تحلیل فضایی فرونشست دشت جیرفت با استفاده از تکنیک پیکسل‌های کوهرنس (CPT)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار گروه جغرافیا و برنامه ریزی شهری، دانشکده ادبیات و علوم انسانی، دانشگاه شهید باهنر کرمان، کرمان، ایران

2 دانشیار گروه جغرافیا و برنامه‌ریزی شهری، دانشگاه شهید باهنرکرمان، کرمان، ایران

3 دانشجوی کارشناسی ارشد مخاطرات محیطی، دانشگاه شهید باهنرکرمان، کرمان، ایران

چکیده

پدیدۀ فرونشست سطح زمین یکی از مهم‌ترین مخاطرات محیطی است که امروزه بسیاری از دشت‌های کشور را تحت‌تأثیر قرار داده است. دشت جیرفت واقع در استان کرمان نیز یکی از مناطقی است که آثار فرونشست در آن مشهود است. در این پژوهش سعی شده است، ضمن تحلیل فضایی فرونشست دشت جیرفت و تعیین میزان و روند گسترش آن طی یک دورۀ زمانی، عوامل مؤثر در این پدیده کنکاش شود. بدین منظور از تصاویر راداری سنتینل 1 مربوط به سال‌های 2014 تا 2022 استفاده شد. برای تهیۀ نقشۀ مناطق درگیر و تعیین نرخ فرونشست از تکنیک پیکسل‌های کوهرنس استفاده شد. نتایج حاصل از این روش نشان‌دهندۀ آن است که نرخ فرونشست در دشت جیرفت به‌طور فزاینده‌ای در حال افزایش است. به‌طوری که از 11 سانتی‌متر در سال 2014 به 13 سانتی‌متر در سال 2022 رسیده است. علاوه بر آن طی این مدت بر وسعت این مناطق افزوده شده و روند گسترش به‌سمت مناطق شمالی دشت در حرکت است. به‌منظور تحلیل عوامل مسبب این پدیده، علاوه بر بررسی تغییرات سطح آب‌های زیرزمینی دشت و ارتباط آن با فرونشست، نقش گسل‌ها و همچنین ضخامت خاک در ایجاد یا تشدید این پدیده بررسی شد. نتایج حاصل نشان‌دهندۀ آن است که علاوه بر برداشت بی‌رویه از آبخوان، فرونشست دشت جیرفت تحت‌تأثیر گسل سبزواران نیز قرار دارد و شدت فرونشست در مناطق با ضخامت خاک بیشتر، بالاتر است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Spatial Analysis of Jiroft Plain Subsidence Using the Coherence Pixel Technique (CPT)

نویسندگان [English]

  • Ali Mehrabi 1
  • Sadegh Karimi 2
  • Mehran Khalesi 3
1 Associate Professor, Department of Geography and Urban Planning, Shahid Bahonar University of Kerman, Kerman, Iran
2 Associate Professor, Department of Geography and Urban Planning, Shahid Bahonar University of Kerman, Kerman, Iran
3 M.Sc. Student of Environmental Hazards, Department of Geography and Urban Planning, Shahid Bahonar University of Kerman, Kerman, Iran
چکیده [English]

 
Abstract
The phenomenon of land subsidence is one of the most important environmental hazards that have affected many plains of the country today. Jiroft Plain located in Kerman Province is also one of the areas where subsidence effects are evident. In this research, besides analyzing the spatial subsidence of Jiroft Plain and determining the extent and trend of its spread over a period of time, the effective factors in this phenomenon were investigated. For this purpose, the Sentinel-1 radar images related to the years of 2014-2022 were used. The Coherence Pixel Technique (CPT) was utilized to map the affected areas and determine the subsidence rate. The results of this method showed that the subsidence rate in Jiroft Plain had increased from 11 cm in 2014 to 13 cm in 2022. In addition, its area had increased during this period and the expansion trend had moved towards the northern areas of the plain. To analyze the causative factors of this phenomenon, in addition to studying the changes in the groundwater level of the plain and its relationship with subsidence, the roles of faults and soil thickness in creating or intensifying this phenomenon were investigated. The results showed that in addition to the uncontrolled abstraction from the aquifer, the subsidence of Jiroft Plain was affected by Sabzevaran Fault, while subsidence intensity was higher in the areas with higher soil thickness.
Keywords: subsidence, groundwater, fault, spatial relationship, Jiroft Plain
 
Introduction
The phenomenon of subsidence is one of the growing and fundamental problems in most human societies, which often occurs as a result of human activities. Improper use of water in agricultural and industrial sectors due to the increasing population growth has led to adverse quantitative and qualitative effects on water resources. Understanding the spatial extent and measuring the amount of subsidence as accurately as possible can be considered as the first step in studying this phenomenon. Therefore, by recognizing the spatial characteristics and temporal behavior of this phenomenon, it is possible to present and develop a regional model of it as well as practical and basic solutions to reduce the damage associated with it and prevent its future trends. The use of radar interferometry method in recent years as an efficient tool for monitoring displacements caused by various phenomena, such as volcanoes, subsidence, earthquakes, and landslides, etc., has been considered by earth scientists. The advantages of this method compared to the previous one include the possibility of calculating displacements with centimeter-level accuracy, providing continuous and extensive spatial coverage, and having the ability to operate it in any weather conditions. So far, various studies have qualitatively identified the relationship between groundwater level declines and occurrence of subsidence. However, few studies have tested this relationship quantitatively. Jiroft Plain has been facing a serious drought crisis and declining groundwater levels in recent years. In fact, changes in the agricultural pattern, reduced rainfall, and occurrence of continuous droughts have led to unplanned and unprincipled use of groundwater resources and decline of groundwater levels in the catchment area of Jiroft Plain and have provided conditions for the occurrence and expansion of land subsidence. Therefore, subsidence monitoring has been proposed as an efficient method for identifying and displaying the regional situations in terms of the risk of land subsidence by planners and managers and made it possible to plan and implement appropriate prevention programs. Therefore, the purpose of this paper was spatial analysis of Jiroft Plain subsidence and evaluation of the effects of uncontrolled groundwater abstraction on land subsidence and fault development. To this end, 73 Sentinel-1 images related to the period of 2014-2021 were processed by using the CPT technique. The darkest areas were related to agricultural areas, which had the least amounts of coherence since their vegetations had not remained constant over time and caused a temporal correlation in the interfering phase.
 
Methodology
The first step in the CPT processing was production of differential interferometers. Initially, the images were referenced in pairs and the interferometers were selected from the items that had spatial and temporal baselines of less than 100 and 365 m, respectively. Based on this, 72 mapping overlays were generated. Along with the various interferences, the related coherence maps were generated. Coherence is a good estimator of phase quality and is used in the pixel selection phase. Coherence values range from 0 that shows a completely uncorrelated phase or pure noise to 1 that indicates a coherent or noise-free phase. In the second step, differential interferometers were processed to obtain the deformation time series, which included linear and nonlinear components and DEM error. Not all image pixels are suitable for processing due to lacking correlation. Among the various pixel selection criteria, a coherence-based criterion was used. Therefore, all the pixels that had a mean coherence value of less than 0.6 were discarded. Figure 3 shows the coherence map created by the CPT for Jiroft Plain where the brightest areas showed the most coherent areas, which corresponded to barren lands, mountainous lands and highlands, and residential areas because they showed very little change over time.
 
Discussion
Figure 4 shows the magnitude of the shifts that occurred along the satellite's line of sight as a result of Sentinel-1 data processing from April 12, 2014 to September 21, 2021. The total number of pixels calculated from the Sentinel-1 data set by the CPT technique reached 2571. The calculations revealed a high deformation rate with a maximum speed of up to -13 cm per year for satellite visibility in the central and southern parts of Jiroft Plain from 2014 to 2021. The positive values indicated that the surface was rising. Most of these values were located in the mountains around the plain. Motion may be related to tectonic factors and the isostatic process. In contrast, the negative values indicated subsidence, which was mainly concentrated in the central and southern parts of the plain. As can be seen in Figure 4, the displacements in the direction of satellite view of the points varied from +3 to -13 mm. In addition, the results showed the increasing trend of subsidence over time in Jiroft Plain. From 2014 to 2022, the area affected by subsidence had increased from 530 km2 in 2014 to 580 km2 in 2022, showing an expansion from the southern to the northern areas of the plain. In addition to the extent of the subsidence rate, it had increased from 11 cm in 2014 to 13 cm in 2022.
 
Conclusion
In this study, the subsidence phenomenon of Jiroft Plain was investigated and its relationship with various factors was analyzed. The displacements that had occurred and were then obtained from the CPT technique indicated that the study area had undergone progressive subsidence. The subsidence rate in the southern and southeastern parts of the plain had increased from 11 ear to 13 cm per year over an 8-year period. In addition, during this period, the area affected by this phenomenon had increased from 530 to 580 km2 and had been drawn to the northern parts of the plain over time. Investigation of groundwater level changes in Jiroft Plain and its compliance with the subsidence areas showed that improper abstraction from the aquifer had been an important and key factor in creating this phenomenon. In addition, it is worth noting that the areas with the highest subsidence rate corresponded to the areas with the highest soil thickness. Thus, their impacts on the subsidence were investigated due to the enclosure of Jiroft Plain by faults. The results of this study showed that Sabzevaran Fault had controlled subsidence and affected this phenomenon. Finally, the subsidence of Jiroft Plain could be considered as a result of two factors, one was the uncontrolled abstraction of groundwater and the other one was the activity of faults, which could affect each other. This issue had intensified the subsidence phenomenon.

کلیدواژه‌ها [English]

  • subsidence
  • groundwater
  • fault
  • spatial relationship
  • Jiroft Plain

مقدمه

پدیدۀ فرونشست یکی از مشکلات روزافزون و اساسی در بیشتر جوامع انسانی است که اغلب در اثر فعالیت‌های بشر رخ می‌دهد. فرونشست نشان‌دهندۀ فرورفتگی سطح زمین براثر فعالیت‌های انسانی نظیر برداشت بی‌رویه از آب‌های زیرزمینی و معدنکاری و عوامل گوناگون طبیعی مانند تکتونیک، تحکیم خاک و فرایند انحلال است. استفادۀ بی‌رویه از آب در مصارف کشاورزی و صنعتی درنتیجۀ رشد روزافزون جمعیت به ایجاد اثرات نامطلوب کمی و کیفی در منابع آب منجر شده است. علاوه بر این، افزایش استفاده از آب‌هاى زیرزمینى به‌ویژه در حوضه‌هایى که با نهشته‌هاى آبرفتى، دریاچه‌اى تحکیم نیافته یا دریایى کم عمق انباشته گشته‌اند، باعث ایجاد فرونشست می‌شود. بهره‌برداری بیش‌ازحد از آب زیرزمینی در بسیاری از دشت‌های ایران، به رخداد فرونشست در آنها منجر شده است (یاراحمدی، 1395؛ Jafari et al., 2016, p. 833). برای چندین دهه، آب‌های زیرزمینی به‌طور گسترده در سفره‌های زیرزمینی برای اهداف خانگی، کشاورزی و صنعتی بهره‌برداری شده‌اند. این امر نیاز به تغذیۀ مصنوعی بعدی برای متعادل‌کردن کاهش آب زیرزمینی و کنترل فرونشست زمین دارد (Aggarwal et al., 2022, p. 178). بهره‌برداری طولانی‌‌مدت از آب‌های زیرزمینی و تغذیه مجدد در سفره‌های زیرزمینی محدود، فشار پیزومتریک و منفذی را در سفره‌های زیرزمینی تغییر می‌دهد. طبق اصل تنش مؤثر، سیستم‌های آبخوان به دلیل این تغییرات متراکم و به فرونشست زمین منجر می‌شوند (Castellazzi et al., 2016, p. 103; Hu et al., 2019 )؛ بنابراین درک فرونشست زمین، فرایند تراکم ناشی از بهره‌برداری و تغذیۀ آب‌های زیرزمینی ضروری است. استحصال یا تغذیۀ مجدد آب‌های زیرزمینی به‌ترتیب باعث فرونشست یا بالا‌آمدن زمین می‌شود و این امر آسیب چشمگیری به ساختمان‌ها، زیرساخت‌ها و ظرفیت ذخیرۀ آب سفره‌ها وارد می‎کند (Hu et al., 2019)

شناخت گسترۀ فضایی و اندازه‌گیری هرچه دقیق‌تر میزان فرونشست، اولین گام در جهت مطالعۀ این پدیده دانسته می‌شود؛ بنابراین با شناخت مشخصات مکانی و رفتار زمانی این پدیده، مدل منطقه‌ای آن ارائه و توسعه داده و از این طریق راهکارهایی عملی و اساسی در راستای کاهش خسارات مرتبط با آن و جلوگیری از روند آتی اتخاذ می‌شود. برای محاسبۀ فرونشست زمین روش‌های مختلف غیر ژئودیتیکی و ژئودیتیکی وجود دارند. استفاده ازGPS ، توتال استیشن و لیزر اسکنر ازجمله روش‌های ژئودیتکی محسوب می‌شوند. با وجود اینکه این روش‌ها، اندازه‌گیری‌های دقیق و پیوسته‌ای را باعث می‌شوند، هیچ‌کدام قابلیت تعیین وسعت و الگوی فضایی پدیدۀ فرونشست را ندارند (Liu et al., 2021, p. 17). از طرف دیگر، اغلب انجام‌دادن هرکدام از این روش‌ها به‌ویژه برای مناطق وسیع بسیار پرهزینه و زمان‌بر خواهد بود؛ درنتیجه وجود چنین محدودیت‌هایی همواره از چالش‌های اساسی استفاده از این روش‌ها محسوب می‌شود. با ظهور سنجنده‌های راداری در دهۀ 1990 و توسعۀ سریع آن، افقی بسیار امیدوارکننده و تازه پیش روی محققان علوم زمین قرار گرفت (یاراحمدی، 1395). استفاده از روش اینترفرومتری راداری در سال‌های اخیر به‌عنوان ابزاری کارآمد برای پایش جابجایی‌های ناشی از پدیده‌های مختلفی نظیر آتشفشان، فرونشست، زلزله و زمین لغزش و غیره موردتوجه محققان علوم زمین قرار گرفته است (Liu et al., 2021, p. 17; Ghazifard et al., 2017, p. 778). از مزایای این روش در مقایسه با روش پیشین، به امکان محاسبۀ جابجایی‌ها با دقت سانتی‌متر و پایین‌تر، پوشش مکانی پیوسته و وسیع و قابلیت فعالیت در هر شرایط آب‌و‌هوایی اشاره می‌شود.

تاکنون پژوهش‌های مختلفی، به‌صورت کیفی، ارتباط بین افت سطح آب زیرزمینی و وقوع پدیدۀ فرونشست را مشخص کرده‌اند (شریفی ‌کیا، 1391، ص. 34؛ صالحی و همکاران، 1392، ص. 47؛ شفیعی و همکاران، 1400، ص. 159؛  Liu et al., 2017; Masoumi et al., 2022, p. 17)؛ اما مطالعات کمی این ارتباط را به‌صورت کمّی آزمایش کرده‌اند. بهنیافر و همکاران (1389، ص. 131) عوامل مؤثر بر فرونشست دشت مشهد و پیامدهای ژئومورفیک آن را بررسی کردند. براساس نتایج این پژوهش، اگرچه گروهی از عوامل در ایجاد این پدیده مؤثر بوده‌اند، مهم‌ترین آنها به‌خصوص در دشت مشهد، برداشت بی‌رویه از سفرۀ آب زیرزمینی و نفوذنکردن آب برگشتی شرب، صنعت و کشاورزی به این دشت بوده است. شریفی کیا (1391، ص. 34) با استفاده از تصاویر راداری، فرونشست زمین را در دشت نوق-بهرمان در استان کرمان بررسی کردند. نتایج نشان‌دهندۀ آن بود که این منطقه سالانه به‌طور متوسط 30 سانتی‌متر فرونشست دارد. رکنی و همکاران (1395، ص. 65) پژوهشی با عنوان بررسی فرونشست زمین، چشم‌اندازها و تحولات ژئومورفولوژی ناشی از آن در دشت‌های تراکمی مطالعۀ موردی: دشت نیشابور انجام دادند. در این پژوهش با توجه به افت سطح آب‌های زیرزمینی که حاصل آن نشست زمین و ایجاد شکاف در بخش‌های مختلف این دشت بوده، تغییرات ژئومورفولوژیکی دشت و شکاف‌ها و ترک‌های حاصل از فرونشست زمین بررسی شده است. رنجبر و جعفری (1388، ص. 23) با بررسی عوامل مؤثر در فرونشست زمین دشت اشتهارد به این نتیجه رسیدند که برداشت بی‌رویه از منابع آب زیرزمینی و وجود سازندهای تبخیری در این منطقه از مؤثرترین عوامل فرونشست زمین است. محمدخان و همکاران (1398) تأثیر افت آب‌های زیرزمینی را بر میزان فرونشست با استفاده از تصاویر راداری سنتینل- 1 محدودۀ دشت قروه ارزیابی کردند. نتایج حاصل از بررسی وضعیت آب‌های زیرزمینی دشت قروه نشان‌دهندۀ افزایش میزان بهره‌برداری از منابع آب زیرزمینی و درنتیجه افت سطح آب در این دشت است که بیشترین میزان افت سطح آب در مناطق شرقی دشت قروه صورت گرفته است. نظم فر و شیرزادگرجان (1401) دشت مشگین استان اردبیل را مورد پایش فرونشست قرار داده‌اند. نتایج حاصل نشان‌دهندۀ آن است که دلیل اصلی فرونشست دشت، برداشت بی‌رویه از منابع آب زیرزمینی بوده است و بیشینۀ نرخ فرونشست به 35 سانتی‌متر در سال نیز می‌رسد.

ماتئوس و همکاران، فرونشست زمین را در محدودۀ وگا گرانادا، اسپانیا با استفاده از داده‌های راداری سنتینل-1 بین سال‌های 2015 تا 2016 مورد پایش قرار داده‌اند. نتایج تحقیق نشان‌دهندۀ آن است که بیشترین میزان فرونشست زمین مربوط به یک دورۀ طولانی و خشک در منطقه بوده است(Mateos et al., 2017) . وانگ و همکاران، مقدار فرونشست زمین را در منطقه گوانگژو چین 8 میلی‌متر در سال برآورد کرده‌اند که ارتباط مستقیم با برداشت بی‌رویۀ آب‌های زیرزمینی دارد(Wang et al., 2017). ﻣﻘﺼﻮدی و همکاران، در دو بازه‌ی زﻣﺎﻧﯽ 2007 ﺗﺎ 2009 و 2015 ﺗﺎ 2016 نرخ ﻓﺮوﻧﺸﺴﺖ منطقۀ ﺟﺎوا را در اﻧﺪوﻧﺰی طبق داده‌های سنتینل-1 6/4 میلی‌متر در سال گزارش کرده است(Maghsoudi et al., 2018) . جینی و همکاران وجود ارتباط را بین برداشت بی‌رویۀ منابع آب و فرونشست زمین در درۀ سان جویکین کالیفرنیا بررسی و تأیید می‌کنند(Jeanne et al., 2019) . سیان و همکاران، با استفاده از تداخل سنجی پراکندگی دائمی و تصاویر سنتینل -1، تصاویر(COSMO-SkyMed) و تصاویر (TerraSAR-X)، فرونشست زمین را در مناطق ساحلی آفریقا بررسی کردند(Cian et al., 2019) . فیاسچی و همکاران جابجایی زمین را با استفاده از روش پیکسل‌های کوهرنس و روش پراکنش‌کننده‌های دائمی، در مناطق معتدل اقیانوسی جمهوری ایرلند مطالعه کردند(Fiaschi et al., 2019) . پولیشیک فیلیپاک و بورکوفسکی، بیشترین فرونشست تجمعی ناشی از استخراج معدن را در یکی از معادن قدیمی کشور لهستان با استفاده از ترکیب دو روش تداخل سنجی تفاضلی (DinSAR) و پراکنشگرهای پایدار (PSI) بررسی کردند. براساس نتیجۀ به‌دست‌آمده بیشترین نشست عمودی زمین به‌طور تجمعی در منطقۀ موردمطالعه 1 متر به‌طور سالانه بوده است (Pawluszek-Filipiak & Borkowski, 2021). ال کمالی و همکاران، تحلیل فضایی فرونشست زمین را در منطقۀ ریماه، امارات متحدۀ عربی بررسی کردند. نتایج این تحقیق نشان‌دهندۀ آن است که سرعت فرونشست در این محدوده 40 میلی‌متر در سال است که به علت افت 12 متری سطح آب‌های زیرزمینی رخ داده است(El Kamali et al., 2021) .

پژوهش‌های نامبرده اغلب مسئلۀ فرونشست را تنها از یک منظر و آن هم برداشت بی‌رویۀ منابع آبی بررسی کرده‌اند؛ در حالی که پژوهش حاضر درصدد است تا عوامل مختلف و متفاوت مؤثر را در امر فرونشست تحلیل و ارتباط احتمالی این عوامل را بررسی کند؛ همچنین استفاده از تکنیک پیکسل‌های کوهرنس در راستای هدف مدنظر یکی دیگر از وجوه متمایز این پژوهش را تشکیل می‌دهد.

ضرورت انجام این پژوهش این‌گونه بیان می‌شود که در دورۀ بیست‌سالۀ اخیر، وقوع فرونشست و همچنین فروچاله‌ها به‌عنوان یکی از نگرانی‌های جدی در دشت جیرفت مطرح شده است (ندیری و همکاران، 1395، ص. 115). دشت جیرفت طی سالیان اخیر به‌طور جدی با بحران خشک‌سالی و کاهش سطح آب زیرزمینی مواجه بوده است (رضایی و همکاران، 1394، ص. 116). به‌علاوه، به نظر می‌رسد که در آینده نیز با توجه به تغییرات اقلیمی و با فرض ادامه‌یافتن شرایط موجود در بهره‌برداری از منابع آبی، کاهش سطح آّب‌های زیرزمینی در این منطقه به‌طور چشمگیری ادامه خواهد یافت (شادفر و همکاران، 1394، ص. 101). درواقع تغییرات الگوی کشاورزی، کاهش بارندگی و بروز خشک‌سالی‌های پیوسته به استفادۀ بدون برنامه و غیراصولی از منابع آب زیرزمینی و افت سطح آب‌های زیرزمینی در حوزۀ آبریز دشت جیرفت منجر شده و شرایط را برای وقوع و گسترش فرونشست زمین فراهم آورده است؛ بنابراین بررسی و پایش فرونشست به‌عنوان روشی کارآمد در شناسایی و نمایش وضعیت منطقه ازنظر خطر وقوع فرونشست زمین برای برنامه‌ریزان و مدیران مطرح شده است و امکان طرح‌ریزی و اجرای برنامه‌های پیشگیری مناسب را میسر می‌کند؛ درنتیجه هدف این پژوهش، تحلیل فضایی فرونشست دشت جیرفت و ارزیابی اثرات برداشت بی‌رویۀ آب زیرزمینی بر فرونشست زمین و توسعۀ گسل‌هاست. در راستای اینهدف، 73تصویرسنتینل 1 مربوط به دورۀ زمانی سال‌های 2014-2021 با استفاده از تکنیکCPTپردازش شد.

محدودۀ موردمطالعه

دشت جیرفت با مساحت 4943 کیلومترمربع میان طول‌های جغرافیایی 57 درجه و 20 دقیقه تا 58 درجه و 17 دقیقۀ شرقی و عرض‌های جغرافیایی 28 درجه و 11 دقیقه تا 29 درجۀ شمالی در جنوب ایران و در استان کرمان قرار دارد. ارتفاع دشت جیرفت از سطح دریا 550 تا 800 متر متغیر است. این منطقه ازنظر آب‌و‌هوایی جزو مناطق نیمه خشک به شمار می‌آید و متوسط بارندگی سالانۀ آن در یک دورۀ درازمدت چهل‌ساله 170 میلی‌متر است. سفرۀ آب‌های زیرزمینی دشت جیرفت بین دو لایۀ محکم از گل پوشیده شده است و سفره‌ای تحت فشار را تشکیل می‌دهد که منبع تأمین آب آنها به‌طور تقریبی از ارتفاعات جیرفت و کوه‌های رابر، بافت و جبالبارز است. دشت جیرفت با افت سالانۀ سطح آب زیرزمینی به میزان 1 متر و کسری حجم مخزن متوسط سالانه 25 میلیون متر مکعب از سال 1383 توسط وزارت نیرو در اجرای مقررات مربوطه جزء دشت‌های ممنوعه اعلام شده و به دلیل تداوم روند افت و بهبودنیافتن سطح آب زیرزمینی جزء دشت‌های بحرانی است (شرکت سهامی آب و منطقه‌ای شهرستان جیرفت، 1400)

 

شکل (1) نقشۀ موقعیت منطقۀ موردمطالعه (منبع نگارندگان، 1401)

Figure (1) Location of the study area

 

روش‌شناسی پژوهش

داده‌های مورداستفاده

در این پژوهش از 73 تصویر سنجندۀ Sentinel 1، ماهوارۀ Soyuz سازمان فضایی اروپا با فرمت SLC از نوع مد IWS با پلاریزاسیون VV، مربوط به تاریخ‌های 12/04/2014 و 21/09/2021. این داده‌ها به تصاویر تک منظر تبدیل شده‌اند و اطلاعات آنها به هیچ عنوان مخدوش نشده است؛ همچنین مدل ارتفاع رقومی 30 متری SRTM برای منطقۀ موردمطالعه استفاده شد. جدول (1) نشان‌دهندۀ مشخصات داده‌های مورداستفاده در این پژوهش است. به‌منظور ارزیابی منابع آب زیرزمینی دشت تعداد 40 نمونه آب از چاه‌های منطقه موردمطالعه جمع‌آوری شد که موقعیت چاه‌های نمونه‌برداری در شکل (1) ارائه شده است.

جدول (1) مشخصات تصاویر سنتینل 1 مورداستفادۀ در تحقیق (منبع نگارندگان، 1401)

Table (1) The list of Sentinel 1 images used in the research

تعداد اینترفروگرام‌ها

تعداد تصاویر

محدودۀ زمانی

شماره گذر

نوع گذر ماهواره

72

73

12/04/ 2014 - 21/09/2021

488

نزولی

 

دشت جیرفت به لحاظ قرارگرفتن در زون ساختاری ایران مرکزی، به لحاظ تکتونیکی پهنه‌ای فعال است؛ درنتیجه گسل‌های فعال زیادی نیز در منطقه وجود دارد (رشیدی و همکاران، 1396). به‌منظور تعیین ارتباط بین فرونشست با گسل‌ها، نقشۀ گسل‌های محدودۀ موردمطالعه تهیه شد (شکل 2)؛ همان‌طور که در شکل (2) مشاهده می‌شود، سه گسل مهم سبزواران، جبال بارز و دلفارد محدودۀ موردمطالعه را تحت‌تأثیر قرار داده‌اند. برای آماده‌سازی و انجام تجزیه‌وتحلیل‌های نهایی از نرم‌افزار‌های SNAP،StaMPS  و ArcGIS 10.3 استفاده شد.

 

شکل (2) موقعیت گسل‌های منطقه (منبع نگارندگان، 1401)

            Figure (2) The location of region faults

بهنیافر، ابوالفضل، قنبرزاده، هادی، و اشراقی، علی (1389). بررسی عوامل مؤثر در فرونشست‌های دشت مشهد و پیامدهای ژئومورفیک آن. فصلنامۀ جغرافیایی چشم‌انداز زاگرس، 2(5)، 131-146. https://www.sid.ir/paper/175753/fa
رشیدی، احمد، خطیب، محمد مهدی، موسوی، سید مرتضی، و جمور، یحیی (1396). برآورد جنبایی گسل‌های فعال در جنوب و باختر بلوک لوت بر پایه گشتاورهای زمین‌شناختی، لرزه‌ای و ژئودتیک. فصلنامۀ علوم زمین، 26(104)، 222-211.  https://www.sid.ir/paper/32674/fa
رضایی، طاهر، بنفشه، علی، جلالی، محمد، عنصری، مهدی. ضرغامی، محمود، واصغری مقدم، احمد (1394). بررسی تأثیر اقلیم بر تراز آب زیرزمینی حوزۀ آبریز تسوج به روش ریزمقیاس نمایی آماری. تحقیقات منابع آب ایران، 11(2)، 106-97.  https://www.iwrr.ir/article_13792.html
رکنی، جعفر، حسین زاده، رضا، لشکری پور، غلامرضا، و ولایتی، سعدالله (1395). بررسی فرونشست زمین، چشم‌اندازها و تحولات ژیومورفولوژی ناشی ازآن در دشته‌ای تراکمی مطالعۀ موردی: دشت نیشابور. فصلنامۀ مطالعات جغرافیایی مناطق خشک، 7(24)، 21-38.  https://jargs.hsu.ac.ir/article_161414.html
رنجبر، محسن، و جعفری، نسرین (1388). بررسی عوامل مؤثر در فرونشست زمین دشت اشتهارد. جغرافیا (انجمن جغرافیایی ایران)، 6(19)، 155-166.  https://mag.iga.ir/article_253531.html
شادفر، صادق، نصیری، امیر، چیتگر، سعید، و احمدی، علی.(1394). پهنه‌بندی خطر فرونشست زمین با استفاده از روش تحلیل سلسله‌مراتبی، ناحیۀ موردمطالعه (شهر بوئینزهرا). جغرافیایی سرزمین، 12(48)، 101-116. https://www.sid.ir/paper/116305/fa
شرکت سهامی آب و منطقه ای شهرستان جیرفت (1400). فهرست دشت­های ممنوعه. https://www.krrw.ir
شریفی کیا، محمد (1391). تعیین میزان و دامنۀ فرونشست زمین به کمک روش تداخل سنجی راداری در دشت نوق- بهرمان. مجلۀ مدرس علوم انسانی- برنامه‌ریزی و آمایش فضا، 16(3)، 34-42. https://www.sid.ir/paper/171911/fa
شفیعی، نجمه، گلی مختاری، لیلا، امیراحمدی، ابوالقاسم، و زندی، رحمان (1400). تحلیل فضایی فرونشست زمین و افت آب زیرزمینی با استفاده از مدل GWR (مطالعه موردی: آبخوان نورآباد ممسنی). نشریۀ علمی جغرافیا و برنامه‌ریزی، 25(76)، 159-171.  https://doi.org/10.22034/gp.2021.11306
صالحی، رضا، غفوری، محمد، لشکری پور، غلامرضا، و دهقانی، مهدی (1392). بررسی فرونشست دشت مهیار جنوبی با استفاده از روش تداخل سنجی راداری. فصلنامۀ علمی پژوهشی مهندسی آبیاری و آب، 3(3)، 47-56. https://www.waterjournal.ir/article_70699.html
محمدخان، شیرین، گنجاییان، حمید، گروسی، لیلا، و زنگنه تبار، زهرا (1398). ارزیابی تأثیر افت آب‌های زیرزمینی بر میزان فرونشست با استفاده از تصاویر راداری سنتینل- 1؛ محدودۀ موردمطالعه: دشت قروه. سپهر، 28(112)، 229-209. https://doi.org/10.22131/sepehr.2020.38617
ندیری، عطاالله، واحدی، فاطمه، و اصغری مقدم، اصغر (1395). پیش‌بینی سطح آب زیرزمینی با استفاده از مدل منطق فازی مرکب نظارت‌شده (مطالعۀ موردی: دشت مشگین شهر). هیدروژئومورفولوژی، 3(6)، 115-134. https://hyd.tabrizu.ac.ir/article_4947.html
نظم‌فر، حسین، و شیرزادگرجان، منیر (1401). پایش فرونشست سطح زمین با تکنیک تداخل سنجی راداری (محدودۀ موردمطالعه: دشت مشگین). مخاطرات محیط طبیعی، 11(31)، 25-48. https://doi.org/10.22111/jneh.2022.35138.1687  
یاراحمدی، جمشید (1395). بررسی پدیدۀ فرونشست زمین در دشت‌های بحرانی استان آذربایجان شرقی به روش اینترفرومتری راداری. اولین همایش بین‌المللی مخاطرات طبیعی و بحران‌های زیست‌محیطی ایران، راهکارها و چالش‌ها، اردبیل.  https://civilica.com/doc/548978
References
Aggarwal, A., Srivastava, P. K., Gupta, D. K., & Chatterjee, R. S. (2022). Estimating regional land subsidence in Mehsana urban block, Gujarat: Effect of groundwater induced aquifer compaction. Materials Today: Proceedings, 48, 1217-1223. https://doi.org/10.1016/j.matpr.2021.08.254
Blanco-Sánchez, P., Mallorquí, J. J., Duque, S., & Monells, D. (2008). The Coherent Pixels Technique (CPT): An Advanced DInSAR Technique for Nonlinear Deformation Monitoring. Pure and Applied Geophysics, 6(165), 1167-1193. https://link.springer.com/chapter/10.1007/978-3-7643-8907-9_10
Behneyafar, A., Gh anbarzadi, H., & Eshrafi, A. (2010). A Study On Effestive Parameters In Subsidence Of Mashhad Weald And Its Geomorphic Issues. Geographical Journal Of Chashmandaz-E-Zagros, 2(5), 131-146. https://sid.ir/paper/175753/en [In Persian].
Castellazzi, P., Arroyo-Domínguez, N., Martel, R., Calderhead, A. I., Normand, J. C., Gárfias, J., & Rivera, A. (2016). Land subsidence in major cities of Central Mexico: Interpreting InSAR-derived land subsidence mapping with hydrogeological data. International journal of applied earth observation and geoinformation, 47, 102-111. https://doi.org/10.1016/j.jag.2015.12.002
Cian, F., Blasco, J. M. D., & Carrera, L. (2019). Sentinel-1 for monitoring land subsidence of coastal cities in Africa using PSInSAR: A methodology based on the integration of SNAP and staMPS. Geosciences, 9(3), 124-135. https://doi.org/10.3390/geosciences9030124
Duque, S., Mallorqui, J. J., Blanco, P., & Monells, D. (2007, April). Application of the coherent pixels technique (CPT) to urban monitoring. In 2007 Urban Remote Sensing Joint Event (pp. 1-7). IEEE. https://doi.org/10.1109/URS.2007.371880
El Kamali, M., Papoutsis, I., Loupasakis, C., Abuelgasim, A., Omari, K., & Kontoes, C. (2021). Monitoring of land surface subsidence using persistent scatterer interferometry techniques and ground truth data in arid and semi-arid regions, the case of Remah, UAE. Science of the Total Environment, 776, 145946. https://doi.org/10.1016/j.scitotenv.2021.145946
Fiaschi, S., Holohan, E. P., Sheehy, M., & Floris, M. (2019). PS-InSAR analysis of Sentinel-1 data for detecting ground motion in temperate oceanic climate zones: a case study in the Republic of Ireland. Remote Sensing, 11(3), 348-356. https://doi.org/10.3390/rs11030348
Ghazifard, A., Akbari, E., Shirani, K., & Safaei, H. (2017). Evaluating land subsidence by field survey and D-InSAR technique in Damaneh City, Iran. Journal of Arid Land, 9(5), 778-789. https://link.springer.com/article/10.1007/s40333-017-0104-5
Hu, L., Dai, K., Xing, C., Li, Z., Tomás, R., Clark, B., ... & Lu, Y. (2019). Land subsidence in Beijing and its relationship with geological faults revealed by Sentinel-1 InSAR observations. International Journal of Applied Earth Observation and Geoinformation, 82, 101886. https://doi.org/10.1016/j.jag.2019.05.019
Jafari, F., Javadi, S., Golmohammadi, G., Karimi, N., & Mohammadi, K. (2016). Numerical simulation of groundwater flow and aquifer-system compaction using simulation and InSAR technique: Saveh basin, Iran. Environmental Earth Sciences, 75, 1-10. https://link.springer.com/article/10.1007/s12665-016-5654-x
Jeanne, P., Farr, T. G., Rutqvist, J., & Vasco, D. W. (2019). Role of agricultural activity on land subsidence in the San Joaquin Valley, California. Journal of hydrology, 569, 462-469. https://doi.org/10.1016/j.jhydrol.2018.11.077
Liu, X., Wang, Y., & Yan, S. (2017). Ground deformation associated with exploitation of deep groundwater in Cangzhou City measured by multi-sensor synthetic aperture radar images. Environmental Earth Sciences, 76(6), 45-61. https://link.springer.com/article/10.1007/s12665-016-6311-0
Liu, Z., Mei, G., Sun, Y., & Xu, N. (2021). Investigating mining-induced surface subsidence and potential damages based on SBAS-InSAR monitoring and GIS techniques: A case study. Environmental Earth Sciences, 80(24), 817. https://link.springer.com/article/10.1007/s12665-021-09726-z
Mohammahkhan, S., Ganjaeian, H., Garosi, L., & Zanganetabar, Z. (2020). Assessing the impact of groundwater drop on the subsidence rate using the Sentinel-1 Radar images - Case study: Qorveh Plain. Scientific- Research Quarterly of Geographical Data (SEPEHR), 28(112), 219-229. https://doi.org/10.22131/sepehr.2020.38617 [In Persian].
Maghsoudi, Y., van der Meer, F., Hecker, C., Perissin, D., & Saepuloh, A. (2018). Using PS-InSAR to detect surface deformation in geothermal areas of West Java in Indonesia. International journal of applied earth observation and geoinformation, 64, 386-396. https://doi.org/10.1016/j.jag.2017.04.001
Masoumi, Z., Mousavi, Z., & Hajeb, Z. (2022). Long-term investigation of subsidence rate and its environmental effects using the InSAR technique and geospatial analyses. Geocarto International, 37(24), 7161-7185. https://doi.org/10.1080/10106049.2021.1964616
Mateos, R. M., Ezquerro, P., Luque-Espinar, J. A., Béjar-Pizarro, M., Notti, D., Azañón, J. M., ... & Jiménez, J. (2017). Multiband PSInSAR and long-period monitoring of land subsidence in a strategic detrital aquifer (Vega de Granada, SE Spain): An approach to support management decisions. Journal of hydrology, 553, 71-87. https://doi.org/10.1016/j.jhydrol.2017.07.056
Nadiri, A. A., Vahedi, F., & Asghari Moghaddam, A. (2016). Groundwater Level Prediction Using Supervised Committee Fuzzy Logic (Case Study: Meshginshahr Plain). Hydrogeomorphology, 3(6), 115-134. https://hyd.tabrizu.ac.ir/article_4947.html?lang=en [In Persian].
Nazmfar, H., & Shirzad Khrjan, M. (2022). Surface subsidence monitoring with radar interference technique (study area: Meshgin plain). Journal of Natural Environmental Hazards, 11(31), 25-48. https://doi.org/10.22111/jneh.2022.35138.1687  [In Persian].
Navarro-Hernández, M. I., Tomás, R., Lopez-Sanchez, J. M., Cárdenas-Tristán, A., & Mallorquí, J. J. (2020). Spatial analysis of land subsidence in the San Luis potosi valley induced by aquifer overexploitation using the coherent pixels technique (CPT) and sentinel-1 insar observation. Remote Sensing, 12(22), 3822. https://doi.org/10.3390/rs12223822
Pawluszek-Filipiak, K., & Borkowski, A. (2021). Monitoring mining-induced subsidence by integrating differential radar interferometry and persistent scatterer techniques. European Journal of Remote Sensing, 54(22), 18-30. https://doi.org/10.1080/22797254.2020.1759455
Rashidi, A., Khatib, M. M., Mosavi, S. M., & Jamor, Y. (2017). Estimation of the active faults, based on Seismic, geologic and geodetic moment rates in the South and West of Lut block. Scientific Quarterly Journal of Geosciences, 26(104), 211-222. https://www.sid.ir/paper/32674/en [In Persian].
Razaie Banafsheh, M., Jalali Ansaroodi, T., Zarghami, M., & Asghari Moghaddam, A. (2015). Investigate of Climate Change Impacts on Groundwater Level in Tasuj Basin by Statistical Downscaling Method. Iran-Water Resources Research, 11(2), 97-105. https://www.iwrr.ir/article_13792.html?lang=en [In Persian].
Rokni, J., Hossinzadeh, R., Lashkaripour, G. R., & Velayati, S. A. (2016). Survey of Land Subsidence, Perspective and Geomorphology Developments in the Denser Plains, Case study: Neyshabour Plain. Journal of Arid Regions Geographic Studies, 7(24), 21-38. https://jargs.hsu.ac.ir/article_161414.html?lang=en [In Persian].
Ranjbar, M., & Jaafari, N. (2009). Investigating the effective factors in the subsidence of the Eshtehard plain. Geography, 6(19), 155-166. https://mag.iga.ir/article_253531.html?lang=en [In Persian].
Shadfar, S., Nasiri, E., Chitgar, S., & Ahmadi, A. (2016). Hazard zonation of Land subsidence using Analytical Hierarchy Process (AHP) case study (city of Buin Zahra). Territory, 12 (48), 101-116. https://www.sid.ir/paper/116305/en [In Persian].
Sharifikia, M. (2012). Land Subsidence Rate and Area Assessment In Nogh-Bahramanplain Based On D-Insar Technique. Journal of Spatial Planning, 16(3), 34-42. https://www.sid.ir/paper/171911/en [In Persian].
Shafiei, N., Golimkotari, L., Amir Ahmadi, A., & Zandi, R. (2021). Spatial analysis of land subsidence and groundwater loss using the GWR model (Case study: Noorabad Mamasani aquifer,). Journal of Geography and Planning, 25(76), 159-171. https://doi.org/10.22034/gp.2021.11306 [In Persian].
Salehi, R., Ghafoori, M., Lashkaripour, G. R., & Dehghani, M. (2013). Evaluation of land Subsidence in Southern Mahyar Plain Using Radar Interferometry. Irrigation and Water Engineering, 3(3), 47-57. https://www.waterjournal.ir/article_70699.html?lang=en [In Persian].
Tomas, R., Herrera, G., Lopez-Sanchez, J. M., Vicente, F., Cuenca, A., & Mallorquí, J. J. (2010). Study of the land subsidence in Orihuela City (SE Spain) using PSI data: Distribution, evolution and correlation with conditioning and triggering factors. Engineering Geology, 115(1-2), 105-121. https://doi.org/10.1016/j.enggeo.2010.06.004
Wang, H., Feng, G., Xu, B., Yu, Y., Li, Z., Du, Y., & Zhu, J. (2017). Deriving spatio-temporal development of ground subsidence due to subway construction and operation in delta regions with PS-InSAR data: A case study in Guangzhou, China. Remote Sensing, 9(10), 1004. https://doi.org/10.3390/rs9101004
Yarahamdi, J. (2016). Investigating the phenomenon of land subsidence in the critical plains of East Azarbaijan province using radar interferometry. The first international conference on Iran's natural hazards and environmental crises, solutions and challenges, Ardabil. https://civilica.com/doc/548978/ [In Persian].