پایش و مدل‌سازی شدت بیابان‌زایی با استفاده ازتصاویر ماهواره لندست (مطالعه موردی حوزه آبخیز یزدان‌آباد زرند)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 علوم و مهندسی آبخیزداری- گرایش زمین دانشگاه هرمزگان

2 دانشیار و عضو هیات علمی دانشگاه هرمزگان

3 دانشیار و عضو هیات علمی دانشگاه هرمزگانhadesert64

4 عضوهیات علمی دانشگاه هرمزگان

چکیده

پدیده بیابان‌زایی در گستره وسیع اقلیمی از مناطق خشک و نیمه‌خشک تا نیمه‌مرطوب بروز کرده و در اثر عوامل طبیعی و عملکرد نادرست انسانی ایجاد می‌شود. تخریب پوشش گیاهی مرتعی، کشاورزی، تخریب خاک و نامناسب شدن کیفیت منابع آبی، حاصل این پدیده می‌باشد. حوزه آبخیز یزدان‌آباد یکی از کانون‌های فعال بیابان‌زایی استان کرمان است و در طول زمان تحت تأثیر فعالیت‌های انسانی و تغییرات اقلیمی مخصوصاً خشک‌سالی بوده است. هدف از این تحقیق بررسی پتانسیل بیابان‌زایی حوزه آبخیز یزدان‌آباد زرند با استفاده از داده‌های رقومی ماهواره‌ای در بازه زمانی 20 ساله از سال 1379 تا 1399 می‌باشد. در این راستا ابتدا نقشه کاربری اراضی برای سال 1379 و 1399 تهیه شد. از داده‌های رقومی لندست برای بررسی رابطه بین شاخص پوشش گیاهی SAVI و شاخص اقلیمی آلبدو استفاده شد. درنهایت با استفاده از این رابطه، شاخص بیابان‌زایی DDI در کلاس‌های مختلف بیابان‌زایی تهیه شد. نتایج این تحقیق نشان داد که در سال 1379 حدود 83 درصد از حوزه آبخیز یزدان‌آباد را اراضی مرتعی تشکیل داده‌اند که مساحت آنها در طول این بازه زمانی از 7/48124 هکتار به 6/46095 هکتار کاهش داشته است. این کاهش در حالی است که مساحت کاربری‌های اراضی شوره‌زار، اراضی کشاورزی و مناطق مسکونی و انسان‌ساخت به ترتیب حدود 4/91، 5/831 و 3/1106 هکتار افزایش داشته‌اند. بررسی متوسط سالانه دو شاخص SAVI و آلبدو نشان داد که در حوزه آبخیز یزدان‌آباد درمجموع شاخص SAVI روند کاهشی و شاخص آلبدو روند افزایشی داشته است. بررسی کلاس‌های بیابان‌زایی حاصل از شاخص DDI در سال 1379 و 1399 نشان داد که بیش از 88 درصد از این دشت در کلاس‌های بسیار شدید و شدید بیابان‌زایی قرارگرفته است. این نتایج حاکی از آن است که این منطقه با توجه به شرایط اقلیمی و پوشش گیاهی شکننده، به‌شدت به تغییرات و تخریب اراضی حساس می‌باشد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Monitoring and Modeling of Desertification Intensity Using Landsat Satellite Images (Case Study of Yazdanabad-Zarand watershed).

نویسندگان [English]

  • keramat Mijani 1
  • Rasool Mahdavi 2
  • hamid Gholami 3
  • marzie rezaei 4
1 Faculty of Agricultural and Natural Resources, University of Hormozgan, Iran
2 Associate Professor, Faculty of Agricultural and Natural Resources, University of Hormozgan, , Iran
3 Associate Professor, Department of Agricultural and Natural Resources, Hormozgan University, Iran,
4 Assistant Professor, Faculty of Agricultural and Natural Resources, University of Hormozgan,
چکیده [English]

The phenomenon of desertification occurs in a wide range of climates from arid and semi-arid to semi-humid regions and is caused by natural factors and improper human performance. The Yazdanabad watershed is an active center of desertification in Kerman province, Iran and has been subject to human activities and climatic changes, especially drought.The present research aims to study the desertification potential of the Yazdanabad watershed in Zarand, Kerman province using remote sensing data for a 20-year period from 2000 to 2020.Land use maps were first developed for 2000 and 2020. Then, the relationship between the soil-adjusted vegetation index (SAVI) and the Albedo climatic index derived from TM and OLI Landsat images was used.Finally, using this relationship, the desertification divided index (DDI) was employed to derive different desertification classes.The results show that over 88% of the Yazdanabad watershed has been composed of bare land, which has shrunk over the studied periodwhereas saline land use, agricultural land use, and residential and man-made areas have expanded by about 94.39, 830.91, and 1106.30 ha, respectively.The mean annual trend of both SAVI and Albedo revealed the descending trend of the former and the ascending trend of the latter.The DDI-derived desertification classes in 2000 and 2020 show that over 88% of this plain is in the very severe and severe desertification classes. This means that the plain is extremely vulnerable to land changes and degradation given its climatic conditions and fragile vegetation cover.                                            

کلیدواژه‌ها [English]

  • land degradation
  • Kerman province
  • vegetation cover
  • modeling
  • climatic variables
  • remote sensing

مراجع

اسکندری دامنه.، ه. غلامی، ح.، خسروی، ح.مهدوی ن، ر، خورانی، ا و لی،ج. (1399). مدل‌سازی تغییرات مکانی و زمانی کاربری و پوشش اراضی حوضه دریاچه ارومیه با استفاده از ترکیب سلول خودکار و زنجیره مارکوف. جغرافیا و پایداری محیط، 10(2)، 57-72.
شرکت  مهندسی مشاور شهر آب شفق. 1398. گزارشات مطالعاتی حوزه آبخیز یزدان‌آباد
شرکت مهندسین مشاور آبخوان .1398.مطالعات بروز‌رسانی مناطق تحت تاثیر و کانون بحرانی فرسایش بادی کشور. جلد شانزدهم استان کرمان
Abraham, E. M., & Torres, L. M. (2007). Estado del arteeneluso de indicadores y puntos de referenciaen la lucha contra la desertificación y la sequíaen América Latina y el Caribe. Interciencia, 32(12), 827-833.
Ahmadaali, K., Damaneh, H. E., Ababaei, B., &Damaneh, H. E. (2021). Impacts of droughts on rainfall use efficiency in different climatic zones and land uses in Iran. Arabian Journal of Geosciences, 14(2), 1-15.
Asare, A., Thodsen, H., Antwi, M., Opuni-Frimpong, E., &Sanful, P. O. (2021). Land Use and Land Cover changes in Lake Bosumtwi Watershed, Ghana (West Africa). Remote Sensing Applications: Society and Environment, 100536.
Becerril- Pina, R., Díaz-Delgado, C., Mastachi-Loza, C. A., & González-Sosa, E. (2016). Integration of remote sensing techniques for monitoring desertification in Mexico. Human and Ecological Risk Assessment: An International Journal, 22(6), 1323-1340.
Becerril-Pina, R., Mastachi-Loza, C. A., González-Sosa, E., Díaz-Delgado, C., &Bâ, K. M. (2015). Assessing desertification risk in the semi-arid highlands of central Mexico. Journal of Arid Environments, 120, 4-13.
Belete, F., Maryo, M., &Teka, A. (2021). Land Use/Land Cover Dynamics and Perception of the Local Communities in Bita District, South Western Ethiopia. International Journal of River Basin Management, (just-accepted), 1-30.
Bright, R. M., Cherubini, F., &Strømman, A. H. (2012). Climate impacts of bioenergy: Inclusion of carbon cycle and albedo dynamics in life cycle impact assessment. Environmental Impact Assessment Review, 37, 2-11.
Cao, F., Dan, L., Ma, Z., &GAO, T. (2020). Assessing the regional climate impact on terrestrial ecosystem over East Asia using coupled models with land use and land cover forcing during 1980–2010. Scientific reports, 10(1), 1-15.
Charney, J., Quirk, W. J., Chow, S. H., & Kornfield, J. (1977). A comparative study of the effects of albedo change on drought in semi–arid regions. Journal of Atmospheric Sciences, 34(9), 1366-1385.
Chughtai, A. H., Abbasi, H., & Ismail, R. K. (2021). A review on change detection method and accuracy assessment for land use land cover. Remote Sensing Applications: Society and Environment, 100482.
Fleskens, L., & Stringer, L. C. (2014). Land management and policy responses to mitigate desertification and land degradation. Land Degradation and Development, 25(1), 1-4.
Geist, H. J., &Lambin, E. F. (2004). Dynamic causal patterns ofdesertification. Bioscience, 54(9), 817-829.
Guo, X., Chen, R., Thomas, D. S., Li, Q., Xia, Z., & Pan, Z. (2021). Divergent processes and trends of desertification in Inner Mongolia and Mongolia. Land Degradation & Development.
Han, L., Zhang, Z., Zhang, Q., & Wan, X. (2015). Desertification assessments in the Hexi corridor of northern China’s Gansu Province by remote sensing. Natural Hazards, 75(3), 2715-2731.
Higginbottom, T. P., &Symeonakis, E. (2014). Assessing land degradation and desertification using vegetation index data: Current frameworks and future directions. Remote Sensing, 6(10), 9552-9575.
Hill, J., Stellmes, M., Udelhoven, T., Röder, A., & Sommer, S. (2008). Mediterranean desertification and land degradation: mapping related land use change syndromes based on satellite observations. Global and Planetary Change, 64(3-4), 146-157.
Hu, G., Dong, Z., Lu, J., & Yan, C. (2012). Driving forces responsible for aeolian desertification in the source region of the Yangtze River from 1975 to 2005. Environmental earth sciences, 66(1), 257-263.
Lamchin, M., Lee, J. Y., Lee, W. K., Lee, E. J., Kim, M., Lim, C. H., & Kim, S. R. (2016). Assessment of land cover change and desertification using remote sensing technology in a local region of Mongolia. Advances in Space Research, 57(1), 64-77.
Lamchin, M., Lee, W. K., Jeon, S. W., Lee, J. Y., Song, C., Piao, D., ... &Navaandorj, I. (2017). Correlation between desertification and environmental variables using remote sensing techniques in HognoKhaan, Mongolia. Sustainability, 9(4), 581.
Lei, T., Pang, Z., Wang, X., Li, L., Fu, J., Kan, G., & Shao, C. (2016). Drought and carbon cycling of grassland ecosystems under global change: a review. Water, 8(10), 460.
Li, J., Yang, X., Jin, Y., Yang, Z., Huang, W., Zhao, L., & Xu, B. (2013). Monitoring and analysis of grassland desertification dynamics using Landsat images in Ningxia, China. Remote Sensing of Environment, 138, 19-26.
Liu, Y., GAO, J., & Yang, Y. (2003). A holistic approach towards assessment of severity of land degradation along the Great Wall in Northern Shaanxi Province, China. Environmental Monitoring and Assessment, 82(2), 187-202.
Ma, Z., Xie, Y., Jiao, J., & Wang, X. (2011). The construction and application of an Aledo-NDVI based desertification monitoring model. Procedia Environmental Sciences, 10, 2029-2035.
Mazhar, U., Jin, S., Duan, W., Bilal, M., Ali, M., & Farooq, H. (2021). Spatio-temporal trends of surface energy budget in Tibet from satellite remote sensing observations and reanalysis data. Remote Sensing, 13(2), 256.
Pan, J., & Li, T. (2013). Extracting desertification from Landsat TM imagery based on spectral mixture analysis and Albedo-Vegetation feature space. Natural hazards, 68(2), 915-927.
Peng, D., Wu, C., Li, C., Zhang, X., Liu, Z., Ye, H. ...& Fang, B. (2017). Spring green-up phenology products derived from MODIS NDVI and EVI: Intercomparison, interpretation and validation using National Phenology Network and AmeriFlux observations. Ecological Indicators, 77, 323-336.
Ren, H., Zhou, G., & Zhang, F. (2018). Using negative soil adjustment factor in soil-adjusted vegetation index (SAVI) for aboveground living biomass estimation in arid grasslands. Remote Sensing of Environment, 209, 439-445.
Salvati, L., &Zitti, M. (2009). The environmental “risky” region: identifying land degradation processes through integration of socio-economic and ecological indicators in a multivariate regionalization model. Environmental Management, 44(5), 888.
Sekertekin, A., &Zadbagher, E. (2021). Simulation of future land surface temperature distribution and evaluating surface urban heat island based on impervious surface area. Ecological Indicators, 122, 107230.
Sivakumar, M. V. (2011). Agricultural drought—WMO perspectives. In Agricultural drought indices proceedings of an expert meeting (p. 24).
Vicente-Serrano, S. M., Quiring, S. M., Pena-Gallardo, M., Yuan, S., & Dominguez-Castro, F. (2020). A review of environmental droughts: Increased risk under global warming? Earth-Science Reviews, 201, 102953.
Wang, X., Chen, F., Hasi, E., & Li, J. (2008). Desertification in China: an assessment. Earth-Science Reviews, 88(3-4), 188-206.
Wei, H., Wang, J., Cheng, K., Li, G., Ochir, A., Davaasuren, D., &Chonokhuu, S. (2018). Desertification information extraction based on feature space combinations on the Mongolian plateau. Remote Sensing, 10(10), 1614.
Xu, D., Kang, X., Qiu, D., Zhuang, D., & Pan, J. (2009). Quantitative assessment of desertification using Landsat data on a regional scale–a case study in the Ordos Plateau, China. Sensors, 9(3), 1738-1753.
Xu, D., Li, C., Zhuang, D., & Pan, J. (2011). Assessment of the relative role of climate change and human activities in desertification: A review. Journal of Geographical Sciences, 21(5), 926-936.
Xue, Z., Qin, Z., Li, H., Ding, G., & Meng, X. (2013). Evaluation of aeolian desertification from 1975 to 2010 and its causes in northwest Shanxi Province, China. Global and Planetary Change, 107, 102-108.
Yaduvanshi, A., Srivastava, P. K., & Pandey, A. C. (2015). Integrating TRMM and MODIS satellite with socio-economic vulnerability for monitoring drought risk over a tropical region of India. Physics and Chemistry of the Earth, Parts A/B/C, 83, 14-27.
Zeng, Y., Feng, Z., & Xiang, N. (2006). Albedo-NDVI space and remote sensing synthesis index models for desertification monitoring. Scientia GeographicaSinica, 26(1), 75.
Zheng, L., Qi, Y., Qin, Z., Xu, X., & Dong, J. (2021). Assessing albedo dynamics and its environmental controls of grasslands over the Tibetan Plateau. Agricultural and Forest Meteorology, 307, 108479.
Zhou, W., Gang, C., Zhou, F., Li, J., Dong, X., & Zhao, C. (2015). Quantitative assessment of the individual contribution of climate and human factors to desertification in northwest China using net primary productivity as an indicator. Ecological
 

فایل ها

هم رسانی

ارجاع به این مقاله

آمار