ارزیابی پتانسیل تخریب اکولوژیکی منطقه حفاظت‌شده کوسالان با استفاده از سنجش‌ازدور و GIS

جغرافیا و مخاطرات محیطی

مقاله 3، دوره 12، شماره 1 - شماره پیاپی 45، اردیبهشت 1402، صفحه 41-61   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/geoeh.2022.75467.1184

نویسندگان

زهرا جلیلیان¹؛ جمیل امان اللهی^{* 2}

¹کارشناسی ارشد محیط‌زیست، دانشکده منابع‌طبیعی، دانشگاه کردستان، سنندج، ایران

²دانشیار گروه علوم و مهندسی محیط‌زیست، دانشکده منابع‌طبیعی، دانشگاه کردستان، سنندج، ایران

چکیده

این تحقیق با هدف ارزیابی تخریب اکولوژیکی منطقه حفاظت‌شده کوسالان در شهرستان مریوان در استان کردستان با استفاده از فن­آوری­های سنجش‌ازدور و GIS انجام‌ شده است. برای این منظور تصاویر دو دوره زمانی مربوط به سال‌های 1989 و 2020 تهیه گردید. پس از انجام تصحیحات رادیومتریک و اتمسفریک، تغییرات شاخص NDVI که بیان کنندۀ تغییرات پوشش گیاهی در دو بازه زمانی موردبررسی است، مورد ارزیابی قرار گرفت. به‌منظور مدل‌سازی تخریب اکولوژیک از 4 معیار کلی پوشش گیاهی، زمین­شناسی، فیزیوگرافی و فعالیت­های انسانی و 8 زیر معیار شامل فاصله از روستا، فاصله از جاده، محدوده­های زمین‌لغزش، شدت فرسایش، شیب، جهت، ارتفاع از سطح دریا و پوشش گیاهی استفاده گردید. زیر معیارها با مدل Fuzzy استاندارد شدند و با روش AHPوزن­دهی گردیدند. تغییرات پوشش گیاهی در آستانه­های مختلف شاخص NDVI شامل سه آستانه 1-3/0، 1-4/0 و 1-1/0 مورد ارزیابی قرار گرفت. نتایج این ارزیابی نشان می‌دهد که کیفیت و تراکم پوشش گیاهی دارای روند کاهشی در طول این 31 سال بوده است. نتایج مدل‌سازی پتانسیل تخریب اکولوژیکی نشان داد مؤثرترین معیار در ایجاد تخریب، فاصله از روستا است. به‌طورکلی 50 درصد از مساحت منطقه دارای پتانسیل بالای تخریب اکولوژیکی است. نتایج این مطالعه نشان داد استفاده از مدل­های دقیق و تجزیه­وتحلیل نتایج آن­ها در محیط GIS می­تواند روش دقیقی در برآورد پتانسیل تخریب اکولوژیکی مناطق حفاظت شده باشد.

کلیدواژه‌ها

AHP؛ NDVI؛ فازی؛ مدل‌سازی؛ تراکم پوشش گیاهی

مراجع

احسنی، نبی؛ اولادی، جعفر؛ قصریانی، فرهنگ؛ درویش، محمد؛ 1386. معرفی شیوه‌ای برای اعمال مدیریت پایدار بر سرزمین برمبنای معیارهای IUCN استان کردستان، منطقه کوسالان مریوان. فصلنامة علمی- پژوهشی تحقیقات مرتع و بیابان ایران. شماره 4. جلد . صص 558-539.

https://ijrdr.areeo.ac.ir/article_105766.html

آرخی، صالح؛ محمودیان، عبدالرحمان؛ عمادالدین، سمیه؛ 1400. پیش‌بینی خطر تخریب جنگل با استفاده از سیستم اطلاعات جغرافیایی و مدل رگرسیون لجستیک (مطالعه موردی: شهرستان سردشت). جغرافیا و مخاطرات محیطی. (4)10.https://doi.org/ 10.22067/geoeh.2021.70743.1070

امامی، حسن؛ شهریاری، حسن؛ 1398. کمی سازی عوامل محیطی و انسانی در وقوع آتش‌سوزی جنگل با روش‌های RS و GIS، مناطق حفاظت‌شده ارسباران. فصلنامه علمی- پژوهشی اطلاعات جغرافیایی سپهر. (112)28. صص 35-53.https://doi.org/10.22131/sepehr.2020.38606

روشن، سجاد؛ 1397. وسعت و وضعیت مناطق حفاظت‌شده و ارتباط آن‌ها در مقیاس سیمای سرزمین با استفاده از نظریه گراف در جهت افزایش پایداری و ارائه راهکارهای مدیریت محیط‌زیستی (مطالعه موردی زیستگاه مرکزی زاگرس). پایان‌نامه. دانشگاه تهران.https://env.ut.ac.ir

سپهر، حسین؛ مخدوم، مجید؛ فریادی، شهرزاد؛ رمضانی مهریان، مجید؛ 1394. ارزیابی کیفیت سرزمین در مناطق حفاظت‌شده با استفاده از مدل تخریب )مطالعه موردی: مجموعه حفاظت شده توران(. پژوهش­های محیط‌زیست. سال 6. شماره 11 . بهار و تابستان. از صص 119 -130.

https://www.magiran.com/paper/1454673

شیرمحمدی، ایمان؛ جهانی، علی؛ اعتماد، وحید؛ ضرغام، نصرت‌الله؛ مخدوم فرخنده، مجید؛. 1395. ارزیابی آثار محیط‌زیستی توسعه بر منطقه حفاظت‌شده کرکس با استفاده از مدل تخریب. پژوهش‌های محیط‌زیست. 7(14). صص 91-102.

https://doi.org/20.1001.1.20089597.1395.7.14.15.2

مالچفسکی یاچک؛ 1385. سامانه اطلاعات جغرافیایی و تحلیل تصمیم چند معیاره. اکبر پرهیزکار و عطا غفاری گیلانده تهران: سمت. https://samt.ac.ir/fa/book/837

مجله دیده‌بان محیط‌زیست و حیات‌وحش ایران؛ 1391. منطقه حفاظت شده کوسالان و شاهو. http://www.iew.ir/1391/06/14/1574

نظام فر، سرمستی؛ علوی پناه، کاظم؛ 1400. بررسی امکان کالیبراسیون سنجنده‌های LISSIII و ASTER با استفاده از نمکزارهای مناطق خشک ایران. فصلنامه علوم و تکنولوژی محیط‌زیست. (3)23. 117-131.

https://doi.org/10.30495/jest.2021.8037

 

Bharathkumar, L., Mohammed-Aslam, M. A., 2015. Crop Pattern Mapping of Tumkur Taluk Using NDVI Technique: A Remote Sensing and GIS Approach. Aquatic Procedia, 4, 1397–1404. https://doi.org/10.1016/j.aqpro.2015.02.181

Eddy, I. M., Gergel, S. E., Coops, N. C., Henebry, G. M., Levine, J., Zerriffi, H., Shibkov, E., 2017. Integrating remote sensing and local ecological knowledge to monitor rangeland dynamics. Ecological Indicators, 82, 106-116. https://doi.org/10.1016/j.ecolind.2017.06.033

Feng, R., Wang, F., Wang, K., 2021. Spatial-temporal patterns and influencing factors of ecological land degradation-restoration in Guangdong-HongKong-Macao Greater Bay Area. Science of The Total Environment, 794, 148671.

https://doi.org/10.1016/j.scitotenv.2021.148671

Fraser, E. D., Dougill, A. J., Hubacek, K., Quinn, C. H., Sendzimir, J., Termansen, M., 2011. Assessing vulnerability to climate change in dryland livelihood systems: conceptual challenges and interdisciplinary solutions. Ecology and Society, 16(3), 12p.‏

https://www.jstor.org/stable/26268912

Gillespie, T.W., Kelm, S.O., Dong, C., Willis, K.S., Okin, G.S., MacDonald, G.M., 2018. Monitoring changes of NDVI in protected ateas of southern California. Ecological Indicators, 88, 485-494. https://doi.org/10.1016/j.ecolind.2018.01.031

Gooshbor, L., Bavaghar, M. P., Amanollahi, J., Ghobari, H., 2016. Monitoring infestations of oak forests by Tortrix viridana (Lepidoptera: Tortricidae) using remote sensing. Plant Protection Science, 52(4), 270-276. http://pps.agriculturejournals.cz/artkey/pps-201604-0008

Granados, L., Pizaro, M., Cayuela, L., Domingo, D., Gomez, D., Gracia, M.B., 2022. Long-term monitoring of NDVI changes by remote sensing to assess the vulnerability of threatened plants. Biological Conservation, 265, 109428. https://doi.org/10.1016/j.biocon.2021.109428

Hellwig, N., Anschlag, K., Broll, G., 2016. A fuzzy logic based method for modeling the spatial distribution of indicators of decomposition in a high mountain environment. Arctic, Antarctic, and Alpine Research, 48(4), 623-635.‏ https://doi.org/10.1657/AAAR0015-073

Jiang, L., Huang, X., Wang, F., Liu, Y., An, P., 2018. Method for evaluating ecological vulnerability under climate change based on remote sensing: A case study. Ecological indicators, 85, 479-486. https://doi.org/10.1016/j.ecolind.2017.10.044

Jiang, L., Liu, Y., Wu, S., Yang, C., 2021. Analyzing ecological environment change and associated driving factors in China based on NDVI time series data. Ecological Indicators, 129, 107933. https://doi.org/10.1016/j.ecolind.2021.107933

Jing, Y., Zhang, F., He, Y., Johnson, V. C., Arikena, M., 2020. Assessment of spatial and temporal variation of ecological environment quality in Ebinur Lake Wetland National Nature Reserve, Xinjiang, China. Ecological Indicators, 110, 105874.

https://doi.org/10.1016/j.ecolind.2019.105874

Li, M., Yu, H., Meng, B., Sun, Y., Zhang, J., Zhang, H., Wu, J., Yi, S., 2021. Drought reduces the effectiveess of ecological projects: Perspectives from the inter-annual variability of vegetation index. Ecological Indicators, 130, 108154.

https://doi.org/10.1016/j.ecolind.2021.108158

Li, Q., Zhou, y., Yi, S., 2022. An integrated approach to constructing ecological security patterns and identifying ecological restoration and protection areas: A case study of Jingmen, China. Ecological Indicators, 137, 108723. https://doi.org/10.1016/j.ecolind.2022.108723

Liu, S., Zhang, J., Zhang, J., Guo, Y., 2022. Simultaneously tackling ecological degreadation and poverty challenges: Evidence from desertifies areas in northern China. Science of The Total Environment, 815, 152927. https://doi.org/10.1016/j.scitotenv.2022.152927

Mahmood, K., Batool, A., Faizi, F., Chaudhry, M. N., Ul-Haq, Z., Rana, A. D., Tariq, S., 2017. Bio-thermal effects of open dumps on surroundings detected by remote sensing—Influence of geographical conditions. Ecological indicators, 82, 131-142.

   https://doi.org/10.1016/j.ecolind.2017.06.042

Malano, H.M., Gao, G., 1992. Ranking and Classification of irrigation system performance using fuzzy set theory: case studies in Australia and China. Irrigation and Drainage Systems, 6, 129-148. https://link.springer.com/article/10.1007/BF01102973

Manzo, C., Mei, A., Zampetti, E., Bassani, C., Paciucci, L., Manetti, P., 2017. Top-down approach from satellite to terrestrial rover application for environmental monitoring of landfills. Science of The Total Environment, 584, 1333-1348.

https://doi.org/10.1016/j.scitotenv.2017.01.033

Nematollahi, S., Fakheran, S., Jafari, A., Pourmanafi, S., Kienast, F., 2022. Applying a systematic conservation planning tool and ecological risk index for spatial prioritization and optimization of protected area networks in Iran. Journal for Nature Conservation. 66, 126144. https://doi.org/10.1016/j.jnc.2022.126144

Pravalie, R., Sirodoev, I., Nita, I., Patriche, C., Dumitrascu, M., Rosca, B., Tiscovsci, A., Bandoc, G., Savulescu, L., Manoiu, V., Birsan, M., 2022. NDVI-based ecological dynamics of forest vegetation and its relationship to climate change in Romania during 1987-2018. Ecological Indicators, 136, 108629. https://doi.org/10.1016/j.ecolind.2022.108629

Shen, Ge., 2019. Remote sensing and evaluation of the wetland ecological degradation process of the Zoige Plateau Wetland in China, Ecological Indicators, 104, 48-59. 

https://doi.org/10.1016/j.ecolind.2019.04.063

Slonecker, T., Fisher, G. B., Aiello, D. P., Haack, B., 2010. Visible and infrared remote imaging of hazardous waste: a review. Remote Sensing, 2(11), 2474-2508.

 https://doi.org/10.3390/rs2112474

Tan, J., Li, A., Lei, G., Bian, J., Zhang, Z., 2019. A novel and direct ecological risk assessment index for environmental degradation based on response curve approach and remotely sensed data. Ecological indicators, 98, 783-793. https://doi.org/10.1016/j.ecolind.2018.11.038

Usman, O., Lorember, T., Jelilov, G., Isik, A., Ike, G.N., Sarkodie, S.A., 2021. Towards mitigating ecological degredation in G-7 countries: accounting for economic effect dynamics, renewable energy consumption, and innovation. Heliyon, 7(12), e08592. https://doi.org/10.1016/j.heliyon.2021.e08592

Walz, U., 2011. Landscape structure, landscape metrics and biodiversity. Living reviews in landscape research, 5(3), 1-35.‏ https://doi.org/10.12942/lrlr-2011-3

Xu, H., Wang, M., Shi, T., Guan, H., Fang, C., Lin, Z., 2018. Prediction of ecological effects of potential population and impervious surface increases using a remote sensing based ecological index (RSEI). Ecological indicators, 93, 730-740.

https://doi.org/10.1016/j.ecolind.2018.05.055

Zhang, X., Liu, K., Li, X., Wang, S., Wang, J., 2022. Vulnerability assessment and its driving forces in terms of NDVI and GPP over the Loess Plateau, China. Physics and Chemistry of the Earth, Parts A/B/C, 125, 103106. https://doi.org/10.1016/j.pce.2022.103106