پایش و مدل سازی تغییرهای زمانی - مکانی پوششگیاهی با استفاده از NDVI و مدل Markov-CA ( مطالعه موردی: شهرستان کرمانشاه)

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 270

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SCJS-18-4_010

تاریخ نمایه سازی: 24 شهریور 1400

چکیده مقاله:

سابقه و هدف: امروزه با رشد جمعیت اکثر فضاهای طبیعی دستخوش تغییرات کاربری اراضی شده اند. در این میان اراضی پوشش گیاهی به دلیل تاثیر دیگر اراضی بر روند تخریب آن و پیامدهای نامطلوب آن بر زندگی انسان و جانوران از اهمیت ویژه ای برخوردار می باشد. توسعه مناطق شهری به منظور برآوردن نیازهای ساخت وساز جمعیت رشد یافته و همچنین رشد اراضی کشاورزی برای تامین امنیت غذایی انسان و پاسخگویی به نیاز های مصرف کنندگان از مهم ترین دلایل تخریب اراضی پوشش گیاهی در یک منطقه است. امروزه رشد سریع فناوری سنجش ازدور، GIS و همچنین علوم کامپیوتری موجب ظهور مدل های زیادی جهت ارائه الگوهای گذشته، حال و آینده تغییرات کاربری اراضی به خصوص اراضی پوشش گیاهی شده است. شهرستان کرمانشاه به عنوان یکی از مناطق روبه رشد در سالیان اخیر دچار رشد جمعیت زیادی شده است و با توجه به نقش جمعیت در تغییرات کاربری اراضی و پوشش گیاهی لذا این مسئله ضرورت آگاهی از وضعیت پوشش گیاهی این ناحیه را جهت مدیریت صحیح منابع طبیعی می طلبد. پیرو این مسئله هدف مطالعه حاضر پایش و پیش بینی تغییرات پوشش گیاهی شهرستان کرمانشاه با استفاده از شاخص NDVI و مدل CA-Markov است. مواد و روش: در این مطالعه تراکم پوشش گیاهی شهرستان کرمانشاه با استفاده از شاخص NDVI در چهار کلاس بدون پوشش گیاهی، ضعیف، متوسط و متراکم از تصاویر Landsat در سال های ۱۹۸۷، ۲۰۰۲ و ۲۰۱۷ استخراج گردید و سپس نتایج با استفاده از نقاط کنترل زمینی اعتبارسنجی گردیدند. همچنین به منظور پیش بینی تراکم پوشش گیاهی برای سال ۲۰۳۲ ابتدا نقشه پوشش گیاهی سال ۲۰۱۷  با اعمال مدل CA-Markov شبیه سازی گردید و سپس نتایج با استفاده از نقشه واقعی پوشش گیاهی همان سال با کمک ماژول validate  در نرم افزار IDRISI Terrset اعتبارسنجی گردید و در ادامه پیرو نتایج اعتبارسنجی و با اعمال مدل مذکور نقشه تراکم پوشش گیاهی در سال ۲۰۳۲ پیش بینی گردید  نتایج و بحث: نتایج بررسی نقشه های پوشش گیاهی با دقت بیش از ۸۷ درصد نشان می دهد که مساحت طبقات بدون پوشش گیاهی،۰ ضعیف و متراکم در دوره ی ۱۹۸۷ تا ۲۰۱۷ روند کاهشی و پوشش گیاهی متوسط دارای روند افزایشی بوده است. تغییرات مکانی پوشش گیاهی طی دور ه ی ۳۰ سال نشان می دهد که نواحی بدون پوشش گیاهی، پوشش گیاهی ضعیف و متوسط در طبقات ارتفاعی ۱۰۴۲ تا ۱۵۸۷، ۱۵۸۷ تا ۲۱۳۳ و ۲۱۳۳ تا ۲۶۷۸متری روند افزایشی و پوشش گیاهی متراکم نیز در طبقات ۱۰۴۲ تا ۱۵۸۷ روند افزایشی اما در طبقات ۱۵۸۷ تا ۲۱۳۳ و ۲۶۷۸ تا ۳۲۲۴ متری روند کاهشی داشته است. همچنین تراکم پوشش گیاهی در طبقات شیب نشان می دهد که شیب ۰ تا ۲۵ درصد بیشترین و شیب های ۵۰ تا ۷۵ درصد و بیشتر از ۷۵ درصد کمترین تراکم پوشش گیاهی را داشته است و تغییرات پوشش گیاهی در شیب ۰ تا ۲۵ درصد بیشترین و در شیب های ۵۰ تا ۷۵ و بیشتر از ۷۵ درصد کمترین مقدار بوده است. همچنین نتایج مدل CA-Markov با دقت بیش از ۸۰ درصد در سال ۲۰۳۲ نشان می دهد که پوشش گیاهی ضعیف بیشترین مساحت پوشش گیاهی را در شهرستان کرمانشاه خواهند داشت. روند افزایشی و کاهشی طبقات پوشش گیاهی نسبت به سال ۲۰۱۷ نشان می دهد که پوشش گیاهی ضعیف کاهش و طبقات بدون پوشش گیاهی، پوشش گیاهی متوسط و متراکم روند افزایشی خواهند یافت. همچنین بررسی طبقات پوشش گیاهی در طبقات ارتفاعی و شیب نشان می‎دهد که در ارتفاعات ۱۰۴۲ تا ۱۵۸۷، ۱۵۸۷ تا ۲۱۳۳ و ۲۱۳۳ تا ۲۶۷۸ متری و طبقات شیب ۰ تا ۲۵ درصد پوشش گیاهی متوسط و متراکم پوشش غالب است اما در ارتفاعات ۲۶۷۸ تا ۳۲۲۴ متری و شیب ۵۰ تا ۷۵ و بیشتر از ۷۵ درصد مساحت پوشش گیاهی ضعیف و نواحی بدون پوشش بیشتر از طبقات دیگر خواهد بود نتیجه گیری: به طورکلی یافته های این مطالعه نشان داد طبقه بندی شاخص NDVI با استفاده مقادیر میانگین، انحراف معیار شاخص مذکور و داده های جانبی مانند داده های کنترل زمین برای تهیه نقشه پوشش گیاهی و همچنین مدل CA-Markov برای پیش بینی این تغییرات روش های دقیق به شمار می روند. 

نویسندگان

شادمان درویشی

گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم محیطی، موسسه آموزش عالی آبان هراز آمل، مازندران، ایران

کریم سلیمانی

گروه مهندسی ابخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منایع طبیعی ساری، مازندران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Amini Parsa, V. and Salehi, E ., ۲۰۱۶. Spatiotemporal analysis ...
  • Anonymous., ۲۰۱۹. Satellite monitoring greenness and vegetation. Available online at: ...
  • Brown, D. G., Pijanowski, B. C. and Duh, J. D., ...
  • Booth, T.D. and Tueller, P. T., ۲۰۰۳. Rangeland monitoring using ...
  • Bhat. P, A., Shafiq, M., Mir, A. A. and Ahmed, ...
  • Cabral, P. and Zamyatin, A., ۲۰۰۹. Markov Processes in Modeling ...
  • Campbell, J.B. and Wynne, R., ۲۰۱۱. Introduction to remote sensing. ...
  • Celik, A., ۲۰۰۵. Land-use effects on organic matter and physical ...
  • Cheng, J. and Masser, I., ۲۰۰۳. Urban Growth Pattern Modeling: ...
  • Clarke, K.C., Hoppen, S. and Gaydos, L., ۱۹۹۷. A Self ...
  • Dadi, D., Azadi, H., Senbeta, F., Abebe, K. and Taheri, ...
  • Dadhich, P. N. and Hanaoka, S., ۲۰۱۰. Remote sensing, GIS ...
  • Darvishi, SH., Solaimani, K. and Rashidpour, M., ۲۰۱۹. Impact of ...
  • Frumkin, H., ۲۰۰۲. Urban sprawl and public health. Public Health ...
  • Glenn-Lewin, D. C., Peet, R.K. and Veblen, T. T., ۱۹۹۳. ...
  • .Guan, D, J., Li, H. F., Inohae, T., Su, W., ...
  • Hathout, S., ۲۰۰۲. The use of GIS for monitoring and ...
  • Hendrik Prinz, J., Wu, H., Sarich, M., Keller, B., Senne, ...
  • Herold, M., Goldstein, N.C. and Clarke, K. C., ۲۰۰۳. The ...
  • Irwin, E. G. and Geoghegan, J., ۲۰۰۱. Theory, data, methods: ...
  • Jenerette, G. and Wu, J., ۲۰۰۱. Analysis and simulation of ...
  • Jimenez-Muñoz, J. C., Sobrino, J.A., Plaza, A., Guanter, L., Moreno, ...
  • Jiang, Z., Huete, A. R., Didan, K. and Miura, T., ...
  • Karimi, A., Abdollahi, S., Kabiri Balajadeh, H. R., Askari, O. ...
  • Kumar S., Radhakrishnan, N. and Mathew, S., ۲۰۱۴. Land use ...
  • Lu, D., Mausel, P., Brondi´zio, E. and Moran, E., ۲۰۰۴. ...
  • Lambin E. F., Turner, B. L. and Geist, H. J., ...
  • Mather, P. and Tso, B., ۲۰۰۹. Classification methods for remotely ...
  • Malarvizhi, K., Kumar, S. V. and Porchelvan, P., ۲۰۱۶. Use ...
  • Mubea, K. W., Ngigi, T. and Mundia, Ch., ۲۰۱۰. Assessing ...
  • Memarian, H., Balasundram, S. K., Bin Talib, J., Teh Boon ...
  • Mohammadyari, F., Pourkhabaz, H., Tavakoli, M. and Aghdar, H., ۲۰۱۵. ...
  • Pointius, R. G., ۲۰۰۰. Quantification Error versus location Error in ...
  • Pijanowskia, B.C., Brown, D.G., Shellitoc, B.A. and Manikd, G. A., ...
  • Quintero, G. V., Moreno, R. S., Garcia, M. P., Guerrero, ...
  • Rafiee, R., Salman Mahiny, A. and Khorasani, N., ۲۰۰۹. Assessment ...
  • Sobrino J. A., Jimenez-Muñoz J. C. and Paolini, L., ۲۰۰۴. ...
  • Smits, P. C., Dellepiane, S. G. and Schowengerdt, R .A., ...
  • Singh, A., ۱۹۸۹. Digital change detection techniques using remotely sensed ...
  • Shayesteh, K. and Mohammadyary, F., ۲۰۱۸. Evolution and prediction of ...
  • Surabuddin Mondal, M. D., Sharma, N., Garg, P. K. and ...
  • Tilahun A. and Teferie B., ۲۰۱۵. Accuracy assessment of land ...
  • Ustin, S. L., ۲۰۰۴. Remote Sensing for Natural Resources Management ...
  • Verburg P. H., Schot, P., Dijst M. and Veldkamp, A., ...
  • Wang, L., Yu, D., Liu, Z. and Yang, Y., ۲۰۱۸. ...
  • Yu, L., Liu, T., Bu, K., Yan, F., Yang, J., ...
  • Zhang, R., Tang, Ch., Ma, S., Yuan, H., Gao, L. ...
  • نمایش کامل مراجع