سنجش و پیش بینی تغییرات پوشش گیاهی حوزه استان مازندران طی بازه زمانی 2017-2005 با استفاده از زنجیره مارکوف و GIS

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد آب و هواشناسی،تغییر اقلیم،دانشگاه گلستان

2 دانشیار اقلیم شناسی گروه جغرافیا، دانشگاه گلستان، گرگان،ایران

3 استاد گروه جغرافیا، باستان شناسی و مطالعات محیط زیست، دانشگاه ویتس آفریقای جنوبی

10.22131/sepehr.2019.37514

چکیده

عموماً جهت ارزیابی فرآیندهای طبیعی، از قبیل اثرات بلندمدت تغییر اقلیم که متأثر از اندرکنش مؤلفههای سازنده سامانه اقلیمی از قبیل بیوسفر،لیتوسفر و یا عواملی که خارج از سامانه اقلیمی،تغییرات آب و هوایی را در بازه زمانی درازمدت کنترل مینمایند، و همچنین در خصوص فرآیندهای کوتاه مدت که شامل توالی پوشش گیاهی و فرآیندهای ژئومورفولوژیکی است، پایش تغییر صورت میگیرد. همچنین، به منظور ارزیابی اثرات ناشی از فعالیتهای انسانی از قبیل جنگلزدایی، کشاورزی و شهرسازی، پایش تغییر مورد استفاده قرار میگیرد. همانگونه که تغییرات محیطی انعکاس دهنده وضعیت مدیریت اراضی است، روش های پایش تغییر میتواند به ارزیابی این عملیات کمک کند. در این راستا هدف از پژوهشحاضر سنجش و پیش بینی تغییرات پوششگیاهی حوزه استان مازندران طی دوره 2017-2005 با استفاده از زنجیره مارکوف و GIS میباشد. برای بررسی و تجزیه تحلیل تغییرات از روش طبقهبندیdecision tree با توجه به استانداردهای ناسا ابتدا برای  هر valu16 یک کلاس تعریف شد. بر این اساس مشخص شده است که آستانه ی تغییر در منطقه ی مورد مطالعه با 1 انحراف از میانگین قرار داشته است. پس از تعیین آستانه ی تغییر، مناطق دارای تغییرات کاهشی، افزایشی و بدون تغییر مشخص گردیده است. جهت ارزیابی دقت تکنیک های سنجش تغییر پس از برداشت واقعیات زمینی که از طریق بازدید میدانی و تصاویر ماهواره ای Google Earth  به دست آمد از دقت کل و ضریب کاپا استفاده شد. بر اساس نتایج به دست آمده مشخص گردید که دادههای ارزیابی شده با میانگین دقت کل 91 ، ضریب کاپای 88/0 را در  ارزیابی پایش تغییرات پوششگیاهی منطقهی مورد مطالعه به خود اختصاص دادهاند.
 

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation and prediction of vegetation changes of Mazandaran, Iran from 2005 to 2017 using Markov chain method and Geographical Information Systems (GIS)

نویسندگان [English]

  • Reza Sarli 1
  • Gholamreza Roshan 2
  • Stefan Grab 3
1 Graduate Student, Meteorology, Climate Change, Golestan University, Gorgan, Iran.
2 Department of Geography, Golestan University, Gorgan, Iran
3 School of Geography, Archaeology and environmental studies, University of Witwatersrand, South Africa
چکیده [English]

Extended Abstract
Introduction
change monitoring is generally used to evaluate natural processes such as the long-term effects of climate change, which is affected by the interaction of the climatic system’s constructive components such as the biosphere, lithosphere, or factors that control the climate changes outside the climatic system, over a long period of time, as well as the short-term processes that include vegetation sequence and geomorphological processes. Change monitoring is also used to evaluate the effects derived from human activities such as deforestation, agriculture and urban development. Remote sensing is a very useful technology, which can be used to obtain information layers from the soil and vegetation.
 
Materials and Methods
Land Cover Product was used to process the MODIS1  Satellite data which is one of the most frequently used products designed relating to MODIS Satellite, and is used annually. This Sensor with 250-500 meter and also 1-kilometer spatial resolution has 36 spectral bands in the range of visible, reflectional infrared and thermal infrared wavelengths, which can well be used for various applications of the surface, the Earth surface, atmosphere and the oceans. MOD12Q1, which is one of the MODIS products, was used to investigate and analyze the profile of the vegetation changes in Mazandaran province using the NDVI and EVI indicators from 2005 to 2017. The related images have been prepared annually with 500-meter resolution and sine coordinate system in the form of a combination of Terra and Aqua data. Given the standards provided by NASA, the changes were investigated using the “decision tree” classification method, and the map for the prediction of its changes was calculated using the Markov Chain Model. The ArcGis software was then used to analyze these changes in order to determine which use of land with what percentage of changes has been allocated to which area.
 
Results and Discussion
In 2005, land-uses associated with dense vegetation dominated an area of 398.77 m2. These land-uses include wasteland, dense vegetation and scattered vegetation. The estimation of the changes occurring in the aforementioned land-uses showed that the maximum changes relating to the low density vegetation with an average of 55.62% are in the northwestern and the eastern parts, and the minimum changes relating to the in dense vegetation with an average of 77.21% are in the central parts of the region, respectively. Furthermore, the observations of the images of the year 2005 show that the use of dense vegetation which has turned into low density vegetation in the image of the year 2017, has had the minimum changes. Finally, considering the prediction of the observed changes, it can be concluded that these changes were more related to the altitude range of 1400 m to 2260 m with the slope coefficients of 15% to 99%. The prediction carried out using the Markov Chain also suggests that the low-density land cover, which was over 864/80 km2 in 2017, will turn into barren lands in proportion to the changes occurringin 2022.
 
Conclusion
A major part of the vegetation changes in the area is due tothelack of job opportunities, extra labor attraction and the economic poverty of the inhabitants.In addition,the pressure on the meadow fields hasreached its highest limit by ranchers,which has resulted inthe reduction of grasslands. Eventually, it could be stated that the evaluationmethods and modelsof the vegetation changes have their own featuresand no method on its own is usable andappropriate for all cases, hence,the identification of an appropriate method for evaluating thevegetation changesneeds to be examined quantitatively and qualitativelyin order to provide the best result.

کلیدواژه‌ها [English]

  • vegetation
  • Remote Sensing Methods (RSM)
  • Geographical Information System (GIS)
  • Mazandaran province
  • Iran
1- آرخی، عطا؛ صالح، بهنام (1397). مبانی سنجش از دور رقومی،انتشارات نوروزی،چاپ اول،ص281.
2- آرخی، صالح. (1394)، «آشکارسازی تغییرات پوشش/کاربری اراضی با پردازش شیءگرای تصاویر ماهواره‌ای با استفاده از نرم‌افزار Idrisi selvi (مطالعه موردی: منطقه ‌آبدانان) «، فصلنامه علمی‌- پژوهشی اطلاعات جغرافیایی (سپهر)، دوره 24 ، شماره 95 ، پاییز، صص 62-51.
3- آرخی، نیازی؛ صالح،  یعقوب. (1393)، «مقایسه تکنیک‌های مختلف پایش تغییر کاربری اراضی/پوشش گیاهی با استفاده از RS و GIS (مطالعه موردی: حوزه دره شهر- استان ایلام) «، فصلنامه سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی (‌کاربرد سنجش‌ازدور و GIS در علوم منابع طبیعی‌)، دوره 5، شماره 3، پاییز، ص 13.
4- امیدوار، نارنگی فرد، عباسی؛ کمال، مهدی، حجت‌الله. (1394)، «آشکارسازی تغییرات کاربری اراضی و پوشش گیاهی در شهر یاسوج با استفاده از سنجش‌ازدور«. فصلنامه جغرافیاو آمایش شهری- منطقه‌ای، شماره 16، پاییز، صص 126-111.
5- رضایی مقدم، رضایی بنفشه، فیضی‌زاده، نظم‌فر؛ محمدحسین، مجید، بختیار، حسین (1389)، طبقه بندی پوشش اراضی/ کاربری اراضی بر اساس تکنیک شیء‌گرا و تصاویر ماهواره‌ای، مطالعه موردی: استان آذربایجان غربی، پژوهش‌های آبخیز داری، دوره23، شماره2،32-19.
6- زارع‌ چاهکوهی، طاهری محمدآبادی، آذرنیوند؛ محمدعلی، نیکو، حسین. (1395)، « ارزیابی تغییرات مکانی پوشش گیاهی مراتع مناطق خشک و نیمه‌خشک با استفاده از سنجه‌های بوم‌شناسی سیمای سرزمین (مطالعه موردی: مراتع پشتکوه استان یزد) «، نشریه مدیریت بیابان، شماره هفتم، بهاروتابستان، صص 56-46.
7- شریفی، رسولی‌، حجازی‌، رستم زاده؛ لیلا، علی‌اکبر، میراسدالله، هاشم (1392). «آشکارسازی تغییرات کاربری/ پوشش اراضی با پردازش شئ‌گرای تصاویر ماهواره‌ای (مطالعه موردی: شهرستان تبریز)، نشریه جغرافیا و برنامه‌ریزی شهر، دوره 17، شماره 44، تابستان 1392، صفحه 203-214.
8- فاطمی، رضایی؛ سیدباقر، یوسف(1391)، مبانی سنجش از دور،چاپ سوم،تهران:انتشارات آزاده.
9- محمدیاری، پورخباز، توکلی، اقدر؛ فاطمه، حمیدرضا، مرتضی، حسین. (1393)، «تهیه نقشه پوشش گیاهی و پایش تغییرات آن با استفاده از تکنیک‌های سنجش‌ازدور و سیستم اطلاعات جغرافیایی (مطالعه موردی: شهرستان بهبهان) «، فصلنامه علمی - پژوهشی اطلاعات جغرافیایی (سپهر)، دوره 23، شماره 92، زمستان، صص 34-24.
10. Alavipanah, S.K. (2013). Application of remote sensing in the earth sciences (soil). University of Tehran press.
11. Farzadmehr, J., Arzani, H., Darvish Sefat, A.A. and Jafari, M., (2006). Assessment Landsat 7 satellite data ability to estimate the canopy and plant production (Case study: Semi-steppe zone henna Samirom). Iranian Journal of Natural Resources, 57 (2), 1-15.
12. Feyzizadeh, B., Azizi, H. and Valizadeh, K. (2008). Extraction Land use Mallekan city by using Landsat 7 ETM + satellite images. Logistics magazine (3), University of Malayer.
13. Fung, T. , and Ledrew, E.  (1988) , The determination of optimal threshold levels for  change detection using various accuracy indices. Photogrammetric Engineering and Remote Sensing, 54, 1449-1454.
14. Lillesand, T.M. and Kiefer, R.W. (1994).Remote Sensing and Image Interpretation, John Wiley and sons, New York, 750 pp.
15. Lu, D. , Mausel, P. , Brondi´zio, E, and Moran, E (2004) , Change detection techniques. International Journal of Remote Sensing, 20 June, Vol. 25, No. 12, 2365-2407.
16. Mitsova D, Shuster W, Wang X. (2011). A cellular automata model of land cover change to integrate urban growth with open space conservation. Landscape and Urban Planning, 99, 141-153.
17. NASA’s organization,Modis Land Cover Product, Land Cover Type Yearly L3 Global 500 m Sin Grid ,MCD12Q1.
18. Wang,Y.Q., et al. (2009). Remote sensing of land-cover change and landscape context of the national parks: A case study of the Northeast Temperate Network. Remote Sensing of Environment, 113, 1453-1461.
19. Weishou, Shen. , Zhang Hui, Ji. , Di, Shouguang. , Yan, Haidong. , Li , Naifeng. , Lin.(2011) , The Response Relation between Climate Change and NDVI over the Qinghai-Tibet plateau, World Academy of Science, Engineering and Technology, International Science Index 59, Vol 5, No 11, P 2438-2444.