دوره 3، شماره 4 - ( 10-1395 )
جلد 3 شماره 4 صفحات 88-71 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
halabian A H, soltanian M. Assessment and forecasting the desertification changes in the east and south of Isfahan by CA-Markov model. Journal of Spatial Analysis Environmental Hazards 2017; 3 (4) :71-88
URL: http://jsaeh.khu.ac.ir/article-1-2655-fa.html
URL: http://jsaeh.khu.ac.ir/article-1-2655-fa.html
حلبیان امیرحسین، سلطانیان محمود. ارزیابی و پیش بینی تغییرات بیابان زایی در شرق و جنوب اصفهان با مدل CA-Markov. تحلیل فضایی مخاطرات محیطی. 1395; 3 (4) :71-88
1- ، halabian_a@yahoo.com
چکیده: (8148 مشاهده)
یکی از مهمترین بلایایی که مناطق خشک و نیمه خشک را تحت تاثیر قرار می دهد و در زمره عوامل تهدید کننده حیات بشری و تخریب منابع طبیعی محسوب می شود بیابان زایی است، بنابراین شناخت و پیش بینی این پدیده از اهمیت بسزایی برخوردار است. در این راستا به منظور بررسی وضعیت بیابان زایی منطقه شرق و جنوب اصفهان از تصاویر ماهواره لندست 4 و 7 و 8 در 5 دوره 1986، 1994، 2000، 2008 و 2016 استفاده گردید. شاخص NDVI برای شناسایی پوشش گیاهی و شاخص شوری خاک برای شناسایی مناطق بیابانی و شور به کار گرفته شد. به منظور شناسایی و تهیه نقشه کاربریهای منطقه مطالعاتی مشتمل بر( اراضی بیابانی و شور، پوشش گیاهی، شهر، زمینهای بایر و گاوخونی) از روش طبقه بندی نظارت شدهFuzzy ARTMAP و برای محاسبه تغییرات در کاربریهای پهنه مورد بررسی در 5 دوره فوق از مدل LCM بهره گرفته شد. در ادامه، مدل ترکیبی زنجیره مارکوف و سلولهای خودکار (CA-Markov) برای پیش بینی تغییرات کاربری اراضی استفاده گردید. برای تعیین اعتبار پیش بینی نیز از شاخص انطباق کاپا بهره گرفته شد که میزان 78 درصد را نشان میدهد. نتایج این پژوهش نشان داد که بیشترین تغییرات در طی دوره مورد مطالعه را پوشش گیاهی داشته است. این حجم تغییر طی دوره 1986-1994 بوده است که 1062 کیلومتر مربع کاهش را نشان می دهد. از طرفی بیشترین شدت افزایش مناطق شور و بیابانی طی دوره 1994-2000 رخ داده که حدود 495 کیلومتر مربع افزایش را نشان میدهد. در نهایت مشخص گردید که بیشترین تغییرات طی دوره 2016-2024 در پوشش گیاهی رخ خواهد داد که حدود 60 درصد از پوشش گیاهی منطقه از بین خواهد رفت و اراضی بایر جایگزین آن خواهد شد. اراضی شور و بیابانی نیز جایگزین حدود 3/3 درصد از اراضی بایر، حدود 1 درصد از پوشش گیاهی و کمتر از 01/0 درصد از شهر و تالاب گاوخونی میگردد.
فهرست منابع
1. احمدی، حسن؛ 1383. بررسی عوامل موثر در بیابان زایی. جنگل و مرتع،62: 71-66.
2. اسلمی، فرنوش؛ اردوان قربانی، بهروز سبحانی و محسن پناهنده. 1393. مقایسه ی روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا در استخراج کاربری و پوشش اراضی از تصاویر لندست 8. کاربرد سنجش از دور و GIS در علوم منابع طبیعی،3: 1-14.
3. آذرمهر، محمدرضا؛ محمدسعدی مسگری و محمد کریمی. 1389. مدل سازی مکانی زمانی بیماری مالاریا با استفاده از Geographic Information System و روش Cellulαr Automαtα. بیماریهای عفونی و گرمسیری ایران، 48: 61-69.
4. جباری، کاظم و سیمین احمدی. 1391. مدلسازی توسعه شهری با استفاده از GIS و سلولهای خودکار. چاپ اول. انتشارات آذرکلک. زنجان.
5. دادرسی، سبزواری و ابوالقاسم پاکپرور. 1386. بررسی روند بیابان زایی به روش سنجش از دور و نزدیک در اراضی دشت سبزوار. تحقیقات مرتع و بیابان ایران، 14: 33-52.
6. زارع گاریزی، آرش؛ سعدالدین امیر شیخ واحدبردی و عبدالرسول سلمان ماهینی. 1390. شبیه سازی مکانی- زمانی تغییرات گستره جنگل در آبخیز چهل چای استان گلستان با استفاده از مدل تلفیقی سلول های خودکار و زنجیره مارکف. تحقیقات جنگل و صنوبر ایران،2: 273-285.
7. زارعانی ارنانی، محمد؛ محمدعلی حکیم زاده، زهرا گیوئی اشرف و زهره ابراهیمی خوسفی. 1390. روندیابی شوری خاک با استفاده از سنجش از دور به منظور ارزیابی بیابان زایی مطالعه موردی دشت مروست استان یزد. مجموعه مقالات دومین همایش ملی مقابله با بیابان زایی و توسعه پایدار تالابهای کویری ایران. تهران.
8. زهتابیان، غلامرضا و عمار رفیعی امام. 1382. ESAs روشی جدید برای ارزیابی و تهیه نقشه حساسیت مناطق به بیابان زایی. بیابان، 8: 120-126.
9. سرودی، منا و سیدعلی جوزی. 1390. پیش بینی تغییرات پوشش گیاهی با استفاده از مدل مارکوف (مطالعه موردی: منطقه 4 شهرداری تهران). کاربرد سنجش از دور و GIS در علوم منابع طبیعی، 2: 83-96.
10. سلمان ماهینی، عبدالرسول و حمیدرضا کامیاب. 1390. سنجش از دور و سامانه های اطلاعات جغرافیایی کاربردی با نرم افزار ادریسی. چاپ اول. نشر مهر مهدیس.
11. صدری، سجاد. 1394، پایش بیابان زایی کویر درانجیر، پایان نامه کارشناسی ارشد، دانشگاه اصفهان.
12. صیدی لو، محمود؛ الهام امینی و فرهاد حمزه. ۱۳۹۵. ارزیابی گسترش فیزیکی شهر رباط کریم و تأثیر آن بر روی اراضی کشاورزی با استفاده از فناوری سنجش از دور و سیستم اطلاعات جغرافیایی. کنفرانس بین المللی مهندسی معماری و شهرسازی. تهران.
13. ضیائیان فیروزآبادی، پرویز؛ علیرضا شکیبا. علی اکبر متکان و علی صادقی. 1388. سنجش از دور(RS)، سیستم اطلاعات جغرافیایی (GIS) و مدل سلول های خودکار (CA) به عنوان ابزاری برای شبیه سازی تغییرات کاربری اراضی شهری (مطالعه موردی: شهر شهرکرد). علوم محیطی،1: 133-148.
14. عزیزی قلاتی، سارا؛ کاظم رنگزن، جواد سدیدی، پیمان حیدریان و ایوب تقی زاده. 1395. پیش بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل زنجیره مارکوف-CA (مطالعه موردی: منطقه کوهمره سرخی استان فارس). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 1: 59-71.
15. عسگریان، علی؛ بهمن جباریان امیری، افشین علیزاده شعبانی و جهانگیر فقهی. 1392. پیش بینی رشد مکانی و توسعه پراکنده شهر ساری با بکارگیری مدل سلولهای خودکار-مارکوف و شاخص آنتروپی شانون. بوم شناسی کاربردی، 6: 13-25.
16. علی محمدی سراب، عباس؛ علی اکبر متکان و بابک میرباقری. 1389. ارزیابی کارایی مدل سلول های خودکار در شبیه سازی گسترش اراضی شهری در حومه جنوب غرب تهران. برنامه ریزی و آمایش فضا (مدرس علوم انسانی)، 2: 81-102.
17. فتاحی، محمدمهدی. 1388. بررسی روند بیابان‌زایی در استان قم با استفاده از داده‌های سنجش از دور با تاکید بر تغییرات استفاده از اراضی و تغییرات کمی و کیفی منابع آب. تحقیقات مرتع و بیابان ایران، 16: 234-253.
18. فلاحتکار، سامره؛ علیرضا سفیانیان، سیدجمال الدین خواجه الدین و حمیدرضا ضیایی. 1388. بررسی توانایی مدل CA مارکوف در پیش بینی نقشه پوشش اراضی (مطالعه موردی: شهر اصفهان). همایش ژئوماتیک 88. تهران. سازمان نقشه برداری کشور.
19. قهرمان، جعفر. 1383. کاربرد زنجیره های مارکوف در برنامه ریزی نیروهای انسانی(رویکرد کاربردی برای مدیران منابع انسانی در سازمان های اجتماعی). تحول اداری،43-44: 75-93.
20. کاوه، ندا و عطاالله ابراهیمی. 1392. پیش بینی تغییرات کاربری/پوشش اراضی با مدل CA مارکوف (مطالعه موردی: رودخانه آقبلاغ). کاربرد سنجش از دور و GIS در علوم منابع طبیعی،2: 41-51.
21. گل کار، حمیدرضا؛ مجتبی طاووسی و ایوب صداقتی. ۱۳۹۱. مقابله با بیابان زایی با استفاده ازپیش بینی خشکسالی. سومین همایش ملی مقابله با بیابان زایی و توسعه پایدار تالاب های کویری ایران. اراک. دانشگاه آزاد اسلامی واحد اراک.
22. مرادی، حمیدرضا؛ محمدرضا فاضل پور، حمیدرضا صادقی و زین الدین حسینی. 1387. بررسی تغییر کاربری اراضی در بیابان‌زایی محدوده شهر اردکان با استفاده از سنجش از دور. تحقیقات مرتع و بیابان ایران، 15: 1-12.
23. موسوی، حجت؛ عباسعلی ولی، مسعود معیری و ابوالفضل رنجبر. 1392. پایش وضعیت بیابان زایی کویر حاج علی قلی (1987، 2006). پژوهشهای ژئومورفولوژی کمی، 4: 85-102.
24. میرزایی زاده، وحید؛ مریم نیک نژاد و جعفر اولادی. 1394. ارزیابی الگوریتم های طبقه بندی نظارت شده غیرپارامتریک در تهیه نقشه پوشش زمین با استفاده از تصاویر لندست 8. سنجش از دور و سامانه اطلاعات جغرافیایی،3: 29-44.
25. نیازی، یعقوب؛ محمدرضا اختصاصی، حسین ملکی نژاد، سیدزین العابدین حسینی و جعفر مرشدی. 1389. مقایسه دو روش طبقه بندی حداکثر احتمال و شبکه عصبی مصنوعی در استخراج نقشه کاربری اراضی (مطالعه موردی: حوضه سد ایلام)، جغرافیا و توسعه، 20: 119-132.
26. Chang, CL. and J. Chang. 2006. Markov model and cellular automata for vegetation. Journal of Geographical Research, 45: 45-57.
27. Congalton, RG. 1991. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, 37: 35-46. Doi 10.1016/0034-4257(91)90048-B.
28. Coppin, P.; I, Jonckheere. K. Nackaerts, and B. Muys. 2004. Digital Change Detection Methodsin Ecosystem Monitoring: A Review, International Journal of Remote Sensing, 25: 1565-1596. DOI 10.1080/0143116031000101675
29. Costanza, R, and M, Ruth. 1998. Using dynamic modeling to scope environmental problems and build consensus. Environmental Management, 22: 183-195. DOI 10.1007/s002679900095.
30. Cracknell, A.P. 1997. The Advanced Very High Resolution Radiometer. Taylor & Francis, London.
31. Dawelbaita.; F. Morari, 2012. Monitoring desertification in a Savannah region in Sudan using Landsat images and spectral mixture analysis, Journal of Arid Environments, 80: 45–55. DOI 10.1016/j.jaridenv.2011.12.011.
32. Douaoui, A.E.K.; H, Nicolas, and Walteer, Ch. 2006, Detecting Salinity Hazards within a Semiarid Context by Means of Combining Soil and Remote Sensing Data, Journal of Geoderma, 134: 217-230. DOI 10.1016/j.geoderma.2005.10.009.
33. Eastman, J.R. 2006. IDRISI Andes. Tutorial. Clark-Labs, Clark University, Worcester.
34. Fan, F.; Q, Wang, and Y, Wang. 2007, land use and land cover change in Guangzhou, Chaina, from 1998 to 2003, based on land sat TM/ETM+ imagery, Sensors., 7: 1323-1342. DOI 10.3390/s7071323
35. Haibin, S.; Z, Jin, Y, Shuqing, and L, Liang. 2010. Study of regional evapotranspiration of Hetao irrigation district based on TM Images. In: Proceedings of the 17th World Congress of the International Commission of Agriculture and Bio systems Engineering (CIGR), Quebec City, Canada, June.
36. Harasheh,and R.Tatashi. 2000. desertification mapping of west ASIA –GIS and Remote sensing applicione available at http;//www.gis. development.net/aars
37. Lamchin, M.; JY, Lee, K, Lee, eun, Lee, M, Kim, H, Lim, H, Choi and S, Kim, 2016, Assessment of land cover change and desertification using remote sensing technology in a local region of Mongolia, advances in space research, 57: 64–77. DOI 10.1016/j.asr.2015.10.006
38. Li.; X and AG-O Yeh, 2000. Modelling sustainable urban development by the integration of constrained cellular automata and GIS. International Journal of Geographical Information Science, 14: 131-152. DOI 10.1080/136588100240886
39. Lu.; D, P, Mausel, E, Brondizio and E, Moran, 2004, Change detection techniques, International Journal of Remote Sensing, 25: 2365-2401, DOI 10.1080/0143116031000139863.
40. Mannan.; B. and Roy, J, 1998, Fuzzy ARTMAP supervised classification of multi-spectral remotely-sensed images. International Journal of Remote Sensing, 19: 767-774. DOI 10.1080/014311698215991. DOI 10.1080/014311698215991.
41. Qiong.; W, H, Li, R, Wang, J, Paulussen, H, Yong, M, Wang, B, Wang and Z, Wang, 2006. Monitoring and predicting land use change in Beijing using remote sensing and GIS, Landscape and Urban Planning, 78: 322-333. DOI 10.1016/j.landurbplan.2005.10.002
42. Reynolds J. F. 2008, Cutting through the confusion: Desertification, an old problem viewed through the lens of a new framework, the Dry lands Development Paradigm (DDP), Dry lands, Deserts & Desertification Conference December 14-17. SedeBoque Campus, Israel.
43. Sang, L.; C, Zhang, J, Yang, D, Zhu, and W, Yun. 2011. Simulation of land use spatial pattern of towns and villages based on CA–Markov model. Mathematical and Computer Modelling, 54: 938-943. DOI 10.1016/j.mcm.2010.11.019
44. Singh, A, 1989, Digital Change Detection Techniques Using Remotely Sensed Data, International Journal of Remote Sensing, 10: 989-1003. DOI 10.1080/01431168908903939
45. Vaclavik.; T, and J, Rogan. 2009. Identifying trends in land use/land cover changes in the context of post-socialist transformation in central Europe: a case study of the greater Olomouc region, Czech Republic, GIScience & Remote Sensing, 46: 54-76. DOI: 10.2747/1548-1603.46.1.54.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
