بررسی میزان تغییرات سبخاهای ناشی از تالاب هورالعظیم در دوره بیست ساله با استفاده از تصاویر لندست

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 دانش‌آموخته کارشناسی‌ارشد گروه علوم و مهندسی خاک، دانشگاه شهید چمران اهواز

2 استاد گروه علوم و مهندسی خاک، دانشگاه شهید چمران اهواز

3 عضو هیأت علمی گروه علوم و مهندسی خاک، دانشگاه شهید چمران اهواز

چکیده

سابقه و هدف: خشک شدن تالاب هورالعظیم سبب تبدیل آن به سبخا شده است. ازدیاد سبخاها سبب شور شدن زمین‌های حاصلخیز کرخه و تخریب زمین‌های کشاورزی منطقه شده است. هم‌چنین باعث ایجاد زمین‌های پف‌کرده شده، که به‌عنوان کانون ریز گرد عمل می‌کند. میزان تغییرات سبخاها در حواشی تالاب هورالعظیم تاکنون موردبررسی قرار نگرفته است. تالاب هورالعظیم از لحاظ زیست‌محیطی، اقتصادی و اجتماعی اهمیت دارد، در نتیجه مطالعه تغییرات آن و نواحی مجاور ضروری است. این مطالعه با هدف ارزیابی میزان تغییرات سبخاهای ناشی از خشک شدن تالاب هورالعظیم در دوره بیست‌ساله می‌باشد که در نوع خود، اولین پژوهش می‌باشد. در این نوشتار، برای نخستین بار میزان تغییرات سبخاها در کلاس‌های مختلف، بررسی و تعیین گردید. همچنین میزان سبخازائی با تغییرات آب و هوایی بلندمدت، مقایسه شده است. پایش روند تغییرات تالاب‌ها و اراضی پیرامون آن‌ها می‌تواند در مدیریت این اکوسیستم‌ها راهگشا باشد و تهیه نقشه‌های پراکنش سبخاها و تغییرات آن‌ها می‌تواند به مدیران محیط‌زیست و منابع طبیعی جهت تصمیم‌گیری آگاهانه‌تر، برنامه‌ریزی‌های صحیح کاربری زمین و بهتر شدن مدیریت منابع، کمک کند.
مواد و روش‌ها: در این مطالعه به‌منظور بررسی تغییرات و نقشه‌سازی سبخاهای ناشی از تالاب هورالعظیم طی دوره 20 ساله از تصاویر لندست 8 در سال 2017 و لندست 5 در سال 1997، استفاده گردید. منطقه موردمطالعه به 8 کلاس که شامل: تالاب، سبخای در حال تشکیل، تالاب خشک شده، حوضچه‌های نمکی، سبخاهای تیره، سبخاهای روشن، زمین‌های کشاورزی رها شده و زمین‌های کشاورزی تقسیم‌بندی شد. سپس از روش طبقه‌بندی نظارت شده، روش ماشین بردارپشتیبان برای تهیه نقشه منطقه مورد مطالعه استفاده گردید. هم‌چنین برای بررسی تغییرات دوره 20 ساله از روش مقایسه پس از طبقه‌بندی استفاده شده است.
یافته‌ها: نتایج حاصل از بررسی دقت طبقه‌بندی نشان داد که روش ماشین بردار‌ پشتیبان در تصویر لندست 8 با ضریب کاپا 79/0 و صحت کلی70/84 درصد و در تصویر لندست 5 با ضریب کاپا 74/0 و صحت کلی 42/81 درصد به دست آمد که نشان می‌دهد، الگوریتم ماشین بردار پشتیبان روش مناسبی برای طبقه‌بندی این منطقه می‌باشد. هم‌چنین نتایج حاصل از بررسی تغییرات دوره 20 ساله با استفاده از روش مقایسه پس از طبقه‌بندی نشان می‌دهد، کلاس‌های تالاب خشک شده، حوضچه نمکی، زمین کشاورزی رها شده در طی این دوره 20 ساله تغییرات افزایشی داشته‌اند. تغییرات کاهشی در کلاس‌های تالاب، زمین‌های کشاورزی، سبخاهای تیره و سبخاهای روشن مشاهده شد. بررسی میانگین داده‌های بلندمدت بارش- دما در منطقه نشان می‌دهد که میزان درجه حرارت افزایش و میزان بارش در منطقه کاهش یافته که از عوامل موثر بر تغییرات منطقه بوده است. تنها کلاسی که در این دوره مطالعه تغییر نیافته کلاس سبخاهای در حال تشکیل بوده است.
نتیجه‌گیری: نتایج نشان می‌دهد، میزان تغییرات در طول این دوره بیست‌ساله در منطقه مورد مطالعه بالا می‌باشد. از دلایل آن می‌توان به تغییرات مساحت تالاب در طی سال‌های اخیر اشاره کرد. هم‌چنین نتایج نشان می‌دهد با استفاده از روش‌های سنجش‌ازدور با تعداد نقاط کمتر، ضمن صرفه‌جویی در وقت و هزینه، می‌توان نقشه‌های نسبتا دقیقی تهیه کرد و یک روش مفید برای بررسی تغییرات در میزان سبخاها، مقایسه نقشه‌های طبقه‌بندی‌شده گذشته و حال می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of sabkha changes caused by Houralimiz wetland during 20 years using Landsat images

نویسندگان [English]

  • Kosar Abyat 1
  • Ahmad Landi 2
  • Hadi Amerikhah 3
1 M.Sc. Graduate, Dept. of Soil Science and Engineering, Faculty of Agriculture, Shahid Chamran University of Ahvaz
2 Professor, Dept. of Soil Science and Engineering, Faculty of Agriculture, Shahid Chamran University of Ahvaz
3 Scientific Member, Dept. of Soil Science and Engineering, Faculty of Agriculture, Shahid Chamran University of Ahvaz
چکیده [English]

Background and objectives: The drying up of Hur al-Azim wetland has caused turn in it to Sabkha. The increase in Sabkhas has caused the salinization of the fertile lands of Karkheh and the destruction of agricultural lands in this region, It also creates puffy soils that act as a fine dust center. Sabkhas changes rate of Hur al-Azim wetland margins have not been studied so far. Because of the socioeconomic and environmental importance of this wetland, such research is severely needed. The aim of this study is to evaluate the changes rate of Sabkhas that caused by the drying of Hur al-Azim wetland in a period of 20 years, which is the first research of its kind. In this paper, for the first time, the rate of change of the Sabkhas in different classes was examined and determined. Also, the rate of increase of the Sabkhas has been compared with long-term climate change. Monitoring the changing process of wetlands and their surrounding lands can be helpful in managing these ecosystems, and preparing sabkhas Destitution maps and their changes maps can help environmental and natural resource managers in making more sensible decisions, better land use planning, and improving resource management.
Materials and methods: In this study, Landsat 8 images in 2017 and Landstat 5 in 1997 were used to study the Sabkhas changes and mapping caused by Hur al-Azim Wetland over a 20-year period. The study area was divided into 8 classes, which include: wetland, forming Sabkhas, dried wetland, salt ponds, dark Sabkhas, light Sabkhas, abandoned agricultural lands and agricultural lands. Then, the supervised classification method and the support vector machine method were used to prepare the map of the area. The post-classification comparison method has also been used to investigate changes in the 20-year period. Also, to check the changes in the 20-year period, comparison after classification method was used.
Results: The results of classification accuracy showed that the backup vector machine method was obtained in Landsat 8 image with kappa coefficient of 0.79 and overall accuracy of 84.70 and in Landsat 5 image with kappa coefficient of 0.74 and overall accuracy of 81.42. It turns out that the support vector machine algorithm is a good way to classify this area. Also, the results of the 20-year period changing review, using the comparison after classification methods were showed that classes of dried-up wetlands, salt ponds, and abandoned agricultural land have changed dramatically over the past 20 years. Decreased changes were observed in classes of wetland, agricultural fields, dark Sabkhas and light Sabkhas. Examination of the average long-term rainfall-temperature data in the region shows that the temperature has increased and the amount of rainfall has decreased in the region, which has been one of the affective factors on the region changes.The only class that has not changed during the period of this study was the class of forming Sabkhas.
Conclusion: The results show that the change rate is high in the study area during this 20-year period. One of the reasons is the changes in the wetlands area in recent years. The results also show that by using remote sensing methods with fewer number of points, in addition to saving time and money relatively accurate maps can be prepared and a useful method for examining changes in the amount of Sabkhas is to compare past and present classified maps.

کلیدواژه‌ها [English]

  • Keywords : Sabkha
  • Hooralazim Wetland
  • Support vector machine
  • Comparison after classification
1.Abyat, A., and Azhdari, A. and Almasi Kia, H., and Jodaki, M. 2019. Khuzestan plain continental sabkhas, southwest Iran. Carbonates and Evaporites 34, 1469-487.https://doi.org/10.1007/s13146-019-00494-3.
2.Abyat, K., Landi, A., and Amerikhah, H. 2018. Evaluation of supervised algorithms for mapping vegetation due to drying of Hur al-Azim Wetland. National Conference on Basic Knowledge Research in Earth Sciences. 11p. (In Persian)
3.Akbari, A., and Shekari Badi, A. 2014. Data Processing and Extraction from Satellite Data Using ENVI Software. Satellite Publications. 205p. (In Persian)
4.Alavi Panah, K., and Omidipour, M. 2013. Research Methods in Remote Sensing. Bata Writing, Basoodab. University of Tehran Publications. 141p. (In Persian)
5.Alavi Panah, K., Matinfar, and Abdol Azimi, F. 2014. Remote sensing of soil salinity. Compiled by Maternich. G. Zink. J. University of Tehran Publications. 568p. (Translated in Persian)
6.AL-Hmedawy, H. 2008. Geomorphological Study of Haur Al-Hammar and Adjacent Area Southern Iraq Using Remote Sensing Data and GIS Techniques, A thesis submitted to the geology department, college of science university of  Baghdad, Pp: 1-202.
7.Ammad, R., and Abuelgasim, A. 2016. Comparative Analysis of Salinty Indices For Mapping Sabkha Surfaces In The United Arab Emirates (UAE), Pp: 1-9.
8.Arkhi, S., and Fathi Zad, H. 2010. Evaluation of Desertification Trend and Spatial Modeling of Land Use Change Patterns in Dehloran Desert Area of Ilam Province Using Landsat Satellite Images, Zagros Landscape Geography and Urban Planning Journal. 2: 5. 45-68. (In Persian)
9.Attaeian, B., Shojaeefar, Sh., Zandieh, V., and Hashemi, S. 2018. Study of soil organic carbon changes in two critical and vulnerable areas of Qahavand plain rangelands using remote sensing andGIS. RS & GIS for Natural Resources.8: 4. 76-90. (In Persian)
10.Azizi Ghalaty, S., Razgzan, K., Taqhizadeh, A., and Ahmadi, Sh. 2013. Modeling of Land Use Changes Using Remote Sensing Techniques: A case study in Koumare Sorkhi Fars Province. Master's thesis, Remote Sensing and GIS. Shahid Chamran. 125p.
11.Barati, M., Zaree Chenar, M., and Sotoudeh, A. 2017. Evaluation of changes in wetland wetland using remote sensing data from 2000 to 2016. International Conference on Natural Resources Management in Developing Countries. 15p. (In Persian)
12.Bani Habib, M., Najafi Morghmaleki, S., and Pour Tabari. M. 2016. Investigating the Factors of Dust Occurrence in the West and South of the Country, Focusing on the Reasons for Drying of Hur al-Azim Wetland and Providing Solutions for Its Recovery. 6th National Conference on Water Resources Management. 11p. (In Persian)
13.Hatefi Ardakani, A.H., Karimi, M., Ahmadabad, M., Ekhtesasi, M.R., and Payedar Ardakani, A. 2017. Evaluation of modeling methods and supervised classification for mapping soil salinity using ASTER and ETM images.J. of Water and Soil Conservation,23: 5. 123-140 .(In Persian)
14.Koohizadeh Dehkordi, A., Fatahi Nafchi, R., Khastar Boroujeni, M., and Samadi Boroujeni, H. 2020. Investigation of morphological change at BazoftRiver Banks in the recent thirty years (1985-2015) using Landsat satellite images. J. of Water and Soil Conservation, 26: 6. 139-158. (In Persian)
15.Khademi, F., Pirkharati, H., and Shahkarami, S. 2015. Investigation of Increasing Trend of Saline Soils Around Urmia Lake and its Environmental Impact, Using RS and GIS. Engineering and Environmental Geology. 24: 94. 93-98. (In Persian)
16.Makrouni, S., Sabzghabaei, Gh.R., Yousefi Khanghah, Sh., and Soltanian, S. 2016. Detection of land use changes in Hur al-Azim wetland using remote sensing and geographic information system techniques. RS & GIS for Natural Resources. 7: 3. 89-99. (In Persian)
17.Moufaddal, W., and Rifaat, A.2006. Identifying Geomorphic Features between Ras Gemsha and Safaga, Red Sea Coast. Egypt, Using Remote Sensing Techniques, 17: 105-128.
18.Norouzi, A., Ansari, M.R., Moazami, M., and Asgharipour Dasht Bozorg, N. 2019. LandUse Changes in Dust Sources of South and South-East Ahwaz. Journal of Water and Soil Science. 23: 3. 341-354. (In Persian)
19.Pirnazar, M., and Zand Karimi, A. 2015. ENVI Software Application Guide and ENVI 5.1 Satellite Image Processing. Naghos Publications. 242p. (In Persian)
20.Rartai Shavazi, M., Karam, A.,and Ghafarian Malmiri, H. 2017. Comparison the performance of some classification algorithms in study of desert landforms changes in Yazd-Ardakan plain. Geomorphology Journal. 6: 57-73. (In Persian)
21.UNEP. 2001. The Mespotamian Marshlands: demise of an ecosystem. Early Warning and Assessment Technical Reportm. UNEP. DEWA.Pp: 1-46.
22.Warren, J.K. 1991. Sulfate dominated sea-marginal and platform evaporative settings, In J.L. Melvin, ed.,Evaporites, petroleum and mineral resources.: Developments in Sedimentology, 50: 477-533.
23.Warren, J.K. 2006. Evaporites: Sediments, resources and hydrocarbons: New York. Springer, Pp: 1-1052.
24.Wu, Wei., Li, Ai-Di., He, Xin-Hua., Ma, Ran., Liu, Hong-Bin., and Lv, Jia-Ke. 2018. A comparison of support vector machines, artificial neural network and classification tree for identifying soil texture classes in southwest China. Computers and Electronics in Agriculture, 144: 86-93.
25.Yousefi, S., Tazeh, M., Mirzaee, S., Moradi, H.R., and Tavangar, Sh. 2014. Comparison of different classification algorithms in satellite imagery to produce land use maps (Case study: Noor city). RS & GIS for Natural Resources. 5: 3. 67-76. (In Persian)
26.Zebardast, L., and Jafari, H. 2011. Evaluation of Trends in Anzali Wetland Changes Using Remote Sensingand Providing Management Solution, Environment. 37: 57. 57-64. (In Persian)