بررسی شدت بیابانزایی با استفاده از مدل مدالوس (مطالعۀ موردی: اراضی غرب اهواز)
محورهای موضوعی : توسعه سیستم های مکانیعبدالرضا کاظمی نیا 1 , کاظم رنگزن 2 , مهدی محمودابادی 3
1 - مربی دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان
2 - دانشیار دانشکده علوم زمین، دانشگاه شهید چمران اهواز
3 - دانشجوی دکتری اقلیم شناسی، دانشگاه یزد
کلید واژه: مدل مدالوس, اهواز, سیستم اطلاعات جغرافیایی, شاخص حساسیت مناطق به بیابان زایی, بیابان زایی,
چکیده مقاله :
با توجه به مفهوم بیابانزایی که عبارت است از تخریب اراضی در نواحی خشک نیمهخشک و نیمه مرطوبِ خشکِ ناشی از عوامل متعددی چون تغییرات اقلیمی و فعالیت‌های انسانی، این پدیده مدت‌هاست که یک مشکل جدّی اقتصادی، اجتماعی و زیست‌محیطی در بسیاری از کشورها شناخته شده است. در این تحقیق با استفاده از مدل مدالوس شدت بیابانزایی اراضی مناطق غربی شهر اهواز ارزیابی گردید. از داده های اقلیم، پوشش گیاهی، خاک و کاربری اراضی منطقه بعنوان معیارهای مؤثر در تعیین شدت بیابانزایی استفاده شد. در ابتدا هر معیار به صورت لایه اطلاعاتی وارد محیط GIS گردید و پس از پردازش، اقدام به وزن دهی معیارهای مذکور گردید. با تلفیق نقشه های رستری معیارها، با استفاده از میانگین‌گیری هندسی، شاخص حساسیت به بیابان زایی (ESAI) بدست آمد. بر اساس این شاخص نقشه نهایی حساسیت منطقه به بیابانزایی تهیه شد. نتایج نشان داد که منطقه از نظر تقسیم‌بندی‌های روش مدالوس، به لحاظ شدت بیابان زایی در چهار تیپ بحرانی کم (C1)، بحرانی متوسط (C2)، بحرانی زیاد (C3) و خیلی زیاد (C4) قرار دارد. نتایج همچنان نشان داد که 11% منطقه در کلاس بحرانی کم، 30% آن در کلاس بحرانی متوسط، 25% در کلاس بحرانی زیاد و 29% در کلاس بحرانی خیلی زیاد قرار دارد. معیار اقلیم با مقدار شاخص 2/6 بیشترین تأثیر را در بیابانزایی منطقه دارد که علت آن وزش بادهای شدید و افزایش تعداد روزهای طوفانی و گرد و غباری است. شاخص کاربری اراضی با ارزش عددی 1/5 کمترین اثر را دارد و علت آن، غیرقابل استفاده بودن اراضی منطقه و اجرای طرح های بیابانزدایی در منطقه است.
According to the concept of desertification, which is land degradation in dry areas, the semi-arid, and dry sub-humid due to many factors such as climate change and human activities, this phenomenon has long been known as a serious problem in terms of economic, social, and environmental in many countries. In this study, by using a MEDALUS model the severity of land desertification in the western regions of Ahvaz was evaluated. Climate, vegetation, soil, and land use data are used as effective criteria in determining the severity of desertification. According to the MEDALUS model, each criterion entered the GIS environment as an information layer and after the data is processed, these criteria are weighted. By combining these criteria in raster formats, using geometric averaging, the Environmentally Sensitive Areas Index (ESAI) of the area is obtained. The results show that based on the MEDALUS model the area of the study contains four divisions; (C1) low, (C2) moderate, (C3) high, and (C4) very high critical. The results also showed that 11% of the area was in a low critical class, 30% in the moderate, 25% in high, and 29% of the very high critical class. A climate criterion with the index value of 2.6 has the greatest impact, which is due to strong winds and increasing number of storms and dusty days. Land use criterion with the index value of 1.5 has the minimal impact, which is due to inappropriate land use and implementation of desertification projects in the region.
1. احمدی، ا.، م. ر. طاطیان، ر. تمرتاش، ح. یگانه و ی. عصری. 1395. بررسی پوشش گیاهی اراضی شور حاشیه دریاچه ارومیه با استفاده از تصاویر ماهوارهای. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 7(1): 1-12.
2. ارزانی، ح.، ز. حسینی و خ. میراخورلو. 1393. کاربرد تصاویر سنجنده +ETM در تخمین میزان تولید و پوشش گیاهی مراتع منطقه طالقان. تحقیقات مرتع و بیابان ایران، 21(1): 24-31.
3. اسفندیاری، م. و م. ع. حکیمزاده اردکانی. 1389. ارزیابی وضعیت بالفعل بیابانزایی، با تأکید بر تخریب منابع خاک بر اساس مدل IMDPA (مطالعه موردی: آباده‌طشک -فارس). تحقیقات مرتع و بیابان ایران، 17(4): 624-631.
4. امیری، ف. و ح. یگانه. 1391. ارزیابی شاخصهای گیاهی برای تهیه نقشه درصد پوشش گیاهی در اراضی نیمهخشک بخش مرکزی ایران (حوزه آبخیز قرهآقاچ). مرتع و آبخیزداری (منابع طبیعی ایران)، 65(2): 175-189.
5. بحرینی، ف.، ا. پهلوانروی، ع. ر. مقدمنیا و غ. ر. راهی. 1391. اولویتبندی مکانی تخریب اراضی با استفاده از مدل بیابانزایی IMDPA با تاکید بر فرسایش بادی و اقلیم (مطالعه موردی: منطقه بردخون، بوشهر). آب و خاک، 26(4): 897-907.
6. بخشندهمهر، ل.، س. سلطانی و ع. سپهر. 1392. ارزیابی وضعیت فعلی بیابانزایی و اصلاح مدل مدالوس در دشت سگزی اصفهان. مرتع و آبخیزداری، 66(1): 27-41.
7. ذاکرینژاد، ر.، م. مسعودی، س. ر. فلاح شمسی و س. ف. افضلی. 1391. ارزیابی شدت بیابانزایی با معیار آب زیرزمینی و با استفاده از سیستم اطلاعات جغرافیایی؛ مطالعه موردی زرین دشت فارس. مهندسی آبیاری و آب، 2(7): 1-10.
8. ذوالفقاری، ف.، ع. ر. شهریاری، ا. فخیره، ع. ر. راشکی، س. نوری و ح. خسروی. 1390. ارزیابی شدت بیابانزایی دشت سیستان با استفاده از مدل IMDPA. پژوهشهای آبخیزداری (پژوهش و سازندگی)، 24(2): 97-107.
9. رایگانی، ب.، غ. ر. زهتابیان و س. براتی. 1392. نقدی بر مدل ایرانی ارزیابی پتانسیل بیابانزایی(IMDPA). یومشناسی کاربردی، 2(4): 73-99.
10. رضائی پور باغدر، ع. ح.، ح. بهرامی، ج. رفیع شریفآباد و ح. خسروی. 1394. ارزیابی شدت بیابانزایی با استفاده از مدل IMDPA (مطالعه موردی: منطقه باغدر، یزد). مجله جغرافیایی مناطق خشک، 19: 42-54.
11. رئیسی، ع. غ.، غ. ر. زهتابیان، ح. احمدی، ح. خسروی و م. دستورانی. 1391. ارزیابی وضعیت فعلی بیابانزدایی در مناطق بیابان ساحلی با استفاده از معیارهای بیوفیزیک مدل IMDPA (بررسی موردی: منطقه کهیر کنارک، چابهار). پژوهشهای آبخیزداری (پژوهش و سازندگی). 25(4): 43-51.
12. زهتابیان، غ. ر. و ع. رفیعی امام. 1382. ESAs روشی جدید برای ارزیابی و تهیه نقشه حساسیت مناطق به بیابانزایی. بیابان، 8(1): 120-126.
13. سپهر، ع.، م. معیری، م. ر. اختصاصی و س. آقاجانی. 1387. بررسی کاربرد روش مدالوس به منظور ارائه یک مدل منطقه‌ای برای ارزیابی و تهیه نقشه بیابانزایی. مجله منابع طبیعی ایران، 61(3): 537-554.
14. فرجالهی، ا.، ح. ر. عسگری، م. اونق، م. ر. محبوبی و ع. ر. سلمان ماهینی. 1394. پایش و پیشبینی روند تغییرات مکانی و زمانی کاربری/ پوشش اراضی (مطالعة موردی: منطقة مراوه‌تپه، گلستان). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 6(4): 1-14.
15. کریمی، ک.، ر. مسعودی، س. نخعینژادفرد و ب. زهتابیان. 1393. تأثیر تغییر معیارهای اقلیمی و هیدرولوژیک بر بیابانزایی دشت مهران. مدیریت بیابان، 2(4): 67-76.
16. موسوی، س. م. 1385. کنترل پدیده بیابانزایی نیازمند عزم ملی. جنگل و مرتع، 70: 12-17.
17. میرزاییزاده، و.، م. نیکنژاد و ج. اولادی قادیکلایی. 1394. ارزیابی الگوریتمهای طبقهبندی نظارت شده غیرپارامتریک در تهیه نقشه پوشش زمین با استفاده از تصاویر لندست 8، سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 6(3): 29-44.
18. Binh T, Vromant N, Hung NT, Hens L, Boon E. 2005. Land cover changes between 1968 and 2003 in Cai Nuoc, Ca Mau peninsula, Vietnam. Environment, Development and Sustainability, 7(4): 519-536.
19. Contador J, Schnabel S, Gutiérrez AG, Fernández MP. 2009. Mapping sensitivity to land degradation in Extremadura. SW Spain. Land Degradation & Development, 20(2): 129-144.
20. De Paola F, Ducci D, Giugni M. 2009. Soil erosion and desertification: a combined approach using RUSLE and ESAs models in the Tusciano basin (southern Italy). In: EGU General Assembly Conference Abstracts. 19-24 April, Vienna, Austria.
21. Ibáñez J, Valderrama JM, Puigdefábregas J. 2008. Assessing desertification risk using system stability condition analysis. Ecological Modelling, 213(2): 180-190.
22. Kundu A, Dutta D. 2011. Monitoring desertification risk through climate change and human interference using remote sensing and GIS techniques. International Journal of Geomatics and Geosciences, 2(1): 21-33.
23. Ladisa G, Todorovic M, Liuzzi GT. 2012. A GIS-based approach for desertification risk assessment in Apulia region, SE Italy. Physics and Chemistry of the Earth, Parts A/B/C, 49: 103-113.
24. Laliberte AS, Winters C, Rango A. 2011. UAS remote sensing missions for rangeland applications. Geocarto International, 26(2): 141-156.
25. Rasuly A, Naghdifar R, Rasoli M. 2010. Detecting of Arasbaran forest changes applying image processing procedures and GIS techniques. Procedia Environmental Sciences, 2: 454-464.
26. Salvati L, Bajocco S. 2011. Land sensitivity to desertification across Italy: past, present, and future. Applied Geography, 31(1): 223-231.
27. Santini M, Caccamo G, Laurenti A, Noce S, Valentini R. 2010. A multi-component GIS framework for desertification risk assessment by an integrated index. Applied Geography, 30(3): 394-415.
28. Shakerian N, Zehtabian GR, Azarnivand H, Khosravi H. 2011. Evaluation of desertification intensity based on soil and water criteria in Jarghooyeh region. Desert, 16(1): 23-32.
29. Veron S, Paruelo J, Oesterheld M. 2006. Assessing desertification. Journal of Arid Environments, 66(4): 751-763.
30. Yang X, Zhang K, Jia B, Ci L. 2005. Desertification assessment in China: An overview. Journal of Arid Environments, 63(2): 517-531.
31. Zerger A, Gibbons P, Seddon J, Briggs S, Freudenberger D. 2009. A method for predicting native vegetation condition at regional scales. Landscape and Urban Planning, 91(2): 65-77.
32. Zhu D, Wang T, Cai C, Li L, Shi Z. 2009. Large‐scale assessment of soil erosion using a neuro‐fuzzy model combined with GIS: A case study of Hubei Province, China. Land Degradation & Development, 20(6): 654-666.
_||_