بررسی تغییرات اخیر کاربری اراضی باغستان سنتی قزوین با استفاده از سنجنده MSI

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران

چکیده

باغستان سنتی اطراف شهر قزوین به عنوان یک میراث فرهنگی و اجتماعی، نقش بسزایی در پایداری محیط زیستی و اقتصادی شهر دارد.  تغییر کاربری و کاهش سطح باغستان در اطراف شهر می ‏تواند توازن انرژی و آبی را که بین محدوده‏ های شهری و غیرشهری وجود دارد، بهم ‏زند. از طرفی باغستان به عنوان مخازن تغذیه مصنوعی آبخوان دشت قزوین محسوب شده و به حفظ پایداری سطح آب‏ زیرزمینی کمک می‏ کند. با توجه به اهمیت زیاد اکوسیستم باغستان برای شهر قزوین، لازم است روند تغییرات کاربری و مساحت آن مورد بررسی قرار گیرد. در این پژوهش مساحت باغستان به کمک روش طبقه‏ بندی نظارت شده جنگل تصادفی و با استفاده از تصاویر سنجنده‏ MSI برآورد شد. سپس روند تغییرات سطح باغستان طی سال‏های اخیر (2016 تا 2022 میلادی) مقایسه شد. همچنین نتایج سری زمانی تصاویر در دسترس برای دو سناریوی مختلف بررسی شد. در سناریوی اول مساحت کل باغستان بدون در نظر گرفتن تراکم درختان برآورد شد و در سناریوی دوم مساحت فعال باغستان با حذف بخش‌هایی که تراکم درختان کمی داشتند، بررسی شد. میانگین سطح کل و سطح فعال باغستان به ‏ترتیب 2613 و 2203 هکتار بدست آمد. نتایج نشان داد حدود 15.7 درصد از باغستان که معادل 410 هکتار می‏ باشد، یا فاقد درخت است و یا تراکم درخت بسیار کمی دارد. این گستره از باغستان یا تغییر کاربری داشته است و یا بیشترین تهدید در مقابل تغییر کاربری را دارد و لازم است برای حفظ تعادل محیط‏ زیستی منطقه، مورد توجه بیشتری قرار گیرد. 

کلیدواژه‌ها

موضوعات


Asghari Saraskanrood, S., & Sharifi Tolaroud, H. (2023). Remote Sensing Used to Detect Changes in Land Use and Forest Cover (A  Case  Study  of  Astara  City).  Land  Management  Journal, 11(2),  195- 208. doi: 10.22092/lmj.
2023.362257.332. (inPersian).
Ayenew, T. (2003). Evapotranspiration estimation using thematic mapper spectral satellite data in the Ethiopian rift and adjacent highlands. Journal of hydrology, 279(1-4), 83-93.‏
Bakr, N.; Weindorf, D.C.; Bahnassy, M.H.; Marei, S.M. & El-Badawi, M.M., (2010). Monitoring land cover changes in a newly reclaimed area of Egypt using multi-temporal Landsat data. Applied Geography, 30: 592-605.
Biau, G., & Scornet, E. (2016). A random forest guided tour. Test, 25, 197-227.
‏Cohrs, C. W., Cook, R. L., Gray, J. M., & Albaugh, T. J. (2020). Sentinel-2 leaf area index estimation for pine plantations in the southeastern United States. Remote Sensing, 12(9), 1406.‏
Dubath, P., Rimoldini, L., Süveges, M., Blomme, J., López, M., Sarro, L. M. & Eyer, L. (2011). Random forest automated supervised classification of Hipparcos periodic variable stars. Monthly Notices of the Royal Astronomical Society, 414(3), 2602-2617.‏
Papadavid, G., Neocleous, D., Kountios, G., Markou, M., Michailidis, A., Ragkos, A., & Hadjimitsis, D. (2017). Using SEBAL to investigate how variations in climate impact on crop evapotranspiration. Journal of Imaging, 3(3), 30.‏
Hashemi, S. A., FATEMI, T. S., KAVOUSI, K. H., & MADANIPOUR, K. M. (2016). Change detection in the forest cover of Siyahmezgi watershed of Guilan using LandSat images.‏Journal of RS and GIS for Natural Resources, 7(3): 78-88. (in Persian)
Huete, A. R., Liu, H. Q., Batchily, K. V., & Van Leeuwen, W. J. D. A. (1997). A comparison of vegetation indices over a global set of TM images for EOS-MODIS. Remote sensing of environment, 59(3), 440-451.‏
Huete, A. R. (1988). A soil-adjusted vegetation index (SAVI). Remote sensing of environment25(3), 295-309.‏
Khedmatzadeh, A., mousavi, M., Mohamadi Torkamani, H., & Mohammadi, M. S. (2021). An Analysis of Land Use Changes and Thermal Island Formation in Urmia City exclusion Using Remote Sensing. Regional Planning, 11(41), 119-134. doi: 10.30495/jzpm.2021.3965. (inPersian)
Maghsoudi, M., Ganjaeian, H., & Hoseini, S. (2018). Evaluating the Effectiveness of Supervised and Unsupervised Classification Methods in Monitoring Regs (Case Study: Jazmourian Reg). Journal of Arid Regions Geographic Studies9(32), 81-92. (inPersian)
Mendoza, M. E., Granados, E. L., Geneletti, D., Pérez-Salicrup, D. R., & Salinas, V. (2011). Analysing land cover and land use change processes at watershed level: a multitemporal study in the Lake Cuitzeo Watershed, Mexico (1975–2003). Applied Geography, 31(1), 237-250.‏
Nath, B., & Acharjee, S. (2013). Forest cover change detection using normalized difference vegetation index (NDVI): a study of Reingkhyongkine lake’s adjoining areas, Rangamati, Bangladesh. Indian Cartogr, 33(2), 348-403.‏
Phiri, D., Simwanda, M., Salekin, S., Nyirenda, V. R., Murayama, Y., & Ranagalage, M. (2020). Sentinel-2 data for land cover/use mapping: A review. Remote Sensing, 12(14), 2291.‏ https://doi.org/10.3390/rs12142291
Rosenzweig, C., Solecki, W., & Slosberg, R. (2006). Mitigating New York City’s heat island with urban forestry, living roofs, and light surfaces. A report to the New York State Energy Research and Development Authority, 1-5.‏
Shahbazi, M., Kermanshahani, S., Ahmadi, H., Jamshidi, M., Kakvand, P., & Rezaei, H. (2020). Indigenous knowledge of flood management and floodwater spreading in Qazvin traditional garden; deserves a new look at conservation and restoration. Iranian Journal of Rainwater Catchment Systems, 8(1), 1-12.‏ (inPersian)
Soltani, M. (2024). Estimating maize canopy cover percent by means of image processing algorithms. Water and Irrigation Management, 14(1), 111-122. doi: 10.22059/jwim.2023.364331.1098. (inPersian)
Sun, Z., Wei, B., Su, W., Shen, W., Wang, C., You, D., & Liu, Z. (2011). Evapotranspiration estimation based on the SEBAL model in the Nansi Lake Wetland of China. Mathematical and Computer Modelling, 54(3-4), 1086-1092.‏
Tempfli, K., Huurneman, G. C., Bakker, W. H., Janssen, L. L. F., Feringa, W. F., Gieske, A. S. M., Grabmaier, K. A., Hecker, C. A., Horn, J. A., Kerle, N., van der Meer, F. D., Parodi, G. N., Pohl, C., Reeves, C. V., van Ruitenbeek, F. J. A., Schetselaar, E. M., Weir, M. J. C., Westinga, E., & Woldai, T. (2009). Principles of remote sensing: an introductory textbook. (ITC Educational Textbook Series; Vol. 2). International Institute for Geo-Information Science and Earth Observation.
Timmermans, W. J., Kustas, W. P., Anderson, M. C., & French, A. N. (2007). An intercomparison of the surface energy balance algorithm for land (SEBAL) and the two-source energy balance (TSEB) modeling schemes. Remote Sensing of Environment, 108(4), 369-384.‏
Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote sensing of Environment, 8(2), 127-150.‏
Uossef Gomrokchi, A., Akbari, M., & Yunesi, M. (2019). Estimation of biological water rights of traditional orchards in Qazvin using remote sensing capabilities. Journal of Environmental Studies, 45(2), 237-252.‏ doi: 10.22059/jes.2019.275208.1007816. (inPersian)