پیش بینی تغییرات کاربری اراضی و اثرات آن بر منابع آب با رویکرد محاسبه ضریب تعدیل - مطالعه موردی: دشت لنجانات

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مدیریت محیط زیست، دانشکده محیط زیست و انرژی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران

2 دانشیار دانشکده محیط زیست، پردیس دانشکده های فنی، دانشگاه تهران

3 دانشیار دانشکده مهندسی عمران، پردیس دانشکده های فنی، دانشگاه تهران

4 دانشیار دانشکده محیط زیست و انرژی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران

5 استادیار دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

10.22131/sepehr.2021.244456

چکیده

برخی ازعوامل طبیعی، اجتماعی و اقتصادی مانند تغییرات کاربری اراضی، رشد جمعیت وتغییر اقلیم در مقیاسهای خرد و کلان، بر سیستمهای منابع آب اثرات منفی وارد میکنند که بررسی همهجانبه و همزمان آنها از اهمیت ویژه برخوردار است. در این پژوهش، تعیین تغییرات کاربری اراضی دورههای مختلف زمانی در دشت لنجانات با کاربرد تصاویر ماهوارهای لندست و سپس ایجاد نقشههای کاربری اراضی و آشکارسازی تغییرات آن با استفاده از نرمافزار ENVI برای پنج گروه مختلف کاربری انجام شد. برای ارزیابی صحت طبقهبندی از ضریب کاپا و نیز صحت کلی و برای پیشبینی تغییر کاربری اراضی در آینده (سال 2035) از نرمافزار IDRISI kilimanjaro بهره گرفته شد.همچنین ضریب تعدیل از تقسیم ضریب رواناب کاربری در دوره پیشبینی بر ضریب رواناب درصد تغییرات کاربری در گذشته، محاسبه شد. نتایج حاصل از پیشبینی کاربری زمین در دشت مذکور، نشان میدهد که در دوره زمانی 2015 تا 2035، کاربری مناطق انسان ساخت از 7202هکتار به 9122هکتار روند افزایشی دارد. کاربری کشاورزی در منطقه در سال 2035 به 16638هکتار میرسد که در مقایسه با مقدار مشابه در سال 2015 کاهش خواهد یافت. در همین زمان، سهم پهنههای آبی به 175هکتار و حدود 25درصد کاهش خواهد رسید. ضریب تعدیل در منطقه مورد مطالعه با توجه به تغییرات کاربری سال 2035 نسبت به سال 1990، معادل 1.051 تعیین شد که دانستن تغییرات کاربری اراضی و این ضریب در مطالعات مربوط به مدیریت منابع آب منطقه، مورد استفاده خواهد بود.

کلیدواژه‌ها


عنوان مقاله [English]

The effects of land use change on water resources using adjustment coefficient Case study: Lenjanat plain

نویسندگان [English]

  • Afrouz Bagheri 1
  • Bahram Malekmohammadi 2
  • Banafsheh Zahraei 3
  • Amirhesam Hasani 4
  • Farzam Babaei 5
1 Ph.D student in environmental management, Faculty of environment and energy, Islamic Azad University, Science and Research Branch, Tehran
2 Associate professor, Faculty of environment, Campus of Technical Schools, University of Tehran
3 Associate Professor, Faculty of Civil Engineering, Campus of Technical Schools, University of Tehran
4 Associate Professor, Faculty of Environment and Energy, Islamic Azad University, Science and Research Branch, Tehran
5 Assistant Professor, Faculty of Natural Resources and Environment, Islamic Azad University, Science and Research Branch, Tehran,, Iran
چکیده [English]

1. Introduction
Nowadays, changes in environmentaldynamics including changes in land cover, land use, water supplies and climate are considered to be challenging issues of human communities. Thus, it is especially important to investigate different aspects of land use change and their effects on the past and future trends ofdifferent plains. Identification of previous changes and prediction of future trends help planners and managers to compensate for losses and avoid similar mistakes in future.Therefore, the present study is divided into two parts. In the first part, land usechanges of Lenjanat Plain in the 1990-2015 period are analyzed. In the second part, future land use changes (2015-2035) of the area are investigated.Adjustment coefficient is calculated to show the effect of land use changes on runoff coefficient.
 

Materials and methods

2.1 Study area and its characteristics
Lenjanat Plain is a sub-basin of Gavkhuni Wetland located in the central part of the Iranian plateau with the longitude of 51˚ 8' to 51˚45' E and latitude of 32˚2' to 32˚24' N.
 
2.2  Land use change
In the first step, preprocessing of satellite data and preparation of the information were carried out through geometric and atmospheric correction of the digital imageswith the purpose of correcting errors, removing defects in the images and omitting system errors. Landsat-4 and 5, TM sensor, Landsat-7, ETM+ sensor and Landsat-8 OLI sensor were used to evaluate and predict land use changes in the study area. Image selection was performed based on the availability criteria, and Landsat satellite images were thus obtainedfor 1990, 2005, and 2015.
In the next step, unsupervised classification was used to create a general understanding of land use classes in the study area as a useful tool for determining training samples. ENVI software was used to identify suitable training samples for classification. To realize the second goal of the study, Marco integration model and a cellular automaton model were used and future land use changes in Lenjanstudy area were predicted for 2035 based on the base map and the assumption that the current trend in land use changes will continue. For this purpose, the Marco and CA-MARKOV modules were utilizedin IDRISI SELVA. CA-Markov model was used to predict land use changes with spatial contiguity and spatial transitions over time.
 
3. Results and discussion
3.1 Measuringland usechanges
Finall and use maps represent the percentage and spatial distribution of each landuse type in the study area in the past, and at present. These maps area also used to evaluate the effects of management on the intensity of land use changes in the study area. Man-made surfaces have almost doubled in the region and reached from 3922 to 7202 hectares. In the past, 3922, 22516, 81613 and 367 hectaresof man-made areas (such as residential and industrial), agricultural lands, barren lands, and riverbeds were located in the study area which have reached 7202, 17943, 82793 and 229 hectares, respectively.
 
3.2 Prediction of future land usechanges
Land use types in 2035 were predicted using CA-Markov chain model. Results indicate that manmade surfaces will exhibit a rising trend and increase from 7,202 to 9,122 hectaresduring 2015-2035 period.To determine the compatibility or incompatibility of actual maps and modelingresults, model validation was performed. In this regard, land usesof the study area was predicted for 2015 through the aforementionedmodel and the predicted map was compared with the actual land use map in 2015. In this method, the Kappa index of 0-1 was used to interpret the results.
 
3.3 Adjustment Factor
Before anything else, the present study have determinedland usechangespercentage. Then, runoff coefficient of the forecast period was divided by runoff coefficient of land use changes in the pastto calculate the adjustment factor.Based on the findings of this study and the land use changesforecasted forLenjanat plain in 2035, the adjustment coefficient for the region equals 1.051.
 
4. Conclusions
The present study aimed to evaluate various criteria affecting the quantity of water resources. Moreover, it has evaluated and determinedadjustment factor. For this purpose, Lenjan plain was used as a representative of the plainsin the country. Five land use types, including man-made areas (such as residential and industrial), agricultural lands, Barren lands, riverbeds and rock beds were identified for 1990, 2005 and 2015. CA-Markov was applied to predict land use changes for 2035. Adjustment coefficient is also calculated to show the effect of land use changes on runoff coefficient

کلیدواژه‌ها [English]

  • Land use change
  • Water resources management
  • IDRISI kilimanjaro
  • Adjustment factor
1- آهنی، ح. قربانی، ا. رستگار مقدم، م. فلاح شمسی، س. ر. باقرنژاد، م.1389، ارزیابی تغییرات کاربری اراضی با استفاده از تصاویر ماهواره ای: مطالعه موردی حوضه آبخیز تنگ سرخ شیراز، مجله علوم کشاورزی و منابع طبیعی ، جلد شانزدهم، ویژه نامه 2:122-121.
2- ابراهیمی، رسولی، احمدپور؛ حمید، علی‌اکبر، احمد، 1396، مدل‌سازی تغییرات دینامیک کاربری اراضی با استفاده از پردازش شئ گرا تصاویر ماهواره ای و مدل CA-Markov مطالعه موردی: شهر شیراز، فصلنامه علمی-پژوهشی اطلاعات جغرافیایی(سپهر)، 27 (108): 149-137.
3- امینی، جلال، 1388 ، پردازش رایانه‌ی تصاویر سنجش‌از‌دور، انتشارات دانشگاه تهران، تهران.
4- ترابی، آقامحمدی زنجیرآباد، بهزادی؛ غزاله، حسین، سعید، 1397، پایش وضعیت دریاچه بختگان و اراضی اطراف آن با استفاده از تصاویر ماهواره‌ای و هوش محاسباتی، اکوهیدرولوژی، 5 (1): 263-251.
5- تقوی مقدم، بهرامی، اکبری؛ ابراهیم، شهرام، الهه، 1395، مقایسه دو روش حداکثر احتمال و شبکه عصبی مصنوعی در ارزیابی تغییرات سطح جنگل‌های حراء با استفاده از تصاویر ماهواره‌ای لندست در منطقه حفاظت شده گاندو استان سیستان بلوچستان، پژوهش‌های علوم و فناوری چوب و جنگل، جلد23. 
6- درویشی، سلیمانی، شعبانی؛ شادمان، کریم، مرتضی، 1399، تحلیل و پیش‌بینی روند رشد شهری و تأثیر آن بر کاربری اراضی با استفاده از سنجش‌ازدور و مدل CA-Markov؛ مطالعه موردی: شهرهای مریوان، بانه و سقز، فصلنامه علمی-پژوهشی اطلاعات جغرافیایی(سپهر)، 29 (114): 163-147.
7- رحیمی، سلیمانی؛ محمد، کریم، 1395، ارزیابی پتانسیل منابع آب زیرزمینی دشت دهگلان بر پایه سیستم اطلاعات جغرافیایی وسنجش‌از‌دور با استفاده از تکنیک تصمیم‌گیری چند معیاره، علوم و مهندسی آبخیزداری ایران، 10(35).
8- زبیری، مجد؛ محمود، علیرضا، آشنایی با فن سنجش‌از‌دور و کاربرد در منابع طبیعی،  انتشارات دانشگاه تهران، شماره 2315.
9- سفیانیان، فلاحتکار؛ علیرضا، سامره، 1387، آشکارسازی تغییرات پوشش وکاربری اراضی با تکیه بر علوم دورسنجی، سپهر، 17 (68).
10- سلمانی، بردی شیخ، سلمان ماهینی، اونق، فتح آبادی؛ حسین، واحد، عبدالرسول، مجید، ابوالحسن، ارزیابی پاسخ هیدرولوژیکی حوضه آبخیز تیل آباد استان گلستان طی دوره‌های آتی تحت تأثیر تغییر کاربری اراضی پیش‌بینی شده، 1397، اکوهیدرولوژی، 5 (2)، ص 399-418.
11- صالحی، اختصاصی، طالبی؛ ناهید، محمدرضا، علی، 1398، پیش‌بینی روند تغییرات کاربری اراضی با استفاده از مدل زنجیره مارکوف : حوضه آبخیز صفارود رامسر. سنجش‌از‌دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، سال دهم، شماره اول.
12- صفوی، حمیدرضا، 1388، هیدرولوژی مهندسی، چاپ دوم، ص 163-174.
13- عزیزی، علی، 1395، تبیین تغییرات کاربری اراضی و آب‌های زیرزمینی در تدوین سناریوهای مدیریت محیط زیستی دشت‌های ممنوعه بر‌اساس رویکرد شبیه‌سازی عامل مبنا - مطالعه موردی: دشت اردبیل، رساله دکترا، دانشکده محیط زیست. دانشگاه تهران.
14- محمدی، حبشی، پورمنافی؛ شاهین، خلیل، سعید، 1397، پایش و پیش‌بینی تغییرات کاربری/پوشش اراضی و ارتباط آن با خشکسالی- مطالعه موردی: زیر حوضه پارسل B2، حوضه آبخیز زاینده‌رود، 9 (1): 39-24.
15- معماریان، هادی. 1395. «نقش استحصال در افزایش رفاه جامعه وبهبود خدمات اکوسیستم».مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گیلان.
16- میرصانع، س. م. ر.1390، معرفی مهم‌ترین ماهواره‌های سنجش‌از‌دور در منابع زمینی ،وزارت جهاد کشاورزی، معاونت برنامه‌ریزی و اقتصادی دفتر آمار و فناوری اطلاعات.
17- نیکورزم، جوزی؛ یاسمن، سیدعلی، 1394، بررسی تغییرات فضای سبز با مدل مارکوف و شاخص NDVI و تبیین راهبردها با مدل SWOT مطالعه موردی: مناطق 18 ، 19 و 21 شهرداری تهران، 1 (11): 72-53.
18- همتی، فروزانی، یزدان پناه، خسروی‌پور؛ بهنام، معصومه، مسعود، بهمن.1394. "مقایسه کاربرد فرآیند تحلیل شبکه و تحلیل سلسله مراتبی در تحلیل شاخص فقرآبی کشاورزی: مورد مطالعه شهرستان دزفول. علوم ترویج وآموزش کشاورزی ایران. (11) شماره 2. 
 
19- Ashraf, S., et al., 2018. Compounding effects of human activities and climatic changes on surface water availability in Iran. Climatic Change. 152(3-4): p. 379-391.
20- Deines, J.M., A.D.Kendall, J. J. Butler, D.W.Hyndman. Quantifying irrigation adaptation strategies in response to stakeholder-driven groundwater management in the US High Plains Aquifer. 2019. Environmental Research Letters. 14(4).
21- Gleeson, T., K. M. Befus, S. Jasechko, E. Luijendijk, M. B. Cardenas. 2018. The global volume and distribution of modern groundwater. Nature Geoscience. 9(2): p. 161-167.
22- Holtz, G. and C. Pahl-Wostl 2011. An agent-based model of groundwater over-exploitation in the Upper Guadiana, Spain. Regional Environmental Change. 12(1): p. 95-121.
23- Huang, Y., Q. Chang, and Z. Li. 2018. Land use change impacts on the amount and quality of recharge water in the loess tablelands of China. Sci Total Environ. 628-629: p. 443-452.
24- Jakeman, A., Kelly, R., Ticehurst, J., Blakers, R., Croke, B., Curtis, A.2014. Modelling for Managing the Complex Issue of Catchment-Scale Surface and Groundwater Allocation. In Simulation and Modeling Methodologies, Technologies and Applications (pp. 25-41): Springer.
25- Jazouli, A.E., A. Barakat, R. Khellouk, J. Rais, M. ElBaghdadi. 2019. Remote sensing and GIS techniques for prediction of land use land cover change effects on soil erosion in the high basin of the Oum Er Rbia River (Morocco). Remote Sensing Applications: Society and Environment. 13: 361-374.
26- Jensen, J.R., Introductory digital image processing: a remote sensing perspective. 1949.
27- Necati, G. 2016. A Comparison Study of Some Flood Estimation Methods in terms of Design of Water Structures. International Journal of Engineering Technologies 2(1). 
28- Parker, D.C., S. M. Manson, M. A. Janssen, M. J. Hoffmann, P. Deadman. 2003. Multi-Agent Systems for the Simulation of Land-Use and Land-Cover Change: A Review. Annals of the Association of American Geographers. 93(2): p. 314-337.
29- Subedi, P., K. Subedi, and B. Thapa. 2013. Application of a Hybrid Cellular Automaton – Markov (CA-Markov) Model in Land-Use Change Prediction: A Case Study of Saddle Creek Drainage Basin, Florida. Applied Ecology and Environmental Sciences. 1(6): p. 126-132.
30- Vannier, C., A. Bierry, P. Y. Longaretti, B. Nettier, Th. Cordonnier, etal. 2019. Co-constructing future land-use scenarios for the Grenoble region, France. Landscape and UrbanPlanning, Elsevier, 190, pp.103614.
www.Paven.ir
31- Zhou, Y. and W. Li. 2011. A review of regional groundwater flow modeling. Geoscience Frontiers, 2(2): p. 205-214.