دو دهه پایش تالاب مهارلو با استفاده از داده های ماهواره ای در گوگل ارث انجین

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران

2 دانشیار گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران

3 استادیار گروه سنجش از دور و GIS، واحد شیراز، دانشگاه آزاد اسلامی، شیراز

4 استادیار گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران

10.22131/sepehr.2021.246147

چکیده

پایش تالابها با استفاده از روشهای سنتی، زمان­بر و مستلزم هزینهی زیاد است. امروزه بهمنظور پایش و مدیریت تالابها، از دورسنجی ماهوارهای و قابلیتهای گوگل ارث انجین استفاده میگردد. در این پژوهش سعی شد طی دو دهه‌‌ی اخیر از تصاویر ماهواره­ی لندست، تی­.آر.­ام.­ام، مادیس و گریس در حوضهی آبریز گشنگان که تالاب مهارلو نیز در آن واقع شده، بهمنظور ارزیابی تغییرات وسعت آب تالاب و برخی از عوامل احتمالی تأثیرگذار بر آن استفاده شود. میانگین مساحت آب تالاب منتج ازAWEI_shadow  در پنج ساله­ی اول، دوم، سوم و چهارم بهترتیب مقادیر 200.41، 162.65، 137.82 و 117.81 کیلومتر مربع را نتیجه داد که به کاهش 37.76، 24.83 و 20 کیلومتر مربع در این بازه­های زمانی اشاره داشت. پوشش گیاهی حوضه مستخرج از NDVI در سال 2000، 282 هکتار نتیجه گردید و در سال 2019 این مقدار به 390 هکتار افزایش یافت. ارزیابی دادههای گریس نشان داد که از سال 2008 به بعد، تمامی مقادیر تراز آب زیرزمینی، منفی است. نتایج آزمون من-کندال دلالت بر آن داشت که تغییرات تودههای آبی، پوشش ­گیاهی، میزان بارش و تراز آب زیرزمینی بهترتیب دارای روند کاهشی، افزایشی، افزایشی و کاهشی بوده است و در رابطه با مقادیر تبخیر- تعرق، روندی مشاهده نشد. بهنظر می­رسد در حوضهی مورد مطالعه، افزایش وسعت پوشش گیاهی و متعاقب آن برداشت آب از سفره­های زیرزمینی به مرور زمان بر روند کاهشی وسعت تودههای آبی تالاب تأثیر گذاشته است. پیشنهاد میگردد بهمنظور مدیریت بهینهی این تالاب و جلوگیری از خشک شدن آن، حد بستر و حریم تالاب، با استفاده از سایر شاخصهای دورسنجی آبی تعیین گردد. همچنین، پیشنهاد میشود روشهای مصرف آب و الگوی کشت در نواحی اطراف این تالاب، مورد بازبینی قرار گیرد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Two decades of monitoring Maharloo Wetland using satellite data provided in Google Earth Engine

نویسندگان [English]

  • Shahin Jafari 1
  • Saeid Hamzeh 2
  • Hadi Abdolazimi 3
  • Sara Attarchi 4
1 Master student of Remote sensing and GIS, Faculty of Geography, University of Tehran
2 Associate professor, Department of Remote sensing and GIS, Faculty of Geography, University of Tehran
3 Assistant professor of Remote Sensing and GIS, Shiraz Branch, Islamic Azad University, Shiraz
4 Assistant professor, Department of remote sensing and GIS, Faculty of Geography, University of Tehran
چکیده [English]

Extended Abstract
Introduction
Human activities as well as environmental and climate changes affect the trends of wetlands. Detecting and monitoring aquifers are considered to be very important for evaluation of past, present, and future influential factors, and the findings of such studies are essential for taking measures and making decisions based on the goals of sustainable water and soil resources management. Over the past decade, many researchers around the world have been attracted to remote sensing and especially satellite remote sensing and used this technology to detect such changes over time. The present study has used Landsat (monitoring the area of water body), TRMM (monitoring rainfall), MODIS (monitoring vegetation and evapotranspiration), Grace (monitoring groundwater) satellite images available in Google Earth Engine to study last two decades changes (from 2000 to 2019) in Maharloo wetland, Goshnegan catchment and their surroundings.
 
Materials & Methods
Maharloo wetland is located in Fars province and Goshnegan catchment (426 square kilometers). The present study has used Landsat 7 and 8 images to extract the area of water body, TRMM images to obtain precipitation values, MODIS products to calculate NDVI and evapotranspiration, and data received from Grace to extract changes in groundwater level. These satellite images were available in Google Earth Engine. Mann-Kendall test was also used to assess the overall trend of the aforementioned factors.
 
Results & Discussion
The automated water extraction index was used in the present study to identify and estimate the area covered by ​​water bodies in the study area. The largest area belonged to 2006 (216.76 square kilometers) and the smallest belonged to 2018 (66 square kilometers). In 2000 (the beginning of the reference period), an area of ​​216.52 square kilometers was covered by this wetland which is close to what was observed in 2006. In 2018, this has reduced to 66 square kilometers. Thus, there is about 150.72 square kilometers (69.54 percent) difference between these two years. In 2009, the total area has reduced to 66.67 square kilometers. A numerical comparison between 2000 and 2019 also indicates a reduction of 91.17 square kilometers (42% decrease) in the total area covered by this wetland. Also, a 53.72 square kilometers (29.60%) difference was observed between the average area covered by the water body in the first and second ten years. Since calculated p-value value (< 0.00001) is less than the alpha level (0.05), so a significant trend was observed in the average annual data of the area covered by this wetland. Kendall's tau also indicated declining trend of the collected data. Groundwater level was calculated using data received from Grace Satellite to investigate the role of groundwater level in reducing the area covered by the ​​water body. Results indicated that since 2008, groundwater level ​​have always showed a negative value (a decreasing trend). For an instance, a groundwater level of -10.86 cm in 2019 indicates a decrease in the water level in the study area. As the calculated p-value (< 0.0001) is less than the alpha level (0.05), so a significant decreasing trend was observed in the groundwater level. Results of Mann-Kendall test (-0.6) also indicated that changes in water bodies, vegetation, rainfall and groundwater level had a decreasing, increasing, increasing and decreasing trend, respectively. No significant trend was observed in evapotranspiration. It seems that the expansion of agricultural lands and subsequent water extraction from aquifers have intensified the decreasing trend of water bodies in this wetland.
 
Conclusion
Wetlands provide many ecological services including water treatment, natural hazard prevention, soil and water protection, and coastline management (Amani et al., 2019). Therefore, understanding the importance of wetlands and their management need to be seriously considered by relevant organizations in different countries of the world, and Iran is no exception. Satellite data and remote sensing methods and techniques are considered to be one of the most important and cost-effective methods of monitoring wetlands. The present study used satellite data collected by Landsat, MODIS, Grace, and TRMM to monitor water bodies, vegetation, groundwater level, and rainfall in Goshnegan catchment in which Maharloo wetland is located. The results of Mann-Kendall test showed a decreasing annual trend for changes in the average area of ​​this wetland. This decreasing trend is considered to be a serious threat to human settlements around the wetland which can intensify over time. It will also affect the thermal islands of Shiraz and Sarvestan in near future. Obviously, management of agricultural and forest land uses with the aim of stopping their increasing trend can improve water balance in catchment areas. A 132.2 ha (approximately 36.16%) difference was observed between the average vegetation cover in this catchment area over the first and second ten years (233.4 vs. 365.6 ha). It seems that the expansion of agricultural lands and subsequent water extraction from aquifers have intensified the decreasing trend of water bodies in this wetland. Due to the proximity of this wetland to the city of Shiraz and its importance as an ecological and tourist attraction, it is suggested that related authorities (Department of Environment and Water Organization) demarcate lake bed and riparian zone with the help of remote sensing researchers to improve the management of this wetland and prevent it from drying up. Also, it is suggested that the Organization of Agriculture Jihad review and improve water consumption methods and cultivation patterns in the areas surrounding this wetland.

کلیدواژه‌ها [English]

  • Google Earth Engine
  • Maharloo Wetland
  • Landsat
  • TRMM
  • GRACE and MODIS
1- آذره، رفیعی ساردوئی، برخوردی؛ علی، الهام، سعید. 1397. بررسی روند تغییرات پوشش گیاهی با استفاده از شاخص NDVI و تصاویر سنجنده MODIS، نهمین همایش سراسری کشاورزی و منابع طبیعی پایدار، مؤسسه آموزش عالی مهرالوند، تهران، ایران.
2- احمدی، نارنگی فرد؛ محمود، مهدی. 1391. ارزیابی پهنه‌های بارشی با استفاده از داده‌های ماهواره TRMM در استان فارس، پژوهش‌­های دانش زمین، سال سوم، شماره11، صفحات 28 - 44.
3- اشرف‌زاده افشار، جودکی، شریفی؛ علی، غلامرضا، محمدعلی. 1395. ارزیابی منابع آب‌های زیرزمینی ایران با استفاده از داده‌های ماهواره ثقل‌سنجی GRACE، نشریه علمی - پژوهشی علوم و فنون نقشه‌برداری، دوره پنجم، شماره 4، صفحه 73 - 84.
4- اصغری سراسکانرود، جلیلیان، پیروزی نژاد، مدد، یادگاری؛ صیاد، روح‌اله، نوشین، عقیل، میلاد. 1399. ارزیابی شاخص‌های استخراج آب با استفاده از تصاویر ماهواره‌ای لندست (مطالعه موردی: رودخانه گاماسیاب کرمانشاه)، نشریه تحقیقات کاربردی علوم جغرافیایی، سال بیستم، شماره 58.
5- انتظاری، رحیم‌زادگان؛ سیداردلان، دکترمجید. 1396. بررسی تغییرات آب‌های زیرزمینی با استفاده از داده‌های ماهواره GRACE، چهارمین کنفرانس بین‌المللی فناوری‌های نوین در مهندسی عمران، معماری و شهرسازی، مهر ماه 96، تهران، ایران.
6- خسروی، اعظمی، رجایی، متولی؛ یونس، جابر، مسیح، علیرضا. 1397. بررسی روند تغییرات و نوسانات بارش در تالاب شور گلپایگان، مطالعات علوم محیط‌زیست، دوره سوم، شماره چهارم، صفحه  861-851.
7- دماوندی، رحیمی، یزدانی، نوروزی؛ علی‌اکبر، محمد،  محمدرضا، علی‌اکبر. 1395. پایش مکانی خشکسالی کشاورزی از طریق سری‌های زمانی شاخص‌های NDVI و LST داده‌های MODIS (مطالعه موردی: استان مرکزی)، فصلنامه علمی - پژوهشی اطلاعات جغرافیایی سپهر، دوره 25، شماره 99، صفحه 115-126.
8- رضایی مقدم، ولی‌زاده کامران، رستم‌زاده، رضایی؛ محمد، خلیل، هاشم، علی. 1391. ارزیابی کارایی داده‌های سنجنده‌ی MODIS در برآورد خشکسالی (مطالعه‌ی موردی: حوضه‌ی آبریز دریاچه ارومیه)، جغرافیا و پایداری محیط، شماره 5، صفحه 37- 52.
9- عطارچی، سارا. 1398. کارایی شاخص‌های راداری در استخراج سطوح نفوذناپذیر شهری با استفاده از تصویر رادار تمام پلاریمتریک، پژوهش‌های جغرافیای برنامه‌ریزی شهری، دوره 7، شماره 4، صفحات 837 - 854.
10- فتوحی، مصباح، صدری؛ صمد، سیدحمید، سعیده. 1393. شناسایی و تحلیل ماتریس ریسک خشک‌شدن تالاب مهارلو و پیامدهای آن بر محیط، اکوبیولوژی تالاب (تالاب)، دوره 6، شماره 20، صفحات 54-43.
11- فرجی، کاویانی، اشرف‌زاده؛ زهره، عباس، افشین. 1396. ارزیابی داده‌های ماهواره GRACE در برآورد تغییرات سطح آب زیرزمینی در استان قزوین، اکوهیدرولوژی، دوره 4، شماره2، صفحه 476 - 463.
12- فیاضی، نخعی، لک؛ فرج‌اله، محمد، راضیه. 1386. .  پیشنهاد تغییرات جزئی در نمودار تکامل شورابه، ارائه شده توسط اگوستر و هاردی با بررسی شورابه دریاچة مهارلو، علوم زمین، سال شانزدهم، شمارة 63، صفحات 10-1.
13- قهرودی‌تالی، لشگری، حسینی؛ منیژه، حسن، زهرا سادات. 1390. شناسایی پهنه‌های رسوبی ناشی از تحولات اقلیمی در پلایای مهارلو با بکارگیری تکنیک PCA و شاخص OIF، نشریه مطالعات جغرافیایی مناطق خشک، سال اول، شمارة 3، صفحات 36-21.
14- کاظم‌زاده، اکبری؛ مجید، جواد. 1398. تحلیل دقت مکانی تصاویر ماهواره TRMM در برآورد شاخص خشکسالی هواشناسی، مطالعه موردی: کشور ایران، نشریه علمی - پژوهشی مهندسی و مدیریت آبخیز، جلد 11، شماره4، صفحات 903 - 916.
15- کاظمی، فیض‌نیا، خسروی، ناجی، مصباح؛ محسن، سادات، حسن، صادق، حمید. 1398. بررسی تغییرات سطح دریاچه مهارلو و کاربری اراضی حاشیه آن با استفاده از تصاویر ماهواره‌ای، مهندسی و مدیریت آبخیز، دوره 11، شماره 4، صفحات 1130-1139.
16- کشاورز، قاسمیان یزدی؛ احمد، محمدحسین. 1384. یک الگوریتم سریع مبتنی بر ماشین بردار پشتیبان برای طبقه‌بندی تصاویر ابرطیفی با استفاده از همبستگی مکانی، مهندسی برق و مهندسی کامپیوتر ایران، دوره 3، شماره 1، صفحات 37 - 44.
17- مرادی، کمالی، وظیفه‌دوست؛ فرزانه، غلامعلی، مجید. 1394. ارزیابی محصول تبخیر - تعرق پتانسیل از سنجنده MODIS با استفاده از آمار ایستگاه‌های همدیدی در استان زنجان، نشریه پژوهش‌های اقلیم شناسی، سال ششم، شماره بیست و سوم و بیست و چهارم، صفحه 39 - 48.
18- نیازی، طالبی، مختاری، وظیفه دوست؛ یعقوب، علی، محمدحسین، مجید. 1397. آنالیز مکانی - زمانی دقت داده‌های ماهواره‌ای TRMM برای برآورد شدت خشک سالی مبتنی بر بارش در محدوده ایران مرکزی، پژوهش‌های جغرافیای طبیعی، دوره 50، شماره 1، بهار 1397، صفحات 69-58.
19- Adam, E., Mutanga, O., & Rugege, D. (2010). Multispectral and hyperspectral remote sensing for identification and mapping of wetland vegetation: a review. Wetlands Ecology and Management, 18(3), 281-296.
20- Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56. Fao, Rome, 300(9), D05109.
21- Allen, R., Bastiaanssen, W., Wright, J., Morse, A., Tasumi, M., & Trezza, R. (2002). Evapotranspiration from satellite images for water management and hydrologic balances. Paper presented at the Proceedings of the 2002 ICID conference, Montreal, Canada.
22- Amani, M., Salehi, B., Mahdavi, S., & Brisco, B. (2018). Spectral analysis of wetlands using multi-source optical satellite imagery. ISPRS Journal of Photogrammetry and Remote Sensing, 144, 119-136.
23- Amani, M., Mahdavi, S., Afshar, M., Brisco, B., Huang, W., Mohammad Javad Mirzadeh, S., . . . Hopkinson, C. (2019). Canadian wetland inventory using Google Earth engine: the first map and preliminary results. Remote Sensing, 11(7), 842.
24- Awange, J. L., Sharifi, M. A., Ogonda, G., Wickert, J., Grafarend, E. W., & Omulo, M. A. (2008). The falling Lake Victoria water level: GRACE, TRIMM and CHAMP satellite analysis of the lake basin. Water Resources Management, 22(7), 775-796.
25- Brisco, B. (2015). Mapping and monitoring surface water and wetlands with synthetic aperture radar. Remote Sensing of Wetlands: Applications and Advances, 119-136.
26- Burges, C. J. (1998). A tutorial on support vector machines for pattern recognition. Data mining and knowledge discovery, 2(2), 121-167.
27- Chemura, A., Rwasoka, D., Mutanga, O., Dube, T., & Mushore, T. (2020). The impact of land-use/land cover changes on water balance of the heterogeneous Buzi sub-catchment, Zimbabwe. Remote Sensing Applications: Society and Environment, 18, 100292.
28- Dronova, I. (2015). Object-based image analysis in wetland research: A review. Remote Sensing, 7(5), 6380-6413.
29- Eagleson, P. S. (2005). Ecohydrology: Darwinian expression of vegetation form and function: Cambridge University Press.
30- Feng, L., Hu, C., Chen, X., Cai, X., Tian, L., & Gan, W. (2012). Assessment of inundation changes of Poyang Lake using MODIS observations between 2000 and 2010. Remote Sensing of Environment, 121, 80-92.
31- Feyisa, G. L., Meilby, H., Fensholt, R., & Proud, S. R. (2014). Automated Water Extraction Index: A new technique for surface water mapping using Landsat imagery. Remote Sensing of Environment, 140, 23-35.
32- Gallant, A. L. (2015). The challenges of remote monitoring of wetlands: Multidisciplinary Digital Publishing Institute.
33- George, G., Hurley, M., & Hewitt, D. (2007). The impact of climate change on the physical characteristics of the larger lakes in the English Lake District. Freshwater Biology, 52(9), 1647-1666.
34- Hampton, S. E., Izmest’eva, L. R., Moore, M. V., Katz, S. L., Dennis, B., & Silow, E. A. (2008). Sixty years of environmental change in the world’s largest freshwater lake–Lake Baikal, Siberia. Global Change Biology, 14(8), 1947-1958.
35- Henderson, F. M., & Lewis, A. J. (2008). Radar detection of wetland ecosystems: a review. International Journal of Remote Sensing, 29(20), 5809-5835.
36- Klein, I., Dietz, A. J., Gessner, U., Galayeva, A., Myrzakhmetov, A., & Kuenzer, C. (2014). Evaluation of seasonal water body extents in Central Asia over the past 27 years derived from medium-resolution remote sensing data. International Journal of Applied Earth Observation and Geoinformation, 26, 335-349.
37- Le Maitre, D. C., Kotzee, I. M., & O’Farrell, P. J. (2014). Impacts of land-cover change on the water flow regulation ecosystem service: Invasive alien plants, fire and their policy implications. Land Use Policy, 36, 171-181.
38- Mahdavi, S., Salehi, B., Granger, J., Amani, M., Brisco, B., & Huang, W. (2018). Remote sensing for wetland classification: A comprehensive review. GIScience & Remote Sensing, 55(5), 623-658.
39- Miettinen, J., Shi, C., & Liew, S. C. (2016). Land cover distribution in the peatlands of Peninsular Malaysia, Sumatra and Borneo in 2015 with changes since 1990. Global Ecology and Conservation, 6, 67-78.
40- Mountrakis, G., Im, J., & Ogole, C. (2011). Support vector machines in remote sensing: A review. ISPRS Journal of Photogrammetry and Remote Sensing, 66(3), 247-259.
41- Mousazadeh, R., Ghaffarzadeh, H., Nouri, J., Gharagozlou, A., & Farahpour, M. (2015). Land use change detection and impact assessment in Anzali international coastal wetland using multi-temporal satellite images. Environmental monitoring and assessment, 187(12), 776.
42- Ozemi, S., & Bauer, M. (2002). Satellite Remote Sensing of Wetlands, Wetlands Ecology and Management.
43- Wang, X., Xiao, X., Zou, Z., Hou, L., Qin, Y., Dong, J., . . . Chen, Y. (2020). Mapping coastal wetlands of China using time series Landsat images in 2018 and Google Earth Engine. ISPRS Journal of Photogrammetry and Remote Sensing, 163, 312-326.
44- Wu, Q., Lane, C. R., Li, X., Zhao, K., Zhou, Y., Clinton, N., . . . Lang, M. W. (2019). Integrating LiDAR data and multi-temporal aerial imagery to map wetland inundation dynamics using Google Earth Engine. Remote Sensing of Environment, 228, 1-13.
45- Zhang, W., Yao, L., Li, H., Sun, D., & Zhou, L. (2011). Research on land use change in Beijing Hanshiqiao Wetland Nature Reserve using remote sensing and GIS. Procedia Environmental Sciences, 10, 583-588.