پیش‌بینی و تحلیل عدم قطعیت تغییرات کاربری اراضی در حوضه زرینه‌رود

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، گروه منابع آب، دانشکده کشاورزی دانشگاه تربیت مدرس، تهران، ایران

2 استادیار، گروه منابع آب، دانشکده کشاورزی دانشگاه تربیت مدرس، تهران

3 دکتری عمران نقشه برداری، گروه عمران، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران

چکیده

تغییرات کاربری اراضی ازجمله مؤلفه­های اصلی در مطالعات منابع آب و به عنوان یکی از دلایل اصلی کاهش جریان ورودی به دریاچه ارومیه مطرح گردیده است. برآوردی از چشم­انداز این تغییرات در آینده با توجه به روند احتمالی آن‌ها و هم­چنین سیاست­گذاری­‌های انجام شده در حوضه، می­تواند در تصمیم­گیری مؤثر و چاره­اندیشی برای رفع بحران زیست محیطی دریاچه ارومیه بسیار کارساز باشد. در مطالعه حاضر تلاش شده است تا ضمن استخراج و بررسی تغییرات تاریخی کاربری اراضی در حوضه زرینه­رود با استفاده از تصاویر ماهواره­ای، چشم­اندازی از آینده تغییرات کاربری اراضی ارائه گردد. ارزیابی­های به عمل آمده در استان­های موجود در حوضه زرینه رود، به طور متوسط بیش­ترین تغییرات را در راستای افزایش کاربری­هایی هم­چون کشت آبی(40 درصد) و باغات (57 درصد) و هم­چنین در جهت کاهش اراضی مرتعی(5 درصد) و کشت دیم(10 درصد)، در سال 2013 نسبت به سال 2000، نشان می­دهد. این روند تغییرات برای افق 2020 نیز مشاهده شده است. تحلیل عدم قطعیت نتایج حاصل از پیش­بینی کاربری اراضی در افق 2020 نیز حاکی از آن است که کاربری­های کشت آبی، دیم و باغ به ترتیب با اطمینان‌پذیری 73 ، 85 و 48 درصد، دارای بیش­ترین عدم­قطعیت پیش­بینی بوده­اند. 

کلیدواژه‌ها


عنوان مقاله [English]

Prediction and Uncertainty Analysis of land Use Changes in the Zarineh Roud Basin

نویسندگان [English]

  • Gholam Abbas Sohooli 1
  • Majid Delavar 2
  • Mohsen Ghamary Asl 3
1 MSc. Student, Tarbiat Modares University., Tehran., Iran
2 Assistant Professor, Tarbiat Modares University., Tehran., Iran
3 - PhD of Civil Engineering, Khajeh Nasiroddin Tusi University., Tehran., Iran
چکیده [English]

Changes land use is the main component in water resources studies and have been proposed as one of the main reasons for the reduction in inflow to the Lake Urmia. Estimation of changes in future landscape due to their potential trends as well as the policies conducted in the basin, can be effective in decision-making and remedy for resolving Urmia Lake environmental crisis.
In this study has been tried to extract and assess the historical changes in land use in the Zarineh  basin using satellite images and a projection of the future land use changes has been provided. Results show that between 2000 and 2013, on average, most of changes are to increase land use, such as irrigated agriculture (40%) and gardens (57%) and also to reduce pasture land (5%) and dry land farming (10%). This trend has also been observed for horizon 2020. Uncertainty analysis of results of lanuse prediction for horizon 2020 show that the irrigated agriculture, dry land farming and gardens lanuses respectively by reliability of 73, 85 and 48 percent, have the largest prediction uncertainty.

کلیدواژه‌ها [English]

  • Cellular Automata
  • land use
  • prediction
  • Uncertainty
  • Zarrineh Roud
احمدزاده،ح. 1391. ارزیابی بهره­وری آب کشاورزی با استفاده از مدل SWAT مطالعه موردی، حوضه زرینه‌رود- پایان‌نامه کارشناسی ارشد منابع آب، دانشکده کشاورزی، دانشگاه تربیت مدرس.

بریاسولیس،ه. 2000. الگوهای تحلیلی تغییر کاربری زمین. ( ترجمه مجتبی رفیعیان و مهران محمودی)، تهران، انتشارات آذرخش.

رضازاده،ر.، میراحمدی،م. 1388. مدل اتوماسیون سلولی، روشی نوین در شبیه‌سازی رشد شهری- نشریه علمی پژوهشی فن­آوری آموزش. 4 . 4 .1: 47 – 55 .

زارع چاهوکی،م.ع.، خلاصی اهوازی،ل.، آذر نیوند،ح. 1393. مدل‌سازی پراکنش گونه‌های گیاهی بر اساس عوامل خاک و توپوگرافی با استفاده از روش رگرسیون لجستیک در مراتع شرق سمنان – نشریه مرتع و آبخیزداری. مجله منابع طبیعی ایران. 67. 1: 45 - 59 .

قدوسی،م. 1391. اثرات تغییرات الگوی بارش، کاربری اراضی و بهره‌برداری از سد ونیار بر هیدرولوژی حوضه آبریز آجی چای و ورودی آن به دریاچه ارومیه- پایان‌نامه کارشناسی ارشد منابع آب، دانشکده کشاورزی، دانشگاه تربیت مدرس.

گلدوی،س.، محمد زاده،م.، سلمان ماهینی،ع.، نجفی نژاد،ع. 1394. پیش بینی الگوی رشد شهری با بکارگیری مدل رگرسیون لجستیک در منطقه گرگان – نشریه آمایش سرزمین. 1. 7: 65 - 117.

Bahremand,A., Smedt,F., Corluy,J., Liu,Y., Porov,J., Velcick,L., Kunikova,E. 2006. Application of wetSpa model for assessing land use impacts on floods in the MargecanyHornad watershed, Slovakia. Water Science and Technology. 53.10: 37-45.

Balzter,H. 2000. Markov chain models for vegetation dynamics. Ecological Modelling. 126.2: 139-154.

Bronstert,A., Niehoff,D and  Bürger,G. 2002. Effects of climate and land‐use change on storm runoff generation: present knowledge and modelling capabilities. Hydrological Processes. 16.2:509-529.

Brown,D.G., Pijanowski,B.C., Duh,J.D. 2000. Modeling the relationships between land use and land cover on private lands in the Upper Midwest, USA. Journal of Environmental Management. 59.4: 247-263.

Clark,W.A. 1965. Markov chain analysis in geography: an application to the movement of rental housing areas. Annals of the Association of American Geographers. 55.2: 351-359.

Dams,J., Woldeamlak,S.T., Batelaan,O. 2008. Predicting land-use change and its impact on the ground water system of  the Kleine Nete catchment, Belgium. Hydrology and Earth System Sciences. 12.6: 1369-1385.

Gao,p., Mu,X.M., Wang,F., Li,R. 2011. Changes in streamflow and sediment discharge and the response to the human activities in the middle reaches of the Yellow River. Hydrology and Earth System Sciences. 15: 1-10.

Kaimowitz,D., Angelsen,A. 1998. Economic models of tropical deforestation: a review. Cifor.

McColl,C., Aggett,G. 2007. Land-use forecasting and hydrologic model integration for improved land-use decision support. Journal of environmental management. 84.4: 494-512.

Memarian,H., Balasundram,S.K., Abbaspour,K.C., Talib,J.B., Boon Sung,C.T., Sood,A.M. 2014. SWAT-based hydrological modelling of tropical land-use scenarios. Hydrological Sciences Journal. 59.10: 1808-1829.

Mitsova,D., Shuster,W., Wang,X. 2011. A cellular automata model of land cover change to integrate urban growth with open space conservation.Landscape and Urban Planning. 99.2: 141-153.

Mosadeghi,R., Warnken,J., Tomlinson,R., Mirfenderesk,H. 2013. Uncertainty analysis in the application of multi-criteria decision-making methods in Australian strategic environmental decisions. Journal of Environmental Planning and Management. 56.8: 1097-1124.

Olmedo,M.T.C., Pontius,R.G., Paegelow,M., Mas,J.F. 2015. Comparison of simulation models in terms of quantity and allocation of land change. Environmental Modelling and Software. 69:214-221.

Ott,B., Uhlenbrook,S. 2004. Quantifying the impact of land-use changes at the event and seasonal time scale using a process-orientated catchment model. Hydrology and Earth System Sciences. 8:62–78.

Paladino,L., Pontius Jr,R.G. 2004. Accuracy assessment and uncertainty in baseline projections for land-use change forestry projects. In Proceedings of the joint meeting of The 6th International Symposium On Spatial Accuracy Assessment In Natural Resources and Environmental Sciences and The 15th Annual Conference of The International Environmetrics Society.

Pannu,N.S., Read,R.J. 1996. Improved structure refinement through maximum likelihood. Acta Crystallographica Section A: Foundations of Crystallography. 52.5: 659-668.

Pettitt,A.N. 1979. A Non-parametric Approch to the Change-point Problem. Journal of Applied Statistical Science. 28: 126-135.

Pontius Jr,R.G., Agrawal,A., Huffaker,D. 2003.  Estimating the uncertainty of land-cover extrapolations while constructing a raster map from tabular data. Journal of Geographical Systems. 5.3: 253-273.

Sisson,S.A., Fan,Y., Tanaka,M.M. 2007. Sequential monte carlo without likelihoods. Proceedings of the National Academy of Sciences. 104.6: 1760-1765.

Stephenne,N., Lambin,E.F. 2001. A dynamic simulation model of land-use changes in Sudano-sahelian countries of Africa (SALU). Agriculture, ecosystems and environment. 85.1: 145-161.

White,R., Engelen,G., Uljee,I. 1997. The use of constrained cellular automata for high-resolution modelling of urban land-use dynamics.Environment and planning B. 24: 323-344.

Wrbka,T., Erb,K.H., Schulz,N.B., Peterseil,J., Hahn,C., Haberl,H. 2004. Linking pattern and process in cultural landscapes. An empirical study based on spatially explicit indicators. Land use policy. 21.3: 289-306.

Wu,Q., Li,H.Q., Wang,R.S., Paulussen,J., He,Y., Wang,M., Wang,Z. 2006. Monitoring and predicting land use change in Beijing using remote sensing and GIS. Landscape and urban planning. 78.4: 322-333.