بررسی روند تغییرات کمی سیمای سرزمین در استان کرمانشاه مطالعه موردی: حوزه آبخیر قره سو و مرگ (سال های 1984، 2000 و 2016)

نوع مقاله: مستخرج از پایان نامه

نویسندگان

1 کارشناسی ارشد محیط زیست، دانشکده منابع طبیعی، دانشگاه گیلان. *(مسوول مکاتبات)

2 استادیار گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه گیلان.

3 دکتری محیط زیست، دانشکده منابع طبیعی، دانشگاه ملایر.

10.22034/jest.2018.28911.3762

چکیده

زمینه و هدف: سرعت تغییر اکوسیستم ها در سال های اخیر چنان بوده که امکان سازگاری موجودات زنده با تغییرات محیطی به سختی صورت می گیرد و این عارضه ناشی از عدم توجه به تغییرات کاربری اراضی و بهره‌برداری از منابع طبیعی است. هدف از این تحقیق، بررسی روند تغییرات کمی سیمای سرزمین در حوزه آبخیز قره سو و مرگ در استان کرمانشاه است.
روش بررسی: به منظور پایش تغییرات از تصاویر ماهواره لندست در تاریخ های ETM+) 2000 ،(TM) 1984) و 2016 (OLI-TIRS) استفاده شد. طبقه‌بندی با استفاده از روش شبکه عصبی مصنوعی (MLP) انجام گرفت. پوشش موجود در هفت طبقه تقسیم شد. متریک‌های Patch Density) PD ،(Number of Patch) NP ،PLAND) و Edge Density) ED)
در سطح کلاس،Contagion) CONTAG ،(Largest Patch Index) LPI ،NP) و Shannon's diversity index) SHDI) در سطح سیمای سرزمین برای منطقه مورد مطالعه محاسبه گردید.
یافته ها: بر اساس نتایج، بیشترین درصد پوشش منطقه در سالهای مورد مطالعه مربوط به اراضی کشاورزی و سپس مراتع متوسط است. تعداد لکههای اراضی کشاورزی در بازه زمانی 2000-1984 به علت تبدیل مراتع متوسط به اراضی کشاورزی افزایش و در بازه زمانی 2016 -2000 به دلیل تبدیل به مراتع متوسط با نرخ کمتر کاهش یافته و همچنین تعداد لکههای جنگلی در بازه زمانی اول به علت تبدیل به مراتع متوسط کاهش و در بازه زمانی دوم افزایش یافته است.
بحث و نتیجه گیری: بررسی متریکهای سیمای سرزمین بیانگر افزایش پیوستگی سیمای سرزمین، کاهش تکه تکه شدگی و تنوع در بازه زمانی اول است و در مقابل در بازه زمانی دوم کاهش پیوستگی، افزایش تکه تکه شدگی و تنوع دیده می شود. با توجه به اینکه، روند تغییرات سیمای سرزمین در دو بازه زمانی متفاوت است؛ به طور کلی می توان ذکر کرد که تکه‌تکه شدن و تنوع سیمای سرزمین کمتر و پیوستگی لکه های آن بیشتر شده است.

کلیدواژه‌ها

موضوعات


 

 

 

 

 

 

 

علوم و تکنولوژی محیط زیست، دورهبیست و یکم، شماره هفت، مهر ماه 98

بررسی روند تغییرات کمی سیمای سرزمین در استان کرمانشاه

مطالعه­ موردی: حوزه آبخیر قره­سو و مرگ (سال­های 1984، 2000 و 2016)

 

فاطمه مردانی یاقوتی[1]*

fatememardani94@yahoo.com

مهرداد خانمحمدی[2]

پیمان کرمی[3]

تاریخ دریافت: 31/04/96

تاریخ پذیرش: 08/09/96

 

 

چکیده

زمینه و هدف: فعالیت­های انسانی پوشش اراضی را با سرعت بی­سابقه و در پهنه­های وسیع تغییر می­دهند. سرعت تغییرات اکوسیستم­ها در دهه­های اخیر بیش­تر از تمام تاریخ بشر بوده و منجر به تغییرات بی­سابقه در اکوسیستم­ها و عملکرد محیط زیست در مقیاس­های محلی، منطقه­ای و جهانی شده است. هدف از این تحقیق، بررسی روند تغییرات کمی سیمای سرزمین در حوزه آبخیز قره­سو و مرگ در استان کرمانشاه است.

روش بررسی: به منظور پایش تغییرات از تصاویر ماهواره لندست در تاریخ­های (TM) 1984، (ETM+) 2000 و (OLI-TIRS) 2016 استفاده شد. طبقه‌بندی با استفاده از روش شبکه­ عصبی مصنوعی (ANN) انجام گرفت. پوشش موجود در هفت طبقه تقسیم شد. متریک‌های PLAND، (Number of  Patch) NP، (Patch Density) PD و (Edge Density) ED در سطح کلاس، NP، (Largest Patch Index) LPI، (Contagion) CONTAG و (Shannon's diversity index) SHDI در سطح سیمای سرزمین برای منطقه مورد مطالعه محاسبه گردید.

یافته­ها: بر اساس نتایج، بیش­ترین درصد پوشش منطقه در سال­های مورد مطالعه مربوط به اراضی کشاورزی و سپس مراتع متوسط است. تعداد لکه­های اراضی کشاورزی در بازه زمانی 2000-1984 به علت تبدیل مراتع متوسط به اراضی کشاورزی افزایش و در بازه زمانی  2016 -2000 به دلیل تبدیل به مراتع متوسط با نرخ کم­تر کاهش یافته و همچنین تعداد لکه­های جنگلی در بازه زمانی اول به علت تبدیل به مراتع متوسط کاهش و در بازه زمانی دوم افزایش یافته است.

بحث و نتیجه­گیری: بررسی متریک­های سیمای سرزمین بیان­گر افزایش پیوستگی سیمای سرزمین، کاهش تکه­تکه شدگی و تنوع در بازه زمانی اول است و در مقابل در بازه زمانی دوم کاهش پیوستگی، افزایش تکه­تکه شدگی و تنوع دیده می­شود. با توجه به این­که، روند تغییرات سیمای سرزمین در دو بازه زمانی متفاوت است؛ به طور کلی می­توان ذکر کرد که تکه‌تکه شدن و تنوع سیمای سرزمین کم­تر و پیوستگی لکه­های آن بیش­تر شده است.

 

واژه­های کلیدی: تغییرات سیمای سرزمین، کاربری اراضی، حوزه آبخیز قره­سو و مرگ، تکه­تکه شدن، استان کرمانشاه.

.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

J. Env. Sci. Tech., Vol 21, No.7,September, 2019

 

 

 

 

 

 


Investigating the Quantitative Trend of Land Changes in Kermanshah Province

 (Case Study: Gharesou and Mereg Watershed (in years 1984, 2000, and 2016))

 

Fatemeh Mardani Yaghouti[4]*

fatememardani94@yahoo.com

Mehrdad Khanmohammadi[5]

Peyman Karami[6]

Accepted: 2017.11.29

Received: 2017.07.22

 

 

Abstract

Background and Objectives:  Human activities change land cover at unprecedented speeds and large spatial scales. The rapid changes in ecosystems in recent decades have been more along all the human history and have led to unprecedented changes in ecosystems and environmental performance at local, regional and global scales. This research aims to investigate the process of landscape quantitative changes in Gharesou and Mereg watersheds.

Investigation method: For monitoring changes, Landsat satellite imagery of 1984 (TM), 2000 (ETM+) and 2016 (OLI-TIRS) were used. The classification was performed using Artificial Neural Network (ANN) model. Land cover was classified into seven categories. Metrics PLAND, NP (Number of Patch), PD (Patch Density), and ED (Edge Density) at the Level of Class, NP, LPI (Largest Patch Index), CONTAG (Contagion), and SHDI (Shannon's diversity index) were calculated at the level of Landscape for the study area.

Results: The results indicate that the highest percentage of the land cover belongs to agricultural lands and then medium rangelands. The numbers of patches of agricultural land in the period of 1984-2004 has increased due to the conversion of rangelands to agricultural lands and then between years 2000-2016 have decreased due to the conversion to medium ranges with a lesser rate. The number of forest patches in the first period has decreased because of conversion to medium rangelands and increased during the second period.

Conclusion: The study of the landscape metrics indicates the increase in continuity, the reduction of fragmentation and diversity in the first time period, and in contrast, in the second time period, continuity has decreased and fragmentation and diversity have increased. Given the fact that the process of landscape changes varies over two different periods, it can generally be noted that the fragmentation and diversity of the landscape have declined and the spatial continuity has increased.

Keywords: Landscape changes, Land use, Gharesou and Mereg Watershed, Fragmentation, Kermanshah province

 

مقدمه

 

رشد روزافزون جمعیت باعث افزایش فشار بر عرصه­های طبیعی و بهره‌برداری غیراصولی و تغییر کاربری­ها سبب تخریب اکوسیستم­ها شده است (1). تغییرات کاربری اراضی از عوامل مهم تغییر جریان هیدرولوژیک، فرسایش حوزه و کاهش تنوع زیستی است (2). تغییر کاربری در اثر عواملی نظیر خشک­سالی، آتش‌سوزی، سیلاب، فعالیت­های آتشفشانی و فعالیت­های انسانی نظیر چرای دام، گسترش شهرها، اراضی کشاورزی و نحوه­ مدیریت منابع طبیعی ایجاد می­شود. تغییر کاربری معمولا به دو صورت تبدیل[7]و تغییر[8]اتفاق می­افتد. با اطلاع از روند تغییرات کاربری اراضی می­توان در راستای هدایت اکوسیستم به سمت تعادل قدم برداشت (3). یکی از مبانی مدیریت منابع طبیعی، اطلاعات و نقشه­های تغییرات کاربری روزآمد اراضی است که با توجه به هزینه بالا و زمان‌بر بودن، تهیه این نقشه­ها به وسیله عملیات زمینی مشکل است و به این دلیل در سال­های اخیر استفاده از تصاویر ماهواره­ای به عنوان روشی کارا برای این کار مطرح شده است (3). تبدیل کاربری زمین­ها و تغییرات پوشش گیاهی (جنگل‌زدایی، گسترش شهرها و اراضی کشاورزی) به طور مستقیم با استفاده از تصاویر ماهواره­ای قابل ارزیابی است (4). فعالیت­های اقتصادی و انسانی گسترده­ای در مقیاس سیمای سرزمین صورت می­گیرد و سیمای سرزمین به عنوان مقیاس مکانی مناسب برای مطالعه و بررسی تغییرات زیست محیطی در نتیجه فعالیت­های انسانی می­باشد. تمامی فعالیت­های انسانی در نهایت منجر به تغییرات در کاربری­های اراضی می­شود و سیمای سرزمین کنونی بازتابی از کاربری اراضی در گذشته بوده و به عنوان قالبی زنده و پویا برای ارایه کاربری پایدار اراضی به کار گرفته می­شود (5). بین ساختار سیمای سرزمین، ساختار کاربری اراضی، کارکرد سیمای سرزمین، کارکرد زمین، تغییرات سیمای سرزمین و تغییرات کاربری اراضی شباهت­های زیادی وجود دارد. زمین به عنوان هدف مطالعاتی اولیه اکولوژی سیمای سرزمین می­باشد (6). کمی کردن الگوهای سیمای سرزمین نقش مهمی در فهم اساسی سیمای سرزمین و تغییرات ممکن در آینده دارد. روش مناسب برای کمی کردن سیمای سرزمین استفاده از متریک­های سیمای سرزمین است که به درک بهتر روابط بین الگوهای سیمای سرزمین و فرایندهای آن کمک می­کند. تا کنون متریک­های زیادی برای کمی کردن ترکیب و ساختار سیمای سرزمین توسعه یافته­اند. انتخاب متریک­های مناسب به هدف مطالعه و خصوصیات سیمای سرزمین و ویژگی فرآیندهای اکولوژیک بستگی دارد (7). متریک­های سیمای سرزمین نمایه­های کمی‌ساز محیط زیست هستند که با استفاده از تصاویر ماهواره­ای و سیستم اطلاعات جغرافیایی قابل مطالعه هستند (8). سنجش از دور از جمله تکنولوژی­های برتر و کارآمد در بررسی تغییرات زیست­محیطی و مدیریت منابع است که اطلاعات روزآمد را برای اهداف مدیریتی فراهم می­آورد (9). تصاویر هوایی یا ماهواره­ای به علت رقومی بودن، ارایه اطلاعات به روز، فراهم آوردن دید کلی، استفاده از قسمت­های مختلف طیف الکترومغناطیس برای ثبت خصوصیات پدیده­ها، پوشش­های تکراری، سرعت انتقال و تنوع اشکال داده­ها از ارزش زیادی برخوردارند (10). با توجه به کارایی بالای این تکنولوژی در زمینه کشاورزی و منابع طبیعی، امروزه با استفاده از داده­های سنجش از دور، استخراج نقشه­های کاربری اراضی، تغییرات عرصه­های جنگلی و مرتعی امکان‌پذیر گشته است. استفاده از داده­ها و تکنیک­های سنجش از دور باعث شده تا این فناوری در جایگاه اول در استخراج نقشه­های کاربری/پوشش اراضی قرار گیرد (10). مطالعاتی در جهان و ایران در زمینه بررسی تغییرات سیمای سرزمین به شرح زیر انجام شده است. Deng  و همکاران (2009) با استفاده از تکنیک­های سنجش از دور، تغییرات سیمای سرزمین را در یک دوره ده ساله (1996 الی 2006) در شهر هانگزو[9]، واقع در سواحل شرقی چین مورد مطالعه قرار دادند. نتایج، رشد سریع شهری را ناشی از تغییر لکه­هایی از سایر کاربری­ها (مرتع، کشاورزی و آب) به کاربری شهری نشان داد (11). Alphan و Celik (2014) با استفاده از متریک­ها، تغییرات مکانی پوشش اراضی منطقه ساحلی مدیترانه را مورد بررسی قرار دادند. نتایج نشان داد که به دلیل تغییر در ویژگی­های ترکیب و پیکربندی انواع پوشش‌های اراضی، بسیاری از ویژگی­های الگوی بین ساحل و زمین­های بالاتر اختلاف داشته‌اند (12).

آرخی و فتحی‌زاد (1393) به منظور تهیه نقشه­های پوشش سرزمین و تحلیل تغییرات، به ترتیب از تصاویر ماهواره­ای (1364) TM، ETM+ (1379 و 1386) و متریک­های سیمای سرزمین استفاده کردند. نتایج به دست آمده نشان داد که افزایش تعداد لکه­ها و کاهش میانگین مساحت دو شاخص مهم تجزیه سیمای سرزمین بوده و روند تخریب و تجزیه سیمای سرزمین به صورت افزایشی بوده است (13). سلاجقه و همکاران (1393) روند تغییرات سیمای سرزمین در جزیره کیش را مورد بررسی قرار دادند. نتایج بر لزوم توجه بیش­تر به بهره‌برداری پایدار از سرزمین و جلوگیری از تخریب آن در این جزیره تأکید دارند (14). هدف از این تحقیق، بررسی روند تغییرات کمی سیمای سرزمین در حوزه آبخیز قره‌سو و مرگ در استان کرمانشاه است.

مواد و روش­ها

منطقه مورد مطالعه

حوزه آبخیز قره­سو در محدوده جغرافیایی  ʺ30  ʹ0  ͦ34  تا  ʹ54   ͦ34 عرض شمالی و ʹ22  ͦ46 تا  ʹ22   ͦ 47 طول شرقی در
استان کرمانشاه و در غرب ایران، واقع شده (15) حوزه آبخیز مرگ در محدوده ʺ55  ʹ21  ͦ46 تا  ʺ20  ʹ22  ͦ46 طول شرقی و  ʺ1  ʹ0  ͦ34  تا  ʺ25  ʹ53  ͦ34 عرض شمالی در استان کرمانشاه قرار دارد (شکل 1) (16). حوزه آبخیز قره­‌سو یکی از زیر حوضه­های کرخه است که با مساحت 5793 کیلومترمربع، 4/11 درصد آن را در بر می­گیرد. حداکثر ارتفاع حوزه 3351 متر و حداقل آن 1300 متر می­باشد. میانگین بارندگی سالانه این حوزه 400 میلی­متر است که ماه­های دی و بهمن از بیش­ترین و ماه­های خرداد، تیر و مرداد از کم­ترین بارندگی برخوردار هستند (17). حوزه آبخیز مرگ با مساحت 15/1466 کیلومترمربع یکی از سرشاخه­های رودخانه کرخه در ایران و از مهم­ترین زیر حوزه­های رودخانه قره­سو است. حوزه مرگ منطقه­ای نسبتا کوهستانی است که 9/37 درصد اراضی آن را کوه­ها و تپه­ها تشکیل می­دهد. ارتفاع متوسط این حوزه 1524 متر از سطح دریا است. مرتفع­ترین قله آن 2760 متر و پست­ترین نقطه آن 1315 متر از سطح دریا ارتفاع دارد. شیب عمومی اراضی در حدود 6/4 درصد محاسبه شده و به سوی شمال غربی است. این منطقه با زمین­های حاصل­خیز کشاورزی و استفاده از آب­های زیرزمینی، موقعیت ممتازی را از نظر اقتصادی در غرب ایران به وجود آورده است. بر این اساس، شغل اصلی مردم ناحیه کشاورزی و دامداری و کارهای جانبی وابسته به آن است (18).

 

 

 

شکل1- موقعیت محدوده مورد مطالعه در استان کرمانشاه و کشور

Figure 1- Geographical location of the study area in Kermanshah and the country


تصاویر ماهواره‌ای

در این تحقیق از تصاویر ماهواره­ای لندست استفاده شد. جدول 1 ویژگی­های تصاویر استخراج شده را نمایش می­دهد. در اخذ تصاویر دقت شد تا فاصله بین تصاویر مناسب بوده و تاریخ‌های یکسانی نیز برای بارزسازی تصاویر انتخاب شود. در انجام مراحل مختلف این تحقیق، نرم‌افزارهای Idrisi Terrset، ENVI 4.4، ArcGis 10.1، Fragstats 4.2 و Excel 2013 مورد استفاده قرار گرفتند.


 

جدول 1- ویژگی­های تصاویر ماهواره­ای استفاده شده در این تحقیق

Table 1- Features of satellite imagery used in the research

ماهواره

سنجنده

تاریخ اخذ تصویر

توان تفکیک مکانی

ایجاد پوشش

گذر و ردیف

لندست 5

TM

16/ 05/ 1984

30 متر

185×185

036-167

لندست 7

ETM+

5/ 06/ 2000

30 متر

185×185

036-167

لندست 8

OLI-TIRS

25/ 06/ 2016

30 متر

185×185

036-167


روش تحقیق


پیش‌پردازش تصاویر ماهواره­ای

پس از تهیه داده­های ماهواره­ای به منظور آماده‌سازی داده­ها برای پردازش و استخراج اطلاعات مفید، عملیات پیش‌پردازش انجام گرفت. به منظور پیش‌پردازش تصاویر ماهواره­ای از دو نوع کلی تصحیحات استفاده شد: 1- تصحیحات هندسی، 2- تصحیحات رادیومتریک.

به دلیل دشواری در مقایسه تصاویر ماهواره­ای در باندهای مختلف، یکی از راه­های متراکم کردن داده­ها در یک تصویر، استفاده از باندهای قرمز، سبز و آبی در ایجاد تصاویر رنگی است. این تصاویر ارزش بسیار بالاتری در تفسیر پدیده­های زمینی نسبت به تصاویر تک‌باندی دارند. پس از آشکارسازی با روش­های موجود پدیده­های زمینی با وضوح قابل اعتمادتری در آن‌ها قابل تفسیر و تعبیر هستند. امکان ساخت تعداد زیادی تصاویر رنگی کاذب در محیط RGB وجود دارد؛ لذا بهترین F.C.C[10]بستگی به هدف مورد بررسی دارد. سنجنده­های TM، ETM+ و Landsat 8 به ترتیب به دلیل داشتن 7، 8 و 11باند مختلف، تصاویر رنگی کاذب زیادی ارایه می‌دهند و این تصاویر قابلیت زیادی در شناخت عوارض و پدیده‌های مختلف زمینی دارند (19) .ساختن ترکیب رنگی کاذب فقط برای شناسایی کلاس­های مورد نظر و انتخاب بهترین نمونه­های

تعلیمی بوده است. در این تحقیق، شناسایی نمونه­های تعلیمی برای هر تصویر با استفاده از تفسیر بصری، ترکیب‌های رنگی کاذب، نقشه­های کاربری سال­های 1987 و 1990 موجود در اداره کل منابع طبیعی و مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کرمانشاه و تصاویر گوگل Google) Earth) انجام گرفت.

طبقه‌بندی تصاویر ماهواره­ای

طبقه‌بندی به صورت نظارت شده[11] با معرفی نمونه­های تعلیمی[12] و روش شبکه­ عصبی مصنوعی پرسپترون چند لایه[13]با استفاده از نرم‌افزار IDRISI TERRSET انجام شد. شبکه­ عصبی پرسپترون پیشخور با ناظر، شامل یک لایه ورودی، حداقل یک لایه مخفی و یک لایه خروجی است. روش یادگیری در الگوریتم با ناظر، روش پس انتشار خطا (BF)[14] است. در این روش وزن شبکه به شیوه­ گرادیان تنظیم می‌شود؛ بدین صورت که پس از این­که مقدار خروجی مطلوب با خروجی واقعی شبکه مقایسه شد، شبکه به جستجوی بیش­ترین شیب نزولی پرداخته و در تکرارهای بعدی پارامترهای شبکه با راهنمایی شیب نزولی خطا تنظیم می­شود و در این فرایند، تنظیم پارامترها آن­قدر تکرار می­شود تا مقدار خطای شبکه به مقدار قابل قبولی برسد (20).پس از بررسی­های میدانی و باتوجه به اطلاعات موجود و توان تفکیک ماهواره­ طبقات اراضی زیرکشت، اراضی فاقدکشت، مراتع متوسط، مراتع فقیر، جنگل، اراضی مسکونی و تالاب انتخاب شدند. برای هر طبقه به­جز طبقات اراضی مسکونی و تالاب (به ترتیب 80 و 50 نمونه تعلیمی) تعداد 100 نمونه تعلیمی انتخاب شد. و به­منظور بررسی صحت طبقه­بندی برای هر طبقه متناسب با کاربری و وسعت پوشش آن تعدادی نمونه تصادفی به عنوان شاهد با استفاده از دستور SAMPLE در نرم افزار ادریسی محاسبه گردید. سپس موقعیت نمونه‌های تصادفی به دستگاه موقعیت یاب جهانی انتقال داده شدند و پس از بازدیدهای میدانی کاربری پیش بینی شده و واقعیت موجود ثبت و جهت استفاده برای برآورد صحت مورد استفاده قرار گرفتند.

برآورد صحت

معمول­ترین پارامترهای برآورد دقت، شامل دقت کل[15]، دقت تولیدکننده[16]، دقت کاربر[17] و ضریب کاپا[18] است (21). یکی از شاخصه­های دقت ضریب کاپا است که از ماتریس خطا استخراج می­شود. مقدار آماره کاپا صحت طبقه‌بندی را نسبت به یک طبقه کاملا تصادفی محاسبه می‌کند. به این معنی که مقدار کاپا دقت طبقه‌بندی را نسبت به حالتی که تصویری کاملا به صورت تصادفی (مثلا طبقه‌بندی نشده) طبقه‌بندی می­شود، نشان می­دهد. این را می­توان به این صورت معنی کرد که پس از حذف شانس در طبقه‌بندی، مقدار تطابق با واقعیت زمینی محاسبه خواهد شد (22).


محاسبه متریک­های سرزمین

پیش‌شرط مطالعه و عملکرد ساختار سیمای سرزمین، توانایی

تشریح کمی برای ساختار سیمای سرزمین است و متریک­های مختلفی برای رسیدن به این هدف در اکولوژی سیمای سرزمین مورد استفاده قرار می­گیرند (23). در رابطه با انتخاب متریک­ها برای روند تغییرات سیمای سرزمین مطالعات زیادی صورت گرفته است که در این تحقیق، از بخشی از متریک­های به کار رفته در این مطالعات نظیر Weng (2007) تراکم لکه و درصد سیمای سرزمین (24)، Baskent و Kadiogullari (2007) درصد سیمای سرزمین، تعداد لکه‌ها و شاخص بزرگ‌ترین لکه (25)، Deng و همکاران (2009) تعداد لکه‌ها، تراکم لکه، تراکم حاشیه، شاخص بزرگ‌ترین لکه و شاخص تنوع شانون (11)، Huang  و همکاران (2010) تعداد لکه‌ها، تراکم لکه، شاخص بزرگ‌ترین لکه، پیوستگی و شاخص تنوع شانون (26)، Alphan و Celik (2014) تعداد لکه­ها، تراکم حاشیه، شاخص بزرگ‌ترین لکه و شاخص تنوع شانون (12)، آرخی و فتحی‌زاد (1393) شاخص بزرگ‌ترین لکه، تعداد لکه‌ها، تراکم لکه و تراکم حاشیه لکه (13)، سلاجقه و همکاران (1393) شاخص بزرگ‌ترین لکه و تعداد لکه‌ها (14)، آرخی (1394) تراکم لکه، تعداد لکه‌ها و تراکم حاشیه (27) و ندا بی‌همتای طوسی و همکاران (1392) درصد کاربری اراضی، تعداد لکه‌ها، تراکم لکه، شاخص تنوع شانون، شاخص بزرگ­ترین لکه و پیوستگی (28) استفاده شد. نقشه­های موضوعی اساس محاسبه­ متریک­های سیمای سرزمین هستند که در بردارنده تکه­های فضایی سیمای سرزمین است و این تکه­ها براساس طبقه‌بندی­های مختلف تقسیم‌بندی شده­اند (29). نقشه طبقه‌بندی شده وارد نرم‌افزار Fragstats شد (23) و هفت متریک در دو سطح کلاس و سیمای سرزمین برای منطقه مورد مطالعه محاسبه گردید (جدول 2).


                                                                       جدول 2-متریک­های مورد استفاده

Table 2- Metrics used in the research

در سطح

متریک

علامت اختصاری

واحد

محدوده تغییرات

 

 

کلاس

تعداد لکه­ها

NP

ندارد

NP > 0

تراکم حاشیه

ED

متر در هکتار

ED > 0

تراکم لکه

PD

تعداد در 100 هکتار

PD > 0

درصد پوشش هر کلاس

PLAND

درصد

0 < PLAND < 100

 

سیمای سرزمین

 

شاخص بزرگ­ترین لکه

LPI

درصد

0 < LPI < 100

شاخص تنوع شانون

SHDI

ندارد

SHDI ≥ 0

پیوستگی

CONTAG

ندارد

0 < CONTAG < 100

تعداد لکه­ها

NP

ندارد

NP > 0

           منبع (19)

 


نتایج 

نقشه­ کاربری اراضی

با توجه به پوشش موجود در منطقه نقشه­های کاربری اراضی به هفت طبقه تقسیم شدند: اراضی زیر کشت، اراضی فاقد کشت، مراتع متوسط، مراتع فقیر، اراضی مسکونی و تالاب. این نقشه­ها به عنوان نقشه پایه جهت بررسی شاخص­های کمی منظر در سطح کلاس و سیمای سرزمین مورد استفاده قرار گرفت (شکل2).


 

 

شکل 2- نقشه­های کاربری اراضی منطقه مورد مطالعه سال­های 1984، 2000 و 2016

Figure 2-Land use maps of the study area in 1984, 2000 and 2016

 

 


 

 

بررسی مساحت­ها و درصد تغییرات

نتایج بررسی تغییرات مساحت طبقات نشان می­دهد که بیش­ترین مساحت در منطقه در سال­های مورد مطالعه مربوط به اراضی کشاورزی بوده است و سپس مراتع متوسط و مراتع فقیر به ترتیب در رتبه دوم و سوم قرار دارد. نتایج نشان داد اراضی کشاورزی با 35/6 درصد افزایش مساحت دارای بیش­ترین تغییرات در بازه زمانی اول است. و پس از آن اراضی جنگلی در رتبه دوم قرار دارد که از 94/10 درصد در سال 1984 به 16/5 درصد در سال 2000 کاهش یافته است. طی دوره دوم نیز اراضی کشاورزی دارای بیش­ترین تغییرات بوده که به میزان 99/5 درصد کاهش یافته است و سپس اراضی جنگلی با افزایش 16/2 درصد بیش­ترین تغییرات پس از اراضی کشاورزی داشته است. در دوره 32 ساله بیش­ترین تغییرات مربوط به مراتع متوسط می­باشد که به مقدار 81/3 درصد افزایش سطح داشته است. و بعد از آن اراضی جنگلی به میزان 62/3 درصد کاهش سطح در جایگاه دوم قرار دارد (جدول 4)            .

 

 

                              جدول 3- مساحت و درصد تغییرات ­ کلاس­ها در سال ها و بازه­های زمانی مورد مطالعه

Table 3- Area and percentage of changes in classes in the years and periods of survey

سال

 

 

کاربری

  1984

2000

2016

2000-1984

2016-2000

2016-1984

مساحت

 (هکتار)

مساحت

(درصد)

مساحت (هکتار)

مساحت

(درصد)

مساحت (هکتار)

مساحت

(درصد)

درصد

تغییرات

درصد

تغییرات

درصد

تغییرات

1

82/147743

91/48

59/166936

26/55

55/148823

27/49

35/6+

99/5-

36/0+

2

99/81297

91/26

33/90903

09/30

97/92810

72/30

18/3+

63/0+

81/3+

3

94/35510

76/11

01/22364

41/7

31/28679

49/9

35/4-

08/2+

27/2-

4

97/33041

94/10

95/15592

16/5

32/22099

32/7

78/5-

16/2+

62/3-

5

3852

27/1

89/5761

91/1

6/9021

99/2

64/+0

08/1+

72/1+

6

35/631

21/0

94/518

17/0

32/643

21/0

04/0-

04/0+

0

      *علامت مثبت نشان از افزایش درصد تغییرات و علامت منفی کاهش درصدتغییرات رانشان می­دهد.

     *1: اراضی کشاورزی (اراضی زیر کشت و اراضی فاقد کشت)، کلاس 2: مراتع متوسط، کلاس 3: مراتع فقیر، کلاس 4: جنگل، کلاس 5: اراضی مسکونی وکلاس 6: تالاب است.

 


صحت و ضریب کاپا

جدول­های 4، 5 و 6 نتایج حاصل از بررسی صحت نقشه­های کاربری را برای بازه­های زمانی مورد بررسی نمایش می­دهد. نتایج نشان می­دهد که در تمام سال­های مورد بررسی دقت در طبقه‌بندی تصاویر بالا بوده و بیش­ترین دقت مربوط به سال 2016 و کم­ترین دقت مربوط به سال 1984 است.


 

 

جدول 4- ماتریس خطای نقشه کاربری اراضی در منطقه مورد مطالعه در سال 1984

Table 4- The matrix of error of land use map in the study area in 1984

 

1

2

3

4

5

6

7

مجموع

خطایکمیسیون

کاپا

1

4173

0

1

0

0

0

0

4174

0002/0

99/0

2

0

2629

237

0

0

0

0

2866

0827/0

89/0

3

4

120

1978

0

85

0

0

2187

0956/0

88/0

4

0

89

2

799

0

0

0

890

1022/0

89/0

5

12

50

260

0

835

0

0

1157

2783/0

70/0

6

0

0

0

0

0

801

0

801

0

1

7

0

0

5

0

0

0

86

91

0549/0

94/0

مجموع

4189

2888

2483

799

920

801

86

12166

-

-

خطای امیسیون

0038/0

0897/00

2034/0

0

0924/0

0

0

-

0711/0

-

کاپای کلی

90/0

دقت کل

82/92%

 

 

جدول 5- ماتریس خطای نقشه کاربری اراضی در منطقه مورد مطالعه در سال 2000

Table 5- The matrix of error of land use map in the study area in 2000

 

1

2

3

4

5

6

7

مجموع

خطایکمیسیون

کاپا

1

493

0

5

0

0

0

0

498

010/0

98/0

2

0

197

5

0

0

0

0

202

025/0

97/0

3

6

32

442

0

0

0

0

480

079/0

90/0

4

0

0

0

147

0

0

0

147

0

1

5

9

0

0

0

496

0

0

505

018/0

97/0

6

0

0

0

0

0

187

0

187

0

1

7

0

0

0

0

0

0

29

29

0

1

مجموع

508

229

452

147

496

187

29

2048

-

-

خطای امیسیون

029/0

140/0

022/0

0

0

0

0

-

028/0

-

کاپای کلی

96/0

دقت کل

69/96%

 

 

جدول 6- ماتریس خطای نقشه کاربری اراضی در منطقه مورد مطالعه در سال 2016

Table 6- The matrix of error of Land use map in the study area in 2016

 

1

2

3

4

5

6

7

مجموع

خطایکمیسیون

کاپا

1

4328

3

3

0

0

0

0

4334

001/0

99/0

2

1

1886

10

0

0

10

24

1931

023/0

97/0

3

17

0

2460

9

19

0

0

2505

018/0

98/0

4

0

0

13

751

14

0

0

778

035/0

96/0

5

0

0

7

0

1949

0

0

1956

003/0

99/0

6

0

33

0

0

0

1133

0

1166

028/0

96/0

7

0

82

0

0

0

0

344

426

1925/0

80/0

مجموع

4346

2004

2493

760

1982

1143

368

13096

-

-

خطای امیسیون

004/0

059/0

013/0

012/0

017/0

009/0

065/0

-

019/0

-

کاپای کلی

97%

دقت کل

39/97%

      *1: اراضی کشاورزی (اراضی زیر کشت و اراضی فاقد کشت)، کلاس 2: مراتع متوسط، کلاس 3: مراتع فقیر، کلاس 4: جنگل، کلاس 5: اراضی مسکونی و کلاس 6: تالاب است.

 


تجزیه و تحلیل متریک‌ها در سطح کلاس و سیمای سرزمین

در این بخش از تحقیق، نتایج حاصل از آنالیز متریک­های سیمای سرزمین در حوضه آبخیز قره‌سو و مرگ در دو سطح کلاس و سیمای سرزمین با استفاده از متریک‌های SHDI،  CONTAG،   LPI،   ED،   PD،  NP  و  PLAND  در

 

سال‌های 1984، 2000 و 2016  به صورت جدول 7 ارایه شد. منظور از کلاس 1: اراضی کشاورزی (اراضی زیر کشت و اراضی فاقد کشت)، کلاس 2: مراتع متوسط، کلاس 3: مراتع فقیر، کلاس 4: جنگل، کلاس 5: اراضی مسکونی و کلاس 6: تالاب است.


 

 

 

 

 

جدول 7- نتایج آنالیز متریک­ها در سطح کلاس و سیمای سرزمین

Table 7- The result of analysis of metrics in class and landscape levels

در سطح کلاس

1984

2000

2016

کلاس

PLA

ND

NP

PD

ED

PLA

ND

NP

PD

ED

PLA

ND

NP

PD

ED

1

91/48

15760

22/5

37/73

26/55

19814

56/6

80/82

27/49

19620

50/6

21/88

2

91/26

24460

10/8

46/74

09/30

8925

96/2

80/40

72/30

17867

92/5

85/60

3

76/11

13190

37/4

42/34

40/7

7698

55/2

33/20

49/9

13879

60/4

13/31

4

94/10

5760

91/1

74/18

16/5

3327

10/1

50/10

31/7

5421

79/1

63/13

5

27/1

1838

61/0

43/3

91/1

1592

53/0

92/3

99/2

4080

35/1

30/8

6

21/0

863

29/0

22/1

17/0

868

29/0

14/1

21/0

652

22/0

90/0

در سطح سیمای سرزمین

1984

2000

2016

منطقه

NP

 

LPI

CON

TAG

SH

DI

NP

 

LPI

CON

TAG

SH

DI

NP

 

LPI

CON

TAG

SH

DI

حوزه آبخیز

61871

81/4

73/43

58/1

42224

52/33

05/51

42/1

61519

55/31

94/46

487/1

 


بحث و نتیجه‌گیری


اکولوژی سیمای سرزمین به شدت با کاربری اراضی مرتبط است. این ارتباط به ویژه از جنبه­های الگوهای مکانی و به عنوان شالوده برنامه‌ریزی کاربری اراضی و مدیریت آن مطرح است (30). اثر فعالیت­های انسانی بر روی کره زمین در دهه­های گذشته، به طور چشم‌گیری افزایش یافته است که حاصل آن، تغییر سیمای چشم‌اندازها (Landscape) همراه با پیامدهای اکولوژیکی مهمی همانند تغییر کاربری اراضی، پوشش گیاهی، فرسایش خاک، بیابان‌زایی و ... می­باشد. تغییرات غیراصولی کاربری اراضی در حال حاضر از مهم­ترین مشکلات ایران است (13). در این مطالعه روند تغییرات کمی سیمای سرزمین در حوزه آبخیز قره­‌سو و مرگ در استان کرمانشاه در سال­های 1984، 2000 و 2016 بررسی شد. با توجه به نتایج به دست آمده از جدول 3، تفسیر بصری و استفاده از نقشه بولین، مساحت اراضی کشاورزی در بازه زمانی اول (2000-1984) به دلیل تغییر کاربری ناشی از تبدیل آن به مراتع افزایش یافته و در بازه زمانی دوم (2016-2000) در نتیجه تبدیل اراضی کشاورزی به مراتع و اراضی مسکونی کاهش یافته است. پراکنش مراتع متوسط در بازه زمانی اول کاهش یافته است و در بخش­های مرکزی به سمت جنوب شرقی، شمال شرقی و حاشیه مرز حوزه قره‌سو متمرکز شده است. مساحت مراتع متوسط در طی بازه زمانی دوم روند افزایشی داشته است. سهم قابل توجهی از مساحت مراتع فقیر، به خصوص بخش­های غرب نقشه کاربری اراضی منطقه مورد مطالعه و حاشیه مرز قره­سو در بازه زمانی اول از بین رفته است؛ در حالی که مساحت این اراضی در بازه زمانی دوم روند افزایشی داشته است. عوامل مهم  در تخریب مراتع ایران بر اساس مطالعات Pabbot (1969) تعداد دام زیاد، تبدیل مراتع به اراضی تحت کشت، چرای بیش از حد، عدم تعادل دام و مرتع و بوته‌کنی  به عنوان سوخت  بوده است (31) . نتایج  به دست آمده از تحقیقات قیطوری و همکاران (1385) نشان داد که در مناطق مرتعی استان کرمانشاه، بیش­ترین سهم تخریب به ترتیب مربوط به تبدیل کاربری منابع طبیعی به زراعت، افزایش تعداد دام و چرای زودرس است و عواملی مانند نزاع و دعوای قومی و طرح مرتع­داری کم­ترین نقش را در تخریب مراتع ایفا می­کنند (32). بیش از نیمی از مساحت جنگل­ها، به ویژه در بخش­های مرکز، جنوب شرقی و شمال شرقی در بازه زمانی اول به دلیل جنگل‌تراشی و تبدیل به مراتع متوسط از بین رفته است. در طی بازه زمانی دوم مساحت این جنگل­ها، به خصوص در حاشیه مرز قره­سو افزایش یافته است. بر اساس یافته­های مسیبی و ملکی (1393) تخریب عرصه­های مرتعی و جنگلی که بخش مهمی از منابع طبیعی و اکوسیستم­های حیاتی در جهان هستند، امری است که در بیش­تر نقاط جهان و به خصوص در کشورهای در حال توسعه به دلیل افزایش جمعیت، رشد تکنولوژی و رعایت نکردن اصول اکولوژیکی و اجرای قوانین قابل مشاهده است (33). با توجه به نتایج حاصله، در هر دو بازه زمانی گسترش حاشیه مناطق مسکونی به دلیل تغییرات کاربری اراضی کشاورزی و مراتع  به مناطق مسکونی است. طبق نتایج مشکینی و همکاران (1390) مهم­ترین عامل تکوین فیزیکی شهر کرمانشاه، سیاست­های دولت، به ویژه در قالب زمین شهری بوده است. نقشه‌های مراحل توسعه­ شهری به همراه روند افزایشی مالکیت اراضی دولتی (از 6/1 به 28 درصد طی سال‌های 1351 تا 1385) و واگذاری­ها، حاکی از آن است که این امر موجب گسترش افقی شهر و تراکم پایین در آن گردیده است (34).

آنالیز متریک­ها در سطح کلاس با استفاده از متریک­های درصد پوشش هر کلاس، تعداد لکه­ها، تراکم لکه و تراکم حاشیه انجام شد (جدول 7). نتایج حاصل از آنالیز PLAND در منطقه مورد مطالعه نشان داد که درصد پوشش اراضی کشاورزی، مراتع متوسط، مراتع فقیر، جنگل، اراضی مسکونی و تالاب به ترتیب دارای بیش­ترین درصد پوشش در سال‌های مورد مطالعه هستند. مقادیر متریک‌های NP و PD برای اراضی کشاورزی در بازه زمانی اول (2000-1984) افزایش و در بازه زمانی دوم (2016-2000) به مقدار خیلی کم کاهش یافته است که بیان­گر افزایش گسستگی این کلاس در بازه زمانی اول است. مقادیر این متریک‌ها برای کلاس­های مراتع متوسط، مراتع فقیر، جنگل و اراضی مسکونی در بازه زمانی اول کاهش و در بازه زمانی دوم افزایش یافته است و برای تالاب در بازه زمانی اول تقریبا ثابت بوده و در بازه زمانی دوم کاهش یافته است. آنالیز متریک ED نشان داد که اراضی کشاورزی و اراضی مسکونی در هر دو بازه زمانی افزایش یافته است؛ همچنین میزان ED برای کلاس­های مراتع متوسط، مراتع فقیر و جنگل در بازه زمانی اول کاهش و در بازه زمانی دوم افزایش یافته است. تراکم حاشیه تالاب در هر دو بازه زمانی روند رو به کاهشی داشته است. آنالیز متریک­ها در سطح سیمای سرزمین (کل حوضه آبخیز قره‌سو و مرگ) با استفاده از متریک­های تعداد لکه­ها، متریک بزرگ­ترین لکه، تنوع شانون و پیوستگی انجام شد (جدول 7). بر اساس مطالعات McGarigal  و Marks (1995) یکی از شاخص‌های مهم در تکه­تکه شدن سیمای سرزمین، تعداد لکه­ها است. افزایش تعداد لکه­ها نشانه افزایش تکه­تکه شدگی و کاهش پیوستگی است (23). بر اساس نتایج به دست آمده از جدول 7، تعداد لکه­ها (NP) در بازه زمانی اول کاهش و در بازه زمانی دوم افزایش یافته است که بیان­گر کاهش میزان تکه­تکه شدگی سیمای سرزمین و افزایش پیوستگی در بازه زمانی اول و افزایش تکه­تکه‌شدگی سیمای سرزمین و کاهش پیوستگی در بازه زمانی دوم می­باشد .براساس مطالعات Brown و همکاران (2006) شاخص تکه‌تکه‌شدگی سیمای سرزمین، متریک بزرگ­ترین اندازه لکه است؛ در صورتی که مساحت بزرگ­ترین اندازه لکه کم باشد، پدیده تکه‌تکه‌شدگی بیش­تر است (35). نتایج حاصل از تحلیل داده‌ها نشان‌دهنده آن است که در بازه زمانی اول، متریک بزرگ­ترین اندازه لکه به مقدار زیادی افزایش و در نتیجه، تکه­تکه­شدگی کاهش یافته است. این نتایج در بازه زمانی دوم، کاهش LPI و در نتیجه، افزایش تکه­تکه­شدگی را نشان می‌دهد. یافته­های متریک CONTAG بیان­گر افزایش درصد پیوستگی و کاهش تکه‌تکه‌شدگی در بازه زمانی اول و کاهش درصد پیوستگی و افزایش تکه‌تکه‌شدگی در بازه زمانی دوم است. برای متریک SHDI، نتایج نشان‌دهنده کاهش تنوع سیمای سرزمین در بازه زمانی اول و افزایش تنوع سیمای سرزمین در بازه زمانی دوم بوده و روندی خلاف متریک پیوستگی دارد. نتایج حاصل از این تحقیق نشان می‌دهد که بیش­ترین درصد پوشش منطقه در سال­های مورد مطالعه مربوط به اراضی کشاورزی و سپس مراتع متوسط بوده است. تعداد لکه­های اراضی کشاورزی در بازه زمانی اول به صورت تبدیل مراتع متوسط به اراضی کشاورزی افزایش و در بازه زمانی دوم به دلیل تبدیل به مراتع متوسط با نرخ کم­تر کاهش یافته است؛ همچنین تعداد لکه­های جنگلی در بازه زمانی اول به علت تبدیل به مراتع متوسط کاهش و در بازه زمانی دوم افزایش یافته است. طبق یافته­های به دست آمده، بررسی متریک­های سیمای سرزمین بیان­گر افزایش پیوستگی سیمای سرزمین، کاهش تکه­تکه شدگی و تنوع در بازه زمانی اول است و در مقابل در بازه زمانی دوم کاهش پیوستگی، افزایش تکه­تکه شدگی و تنوع دیده می­شود. با توجه به این­که، روند تغییرات سیمای سرزمین در دو بازه زمانی متفاوت است؛ به طور کلی می­توان ذکر کرد که تکه‌تکه شدن و تنوع سیمای سرزمین کم­تر و پیوستگی لکه­های آن بیش­تر شده است.

 

Reference

  1. Lu, D., Weng, Q., 2007. A survey of image classification methods and techniques for improving classification performance. International journal of Remote sensing. Vol. 28(5), pp. 823-870.
  2. Mas, J.F., Velázquez, A., Díaz-Gallegos, J.R., Mayorga-Saucedo, R., Alcántara, C., Bocco, G., Castro, R., Fernández, T., Pérez-Vega, A., 2004. Assessing land use/cover changes: a nationwide multidate spatial database for Mexico. International Journal of Applied Earth Observation and Geoinformation. Vol. 5(4), pp. 249-261.
  3. Pelletreau, A., 2004. Pricing soil degradation in uplands, the case of the Houay Pano catchment, Lao PDR. Internship Report. IRD-IWMI-NAFRI, Vientiane, Laos. 64p.
  4. Ustine, S.L., 2004. Remote sensing for natural resource management and environmental monitoring. John Wiley & Sons, Inc., Hoboken, New Jersey. 3rd Ed. Vol. 4, pp. 522.
  5. Xiao, D. N., Zhong, L. S. 1998. Ecological principles of landscape classification and assessment. Chinese Journal of Applied Ecology. Vol. 9, pp. 217-231.
  6. Naveh, Z., Liberman, A., 1984. Landscape ecology: theory and application. Springer-Verlag New York, , Inc. NY, USA.
  7. Buyantuyev, A., Wu, J., Gries, C., 2010. Multiscale analysis of the urbanization pattern of the Phoenix metropolitan landscape of USA: Time, space and thematic resolution. Landscape and Urban Planning. Vol. 94(3), pp. 206-217.
  8. Salman Mahiny, A., 2007. Landscape metrics and erosion risk as two classes of quantitative Indicators for rapid environmental impact assessment. Journal of Agricultural Sciences and Natural Resources. Vol. 14(1), pp. 139-150. (In Persian)
  9. Ben-Dor, E., Chabrillat, S., Demattê, J.A.M., Taylor, G.R., Hill, J., Whiting, M.L. Sommer, S., 2009. Using imaging spectroscopy to study soil properties. Remote Sensing of Environment. Vol. 113, pp. S38-S55.
  10. Seto, K.C., Woodcock, C.E., Song, C., Huang, X., Lu, J., Kaufmann, R.K., 2002. Monitoring land-use change in the Pearl River Delta using Landsat TM. International Journal of Remote Sensing. Vol. 23(10), pp. 1985-2004.
  11. Deng, J.S., Wang, K., Hong, Y., Qi, J.G., 2009. Spatio-temporal dynamics and evolution of land use change and landscape pattern in response to rapid urbanization. Landscape and urban planning. Vol. 92(3-4), pp. 187-198.
  12. Alphan, H., Çelik, N., 2014. Mapping spatial variations of land cover in a coastal landscape using pattern metrics. Procedia-Social and Behavioral Sciences. Vol. 120, pp. 23-30.
  13. Arekhi, S., Fathizad, H., 2014. Analyzing landscape degradation using landscape ecological metrics, remote sensing and GIS (Case study: Doiraj watershed, Ilam province). Iranian Journal of Rangeland and Desert Research. Vol. 21(3), pp. 466-481. (In Persian)
  14. Salajeghe, B., Monavari, S.M., Karbassi, A., Khorasani, N., Shariat, S.M., 2011. Study on Land Degradation in Kish Island Using Landscape Metrics and Changes Detection. Environmental Researches. pp. 99-110. (In Persian)
  15. Zeinivand, H., 2015. Analysis of the effects of precipitation amounts on daily runoff in Gharesou basin in Kermanshah Province. Iran. Iranian Journal of EcoHYDROLOGY. Vol. 1(2), pp. 143-152.
  16. Matkan, A., Zeinivand, H., Bayat, B., Ghafouri Roozbahani, A., Mirbagheri, B., 2011. Simulation of Daily Stream Flow and the Effects of Land Use Changes Using WetSpa Model in GIS (Case Study: Mereg Watershed, Kermanshah Province, Iran). Iranian Journal of Remote Sencing & GIS. Vol. 4(1), pp. 1-18. (In Persian)
  17. Hosseini, M., Ghafouri, A.M., Bayat, B., 2012. Water balance simulation in Karkheh River Basin. Final Report of Research Project, Soil Conservation and Watershed Management Research Institute, Tehran, Iran, 83 p. (In Persian)
  18. Maleki, A., Hesadi, H., Naderian, P., 2009. Site Selection of Artificial Rechange of Mereg Watershed Aquifer. Geographical Research. Vol 24(1), pp. 53-78. (In Persian)
  19. Barati GHahfarokhi, S., Soltani , S.,   KHajeddin , S.J.,  Rayegani, B., 2009. Investigation of Land Use Changes in Qale Shahrokh Basin Using Remote Sensing (1975 - 2002). Journal of Science and Technology of Agriculture and Natural Resources. Vol. 13(47), pp. 349-365. (In Persian)
  20. Arekhi, S., Fathizad, H., 2014. Evaluating the Efficiency of Four Artificial Neural Network Methods in Preparing Land Cover/Land Use Map Using ETM+ Data Case study: Doiraje, Mehran and Sarableh. Geography and Development Iranian Journal. Vol. 12(37), pp. 133-146. (In Persian)
  21. Lu, D., Mausel, P., Brondizio, E., Moran, E., 2004. Change detection techniques. International journal of remote sensing. Vol. 25(12), pp. 2365-2401.
  22. Rafii, Y., Malekmohammadi, B., Abkar, A., Yavari, A., Ramezani Mehrian, M., Zohrabi, H., 2011. Environmental Change Detection of Wetlands and Protected Areas Using Multi Temporal Images of TM Sensor (Case Study: Neyriz Wetland, Iran). Journal of Environmental Studies. Vol. 37(57), pp. 1-12. (In Persian)
  23. McGarigal, K., Marks, B.J., 1995. FRAGSTATS: spatial pattern a Zohrabi nalysis program for quantifying landscape structure.
  24. Weng, Y.C., 2007. Spatiotemporal changes of landscape pattern in response to urbanization. Landscape and urban planning.Vol. 81(4), pp. 341-353.
  25. Başkent, E.Z., Kadioğullari, A.I., 2007. Spatial and temporal Dynamics of land use pattern in Turkey: A case study in İnegöl. Landscape and Urban Planning. Vol. 81(4), pp. 316-327.
  26. Huang, J., Lin, J., Tu, Z., 2010. Detecting spatiotemporal change of land use and landscape pattern in a coastal gulf region, southeast of China. Environment, Development and Sustainability. Vol. 12(1), pp. 35-48.
  27. Arekhi, S., 2015. Application of Landscape Metrics in Assessing Land Use Changes' Trend by Using Remote Sensing and GIS Case study: Dehloran Desert Area. Geography and Development Iranian Journal. Vol. 13(40), pp. 59-68. (In Persian)
  28. Bihamta Toosi, N., Safianian, A., Fakheran, S., 2014. Analysis of Land Cover Changes in the Central Part of Isfahan (Iran) Using Landscape Metrics. Iranian Journal of Applied Ecology. Vol. 2 (6), pp. 77-88. (In Persian)
  29. Herold, M., Couclelis, H. Clarke, K.C., 2005. The role of spatial metrics in the analysis and modeling of urban land use change. Computers, Environment and Urban Systems. Vol. 29(4), pp. 369-399.
  30. Wu, J., 2000. Landscape ecology: Pattern, process, scale and grade, Beijing: Higher Education Press.
  31. Pabbot, H., 1969. Iran rangelands rehabitation and improve by botanical and ecological studies. translated by sheidaei, G. Natural resource Ministry publishing. Tehran. 219 p.
  32. Ggeitury, M., Ansari, N., Sanadgool, A., Heshmati, M., 2006. The effective factores of destruction in Kermanshah rangelands. Iranian Journal of Rangeland and Desert Research. Vol. 13(4), pp. 314-323. (In Persian)
  33. Mosayebi, M., Maleki, M., 2014. Change detection in land use using remote sensing data and GIS (Case study: Ardabil county). Journal of RS and GIS for Natural Resources. Vol. 5(1), pp. 75-86. (In Persian)
  34. Meshkini, A., Sajadi, J., Tafakori, A., 2011. The Effect of Public Lands and Housing Assignment Policy on Physical Development of Iran Cities (Case Study: Kermanshah City). Geography and Development Iranian Journal. Vol. 9(23), pp. 47-67. (In Persian)
  35. Brown, G.S., Rettie, W.J. Mallory, F.F., 2006. Application of a variance decomposition method to compare satellite and aerial inventory data: a tool for evaluating wildlife–habitat relationships. Journal of Applied Ecology. Vol. 43(1), pp. 173-184.

 

 



1- کارشناسی ارشد محیط زیست، دانشکده منابع طبیعی، دانشگاه گیلان. *(مسوول مکاتبات)

2- استادیار گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه گیلان.

3- دکتری محیط زیست، دانشکده منابع طبیعی، دانشگاه ملایر.

 

1- Msc of Environment science, Faculty of Natural Resources, Guilan University. Iran. *(Corresponding Author)

2- Assistant Professor, Department of Environmental Sciences, Faculty of Natural Resources, Guilan University. Iran

3- PhD of Environment science, Faculty of Natural Resources, Malayer University. Iran

 

[7]- Conversion

[8]- Change

3- Hangzh

1- False Color Composiet

2- Supervised

3- Training Sample

4- Multi-layer percepteron classifier

5- Back Propagation

1- Overall accuracy

2- Producer's accuracy

3- User's accuracy

4- Kappa coefficient

 

  1. Lu, D., Weng, Q., 2007. A survey of image classification methods and techniques for improving classification performance. International journal of Remote sensing. Vol. 28(5), pp. 823-870.
  2. Mas, J.F., Velázquez, A., Díaz-Gallegos, J.R., Mayorga-Saucedo, R., Alcántara, C., Bocco, G., Castro, R., Fernández, T., Pérez-Vega, A., 2004. Assessing land use/cover changes: a nationwide multidate spatial database for Mexico. International Journal of Applied Earth Observation and Geoinformation. Vol. 5(4), pp. 249-261.
  3. Pelletreau, A., 2004. Pricing soil degradation in uplands, the case of the Houay Pano catchment, Lao PDR. Internship Report. IRD-IWMI-NAFRI, Vientiane, Laos. 64p.
  4. Ustine, S.L., 2004. Remote sensing for natural resource management and environmental monitoring. John Wiley & Sons, Inc., Hoboken, New Jersey. 3rd Ed. Vol. 4, pp. 522.
  5. Xiao, D. N., Zhong, L. S. 1998. Ecological principles of landscape classification and assessment. Chinese Journal of Applied Ecology. Vol. 9, pp. 217-231.
  6. Naveh, Z., Liberman, A., 1984. Landscape ecology: theory and application. Springer-Verlag New York, , Inc. NY, USA.
  7. Buyantuyev, A., Wu, J., Gries, C., 2010. Multiscale analysis of the urbanization pattern of the Phoenix metropolitan landscape of USA: Time, space and thematic resolution. Landscape and Urban Planning. Vol. 94(3), pp. 206-217.
  8. Salman Mahiny, A., 2007. Landscape metrics and erosion risk as two classes of quantitative Indicators for rapid environmental impact assessment. Journal of Agricultural Sciences and Natural Resources. Vol. 14(1), pp. 139-150. (In Persian)
  9. Ben-Dor, E., Chabrillat, S., Demattê, J.A.M., Taylor, G.R., Hill, J., Whiting, M.L. Sommer, S., 2009. Using imaging spectroscopy to study soil properties. Remote Sensing of Environment. Vol. 113, pp. S38-S55.
  10. Seto, K.C., Woodcock, C.E., Song, C., Huang, X., Lu, J., Kaufmann, R.K., 2002. Monitoring land-use change in the Pearl River Delta using Landsat TM. International Journal of Remote Sensing. Vol. 23(10), pp. 1985-2004.
  11. Deng, J.S., Wang, K., Hong, Y., Qi, J.G., 2009. Spatio-temporal dynamics and evolution of land use change and landscape pattern in response to rapid urbanization. Landscape and urban planning. Vol. 92(3-4), pp. 187-198.
  12. Alphan, H., Çelik, N., 2014. Mapping spatial variations of land cover in a coastal landscape using pattern metrics. Procedia-Social and Behavioral Sciences. Vol. 120, pp. 23-30.
  13. Arekhi, S., Fathizad, H., 2014. Analyzing landscape degradation using landscape ecological metrics, remote sensing and GIS (Case study: Doiraj watershed, Ilam province). Iranian Journal of Rangeland and Desert Research. Vol. 21(3), pp. 466-481. (In Persian)
  14. Salajeghe, B., Monavari, S.M., Karbassi, A., Khorasani, N., Shariat, S.M., 2011. Study on Land Degradation in Kish Island Using Landscape Metrics and Changes Detection. Environmental Researches. pp. 99-110. (In Persian)
  15. Zeinivand, H., 2015. Analysis of the effects of precipitation amounts on daily runoff in Gharesou basin in Kermanshah Province. Iran. Iranian Journal of EcoHYDROLOGY. Vol. 1(2), pp. 143-152.
  16. Matkan, A., Zeinivand, H., Bayat, B., Ghafouri Roozbahani, A., Mirbagheri, B., 2011. Simulation of Daily Stream Flow and the Effects of Land Use Changes Using WetSpa Model in GIS (Case Study: Mereg Watershed, Kermanshah Province, Iran). Iranian Journal of Remote Sencing & GIS. Vol. 4(1), pp. 1-18. (In Persian)
  17. Hosseini, M., Ghafouri, A.M., Bayat, B., 2012. Water balance simulation in Karkheh River Basin. Final Report of Research Project, Soil Conservation and Watershed Management Research Institute, Tehran, Iran, 83 p. (In Persian)
  18. Maleki, A., Hesadi, H., Naderian, P., 2009. Site Selection of Artificial Rechange of Mereg Watershed Aquifer. Geographical Research. Vol 24(1), pp. 53-78. (In Persian)
  19. Barati GHahfarokhi, S., Soltani , S.,   KHajeddin , S.J.,  Rayegani, B., 2009. Investigation of Land Use Changes in Qale Shahrokh Basin Using Remote Sensing (1975 - 2002). Journal of Science and Technology of Agriculture and Natural Resources. Vol. 13(47), pp. 349-365. (In Persian)
  20. Arekhi, S., Fathizad, H., 2014. Evaluating the Efficiency of Four Artificial Neural Network Methods in Preparing Land Cover/Land Use Map Using ETM+ Data Case study: Doiraje, Mehran and Sarableh. Geography and Development Iranian Journal. Vol. 12(37), pp. 133-146. (In Persian)
  21. Lu, D., Mausel, P., Brondizio, E., Moran, E., 2004. Change detection techniques. International journal of remote sensing. Vol. 25(12), pp. 2365-2401.
  22. Rafii, Y., Malekmohammadi, B., Abkar, A., Yavari, A., Ramezani Mehrian, M., Zohrabi, H., 2011. Environmental Change Detection of Wetlands and Protected Areas Using Multi Temporal Images of TM Sensor (Case Study: Neyriz Wetland, Iran). Journal of Environmental Studies. Vol. 37(57), pp. 1-12. (In Persian)
  23. McGarigal, K., Marks, B.J., 1995. FRAGSTATS: spatial pattern a Zohrabi nalysis program for quantifying landscape structure.
  24. Weng, Y.C., 2007. Spatiotemporal changes of landscape pattern in response to urbanization. Landscape and urban planning.Vol. 81(4), pp. 341-353.
  25. Başkent, E.Z., Kadioğullari, A.I., 2007. Spatial and temporal Dynamics of land use pattern in Turkey: A case study in İnegöl. Landscape and Urban Planning. Vol. 81(4), pp. 316-327.
  26. Huang, J., Lin, J., Tu, Z., 2010. Detecting spatiotemporal change of land use and landscape pattern in a coastal gulf region, southeast of China. Environment, Development and Sustainability. Vol. 12(1), pp. 35-48.
  27. Arekhi, S., 2015. Application of Landscape Metrics in Assessing Land Use Changes' Trend by Using Remote Sensing and GIS Case study: Dehloran Desert Area. Geography and Development Iranian Journal. Vol. 13(40), pp. 59-68. (In Persian)
  28. Bihamta Toosi, N., Safianian, A., Fakheran, S., 2014. Analysis of Land Cover Changes in the Central Part of Isfahan (Iran) Using Landscape Metrics. Iranian Journal of Applied Ecology. Vol. 2 (6), pp. 77-88. (In Persian)
  29. Herold, M., Couclelis, H. Clarke, K.C., 2005. The role of spatial metrics in the analysis and modeling of urban land use change. Computers, Environment and Urban Systems. Vol. 29(4), pp. 369-399.
  30. Wu, J., 2000. Landscape ecology: Pattern, process, scale and grade, Beijing: Higher Education Press.
  31. Pabbot, H., 1969. Iran rangelands rehabitation and improve by botanical and ecological studies. translated by sheidaei, G. Natural resource Ministry publishing. Tehran. 219 p.
  32. Ggeitury, M., Ansari, N., Sanadgool, A., Heshmati, M., 2006. The effective factores of destruction in Kermanshah rangelands. Iranian Journal of Rangeland and Desert Research. Vol. 13(4), pp. 314-323. (In Persian)
  33. Mosayebi, M., Maleki, M., 2014. Change detection in land use using remote sensing data and GIS (Case study: Ardabil county). Journal of RS and GIS for Natural Resources. Vol. 5(1), pp. 75-86. (In Persian)
  34. Meshkini, A., Sajadi, J., Tafakori, A., 2011. The Effect of Public Lands and Housing Assignment Policy on Physical Development of Iran Cities (Case Study: Kermanshah City). Geography and Development Iranian Journal. Vol. 9(23), pp. 47-67. (In Persian)
  35. Brown, G.S., Rettie, W.J. Mallory, F.F., 2006. Application of a variance decomposition method to compare satellite and aerial inventory data: a tool for evaluating wildlife–habitat relationships. Journal of Applied Ecology. Vol. 43(1), pp. 173-184.