استفاده از سنجه‌های سیمای سرزمین و سنجش از دور درتحلیل تغییرات و تخریب سرزمین (مطالعه موردی: حوزه آبخیز شیرین دره_استان خراسان شمالی_ ایران)

محورهای موضوعی : ارزیابی پی آمدهای محیط زیستی

زهرا پرور ¹ , کامران شایسته ² , مرتضی بهزادفر ³

1 - دکتری، گروه علوم محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، ایران. * (مسوول مکاتبات)
2 - دکتری، گروه علوم محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، ایران.
3 - دکتری، مهندسی و علوم آبخیزداری، سازمان مدیریت و برنامه ریزی، خراسان شمالی، ایران.

تاریخ دریافت : 1402/05/28 تاریخ پذیرش : 1402/06/27 تاریخ انتشار : 1402/11/28

کلید واژه: تحلیل تغییرات, سنجه‌های سیمای سرزمین, حوزه آبخیز شیرین‌دره, Fragstats 4.2, لندست, پهروشدگی.,

چکیده مقاله :

زمینه و هدف: تغییر کاربری/پوشش سرزمین یکی از مهم‌ترین عوامل تاثیر‌گذار بر منابع طبیعی در سراسر جهان می‌باشد. پایش و تحلیل تغییرات فرایندی بسیار پیچیده است. با توجه به اینکه تحلیل الگوی سیمای سرزمین می‌تواند به محققین در راستای درک و کمی سازی تغییرات کاربری در سطح زمین کمک کند، حائز اهمیت است. قابلیت توصیف کمی ساختار سیمای سرزمین لازمه مطالعه عملکرد و تغییر در سیمای سرزمین می‌باشد. اکولوژی سیمای سرزمین شاخص‌های کمی متنوعی به منظور تحلیل و توصیف ساختارسیمای سرزمین دارد. سنجه‌های سیمای سرزمین می‌توانند همزمان برای کمی کردن خصوصیات مکانی پهروها، طبقات، و یا موزاییک‌های کل سیمای سرزمین استفاده شوند. روش بررسی: در این مطالعه از طبقه‌بندی نظارت‌شده به روش حداکثر احتمال در محیط نرم افزار IDRISI Selva استفاده شد. تصاویر ماهواره‌ لندست سال‌های 1996، 2005 و 2015 برای این منظور تهیه و در نهایت بر اساس اهداف این مطالعه 6 طبقه کاربری در حوزه آبخیز تعیین شد. به منظور کمی سازی میزان تغییرات سنجه‌های مختلف سیمای سرزمین در سطح طبقه و در سطح سیمای سرزمین از جمله سنجه تعداد پهرو، متوسط اندازه پهرو، میانگین فاصله نزدیک‌ترین همسایه، شاخص بزرگ‌ترین پهرو و شاخص‌های تنوع سیمای سرزمین با استفاده از نرم‌افزار Fragstats 4.2 استخراج شدند. یافته‌ها: میزان صحت کلی طبقه‌بندی برای سال‌های 1996، 2005 و 2015 به ترتیب % 96/92، % 29/87 و% 45/87 محاسبه شد. این سنجه‌ها اطلاعات بسیاری از ساختار و ترکیب سیمای سرزمین در اختیار محقق قرار می‌دهند و قادرند تحلیل دقیق‌تری از تغییرات و میزان پهروشدگی سیمای سرزمین داشته باشند. نتایج به طور واضح افزایش تعداد پهرو کاهش متوسط اندازه پهرو که دو سنجه مهم در تحلیل پهروشدگی سیمای سرزمین هستند را بین سال‌های 2005 تا 2015 نشان می‌دهد. این تغییرات گویای روند تخریب و از هم گسستگی در حوزه آبخیز شیرین دره می‌باشد. بحث و نتیجه‌گیری: بررسی الگوی سیمای سرزمین در منطقه مورد مطالعه نشان دهنده توسعه زمین های بایر و کشاورزی دیم می‌باشد و به منظور کاهش تخریب در منطقه و مدیریت بهتر لازم است دلایل تغییرات ایجاد شده به دقت بررسی و مطالعه شود. این بدین معناست که با روند تخریب فعلی لازم است تا برنامه مدیریتی منطقی با تاکید بر حفاظت از منابع طبیعی، جنگل‌ها، مراتع و همچنین پهنه‌های آبی، در حوزه آبخیز تهیه و اجرا شود.

چکیده انگلیسی:

Background and Objective: Land Use and Land Cover change is one of the most important factors affecting natural resources and at a worldwide scale. Analyzing and monitoring the Changes is a complex procedure. The analysis of landscape pattern as an important procedure helps researchers to realize and quantify LULC changes of the earth surface. The ability to quantify to describe landscape structure is prerequisite to the study of landscape function and change. Landscape ecology has various quantitative indices to analyze and describe the landscape structure for this purpose. Landscape metrics represent the spatial pattern of the entire landscape mosaic e.g. the proportion of each landscape type, or the shape of the component landscape elements at a set point in time. Material and Methodology: This study applied supervised classification-maximum likelihood in IDRISI Selva to detect land cover/land use changes observed in Shirin dare watershed using satellite data obtained from Landsat for the years 1996, 2005 and 2015 respectively. The watershed was classified into six major land cover/use classes viz based on our purpose. Various class-level and landscape level-landscape pattern metrics were calculated using Fragstats 4.2 in order to analyze landscape structure. Metrics include NP, MPS, LPI, SIDI, SHDI, SHEI and SIEI were used in this study. These metrics can give us a lot of information about the structure and changes of landscape components. Findings: The overall classification accuracies in land use cartographies in 1996, 2005 and 2015 were 92.96%, 87.29% and 87/45%, respectively. Our results between 2005 and 2015 were clearly showed that increased number of patches and decreased mean patch area two important fragmentation indicators and the trend of landscape degradation and fragmentation was increasing. Discussion and Conclusion: According to the current patterns of dry farm land and barren land development in the studied landscape and in order to reduce the alarming rates of land degradation and become more efficient land use managers, it is necessary to know the causes of land changes. That means with the ongoing land degradation trend, a reasonable land use plan should be made with emphasis on protecting natural forests, grasslands and the water body.

منابع و مأخذ:

1. Santhosh, L.G. and Shilpa, D.N. (2023). Assessment of LULC change dynamics and its relationship with LST and spectral indices in a rural area of Bengaluru district, Karnataka India. Remote Sensing Applications: Society and Environment, 29: 100886, doi https://doi.org/10.1016/j.rsase.2022.100886.
2. Sobhani, P., Esmaeilzadeh, H. and Mostafavi, H. (2021). Simulation and impact assessment of future land use and land cover changes in two protected areas in Tehran, Iran. Sustainable Cities and Society, 75: 103296, doi https://doi.org/10.1016/j.scs.2021.103296.
3. Zarin, T. and Esraz-Ul-Zannat, M. (2023). Assessing the potential impacts of LULC change on urban air quality in Dhaka city. Ecological Indicators, 154: 110746, doi https://doi.org/10.1016/j.ecolind.2023.110746.
4. Mirzayi, M., Riyahi Bakhtiyari, A., Salman Mahini, A., Gholamalifard, M. 2013. Investigating the Land Cover Changes in Mazandaran Province Using Landscape Ecology’s Metrics Between 1984 - 2010. Iranian Journal of Applied Ecology. 2 (4) :37-55. URL: http://ijae.iut.ac.ir/article-1-325-fa.html. (In Persian)
5. Arekhi, D.S., Yousefi, S. and Rostamizad, G. 2013. Investigating the Effect of Land use Optimization on Decreasing the Erosion and Sedimentation in Cham Gardalan dam Watershed by Using GIS. Geography and Territorial Spatial Arrangement, 3(6): 75-84, doi 10.22111/gaij.2013.1079. (In Persian)
6. Fathizad, H., Nohegar, A., Faramarzi, M. and Tazeh, M. 2013. An Investigation of Changes in land Use According to the Analysis of Landscape Ecology Metrics by Using Remote Sensing and GIS in Arid and Semi-arid Region of Dehloran. Town and Country Planning, 5(1): 79-99, doi 10.22059/jtcp.2013.35474. (In Persian)
7. Ali, K. and Johnson, B.A. 2022. Land-Use and Land-Cover Classification in Semi-Arid Areas from Medium-Resolution Remote-Sensing Imagery: A Deep Learning Approach. Sensors, 22(22). Retrieved from.
8. Islam, M.R. and Esraz-Ul-Zannat, M. (2023). Remote sensing based investigation of coastal LULC dynamics in the coastal region of Bangladesh. Remote Sensing Applications: Society and Environmen
9. t, 31: 100982.Rabiee, H., Ziaeean, P., Alimohammadi, A. (2004). Exploring land uses and land cover in Isfahan province using remote sensing and GIS. Journal of geographical Research, 84:41-54. (In Persian)
10. Bazgeera, S., Sharma, P.K., Maheya, R.K., Hundala, S.S., Sood, A. Assessment of land use changes using remote sensing and GIS and their implications on climatic variability for Balachaur watershed in Punjab, India. 2008. Desert 12, pp.139–147.
11. Butt, A., Shabbir, R., Saeed Ahmad, S., Aziz, N. Land use change mapping and analysis using Remote Sensing and GIS: A case study of Simly watershed, Islamabad, Pakistan. 2015. The Egyptian Journal of Remote Sensing and Space Sciences, 18, 251–259.
12. Gajbhiye, S., Sharma, S.K. Land use and land cover change detection of Indra river watershed through remote sensing using multi-temporal satellite data. 2012. Int. J. Geomatics Geosci. 3, 89–96.
13. Hu, H.B., Liu, H.Y., Hao, J.F., An, J. Analysis of land use change characteristics based on remote sensing and GIS in the Jiuxiang river watershed. Int. J. Smart Sens. Intell. 2012. Syst. 5(4), 811–823.
14. Wang, X., Yu, S., Huang, G.H. 2004. Land allocation based on integrated GIS-optimization modeling at a watershed level. Landscape Urban Planning, 66, 61–74.
15. Sun, B., Zhou, Q. 2016. Expressing the spatio-temporal pattern of farmland change in arid lands using landscape metrics. Journal of Arid Environments, 124, 118-127.
16. Fan, Q., Ding, S. 2016. Landscape pattern changes at a county scale: A case study in Fengqiu, Henan Province, China from 1990 to 2013. Catena Journal, 137, 152-160.
17. Tange, N. 2010. Analysis on land cover change in western Sydney: 1989-2008, A Thesis Submitted in Partial Fulfilment of the Requirements for the Master of Philosophy Degree.
18. Yang, H., Zhong, X., Deng, S. and Nie, S. (2022). Impact of LUCC on landscape pattern in the Yangtze River Basin during 2001–2019. Ecological Informatics, 69: 101631, doi https://doi.org/10.1016/j.ecoinf.2022.101631.
19. Li, Q., Jin, T., Peng, Q., Lin, J., Zhang, D., Huang, J. and Liu, B. (2022). Identifying the extent of the spatial expression of landscape fragmentation based on scale effect analysis in Southwest China. Ecological Indicators, 141: 109120, doi https://doi.org/10.1016/j.ecolind.2022.109120.
20. Forman, R. T. T. 1995. Land mosaics: The ecology of landscapes and regions. Cambridge University press, USA, page 656.
21. Li, G., Fang, C. and Qi, W. (2021). Different effects of human settlements changes on landscape fragmentation in China: Evidence from grid cell. Ecological Indicators, 129: 107927, doi https://doi.org/10.1016/j.ecolind.2021.107927.
22. Wan, L., Zhang, Y., Zhang,X., Qi.S., Na, X. 2015. Comparison of land use/land cover change and landscape patterns in Honghe National Nature Reserve and the surrounding Jiansanjiang Region, China. Ecological Indicators, 51. 205–214.
23. Liu, T., Yang, X. 2015. Monitoring land changes in an urban area using satellite imagery, GIS and landscape metrics. Applied Geography, 56, 42-54.
24. Hermosilla, T., Wulder, M, A., White, J, c., Coops, N, C., Hobart, G,w. 2015. Regional detection, characterization, and attribution of annual forest change from 1984 to 2012 using Landsat-derived time-series metrics. Remote Sensing of Environment, 170, 121-132.
25. Zebardast, l., yavare, a., salehi, e. and makhdoum, m. 2012. Using Landscape Ecological Metrics to Investigate Impacts of Road on Structural Changes in Golestan National Park During 1987 to 2010. Environmental Researches, 2(4): 11-20. (In Persian)
26. Salmanmahiny, A., and Kamyab. H. Applied Remote Sensing and GIS with idrisi. 2nd Edition. Tehran. Mehr Mahdis. 2012. P596. (In Persian)
27. Martinez Del Castillo, E., García-Martin, A., Longares Aladr_en, L, A., Luis, M. 2015. Evaluation of forest cover change using remote sensing techniques and landscape metrics in Moncayo Natural Park (Spain). Applied Geography, 62, 247-255.
28. McGarigal, K. 2015. FRAGSTATS HELP. Department of Environmental Conservation University of Massachusetts, Amherst.page 1-171.
29. Karami, A. and Feghhi, J. 2012. Investigation of Quantitative metrics to protect the landscape in land use by sustainable pattern (Case study: Kohgiluyeh and Boyer Ahmad). Journal of Environmental Studies, 37(60): 79-88. (In Persian)
30. Liu, J., Liu, M., Zhuang, D.J. 2002. A study on spatial pattern of land-use change in China in recent years, Science in China, Ser.D, 32(12), 1031-1040.
31. Hadian F, Jafari R, Bashari H, Ramezani N. 2013. Investigating the Effects of Hanna Dam Construction on Long-Term Land Use/ Cover Changes. Iranian Journal of Applied Ecology, 2 (4) :101-114 URL: http://ijae.iut.ac.ir/article-1-328-fa.html. (In Persian)