prediction in Hangzhou city based on CA-Markov model. International Proceedings of Chemical, Biological and Environmental Engineering, 90: 108-113. doi:https://doi.org/10.7763/IPCBEE.2015.V90.17.
_||_Al-Doski J, Mansor SB, Shafri HZM. 2013. Monitoring Land Cover Changes in Halabja City, Iraq. International Journal of Sensor and Related Networks (IJSRN) Volume, 1: 20-30. http://ijsrn.info/article/IJSRNV21I103.pdf.
Ansari A, Golabi MH. 2019. Prediction of spatial land use changes based on LCM in a GIS environment for Desert Wetlands – A case study: Meighan Wetland, Iran. International Soil and Water Conservation Research, 7(1): 64-70. doi:https://doi.org/10.1016/j.iswcr.2018.10.001.
Chavez PS. 1988. An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment, 24(3): 459-479. doi:https://doi.org/10.1016/0034-4257(88)90019-3.
Congalton RG, Green K. 2019. Assessing the accuracy of remotely sensed data: principles and practices. CRC press. doi:https://doi.org/10.1201/9780429052729.
Hansen MC, Egorov A, Potapov PV, Stehman SV, Tyukavina A, Turubanova SA, Roy DP, Goetz SJ, Loveland TR, Ju J, Kommareddy A, Kovalskyy V, Forsyth C, Bents T. 2014. Monitoring conterminous United States (CONUS) land cover change with Web-Enabled Landsat Data (WELD). Remote Sensing of Environment, 140: 466-484. doi:https://doi.org/10.1016/j.rse.2013.08.014.
Hossain F, Moniruzzaman DM. 2021. Environmental change detection through remote sensing technique: A study of Rohingya refugee camp area (Ukhia and Teknaf sub-district), Cox's Bazar, Bangladesh. Environmental Challenges, 2: 100024. doi:https://doi.org/10.1016/j.envc.2021.100024.
Islam K, Jashimuddin M, Nath B, Nath TK. 2018. Land use classification and change detection by using multi-temporal remotely sensed imagery: The case of Chunati wildlife sanctuary, Bangladesh. The Egyptian Journal of Remote Sensing and Space Science, 21(1): 37-47. doi:https://doi.org/10.1016/j.ejrs.2016.12.005.
Jamaat A, Safaie A. 2021. Detection of land use-land cover changes in Anzali Wetland using a remote sensing-based approach. In: EGU General Assembly Conference Abstracts. pp EGU21-12119. doi:https://doi.org/12110.15194/egusphere-egu12121-12119.
Kemarau RA, Eboy OV. 2021. Land Cover Change Detection in Kuching, Malaysia Using Satellite Imagery. Borneo Journal of Sciences & Technology, 3(1): 61-65. doi:http://doi.org/10.3570/bjost.2021.3.1-09.
Kumar A, Jayappa K, Deepika B. 2010. Application of remote sensing and geographic information system in change detection of the Netravati and Gurpur river channels, Karnataka, India. Geocarto International, 25(5): 397-425. doi:https://doi.org/10.1080/10106049.2010.496004.
Lambin EF, Turner BL, Geist HJ, Agbola SB, Angelsen A, Bruce JW, Coomes OT, Dirzo R, Fischer G, Folke C, George PS, Homewood K, Imbernon J, Leemans R, Li X, Moran EF, Mortimore M, Ramakrishnan PS, Richards JF, Skånes H, Steffen W, Stone GD, Svedin U, Veldkamp TA, Vogel C, Xu J. 2001. The causes of land-use and land-cover change: moving beyond the myths. Global Environmental Change, 11(4): 261-269. doi:https://doi.org/10.1016/S0959-3780(01)00007-3.
Lillesand T, Kiefer RW, Chipman J. 2015. Remote sensing and image interpretation. John Wiley & Sons. 736 p.
Mas J-F. 1999. Monitoring land-cover changes: a comparison of change detection techniques. International Journal of Remote Sensing, 20(1): 139-152. doi:https://doi.org/10.1080/014311699213659.
Matlhodi B, Kenabatho PK, Parida BP, Maphanyane JG. 2019. Evaluating land use and land cover change in the Gaborone dam catchment, Botswana, from 1984–2015 using GIS and remote sensing. Sustainability, 11(19): 5174. doi:https://doi.org/10.3390/su11195174.
Nasser Mohamed Eid A, Olatubara CO, Ewemoje TA, Farouk H, El-Hennawy MT. 2020. Coastal wetland vegetation features and digital Change Detection Mapping based on remotely sensed imagery: El-Burullus Lake, Egypt. International Soil and Water Conservation Research, 8(1): 66-79. doi:https://doi.org/10.1016/j.iswcr.2020.01.004.
Odindi J, Mhangara P, Kakembo V. 2012. Remote sensing land-cover change in Port Elizabeth during South Africa's democratic transition. South African Journal of Science, 108(5): 1-7. doi:https://hdl.handle.net/10520/EJC120714.
Pourkhabbaz HR, Yusefi KS, Salehipour F. 2015. Study of land use changes trend in Shadegan wetland using remote sensing and GIS and offering management solutions. Journal of Wetland Ecobiology, 7(3): 55-66. https://www.sid.ir/en/Journal/ViewPaper.aspx?ID=529809. (In Persian).
Prakasam C. 2010. Land use and land cover change detection through remote sensing approach: A case study of Kodaikanal taluk, Tamil nadu. International Journal of Geomatics and Geosciences, 1(2): 150-158.
Rafei A, Danehkar A. 2021. An Analysis of Montreux List Wetlands. Zist Sepehr Student Magazine, 14(1): 26-36. (In Persian).
Rafei A, Danehkar A. 2021. The natural landscape and environmental features of Shadegan wetland. Iran Nature, 6(4): 135-146. doi:http://doi.org/10.22092/IRN.2021.353048.1322. (In Persian).
Rafei A, Danehkar A, Zandebasiri M, Bagherzadeh Karimi M. 2020. Application of Linear Planning in Measuring the Feasibility of Shadegan Wetland Indicative According to Ramsar Convention Criteria. Journal of Environmental Studies, 46(3): 421-436. (In Persian).
Rafei A, Danehkar A, Zandebasiri M, Bagherzadekarimi M. 2022. An analysis of the land use/land cover changes of Shadegan International Wetland in the last two decades. Journal of RS and GIS for Natural Resources, 13(2): 1-5. doi:http://dorl.net/dor/20.1001.1.26767082.1401.13.2.1.1. (In Persian).
Richards JA. 2022. Correcting and Registering Images. In: Richards JA (ed) Remote Sensing Digital Image Analysis. Springer International Publishing, Cham, pp 31-85. doi:https://doi.org/10.1007/1978-1003-1030-82327-82326_82322.
Shawul AA, Chakma S. 2019. Spatiotemporal detection of land use/land cover change in the large basin using integrated approaches of remote sensing and GIS in the Upper Awash basin, Ethiopia. Environmental Earth Sciences, 78(5): 1-13. doi:https://doi.org/10.1007/s12665-019-8154-y.
Sibanda S, Ahmed F. 2021. Modelling historic and future land use/land cover changes and their impact on wetland area in Shashe sub-catchment, Zimbabwe. Modeling Earth Systems and Environment, 7(1): 57-70. doi:https://doi.org/10.1007/s40808-020-00963-y.
Soffianian A, Madanian M. 2011. Comparison of maximum likelihood and minimum distance to mean classifiers in preparing land cover map (a case study: Isfahan area). Journal of Science and Technology of Agriculture and Natural Resources, 15(57 (B)): 253-264. (In Persian).
Vivekananda G, Swathi R, Sujith A. 2021. Multi-temporal image analysis for LULC classification and change detection. European Journal of Remote Sensing, 54(sup2): 189-199. doi:https://doi.org/10.1080/22797254.2020.1771215.
Wang Y, Mitchell BR, Nugranad-Marzilli J, Bonynge G, Zhou Y, Shriver G. 2009. Remote sensing of land-cover change and landscape context of the National Parks: A case study of the Northeast Temperate Network. Remote Sensing of Environment, 113(7): 1453-1461. doi:https://doi.org/10.1016/j.rse.2008.09.017.
Yuan T, Yiping X, Lei Z, Danqing L. 2015. Land use and cover change simulation and prediction in Hangzhou city based on CA-Markov model. International Proceedings of Chemical, Biological and Environmental Engineering, 90: 108-113. doi:https://doi.org/10.7763/IPCBEE.2015.V90.17.
تحلیلی بر تغییرات پوشش/کاربری اراضی تالاب بین المللی شادگان در دوهه اخیر
چکیده
تالابها به‌عنوان یکی از حساس‌ترین زیست‌بوم‌های کره زمین، همواره در گسترش‌گاه خود با تحولات متعددی روبرو هستند که تغییرات پوشش و کاربری از مهم‌ترین تغییرات محسوب می‌شود. تغییرات سیمای سرزمین تحت اثر مداخلات انسانی به تحولات و روندهای مختلف سیمای کاربری/ پوشش زمین منجر می‌شود. داده‌های ماهواره‌ای با کاربرد سنجش‌ازدور به‌عنوان ابزاری اساسی برای تخمین جنبه‌هایی ازجمله پوشش گیاهی، تخریب جنگل و گسترش شهری مورداستفاده قرار می‌گیرند. تالاب شادگان به‌عنوان یکی از تالاب‌های بین‌المللی ایران در کنوانسیون رامسر از سال 1372 در فهرست مونترو قرارگرفته است و تحلیل تغییرات پوشش/کاربری اراضی آن می‌تواند در شناسایی راهکارهای خروج این تالاب از فهرست مونترو مؤثر باشد. در این تحقیق به‌منظور آشکارسازی تغییرت کاربری/پوشش تالاب شادگان از تصاویر ماهواره‌های لندست5 و 8 در دوره‌های 5 ساله در یک بازه 20 ساله طی سالهای 1999-2019 استفاده شد. پس از پیش‌پردازش و انجام تصحیحات مربوطه، با استفاده از روش طبقهبندی نظارت‌شده و الگوریتم حداکثر احتمال پردازش، بارزسازی تصاویر صورت گرفت. با توجه به نتایج حاصل از تغییرات طی20 سال اخیر، پهنه‌های آبی محدوده موردپژوهش که بخش اعظم آن متعلق به تالاب شادگان است، به‌طور نسبی با رشد همراه بوده و اراضی تالابی شادگان طی 20 سال، از حدود 90 هزار هکتار در سال 2001 تا حدود 150 هزار هکتار در سال 1999 تغییر وسعت داشته است. پس‌ازآن اراضی تالابی افزایش داشته که این افزایش تا به امروز نیز به‌تدریج ادامه داشته است، همچنین بررسی تغییرات پوشش اراضی در محدوده موردمطالعه نشان داد، طی 20 سال موردبررسی از سهم اراضی شور کاسته شده است. بااین‌وجود به‌رغم این افزایش هنوز وسعت تالاب به گستره سال 1999 نرسیده است و نسبت به این سال حدود 16 درصد کاهش مساحت نشان می‌دهد. بررسی صورت گرفته نشان داد، فشار قابلی توجهی از طریق تغییر کاربری اراضی طی 20 سال اخیر بر اراضی تالابی شادگان وارد نشده است.
واژه‌های کلیدی: تالاب شادگان، تغییرات اراضی، پوشش اراضی، کاربری اراضی، پناهگاه حیات‌وحش
مقدمه
تالاب‌های به‌عنوان یکی از شکننده‌ترین زیست‌بوم‌های کره زمین، خدمات متعددی برای انسان داشته‌اند که در سلامت و کیفیت زندگی بشر، تأمین نیازهای ضروری حیات و امرارمعاش وی مؤثر بوده است. این دسته از اکوسیستم‌های طبیعت همواره از سوی کشورها و مجامع بین‌المللی حامی طبیعت، حساس و نیازمند سازوکارهای مراقبتی معرفی‌شده‌اند. از سال 1971 میلادی با انعقاد کنوانسیون رامسر، تالاب‌هایی که عملکردهای فراملی داشته‌اند، در چارچوب معیارهایی به این کنوانسیون راه یافتند، بااین‌وجود چنانچه از معیارهای کنوانسیون خارج شوند به فهرستی به نام فهرست مونترو (Montreux Record) وارد می‌شوند. تغییرات پوشش و کاربری اراضی ازجمله پیشران‌هایی است که مسبب ورود یک تالاب به فهرست مونترو بوده است (1). پوشش طبیعی کره زمین در طول تاریخ تحول و تکامل اجتماعی و اقتصادی انسان طی 10 هزار سال گذشته، همواره در معرض تغییر و تبدیل قرار داشته است (2) که بررسی‌های تحلیلی تغییرات پوشش/کاربری سرزمین با استفاده از سامانه‌های سنجش‌ازدور و سیستم اطلاعات جغرافیایی، برای آشکارسازی این تغییرات کاربرد گسترده‌ای پیدا کرده‌اند. تغییرات کاربری/ پوشش سرزمین (LULC: Land Use/Land Cover) نقشی اساسی در مطالعات تحولات محیطی در سطح محلی، منطقه‌ای و جهانی دارد (3). به‌رغم آنکه از منظر کلی، پوشش زمین به تمام زمین سیماهای طبیعی و انسانی سطح زمین اطلاق می‌شود. بااین‌وجود برای تمایز سطوح مداخله انسانی، کاربری زمین به آن دسته از زمین سیماهای سطح سرزمین اطلاق می‌شود که با تبدیل اراضی1 یا تغییر سرزمین از سیمای طبیعی به شبه طبیعی (مانند سامانه‌های کشاورزی) یا مدیریت‌شده توسط انسان (اغلب سامانه‌های مدیریت منابع طبیعی) همراه است. بنابراین زمانی که از کاربری/پوشش سرزمین صحبت و تحلیل می‌شود، سهم و سطح اشغال مداخلات انسانی از سیماهای طبیعی را محور توجه قرار می‌دهد. به‌این‌ترتیب پوشش سرزمین به چگونگی پوشاندن سطح زمین توسط سیستم‌های طبیعی که انسان در شکل‌گیری آن نقش نداشته مانند کوهستان‌ها، جنگل‌ها، علفزارها، دریاچه‌ها و تالابها، پوشش‌های خاکی و برف و یخ اطلاق می‌شود و کاربری‌های دربرگیرنده اراضی ساخته‌شده که دارای سطوح غیرقابل نفوذ (به‌واسطه عملیات مهندسی و عمرانی) هستند، گردشگاه‌های طبیعت، زمین‌های کشاورزی، پیکره‌های آبی انسان‌ساخت و اراضی مدیریت‌شده هستند (4) و در عمل دربرگیرنده تمام زیرساخت‌های توسعه (شبکه دسترسی، نیرو، انرژی، آب و فاضلاب و نظایر آن) هستند. فعالیت و تغییرات انسانی در سطح زمین منجر به تغییراتی در ساختار و فرایندهای بوم‌شناختی سامانه‌های طبیعی زمین می‌شود. این تغییرات به‌طور عمده جنبه‌های اصلی عملکردهای سرزمین (ازجمله تعادل انرژی، آب، خاک، شبکه غذایی) را تحت تأثیر قرار می‌دهد. علاوه بر این، فشار بر منابع طبیعی، که ناشی از نیاز انسان به منابع محیطی و اغلب تحت اثر پیشران افزایش جمعیت است، به تغییر در زمین سیمای سطح زمین میانجامد (5).
تغییرات سیمای سرزمین تحت اثر مداخلات انسانی به تحولات و روندهای مختلف سیمای کاربری/ پوشش زمین منجر می‌شود (6). تخریب جنگل، گسترش زمین‌های کشاورزی و شهرها را اصلی‌ترین پیشران این تغییرات در سطح منطقه‌ای و جهانی می‌شناسند. این در حالی است که تحولات بزرگ‌مقیاس رویدادهای طبیعی (تحولات اقلیمی، دریایی، آب‌شناختی و گاهی کوهزایی) ویژگی‌های بیوفیزیکی و عملکرد اکوسیستمها و حتی کاربری‌های انسانی (مانند بی‌حاصل شدن زمین‌های کشاورزی،ویرانی شهرها و خالی شدن آبادی‌ها) را نیز در معرض تغییر قرار خواهد داد (7). بنابراین تحلیل‌های پوشش/کاربری در بازه‌های زمانی، برای درک و روند یابی تغییرات مکانی گذشته تا حال و برنامه‌ریزی برای آینده، اهمیت بسیار دارد.
امروزه، داده‌های ماهواره‌ای چند طیفی و چند زمانی با وضوح‌بالا به‌عنوان ابزاری اساسی برای تخمین جنبه‌هایی ازجمله پوشش گیاهی، تخریب جنگل و گسترش شهری مورداستفاده قرار می‌گیرند. سنجش‌ازدور و فناوری جی آی اس بستری برای مطالعه تغییر شکل چشم‌انداز در سراسر سطح زمین فراهم می‌کنند. داده‌های سنجش‌ازدور اطلاعات ارزشمندی را در یک‌زمان نسبتاً کوتاه و به‌صورت مقرون‌به‌صرفه ارائه می‌دهند. تصاویر ماهواره‌ای یا عکس‌های هوایی با وضوح‌بالا برای مطالعه تغییرات کاربری/ پوشش زمین در اکوسیستمها و محدوده‌های متفاوت قابل بهره‌برداری هستند(4). درنتیجه، داده‌های با وضوح متوسط، مانند اسکنر چند طیفی (MSS)، تی ام (TM) و مجموعه داده‌های او ال آی Landsat Operational Land Imager, OLI) ) در سراسر جهان برای تجزیه‌وتحلیل تشخیص تغییر کاربری/پوشش زمین استفاده می‌شود (7). وانگ و همکاران (8) از داده‌های لندست تی ام (Landsat TM) برای ارزیابی تغییرات در اراضی ساخته‌شده، اراضی لخت بدون پوشش، اراضی آبی و زمین‌های تحت پوشش گیاهی در چین استفاده کرد. اویدینی و همکاران (9) از داده‌های لندست تی ام (Landsat TM) برای نظارت بر تغییرات کاربری/پوشش زمین در بندر الیزابت، آفریقای جنوبی بین سالهای 1990 و 2000 استفاده کردند. آلدسکی و همکاران (10) ﺑﺎ اﺳﺘﻔﺎده از ﺗﺼﻮﻳﺮ ﻣﺎﻫﻮاره ﻟﻨﺪﺳﺖ و روش طبقه ﺑﻨﺪيﻧﻈﺎرتﺷﺪه ﺗﻐﻴﻴﺮات ﭘﻮﺷﺶ اراﺿﻲ ﺣﻠﺒﭽﻪ ﻋﺮاق را ﻃﻲ سالهای 1990-1986 بررسی و تبدیل بین بخش‌های مختلف را آشکار ﻧﻤﻮدﻧﺪ. پورخباز و همکاران (11) در پژوهشی به‌منظور بررسی تغییرات کاربری/ پوشش تالاب شادگان در یک بازه 24 ساله (1990-2013) از تصاویر لندست استفاده کردند. نتایج این تحقیق کاهش 5/8 % از مساحت تالاب را نشان داد. انصاری و گلابی (12) به‌منظور بررسی تغییرات تالاب میقان از مدل تغییر زمین در نرم‌افزار ادریسی استفاده کردند. به این منظور تصاویر لندست 2000، 2007 . 2015 مورداستفاده قرار گرفت. عید و همکاران (13) تغییرات کاربری و پوشش زمین تالابی بین‌المللی عضو کنوانسیون رامسر در مصر را با استفاده از تصاویر ماهواره‌ای لندست، شاخص آبی و پوشش گیاهی در بازه 1990 تا 2019 موردبررسی قراردادند. نتایج نشان داد که پوشش گیاهی با جمع شدن هم‌زمان در آب‌وخاک در طول دوره مطالعه به‌طور قابل‌توجهی افزایش‌یافته است. کامارو و ابوی (14) تغییرات پوشش زمین را در یک بازه 46 ساله با استفاده از تصاویر ماهواره‌ای لندست 2 تا 8 در محدوده موردنظر بررسی کردند. نتایج نشان داد که بخش اعظم پوشش گیاهی در این منطقه کاهش و توسعه اراضی ساخته‌شده پیشرفت چشمگیری داشته است. جمات و سفی(15) در ارتباط با بررسی تغییر پوشش تالاب انزلی از تصاویر ماهواره‌ای لندست طی سالهای 2013 تا 2020 استفاده کردند. نتایج حاصل از مدل استفاده‌شده نشان داد که قسمت‌های غربی و مرکزی تالاب بیشتر تحت تنش خشکی قرار دارند. علاوه بر این، تغییرات مکانی و زمانی در تراکم گیاهان آبزی مربوط به عوامل تنشزای خارجی، شناسایی شد. سیباندا و احمد (16) در مطالعه‌ای تغییرات کاربری/ پوشش تالاب مورد هدف را در وضعیت فعلی بررسی و در آینده با استفاده از مدل زنجیره‌ای مارکوف (Cellular Automata – Markov) پیش ببینی کردند. تصاویر لندست برای سالهای 1984، 1995، 2005 و 2015 برای روندیابی تا زمان حال استفاده شد. نتایج نشان داد تا سال 2045 پیش‌بینی می‌شود 46 درصد از سطح تالاب کاهش می‌یابد.
ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اینکه تالاب شادگان یکی از تالاب‌های بین‌المللی کشور است که در حال حاضر به سبب مداخلات انسانی، در فهرست مونترو قرار دارد (17)، درنتیجه سنجش تحولات پیرامون تالاب، به‌ویژه درروند و نوع تغییرات پوشش/کاربری می‌تواند، در شناخت پیشران‌های اصلی تأثیر بر این تالاب بااهمیت کاربردی و کمک به خروج این تالاب از فهرست مونترو مهم باشد، این پژوهش با چنین هدفی و برای یک دوره 20 ساله به انجام رسیده است تا با انطباق با سایر اطلاعات موجود، مانند تغییرات جمعیت و تنوع پرندگان آبزی و کنار آبزی بتواند برای تنظیم لایحه خروج این تالاب از فهرست مونترو به کار آید. این پژوهش تلاش داشته است با استفاده از سامانه‌های سنجش از دورو آشکارسازی تغییرات، فریاند تصمیم سازی برای خروج یکی از تالاب‌های حائز اهمیت از فهرست مونترو را تسهیل نماید که تاکنون چنین کاربردی در تحلیل‌های مشابه صورت نگرفته است. در این مطالعه از روشهای یکپارچه سنجش‌ازدور و جی‌آی‌اس برای تشخیص تغییرات کاربری/ پوشش زمین در محدوده محاط و مؤثر بر تالاب شادگان استفاده‌شده است
روش تحقیق
منطقه موردمطالعه
محدوده موردپژوهش در ﺟﻨﻮب ﻏﺮﺑﯽ اﯾﺮان، در جلگه ﺧﻮزﺳﺘﺎن و محاط بر تالاب شادگان قرار دارد. این محدوده با توجه به عوارض انسان‌ساخت بلافصل تالاب شادگان، به‌ویژه نقش راه‌ها و آبراهه‌های پیرامونی بر روی آخرین تصاویر ماهواره‌ای گوگل ارث بسته شد و سپس به لایه‌های مورداستفاده منتقل شد. شکل 2، این محدوده را نشان می‌دهد که بالغ‌بر 1680592 هکتار است. در این محدوده ﺗﺎﻻب بین‌المللی ﺷﺎدﮔﺎن حدفاصل طول شرقی 48 درجه و 19 دقیقه و 16 ثانيه تا 49 درجه و 3 دقیقه و 44 ثانيه و عرض شمالی 29 درجه و 55 دقیقه 44 ثانيه تا 38 درجه و 28 دقیقه و 42 ثانيه در فاصله حدود 60 کیلومتری جنوب شهر اهواز مرکز استان و 5 کیلومتری جنوب شهر شادگان واقع‌شده است. تالاب شادگان با توجه به مرزهای پناهگاه حیات‌وحش و سایت رامسر به‌طور مجزا در این محدوده نمایش داده‌شده است. پناهگاه حیات‌وحش شادگان به‌واسطه ﺑﺮﺧﻮرداري از زیستگاه‌های وﯾﮋه و ﺑﮑﺮ، در سال 1351 به فهرست مناطق تحت حفاظت ﺳﺎزﻣﺎن ﺣﻔﺎﻇﺖ محیط‌زیست وارد شد (18)، سايت رامسر در اين مجموعه دربرگیرنده‌ی تمام پناهگاه حیات‌وحش شادگان (ﻣﺴﺎﺣﺘﯽ معادل 328923 ﻫﮑﺘﺎر) به‌علاوه خورالاميه و خور موسی درمجموع به وسعت 400 هزار هكتار است.
شکل1. موقعیت محدوده موردپژوهش
Fig1. Location of the study area
داده‌های مورداستفاده
با توجه به جدول 1 در این پژوهش از تصاویر دورهی 20 ساله ماهواره لندست طی سالهای 1999-2019 استفاده‌شده است. همچنین جهت طبقهبندی تصاویر از نرم‌افزار ENVI 5.3استفاده‌شده است.
جدول1. مشخصات تصاویر ماهواره مورداستفاده
Table1. Specifications of satellite images used
ماهواره | نوع سنجنده | ردیف | گذر | تاریخ اخذ تصویر | اندازه پیکسل |
لندست 5 | TM | 38 39 | 165 | 09/03/1999 30/03/2001 | 30 |
لندست8 | OLI | 38 39
| 165 | 02/03/2014 26/03/2017 16/03/2019 | 30 |
پیش پرداز تصاویر
به‌منظور ایجاد ارتباط مستقیم‌تر بین داده‌ها و پدیده‌ها تکنیک‌های پیش‌پردازش داده‌ها، تصحیحات هندسی، رادیومتریک و اتمسفری لازم و ضروری است (19). تصاویر ماهواره‌ای اغلب به‌صورت خام به کاربران ارائه می‌شود و برای به‌کارگیری آن‌ها در مطالعات مختلف باید تصحیحات لازم (هندسی، اتمسفری و رادیومتریکی) بر روی آن‌ها صورت بگیرد. داده‌های حاصل از تصویربرداری ماهواره‌های سنجش‌ازدور پیش از مرحله استخراج اطلاعات، تصحیح می‌شوند. در ادامه تطابق هندسی با لایه جاده‌ها موردبررسی قرار گرفت و تطابق هندسی مناسبی را نشان دادند. همچنین برای رفع خطای رادیومتریک و اتمسفری از عملگرهای مرتبط در ان وی (ENVI)استفاده شد.
تصحیح اتمسفری
در این مرحله اقدام به تصحیحات اتمسفری بر روی تصاویر شد و با توجه به اینکه تصحیحات اتمسفری متناسب بازمان و موقعیت جغرافیایی اعمال می‌شود، تکنیک استفاده‌شده برای تصحیح اتمسفری روش کاهش عددی، ارزش پیکسل‌های تیره (روش چاوز) است. طرز کار این روش به این‌گونه است که کمترین مقدار ارزش عددی یک پیکسل برای ناحیه‌های آبی در هر نوار می‌بایست صفر باشد در غیر این صورت این ارزش ایجادشده بر اساس خطای اتمسفری است (20).
تصحیح رادیومتریک
کاهش تیرگی پدیده یک روش ساده است که به‌طور گسترده در بسیاری از موارد به کار گرفته می‌شود. با توجه به رابطه 1 برای انجام تصحیح رادیومتریک در اولین گام ارزش‌های رقومی به تابش طیفی تبدیل می‌شود که این عمل با استفاده از ضریب کالیبراسیون سنجنده و با استفاده از رابطه زیر صورت می‌گردد (20):
L= Gain × DN + Offset [1]
که در آن L تابش طیفی (Wem-2 Ster-1 μm-1) ارزش رقومی پیکسل (0 تا 255) و Gain offset ضرایب کالیبراسیون سنجنده است. در مرحله بعد مطابق با رابطه 2 مقدار تابش طیفی به بازتاب طیفی تبدیل می‌شود (21).
P= 
[2]
P: بازتاب طیفی بدون واحد بین صفر تا یک،π: 14/3،L: تابش طیفی در دریچه سنجنده، d2 : مجذور فاصله زمین و خورشید بر اساس واحدهای ستاره‌شناسی، ESUNارتفاع خورشید، :SZزاویه خورشید در هنگام تابش در زمان تصویربرداری.
پردازش و بارزسازی تصویر
به‌منظور استخراج هر چه کامل‌تر اطلاعات از تصاوير ماهواره‌ای از روشهای مناسب تبديل، بارزسازي تصوير نظیر ترکیب‌های رنگی مختلف، نسبت گیری طیفی، ادغام تصاویر چند طیفی، شاخص‌های پوشش گیاهی و تبدیل تسلدکپ می‌توان استفاده کرد. در این مرحله اقدام به تهیه ترکیب‌های رنگی مختلف کرده و ترکیب باند حقیقی (321) برای سنجنده‌های TM و ETM به‌عنوان بهترین ترکیب برای استفاده در مراحل بعدی انتخاب شد. پارامترهای زیادی بر نحوه کلاس‌بندی تصویر تأثیر می‌گذارند که می‌توان به داده‌های ورودی و ارائه پیکسل‌هایی به‌عنوان نمونه تعلیمی اشاره کرد. به این منظور برای طبقهبندی و یا کلاسه‌بندی تصاویر از نمونه‌های تعلیمی بر روی تصاویر با ترکیب باندی موردنظر انجام گرفت و برای مشخص شدن طبقات کاربری‌ها از روش حداکثر احتمال استفاده شد (21).
روش حداکثر احتمال
این روش عمومی‌ترین روش طبقهبندی تجربه‌شده در سنجش‌ازدور و نخستین الگوریتمی است که به‌طور گسترده مورداستفاده قرارمیگیرد و از روشهای طبقهبندی پیکسل پایه و آماری محسوب می‌شود. در این روش احتمال اینکه یک پیکسل بتواند به هر یک از کلاس‌های موجود تعلق یابد وجود دارد و سپس پیکسل به کلاسی که بیشترین احتمال را دارد اختصاص می‌یابد. این روش بر این فرضیه تکیه دارد که داده‌های هر باند مورداستفاده به‌عنوان ورودی الگوریتم دارای توزیع نرمال بوده و همچنین کافی است تعدادی از پیکسل‌ها انتخاب شوند تا بتواند تخمین درست از بردار میانگین و ماتریس واریانس- کوواریانس ارائه کند و درنهایت در نرم‌افزار ENVI انجام شود که مطابق رابطه 3 این فرآیند قابل انجام است ( 22 و23).
[3]
for r = 1,2,… , m.
صحت
ارزیابی نتایج طبقهبندی یکی از مراحل پس از طبقهبندی است. ارائه نتایج طبقهبندی بدون هیچ‌گونه پارامتری که کیفیت و صحت این نتایج را بیان کند از ارزش آن‌ها می‌کاهد. روش معمول و استاندارد برای تعیین دقت نقشههای طبقه‌بندی‌شده، استفاده از ماتریس خطا است. بر اساس ماتریس خطا دقت کلی و ضریب کاپا محاسبه می‌شود (24). ﻣﺎﺗﺮﻳﺲ ﺧﻄﺎ به‌صورت جدول‌بندی ﻣﺘﻘـﺎﻃﻌﻲ از کلاسه‌های ﻃﺒﻘﻪ داده ﺑﻨﺪي ﺷﺪه در ﺑﺮاﺑﺮ داده‌های ﻣﺮﺟﻊ ﺑﺮاي ارزﻳﺎﺑﻲ ﺻﺤﺖ طبقهبندی بکار گرفته شد (25). صحت کلی در بیان دقت نتایج به‌دست‌آمده از روشهای مختلف طبقهبندی، مورداستفاده قرار می‌گیرد. ازنظر تئوری، دقت کلی نمی‌تواند معیار خوبی برای ارزیابی نتایج حاصل از طبقهبندی باشد، زیرا در این شاخص نقش شانس قابل‌توجه است (26). با توجه به تجربیات مشابه (27) ضریب صحت کلی بزرگ‌تر از 70% ازنظر صحت خیلی خوب و کمتر از 40 %ضعیف در نظر گرفته شد. کمترین میزان صحت قابل‌قبول در طبقهبندی پوشش گیاهی و کاربری اراضی با استفاده از تصاویر ماهواره‌ای طبق نظر آندرسون، 85 % است (28). صحت کلی از جمع عناصر قطر اصلی ماتریس خطا تقسیم‌بر کل پیکسل‌ها محاسبه گردید و به‌عنوان یک معیار ارزش‌گذاری صحت طبقهبندی، از طریق تقسیم مجموعه پیکسل‌های صحیح طبقه‌بندی‌شده تمامی طبقات به مجموعه پیکسل‌های تصویر مطابق رابطه 4 به دست آمد (29) :
OA= 
[4]
در این رابطه =OAدقت کلی، N= تعداد پیکسل‌های آزمایشی، 
= جمع عناصر قطر اصلی ماتریس
ضریب کاپا
از ضریب کاپا معمولاً برای ارزیابی صحت طبقهبندی تصاویر ماهواره‌ای استفاده می‌شود. به دلیل ایرادات وارده بر دقت کلی، در کارهای اجرایی که مقایسه دقت طبقهبندی موردتوجه است، از شاخص کاپا استفاده می‌شود. زیرا شاخص کاپا پیکسل‌های نادرست طبقه‌بندی‌شده را مدنظر قرار می‌دهد (30). دقت در این وضعیت نسبت به حالتی تعیین می‌شود که یک تصویر کاملاً تصادفی طبقه‌بندی‌شده است. ضریب کاپا این مزیت را نسبت به‌دقت کلی دارد که از عناصر حاشیهای (غیر قطری) ماتریس خطا برای محاسبه دقت استفاده می‌کند (28). میزان ضریب کاپا بین 0 تا 1 متغیر است (بین 0 تا 100 درصد). ضریب کاپای معادل یک نشان‌دهنده یک طبقهبندی صحیح، ضریب کاپای معادل صفر نشانگر یک طبقهبندی کاملاً تصادفی و مقدار منفی نیز به معنی وجود خطا در طبقهبندی است (26). استناد به منابع ضریب کاپای بزرگ‌تر از 70 % ازنظر صحت خیلی خوب و کمتر از 40 %ضعیف تلقی می‌شود) 27). محاسبه ضریب کاپا مطابق رابطه 5 به انجام رسید(31 و 32):
[5] K= 
در این رابطه K= ضریب کاپا، N= تعداد کل پیکسل‌ها در تمام کلاس‌های حقیقی، 
= مجموع قطرهای ماتریس؛ خطا، 
= مجموع پیکسل‌های حقیقی در یک کلاس ضربدر مجموع پیکسل‌های طبقه‌بندی‌شده در آن کلاس جمع شده با تمام کلاس‌ها است.
تهیه نقشه پوشش و کاربری
تهیه نقشه پوشش و کاربری مشتمل بر طبقات مختلف پوشش‌های طبیعی سطح زمین و کاربری‌های انسانی بود که طبقات آن با توجه به نیاز مطالعه و باهدف شناسایی تغییرات مؤثر بر تالاب شادگان موردتوجه قرار گرفت و مشتمل بر طبقات زیر بود:
آب‌بندان‌ها: شامل حوضچه‌های تبخیری؛
اراضی تالابی: تمام زمین‌های اشباع از رطوبت، پیکره‌های آبی طبیعی، با پوشش علفی یا بدون پوشش گیاهی؛
اراضی لخت بدون پوشش: شامل سیلاب‌دشت‌های بدون پوشش گیاهی، صخره سنگ‌های ممتد و زمین‌های مسطح فاقد کاربری و غیر شور؛
اراضی شور: تمام اراضی حاشیه خلیج‌فارس که تحت اثر آبگیری دوره‌ای جزرومد و گاه تجمع رسوبات نمکی همراه است
مزارع کشاورزی: تمام زمین‌های زیر کشت یا آیش، باغ‌ها و اراضی آماده‌شده برای زراعت؛
اراضی ساخته‌شده: تمام اراضی ساخته‌شده شهری، روستایی، صنعتی، کارگاهی، زیرساخت‌ها، آبزی‌پروری و واحدهای تولیدی قابل‌تشخیص.
آشکارسازی تغییرات
سنجش تغییرات پوشش و کاربری، باهدف شناسایی و آشکارسازی، مهم‌ترین تغییرات صورت گرفته پیرامون تالاب شادگان به انجام رسید، بنابراین در این فرایند، تغییرات عمده در طبقات موجود محور توجه قرار گرفت. همچنین برای تحلیل این تغییرات ماتریس جدول 2، برای سنجش شکل تغییرات ملاک عمل قرار گرفت. به‌این‌ترتیب تغییر هریک از پوشش‌های طبیعی به پوشش طبیعی دیگر به‌عنوان تغییر پوشش توصیف شد که می‌تواند پیش‌رونده یا پس‌رونده باشد. تغییر یک پوشش طبیعی به کاربری انسانی به‌عنوان تبدیل ارضی و فرایندی پس‌رونده مورد ارزیابی قرار گرفتن تبدیل یک کاربری به پوشش طبیعی، تبدیل پوشش و یک فرایند، پیش‌رونده ارزیابی شد و تغییر یک کاربری به کاربری دیگر به‌عنوان تغییر کاربری ارزیابی شد که این حالت با توجه به نوع تغییرات می‌تواند پس‌رونده یا پیش‌رونده باشد.
جدول 2. ماتریس الگوی تغییرات پوشش/کاربری
Table 2. Pattern of change / coverage changes
سنجش تغییرات | پوشش طبیعی | کاربری اراضی |
پوشش طبیعی | تغییر پوشش | تبدیل اراضی |
کاربری اراضی | بازسازی پوشش | تغییر کاربری |
آشکارسازی و کشف تغییرات یکی از کاربردهای عمده سنجش‌ازدور است. با استفاده از ویژگی تکراری بودن داده‌های دورسنجی زمان‌های مختلف، امکان شناسایی و بررسی پدیده‌های متغیر و پویا در محیط وجود دارد. بر این اساس روشهای رقومی مختلفی جهت آشکارسازی و کشف تغییرات و تحولات پدیده‌های سطح زمین در سنجش‌ازدور توسعه داده‌شده است. در این پژوهش با تهیه سری زمانی نقشههای کاربری و پوشش اراضی منطقه شادگان به بررسی روند تغییرات پرداخته شد. جهت آشکارسازی تغییرات از روش Change Detection در نرم‌افزار ENVI استفاده شد که قادر است اطلاعات کاملی از تغییرات انواع کاربری/پوشش اراضی به یکدیگر ارائه دهد. تغییرات کاربری اراضی در 5 دوره با بازه زمانی 20 (2019-1999) انتخاب شد.
نتایج و بحث
مطابق روش بیان‌شده، پنج دوره زمانی داده‌های ماهواره‌ای کاربری و پوشش تالاب شادگان در سالهای 2017،2014،2001،1999 و2019 تهیه و پس از پیش‌پردازش و انجام تصحیحات مربوطه با استفاده از روش طبقهبندی نظارت‌شده و الگوریتم حداکثر احتمال پردازش و بارزسازی تصاویر صورت گرفت. به‌منظور ارزیابی صحت نقشههای تولیدشده ضریب کاپا و ضریب صحت کلی استفاده شد و مطابق نتایج به‌دست‌آمده که در جدول 3 مشاهده می‌شود، داده‌های سال 2019 با بیشترین مقدار ضریب کاپا و بالاترین دقت صحت کلی برخورد دار بود.
مطابق طبقات پوشش و کاربری اراضی، نقشه پوشش/کاربری محدوده موردمطالعه برای پنج دوره زمانی مورداشاره تهیه شد که شکل3، نقشه پوشش/کاربری این محدوده در سال 2019 را نشان می‌دهد. سنجش تغییرات پوشش یا کاربری میان‌دوره‌های زمانی موردبررسی نیز مطابق جدول 4 بر اساس روند تغییرات زمانی مشاهده می‌شود، روند درصد تغییرات هر طبقه نیز در جدول 4 درج‌شده است. جدول 5 نیز شکل تغییر پوشش/کاربری را طی دوره موردمطالعه نمایش می‌دهد.
جدول3. ضریب کاپا و صحت کلی نقشه تولیدشده
Table3. Kappa coefficient and overall accuracy of the generated map
سال | ضریب کاپا (درصد) | صحت کلی |
1999 | 72/90 | 83/0 |
2001 | 89/80 | 82/0 |
2014 | 17/83 | 84/0 |
2017 | 72/87 | 86/0 |
2019 | 38/94 | 86/0 |
شکل3. نقشه پوشش/کاربری محدوده موردمطالعه در سال 2019
Fig3. Land cover / Land use map of the study area in 2019
یافته‌های این تحقیق نشان داد اراضی تالابی شادگان طی 20 سال ختم به سال 2019، از حدود 90 هزار هکتار در سال 2001 تا حدود 150 هزار هکتار در سال 1999 تغییر وسعت داشته است، درواقع طی دو سال وسعت تالاب حدود 40 درصد کاهش داشت. پس‌ازآن اراضی تالابی افزایش داشته که این افزایش تا به امروز نیز به‌تدریج ادامه داشته است، بااین‌وجود به‌رغم این افزایش هنوز وسعت تالاب در سال 1999، تأمین نشده و مطابق جدول 5، نسبت به این سال حدود 16 درصد کاهش مساحت نشان می‌دهد. شکل 4، روند این تغییرات را نشان می‌دهد.
جدول4. سطح اشغال پوشش و کاربری محدوده موردمطالعه (هکتار)
Table4. Area of different parts of the study area (hectare)
سال
پوشش/کاربری | 1999 | سهم درصد محدوده | 2001 | سهم درصد محدوده | 2014 | سهم درصد محدوده | 2017 | سهم درصد محدوده | 2019 | سهم درصد محدوده |
اراضی تالابی | 149727 | 90/8 | 90610 | 39/5 | 121463 | 22/7 | 122052 | 26/7 | 126212 | 50/7 |
اراضی لخت بدون پوشش | 298947 | 78/17 | 440742 | 22/26 | 374270 | 27/22 | 320665 | 08/19 | 310382 | 46/18 |
اراضی شور | 469201 | 91/27 | 392211 | 33/23 | 374808 | 30/22 | 418670 | 91/24 | 428979 | 52/25 |
آب‌بندان | 4823 | 28/0 | 6094 | 36/0 | 20891 | 24/1 | 28887 | 71/1 | 25253 | 50/1 |
مزارع کشاورزی آبی | 647065 | 50/38 | 641372 | 16/38 | 683251 | 65/40 | 679971 | 46/40 | 680611 | 49/40 |
اراضی ساخته‌شده | 40/31277 | 86/1 | 19/31683 | 88/1 | 21/31683 | 88/1 | 37009 | 20/2 | 37010 | 20/2 |
شکل4. نمودار کلاسه‌ها
Fig4. Graphs of classes
اراضی لخت و بدون پوشش گیاهی نیز بین سال 1999 تا 2001، با افزایش 43 درصدی همراه بودم که نشان از آن دارد، بخشی از آن به سبب کاهش وسعت تالاب پدید آمده است، اما به‌تدریج با بهبود آبگیری تالاب در طول زمان از وسعت آن کاسته شده است، اما هنوز نسبت به سال مبدأ، حدود 4 درصد افزایش نشان می‌دهد و نیازمند اقداماتی برای احیاء تالاب است. شکل 4، روند تغییرات مساحت این دسته از اراضی را نمایش می‌دهد. بررسی تغییرات پوشش اراضی در محدوده موردمطالعه نشان داد، طی 20 سال موردبررسی به‌طور نسبی از سهم اراضی شور کاسته شده است، سهم این اراضی در سال 1999، مطابق جدول 4، بالغ‌بر 28 درصد محدوده موردمطالعه بود که در سال 2019 به حدود 25 درصد رسیده است، بنابراین مشاهده می‌شود مطابق جدول 4، این دسته اراضی طی زمان موردمطالعه حدود 2 درصد کاهش داشته است و روند تغییرات آن در شکل 3، مشاهده می‌شود. بااین‌وجود یک افزایش نسبی (حدود 12 درصد) نیز حدفاصل سالهای 2014 تا 2017، نسبت به افزایش این دسته از اراضی مشاهده می‌شود.
آب‌بندان‌های موجود در منطقه که به حوضچه‌های تبخیری واحدهای صنعتی موجود در منطقه وابسته هستند، به‌رغم سهم اندک از وسعت محدوده موردمطالعه (3/0 تا 5/1 درصد)، بااین‌وجود با تغییرات رو به رشد مشاهده می‌شود. گسترش این پیکره‌های آبی شور در مجاورت تالاب، به‌ویژه هم‌جوار بخش شیرین تالاب را می‌توان یک تهدید بالقوه برای تالاب در نظر گرفت و غفلت در پایش و مراقبت‌های محیط زیستی آن‌ها، می‌تواند سلامت محیط‌زیست تالاب شادگان را به‌طورجدی در معرض خطر قرار دهد. جدول 4 و 5 و شکل 4، روند تغییرات این کاربری انسانی را نشان می‌دهد. توسعه فعالیت‌های کشاورزی در محدوده موردمطالعه، در دوره زمانی 2001 تا 2014، با رشدی 5/6 درصدی همراه بوده که پس‌ازآن چندان از وسعت آن کم نشده است و مطابق جدول 4، در حال حاضر حدود 40 درصد محدوده موردمطالعه را به خود اختصاص می‌دهد و به نظر می‌رسد تحت اثر تنش‌های کم‌آبی و وقوع خشک‌سالی، فعلاً توسعه آن محدود مانده است. جدول 4 و 5 و شکل 4، روند تغییرات این کاربری انسانی را نشان می‌دهد. اراضی ساخته‌شده پیرامون تالاب شادگان حدود 2 درصد از محدوده موردمطالعه را به خود اختصاص داده است که در سالهای اخیر از رشد به بالنسبه بیشتری همراه بوده است و درمجموع در طول دو دهه موردمطالعه با رشد 5/4 درصدی همراه بوده است.
به‌منظور تحلیلی شکل تغییر پوشش و کاربری، جدول 6 تهیه شد. مطابق این جدول مشاهده می‌شود، طی 20 سال اخیر، بخشی از اراضی تالابی به اراضی شور، زمین‌های لخت بدون پوشش و زمین‌های کشاورزی تبدیل‌شده است. درواقع بخشی از آن در معرض تغییر پوشش و مقداری نیز در معرض تبدیل اراضی قرارگرفته است که در خصوص تبدیل اراضی آن نیازمند اقدام اداری و قانونی برای احیاء آن است. مطابق همین جدول، کاهش اراضی شور به سبب تغییر آن به اراضی تالابی، اراضی لخت بدون پوشش و تبدیل آن به آب‌بندان، زمین کشاورزی و اراضی ساخته بوده است. بخشی از اراضی بدون پوشش نیز در طول زمان به اراضی تالابی و اراضی شور تغییر کرده، که سهم اراضی شور دراین‌ارتباط بیشتر است. همچنین بخشی از آن به آب‌بندان، زمین‌های کشاورزی و اراضی ساخته‌شده، تبدیل‌شده است. تغییرات آب‌بندان‌ها یا حوضچه‌های تبخیری نیز در طول زمان محدود بوده اما بخشی از آن مطابق جدول 6، به پوشش‌های طبیعی و بخش دیگر آن به زمین‌های قابل‌کشت یا اراضی ساخته‌شده، تغییر کرده است. این بررسی نشان داد، مزارع کشاورزی محدوده موردمطالعه در طی 20 سال اخیر به اراضی تالابی، اراضی شور و زمین‌های بایر تبدیل‌شده و عملاً از این کاربری خالی‌شده است.بخش‌هایی از زمین‌های کشاورزی نیز به زیر آب‌بندان‌ها یا اراضی ساخته‌شده رفته است. بررسی شکل تغییرات اراضی ساخته‌شده، نشان داد، هیچ بخشی از آن به اراضی تالابی تبدیل نشده و در عمل مشاهده می‌شود حریم تالاب حفظ‌شده و هیچ مساحتی از آن به اراضی ساخته‌شده و یا توسعه شهری و روستایی تبدیل نشده است. یافته‌های این مطالعه همچنین نشان داد، تغییرات اراضی ساخته‌شده برابر با 4 درصد و بسیار ناچیز بوده که حاکی از عدم دخالت عوامل انسانی مانند انواع توسعه‌ها بر تغییرات این محدوده داشته است. جدول 5 همچنین کد شکل‌های مختلف تغییرات و شکل 5، نقشه موقعیت مکانی آن‌ها را نشان می‌دهد. مطالعات مشابه در سایر کشورها نیز نشان از فشارهای مشابهی در سیستم‌های تالابی دارد، وانگ و همکاران (8) در بررسی تغییرات کاربری و پوشش پارک ملی در چین با استفاده از تصاویر ماهواره لندست دریافتند که در این بازه 30 ساله اراضی ساخته‌شده و شهری افزایش و پوشش گیاهی و جنگلی در آن محدوده کاهش داشته است و تبدیل پوشش زمین در سه دهه گذشته را نشان می‌دهد. انصاری و گلابی (12) در تحقیق خود در تالاب میقان با بررسی تصاویر ماهواره‌ای تغییرات کاربری و پوشش تالاب را بررسی کردند که نتایج حاکی از کاهش 1000 و 700 هکتار به ترتیب در مرتع و پوشش نمکی و افزایش چند صد هکتاری در تالاب و اراضی ساخته‌شده بوده است. عید و همکاران (13) در بررسی تغییرات کاربری و پوشش سایت رامسری در مصر دریافتند پوشش گیاهی به میزان قابل‌توجهی افزایش و آب کاهش‌یافته است که علت را در توسعه پروژه‌های احیای و مزارع پرورش ماهی و گسترش بسترهای نی ابراز کردند که منجر به خشک شدن قسمت‌هایی از این سایت رامسری شده بود. جمات و سفی (15) در پژوهشی به‌منظور تغییرات پوشش در تالاب انزلی با استفاده از تصاویر ماهواره‌ای و مدل تغییرات دریافتند که بخش‌های غربی و مرکزی تالاب تحت تنش خشکی است و تغییرات مکانی و زمانی در توزیع پوشش گیاهان آبزی از نتایج این خشکی عنوان شد.
شکل5. تغییرات کاربری/ پوشش: 1999-2019
Fig5. User / cover changes: 1999-2019
جدول5. میزان تغییرات کلاسه‌ها (درصد)
Table5. Class change rate (percentage)
| درصد تغییرات وسعت | میانگین درصد تغییرات | ||||
کلاسه | 1999-2001 | 2001-2014 | 2014-2017 | 2017-2019 | 1999-2019 | |
اراضی تالابی | 48/39- | 05/34 | 48/0 | 40/3 | 70/15- | 38/0- |
اراضی لخت بدون پوشش | 47/43 | 08/15- | 32/14- | 20/3- | 82/3 | 70/3 |
اراضی شور | 40/16- | 43/4- | 70/11 | 46/2 | 57/8- | 67/1- |
آب‌بندان | 34/26 | 81/242 | 27/38 | 5/12- | 56/423 | 71/73 |
مزارع کشاورزی آبی | 87/0- | 52/6 | 48/0- | 09/0 | 18/5 | 31/1 |
اراضی ساخته‌شده | 29/1 | 55/0 | 16/16 | 002/0 | 32/18 | 50/4 |
جدول6. تغییرات کاربری و پوشش اراضی در بازه 1999-2019
Table 6. Land use and land cover changes in the period 1999-2019
اراضی ساخته‌شده | مزارع کشاورزی | آب‌بندان | اراضی لخت بدون پوشش | اراضی شور | اراضی تالابی | شکل تغییرات |
0 | 684.09 |
0 | 964.89 | 24378.48 | - | اراضی تالابی |
- | 03 | - | 02 | 01 | - | کد نقشه |
946.44 | 13679.64 | 11845.71 | 86577.48 | - | 391.05 | اراضی شور |
08 | 07 | 06 | 05 | - | 04 | کد نقشه |
2379.78 | 37569.33 | 82/8099 | - | 33726.96 | 1477/89 | اراضی لخت بدون پوشش |
13 | 12 | 11 | - | 10 | 09 | کد نقشه |
30.87 | 191/79 | - | 54 | 30.69 | 0.09 | آب‌بندان |
18 | 17 | - | 16 | 15 | 14 | کد نقشه |
1930/41 | + | 903.06 | 13979.7 | 2211.66 | 645.3 | مزارع کشاورزی |
23 | - | 22 | 21 | 20 | 19 | کد نقشه |
- | 93/24 | 1.26 | 112.32 | 2.61 | 0 | اراضی ساخته‌شده |
- | 27 | 26 | 25 | 24 | - | کد نقشه |
نتیجهگیری
با توجه به روند اراضی لخت بدون پوشش و اراضی شور می‌توان نتیجهگیری کرد که این دو نمودار روندی معکوس نسبت به یکدیگر دارند که در این نقطه و یا تلاقی دو پوشش موردنظر تبدیل پوشش به پوشش دیده می‌شود. به این منظور ابتدا باید پوشش موردنظر حاصل شود که با رواناب ایجاد می‌شود به صورتی که در یک دوره‌ای اراضی شروع به از دست دادن پوشش خودکرده و تبدیل به اراضی شور و حوضچه نمکی شدند. همچنین با توجه به افزایش اراضی لخت بدون پوشش در سال 2001 و با توجه به روند آب می‌توان نتیجهگیری کرد که این افزایش به دلیل کاهش آب سطحی بوده است. با توجه به روند اراضی شور در بازه مربوطه و همسو بودن با روند آب اگر حقابه تالاب تأمین شود شوره‌زارها به اراضی طبیعی تبدیل می‌شود. همچنین با افزایش نسبی آب در سالهای اخیر و کاهش اراضی لخت بدون پوشش و افزایش اراضی شور نشان‌دهنده این موضوع است که آبی که جایگزین اراضی لخت بدون پوشش شده ،آب‌شور است. دو گروه کاربری اراضی ساخته‌شده و فعالیت کشاورزی تغییرات شدیدی در محدوده زمانی موردبررسی ایجاد نکرده‌اند و با توجه به جدول 4 میانگین درصد تغییرات این دو کاربری به ترتیب برابر با 5/4 % و بیش از 1 % درصد بوده که انتظار می‌رود تأثیر چشمگیری بر روند تخریب و نابودی اراضی اطراف تالاب نداشته باشد و درنتیجه نمی‌تواند به‌عنوان یک عامل بحران‌زا تلقی شود. با بررسی یافته‌های سایر پژوهش‌ها نیز، نتایج مشابهی مشاهده می‌شود. پژوهش پورخباز و همکاران (24) تغییرات کاربری و پوشش تالاب شادگان را در یک بازه 24 ساله با استفاده از تصاویر لندست بررسی کردند که نتایج تحقیقشان ناشی از کاهش 5/8 % از مساحت تالاب به دلیل تغییرات اقلیمی و دخالت‌های انسانی بود.
تقدیر و تشکر
در این پژوهش از مساعدت‌های دکتر فریدون طاهری سرتشنزی، برای تأمین برخی لایه‌های اطلاعاتی، دکتر احمد عباس نژاد و مهندس سجاد صالحی که در فرآیند این پژوهش صمیمانه همکاری نمودند، قدردانی می‌شود.
اين مقاله حاصل پايان‌‌نامه با عنوان .ارائه راهکارهای ارتقا شرایط محیط زیستی تالاب شادگان باهدف خروج از فهرست مونترو با کاربرد برنامه‌ریزی خطی/غیرخطی.. در مقطع (كارشناسي ارشد) در سال 1400 است كه با حمايت دانشگاه..تهران، پردیس کشاورزی و منابع طبیعی. اجراشده است.
منابع مورداستفاده
1. Rafei, A., Danehkar, A. 2021. An Analysis of Montreux List Wetlands. Zist Sepehr Student Magazine, 14(1), 26-36. [In Persian].
2. Danehkar,A. 2015. Environmental challenges on the eve of the Sixth Development Plan. Eastern Economic Supplement . August: 73-76. [In Persian].
J. F. 1999. Monitoring land-cover change: A comparison of change detection techniques. International Journal of Remote Sensing, 20(1), 139–152. https://doi.org/10.1080/014311699213659
C. \2010. Land use and land cover change detection through remote sensing approach: A case study of Kodaikanal taluk Tamilnadu. International Journal of Geomatics and Geosciences.1, (2), 150–158.
K., M., B., & T. K. 2018. Land use classification and change detection by using multi-temporal remotely sensed imagery: The case of Chunati wildlife sanctuary, Bangladesh. The Egyptian Journal of Remote Sensing and Space Sciences, 21(1), 37–47. https://doi.org/10.1016/j.ejrs.2016.12.005.
6. Lambin, E. F., Turner, B. L., Geist, H. J., Agbola, S. B., Angelsen, A., Bruce, J. W., ... & Xu, J. 2001. The causes of land-use and land-cover change: moving beyond the myths. Global environmental change, 11(4), 261-269. https://doi.org/10.1016/S0959-3780(01)00007-3.
M. C., A., P. V., S. V., A., S. A., D. P., S. J., T. R., J., A., V., C., & T. 2014. Monitoring conterminous united states (CONUs) land cover change with Web-Enabled Landsat Data (WELD). Remote Sensing of Environment, 140, 466–484.
8. Wang, Y., Mitchell, B. R., Nugranad-Marzilli, J., Bonynge, G., Zhou, Y., & Shriver, G. 2009. Remote sensing of land-cover change and landscape context of the National Parks: A case study of the Northeast Temperate Network. Remote Sensing of Environment, 113(7), 1453-1461. https://doi.org/10.1016/j.rse.2008.09.017.
J., P., & V. 2012. Remote sensing land-cover change on Port Elizabeth during South africa’s democratic transition. South African Journal of Science, 108(5/6), 107.
10. Al-doski, J. S., Mansor, B. and Mohd Sharifi, H. Z., 2013. Monitoring Land Cover changes in Halabja. City, Iraq. International Journal of sensor and Related Network. Vol. 1. pp. 20-30. http://ijsrn.info/article/IJSRNV1I103.pdf.
[In Persian].
12. Ansari, A., & Golabi, M. H. 2019. Prediction of spatial land use changes based on LCM in a GIS environment for Desert Wetlands–A case study: Meighan Wetland, Iran. International soil and water conservation research, 7(1), 64-70. https://doi.org/10.1016/j.iswcr.2018.10.001. [In Persian].
13. Eid, A. N. M., Olatubara, C. O., Ewemoje, T. A., Farouk, H., & El-Hennawy, M. T. 2020. Coastal wetland vegetation features and digital Change Detection Mapping based on remotely sensed imagery: El-Burullus Lake, Egypt. International Soil and Water Conservation Research, 8(1), 66-79. https://doi.org/10.1016/j.iswcr.2020.01.004.
14. Kemarau, R. A., & Eboy, O. V. 2021. Land Cover Change Detection in Kuching, Malaysia Using Satellite Imagery. Borneo Journal of Sciences & Technology, 3(1), 61-65. http://doi.org/10.3570/bjost.2021.3.1-09.
15. Jamaat, A., & Safaie, A. 2021. Detection of land use-land cover changes in Anzali Wetland using a remote sensing-based approach (No. EGU21-12119). Copernicus Meetings. https://doi.org/10.5194/egusphere-egu21-12119.
16. Sibanda, S., & Ahmed, F. 2021. Modelling historic and future land use/land cover changes and their impact on wetland area in Shashe sub-catchment, Zimbabwe. Modeling Earth Systems and Environment, 7(1), 57-70. https://doi.org/10.1007/s40808-020-00963-y.
17. Rafei, A., danehkar, A., zandebasiri, M., Bagherzadeh karimi, M. 2020. Application of Linear Planning in Measuring the Feasibility of Shadegan Wetland Indicative According to Ramsar Convention Criteria. Journal of Environmental Studies, 46(3), 421-436. [In Persian].
18. Rafei,A, Danehkar,A,. 2021. Natural features and environmental features of Shadegan wetland.Journal of Iran Nature [In Persian].
19. Matlhodi et al., 2019.B. Matlhodi, P.K. Kenabatho, B.P. Parida, J.G. Maphanyane Evaluating land use and land cover change in the Gaborone dam catchment, Botswana, from 1984-2015 using GIS and remote sensing Sustain 2019, pp. 1-21. https://doi.org/10.3390/su11195174.
20. Chavez Jr, P. S. 1988. An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote sensing of environment, 24(3), 459-479. https://doi.org/10.1016/0034-4257(88)90019-3.
21. Lillesand, T.M., and Kiefer, R.W. 1994. Remote Sensing and Image Interpretion, John Wiley and sons New York.
22. Hossain, F., & Moniruzzaman, M. 2021. Environmental Change Detection Through Remote Sensing Technique: A Study of Rohingya Refugee Camp Area (Ukhia and Teknaf Sub-district), Cox's Bazar, Bangladesh. Environmental Challenges, 100024. https://doi.org/10.1016/j.envc.2021.100024.
23. Richards, J. A. 2013. Correcting and registering images. In Remote Sensing Digital Image Analysis (pp. 27-77). Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-30062-2_2.
24. Soffianian, A., Madanian, M. A., 2011, "Comparison of maximum likelihood and minimum distance to mean classifiers in preparing land cover map (A case study: Isfahan area)", Journal of Water and Soil Science, 57 :253-264. [In Persian].
25. Congalton, R. G., Green, K., 1999, Assessing the accuracy of remotely sensed data, Principles and practices,vol2. Boca Rotan, Florida.
26. Rezaei Livari, V., 2012. "Application of remote sensing and geographic information system in quantitative changes of quantitative characteristics", Master's thesis, Faculty of Natural Resources, Tarbiat Modares University. [In Persian].
27. Hassanpour, M. M., 2013. "Mapping land area of Urmia pass Qushchi images using Google Earth and GIS", Third International Conference on Planning and Environmental Management, Novamber 26, 2013, Tehran University, 10 p. [In Persian].
28. Anderson, James R., 1971, Land use classification schemes used in selected recent geographic applications of remote sensing: Photogramm.Eng., v. 37, no. 4, p. 379-387.
29. Vivekananda, G. N., Swathi, R., & Sujith, A. V. L. N. 2021. Multi-temporal image analysis for LULC classification and change detection. European journal of remote sensing, 54(sup2), 189-199. https://doi.org/10.1080/22797254.2020.1771215.
30. Yousefi, S., Tazeh, M., Mirzayi, S., Moradi, H. R., Tavangar, Sh., 2011, "Comparison of different algorithms for classification of satellite imagery for the preparation of land use map (Case study: the Noor city)", Journal of Remote Sensing Application and GIS in natural Resources Sciences, 2: 15-25. [In Persian].
31. Shawul and Chakma, 2019. A.A. Shawul, S. Chakma. Spatiotemporal detection of land use/land cover change in the large basin using integrated approaches of remote sensing and GIS in the Upper Awash basin. Ethiopia. Environ. Earth Sci. 2019, pp. 1-13. https://doi.org/10.1007/s12665-019-8154-y.
32. Yuan, T., Yiping, X., Lei, Z., & Danqing, L. 2015. Land use and cover change simulation and prediction in Hangzhou city based on CA-Markov model. International Proceedings of Chemical. Biol. Environ. Eng, 90(17), 108-113.
An analysis of Land cover / use changes of Shadegan International Wetland in the last two decades
Abstract
Wetlands, as one of the most sensitive ecosystems on Earth, are always facing various changes in their range, and changes in land cover and land use are among the most effective of these changes. Landscape changes due to human interventions lead to different developments and trends in land use/land cover. High-resolution multi-spectral and multi-temporal satellite data with the use of remote sensing is used as an essential tool for estimating aspects such as vegetation, deforestation, and urban sprawl. Therefore, in this study, in order to detect the change of use/coverage of Shadegan wetland, the images of Landsat 5 and 8 satellites in 5 years in a 20-year period during the years 1999-2019 and 5.3ENVI software were used to classify the images.
After pre-processing and making the relevant corrections, the images were processed and highlighted using the supervised classification method and the maximum likelihood algorithm. During the 20 years ending in 2019, the lands of Shadegan wetland have changed from about 90,000 hectares in 2001 to about 150,000 hectares in 1999. In fact, the area of the wetland has decreased by about 40% in two years. After that, wetland lands have increased and this increase has continued gradually until today. Also, the study of land cover changes in the study area showed that the share of saline lands has been relatively reduced during the 20 years under study. However, despite this increase, the area of the wetland has not been provided in 1999 and shows a decrease of about 16% compared to this year. The study showed that no significant pressure has been put on the lands of Shadegan wetland through land use change during the last 20 years.
Keywords: Shadegan wetland, land changes, land cover, land use, Ramsar site, Wildlife Refuge
تحلیلی بر تغییرات پوشش/کاربری تالاب بین المللی شادگان در دوهه اخیر
چکیده مبسوط
طرح مسئله: تالابها به‌عنوان یکی از حساس‌ترین زیست‌بوم‌های کره زمین، همواره در گسترش گاه خود با تحولات متعددی روبرو هستند که تغییرات پوشش و کاربری از مؤثرترین‌های این تغییرات محسوب می‌شود. گستره زمین همواره تحت اثر فعالیت‌ها و کاربری‌های انسان قرارگرفته است. آن دسته از فعالیت‌های انسان که به مکان‌های مشخصی محدود می‌شود و موقعیت به بالنسبه ثابتی پیدا می‌کند، کاربری‌های انسانی را پدید می‌آورد. ازاین‌رو تجزیه‌وتحلیل در زمینه تغییر تالابها تبدیل به یک اولویت مدیریتی تبدیل‌شده است. تغییرات کاربری/ پوشش سرزمین (LULC: Land Use/Land Cover) نقشی اساسی در مطالعات تحولات محیطی در سطح محلی، منطقه‌ای و جهانی دارد. فعالیت و تغییرات انسانی در سطح زمین منجر به تغییراتی در ساختار و فرایندهای بوم‌شناختی سامانه‌های طبیعی زمین می‌شود. این تغییرات به‌طور عمده جنبه‌های اصلی عملکردهای سرزمین (ازجمله تعادل انرژی، آب، خاک، شبکه غذایی) را تحت تأثیر قرار می‌دهد. علاوه بر این، فشار بر منابع طبیعی، که ناشی از نیاز انسان به منابع محیطی و اغلب تحت اثر پیشران افزایش جمعیت است، به تغییر در زمین سیمای سطح زمین میانجامد. تغییرات سیمای سرزمین تحت اثر مداخلات انسانی به تحولات و روندهای مختلف سیمای کاربری/ پوشش زمین منجر می‌شود. بنابراین تحلیل‌های پوشش/کاربری در بازه‌های زمانی، برای درک و روند یابی تغییرات مکانی گذشته تا حال و برنامه‌ریزی برای آینده، اهمیت بسیار دارد. امروزه، داده‌های ماهواره‌ای چند طیفی و چند زمانی با وضوح‌بالا به‌عنوان ابزاری اساسی برای تخمین جنبه‌هایی ازجمله پوشش گیاهی، تخریب جنگل و گسترش شهری مورداستفاده قرار می‌گیرند. سنجش‌ازدور و فناوری جی آی اس (GIS)بستری برای مطالعه تغییر شکل چشم‌انداز در سراسر سطح زمین فراهم می‌کنند. داده‌های سنجش‌ازدور اطلاعات ارزشمندی را در یک‌زمان نسبتاً کوتاه و به‌صورت مقرون‌به‌صرفه ارائه می‌دهند. تصاویر ماهواره‌ای یا عکس‌های هوایی با وضوح‌بالا برای مطالعه تغییرات کاربری/ پوشش زمین در اکوسیستمها و محدوده‌های متفاوت قابل بهره‌برداری هستند.
هدف: ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اینکه تالاب شادگان یکی از تالاب‌های بین‌المللی کشور است که در حال حاضر به سبب مداخلات انسانی، در فهرست مونترو قرار دارد، سنجش تحولات پیرامون تالاب، به‌ویژه درروند و نوع تغییرات پوشش/کاربری می‌تواند، در شناخت پیشران‌های اصلی تأثیر بر این تالاب بااهمیت کاربردی و کمک به خروج این تالاب از فهرست مونترو همراه باشد، این مطالعه با چنین هدفی و برای یک دوره 20 ساله به انجام رسیده است تا با انطباق با سایر اطلاعات موجود، مانند تغییرات جمعیت و تنوع پرندگان آبزی و کنار آبزی بتواند برای تنظیم لایحه خروج این تالاب از فهرست مونترو به کار آید. در این مطالعه از روشهای یکپارچه سنجش‌ازدور و جی آی اس (GIS)برای تشخیص تغییرات کاربری/ پوشش زمین در محدوده محاط و مؤثر بر تالاب شادگان استفاده‌شده است.
روش تحقیق: محدوده موردمطالعه در ﺟﻨﻮب ﻏﺮﺑﯽ اﯾﺮان، در جلگه ﺧﻮزﺳﺘﺎن و محاط بر تالاب شادگان قرار دارد. این محدوده با توجه به عوارض انسان‌ساخت بلافصل تالاب شادگان، به‌ویژه نقش راه‌ها و آبراهه‌های پیرامونی بر روی آخرین تصاویر ماهواره‌ای گوگل ارث (Google Earth) بسته شد و سپس به لایه‌های مورداستفاده منتقل شد. در این محدوده ﺗﺎﻻب بین‌المللی ﺷﺎدﮔﺎن حدفاصل طول شرقی 48 درجه و 19 دقیقه و 16 ثانيه تا 49 درجه و 3 دقیقه و 44 ثانيه و عرض شمالی 29 درجه و 55 دقیقه 44 ثانيه تا 38 درجه و 28 دقیقه و 42 ثانيه در فاصله حدود 60 کیلومتری جنوب شهر اهواز مرکز استان و 5 کیلومتری جنوب شهر شادگان واقع‌شده است. با توجه به جدول 1 در این پژوهش از تصاویر دورهی 20 ساله ماهواره لندست طی سالهای 1999-2019 استفاده‌شده است. همچنین جهت طبقهبندی تصاویر از نرم‌افزار ان وی (ENVI 5.3) استفاده‌شده است. پس از پیش‌پردازش و انجام تصحیحات مربوطه با استفاده از روش طبقهبندی نظارت‌شده و الگوریتم حداکثر احتمال پردازش و بارزسازی تصاویر صورت گرفت و همچنین صحت و ضریب کاپا هر لایه به‌منظور دقت بررسی برآورد شد. در ادامه تهیه نقشه پوشش و کاربری مشتمل بر طبقات مختلف پوشش‌های طبیعی سطح زمین و کاربری‌های انسانی بود که طبقات آن با توجه به نیاز مطالعه و باهدف شناسایی تغییرات مؤثر بر تالاب شادگان مورد و سنجش تغییرات پوشش و کاربری، باهدف شناسایی و آشکارسازی، مهم‌ترین تغییرات صورت گرفته پیرامون تالاب شادگان به انجام رسید، بنابراین در این فرایند، تغییرات عمده در طبقات موجود محور توجه قرار گرفت. جهت آشکارسازی تغییرات از روش چنج دتشکن (Change Detection) در نرم‌افزار ان وی (ENVI) استفاده شد که قادر است اطلاعات کاملی از تغییرات انواع کاربری/پوشش اراضی به یکدیگر ارائه دهد. تغییرات کاربری اراضی در 5 دوره با بازه زمانی 20 (2019-1999) انتخاب شد.
نتایج و بحث: مطابق روش بیان‌شده، پنج دوره زمانی داده‌های ماهواره‌ای کاربری و پوشش تالاب شادگان در سالهای 2017،2014،2001،1999 و2019 تهیه و پس از پیش‌پردازش و انجام تصحیحات مربوطه با استفاده از روش طبقهبندی نظارت‌شده و الگوریتم حداکثر احتمال پردازش و بارزسازی تصاویر صورت گرفت. به‌منظور ارزیابی صحت نقشههای تولیدشده ضریب کاپا و ضریب صحت کلی استفاده شد و مطابق نتایج به‌دست‌آمده و داده‌های سال 2019 با بیشترین مقدار ضریب کاپا و بالاترین دقت صحت کلی برخورد دار بود.
مطابق طبقات پوشش و کاربری اراضی، نقشه پوشش/کاربری محدوده موردمطالعه برای پنج دوره زمانی مورداشاره تهیه شد که شکل 3، نقشه پوشش/کاربری این محدوده در سال 2019 را نشان می‌دهد. سنجش تغییرات پوشش یا کاربری میان‌دوره‌های زمانی موردبررسی نیز بر اساس روند تغییرات زمانی مشاهده می شود، روند درصد تغییرات هر طبقه نیز در جدول 4 درج شده است. یافته‌های این تحقیق نشان داد اراضی تالابی شادگان طی 20 سال ختم به سال 2019، از حدود 90 هزار هکتار در سال 2001 تا حدود 150 هزار هکتار در سال 1999 تغییر وسعت داشته است، درواقع طی دو سال وسعت تالاب حدود 40 درصد کاهش داشت. پس‌ازآن اراضی تالابی افزایش داشته که این افزایش تا به امروز نیز به‌تدریج ادامه داشته است، بااین‌وجود به‌رغم این افزایش هنوز وسعت تالاب در سال 1999، تأمین نشده و مطابق جدول 4، نسبت به این سال حدود 16 درصد کاهش مساحت نشان می‌دهد. شکل 2، روند این تغییرات را نشان می‌دهد. با بررسی یافته‌های سایر پژوهش‌ها نیز، نتایج مشابهی مشاهده می‌شود. پژوهش پورخباز و همکاران تغییرات کاربری و پوشش تالاب شادگان را در یک بازه 24 ساله با استفاده از تصاویر لندست بررسی کردند که نتایج تحقیقشان ناشی از کاهش 5/8 % از مساحت تالاب به دلیل تغییرات اقلیمی و دخالت‌های انسانی بود. مطالعات مشابه در سایر کشورها نیز نشان از فشارهای مشابهی در سیستم‌های تالابی دارد، وانگ و همکاران در بررسی تغییرات کاربری و پوشش پارک ملی در چین با استفاده از تصاویر ماهواره لندست دریافتند که در این بازه 30 ساله اراضی ساخته‌شده و شهری افزایش و پوشش گیاهی و جنگلی در آن محدوده کاهش داشته است و تبدیل پوشش زمین در سه دهه گذشته را نشان می‌دهد. انصاری و گلابی در تحقیق خود در تالاب میقان با بررسی تصاویر ماهواره‌ای تغییرات کاربری و پوشش تالاب را بررسی کردند که نتایج حاکی از کاهش 1000 و 700 هکتار به ترتیب در مرتع و پوشش نمکی و افزایش چند صد هکتاری در تالاب و اراضی ساخته‌شده بوده است. عید و همکاران در بررسی تغییرات کاربری و پوشش سایت رامسری در مصر دریافتند پوشش گیاهی به میزان قابل‌توجهی افزایش و آب کاهش‌یافته است که علت را در توسعه پروژه‌های احیای و مزارع پرورش ماهی و گسترش بسترهای نی ابراز کردند که منجر به خشک شدن قسمت‌هایی از این سایت رامسری شده بود. جمات و سفی در پژوهشی به‌منظور تغییرات پوشش در تالاب انزلی با استفاده از تصاویر ماهواره‌ای و مدل تغییرات دریافتند که بخش‌های غربی و مرکزی تالاب تحت تنش خشکی است و تغییرات مکانی و زمانی در توزیع پوشش گیاهان آبزی از نتایج این خشکی عنوان شد.
نتیجهگیری: با توجه به روند اراضی لخت بدون پوشش و اراضی شور می‌توان نتیجهگیری کرد که این دو نمودار روندی معکوس نسبت به یکدیگر دارند که در این نقطه و یا تلاقی دو پوشش موردنظر تبدیل پوشش به پوشش دیده می‌شود. به این منظور ابتدا باید پوشش موردنظر حاصل شود که با رواناب ایجاد می‌شود به صورتی که در یک دوره‌ای اراضی شروع به از دست دادن پوشش خودکرده و تبدیل به اراضی شور و حوضچه نمکی شدند. همچنین با توجه به افزایش اراضی لخت بدون پوشش در سال 2001 و با توجه به روند آب می‌توان نتیجهگیری کرد که این افزایش به دلیل کاهش آب سطحی بوده است. با توجه به روند اراضی شور در بازه مربوطه و همسو بودن با روند آب اگر حقابه تالاب تأمین شود شوره‌زارها به اراضی طبیعی تبدیل می‌شود. همچنین با افزایش نسبی آب در سالهای اخیر و کاهش اراضی لخت بدون پوشش و افزایش اراضی شور نشان‌دهنده این موضوع است که آبی که جایگزین اراضی لخت بدون پوشش شده ،آب‌شور است. دو گروه کاربری اراضی ساخته‌شده و فعالیت کشاورزی تغییرات شدیدی در محدوده زمانی موردبررسی ایجاد نکرده‌اند و با توجه به جدول 4 میانگین درصد تغییرات این دو کاربری به ترتیب برابر با 5/4 % و بیش از 1 % درصد بوده که انتظار می‌رود تأثیر چشمگیری بر روند تخریب و نابودی اراضی اطراف تالاب نداشته باشد و درنتیجه نمی‌تواند به‌عنوان یک عامل بحران‌زا تلقی شود.
واژگان کلیدی: تالاب شادگان، تغییرات اراضی، پوشش اراضی، کاربری اراضی، رامسر سایت، پناهگاه حیات وحش
An analysis of the cover / use changes of Shadegan International Wetland in the last two decades
Abstract
Statement of the Problem: Wetlands, as one of the most sensitive ecosystems on Earth, are always facing various changes in their range, and changes in cover and use are among the most effective of these changes. The land has always been affected by human activities and uses. Those human activities that are limited to certain places and find a relatively stable position, create human uses. Therefore, analysis of wetland change has become a management priority. Land Use / Land Cover (LULC) plays a key role in the study of environmental developments at the local, regional and global levels. Human activity and change at the Earth's surface lead to changes in the structure and ecological processes of the Earth's natural systems. These changes mainly affect the main aspects of land functions (including energy balance, water, soil, food network). In addition, pressure on natural resources, which is due to human need for environmental resources and is often influenced by population growth drivers, leads to changes in the Earth's surface. Landscape changes due to human interventions lead to different developments and trends in land use / land cover. Therefore, time / coverage analysis is very important for understanding and routing spatial changes from the past to the present and planning for the future. Today, high-resolution multispectral and multi-temporal satellite data are used as an essential tool for estimating aspects such as vegetation, deforestation and urban sprawl. Remote sensing and GIS technology provide a platform for studying landscape deformation across the earth's surface. Remote sensing data provides valuable information at a relatively short time and cost-effectively. High-resolution satellite imagery or aerial photographs can be used to study land use / land cover changes in different ecosystems and areas.
Purpose: The fact that Shadegan Wetland is one of the international wetlands in the country, which is currently on the Montreux list due to human interventions, can assess the developments around the wetland, especially in the process and type of cover / use changes, in identifying the drivers The main impact on this wetland is associated with its practical importance and helping to remove this wetland from the Montreux list. And waterfront can be used to adjust the exit bill of this wetland from the Montreux list. In this study, integrated remote sensing and GIS methods have been used to detect land use / land cover changes in the enclosed area and affecting Shadegan wetland.
Methodology: The study area is located in Shabangan Wetland, surrounded by the Ozon Plain. Due to the immediate man-made effects of Shadegan Wetland, especially the role of the surrounding roads and waterways, this area was closed on the latest Google Earth satellite images and then transferred to the layers used. In this area, the international distance is 48 degrees and 19 minutes and 16 seconds to 49 degrees and 3 minutes and 44 seconds and the northern latitude is 29 degrees and 55 minutes, 44 seconds to 38 degrees, 28 minutes and 42 seconds at a distance of about 60 kilometers. It is located south of Ahvaz, the capital of the province, and 5 km south of Shadegan. According to Table 1, in this research, images of the 20-year period of Landsat satellite during the years 1999-2019 have been used. ENVI 5.3 software is also used to classify images. After preprocessing and making the relevant corrections using the supervised classification method and the algorithm, the maximum likelihood of processing and highlighting the images was done and also the kappa accuracy and coefficient of each layer was estimated for accuracy. Then, the preparation of cover and land use maps included different classes of natural land cover and human land uses. Detection, the most important changes were made around Shadegan wetland, so in this process, major changes in the existing classes were considered. To detect changes, the Change Detection method was used in ENVI software, which is able to provide complete information on changes in land use / land cover types. Land use changes were selected in 5 periods with a time interval of 20 (2019-1999).
Results and discussion: According to the method, five time periods of satellite data on the use and coverage of Shadegan Wetland in the years 2017, 2014, 2001, 1999 and 2019 were prepared and after pre-processing and making relevant corrections using the supervised classification method and the maximum probability of processing and highlighting algorithm. Pictures were taken. Kappa coefficient and overall accuracy coefficient were used to evaluate the accuracy of the generated maps and according to the results shown in Table 2, the 2019 data had the highest kappa coefficient and the highest overall accuracy. According to land cover and land use classes, the cover / land use map of the study area was prepared for the mentioned five time periods, which Figure 3 shows the cover / land use map of this area in 2019. Measurement of cover or use changes between the studied time periods is also observed according to Table 3 based on the trend of time changes, the trend of percentage change of each category is also listed in Table 4. Table 5 also shows the shape of the cover / use change during the study period. The findings of this study show that the land area of Shadegan wetland has changed from about 90,000 hectares in 2001 to about 150,000 hectares in 1999 during the 20 years ending 2019, in fact, the area of the wetland has decreased by about 40% in two years. After that, the wetland lands have increased and this increase has continued gradually until today. However, despite this increase, the area of the wetland has not been provided in 1999, and according to Table 4, the area has decreased by about 16% compared to this year. it shows. Figure 2 shows the trend of these changes. By examining the findings of other studies, similar results are observed. The study of Pourkhbaz et al. Examined the changes in the use and cover of Shadegan wetland over a 24-year period using Landsat images. The results of their research were due to a reduction of 8.5% in the wetland area due to climate change and human interventions. Similar studies in other countries show similar pressures on wetland systems. Wang et al., In a study of land use change and national park coverage in China using Landsat satellite imagery, found that during this 30-year period, land was built and urban coverage increased. Vegetation and forests have declined in that area, reflecting the transformation of land cover over the past three decades. Ansari and Golabi in their research in Miqan wetland by examining satellite images examined the changes in land use and coverage of the wetland, which showed a decrease of 1000 and 700 hectares in rangeland and salt cover, respectively, and an increase of several hundred hectares in the wetland and lands. Eid et al. In a study of land use changes and cover of Ramsar site in Egypt found that vegetation has increased significantly and water has decreased, which is the reason for the development of rehabilitation projects and fish farms and the expansion of reed beds, which led to the drying of the area. Some of this site was Ramsar. Jamat and Sefi in a study to change the cover in Anzali Wetland using satellite images and change model found that the western and central parts of the wetland are under drought stress and spatial and temporal changes in the distribution of aquatic vegetation were the results of this drought.
Conclusion: Considering the trend of bare lands without cover and saline lands, it can be concluded that these two diagrams have an inverse trend towards each other, which can be seen at this point or at the intersection of the two desired covers. For this purpose, the desired cover must be obtained, which is created by runoff, so that in a period of time, the lands began to lose their cover and became saline lands and salt ponds. Also, considering the increase in uncovered land in 2001 and the water trend, it can be concluded that this increase was due to the decrease in surface water. Due to the trend of saline lands in the relevant period and being in line with the water trend, if the water supply of the wetland is provided, thousands of salines will become natural lands. Also, with the relative increase in water in recent years and the decrease in bare uncovered land and the increase in saline land, it indicates that water that replaces bare uncovered land is saline. The two groups of land use and agricultural activity did not cause drastic changes in the study period and according to Table 4, the average percentage of changes in these two land uses was 4.5% and more than 1%, respectively, which is expected to have a significant impact on There is no process of destruction and destruction of lands around the wetland and therefore can not be considered as a critical factor.
Keywords: Shadegan wetland, land changes, land cover, land use, Wildlife Refuge
[1] Land transformation
