وا کاوی تغییرات بیابان زایی با تأ کید بر اقلیم بارش در استان قم

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار دانشگاه پیام نور

2 جغرافیا، دانشکده علوم اجتماعی، دانشگاه پیام نور، اصفهان، ایران

چکیده

بیابان زایی پس از دو چالش تغییر اقلیم و کمبود آب شیرین سومین چالش مهم جهانی در قرن بیست و یکم به شمار میرود. این پدیده حاصل فرایندهایی است که دو عامل تغییرات اقلیمی و رفتار زیست محیطی انسان در زمره ی مهم ترین آ نها محسوب می شود. بنابراین، شناخت و ارزیابی روند بیابان زایی در مدیریت بهینه ی منطق های ضرورتی اجتناب ناپذیر است. بر این اساس، هدف از این پژوهش ارزیابی تغییرات بیابان زایی در استان قم با استفاده از تصاویر ماهواره‌ای لندست، سنجنده‌های 1 TM 5 و 2LDCM 8 در دوره ی آماری  (1984 - 2013) و با تأ کید بر فراسنج اقلیمی بارش است. شاخص های مورد استفاده در این پژوهش را نیز شاخص پوشش گیاهی  (3 NDVI) و شاخص شوری خاک (s1,s2,s3) تشکیل می دهند. کاربرهای اراضی نیز بر اساس روش طبقه بندی نظارت شده Fuzzy ARTMAP شناسایی و تغییرات کاربری اراضی در بازه ی زمانی (1984 - 2013) بر اساس مدل شبکه ی عصبی مصنوعی  (4MLP) در محیط نرم افزار TERRSET ارزیابی گردید. برای بررسی تأثیر بارش بر بیابان زایی از داده های پایگاه بارش جهانی (5GPCC) استفاده و با آزمون منکندال به واکاوی مکانی و زمانی بارش و تحلیل روند سالانه‏‌ی این نهاده‌ی مهم اقلیمی مبادرت ورزیده شد. نتایج این پژوهش نشان داد که اراضی شور و بیابانی نسبت به سال نخست مطالعه 15 % افزایش و پوشش گیاهی 5% کاهش داشته است. بیشینه افزایش اراضی شور در بخش غربی استان قم مشاهده می شود که جایگزین پوشش گیاهی شده است. میزان افزایش اراضی شور و بیابانی در دوره‌ی مورد مطالعه حدود 1751 کیلومتر مربع است. بررسی تغییرات کاربری اراضی نیز آشکار ساخت که اراضی شور و شهری رو به افزایش و پوشش گیاهی، دریاچ هی حوض سلطان، دریاچه‌ی نمک و سایر (اراضی بایر) رو به کاهش است. تحلیل روند مکانی و زمانی بارش سالانه نیز حکایت از روند کاهشی در سطح اطمینان 95 % دارد. نتایج پژوهش حاضر بستری مناسب را برای شناخت و مقابله‌ی شایسته با پدیده ی بیابان زایی در منطقه‌ی مورد مطالعه ارائه می‌دهد.

کلیدواژه‌ها


1. Ghosi, T.K. (1993). Environmental impacts analysis desertification
through remote sensing and land based
GIS, Journal of arid environments, 25, 141-150.
2. Carlson, n., & Sanchez- Azfifa. G. A. (1999). Satellite
Remote sening of land use changes in aground
Senjose, Costarica. Remote sensing of environment. 17,
247-256.
3. Sugumaran, R.( 2001). Forest land cover classification
using statistical and artificial neural network approaches
applied to IRS LISS - III sensor. Geocarto
International, 2, 39-44.
4. Xia. L & Anthony, C. (2004), Analyzing spatial restructuring
of land use patterns in a fast growing region
using remote sensing and GIS, Landscape and Urban
planning, 69, 335-354.
5. Topa M. E, Iavazzo, P., Terracciano, S., Adamo, P., Coly, A.,
De Paola, F., Giordano, S., Giugni, M., & Traoré, S.E.
(2013). Evaluation of sensitivity to desertification by a
modified ESAs method in two sub-Saharan peri-urban
areas: 6-Ouagadougou (Burkina Faso) and Saint Louis
(Senegal). Geophysical Research Abstracts, 15, EGU2013-
2229.

6. اکبری، مرتضی؛ کریم زاده، حمیدرضا؛ خواجه الدین، جمال؛ کریمیان اقبال،
مصطفی ) 1383 (. کاربرد RS و GIS در بررسی روند تغییرات بیابا نزایی
)مطالعه ی موردی: منطق هی خشک شمال اصفهان(. همایش ژئوماتیک،
سازمان نقشه برداری کشور، تهران.
7. ربیعی، حمیدرضا؛ ضیائیان، پرویز؛ عل یمحمدی، عباس ) 1384 (. کشف و
بازیابی تغییرات کاربری و پوشش اراضی شهر اصفهان به کمک سنجش از
دور و سیستم اطلاعات جغرافیایی. مجله ی مدرس علوم انسانی، شماره ی
4، 32-19 .
8. فتاحی، محمدمهدی ) 1388 (. بررسی روند بیابا نزایی در استان قم با استفاده
از داد ههای سنجش از دور با تأ کید بر تغییرات استفاده از اراضی و تغییرات
کمی و کیفی منابع آب. فصلنام هی علمی پژوهشی تحقیقات مرتع و بیابان
ایران، شماره ی 2، 234 - 253 .
9. احدنژاد روشنی، محسن؛ حسینی، احمد ) 1390 (. ارزیابی و پی شبینی تغییرات
و پراکنش افقی شهرها با استفاده از تصاویر ماهوار های چندزمانه و سیستم
اطلاعات جغرافیایی )نمونه ی موردی: شهر تبریز در مقطع زمانی 1363 -
1389 (. مجله ی پژوهش و برنامه ریزی شهری، شماره ی 4، 1- 20 .
10 . زائری امیرانی، آزاده؛ سفیانیان، علیرضا ) 1391 (. استفاده از روش های فازی
آرت مپ و شبکه ی عصبی پرسپترون چند لایه برای تهیه ی نقشه ی
پوشش اراضی )مطالعه ی موردی: شهر اصفهان(. پژوهش های جغرافیای
طبیعی، شماره ی 79 ، 143 - 127 .
11 . غلامعل یفرد، مهدی؛ جورابیان شوشتری، شریف؛ حسینی کهنوج، حمزه؛
میرزایی، محسن ) 1391 (. مدل سازی تغییرات کاربری اراضی سواحل
استان مازندران با استفاده از LCM در محیط GIS . مجل هی محی طشناسی،
شماره ی 4، 109 - 124 .
12 . ضیائیان فیروزآبادی، پرویز؛ تلخابی، حمیدرضا؛ حسینخانی، لیلا ) 1392 (.
آشکارسازی تغییرات حوز هی کویر میقان با استفاده از تصاویر MSS و TM
و ETM + و داد ههای اقلیمی در دوره ی 2011 - 1973 . نشریه ی تحقیقات
کاربردی علوم جغرافیایی، شماره ی 31 ، 2- 18 .
13 . موسوی، حجت؛ ولی، عباسعلی؛ معیری، مسعود؛ رنجبر، ابوالفضل
) 1392 (. پایش وضعیت بیابا نزایی کویر حاج علی قلی ) 2006 - 1987 (.
پژوهش های ژئومورفولوژی کمی، شماره ی 4، 85 - 102 .
14 . سیلاخوری، اسماعیل؛ اونق، مجید؛ سعدالدین، امیر ) 1393 (. ارزیابی
خطر و ریسک بیابان زایی منطقه ی سبزوار با استفاده از مدل MICD . دو
فصلنامه ی مدیریت بحران، شماره ی 1، 99 - 89 .

15. http://glovis.usgs.gov
16. http://landsat.gsfc.nasa.gov
17. Haibin, S., Jin, Z., Shuqing, Y., Liang, L. (2010). Study
of regional evapotranspiration of Hetao irrigation
district based on TM Images. In: Proceedings of the
18. Douaoui, A.E.K., Nicolas, H, & 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.
19. Ronald Eastman, J. (2009). IDRISI Tutorial, Clark
labs, Clark University. Shetabi, Sh. and Abdi, A.,
2007, Mapping Land Use in Mountainous Regions of
Zagros Using Sensor Data from ETM+ (Study Area:
the Area of Lorestan, Khorram Sorkhab Region), Agricultural
Sciences and Natural Resources, No. 14,
PP. 1-12.
20. Collobert, R. (2004). Links between Perceptrons,
MLPs and SVMs. International Conference on Machine
learning, ICML, IdIAP-RR-06-2004, Switzerland.
21. Zhang, P.& Min, G. (2005). Neural network forecasting
for seasonal and trend Time series. European Journal
of Operational Research, 160, 501–514.
22. Vivekanandan, N. (2007). Analysis of trend in rainfall
using Non Parametric statistical methods, international
symposium on rainfall rate and radio wave
propagation, American institute of physics, 101-113.