رضا شاکری؛ کامران شایسته؛ مهدی قربانی
چکیده
فعالیت‌های طبیعی و انسانی در مناطق ساحلی، باعث تغییرات پویای کاربری و پوشش زمین می‌شود. رشد سریع جمعیت در این مناطق، باعث تسریع در روند تغییر کاربری‌ها و پوشش طبیعی زمین و انتقال به کاربری‌های مسکونی و توسعه زیرساخت‌ها می‌شود. این پژوهش، به‌منظور بررسی و مدل‌سازی تغییرات کاربری زمین در حوزه تالاب انزلی بین سال‌های 1975 تا 2015، ...
بیشتر
فعالیت‌های طبیعی و انسانی در مناطق ساحلی، باعث تغییرات پویای کاربری و پوشش زمین می‌شود. رشد سریع جمعیت در این مناطق، باعث تسریع در روند تغییر کاربری‌ها و پوشش طبیعی زمین و انتقال به کاربری‌های مسکونی و توسعه زیرساخت‌ها می‌شود. این پژوهش، به‌منظور بررسی و مدل‌سازی تغییرات کاربری زمین در حوزه تالاب انزلی بین سال‌های 1975 تا 2015، با استفاده از تصاویر ماهواره‌ای و پیش‌بینی تغییرات احتمالی کاربری زمین در سال 2045 با استفاده از مدل LCM انجام شده است. به منظور دستیابی به تغییـرات کمی و کیفـی رخ‌داده در منطقه مورد مطالعه، نقشه‌های کاربری حوزه آبخیز تالاب انزلی از تصاویر ماهواره لندست سال‌های 1975، 1989، 2000 و 2015 استفاده شده است. بر این اساس، شش طبقه کاربری کشاورزی، مرتع، جنگل، اراضی تالابی، اراضی مسکونی و تالاب با استفاده از روش طبقه‌بندی الگوریتم حداکثر احتمال مـدنظـر قـرار گرفـت. ارزیابی صحت نقشه‌های کاربری زمین مستخرج از تصاویر ماهواره‌ای به دو صورت دقت کلی و ضریب کاپا به ترتیب برابر 87 درصد و 0.71 با استفاده از 323 نقطه از طریق الگوریتم نمونه‌گیری لایه‌ای تصادفی محاسبه شد. تجزیه و تحلیل ماتریس تشخیص تغییرات نشان می‌دهد که در طی دوره زمانی 1975 تا 2015 کل تغییرات و انتقال کاربری‌های مختلف به یکدیگر 76648.14 هکتار است. بیشترین تغییرات بین کاربری‌های مختلف در طی این زمان مربوط به انتقال کاربری‌های مختلف به کاربری کشاورزی به میزان 49827.69 هکتار است که این میزان معادل 65 درصد کل تغییرات کاربری‌های مختلف است. در تغییر کاربری‌های صورت گرفته به کشاورزی، کاربری‌های جنگل (64 درصد)، مرتع(16 درصد)، اراضی تالابی (10 درصد)، تالاب(8 درصد) و مناطق مسکونی (2 درصد) بیشترین سهم را دارند. در طول مدت مطالعه، گسترش کاربری مسکونی همواره روندی مثبت و منطبق بر افزایش جمعیت داشته است. مدل‌سازی پتانسیل انتقال با استفاده از شبکه عصبی مصنوعی و استفاده از 7 متغیر و 8 زیر مدل انجام شد. نتایج مدل‌سازی با استفاده از شبکه عصبی در اکثر سناریوها صحت بالایی (60.14 تا 88.73 درصد) را نشان داد. به منظور بررسی صحت مدل‌سازی ضریب کاپای استاندارد (0.8948) و مقادیر خطای Null Successes (77.9 درصد), Hits (3.1 درصد), Misses (15.9 درصد), False Alarms (3.1 درصد) محاسبه و وضعیت صحت برای موقعیت و کمیت پیکسل‌های هر طبقه به دست آمد. نسبت Hits به کل پیکسل‌های تغییر کرده (14.2) بیانگر قابل‌قبول بودن نتایج مدل در پیش‌بینی تغییرات کاربری زمین است. مقایســه نتایج حاصــل از تبدیل و تغییر کلاس کـاربری‌هـای زمین در دوره زمـانی 2015 تـا 2045 (پیش‌بینی‌شده) در منطقه، نشـــان می‌دهد اگر روند بهره‌برداری از ســـرزمین با شـــیوه مدیریت فعلی ادامه یابد، 10036.26 هکتار اراضی جنگلی به اراضی کشاورزی (67.69 درصد)، مرتع(32.04 درصد)، مناطق مسکونی(0.16 درصد) و اراضی تالابی تبدیل می شود و با احتساب انتقال سایر کاربری‌ها به کاربری جنگل در مجموع در طول این مدت، شاهد کاهش 9963.36 هکتار جنگل خواهیم بود. به طور کلی در این مدت اراضی کشاورزی، مرتع و مناطق مسکونی افزایش یافته و کاربری‌های جنگل، تالاب و اراضی تالابی کاهش خواهد داشت.
احسان تمسکی؛ اسداله خورانی؛ علی درویشی بلورانی؛ احمد نوحه‌گر
دوره 7، شماره 4 ، بهمن 1394، ، صفحه 27-44
چکیده
پدیدۀ طوفان‌های گردوغبار از مهم‌ترین مخاطرات زیست‌محیطی جهان امروز است که هرساله خسارت‌های جبران‌ناپذیری را بر بخش‌های گوناگون، ازجمله محیط‌‌زیست و سلامت انسان‌ها وارد می‌کند. هدف از این مطالعه پایش و پیش‌بینی وقوع طوفان‌های گردوغبار در جنوب و جنوب‌شرق ایران با استفاده از داده‌های سنجش از دور در تلفیق با اطلاعات ایستگاهی ...
بیشتر
پدیدۀ طوفان‌های گردوغبار از مهم‌ترین مخاطرات زیست‌محیطی جهان امروز است که هرساله خسارت‌های جبران‌ناپذیری را بر بخش‌های گوناگون، ازجمله محیط‌‌زیست و سلامت انسان‌ها وارد می‌کند. هدف از این مطالعه پایش و پیش‌بینی وقوع طوفان‌های گردوغبار در جنوب و جنوب‌شرق ایران با استفاده از داده‌های سنجش از دور در تلفیق با اطلاعات ایستگاهی است. به این منظور، از 92 تصویر ماهواره‌ای سنجندۀ مودیس و نیز داده‌های سازمان هواشناسی ایران در 18 ایستگاه همدیدی جنوب و جنوب‌شرق کشور طی سال‌های 2001 تا 2009 استفاده شد. در این مطالعه، روزهای گردوغباری با دو منشأ نزدیک و خارج از ایستگاه‌های همدیدی استخراج شد. پس از پایش سالیانه و ماهیانۀ طوفان‌ها، با استفاده از عناصر اقلیمی و شاخص NDVI برای پیش‌بینی طوفان‌های گردوغبار، با استفاده از مدل رگرسیون مکانی چندمتغیره اقدام شد. نتایج نشان می‌دهد که در اوایل هر سال میلادی وقوع طوفان‌ها افزایش و پس از ماه‌های ژوئن و ژوئیه سیر نزولی پیدا می‌کند. همچنین، گردوغبار با منشأ نزدیک ایستگاه باعث ایجاد بیشترین روزهای گردوغباری در منطقه است، به‌طوری‌که بیش از 78 درصد از روزهای گردوغباری بر اثر وقوع این نوع گردوغبار ایجاد شده است. آزمون اعتبارسنجی روابط رگرسیونی نشان داد که این روابط فراوانی طوفان‌های گردوغبار را در ماه‌های گرم و پرغبار با دقت بالاتری پیش‌بینی می‌کنند. با توجه به اینکه عمدۀ گردوغبار این منطقه با منشأ نزدیک ایستگاه‌هاست، می‌شود با اقدامات بیابان‌زدایی و مقابله با فرسایش بادی حجم قابل‌توجهی از این طوفان‌ها را کاهش داد
