تحقیقات کاربردی علوم جغرافیایی

تحقیقات کاربردی علوم جغرافیایی

پیش‌بینی تغییرات فضایی – زمانی تپه‌های ماسه‌ای ناشی از طوفان‌های دریایی (مطالعه موردی: سواحل مکران)

نویسندگان
سلیمان پیروز زاده
محمود خسروی
صمد فتوحی
دانشگاه سیستان و بلوچستان
10.29252/jgs.19.52.57
چکیده
در دنیای امروزه از فناوری سنجش‌ازدور و سامانه اطلاعات جغرافیایی جهت برنامه‌ریزی و مدیریت کارآمد منابع طبیعی، کشاورزی، محیط‌زیست و مدیریت شهری استفاده فراوان می‌شود. مدل‌های پیش‌بینی کاربری و پوشش اراضی برای برنامه‌ریزی استفاده پایدار از زمین در کشوری مثل ایران که بهره‌برداری از زمین با سرعت در حال تغییر است، یک نیاز ضروری است؛ که برای آشکارسازی تغییرات و همچنین پیش‌بینی تغییرات پوشش اراضی دید کلی برای مدیریت بهتر منابع طبیعی و حفاظت اراضی حاشیه سواحل و اتخاذ تدابیر سیاست­های درازمدت بسیار مؤثر است. این مطالعه باهدف مدل‌سازی تغییرات و پیش‌بینی کاربری اراضی برای سال 2035 که با استفاده از مدل سلول‌های خودکار مارکوف و تصاویر ماهواره لندست در منطقه غرب زرآباد، استان سیستان و بلوچستان(سواحل مکران) انجام‌شده است. در این تحقیق، برای پیش‌بینی از قابلیت نرم‌افزارهای سنجش‌ازدور، مدل سلول‌های خودکار مارکوف و تصاویر ماهواره­ای لندست 7 و 8 (سنجنده (ETM+ مربوط به سال­های 1991،2001 و 2014 میلادی استفاده‌شده است. خروجی­ های شبیه‌سازی به‌صورت آماری با یک روش ترکیبی جدید که بر پایه روش­های تحلیل چندگانه است، ارزیابی گردید و نتایج مدل پیش‌بینی نشان داد که مساحت تپه­ های ماسه‌ای در سال 2035 به 45/592 کیلومترمربع می‌رسد و این میزان افزایش مساحت تپه­ های ماسه­ای در شرایطی رخ می‌دهد که مدیریت صحیح و کارآمد در جهت تثبیت ماسه­ های روان صورت نگیرد. این میزان افزایش حاصل از تغییر یافتن 162 کیلومترمربع از مساحت زمین‌های بایر (27 درصد) ، 12 کیلومترمربع از پوشش گیاهی (2 درصد) و 23 کیلومترمربع از رسوبات رودخانه‌ای (4/3 درصد) خواهد بود. این افزایش باعث می‌شود که 6 روستا منطقه موردمطالعه (کرتی، گنجک، سهرکی، پیوشک، ونک و کلیرک) به‌شدت با در معرض حرکت و جابجایی قرار گرفتن ماسه‌های روان آسیب ببینند.
کلیدواژه‌ها
تپه‌های ماسه‌ای
مدل سلول‌های ‌خودکار مارکوف
دریای عمان
سنجش‌ازدور
طوفان

عنوان مقاله English

Predicting of Temporal-Spatial Sand Dunes Transition Caused by Marine Storms (Case Study: The Coast of Makran, Iran)

نویسندگان English

Soleiman PirouzZadeh
Mahmood Khosravi
Samad Fotohi
University of Sistan and Baluchestan
چکیده English

Studies show that 14 provinces are impacted by wind erosion and the movement of sand dunes. The sand originated from the shores of Oman Sea is the most important environmental hazards that threaten the already large number of rural settlements. Sands of marine origin are available on the beach and away from the sea of dunes in addition of marine origin, Predictive models for planning sustainable use of land use and land cover in a country like Iran that land use is changing rapidly, there is an urgent need; To detect and predict changes in land cover changes overview to better manage natural resources and protect marginal lands beaches and is very effective long-term policy measures. The aim of this paper is modeling and prediction of changes in land-use in 2035 by using CA Markov model and Landsat satellite images in the West of Zarabad,( The coasts of Makran). Then to determine the changes in the movement of sand dunes in the study area ranged from twenty-three years (1991-2014), satellite imageries from Landsat 7 and 8(ETM+ sensor) with 15 and 30 meters spatial resolution , was used. The 1991, 2001and 2014 month August images were used, this images from website of the US Geological Survey (USGS) have been prepared. Finally, these images by using Geographic Information System (GIS), ENVI and IDRISI softwares were analyzed. The results showed that the changes in the region the largest increase in the interest of sand dunes in the year 1991 (25.561) km², in 2001 (10 . 568) km², and in 2014 (45.578), and the increase of (17.198) km², has experienced. The results also estimated that in future (2035) sand dunes area increase to 592.45 km².This increase in area of sand dunes occur in the absence of proper and efficient management is done in order to stabilize the sand. This increase resulted from changed moorland 162 km²of land area (27%) and 12 kilometers of vegetation (2%) and 23 km² of fluvial (3.4%). These changes makes heavily exposed about 6 villages (Karti,Gnjk, Sohroki, Pyvshk, Vanak and Kalirak) to the movement of running sands.

کلیدواژه‌ها English

Sand dunes
CA Markov model
Oman Sea
Remote Sensing
storm
Ahadnejad, M., Rabet, A., 2010, Evaluation and forecast of Haman impacts based on land use changes using multi temporal satellite imagery and GIS: a case study on Zanjan, Iran (1982-2009), proceedings of the joint international conference on theory, Data Handling and modelling in Geo spatial information science, Hong Kong.and micromorphology analysis.
Amiraslani, F., Dragovich, D., 2011, Combating desertification in Iran over the last 50 years: An overview of changing approaches, Journal of Environmental Management, 92(1):1-13, DOI: 10.1016/j.jenvman.2010.08.012.
Baitis,E., Kocurek,G., , Smith,G , Mohrig,D .,. Ewing R.C. ,Pyert,A.P.B.,2014, Definition and origin of the dune-field pattern at White Sands, New Mexico, Aeolian Research, 15 : 269–287, DOI.org/10.1016/j.aeolia.2014.06.004
Batty, M., Couclelis, H.,Eichen, M., 1997, Urban systems as cellular automata,Environment and Planning, 24(2): 159–164, DOI/10.1068/b240159
Dawelbaita.; F. Morari, 2012. Monitoring desertification in a Savannah region in Sudan using Landsat images and spectral mixture analysis, Journal of Arid Environments, 80: 45-55, DOI.org/10.1016/j.jaridenv.2011.12.011
Eastaman, R., J., 2001, Guide to GIS and Image Processing, Clark University, USA, Vol. 3, P. 144.
Fan, F., Wang, Q., Wang, Y., 2007., Land Use and Land Cover Change in Guangzhou, China, from 1998 to 2003, Based on Landsat TM /ETM+ Imagery, 7(7): 1323–1342,DOI.org/10.3390/s7071323
Fitton J.M,. Hansom,J.D,, Rennie,A.F,2016. A national coastal erosion susceptibility model for Scotland ,Ocean & Coastal Management.132 :80-90, DOI.org/10.1016/j.ocecoaman.2016.08.018
Hamdan,M.A., Refaat, A.A., Anwar,E,A., Shallaly,N,A., Source of the aeolian dune sand of Toshka area, southeastern Western Desert, Egypt, Aeolian Research, 17: 275-289, DOI.org/10.1016/j.aeolia.2014.08.005Kamusoko, Courage, A., Masamu, A., B., Manjoro, M., 2009, Rural sustainability under threat in Zimbabwe – Simulation of future land use/cover changes in the Bindura district based on the Markov-cellular automata model , Applied Geography,29,435-447, DOI.org/10.1016/j.apgeog.2008.10.002
Kidd, R., 2001, Coastal Done Management, A Manual of Coastal Dune Management and Rehabilitation Techniques, NSW Department of Land and Water Conservation,. Repository Hydraulic Engineering Reports.NSW Government publication ISBN, 96p
Lamchin, M.; JY, Lee, K, Lee, eun, Lee, M, Kim, H, Lim, H, Choi and S, Kim, 2016, Assessment of land cover change and desertification using remote sensing technology in a local region of Mongolia, Advances in Space Research, 57(1): 64-77, DOI.org/10.1016/j.asr.2015.10.006
Mas, J. F., Klob,M., Paegelow,M., , Camacho Olmedo,M.T, ,and Houet,T., 2014, Inductive pattern-based land use/cover change models: A comparison of four software packages, Environmental Modelling & Software, 51 ,94-111, DOI.org/10.1016/j.envsoft.2013.09.010
Parker, D.C., Manson, S.M., Janssen, M.A., Hoffmann, M.J., Deadman, P., 2002, Multi‐Agent Systems for the Simulation of Land‐Use and Land‐Cover Change: A Review, Annals of the Association of American Geographers banner,93(2),314-337, DOI.org/10.1111/1467-8306.9302004
Pearce, K. I, Walker, I. J., 2004, Frequency and magnitude biases in the ‘Fryberger’ model, with implications for characterizing geomorphically effective winds, Geomorphology,68(1-2),39- 55, DOI.org/10.1016/j.geomorph.2004.09.030
Rodríguez,M.P, Kuemmerle,T, Alcaraz-Segura,D, Zurita-Milla,R, Cabello,J.,2012, Future land use effects on the connectivity of protected area networks in southeastern Spain, Journal for Nature Conservation, 20(6), 326-336, doi.org/10.1016/j.jnc.2012.07.001
Pontius Jr, R.G., Huffaker, D., Denman, K., 2004, Useful techniques of validation for spatially explicit land change models. Ecological modeling, 179(4),445-461, DOI.org/10.1016/j.ecolmodel.2004.05.010
Pontius Jr, R.G., Spencer, J., 2005, Uncertainty in extrapolations of predictive land cover models, Environment and Planning B: Planning and Design, 32:211-230, DOI.10.1068/b31152
Sohl T. L., Claggett, P.R., 2013, Clarity versus complexity: Land-use modeling as a practical tool for decision-makers, Journal of Environmental Management, 129, 235-243, DOI.org/10.1016/j.jenvman.2013.07.027
Tonyes S.G., Wasson R.J., Munksgaard C.L.,Evans,K.G., Brinkman,R., Williams,D.K.,2015. Sand dynamics as a tool for coastal erosion management:A case study in Darwin Harbour, Northern Territory, Australia, Procedia Engineering 125 : 220 – 228, DOI.org/10.1016/j.proeng.2015.11.032
Zhang F, Tiyip T, Feng ZD, Kung H-T, Johnson VC, Ding JL, Tashpolat N, Sawut M, Gui DW. 2015. Spatio-temporal patterns of land use/cover changes over the past 20 years in the middle reaches of the Tarim River, Xinjiang, China. Land Degradation and Development, 26(3):284- 299, DOI.org/10.1002/ldr.2206
Zhang,Z., Dong,Z., Wu,G.,2017. Field observations of sand transport over the crest of a transverse dune in northwestern China Tengger Desert, Soil & Tillage Research 166 : 67–75, DOI.org/10.1016/j.still.2016.10.010