ارزیابی ناهمگونی مکانی در کیفیت بوم‌شناختی با استفاده از فن‌آوری سنجش‌ازدور (مطالعه موردی: حوضه آبخیز قره‌سو)

جغرافیا و مخاطرات محیطی

مقاله 8، دوره 9، شماره 4 - شماره پیاپی 36، بهمن 1399، صفحه 145-161   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/geoeh.2021.67026.0

نویسندگان

سعیده رنجبر^{* 1}؛ حمیدرضا کامیاب²

¹دانشجوی کارشناسی ارشد ارزیابی و آمایش سرزمین دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران

²استادیار دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

چکیده

محیط­زیست در حال تجربه تغییرات مختلف محیط­زیستی است که هم منشأ انسانی و هم منشأ طبیعی دارند. تغییرات کاربری زمین در حوزه قره­سو، نیاز به مطالعه درباره کیفیت بوم­شناختی این منطقه را نشان می­دهد. در این مطالعه، شاخص سنجش‌ازدوری کیفیت بوم­شناختی (RSEI) بر اساس چارچوب فشار-وضعیت-پاسخ و با استفاده از داده­های میانگین تصاویر تابستانه ماهواره­ لندست در سال­های 1368 و 1397 ( سنجنده­های ETM+/OLI/TIRS)، برای ارزیابی تغییرات کیفیت بوم­شناختی در حوزه قره­سو استان گلستان استفاده شد. شاخص­های مورد نیاز برای استخراج شاخص کیفیت بوم­شناختی با ایجاد شاخص فشار محیط­زیستی (NDBI)، شاخص وضعیت (NDVI) و شاخص­های پاسخ اقلیمی محیط به تغییرات (LST و LSM) از سامانه گوگل ارث انجین انجام شد. در این پژوهش پس از تهیه شاخص­های پایه، با استفاده از تحلیل مؤلفه‌های اصلی، وزن هر شاخص تهیه و سپس شاخص کیفیت بوم­شناختی بر اساس مؤلفه اول تحلیل مؤلفه‌ها اصلی تهیه شد. تحلیل تغییرات مؤلفه اول با استفاده از روش آستانه­گذاری نشان از افت کیفیت بوم­شناختی دارد؛ به‌طوری‌که میانگین شاخص RSEI در سال 1368، 57/0 حاصل شد و در سال 1397 این مقدار به 48/0 رسید که نشان دهنده کاهش مقدار RSEI است. همچنین میزان طبقه خیلی خوب در سال 1368، 83/32821 (267/16 درصد) و در سال 1397، 66/36879 (27/18 درصد)  است. نتایج تحلیل مکانی نشان داد که مقدار ضعیف کیفیت بوم­شناختی شاخص RSEI در بخش­های شمالی منطقه رخ داده است که به دلیل رشد سریع مناطق انسان­ساخت بوده است. این تغییر در افزایش شاخص مناطق انسان­ساخت در این مناطق مشخص است.

کلیدواژه‌ها

کیفیت بوم‌شناختی؛ شاخص RSEI؛ گوگل ارث انجین؛ حوزه قره‌سو

مراجع

 راحلی نمین، بهناز؛ مرتضوی، ثمر؛ 1397. پیش‌بینی روند تغییرات مکانی کاربری اراضی و توسعه مناطق مسکونی با استفاده از مدل زنجیرهای CA مارکوف و روش ژئومد، مطالعة موردی: حوزه آبخیز قره‌سو، استان گلستان. فصلنامه علمی - پژوهشی فضای جغرافیایی. 18 (62). صص 169-159.

رباطی، م. 1394. سنجش کیفیت محیط­زیست شهری با به‌کارگیری مدل شاخص ترکیبی (موردمطالعه: کلان‌شهر تهران). آمایشسرزمین. شماره 7 (2). صص 275-255.

صیدی، سمیه؛ عبدی قروچای، ناهید؛ حسن‌زاده، امین؛ ۱۳۹۷. ارزیابی وضعیت کیفیت محیط شهری با استفاده از شاخص­های سنجش‌ازدور. فصلنامه پژوهش­های علوم جغرافیایی، معماری و شهرسازی. شماره 2 (13). صص 113-126.

مختاری، محمدحسین؛ عابدیان، سحر؛ قلی­پور، مصطفی؛ 1398. آشکارسازی و مدلسازی روند تغییرات کاربری اراضی جنگلی حوزه آبخیز قره­سو با استفاده از سنجه­های سیمای سرزمین. بومشناسیکاربردی. شماره 4. صص 18-1.

مهری، آزاده؛ سلمان ماهینی، عبدالرسول؛ میکاییلی تبریزی، علیرضا؛ میرکریمی، سید حامد؛ 1397. ارزیابی اثرات بوم‌شناختی تغییر کاربری سرزمین بر ساختار طبیعی حوضه رودخانه قره‌سو. آمایش سرزمین. شماره 10 (1). صص 116-93.

 

Avdan U, Jovanovska G., 2016. Algorithm for automated mapping of land surface temperature using LANDSAT 8 satellite data. Journal of Sensors 26: 1-8.

Barsi J, Schott J, Hook S, Raqueno N, Markham B, Radocinski R. 2014. Landsat-8 thermal infrared sensor (TIRS) vicarious radiometric calibration. Remote Sensing 6 (11): 11607-11626.‏

Behling R, Bochow M, Foerster S, Roessner S, Kaufmann, H., 2015. Automated GIS-based derivation of urban ecological indicators using hyperspectral remote sensing and height information. Ecological indicators 48: 218-234.‏

Binh TNKD, Vromant N, Hung NT, Hens L, Boon EK., 2005. Land cover changes between 1968 and 2003 in Cai Nuoc, Ca Mau peninsula, Vietnam. Environment, Development and Sustainability 7 (4): 519-536.‏

Dale VH, Beyeler SC., 2001. Challenges in the development and use of ecological indicators. Ecological indicators 1 (1): 3-10.‏

Eastman JR. 201. TerrSet tutorial. Clark University.

Foley JA, De Fries R, Asner GP, Barford C, Bonan G, Carpenter SR, Chapin FS, Coe MT, Daily GC, Gibbs HK, Helkowski JH, Holloway T, Howard EA, Kucharik CJ, Monfreda C, Patz JA, Prentice IC, Ramankutty N, Snyder P. K. 2005. Global consequences of land use. Science. 309 :570–574.

Gessesse, A. A., & Melesse, A. M., (2019). Temporal relationships between time series CHIRPS-rainfall estimation and eMODIS-NDVI satellite images in Amhara Region, Ethiopia. In Extreme Hydrology and Climate Variability (pp. 81-92). Elsevier.

Halmy MWA., 2019. Assessing the impact of anthropogenic activities on the ecological quality of arid Mediterranean ecosystems (case study from the northwestern coast of Egypt). Ecological Indicators 101: 992-1003.‏

Heinz IIIHJ., 2002. The State of the Nation's Ecosystems: Measuring the Lands, Waters, and Living Resources of the United States: Cambridge University Press.‏

Hu X, Xu H., 2018. A new remote sensing index for assessing the spatial heterogeneity in urban ecological quality: A case from Fuzhou City, China. Ecological indicators 89: 11-21.‏

Huang C, Wylie B, Yang L, Homer C, Zylstra G., 2002. Derivation of a tasselled cap transformation based on Landsat 7 at-satellite reflectance. International journal of remote sensing 23 (8): 1741-1748.‏

Jing Y, Zhang F, He Y, Johnson VC, & 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.‏

Kaplan G, Avdan U, Avdan ZY., 2018. Urban heat island analysis using the landsat 8 satellite data: A case study in Skopje, Macedonia. In Multidisciplinary Digital Publishing Institute Proceedings 2 (7).

Koh CN, Lee PF, Lin RS., 2006. Bird species richness patterns of northern Taiwan: primary productivity, human population density, and habitat heterogeneity. Diversity and Distributions 12 (5): 546-554.‏

Lin T, Ge R, Huang J, Zhao Q, Lin J, Huang N, Zhang G, Li X, Ye H, Yin K., 2016. A quantitative method to assess the ecological indicator system's effectiveness: a case study of the Ecological Province Construction Indicators of China. Ecological indicators 62: 95-100.‏

Lin T, Lin JY, Cui SH, Cameron S., 2009. Using a network framework to quantitatively select ecological indicators. Ecological Indicators 9 (6) : 1114-1120.‏

Musse MA, Barona DA, Rodriguez LMS., 2018. Urban environmental quality assessment using remote sensing and census data. International journal of applied earth observation and geoinformation 71: 95-108.‏

Niemi GJ, McDonald ME., 2004. Application of ecological indicators. Annu. Rev. Ecol. Evol. Syst 35: 89-111.‏

Rajeshwari A, Mani ND., 2014. Estimation of land surface temperature of Dindigul district using Landsat 8 data. International Journal of Research in Engineering and Technology 3 (5): 122-126.

Seddon AW, Macias-Fauria M, Long PR, Benz D, Willis KJ., 2016. Sensitivity of global terrestrial ecosystems to climate variability. Nature 531 (7593).

Tsou J, Zhuang J, Li Y, Zhang Y., 2017. Urban heat island assessment using the Landsat 8 data: a case study in Shenzhen and Hong Kong. Urban Science 1 (1): 1-20.

USGS ., 2013. United States Geological Survey, Landsat 8: U.S. Geological Survey Fact Sheet 2013–3060. http://pubs.usgs.gov/fs/2013/3060.

Wang L, Qu JJ., 2007. NMDI: A normalized multi‐band drought index for monitoring soil and vegetation moisture with satellite remote sensing. Geophysical Research Letters 34 (20).‏

Wen X, Ming Y, Gao Y, Hu X., 2020. Dynamic Monitoring and Analysis of Ecological Quality of Pingtan Comprehensive Experimental Zone, a New Type of Sea Island City, Based on RSEI. Sustainability 12 (1), 21.‏

Xu H, Ding F, Wen X., 2009. Urban expansion and heat island dynamics in the Quanzhou region, China. IEEE Journal of selected topics in applied earth observations and remote sensing 2  (2): 74-79.‏

Xu H. 2008. A new index for delineating built‐up land features in satellite imagery. International Journal of Remote Sensing 29 (14): 4269-4276.‏

Yue H, Liu Y, Li Y, Lu Y., 2019. Eco-environmental quality assessment in China’s 35 major cities based on remote sensing ecological index. IEEE Access 7: 51295-51311.‏

Zhang J, Zhu Y, Fan F., 2016. Mapping and evaluation of landscape ecological status using geographic indices extracted from remote sensing imagery of the Pearl River Delta, China, between 1998 and 2008. Environmental Earth Sciences 75 (4): 1-16.