شادمان درویشی؛ کریم سلیمانی؛ مرتضی شعبانی
چکیده
امروزه رشد مناطق شهری و تأثیر آن بر کاربری اراضی در جهان و بخصوص در کشورهای درحال توسعه به یک مسئله مهم زیست محیطی در علوم محیطی و برنامه ریزی شهری تبدیل شده است. هدف مطالعه حاضر تحلیل و پیش‌بینی رشد شهرهای بانه، مریوان و سقز بر کاربری اراضی در یک دوره‌ی 45 سال (1987 تا 2032) با استفاده از مدل CA-Markov است. در مطالعه حاضر بررسی و مدل‌سازی ...
بیشتر
امروزه رشد مناطق شهری و تأثیر آن بر کاربری اراضی در جهان و بخصوص در کشورهای درحال توسعه به یک مسئله مهم زیست محیطی در علوم محیطی و برنامه ریزی شهری تبدیل شده است. هدف مطالعه حاضر تحلیل و پیش‌بینی رشد شهرهای بانه، مریوان و سقز بر کاربری اراضی در یک دوره‌ی 45 سال (1987 تا 2032) با استفاده از مدل CA-Markov است. در مطالعه حاضر بررسی و مدل‌سازی نقشههای کاربری اراضی و رشد نواحی شهری با استفاده از تصاویر لندست و با اعمال الگوریتم Maximum Likelihood و مدل CA-Markov در نرم‌افزارهای ENVI5.3 و IDRISI TerrSet انجام شد. نتایج این مطالعه با دقت بالای 80 درصد نشان می‌دهد در دوره‌ی 1987 تا 2017 حدود 897/39 و 790/38 هکتار (در شهر مریوان) و 801 و 772/29 هکتار (در شهر بانه) به ترتیب از اراضی پوشش‌گیاهی و زمین‌های کشاورزی به نواحی شهری تبدیل شده است اما این روند برای شهر سقز کمتر بوده و رشد این شهر بیشتر نواحی بایر را به میزان 1249/29 هکتار تحت تأثیر قرار داده‌است. همچنین نتایج مدل CA-Markov برای سال 2032 نشان داد در دوره‌ی 2017 تا 2032 همانند دوره‌ی قبل رشد شهر بانه در جهت شمال شرق، شهر مریوان در جهت شرق و شهر سقز در چهار جهت خواهد بود. در این دوره رشد نواحی شهری منجر به تخریب 511/29 و722/70 هکتار (در شهر بانه) و 1080 و2402/01 هکتار (در شهر مریوان) به ترتیب از اراضی زمین‌های کشاورزی و نواحی بایر خواهد شد. از طرف دیگر رشد شهر سقز بیشتر اراضی بایر را به میزان 1511/46 هکتار تخریب خواهد کرد. بدیهی است یافته‌های این مطالعه نقش مؤثری در برنامه‌ریزی‌های آینده دارد چراکه با آگاهی از روند رشد این نواحی می‌توان جهات توسعه شهر را به جهات بهینه هدایت نمود و تخریب اراضی ناشی از رشد شهر و درنتیجه تأثیرات منفی تغییرات کاربری اراضی را به حداقل رساند.
بهرام چوبین؛ کریم سلیمانی؛ محمود حبیب نژاد؛ آرش ملکیان
چکیده
مدیریت آبخیزها نیازمند درک شرایط آبخیزها در حوضه های دارای آمار و فاقد آمار است. شناسایی زیرحوضه های همگن ب همنظور اجرای هماهنگ عملیات آبخیزداری و کنترل سیلاب و نیز اولویت دادن به زیرحوضه ها از اهمیت بسزایی برخوردار است. در این پژوهش به منظور خوشه بندی زیرحوضه های آبخیز کرخه از شاخص های مکانی و فیزیکی (شامل خصوصیات توپوگرافی، مورفولوژیکی، ...
بیشتر
مدیریت آبخیزها نیازمند درک شرایط آبخیزها در حوضه های دارای آمار و فاقد آمار است. شناسایی زیرحوضه های همگن ب همنظور اجرای هماهنگ عملیات آبخیزداری و کنترل سیلاب و نیز اولویت دادن به زیرحوضه ها از اهمیت بسزایی برخوردار است. در این پژوهش به منظور خوشه بندی زیرحوضه های آبخیز کرخه از شاخص های مکانی و فیزیکی (شامل خصوصیات توپوگرافی، مورفولوژیکی، خاک و کاربری اراضی) استفاده شد و تعداد 53 شاخص برای زیرحوضه های کرخه استخراج گردید. برای کاهش تعداد متغیرها تحلیل عاملی به طور جداگانه برای هر گروه از شاخص ها انجام شد. نتایج تحلیل عاملی نشان داد که از بین 53 شاخص فیزیکی- مکانی، 9 شاخص (4 شاخص مورفولوژیکی، 3 شاخص کاربری اراضی و 2 پارامترخاک) دارای بار عاملی بیشتر نسبت به سایر شاخص ها هستند. بنابراین، از بین شاخص مورفولوژیکی، شاخص های سطح حوضه، کشیدگی حوضه، میانگین طول زهکش ها و کل پستی و بلندی؛ از بین شاخص کاربری اراضی، شاخص های درصد سطح مراتع، درصد سطح اراضی کشاورزی و درصد سطح اراضی بایر و از بین پارامترهای خاک، شاخص ظرفیت آب موجود در لایه خاک و شاخص هدایت هیدرولیکی اشباع شده به عنوان شاخص های نهایی جهت گروه بندی زیرحوضه ها انتخاب شدند. بااستفادهازروشفازی (FCM)[1] 38 زیرحوضه مطالعاتی در سه گروه همگن قرار گرفتند. تعداد خوشه‌های بهینه از طریق سعی و خطا و توابع ارزیابی ضریب افزار و آنتروپی افزار تعیین شدند. نتایج نشان داد که گروه های سه گانه شامل زیرحوضه های مناطق شمال شرقی و بخ شهایی از مناطق مرکزی حوضه کرخه (گروه 1)،مناطق شمال غربی- جنوب شرقی به همراه مناطق جنوبی حوضه کرخه (گروه 2) و مناطق مرکزی و بخشهایی از مناطق جنوب غربی حوضه کرخه (گروه 3) رادربرمیگیرند. تفکیک یک حوضه به زیرحوض هها و گروه بندی آنها در دسته های مشابه از نظر خصوصیات مشابه می تواند به عنوان روشی در جهت اجرای عملیات آبخیزداری، کنترل سیلاب و اولویت قائل شدن برای زیرحوضه های بحرانی به کار گرفته شود.
5- Fuzzy C-Mean
