بررسی و پیشبینی تغییرات پوشش جنگلها با استفاده از طبقهبندی شیءگرا فازی تصاویر ماهوارهای و زنجیره مارکوف، مطالعه موردی: شهرستان رومشکان
محورهای موضوعی : سنجش از دور و جغرافیای زیستی
رحمان زندی
1
(عضو هیات علمی دانشگاه حکیم سبزواری)
هژار شهابی
2
(دانشگاه تبریز)
ابراهیم اکبری
3
(دانشگاه فردوسی)
کلید واژه: پوشش جنگلی, طبقه بندی شیءپایه تصاویر, CA مارکوف, لندست, رومشکان,
چکیده مقاله :
جنگلها میراثی گران‌بها و یکی از عوامل مهم در اکوسیستم هر منطقه می باشند که علاوه بر استفاده و بهره برداری از آن‌ها، در حفاظت و صیانت‌‌شان نیز باید اقدامات اساسی صورت گیرد. جنگلهای زاگرس، به‌ویژه در استان لرستان، طی سالیان گذشته، در اثر بی‌توجهی روبه زوال نهاده و چهره متفاوتی به خود گرفته‌اند. هدف این تحقیق بررسی، آشکارسازی و مدل سازی آینده تغییرات پوشش جنگلهای شهرستان رومشکان میباشد. بدین منظور ابتدا تغییر کاربری‌های صورت گرفته بین سال‌های 1987 و 2017 با استفاده از تصاویر لندست و تکنیک طبقهبندی فازی شیءپایه استخراج شد، و به کلاس های (کشاورزی، جنگل، مرتع، عوارض آبی، مسکونی) طبقه بندی شدند. نتایج حاصل در طول سی سال کاهش شدید (17/81 کیلومترمربع) مناطق جنگلی و افزایش اراضی کشاورزی و مرتع در مناطق جنگلی را نشان می دهد. در بازه زمانی 1987-2002 جنگل ها دچار تغییرات خاصی نشده و عمده تغییرات شامل گسترش طبقه کشاورزی در مراتع بوده است. در بازه دوم از سال 2002 به بعد پوشش جنگل ها دچار کاهش شدید شده و مساحت آن‌ها از 58/122 به 42/43 کیلومتر مربع در سال 2017 رسیده است که 16/79 کیلومترمربع کاهش نشان داد. در ادامه برای پیشبینی روند تغییرات از زنجیره مارکوف استفاده شد که با توجه به نتایج پیشبینی زنجیره مارکوف در سال 2030، در نواحی جنگلی تغییراتی معادل 70/10 درصد اتفاق خواهد افتاد و عمده تغییرات مربوط به تغییر کاربری از کلاس جنگل به کلاسهای کشاورزی و مرتع به ترتیب با 901/6 و 172/9 کیلومتر مربع خواهد بود.
Forest is a valuable heritage and one of the important factors in the ecosystem of each area that in addition to using and exploiting them, they should be preserved. Zagros’ forests, especially in Lorestan province due to negligence have been destroyed throughout past years. The aim of this research is to investigation, detect and modeling Romeshkan’s forests’ cover changes. To do this, first changes that were taken place between 1987-2017 were extracted by satellite Landsat images and using Fuzzy Object-Based classification method, then, were classified in 5 classes (Agriculture, Forest, Range, water and Residential). Finally, classification results show that there is a sharp decrease of forested areas (81.17 km2) and an increase of Range and Farmlands over past 30 years in the forest area. In a period of 1987-2002 forest cover of the study area had not faced major changes, but most of the rangelands turned to farmlands. While in the second period from 2002 onwards forest cover dramatically dipped and its area decreased from 122.58 km2 to 43.42 km2 in 2017, which the rate of forest covers decrement was around 79.16 km2. Moreover, in order to predict forest cover changes in the future CA-Markov model was applied that indicates 10.70% of current forest covers will be reduced in 2030, and the main changes will be occurred between forest classes to farmlands and rangelands classess by 6.901 and 9.172 km2, respectively.
اسلامي، ف، قرباني، ع، سبحاني، ب و پناهنده، م. مقایسه شبکه عصبی مصنوعی، دستگاه بردار پشتیبان و روش‌های مبتنی بر شیء در تهیه نقشه‌های استفاده از زمین / پوشش با استفاده از تصاویر منظره 8. مجله RS و GIS برای منابع طبیعی. (2015). 6 (3)، 1-14.
حیدریان، پ.، رنگزن، ک.، ملکی، س. و تقی زاده، ا. تشخیص تغییر کاربری اراضی با استفاده از مقایسه طبقهبندی تصاویر ماهواره ای لندست (مطالعه موردی: سرزمین تهران). مجله RS و GIS برای منابع طبیعی. (1393). 4 (4)، 1-10.
رستم زاده، ح.، دارابی، س. و شهابی، ح. تغییر طبقهبندی جنگلهای بلوط با استفاده از طبقهبندی شیء مبتنی بر تصاویر چندمنظوره لندست (مطالعه موردی: جنگلهای شمال استان ایلام). مجله RS و GIS برای منابع طبیعی. (1395). 8 (2)، 92-110.
ضیائیان، ف. ص.، شکیبا، ع.، ماتاکان، ع. و صادقی، ع. سنجش از دور(rs)، سیستم اطلاعات جغرافیایی (gis) و مدل اتوماسیون سلولی (ca) به عنوان ابزاری برای شبیه‌سازی تغییر کاربری اراضی شهری- مطالعه موردی شهرکرد. علوم محیط زیست. (1387) .7 (3)، 133-148.
فیضی‌زاده، ب و هلالی، ح. مقایسه روش‌های مبتنی بر پیکسل، شی‌گرا و پارامترهای مؤثر در طبقهبندی پوشش سطح زمین/ استفاده از اراضی استان آذربایجان غربی. فصلنامه تحقیقات جغرافیای فیزیکی. (1389).42 (71)، 73-84.
کاظمی، م.، مهدوی، ی.، نوهه¬گر، ا. و رضایی، ص. تغییر در کاربری و پوشش اراضی با استفاده از تکنیک‌های سنجش از دور و GIS (مطالعه موردی: آبخیز بستانک شیراز). کاربرد سنجش از دور و GIS در علوم منابع طبیعی. (1390). سال دوم، 1،101.
میرزایی‌زاده، و، نیك‌نژاد، م. و اولادی كادیكلائی، ج. ارزیابی الگوریتم‌های طبقهبندی نظارت غیر‌پارامتری در نقشه پوشش زمین با استفاده از تصاویر Landsat-8. مجله RS و GIS برای منابع طبیعی. (1393). 6 (3)، 29-44.
نیازی، ی. مقایسه دو روش طبقهبندی حداکثر احتمال و شبکه عصبی مصنوعی برای تهیه نقشه‌های کاربری اراضی مطالعه موردی: منطقه سد ایلام. جغرافیا و توسعه مجله ایرانی. (1388). 8 (20)، 119-132.
Lillesand, T., Kiefer, R,W. and Chipman, J. (2001). Remote sensing and image interpretation,6th Edition, Wiley Publication, Washington.
Blaschke, T. (2010). Object-based image analysis for remote sensing. ISPRS Journal of photogrammetry and remote sensing. 65(1), 2-16. 30
Blaschke, T., Lang, S., Lorup, E., Strobl, J. and Zeil, P. (2000). Object-oriented image processing in an integrated GIS/remote sensing environment and perspectives for environmental applications. In A. Cremers, & K. Greve (Eds.), Environmental information for planning, politics and the public, 2, 555–570.
Chavez, P. S. (1988). An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote sensing of environment, 24(3), 459-479.
Chen, M., Su, W., Li, L., Zhang, C., Yue, A. and Li, H. (2009). Comparison of pixel-based and object-oriented knowledge-based classification methods using SPOT5 imagery. WSEAS Transactions on Information Science and Applications, 6(3), 477-489.
Costanza, R. and Ruth, M. (1998). Using dynamic modeling to scope environmental problems and build consensus. Environmental Management, 22(2):183 195.
Eastman J.R. 2006. IDRISI Andes. Tutorial. Clark-Labs, Clark University, Worcester, 284.
Fan, F., Wang, Y. and Wang, Z. (2008). Temporal and spatial change, detecting (1998–2003) and predicting of land use and land cover in Core corridor of Pearl. 127-147.
Feizizadeh, B. and Blaschke, T. (2012). Thermal remote sensing for land surface temperature monitoring: Maraqeh County, Iran. In Geoscience and Remote Sensing Symposium (IGARSS), 2012 IEEE International, 2217-222.
Gao,Y., Mas, J.F. and Navarrete, A. (2009). The improvement of an object-oriented classification using multi-temporal MODIS EVI satellite data, International Journal of Digital Earth, Volume 2, Issue 3 September 2009, 219 - 236.
Gilmore, M. S., Wilson, E. H., Barrett, N., Civco, D. L., Prisloe, S. and Hurd, J. D .(2008). Integrating multi-temporal spectral and structural information to map wetland vegetation in a lower Connecticut River tidal marsh. Remote Sensing of Environment, 112, 4048-4060.
Miranda-Aragón, L., Treviño-Garza, E. J., Jiménez-Pérez, J., Aguirre-Calderón, O. A., González Tagle, M. A., Pompa-García, M. and Aguirre-Salado, C. A. (2012). Modeling susceptibility to deforestation of remaining ecosystems in North Central Mexico with logistic regression. Journal of Forestry Research, 23(3), 345-354.
Ranjbar, H. and Honarmand, M. (2004). Integration and analysis of airborne geophysical and ETM+ data for exploration of porphyry type deposits in the Central Iranian Volcanic Belt using fuzzy classification. International Journal of Remote Sensing, 25(21), 4729-4741.
Sang L, Zhang C, Yang J, Zhu D. And Yun W. (2011). Simulation of land use spatial pattern of towns and villages based on CA–Markov model. Mathematical and Computer Modelling, 54(3), 938 943.
Verburg PH, Soepboer W, Veldkamp A, Limpiada R, Espaldon V. and Mastura SS. (2002). Modeling the spatial dynamics of regional land use: the CLUE-S model. Environmental Management, 30(3), 391-405.
Wijanarto AB. (2006). Application of Markov Change Detection Technique for Detecting Landsat ETM Derived Land Cover Change Over Banten Bay. Journal of Ilmiah Geomatika, 12(1), 11-21.
Yan, G (2003). Pixel based and object oriented image analysis for coal fire research. Enschede, Holanda, 1-93.
پژوهش و فناوری محیط زیست، دوره چهارم، شماره شش، پاییز و زمستان 98، صفحه‌ی 103-114
|
بررسی و پیشبینی تغییرات پوشش جنگلها با استفاده از طبقهبندی شیءگرا فازی تصاویر ماهوارهای و زنجیره مارکوف، مطالعه موردی: شهرستان رومشکان
|
رحمان زندی1*، هژار شهابی2، ابراهیم اکبری3 R.zandi@hsu.ac.ir |
جنگلها میراثی گران‌بها و یکی از عوامل مهم در اکوسیستم هر منطقه میباشند که علاوه بر استفاده و بهرهبرداری از آن‌ها، در حفاظت و صیانت‌‌شان نیز باید اقدامات اساسی صورت گیرد. جنگلهای زاگرس، به‌ویژه در استان لرستان، طی سالیان گذشته، در اثر بی‌توجهی روبه زوال نهاده و چهره متفاوتی به خود گرفته‌اند. هدف این تحقیق بررسی، آشکارسازی و مدلسازی آینده تغییرات پوشش جنگلهای شهرستان رومشکان میباشد. بدین منظور ابتدا تغییر کاربری‌های صورت گرفته بین سال‌های 1987 و 2017 با استفاده از تصاویر لندست و تکنیک طبقهبندی فازی شیءپایه استخراج شد، و به کلاسهای (کشاورزی، جنگل، مرتع، عوارض آبی، مسکونی) طبقهبندی شدند. نتایج حاصل در طول سی سال کاهش شدید (17/81 کیلومترمربع) مناطق جنگلی و افزایش اراضی کشاورزی و مرتع در مناطق جنگلی را نشان میدهد. در بازه زمانی 1987-2002 جنگلها دچار تغییرات خاصی نشده و عمده تغییرات شامل گسترش طبقه کشاورزی در مراتع بوده است. در بازه دوم از سال 2002 به بعد پوشش جنگلها دچار کاهش شدید شده و مساحت آن‌ها از 58/122 به 42/43 کیلومتر مربع در سال 2017 رسیده است که 16/79 کیلومترمربع کاهش نشان داد. در ادامه برای پیشبینی روند تغییرات از زنجیره مارکوف استفاده شد که با توجه به نتایج پیشبینی زنجیره مارکوف در سال 2030، در نواحی جنگلی تغییراتی معادل 70/10 درصد اتفاق خواهد افتاد و عمده تغییرات مربوط به تغییر کاربری از کلاس جنگل به کلاسهای کشاورزی و مرتع به ترتیب با 901/6 و 172/9 کیلومتر مربع خواهد بود.
كليد واژه‌ها: پوشش جنگلی، طبقهبندی شیءپایه تصاویر، CA مارکوف، لندست، رومشکان
[1] - استادیار، دانشکده ی جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری، سبزوار
[2] - مربی، دانشگاه تبریز، تبریز
[3] - مربی، دانشگاه فردوسی، مشهد
مقدمه
آگاهی از نوع و درصد کاربري و پوشش‌های مختلـف، نیازي بنیادي جهت شناخت و مدیریت یک منطقه اسـت (Aslami, 2014). یکی از منـابع اطلاعـات مـؤثر، مفیـد و قابـل کـاربرد در شناسایی پوشش‌های زمین و تغییرات آن، داده‌های سنجش‌ازدور اسـت (Ziaeian et al., 2009; Niazi et al., 2010). در ایـن میـان تصـاویر دورهاي مـاهواره لندست یکی از مهم‌ترین منـابع دادهها بـراي مطالعـه انـواع مختلف تغییر کاربري و پوشش اراضی، از قبیل جنگلزدایی، افزایش و گسترش کشاورزي، رشد شهري (Heydarian et al., 2014; Mirzaei Zadeh et al., 2015) است. استخراج اطلاعـات از تصـاویر ماهوارهای به‌وسیله طبقهبندی از پرکـاربردتـرین روش‌های موجود است (Sang et al., 2011) و ازآنجاکه داده‌های سنجش‌ازدور به‌سادگی در محیط GIS وارد می‌شود، به سادگی می‌توان از آن به‌طور گسترده در مدلسازی GIS استفاده کرد (Heydarian et al., 2014). مدلسازی یکی از روش‌های تجزیه و تحلیل پویـایی نظـام کاربري اراضی است، که بـا اسـتفاده از آن، چـارچوب علمـی آنالیز ابزارهای تغییر کاربري اراضـی از حالـت توصـیفی بـه سمت کمی تغییر پیدا می‌کند (Costanza et al., 1998). مدل‌هایی که براي پیشبینی تغییرات کاربري اراضی مورد استفاده قرار می‌گیرند، ابزارهـاي مفید، تکرارپذیر و مکمل توانایی‌های ذهنی موجود ما در تجزیه و تحلیل تغییر کاربری اراضی و تصمیمگیری آگاهانه‌تر هستند (Chen et al., 2009; Verburg et al., 2002).
در دهههاي اخیر استفاده از فن دورسنجی به‌منظور پایش تغییرات مورد توجه قرار گرفته و تحقيقات متعددي در این زمينه در ایران و جهان اجرا شده است. Kazemi و همکاران (2011) در مطالعه‌ای به‌منظور برآورد تغييرات پوشش و کاربري اراضي با استفاده از تکنیک RS و GIS در حوزه آبخیز تنک بستانک شیراز از دادهها و تصاویر ماهوارهای Landsat و IRS در بازه زمانی 1988 تا 2005 استفاده کردند و نتایج نشان داد که اراضی بایر و دیمزارها افزایش و در مقابل جنگل با زیراشکوب مرتع متوسط کاهش یافته است. Wijanarto (2006) در سال 2006 در پژوهشی با استفاده از تصاویر سال‌های 2000 و 2001 و نیز مدل پیشبینی مارکوف به بررسی تغییر ساختار سرزمین منطقه‌ای در اندونزی پرداختند، نتایج حاصل از این تحقیق نشان داد که تعداد بسیار زیادی از لکه‌های جنگل در حال کاهش و تبدیل به دوطبقه شالیزار و مناطق مسکونی هستند. در پژوهشی Miranda و همکاران (2012) اقدام به مدلسازی مناطق مستعد تغییر پوشش جنگلی با استفاده از رگرسیون لجستیک در جنگلهای بارانی شمال مکزیک نمودند، نتایج حاصله نشان داد که منطقه مورد مطالعه به‌شدت مستعد تغییر پوشش جنگلی و کاربری زمین است و افزایش روزافزون جمعیت را عامل اصلی تغییر پوشش جنگلی بیان کرده‌اند. در خصوص پردازش شیءپایه Feizizadeh و همکاران(2016)، در تحقیقی به شناسایی پهنه‌های مستعد طوفانهای نمکی دریاچه ارومیه با استفاده از پردازش شیءپایه فازی تصاویر ماهوارهای پرداختند. نتایج این تحقیق نشان داد که مساحت آبی دریاچۀ ارومیه از 6/3120 کیلومتر مربع در سال 2010 به کمترین حد میزان مساحت خود؛ یعنی 46/887 کیلومتر مربع در سال 2014 کاهش یافت و بعد از آن با روند افزایشی چشمگیر، به 8/2475 کیلومتر مربع رسید که یکی از دلایل این افزایش، بارش باران در اواخر زمستان 1394 و بهار 1395 بوده استRostam zadeh . و همکاران (2017)، به آشکارسازی تغییرات جنگلهای بلوط شمال استان ایلام با استفاده از طبقهبندی شیءپایه تصاویر چندزمانه لندست پرداختند. نتایج حاصل نشان داد که در تمام دهستانهای شمال استان پدیده جنگلزدایی رخ داده و میزان تغییرات کاهشی نسبت به سال 1366 به میزان 42 درصد بوده است. در خصوص پیشبینی تغییرات کاربری/پوشش اراضی در آبنده Sohl و Claggety (2013)، Amin naboureh و همکاران (2017) با استفاده از روش طبقهبندی شیءگرا و مدل CA-Markov به مدلسازی پرداختند که نتایج نهایی پردازش، نشان از قابلیت بالای روش طبقهبندی شیءگرا و مدل مارکوف در پیشبینی تغییرات در آینده داشت. هدف تحقیق حاضر بررسی تغییرات پوشش جنگلهای شهرستان رومشکان و پیشبینی آن با استفاده از روش فازی شیءپایه طبقه یندی و مدل مارکوف است و نیز پاسخ به این سوال که کدام عمل بیشترین سهم را در تخریب جنگلها داشته است؟
مواد و روش‌ها
منطقه مورد مطالعه شامل جنگلهای شهرستان رومشکان در غرب استان لرستان واقع شده است. محدوده مطالعاتی موردنظر طبق آخرین تقسیم‌بندی سیاسی بین سه شهرستان کوهدشت، پلدختر، دره‌شهر قرارگرفته است و مساحت آن نیز 564 کیلومتر مربع میباشد. این منطقه از نظر جغرافیای، بین 33 درجه و 8 دقیقه تا 33 درجه و 22 دقیقه عرضی شمالی و 47 درجه 10 دقیقه تا 47 درجه و 37 دقیقه طول شرقی از نصف‌النهار گرینویچ قرار گرفته است. ارتفاع متوسط منطقه مورد مطالعه 1716 متر از سطح دریاهای آزاد است. محدوده جنگلهای استان لرستان از ارتفاع 700 متر از سطح دریا در منطقه کرکی از توابع شهرستان پلدختر واقع در مرز لرستان و خوزستان شروع شده و تا ارتفاع 3500 متری از سطح دریا در رشته‌کوه‌های زاگرس ادامه مییابد. شهرستان رومیشکان به عنوان یکی از شهرستانهای زاگرس میانی، با داشتن رویشگاه مناسبی از درختان جنگلی با غالبیت بلوط ایرانی (Quercus persica) و پسته وحشی و داشتن گونه‌های منحصربه‌فرد لرگ، زالزالک، گلابی وحشی، آلبالوی وحشی، انواع بادام کیکم، زبان گنجشک، نارون و مو وحشی و نظایر آن مطرح بود و به‌طورکلی با وابستگی معیشت غالب مردم آن به جنگلها و مراتع اهمیت خاصی پیدا می‌کند.
شکل 1- منطقه مورد مطالعه
در این تحقیق از تصاویر ماهوارهای لندست، سال‌های 1987، 2002 و 2017 استفاده شده است که به شرح جدول (1) است.
جدول 1- مشخصات تصاویر ماهوارهای اخذ شده
تفکیک مکانی(متر) spatial resolution | تاریخ date | ردیف row | گذر pass | سنجنده sensor | ماهواره Setallite |
30 | 1987.05.31 | 37 | 167 | TM | لندست 5 Landsat 5 |
30 | 2002.04.30 | 37 | 167 | ETM+ | لندست 7 Landsaat 7 |
30 | 2017.05.01 | 37 | 167 | OLI |