Document Type : پژوهشی
Author
Deaprtment of Remote sensing and GIS, University of Tabriz
Abstract
Introduction
The modification of the Earth’s terrestrial surface by human activities is commonly known as the land use/land cover change (LULCC) around the globe. Although the modification of the land by humans to obtain livelihoods and other essentials has been a common practice for thousands of years, the extent, intensity, and rate of LULCC are far greater now than they were in the past. These changes are driving forces for local, regional, and global level unprecedented changes in the ecosystems and environmental processes. The empirical studies conducted by researchers from diverse disciplines have found that changes in the land use/land cover is a key to many diverse applications such as agriculture, environment, ecology, forestry, geology, and hydrology.
Satellite Remote Sensing and GIS are the most common methods for the quantification, mapping, and detection of the patterns of the LULCC, because of their accurate geo-referencing procedures, digital formats suitable for computer processing, and repetitive data acquisition. Technically speaking, the remote sensing based digital satellite images have a high capability for natural resources' management operations. Land use/land cover change detection is considered as one of the most important applications in the domain of the remote sensing satellite images. Related to this applicability, it will be possible to apply multi-temporal satellite images for the detection of the land use change. Based on the results obtained from the change detection operation and modeling of the further land use changes, one will be capable to makes better decision for natural resources' management. Based on this statement, the main objective of this research is to represent the applicability of the satellite images for the detection of the land use changes, particularly on the upper areas of the Allavian dam of the Sofi-chai basin.
Dataset and methods
The study area was the upper area of the Allavian Dam in Maragheh. The research was carried out based on the digital interpretations of the Landsat images (ETM+ and TM) of the years 1989, 2000, 2002, and 2015. Based on these images, the land use changes of this region were separately detected for 3 periods. It should be noted that the widely practiced operations such as image preprocessing, classification, and post processing with those related techniques were considered in this study. Indeed, it is widely known that preprocessing before the the change detection phenomenon is very important in order to establish a more direct relationship between the acquired data and the biophysical phenomena. Accordingly, atmospheric and geometric correction were applied as the first step on satellite images. In doing so, the LSLC classes were determined based on the spatial resolution of the satellite images. Then, image enhancement methods were applied to detect each LULC class on the satellite image. Next, GPS based training data was collected in the field operation and integrated with the satellite images. In addition, the supervised maximum likelihood was applied to derive LULC map for each year. The validation step was also part of this section for the accuracy assessment based on kappa coefficient and error matrix.
Results and Conclusion
After developing LULC maps, the results were transformed into GIS environment for the following steps and GIS analysis. The results indicated a significant changes in LULC of the study area. They also indicated that orchards cover had increased throughout the study periods but rich range lands widely converted into poor range lands because of losing the significant canopy of the native plants. Increasing the trend of the orchards area may be in relation with the population growth and this factor can be affected by ( have an effect on) range land degrading. The water supply out of Allavian dam might be another reason for increasing the orchard’s area. The results also acknowledged the capability of the remote sensing for the LULC and change detection analysis. The results of this research are of great importance for decision making authorities in governmental departments such as the ministry of agriculture and natural resources for the purposes of planning and decision making.
Keywords
مقدمه
نوع کاربری اراضی و اطلاع از نحوهی کاربری اراضی، اطلاعات آن یکی از مهمترین موارد در مدیریت زمین میباشد. بشر همواره درصدد ارزیابی تغییرات صورت گرفته و مدلسازی تغییرات آتی در سطح زمین بوده است. آشکارسازی تغییرات در طی یک دورهی زمانی، امکان آگاهی از نسبت تغییرات را فراهم میسازد. ارزیابی تغییرات کاربری و پوشش اراضی، به عنوان یکی از اصلیترین تکنیکهای ارزیابی تغییرات محیطی مطرح بوده و نقش عمدهای را در برنامهریزیهای محیطی ایفا نموده است (شریفی و همکاران، 1394: 39). بسیاری از مسائل زیست محیطی نظیر، فرسایش خاک، بیابانزایی، تخریب منابع، آلودگیهای زیست محیطی و غیره، ریشه در تغییرات کاربری اراضی دارند (بای و همکاران[1]، 1:2017). امروزه مطالعات نحوهی کاربری و نوع پوشش اراضی نقش مهمی را در برنامهریزی برای مدیریت و حفاظت منابع ایفا میکند و زمینهی ارتقاء نگرش اصولی به ساختارهای زیست محیطی را فراهم میآورد (زو[2] و همکاران، 2008: 1). در راستای پایش ارزیابی تغییرات محیطی، سیستمهای پایش و ماهوارههای سنجش از دور، تکنولوژی قدرتمندی را فراهم میآورند که امکان ارزیابی روند تغییرات محیطی را با مقایسه تصاویر چندزمانه فراهم میآورد (اسام[3] و همکاران، 2013، 2: فیضیزاده و همکاران، 2012: 3). استفاده از تکنولوژی سنجش از دور در مطالعات منابع طبیعی جایگاه خاصی دارد. مقایسهی چندزمانه، بروز بودن اطلاعات، پردازش رقومی، تنوع دادهها و سرعت انتقال دادهها سنجش از دور را به عنوان مهمترین تکنولوژی در آشکارسازی تغییرات مطرح ساخته است. امروزه تکنولوژی سنجش از دور با ارائه امکانات مربوط به پردازش تصاویر رقومی با بازههای زمانی متفاوت و فناوری سیستمهای اطلاعات جغرافیایی (GIS) با قابلیت تحلیلهای مکانی، امکان مدلسازی و پیشبینی تغییرات آتی را فراهم ساخته است. بررسی پیشینهی تحقیق بیانگر کاربرد گسترده سنجش از دور در ارزیابی تغییرات محیطی است. راوات و کومار[4] (2015) مدلسازی تغییرات کاربری اراضی در هند را با استفاده از تصاویر ماهوارهای لندست برای سالهای 2010-1990 انجام دادند. این محققان با پردازش تصاویر ماهوارهای بر کارآمدی تصاویر سنجش از دور در ارزیابی روند تغییرات کاربری اراضی تأکید مینمایند. مارشال و همکاران[5] (2017) تغییرات کاربـری اراضی در کنیا را در ارتباط با تغییرات اقلیمی مورد بررسی قرار دادند. آنها در این تحقیق از تصاویر ماهوارهای لندست در بازهی زمانی 2012-1983 استفاده نموده و با پردازش تصاویر ماهوارهای روند تغییر در عوامل اقلیمی و اثرات آن برروی کاربریهای اراضی را مورد بررسی قرار دادند. با توجه به پیشینهی غنی، تحقیق حاضر با بهرهگیری از نتایج تحقیقات قبلی، آشکارسازی تغییرات کاربری اراضی در حوضهی بالادست سد علویان و مدلسازی تغییرات آن بر استعدادپذیری منطقه در مقابل فرسایش را مد نظر داده است. با توجه به موقعیت محدودهی مورد مطالعه، آگاهی از نسبت تغییرات کاربری اراضی در سطح این منطقه برای کنترل میزان رسوب در پشت دریاچه و ارزیابی تغییرات کاربریهای کشاورزی از اهمیت خاصی برخوردار است. براین اساس در این تحقیق از تصاویر ماهوارهای TM سال 1989، ETM+ سالهای 2000 و 2002 و 2015 استفاده شده و تغییرات در سه دورهی زمانی از سال 1989 الی 2000، 2000 الی 2002 و 2002 تا 2015 مورد ارزیابی قرار گرفته است.
مواد و روشها
ـ معرفی منطقهی مورد مطالعه
محدودهی مورد مطالعه بخشی از حوضهی آبریز صوفی چای از زیرحوضههای دریاچهی ارومیه است که با مساحتی مـعادل 25 کیلومتر مربع در بالادست سد علویان و در شهرستان مراغه واقع شده است. این منطقه از نظر کشاورزی دارای اهمیت زیادی بود و با توجه به وجود باغات حاصلخیز از اهمیت بالایی برای اقتصاد شهرستان مراغه برخوردار است. افزون بر آن، با توجه به قرارگیری سد علویان به عنوان یکی از مهمترین سدهای مخزنی استان آذربایجانشرقی و به لحاظ اهمیت آن در اقتصاد منطقه، لزوم انجام مطالعات تغییرات کاربری اراضی برای اهداف حفاظت از منابع و جلوگیری از تولید رسوب و انباشت آن در پشت دریاچهی سد ضروری به نظر میرسد. برای نیل به این مهم، در این تحقیق از تصاویر ماهوارهای سنجندههای TM, ETM سالهای 1989 و 2000 و 2002 و 2015 به همراه دادههای حاصل از برداشت میدانی با استفاده از GPS و دادههایGoogle Earth برای تعیین نمونههای آموزشی در فرایند طبقهبندی استفاده شده است.
شکل (1) موقعیت محدودهی مورد مطالعه در شهرستان مراغه
بحث و نتایج
ـ مرحلهی پیشپردازش و اعمال تصحیحات هندسی و اتمسفری
مرحلهی پیشپردازش همواره به عنوان یکی از مهمترین مراحل در پردازش تصاویر ماهوارهای مطرح بـوده است. این مرحله شامل آمادهسازی تـصاویر برای پردازش میباشد. در این تحقیق اقدامات انجام شده در مرحلهی پیشپردازش شامل تصحیح هندسی و اتمسفری میباشد. با توجه به وجود اعوجات هندسی در تصاویر سنجش از دور، در این مرحله نسبت به کنترل دقت هندسی و زمان مرجع نمودن آنها براساس نقشههای توپوگرافی اقدام شده است. برای تصحیح هندسی تصاویر ماهوارهای معمولاً از دو روش استفاده مـیشود. اگر لازم باشد تصاویر بـه صورت منفرد مورد استفاده قرار گیرند، از روش ثبت تصویر به نقشه[6] استفاده میشود و اگر قرار باشد که از تصاویر چندزمانه استفاده شود، از روش ثبت تصویر به تصویر[7] استفاده میشود (علویپناه، 1384: 45). در این تحقیق از هر دو روش برای انجام اصلاحات هندسی بروی تصاویر استفاده شده است. برای انجام این فرایند در ابتدا از نقشههای 25000/1 استفاده شده و در مرحلهی اول تصویر ماهوارهای TM سال 1989 با برداشت 12 نقطهی کنترل زمینی با خطای RMS معادل 44/0 پیکسل زمین مرجع گردید. در مرحلهی دوم، از این تصویر ماهوارهای استفاده گردیده و تصویر ماهوارهایETM+ سالهای 2000 ، 2002 و 2015 با برداشت 15 نقطه کنترل از سطح تصویر با روش تصویر به تصویر با خطای RMS معادل 42/0 پیکسل زمین مرجع گردیدند. در تصحیح هندسی سعی گردید که نقاط کنترل زمینی از پراکنش مناسبی در سطح تصویر برخوردار باشد تا مدل ریاضی که برای محاسبه ضرایب مجهول در معادلهی مورد استفاده قرار میگیرد، خطای کمتری داشته باشد. برای تبدیل مختصات تصویر تصحیح شده به تصویر تصحیح نشده، از تابع درجه دوم استفاده گردید و برای نمونهگیری مجدد ارزش پیکسلهای تصویر تصحیح نشده از روش نزدیکترین همسایه استفاده شد و سعی گردید تا خطاهای RMS تا حد امکان یکی باشد.
در مرحلهی بعد تصحیحات اتمسفری بر روی تصاویر اعمال شد. لازم به ذکر است که ارزش عددی هر پیکسل در تصاویر ماهوارهای، ثبت واقعی تابندگی در سطح زمین نیست، زیرا بر اثر جذب امواج تضعیف شده و یا اینکه بر اثر پراکنش مسیر آن توسط اتمسفر تغییر میکند. تصحیح اتمسفری تصاویر تصحیحات اتمسفری در سنجش از دور از ضروریات است. حذف آثار سوء جو زمانی بیشتر احساس می شود که هدف مقایسه تصاویر چندزمانه باشد (مسگری، 1381: 19). در تحقیق حاضر با توجه به موقعیت منطقهی مورد مطالعه و با در نظر گرفتن تأثیر تودهای آبی سد علویان بر ارزشهای پیکسلی مجاور خود از متد چاوز (کاهش ارزش عددی پیکسلهای تیره) استفاده شد و ارزش پیکسلهای تیره در تصویر کاهش داده شد تا فرایند طبقهبندی از صحت بالایی برخوردار باشد. تکنیک کاهش ارزش عددی پیکسلهای تیره، بر این فرض استوار است که کمترین DN یک پیکسل، در هر باند بایستی صفر باشد، و ارزش رادیومتری DN نتیجهای است که از خطای اتمسفری حاصل شده است (چاوز[8] 1988: 6، فیضیزاده و بلشکه[9]، 2012: 2) بنابران اگر ارزش عددی تعریف شده برای پیکسلها بر اثر خطای اتمسفری را از تمامی پیکسلها کسر گردد، در واقع نسبت به تصحیحات اتمسفری اقدام شده است. در این تحقیق از این روش برای تصحیحات اتمسفری استفاده شد.
ـ پردازش تصاویر ماهوارهای
هدف اساسی در فرآیند پردازش، استخراج هر چه دقیقتر اطلاعات کاربردی از تصاویر ماهوارهای موجود است. در این فرایند با استفاده از تکنیکهای خاص سعی میشود اطلاعات دقیق از تصاویر استخراج گردد. در این مرحله پس از اینکه کلاسهای کاربری اراضی مشخص شد، از انواع تکنیکهای آشکارسازی تصویر، شامل آشکارسازی خطی، تعادل هیستوگرام و فیلترهای مکانی برای شناسایی بهتر کلاسهای کاربری اراضی استفاده شده است. سپس با برداشت نمونههای آموزشی با GPS در طی عملیات میدانی، و پیادهسازی آنها در سطح تصویر در محیط نرمافزار Envi، اقدام به طبقهبندی تصاویر شده است
ـ جمعآوری نمونههای آموزشی و استخراج مشخصات طیفی کلاسها
جمعآوری نمونههای آموزشی جهت استخراج نقشههای کاربری اراضی با استفاده از دادههای سنجش ازدور در طی دو مرحله از عملیات میدانی صورت میگیرد. مرحلهی اول قبل از طبقهبندی، که در این مرحله جمعآوری نمونهها برای آشنایی با محدودهی مورد مطالعه و همچنین به دست آوردن نـمونههای آموزشی مورد نیاز برای طبقهبندی انجام میشود. مرحلهی دوم پس از انجام طبقهبندی، که با هدف بازبینی صحت و تصحیح نتایج طبقهبندی انجام میشود. علاوه بر عملیات میدانی نمونههای آموزشی مورد نیاز برای استخراج نقشههای کاربری اراضی میتواند از دادههای GIS و سایر موارد مثل نقشههای توپوگرافی، نقشههای زمینشناسی و خاکشناسی و همچنین دادههای تصویری جمعآوری شود در این تحقیق جمعآوری نمونه آموزشی عمدتاً با استفاده از GPS درطی عملیات میدانی انجام شده است اما از نقشههای توپوگرافی000 25/1 و تصاویرGoogle Earth نیز در برداشت نمونهها استفاده شده و در مجموع 270 نقطه به عنوان محل نمونههای آموزشی برای کلاسهای کاربری در نظر گرفته شده، انتخاب شده است. پس از پیادهسازی نمونههای آموزشی بر سطح تصویر، اقدام به استخراج مشخصات آماری کلاسها شده و با شاخصهای تفکیکپذیری و منحنیهای انعکاس طیفی برای تمامی کلاسها استخراج شد. با تفسیر منحنیهای انعکاس طیفی باندهای مناسب برای طبقه بندی شناسایی شده و در نهایت ترکیب باندی 2-3-4 به عنوان بهترین ترکیب باندی برای طبقهبندی تصویر تعیین شد.
ـ طبقهبندی تصاویر
در تصاویر رقومی سنجش از دور هر پیکسل دارای ارزش عددی است، که بازگوکنندهی
رفتار طیفی پدیدهی متناظر آن در سطح زمین است. در واقع ارزشهای عددی پیکسلها انعکاسی از نسبت بازتاب طیفی پدیدههای متناظر آنها در سطح زمین است. با تجزیه و تحلیل ارزشهای عددی تصاویر رقومی سنجش از دور امکان شناسایی پدیدههای زمینی بر روی تصویر فراهم شده و میتوان نسبت به طبقهبندی آنها اقدام نمود. این نوع طبقهبندی بر اساس ارزش عددی پیکسلها بوده و در آن پدیدههای دارای ارزش عددی یکسان، در یک گروه قرار میگیرند، این طبقهبندی که مبتنی بر ارزش عددی پیکسلها میباشد، طبقهبندی پیکسل پایه نامیده میشود (فیضیزاده و هلالی، 1388: 76). طبقهبندی پیکسل پایه تصاویر سنجش از دور با استفاده از روشهای مختلفی قابل انجام است. در تحقیق حاضر برای طبقهبندی پیکسل پایه تصویر ماهوارهای محدودهی مورد مطالعه از الگوریتمهای حداکثر احتمال استفاده شده است. برای انجام طبقهبندی پس از تعیین کلاسهای پوشش/کاربری اراضی در ابتدا نمونههای آموزشی برای هر کدام از کلاسها به تعداد مورد نیاز جمعآوری میگردد. پس از پیادهسازی نمونههای آموزشی بر سطح تصویر و استخراج پارامترهای آماری مورد نیاز، بهترین ترکیب باندی (4،3،2) برای طبقهبندی هر تصویر انتخاب شد و در مرحلهی بعد با استفاده از الگوریتم حداکثر احتمال تصاویر طبقهبندی شدند.
ـ ارزیابی دقت
هیچ طبقهبندی تا زمانی که دقت آن مورد ارزیابی قرار نگرفته است تکمیل نیست (لیلساند[10]، 2001: 123). زمانی که نمونهبرداری از پیکسلها به عنوان الگوی کلاسهای طیفی یا اطلاعاتی صورت میگیرد، ارزیابی بازتاب طیفی کلاسها و تفکیکپذیری آنها نیز تواماً قابل انجام است (علویپناه، 1384: 125). لذا برای اطمینان از صحت طبقهبندی اقدام به ارزیابی دقت طبقهبندی میشود) شریفی و همکاران، 1395: 42). دقت طبقهبندی بیانگر سطح اعتماد به نقشهی استخراج شده بوده و در نقشههای کاربری اراضی به دست آمده از تصاویر سنجش از دور بایستی حداقل 85% باشد (آندرسون و همکاران[11]، 1976: 12) در تحقیق حاضر برای ارزیابی صحت از نمونههای آموزشی (150 نقطه کنترل) که در طی عملیات میدانی با GPS برداشت شده استفاده شد. برای ارزیابی صحت پارامترهای آماری ماتریس خطا، ضریب کاپا، دقت کلی طبقهبندی برای هریک از طبقهبندیها استخراج شده است. باتوجه به اینکه طبقه بندی نظارت شده یک فرآیند آماری میباشد، در این نوع از محاسبات دقت کلی برابراست با تعداد پیکسلهای درست طبقهبندی شده یک کلاس بـه کل پیکسلهای درست طبقهبندی شده در تمامی کلاسها میباشد که طبق رابطهی زیر محاسبه می شود:
رابطهی (1) OA=1/N ∑ pii
در بطهی (1) OA بیانگر دقت کلی، N ، تعداد پیکسلهای آزمایشی و ∑ pii ، جمع عناصر قطر اصلی ماتریس خطا میباشد. معمولاً در کنار محاسبات دقت کلی ضریب کاپا نیز که بیانگر میزان تطابق بین نتایج طبقهبندی و واقعیت زمینی میباشد نیز محاسبه میشود. استفاده از ضریب کاپا برای حذف انطباقهای تصادفی میباشد که ممکن است در دقت کلی مشاهده شود (ریچاردز[12]، 1999: 12). ضریب کاپا مطابق با فرمول زیر محاسبه میشود:
رابطهی (2)
در رابطهی (2) P0 بیانگر درستی مشاهده شده و Pc، بیانگر تـوافق مورد انتـظار
است. جدول (1) نتایج حاصل از محاسبات دقت کلی و ضریب کاپا را برای هر یک از طبقهبندیهای انجام شده نشان میدهد.
جدول (2) نتایج ارزیابی دقت الگوریتمهای طبقهبندیها
|
سال و نوع تصویر ماهواره ای |
ضریب کاپای |
دقت کلی |
|
تصویر TM سال 1989 |
87/0 |
79/89 |
|
تصویر ETM+ سال 2000 |
90/0 |
96/91 |
|
تصویر ETM+ سال 2002 |
88/0 |
59/89 |
|
تصویر ETM+ سال 2015 |
89/0 |
37/90 |
ـ آشکارسازی تغییرات
پس از اینکه نقشهی کاربری اراضی هر دوره استخراج شد، اقدام به تهیهی نقشههای آشکارسازی تغییرات شد. در تهیهی نقشههای تغییرات نقشههای کاربری اراضی هر دوره با هم مقایسه و در مجموع 3 نقشه تولید شد. که در شکلهای (2) آورده شده است. پس از اینکه نقشههای تغییرات هر دوره تهیه شد نسبت به محاسبهی مساحت هر یک از کلاسهای کاربری اراضی اقدام شد. نتایج ارزیابی دقت در جدول (2)و نتایج حاصل از تغییرات هر کلاس نیز در جدول (3) آورده شده است.
جدول (2) مساحت هریک از کلاسهای کاربری اراضی در هر دوره ( هکتار)
|
2015 |
2002 |
2000 |
1989 |
کلاس |
|
|
456.7 |
421.7 |
398.4 |
375.6 |
اراضی باغی |
|
|
1607.5 |
1234.0 |
1251.5 |
1043.5 |
اراضی دیم |
|
|
1341.6 |
8696.0 |
566.9 |
4627.3 |
مرتع خوب |
|
|
3955.8 |
1466.2 |
2466.8 |
1118.1 |
مرتع متوسط |
|
|
3432.6 |
5193.7 |
5619.3 |
5457.3 |
مرتع ضعیف |
|
|
14091.9 |
5193.8 |
14583.1 |
12264.2 |
رخنمون سنگی |
|
|
24886.3 |
24886.3 |
24886.3 |
24886.3 |
جمع |
|
جدول (3) تغییرات کاربریهای اراضی برای دورهی اول (2000-1989)، دورهی دوم (2002-2000) و دورهی سوم (2015-2002)
|
دورهی سوم |
دورهی دوم |
دورهی اول |
کلاس کاربری اراضی |
|
176 |
176 |
240 |
باغ (اراضی بدون تغییر در این کلاس) |
|
3 |
46 |
38.71 |
باغ به دیم |
|
61 |
34 |
31 |
باغ به مرتع خوب |
|
26 |
12 |
1 |
باغ به مرتع متوسط |
|
7 |
39 |
8 |
باغ به مرتع ضعیف |
|
121 |
88 |
54 |
باغ به رخنمون سنگی |
|
15 |
25 |
9 |
دیم به باغ |
|
129 |
256 |
341 |
دیم (اراضی بدون تغییر) |
|
18 |
47 |
11 |
دیم به مرتع خوب |
|
145 |
30 |
18 |
دیم به مرتع متوسط |
|
236 |
405 |
346 |
دیم به مرتع ضعیف |
|
825 |
424 |
315 |
دیم به رخنمون سنگی |
|
27 |
17 |
46 |
مرتع خوب به باغ |
|
5 |
37 |
32 |
مرتع خوب به دیم |
|
106 |
353 |
333 |
مرتع خوب (اراضی بدون تغییر) |
|
122 |
29 |
1639 |
مرتع خوب به مرتع متوسط |
|
37 |
83 |
613 |
مرتع خوب به مرتع ضعیف |
|
218 |
44 |
1944 |
مرتع خوب به رخمون سنگی |
|
8 |
18 |
7 |
مرتع متوسط به باغ |
|
17 |
10 |
11 |
مرتع متوسط به دیم |
|
454 |
2098 |
21 |
مرتع متوسط به مرتع خوب |
|
844 |
139 |
447 |
مرتع متوسط (اراضی بدون تغییر) |
|
263 |
113 |
471 |
مرتع متوسط به مرتع ضعیف |
|
1165 |
91 |
158 |
مرتع متوسط به رخنمون سنگی |
|
12 |
9 |
18 |
مرتع ضعیف به باغ |
ادامه جدول (3)
|
دورهی سوم |
دورهی دوم |
دورهی اول |
کلاس کاربری اراضی |
|
163 |
266 |
357 |
مرتع ضعیف به دیم |
|
92. |
1607 |
51 |
مرتع ضعیف به مرتع خوب |
|
823 |
714 |
203 |
مرتع ضعیف به مرتع متوسط |
|
812 |
2297 |
3141 |
مرتع ضعیف (اراضی بدون تغییر) |
|
1473 |
631 |
1676 |
مرتع ضعیف به رخنمون سنگی |
|
215 |
176 |
74 |
رخنمون سنگی به باغ |
|
1286 |
568 |
468 |
رخنمون سنگی به دیم |
|
605 |
4591 |
117 |
رخنمون سنگی به مرتع خوب |
|
1990 |
543 |
144 |
رخنمون سنگی به مرتع متوسط |
|
2072 |
2039 |
1034 |
رخنمون سنگی به مرتع ضعیف |
|
10299 |
6812 |
10449 |
رخنمون سنگی (اراضی بدون تغییر) |
|
24886 |
24886 |
24886 |
جمع |
|
C |
|
A |
|
B |
شکل (2) نقشهی تغییرات کاربری اراضی: Aبرای دورهی اول (2000-1989)، B برای دورهی دوم (2002-2000) و C دورهی سوم (2015-2002)
نتیجهگیری
در پژوهش جاری از تصاویر ماهواره ای با دورههای زمانی متفاوت استفاده شده و پس از تهیهی نقشههای کاربری اراضی، روند تغییرات کاربری اراضی منطقه مورد مطالعه در طی سه دوره در فواصل سالهای 1989-2015، استخراج شد. نتایج پژوهش نشان میهد که تصاویر رقومی ماهوارهای، از قابلیت بالایی در ارزیابی روند تغییرات کاربریهای اراضی برخوردارند و میتوانند مبنایی برای ارزیابی تغییرات محیطی باشند و در انواع مطالعات مورد استفاده قرار گیرند. براساس نتایج حاصل از این پژوهش، تکنولوژی سنجش از دور با ارائهی تصاویر چندزمانه، میتواند مبنای بسیار مناسبی برای پایش تغییرات کاربری اراضی باشد. نتایج بررسی نسبت تغییرات رخ داده در منطقهی مورد مطالعه، نشان میدهد که مساحت سطح زیرکشت کاربریهای اراضی باغی و اراضی دیم در طول دورهها، روند صعودی داشته است، که ناشی از افزایش جمعیت در این منطقه است. بدیهی است که چنین تغییری در تسریع فرسایش در این منطقه نقش مؤثری دارد چرا که به خاطر حذف پوشش گیاهی طبیعی و همچنین افزایش فعالیتهای انسانی در سطح دامنهها با انجام اقدامات شخمزنی، رسوبات بیشتری در اختیار چرخه فرسایش این منطقه قرار میگیرد. از سوی دیگر تبدیل اراضی مرتعی خوب به مراتع متوسط، یکی از بارزترین جنبههای تغییرات در طی این دورهی زمانی است که به دلیل چرای بیرویه بر اثر افزایش جمعیت و تعداد دام از یکسو و از سوی دیگر به دلیل خشکسالی و کاهش بارندگی در فصل نیاز آبی بالای مراتع در این منطقه میباشد. با توجه به سازندهای زمینشناسی منطقهی مورد مطالعه و وجود انواع فرسایش، نظیر هوازدگی و فرسایش دینامیکی وجود پوشش گیاهی طبیعی در سطح دامنهها به عنوان یک عامل حفاظتی در افزایش سطح رسوب رودخانه عمل مینماید. بدیهی است که با کاهش سطح پوشش گیاهی از یک طرف و همینطور افزایش تغییرپذیری در مکانیزم طبیعی دامنهها با تبدیل اراضی مرتعی به کشاورزی انتظار میرود سطح قابل توجهی رسوب به سیستم رودخانه وارد شود که در نهایت در پشت دریاچه سد علویان انباشته خواهد شد و مشکلاتی را در زمینهی کاهش سطح آب قابل ذخیرهسازی ایجاد خواهد نمود. با توجه به نتایج اصلی تحقیق، در کل میتوان گفت که در منطقهی مورد مطالعه، روند تغییرات کاربریها، رابطه مستقیمی با افزایش جمعیت دارد، چرا که افزایش سطح اراضی باغی، اراضی دیم و تبدیل مراتع به زراعت دیم و مراتع فقیر، نتایج تلاش جمعیت رو به افزایش جهت تأمین مایحتاج غذایی میباشد. با توجه به آثار زیست محیطی ناشی از چنین تغییراتی بدیهی است که در سالهای آتی مشکلات مربوط بروز انواع فرسایشها نظیر فرسایشهای خندقی، کاهش حاصلخیزی اراضی و انباشت رسوب در پشت دریاچه سد علویان در این منطقه مطرح خواهد شد که برای کاهش اثرات آنها پیشنهاد میشود. اقدامات حفاظت از منابع طبیعی و آبخیزداری در این منطقه صورت گیرد. همچنین مقایسه نتایج تحقیق حاضر با تحقیق انجام شدهی قبلی در ارزیابی روند تغییرات کاربری اراضی شهری مراغه که در بخش زیرین این حوضه قرار دارد، نشان میدهد که تغییرات قابل توجهی در روند کاربریهای اراضی شهری این منطقه در جریان می باشد که ناشی از افزایش جمعیت و فشار بر منابع طبیعی میباشد.
نتایج این تحقیق بیانگر قابلیت بالای تصاویر ماهوارهای برای پایش تغییرات محیطی بوده و میتواند در انواع برنامهریزیها نظیر آمایش سرزمین، حفاظت از منابع طبیعی و منابع آبی مورد استفاده کارشناسان در سطح سازمانهای اجرایی نظیر منابع طبیعی، جهاد کشاورزی، مدیریت برنامهریزی و امور آب قرار گیرد. در راستای تحقیق مشخص شد که تفکیک اراضی مرتعی و دیم به دلیل شباهتهای طیفی و ویژگیهای مکانی با دقت بالایی امکانپذیر نیست و این کلاسها بیشترین اختلاط را نشان میدهند. بدیهی است که استفاده از دادههای تکمیلی نظیر مدلهای رقومی ارتفاع و همچنین تصاویر ماهوارهای با دقت مکانی بالا میتواند در بهبود دقت چنین طبقهبندیهایی بسیار مؤثر باشد. براین اساس پیشنهاد میشود که استخراج نقشههای کاربری اراضی با استفاده از تصاویر با دقت تفکیک مکانی بالاتر و تکنیکهای کارآمدتر، نظیر روشهای پردازش شیءگرای تصاویر ماهوارهای انجام شود.
)