شاخص بازخورد آب زیرزمینی-پوشش گیاهی (GVFI) برای کمی سازی آستانه های بحرانی در حوضه های بسته نیمه خشک: مطالعه موردی حوزه آبخیز مرکزی ایران

سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 41

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

BIOLOGY08_109

تاریخ نمایه سازی: 14 شهریور 1405

چکیده مقاله:

حوزه آبخیز مرکزی ایران با مساحتی بالغ بر ۸۰۰,۰۰۰ کیلومتر مربع، یکی از حیاتی ترین مناطق کشور از نظر تامین منابع آب شیرین محسوب می شود. با این حال، این منطقه در دهه های اخیر با بحران شدید آب روبرو شده است. بر اساس جدیدترین مطالعات ماهواره ای، حدود ۵۶,۰۰۰ کیلومتر مربع (معادل ۳.۵ درصد) از مساحت ایران درگیر فرونشست زمین است و حوضه فلات مرکزی میزبان دوسوم از آبخوان های در حال تخلیه کشور می باشد، به گونه ای که نرخ فرونشست در برخی مناطق از ۳۵ سانتی متر در سال فراتر می رود. این بحران حاصل برهم کنش پیچیده ای از عوامل اقلیمی، مداخلات انسانی و کاستی های ساختاری در حکمرانی آب است که در قالب یک حلقه بازخورد مثبت خودتقویت کننده، اکوسیستم منطقه را به سمت فروپاشی هیدرولوژیکی سوق می دهد. اگرچه مطالعات متعددی به صورت مستقل به بررسی خشکسالی، تخلیه آب زیرزمینی، فرونشست زمین و تغییرات پوشش گیاهی پرداخته اند، اما ارتباط علی و معلولی بین این متغیرها در قالب یک حلقه بازخورد یکپارچه در حوضه های بسته نیمه خشک کمتر مورد توجه قرار گرفته است. این پژوهش با هدف توسعه یک شاخص نوآورانه تحت عنوان «شاخص بازخورد آب زیرزمینی-پوشش گیاهی (GVFI)» و کمی سازی مکانیزم حلقه بازخورد مثبت در حوزه آبخیز مرکزی ایران انجام شد. داده های اقلیمی (بارندگی و تبخیروتعرق از محصولات CHIRPS و ERA۵-Land)، اطلاعات سنجش از دور (NDVI از MOD۱۳Q۱، TVDI از ترکیب دمای سطح زمین و NDVI، و رطوبت خاک از SMAP)، داده های هیدرولوژیکی (سطح آب زیرزمینی از GRACE و چاه های مشاهده ای، و فرونشست زمین از تداخل سنجی راداری Sentinel-۱) و شاخص خشکسالی SPEI-۱۲ برای دوره ۲۰۲۲-۲۰۰۱ تحلیل شدند. برای نخستین بار در ایران، روش بزرگ نمایی مبتنی بر یادگیری ماشین (Random Forest) برای افزایش وضوح مکانی داده های GRACE از ۱ درجه به ۱ کیلومتر به کار گرفته شد. شاخص GVFI به صورت ترکیب وزن دار چهار مولفه شامل کاهش نسبی NDVI پوشش گیاهی طبیعی، استرس آب زیرزمینی، نرخ فرونشست نرمال شده و استرس رطوبت خاک تعریف شد. وزن دهی با تحلیل مولفه های اصلی و اعتبارسنجی با روش اعتبارسنجی متقاطع ۵-تایی انجام شد. نتایج مرحله آموزش (۲۰۰۱-۲۰۱۶) نشان داد اولین مولفه اصلی بیش از ۸۴٪ واریانس کل را تبیین می کند و استرس آب زیرزمینی با بار عاملی ۰.۹۲ بیشترین سهم را دارد. در مرحله آزمون (۲۰۱۷-۲۰۲۲)، GVFI با سطح آب زیرزمینی (r = -۰.۹۱، p < ۰.۰۰۱)، نرخ فرونشست (r = ۰.۸۹، p < ۰.۰۰۱) و NDVI طبیعی (r = -۰.۸۷، p < ۰.۰۰۱) همبستگی معنادار نشان داد. میانگین R² در اعتبارسنجی متقاطع ۰.۸۹ (دامنه ۰.۸۵ تا ۰.۹۳) به دست آمد که نشان دهنده قدرت پیش بینی قابل قبول مدل است. به منظور رفع مشکل همگنی فضایی، آستانه بحرانی به صورت منطقه ای برای هر زیرحوضه محاسبه شد و بین ۰.۵۸ تا ۰.۷۲ متغیر بود. میانگین وزنی آستانه بحرانی GVFI = ۰.۶۵ ± ۰.۰۴ در سال ۲۰۱۸ شناسایی شد. تحلیل واگرایی NDVI نشان داد که در حالی که NDVI پوشش گیاهی طبیعی روند کاهشی شدیدی داشت، NDVI مزارع آبیاری شده روند افزایشی خفیفی نشان داد که «پارادوکس سبزی مصنوعی» نامیده می شود و می تواند سیاست گذاران را به اشتباه بیندازد. پیش بینی سناریوهای آینده تا سال ۲۰۵۰ با درنظرگرفتن عدم قطعیت اقلیمی نشان داد که در سناریوی تخریب تسریع شده، GVFI تا سال ۲۰۲۳ از آستانه بحرانی عبور کرده و تا ۲۰۵۰ به محدوده ۰.۹۵ تا ۱ می رسد، در حالی که در سناریوی مدیریت پایدار با کاهش ۵۰٪ برداشت آب زیرزمینی، GVFI در محدوده ایمن (زیر ۰.۵۵) باقی می ماند. این مطالعه برای نخستین بار با تلفیق بزرگ نمایی GRACE و محاسبه آستانه های منطقه ای، حلقه بازخورد آب زیرزمینی-فرونشست-خاک-پوشش گیاهی را در قالب یک شاخص کمی مدل سازی کرده و راهبردهای مدیریتی عملی برای خروج از فاز بحرانی ارائه می دهد.

نویسندگان

شاهپور ابراهیمی

کارشناس ارشد مهندسی منابع طبیعی از دانشگاه تهران