مجله آمایش جغرافیایی فضا

مجله آمایش جغرافیایی فضا

تحلیل ارتباط بین تغییرات کاربری اراضی و سنجه‌های سیمای سرزمین مطالعه موردی: حوزه آبخیز گدارچای

نوع مقاله : مقاله علمی پژوهشی

نویسندگان
طیبه ایرانی 1
هیراد عبقری 2
علی اکبر رسولی 3
1 گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران
2 گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران.
3 گروه علوم محیطی، دانشگاه مک کواری، سیدنی، استرالیا
10.30488/gps.2024.406033.3661
چکیده
هدف اصلی پژوهش حاضر بررسی وضع فعلی و پیش‌بینی وضعیت آتی کاربری اراضی در حوزه آبخیز گدارچای در استان آذربایجان غربی است، که یکی از زیرحوضه‌های مهم حوزه آبخیز دریاچه ارومیه است. در این پژوهش تصاویر ماهواره‌ای سنتینل-۲ برای سال‌های میلادی ۲۰۱۶ الی ۲۰۲۲ از سایت کپورنیک اتحادیه اروپا دریافت گردید. سپس روش‌های پیش-پردازش در محیط نرم‌افزارهای مختلف اعمال و تصاویر مربوطه به محیط نرم‌افزار eCognition ارسال شد. در ادامه از مدل زنجیره مارکوف (در محیط نرم‌افزار TreeSet) به‌منظور پیش‌بینی تغییرات کاربری اراضی در سال‌های آتی استفاده گردید و درنهایت برای سنجه‌های سیمای سرزمین از نرم‌افزار Fragstats 8.2 در دو سطح سیما و کلاس محاسبه شدند. نتایج نهایی مبین این واقعیت است که تا سال ۲۰۲۸ میلادی کاربری اراضی کشاورزی 89/13 کشت دیم 14/1 محدوده‌های مسکونی 33/0 و عرصه‌های نمکی دریاچه ارومیه حدود 26 درصد افزایش خواهد داشت. هم‌چنین کلاس کاربری خاک در حد 26/10 و مراتع به میزان 35/5 درصد کاهش خواهند داشت. مطابق با نتایج سنجه‌های سیمای سرزمین بیش‌ترین تراکم حاشیه (ED) در سال 2016، 2022 و 2028 مربوط به مرتع با مقادیر 06/36، 58/33 و 72/26 و کم‌ترین مقدار آن مربوط به نمک حاشیه دریاچه 01/0، 14/0 و 45/0 محاسبه گردید. در این پژوهش، سایر سنجه‌های موردبررسی نشان داد که کاربری مرتع در اغلب شاخص‌ها بیش‌ترین مقدار را دارد. در سطح سیما، نتایج بررسی سنجه‌های سیمای سرزمین نشان داد که شاخص‌های مرتبط با پیوستگی لکه، روند افزایشی را طی کرده‌اند. این نتایج نشانگر حفظ ثبات حوزه آبخیز در برابر تغییرات است.
کلیدواژه‌ها
تخریب بوم‌سازگان
روند تغییرات
تصاویر ماهواره‌ای سنتینل ۲
پردازش دانش‌پایه
مدل زنجیره مارکوف

موضوعات

عنوان مقاله English

Analysis of the Relationship between Landuse Changes and Landuse Metrics: the Case Study of Godarchai Watershed

نویسندگان English

tayebeh irani 1
Hirad Abghari 2
aliakbar Rasouli 3
1 Department of Range and Watershed Management, Faculty of Natural Resources, Urmia University, Urmia, Iran
2 Department of Range and Watershed Management, Faculty of Natural Resources, Urmia University, Urmia, Iran
3 Department Faculty of Science and Engineering, Macquarie University, Sydney, NSW, Australia
چکیده English

The main aim of the current research was to investigate the existing and future status of land use in the Gadarchai Watershed, one of the sub-basins of the Lake Urmia watershed in West Azerbaijan province. First, Sentinel-2 images were obtained from the European Union's Copernicus website from 2016 to 2022. Then, preprocessing methods were wisely applied in various software environments, and corresponding imagery was sent to the eCognition software environment. Next, a Markov-Chain model (in the TreeSet software setting) was used to predict land-use changes in future years. Finally, the land-cover metrics were calculated using the Fragstats software (version 8.2) at two levels of landscape and classes. The results show that by 2028, agricultural land-use will be 13.89%, dry farming will be 1.14%, residential areas will be 0.33%, and salty flats of Lake Urmia 26%. Also, the salty-soil class will likewise decrease by 10.26%, and grasslands will decrease by 5.35%. According to the results of the land-cover metrics, the highest Edge Density (ED) in 2016, 2022, and 2028 is related to grasslands with values of 36.06, 33.58, and 26.72, respectively, and the lowest value was related to salt edges of the lake 0.01, 0.14, and 0.45. Other examined metrics showed that grassland use had the highest value in most indicators. At the landscape level, the results of the land-cover metrics showed an increasing trend in metrics related to patch cohesion. The final results highlight the preservation of watershed stability against changes. Accordingly, research findings can be employed in the sustainable forthcoming regional planning

کلیدواژه‌ها English

Ecosystem Destruction
Change Trend
Sentinel-2 Satellite Images
Knowledge-Based Processing
Markov_Chain Model
ابراهیمی، حمید؛ رسولی، علی‌اکبر و احمد، احمدپور. (1397). مدل‌سازی تغییرات دینامیک کاربری اراضی با استفاده از پردازش شئ‌گرا تصاویر ماهواره‌ای و مدل CA-Markov مطالعه موردی: شهر شیراز. فصلنامه اطلاعات جغرافیایی (سپهر)،27 (108)، 149-137.  https://doi.org/10.22131/sepehr.2019.34625
اسفندیاری، فریبا؛ حمزه‌ای، مهناز؛ علائی، نازیلا و مصطفی‌زاده، رئوف. (1399). تغییرات مکانی سنجه‌های سیمای سرزمین در پوشش گیاهی جوامع حاشیه متأثر از نوع کاربری اراضی در رودخانه قره‌سو استان اردبیل. آمایش جغرافیایی فضا، 10(38)، 234-219.
https:doi.org/10.30488/GPS.2020.197834.3091
جویباری مقدم، یاسر؛ اخوندزاده، مهدی و سراجیان، محمد، رضا. (1393). تخمین سطح پوشش برف با استفاده از تصاویر ماهواره‌ای لندست -۸. اولین کنفرانس بین‌المللی مهندسی محیط‌زیست، تهران، مرکز راهکارهای دستیابی به توسعه پایدار. 7 صفحه.
دژبانی، رقیه؛ حزباوی، زینب؛ مصطفی‌زاده، رئوف؛ اسمعلی‌عوری، اباذر و نازیلا، علائی. (1402). تحلیل ارتباط بین تغییرات مکانی و زمانی کاربری اراضی و سنجه‌های سیمای سرزمین در حوزه آبخیز کوزه‌تپراقی. جغرافیا و مطالعات محیطی، 12(45), 99-82.‌
رسولی، علی‌اکبر. (1378). مبانی سنجش‌ازدور کاربردی با تأکید بر پردازش تصاویر ماهواره‌ای. چاپ اول، انتشارات دانشگاه تبریز.
عبیات، محمد؛ عطار روشن، سینا و عبیات، محمود. (1399). ارزیابی و پیش‌بینی تغییرات پوشش گیاهی در ارتباط با تغییرات کاربری اراضی با استفاده از مدل LCM و زنجیره CA مارکوف (مطالعه موردی: کلان‌شهر اهواز). جغرافیا و مخاطرات محیطی،35(1)، 204-183. https://doi.org/ 10.22067/geoeh.2020.67236.0
علائی، نازیلا؛ مصطفی‌زاده، رئوف؛ اسمعلی عوری، اباذر؛ شرری، معراج و حزباوی، زینب. (1398). ارزیابی و مقایسه پیوستگی سیمای سرزمین در حوزه آبخیز کوزه‌تپراقی، استان اردبیل. بوم‌شناسی کاربردی، 8(4)، 34-19.
غفاری، صدیقه؛ مرادی، حمید. رضا و مدرس، رضا. (1397). مقایسه روش‌های طبقه‌بندی پیکسل پایه و شیءگرا در تهیه نقشه کاربری اراضی (مطالعه موردی: دشت‌های اصفهان- برخوار، نجف‌آباد و چادگان). فصلنامه سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 9 (1)،40-57.
کاکه‌ممی، آزاد؛ معمری، مهدی؛ قربانی، اردوان و غفاری، سحر. (1399). تحلیل تغییرات کاربری/پوشش اراضی استان اردبیل با استفاده از سنجه‌های سیمای سرزمین. سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 11(3)، 68-86.
کرمی، پیمان؛ و میرمهرداد. میرسنجزی. (1397). بررسی تحلیل تخریب سیمای سرزمین در تالاب بزرگ هویزه با استفاده از دورکاوی. فصلنامه علمی پژوهشی اکوبیولوژی تالاب، 10(35)، 54-39.
کیانی، واحد و فقهی، جهانگیر. (1394). بررسی ساختار پوشش/کاربری حوزه آبخیز سفیدرود با استفاده از سنجه‌های بوم‌شناسی سیمای سرزمین. علوم و تکنولوژی محیط‌زیست، ۱۷ (6)، ۱۴۱-۱۳۱.
میثاق، نورالدین؛ نیسانی سامانی، نجمه و تومانیان، آرا. (1397). شبیه‌سازی رشد شهری تبریز با استفاده از مدل CA-Markov و تصمیم‌گیری چندمعیاره. پژوهش‌های جغرافیای انسانی، (1)50:217-231.https://doi.org/ 10.22059/JHGR.2017.224800.1007382
نصیری، وحید و درویش‌صفت، علی‌اصغر. (1397). تحلیل کاربری و پوشش زمین‌ها با استفاده از سنجه‌های بوم‌شناسی منظر (بررسی موردی: منطقه ارسباران). علوم محیطی، 16(3)، 116-99.
نظرنژاد، حبیب؛ حسینی، مرتضی و مصطفی‌زاده، رئوف. (1398). ارزیابی تغییرات پیوستگی و الگوی کاربری اراضی با استفاده از سنجه‌های سیمای سرزمین در حوزه آبخیز زولاچای، سلماس. آمایش جغرافیایی فضا، 34(9)، 66-53. https://doi.org/ 10.30488/GPS.2020.95381.2570
 
References
Abiat, M., Attar Roshan, Sina., & Abiat, M. (2020). Evaluation and prediction of vegetation cover changes in relation to land use changes using the LCM model and Markov CA chain (Case study: Ahvaz metropolis). Geography and Environmental Hazards, 35(1), 183-204. https://doi.org/ 10.22067/geoeh.2020.67236.0 [In Persian].
Aburas, M. M., Abdullah, S. H., Ramli, M. F., Ash'aari, Z. H., & Ahamad, M. S. S. (2018). June. Simulating and monitoring future land-use trends using CA-Markov and LCM models. In IOP conference series: Earth and environmental science,‌ 10-1,169. https://doi.org/10.1088/1755-1315/169/1/012050.
Alaei, N., Mostafazadeh, R., Esmali Ouri, A., Sharari, M., & Huang, G. (2022). Spatial Comparative Analysis of Landscape Fragmentation Metrics in a Watershed with Diverse Land Uses in Iran. Sustainability, 14(22),14876. https://doi.org/10.3390/su142214876.
Alaei, N., Mostafazadeh, R., Esmaliouri, A., Sharari, M., & Hazbavi, Z. (2020). Assessment and Comparison of Landscape Connectivity in KoozehTopraghi Watershed, Ardabil Province. Iranian Journal of Applied Ecology, 8 (4).19-34.   [In Persian].
Armenteras, D., Murcia, U., González, T. M., Barón, O. J., & Arias, J. E., (2019). Scenarios of land use and land cover change for NW Amazonia: Impact on forest intactness. Global Ecology and conservation, 17, 1-13. https://doi.org/10.1016/j.gecco.2019.e00567.
Aunap, R., Uuemaa, E., Roosaare, J., & Mander, Ü. (2006). Spatial correlograms and landscape metrics as indicators of land use changes. WIT Transactions on Ecology and the Environment. https://doi.org/ 10.2495/GEO060311.
Berila, A., & Isufi, F. (2021). Two decades (2000–2020) measuring urban sprawl using GIS, RS and landscape metrics: A case study of municipality of Prishtina (Kosovo). Journal of Ecological Engineering, 22(6), 114-125. https://doi.org/10.12911/22998993/137078.
Birhanu, A., Masih, I., van der Zaag, P., Nyssen, J., & Cai, X., (2019). Impacts of land use and land cover changes on hydrology of the Gumara catchment. Ethiopia, 4th International Conference on Ecohydrology, Soil and Climate Change, 109, 1-78. https://doi.org/10.1016/j.pce.2019.01.006.
Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS journal of photogrammetry and remote sensing, 65(1), 2-16.‌ https://doi.org/10.1016/j.isprsjprs.2009.06.004.
Dezhabani, R., Hezbavi, Z., Mostafazadeh, R., Esmaeili-Awari, A., & Nazila, A. (2023). Analysis of the relationship between spatial and temporal changes in land use and landscape metrics in the Koozeh-Tapraghi watershed. Geography and Environmental Studies, 12(45), 82-99. https://doi.org/ 10.22067/geoeh.2020.67236.0[In Persian].
Donnay, J. P., Longley, P. A., & Barnsley, M. J. (2001). Remote sensing and urban analysis. a research agenda, 1-277pp.
Ebrahimy,H., Rasuly, A. A., & Ahmadpour, A. (2019). Modeling dynamic changes of Land Use with Object Based Image Analysis and CA-Markov approach (Case study: Shiraz city). "Sephehr" geographical information scientific-research quarterly, 27(108), 137-149. https://doi.org/ 10.22131/sepehr.2019.34625 [In Persian].
Esfandiyari darabad, F., Hamzeei, M., Alaei, N., & Mostafazadeh, R. (2021). Spatial Variations of Landscape Metrics in Riparian Area Vegetation of Gharesou River Reaches under the Effect of Different Land Uses, Ardabil Province. Geographical Planning of Space, 10(38), 219-234. https://doi.org/ 10.30488/gps.2020.197834.3091 [In Persian].
Fu, B., Zhang, L., Xu, Z., Zhao, Y., Wei, Y., & Skinner, D. (2015). Ecosystem services in changing land use. Journal of Soils and Sediments, 15(4), 833-843 https://doi.org/10.1007/s11368-015-1082-x.
Ghaffari, S., Moradi, H. R., & Modares, R. (2018). Comparison of pixel-based and object-oriented classification methods in the preparation of land use map (Case study: Isfahan-Borkhar, Najafabad and Chadegan plains). Journal of Remote Sensing & GIS in Natural Resources, 9(1), 57-40. [In Persian].
Hamad, R., Balzter, H., & Kolo, K. (2018). Predicting land use/land cover changes using a Ca-Markov model under two different scenarios. Sustainability, 10(3421), 1-23. https://doi.org/10.3390/su10103421.
Hou, Y., & Wu, J. (2024). Land-Use and Habitat Quality Prediction in the Fen River Basin Based on PLUS and InVEST Models. https://doi.org/10.21203/rs.3.rs-3746009/v1.
Kakemami, A., Momari, M., Ghorbani, A., & Ghaffari, S. (2020). Analysis of land use/cover changes in Ardabil province using landscape metrics. Remote Sensing & GIS in Natural Resources, 11(3), 86-68. [In Persian].
Kang, N., T, Sakamoto., J, Imanishi., K, Fukamachi., S, Shibata & Y, Morimoto. (2013). Characterizing the historical changes in land use and landscape spatial pattern on the Oguraike floodplain after the meiji period. Intercultural Understanding, 1, 11-16.
Kangabam, R.D., Selvaraj, M., & Govindaraju, M. (2019). Assessment ofland use land cover changes in Loktak Lake in Indo-Burma Biodiversity Hotspot using geospatial techniques. The Egyptian Journal of Remote Sensing and Space Science, 22 (2), 137-143. https://doi.org/10.1016/j.ejrs.2018.04.005.
Karami, P., & Mirmehrdad, M. (2018). Analysis of the degradation of landscape in the Great Huizeh Wetland using remote sensing. Scientific Research Quarterly of Wetland Ecobiology, 10(35), 39-54. [In Persian].
Kiani, V., & Faghih, J. (2015). Investigation of the structure of cover/land use of Sefidrud watershed using ecological landscape metrics. Environmental Science and Technology, 17(6), 131-141. [In Persian].
Kumar, K. S., Bhaskar, P. U., & Padmakumari, K. (2015). Application of land change modeler for prediction of future land use land cover: a case study of Vijayawada City. International Journal of Advanced Technology in Engineering and Science, 3(01), 773-783.
Lam, N.S., Cheng, W., Zou, L., & Cai, H. (2018). Effects of landscape fragmentation on land loss. Remote Sensing of Environment, 209, 253–262. https://doi.org/10.1016/j.rse.2017.12.034.
McGarigal, K. (2001). Landscape metrics for categorical map patterns. http://www.umass.edu/landeco/teaching/landscape_ecology/schedule/chapter9_metrics.pdf
McGarigal, K., Cushman, S. A., & Neel, E. N. (2002). FRAGSTATS: Spatial pattern analysis program for categorical maps. Computer software program produced by the authors at the University of Massachusetts, 691-703. http://www.umass.edu/landeco/research/fragstats/fragstats.html.
McGarigal, K.E. (2013). FRAGSTATS: Spatial Pattern analysis program for categorical maps. Computer software program produced by the authors at the University of Massachusetts, Amherst. Available at the following web site: http://www.umass.edu/landeco/research/fragstats/fragstats.html.
Mirakhorlo, M., & Rahimzadegan, M. (2018). Integration of SimWeight and Markov Chain to Predict Land Use of Lavasanat Basin. Numerical Methods in Civil Engineering, 2(4), 146-158. https://doi.org/ 10.29252/NMCE.2.4.1 [in Persian].
Misaghi, N., Nisani Samani, N., & Tomanian, A. (2018). Simulation of Urban Development in Tabriz Using CA-Markov Model and Multi-criteria Decision Making. Human Geography Research, 50(1), 231-217. https://doi.org/ 10.22059/JHGR.2017.224800.1007382 [In Persian].
Moe, I. R., Kure, S., Januriyadi, N. F., Farid, M., Udo, K., Kazama, S., & Koshimura, S. (2017). Future projection of flood inundation considering land-use changes and land subsidence in Jakarta, Indonesia. Hydrological Research Letters, 11(2), 99-105. https://doi.org/10.3178/hrl.11.99.
Moharrami, M., & Derafshi, A. (2015). Signifying of the Urmia Lake Changes using Objected-Oriented Image Processing Techniques. Journal of Applied Hydrology, 2(2), 13-23.
Mujiono, T. L., Harmantyo, D., Rukmana, I. P., & Nadia, Z. (2017). July. Simulation of land use change and effect on potential deforestation using Markov Chain-Cellular Automata. In AIP Conference Proceedings. 1862(1), 1-9. https://doi.org/10.1063/1.4991281.
Munthali, M., Botai, J., Davis, N., & Ade la Abiodun, M. (2019). Muti-temporal analysis of land use and land cover change detection for Dedza district of Malawi using Geospatial techniques. Applied Engineering, 14(5), 1151-1162. http://hdl.handle.net/2263/71103.
Nasiri, V., & Darvishsefat, A. A. (2018). Analysis of land use and land cover using ecological landscape metrics (case study: Arasbaran region). Environmental Sciences, 16(3), 101-118. [In Persian].
Nazar Neghad, H., Hosseine, M., & Mostafazadeh, R. (2020). Assessment of Changes in Landuse Connectivity and Pattern using Landscape Metrics in the Zolachai Watershed, Salmas. Geographical Planning of Space, 9(34), 53-66. https://doi.org/ 10.30488/GPS.2020.95381.2570[In Persian].
Rasouli, A. A. (1999). Fundamentals of Applied Remote Sensing with Emphasis on Satellite Image Processing. First Edition, Tabriz University Press. [In Persian].
Rasouli, A. A., Asgarova, M. M., & Safarov, S. H. (2021). Mapping of LC/LU changes inside the Aghdam district of the Karabakh economics region applying object-based satellite image analysis. Journal of Life Sciences & Biomedicine, 3(76), 54-69.  http://dx.doi.org/10.29228/jlsb.22.
Rasouli, A.A., Safarov,S.H., Asgarova, M., Safarov E.S., & Milani, M. (2021). Detection and Mapping of Green-Cover and Landuse Changes by Advanced Satellite Image Processing Techniques; A Case Study: Azerbaijan Eastern Zangezur Economic Region. Azerbaijan AMEA-nın Biologiya və Tibb Elmləri Bölməsi. Journal (recently submitted),pp 1-19. https://doi.org/10.3390/su9081285.
Samie, A., Deng, X., Jia, S., & Chen, D. (2017). Scenario-based simulation on dynamics of land-use-land-cover change in Punjab Province. Pakistan. Sustainability, 9(8), 1-17. https://doi.org/10.3390/su9081285.
Sarabuddin Mondal, M., Sharma, N., Kappas, M., & Garg, P. (2019). CA Markov modeling of land use/land cover dynamics and sensitivity analysis, Identify sensitive parameters. Remote Sensing and Spatial Information Science, 2 (13), 723-729.  https://doi.org/10.5194/isprs-archives-XLII-2-W13-723-2019.
Tzotsos, A., & Argialas, D. (2008). Support vector machine classification for object-based image analysis. Object-based image analysis: Spatial concepts for knowledge-driven remote sensing applications, 663-677.
Uuemaa, E., Antrop, M., Roosaare, J., Marja, R., & Mander, Ü. (2009). Landscape metrics and indices: an overview of their use in landscape research. Living Reviews in Landscape Research, 3(1), 1-28. http://hdl.handle.net/1854/LU-695518.
Yirsaw, E., Wu,W., Shi, X., Temesgeh, H., & Bekele, B. (2017). Land use and land cover change modeling and the prediction of subsequent changes in ecosystem service values in a coastal area of China, The Su-Xi-Change region. Sustainability, 9 (1204), 2-17. https://doi.org/10.3390/su9071204.
مجله آمایش جغرافیایی فضا
دوره 14، شماره 1
بهار 1403
صفحه 165-188