Investigating Land Use Changes and Their Effects on Soil Erosion in Meshkinshahr County

Document Type : Research Paper

Authors

1 Postdoctoral Researcher in Geomorphology, Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran

2 Professor of Geomorphology, Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran

3 Professor of Climatology, Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran

10.22108/gep.2025.143700.1695

Abstract

Abstract
Soil erosion represents a critical environmental challenge, with land use changes being the primary factors that exacerbate its potential. Meshkinshahr County has long been susceptible to erosion due to its environmental characteristics, while population growth and unprincipled land use changes have further heightened this risk at the county level in recent years. This study aims to evaluate the impact of land use changes on soil erosion in Meshkinshahr County. To achieve the research objectives, land use maps for the years 2002 and 2024 were generated using an object-oriented approach. Subsequently, additional layers of factors influencing erosion were prepared using Geographic Information Systems (GIS). Erosion zoning was then conducted by standardizing these layers with a fuzzy function, weighting the criteria using the CRITIC method, and modeling with the VIKOR multi-criteria decision-making algorithm. The analysis of land use changes revealed that, in both time periods, poor pastures and dryland agriculture occupied the largest areas within the county. According to the erosion zoning map, in 2002, the areas classified as very high-risk and high-risk constituted 10.88 and 26.55%, respectively. By 2024, these figures increased to 14.14 and 27.33%. Overall, the study indicated that the reduction of pastures, gardens, and forest cover combined with the increase in agricultural (both irrigated and dryland) and residential land uses were the primary drivers behind the heightened potential for soil erosion in the county.
 
Keywords: Land Use, Erosion, Object-Based Method, Multi-Criteria Analysis.
 
Introduction
Soil is one of a country's most vital natural resources and erosion is a significant factor contributing to the degradation and loss of soil fertility (Motamedirad et al., 2023, p. 147). In recent years, ongoing changes in land use driven by the need to meet the diverse demands of the growing global population have become a crucial aspect of environmental change (Taloor et al., 2020, p. 38; Qingge et al., 2020, p. 147; Hussain et al., 2020, p. 2). Inadequate management practices related to land use changes can exacerbate adverse effects on soil properties, increasing its vulnerability to erosion (Samie et al., 2022, p. 60; Costea et al., 2022, p. 2). Meshkinshahr County has long been susceptible to erosion due to its environmental characteristics. Recently, however, population growth and unprincipled land use changes have heightened the risk of this hazard at the county level. Therefore, this study aimed to evaluate the impact of land use changes on soil erosion in Meshkinshahr County.
 
Materials & Methods
In this study, we investigated land use changes by utilizing Landsat satellite images from the US Geological Survey, specifically from the OLI-TM sensors for the years 2002 and 2024. To prepare these images, we applied geometric and atmospheric corrections using ENVI 5.3 software. Next, we extracted land use maps for the two study periods by employing an object-based classification method and the nearest neighbor algorithm in Ecognition software. Following this, we identified the factors influencing erosion in the region, which included land use, slope, lithology, soil type, distance from communication roads, distance from rivers, and precipitation. Information layers were prepared for each criterion in the Geographic Information System (GIS). The evaluation and standardization of these layers were conducted using the fuzzy membership function and the criteria were weighted using the CRITIC method. Finally, the analysis and modeling were carried out using the VIKOR multi-criteria analysis method.
 
Research Findings
The analysis of land use changes revealed that, in both study periods, poor pastures and rainfed agriculture accounted for the largest areas within the county. Conversely, irrigated lands and snow-covered areas represented the smallest portions of the total county area in both 2002 and 2024. Throughout the study period, there was an increase in irrigated agriculture, rainfed agriculture, and residential areas, while the extent of gardens, forested lands, good pastures, poor pastures, and snow-covered lands had decreased. Notably, the most significant land use change in the county was the conversion of poor pastures to rainfed agriculture. By 2024, approximately 452.02 km2 of poor pastureland had been converted to rainfed agriculture compared to 2002.
In terms of the weight coefficients of the criteria, in 2002, the most influential factors were slope, land use, lithology, and soil; while in 2024, the order had shifted slightly to land use, slope, lithology, and soil. According to the erosion zoning map, in 2002, the areas classified as very high-risk and high-risk had encompassed 422.14 and 1,030.03 km2, respectively. By 2024, these figures had increased to 548.58 and 1,060.36 km2. Furthermore, the erosion maps for both study periods indicated that the areas classified as very high-risk and high-risk were predominantly located within agricultural zones (both rainfed and irrigated), as well as in poor pastures and residential areas.
 
Discussion of Results & Conclusion
The results indicated that Meshkinshahr County exhibited a very high potential for erosion due to various environmental factors, including loose soils, sensitive and erodible formations, steep slopes, significant rainfall, and the presence of numerous waterways. Moreover, the decline in both good and poor pasture areas, alongside reductions in orchards and forest cover, had exacerbated the potential for soil erosion as agricultural land use (both irrigated and dryland) and residential developments had increased. In light of these findings, several recommendations are proposed to manage land in accordance with sustainable development principles. These include converting low-yield rainfed lands into forage and medicinal plant areas, strengthening and restoring rangeland vegetation, preventing overgrazing, and alleviating the pressure on rangelands by creating alternative job opportunities. Additionally, raising public awareness about the consequences of unsustainable land use practices, delegating the management of rainfed lands to local communities, and educating farmers on conservation measures are crucial emergency actions to protect and sustainably utilize water and soil resources. It is anticipated that the land use change map and erosion risk zoning map generated in this study will serve as valuable resources for managers and planners. These tools will provide essential insights into the status of land use changes and soil erosion potential in the county, facilitating the implementation of effective control and management measures to mitigate erosion in high-risk areas.

Keywords

Main Subjects

Full Text

مقدمه

خاک از‌جمله مهم‌ترین منابع طبیعی هر کشوری و فرسایش از عوامل اصلی تخریب و کاهش باروری خاک است (معتمدی‌راد و همکاران، 1402، ص. 147). فرسایش خاک سطحی باعث کاهش عمق، کاهش گنجایش رطوبتی و هدررفت مواد آلی و عناصر غذایی و در‌نتیجه، کاهش باروری خاک می‌شود (پرویزی و همکاران، 1399، ص. 40). بنابراین شناسایی عوامل مؤثر و اولویت‌بندی مناطق مختلف از‌نظر تعیین نقاط بحرانی وقوع فرسایش برای برداشتن گام‌های پیشگیرانه در مدیریت و کاهش اثر‌های زیانبار ناشی از فرسایش خاک بسیار حائز اهمیت است (Manikandan & Rangarajan, 2023, P. 607). در سال‌های اخیر، تغییرات متوالی کاربری اراضی با توجه به ضرورت تأمین نیازهای مختلف جمعیت روبه‌رشد جهان نشان‌دهندۀ بخش مهمی از تغییرات جهانی است که بر محیط ‌زیست تأثیر می‌گذارد (  Taloor et al., 2020, P. 38; Hussain et al., 2020, P. 2; Qingge et al., 2020, P. 147). فعالیت‌های مدیریتی نامناسب مرتبط با تغییر کاربری زمین می‌تواند اثر‌های منفی بر ویژگی‌های خاک را تشدید کند و خاک را در‌معرض فرسایش قرار دهد (سمیع و همکاران، 1401، ص. 60؛Costea et al., 2022, P. 2). به عبارت دیگر، ممکن است که بر اثر تغییرات کاربری اراضی که به‌دنبال رویکردهای مدیریتی مختلف و بدون در‌نظرگیری توان‌‌های محیطی صورت می‌پذیرد، تغییرات طولانی‌مدت در خصوصیات خاک ایجاد شود و خاک به شرایط اولیۀ خود برنگردد (Aneseyee et al., 2020, P. 2). بنابراین در این زمینه قسمت عمده‌ای از اطلاعات لازم برنامه‌ریزان برای ارتقا نگرش اصولی به ساختارهای زیست‌محیطی و تصمیم‌گیری‌های مدیریتی صحیح با نقشه‌های کاربری اراضی تأمین می‌شود (اسمعیلی و نگهبان، 1400، ص. 42؛ کریم‌زاده مطلق و همکاران، 1401، ص. 68).

 

پیشینۀ پژوهش

با توجه به اهمیت بررسی تغییرات کاربری اراضی و نقش آن در بروز فرسایش خاک در دهه‌های اخیر مطالعات فراوانی دربارۀ این موضوع انجام شده است.

اصغری سراسکانرود و همکاران (1398) پژوهشی با عنوان «شناسایی و پهنه‌بندی مناطق مستعد وقوع خطر زمین‌لغزش با استفاده از روش تحلیل چندمعیارۀ آراس: منطقۀ مورد مطالعه: حوضۀ آبخیز قرنقوچای در جنوب‌شرق استان آذربایجان شرقی» انجام دادند. محققان در این مطالعه با استفاده از الگوریتم چندمعیارۀ WLC(Weighted linear combination) (ترکیب خطی وزن‌دار) و تصاویر سنجنده‌های OLI و TM لندست اثر‌های کاربری اراضی را بر فرسایش خاک در حوضۀ آبخیز آق‌لاقان‌چای بررسی کردند. نتایج نتایج نشان داد که در طی بازۀ زمانی 1990 تا 2018 به‌طور‌ عمده، مناطق بسیار پرخطر و پرخطر در کاربری‌های اراضی کشاورزی و باغ‌ها قرار دارد و تغییر مراتع و تبدیل آن به مناطق کشاورزی و انسان‌ساخت بیشترین میزان تأثیر را بر فرسایش خاک داشته است.

مددی و همکاران (1401) پژوهشی با عنوان «ارزیابی تغییرات کاربری اراضی و اثرات آن بر فرسایش خاک در حوضۀ بالادست سد یامچی اردبیل با استفاده از الگوریتم تصمیم‌گیری چند‌معیارۀ ARAS و روش‌های نوین سنجش از دور» انجام دادند. محققان در این مطالعه با استفاده از الگوریتم چند‌معیارۀ ARAS (Additive Ratio Assessment) (ارزیابی نسبت افزایشی) تغییرات کاربری اراضی و اثر‌های آن را بر فرسایش خاک در حوضۀ بالادست سد یامچی اردبیل بررسی کردند. در این مطالعه از تصاویر سنجنده‌های OLI و TM، لندست 7 و 8 استفاده شده است و نتایج این پژوهش نشان داد که افزایش اراضی زراعی (دیم و آبی)، اراضی بایر، مراتع ضعیف و نواحی انسان‌ساخت و کاهش سطح مراتع خوب و متوسط عمدۀ دلایل افزایش مقدار فرسایش در سال 2021 در‌مقایسه با سال 2000 است.

عابدینی و همکاران (1402) پژوهشی با عنوان «بررسی تأثیر تغییرات کاربری اراضی در یک دورۀ بیست‌سال بر میزان فرسایش و رسوب حوضۀ رضی‌چای» انجام دادند. محققان در این مطالعه با استفاده از تصاویر سنجنده‌های +ETM و OLI، لندست 7 و 8 و روش معادلۀ جهانی فرسایش خاک تأثیر تغییرات کاربری اراضی را بر میزان فرسایش و رسوب حوضۀ رضی‌چای در بازۀ زمانی 1378 تا 1398 بررسی کردند. نتایج نشان داد که باوجود افزایش سطح اراضی زراعی دیم در منطقه به‌دلیل کاهش سطح اراضی بایر و تقویت پوشش‌گیاهی میزان فرسایش به میزان اندکی کاهش یافته است.

مددی و همکاران (1403) پژوهشی با عنوان «بررسی تغییرات کاربری اراضی با تأکید بر پوشش جنگلی و اثرات آن بر فرسایش خاک با استفاده از طبقه‌بندی شیء‌گرا و تکنیک چندمعیارۀ مارکوس: مطالعۀ موردی: حوضۀ آبریز قلعه‌رودخان فومن» انجام دادند. محققان در این مطالعه با استفاده از تصاویر سنجنده‌های لندست 7 و 8 و تکنیک چندمعیارۀ MARCOS (Measurement Alternatives and Ranking according to Compromise Solution) (سنجش و رتبه‌بندی گزینه‌ها براساس راه‌حل سازشی)، تغییرات کاربری اراضی (با تأکید بر پوشش جنگلی) و اثر‌های آن را بر فرسایش خاک در حوضۀ آبریز قلعه‌رودخان فومن بررسی کردند. براساس نتایج به‌دست‌آمده کاهش پوشش جنگلی و تبدیل آن به مناطق مسکونی، اراضی کشاورزی و مراتع به‌عنوان مهم‌ترین عوامل دخیل در افزایش پتانسیل فرسایش خاک حوضه معرفی شده است.

مشرام و همکاران پژوهشی با عنوان «امکان‌سنجی رویکرد تصمیم‌گیری چند‌معیاره برای اولویت‌بندی مناطق حساس در‌معرض خطر فرسایش آبی» انجام دادند. محققان در این مطالعه با استفاده از روش‌های چندمعیارۀ ELECTRE (Elimination et Choice Translating Reality) (تسلط تقریبی)، VIKOR (Vlse Kriterijumsk Optimizacija Kompromisno Resenje) (راهکار توافقی و بهینه‌سازی) و CF (Compound Factor) (فاکتور اطمینان) به اولویت‌بندی مناطق حساس در‌معرض خطر فرسایش در حوضۀ آبخیز بامهانی در منطقۀ ماندلای هند پرداختند. نتایج مطالعه نشان داد که زیرحوضۀ 11 بیشترین پتانسیل فرسایشی داشته است و روش ویکور با توجه به واقعیات میدانی موجود نسبت به دو روش دیگر دقت بسیار زیادی در شناسایی نواحی پرخطر دارد (Meshram et al., 2020).

لی و همکاران پژوهشی با عنوان «تأثیر تغییر کاربری زمین بر تراکم فرسایش آبکی در منطقۀ خاک سیاه شمال شرقی چین از سال 1965 تا 2015 مطالعۀ موردی شهرستان کدونگ» انجام دادند. محققان در این مطالعه با بهره‌گیری از تصاویر ماهواره‌ای Corona برای سال 1965، SPOT5 برای سال 2005، GF-1 برای سال 2015 و با استفاده از روش هم‌پوشانی وزنی تأثیر تغییر کاربری اراضی را بر فرسایش در شهرستان کدونگ (Kedong) واقع در شمال‌ شرقی چین بررسی کردند. نتایج نشان داد که زمین‌های زیر کشت در بازۀ زمانی مطالعه‌شده به‌طور چشمگیری، افزایش یافته و کشت در دامنه‌های بزرگ‌تر از 4 درجه سرعت فرسایش را در محدوده تشدید کرده است (Li et al., 2021).

پراشانت و همکاران پژوهشی با عنوان «تغییر کاربری زمین/پوشش زمین و پیامدهای آن بر فرسایش خاک در حوضۀ آبخیز هیماچال هیمالیا، شمال هند از‌نظر زیست‌محیطی حساس» انجام دادند. محققان در این مطالعه تغییر کاربری اراضی و پیامدهای آن را بر فرسایش خاک در حوضۀ آبخیز هیماچال هیمالیا واقع در شمال هند مطالعه کردند. در این پژوهش از تصاویر Landsat و Sentinel و روش معادلۀ جهانی فرسایش خاک استفاده شده است. نتایج نشان داد که در مناطق جنگلی میانگین اتلاف خاک از 30/65 تن در هکتار در سال 1999 به 72/74 تن در هکتار در سال 2020 افزایش یافته است (Prashanth et al., 2023).

 مانگا و همکاران پژوهشی با عنوان «تأثیر تغییرات کاربری و پوشش زمین درازمدت (LULC) بر از دست دادن خاک، صادرات رسوب و رسوب در حوضۀ آبخیز بونتانگا اندازه‌گیری‌نشده» انجام دادند. محققان در این مطالعه با استفاده از تصاویر از (TM)Landsat 5 ، (ETM+)Landsat 7 ، (OLI) Landsat 8 وLandsat 9  (OLI-2) و روش معادلۀ جهانی فرسایش خاک تأثیر تغییرات کاربری را بر فرسایش خاک در حوضۀ آبخیز بونتانگا (Bontanga) در کشور چین بررسی کردند. نتایج پژوهش حاکی از این موضوع است که بیشترین مقدار فرسایش خاک و تولید رسوب مربوط به اراضی کشاورزی و در سال 2022 مقدار تلفات خاک در این اراضی به 53/91274 تن در سال افزایش یافته است (Mwanga et al., 2024).

با توجه به بررسی مطالعات پیشین می‌توان بیان کرد که از مهم‌ترین روش‌های آشکارسازی تغییرات کاربری اراضی استفاده از تکنیک‌های سنجش از دور و به‌ویژه روش شیءمبنا (object-based methode) است که در پژوهش‌های مطرح‌شده در بخش پیشینه نیز از این روش برای استخراج لایه‌های کاربری اراضی استفاده شده است؛ اما درزمینۀ موضوع بررسی فرسایش خاک، بررسی پیشینۀ پژوهشی نشان می‌دهد که برخی از پژوهش‌های انجام‌شده در این راستا شامل عابدینی و همکاران (1402)، Li et al. (2021)، Prashanth et al. (2023)، .Mwanga et al (2024) مبتنی بر استفاده از روشRUSLE  (Revised Universal Soil Loss Equation) (معادلۀ جهانی فرسایش خاک اصلاح‌شده) است که این روش تابعی از شش فاکتور ورودی شامل فرسایندگی باران، فرسایش‌پذیری خاک، طول و درجه شیب، مدیریت پوشش‌گیاهی و عملیات حفاظتی است. در گروه دیگر از مطالعات انجام‌شده از‌جمله اصغری سراسکانرود و همکاران (1398)، مددی و همکاران (1401)، مددی و همکاران (1403)، Meshram et al. (2020) و Li et al. (2021) از روش‌های تحلیل چندمعیاره استفاده شده است که در این مطالعات با توجه به ‌ماهیت چندمعیاره‌بودن روش‌های استفاده‌شده به مجموعه‌ای از معیارهایی چون کاربری اراضی، سنگ‌شناسی، شیب، فاصله از آبراهه، فاصله از جاده، بارش و خاک توجه شده است. می‎توان اذعان داشت که فرسایش خاک از‌جمله مخاطره‌های با گزینه‌ها و معیارهای چندگانه است و مدل‌های مبتنی بر معادلۀ جهانی فرسایش موفق به در نظر گرفتن وابستگی متقابل عوامل مؤثر بر فرسایش خاک نیست؛ بنابراین برای کشف طیف وسیعی از گزینه‌ها از‌نظر درگیری‌های عینی و معیارهای چندگانه (همانند موضوع فرسایش) استفاده از روش‌های تحلیل‌ چندمعیاره مناسب است. شهرستان مشکین‌شهر به‌لحاظ شرایط خاص منطقه مانند شرایط توپوگرافیکی و شیب‌ زیاد، ساختار سنگ‌شناسی فرسایشی و شرایط اقلیمی پتانسیل زیاد خطر فرسایش را دارد به‌علاوه، اغلب کاربری اراضی شهرستان به‌صورت کشاورزی، باغ‌ها و مراتع است که استفادۀ غیراصولی و بی‌رویه از این اراضی به افزایش پتانسیل فرسایش خاک منجر شده است؛ بنابراین با توجه به اهمیت موضوع هدف از پژوهش حاضر بررسی تغییرات کاربری اراضی، شناسایی نواحی با پتانسیل زیاد فرسایش خاک و تحلیل اثر‌های تغییرات کاربری اراضی بر فرسایش در‌سطح این شهرستان است. با نظر به تأکید بر اثربخشی و صحت نتایج حاصل از استفاده از داده‌های سنجش از دور و تکنیک‌های تصمیم‌گیری چند‌معیاره در این پژوهش نیز استخراج نقشه‌های کاربری اراضی در سال‌های 2002 و 2024 با استفاده از طبقه‌بندی شیءمبنا و شناسایی پهنه‌های با پتانسیل فرسایش زیاد با بهره‌گیری از الگوریتم چند‌معیارۀ ویکور بررسی شده است. انتظار می‌رود با نظر به نتایج پژوهش با توجه به آگاهی‌یافتن از روند تغییرات انواع کاربری‌های اراضی در سال‌های مطالعه‌شده و با شناسایی مناطق اولویت‌دار از‌نظر مخاطرۀ فرسایش اقدام‌های لازم برای کنترل فرسایش و بهره‌برداری اصولی از اراضی در‌سطح شهرستان انجام شود. از سوی دیگر، با توجه به اینکه تاکنون مطالعه‌ای برای بررسی موضوع تغییرات کاربری اراضی و اثر‌های آن بر فرسایش با استفاده از روش ویکور انجام نشده است، استفاده از این روش در پژوهش حاضر می‌تواند در انتخاب روش مناسب مورد توجه پژوهشگران قرار گیرد.

 

منطقۀ مطالعه‌شده

شهرستان مشکین‌شهر با وسعتی حدود 76/3879 کیلومتر مربع در شمال غربی ایران واقع ‌شده است. این شهرستان دومین شهرستان استان اردبیل بعد از مرکز استان است که در مختصات جغرافیایی 38 درجه و 11 دقیقه تا 38 درجه و 53 دقیقه عرض شمالی و 47 درجه و 19 دقیقه تا 48 درجه و 17 دقیقه طول شرقی واقع‌ شده است (شکل 1). شهرستان مشکین‌شهر از 5 بخش مرکزی، مشکین‌شرقی، ارشق، مرادلو و قصابه تشکیل ‌شده است. این شهرستان 313 آبادی دارد که از این تعداد 277 آبادی دارای سکنه و 36 آبادی نیز خالی از سکنه است. تعداد جمعیت این شهرستان بالغ بر 149941 نفر و 45999 خانوار است (سالنامۀ آماری استان اردبیل، 1401). ارتفاع متوسط این شهرستان 1830 متر و بلندترین نقطۀ آن قلۀ سبلان با ارتفاع 4811 متر از سطح آب‌های آزاد است. از مهم‌ترین کوه‌های شهرستان می‌توان به سلطان ساوالان، هرم‌داغی، آقام‌داغ (کسری)، دلی‌آلی، آیی‌قاری، اوغلان‌داغی، هفته داغی، چال‌داغ، قزل‌بره، بابامقصود، چال داغ، قزل‌داغ، گوی‌داغ و ایشیق چیخماز اشاره کرد. اقلیم منطقه براساس روش آمبرژه نیمه‌خشک سرد است؛ اما در جنوب و جنــوب غرب (دامنه‌های شــمالی کوهستان سبلان) اقلیم نیمه‌مرطوب نیز دیده می‌شود. میانگین بارش سالانۀ این شهرستان 300 میلی‌متر است. بیشترین مقدار بارش شهرستان در ماه‌های فروردین و اردیبهشت و کمترین مقدار بارش نیز در ماه‌های مرداد و شهریور است و به‌ترتیب بهمن و مرداد‌ماه سردترین و گرم‌ترین ماه‌هاست. شهرستان مشکین‌شهر به‌لحاظ زمین‌شناسی از سازندهای گوناگونی از پره‌کامبرین تا کواترنر تشکیل شده است. بخش اعظمی از مساحت شهرستان مشکین‌شهر را سازندهای PAEav (آندزیت آتشفشانی) با مساحت 196/722 کیلومتر مربع،  Eav(آندزیت آتشفشانی) با مساحت 729/675 کیلومتر مربع، Qft1 (رسوبات مخروط‌افکنه‌های پایکوهی سطح بالا و تراس‌های دره‌ای) با مساحت 378/690 کیلومتر مربع و Qvc (کوارتز دانه‌ای مخلوط- مواد آتشفشانی محلی با جریان لاهار) با مساحت 65/403 کیلومتر مربع پوشش داده است (نقشۀ زمین‌شناسی استان اردبیل با مقیاس 1:100000، سازمان زمین‌شناسی و اکتشافات معدنی کشور).

 

شکل 1: نقشۀ موقعیت منطقۀ مطالعه‌شده (منبع: نویسندگان، 1403)

Figure 1: Location map of the study area

 

روش‌شناسی پژوهش

در پژوهش حاضر استخراج نقشه‌های کاربری اراضی با استفاده از روش شیءمبنا و پهنه‌بندی پتانسیل فرسایش خاک با بهره‌گیری از روش چندمعیارۀ ویکور برای سال‌های 2002 و 2024 انجام شده است. فلوچارت مراحل پژوهش در شکل 2 نمایش داده شده است و در‌ادامه نیز مراحل هر‌یک از روش‌های استفاده‌شده تشریح می‌شود.

 

 

شکل 2: فلوچارت مراحل پژوهش (منبع: نویسندگان، 1403)

Figure 2: Flowchart of research steps

استخراج نقشۀ کاربری اراضی با استفاده از روش شیءمبنا

در پژوهش حاضر برای استخراج نقشه‌های کاربری اراضی شهرستان مشکین‌شهر ابتدا تصاویر ماهواره‌‌ای سنجندۀ TM لندست 5 (تاریخ: 2002/8/6) و سنجندۀ OLI لندست 9 (تاریخ: 2024/8/26) به شماره گذر 167 و ردیف 33 از سایت زمین‌شناسی آمریکا اخذ و سپس برای آماده‌سازی تصاویر نسبت به تصحیحات اتمسفری در نرم‌‌افزار Envi5.3 اقدام شد. فرآیند استخراج نقشۀ کاربری اراضی با روش شیءمبنا در سه مرحلۀ کلی قطعه‌بندی، طبقه‌بندی و ارزیابی صحت انجام می‌شود. در مرحلۀ قطعه‌بندی پیکسل‌های تصویر بر‌اساس تفاوت‌ها و شباهت‌های موجود میان آنها درزمینۀ ویژگی‌های طیفی و شکلی و با در نظر گرفتن درجه‌ای از ناهمگنی مجاز در هر قطعه به گروه‌هایی تقسیم می‌شود که این قطعه‌ها یا شیء‌های ساخته‌شده در گام بعدی برای شناسایی عوارض مدنظر طبقه‌بندی می‌شود (اصغری سراسکانرود و ناصری، 1399، ص. 84). در این پژوهش برای قطعه‌بندی از روش چند تفکیک (Mutliresolution) استفاده شده است. برای این منظور با تجزیه‌‌و‌تحلیل مقیاس 35 برای تصویر سال 2024 و مقیاس 40 برای تصویر سال 2002 انتخاب و شکل و ضریب فشردگی برای هر دو تصویر 4/0 و 6/0 در‌نظر گرفته شد. پس از تهیۀ نمونه‌های آموزشی برای طبقه‌بندی تصاویر با استفاده از الگوریتم نزدیک‌ترین همسایگی (Nearest Neighbor) در نرم‌‌افزار eCognition 8 کلاس کاربری به‌صورت باغ و جنگل، مرتع خوب، مرتع ضعیف، زراعت آبی، زراعت دیم، مناطق آبی، نواحی مسکونی و پوشش برفی استخراج شد. در این پژوهش برای دستیابی به نتایج بهتر و با دقت بیشتر علاوه بر اطلاعات طیفی از برخی شاخص‌ها نظیرNDVI  (. Normalized Difference Vegetation Index) (شاخص نرمال‌شدۀ تفاضلی گیاه)، NDWI  (Normalized Difference Water Index) (شاخص نرمال شدۀ تفاضلی آب)، میانگین انعکاس طیفی باندهای مختلف، اطلاعات بافتی نظیرGLCM  (Gray Level Co-Occurrence Matrix) (ماتریس هم‌رخداد سطح خاکستری) و اطلاعات مربوط به شکل جهت استخراج کاربری اراضی استفاده شده است.

بررسی نتایج طبقه‌بندی یکی از مراحل مهم است و هیچ طبقه‌بندی تا زمانی که دقت آن ارزیابی نشود، مستند نخواهد بود (فیضی‌زاده و همکاران، 1397، ص. 213). پارامتر اصلی که برای ارزیابی صحت طبقه‌بندی مورد استفاده قرار می‌گیرد، دقت کلی و ضریب کاپاست. در این پژوهش با توجه به آشنایی با منطقۀ مطالعه‌شده و با استفاده از تصاویر گوگل ارث به برداشت نمونه‌های آزمایشی اقدام شد و با در اختیار داشتن نمونه‌های آزمایشی (کنترلی) صحت نقشه‌های کاربری اراضی برای هر‌کدام از سال‌ها با دقت کلی و ضریب کاپا ارزیابی شد. با توجه به نتایج به‌دست‌آمده دقت کلی و ضریب کاپا روی تصویر 2002 به‌ترتیب مقدار 97% و 96% و روی تصویر 2024 نیز مقدار ضریب کاپا با 96% و مقدار دقت کلی با 96% برابر است. به‌علاوه، ضریب کاپا و دقت کلی ازنظر تک‌تک کاربری‌های اراضی نیز صحت پذیرفتنی را (بزرگ‌تر از 85 درصد) در ارتباط با اطلاعات تولیدشده دارد (جدول 1). در‌‌نهایت، لایه‌های به‌دست‌آمده برای محاسبۀ مساحت کاربری‌های اراضی، بررسی مقایسه‌ای تغییرات کاربری اراضی در دو سال مطالعه‌شده، تهیۀ نقشۀ خروجی مناسب و اعمال‌کردن معیار کاربری در فرآیند پهنه‌بندی خطر فرسایش به نرم‌افزارArc GIS  (Geographic Information System) انتقال داده شد.

 

 

جدول 1: نتایج ارزیابی دقت تصاویر کلاس‌بندی‌شدۀ کاربری اراضی در بازۀ 2002 تا  2024

Table 1: Results of the accuracy assessment of classified land use images from 2002 to 2024

سال

نام کاربری

دقت کاربر (درصد)

دقت تولیدکننده (درصد)

 

 

 

 

2002

مناطق مسکونی

100

83/88

آب

100

82/85

زراعت دیم

73/94

69/86

زراعت آبی

45/97

63/99

باغ‌ها و پوشش جنگلی

40/91

35/92

مراتع خوب

74/97

93/94

مراتع ضعیف

03/98

58/99

برف

04/97

33/98

 

 

 

 

2024

مناطق مسکونی

60/99

100

آب

100

100

زراعت دیم

74/89

35/97

زراعت آبی

21/98

92/98

باغ‌ها و پوشش جنگلی

32/98

12/99

مراتع خوب

82/90

77/93

مراتع ضعیف

10/99

15/96

برف

40/97

80/97

منبع: یافته‌های پژوهش، 1403

 

مراحل تهیۀ نقشۀ پهنه‌بندی با استفاده از روش ویکور (راهکار توافقی و بهینه‌سازی چندمعیاره)

مدل ویکور مبتنی بر برنامه‌ریزی توافقی مسائل تصمیم‌گیری چندمعیاره است. این روش براساس رتبه‌بندی و انتخاب از‌بین یک مجموعه راهکار در مسئله‌ای با داشتن معیارهای مخالف هدف‌گذاری شده است (مددی و همکاران، 1394، ص. 68). مراحل پیاده‌سازی الگوریتم ویکور شامل گام‌های زیر است: 1- تعیین معیارها و تشکیل ماتریس تصمیم: در این پژوهش با توجه به شرایط طبیعی و انسانی منطقه، عوامل شیب، سنگ‌شناسی، کاربری اراضی، بارش، فاصله از راه ارتباطی، فاصله از آبراهه و خاک به‌عنوان عوامل مؤثر در فرسایش خاک شناسایی شد. در مرحلۀ بعد لایه‌های اطلاعاتی مربوط به هر‌یک از عوامل در محیط سیستم اطلاعات جغرافیایی تهیه شد. لایه‌های اطلاعاتی راه‌های ارتباطی و شبکۀ آبراهه با استفاده از نقشۀ خطوط ارتباطی و رودخانه‌های استان اردبیل تهیه شد. لایۀ شیب با استفاده از مدل رقومی ارتفاعی 5/12 متری سنجندۀ PALSAR و ماهوارۀALOS  تهیه شد. برای استخراج لایۀ مربوط به سنگ‌شناسی (Lithology) از نقشۀ زمین‌شناسی استان اردبیل با مقیاس 1:100000 و برای تهیۀ نقشه خاک شهرستان نیز از نقشۀ خاک پوشش سراسری کشور با مقیاس 1:1000000 (اخذ‌شده از ادارۀ کل منابع‌طبیعی و آبخیزداری استان اردبیل) استفاده شد. نقشۀ بارش نیز با توجه به داده‌های ایستگاه‌های هواشناسی و باران‌سنجی و با بهره‌گیری از روش درون‌یابی کریجینگ ترسیم شد. شکل 3 نمایش‌دهندۀ نقشۀ معیارهای مطرح در پهنه‌بندی فرسایش شهرستان مشکین‌شهر است.

 

 

شکل 3: نقشۀ معیارهای مطرح در پهنه‌بندی فرسایش شهرستان مشکین‌شهر: الف) شیب، ب) فاصله از رودخانه، ج) فاصله از راه ارتباطی، د) سنگ‌شناسی، ه) خاک، و) بارش (منبع: نویسندگان، 1403)

Figure 3: Map of criteria used in erosion zoning in Meshkinshahr County; A) Slope, B) Distance from river, C) Distance from communication road, D) Lithology, E) Soil, F) Precipitation

 

2- بی‌مقیاس‌کردن یا استانداردسازی ماتریس تصمیم: استاندارد‌کردن داده‌ها به‌معنای همسان‌کردن دامنة تغییرات داده‌‌ها بین صفر و یک و یا یک دامنة مشخص دیگر است. مرحلۀ استانداردسازی با توجه به تابع عضویت فازی صورت پذیرفت (جدول 2). در مجموعه‌‌های فازی بیشترین ارزش، یعنی مقدار یک به حداکثر عضویت و کمترین ارزش، یعنی صفر به حداقل عضویت در مجموعه تعلق می‌گیرد (اصغری و پیروزی، 1403، ص. 76).

 

 

جدول 2: نوع توابع فازی‌ساز لایه‌های موضوعی تأثیرگذار بر خطر فرسایش خاک در شهرستان مشکین‌شهر

Table 2: Types of fuzzy functions of thematic layers affecting soil erosion risk in Meshkinshahr county

متغیر

توضیحات

تابع فازی

نمودار توابع عضویت هر معیار

 

شیب

طبقه‌بندی مجدد و اختصاص کدها بر‌اساس اهمیت آن در وقوع خطر فرسایش و سپس فازی‌کردن

تابع بزرگ فازی

 

کاربری اراضی

اختصاص کدها بر‌اساس اهمیت آن در وقوع خطر فرسایش و سپس فازی‌کردن

تابع بزرگ فازی

 

 

فاصله از راه

افزایش پتانسیل در مناطق مجاور راه ارتباطی

تابع نزدیک فازی

 

 

سنگ‌شناسی

اختصاص کدها بر‌اساس اهمیت آن در وقوع خطر فرسایش و سپس فازی‌کردن

تابع بزرگ فازی

 

 

خاک

اختصاص کدها بر‌اساس اهمیت آن در وقوع خطر فرسایش و سپس فازی‌کردن

تابع بزرگ فازی

 

 

فاصله از رودخانه

افزایش پتانسیل در مناطق مجاور رودخانه

تابع نزدیک فازی

 

بارش

افزایش پتانسیل با افزایش مقدار بارش

تابع خطی افزایشی

 

منبع: نویسندگان، 1403

 

3- تعیین بردار وزن معیار: در این مطالعه برای وزن‌دهی عوامل از روش کریتیک (CRiteria Importance Through Intercriteria Correlation) (اهمیت معیارها با همبستگی بین معیارها) استفاده شده است. در این روش وزن‌دهی با توجه‌ به نقشه‌های معیار و میزان همبستگی، تضاد و انحراف معیار بین لایه‌های اطلاعاتی استفاده‌شده تعیین می‌شد و نظر کارشناس دخیل نیست (Alinezhad & Khalili, 2019, P. 199). در این پژوهش پیاده‌سازی این روش در اکسل یک ماتریس متقارنی با توجه به تعداد معیارهای بررسی‌شده (ماتریس 7 در 7) با عنوان ماتریس همبستگی ایجاد شد. در مرحلۀ بعد مقدار همبستگی معیارها نسبت به یکدیگر با استفاده از تابع رگرسیون در محیطی نرم‌افزار ادریسی به‌ دست آمد و در جدول مربوط یادداشت شد. در مرحلۀ بعد ماتریس تضاد معیارها با تفریق همبستگی هر‌یک از معیارها در عدد یک محاسبه شد. سپس مجموع تضادهای هر معیار با معیارهای دیگر با جمع هر ستون از ماتریس تضاد و مقدار انحراف هر معیار نیز با استفاده از تابع رگرسیون و با مقایسۀ دو‌به‌دوی معیارها در محیط نرم‌افزار ادریسی به‌دست ‌آمد. برای محاسبۀ میزان اطلاعات هر معیار انحراف معیار هر‌یک از معیارها در مجموع تضاد آن ضرب شد. در‌نهایت، از کل میزان اطلاعات نیز یک مجموع به دست آمد و در مرحلۀ آخر برای محاسبۀ وزن نهایی هر معیار میزان اطلاعات هر معیار بر مجموع کل میزان اطلاعات تقسیم شد. 4- تعیین بهترین مقدار fi* و بدترین مقدار fi- برای معیارها: برای شناسایی نقاط پرخطر از‌لحاظ پتانسیل خطر فرسایش بهترین مقدار یک و بدترین مقدار صفر است. 5- محاسبۀ مقدار سودمندی یا حداکثر مطلوبیت (S) و مقدار تأسف (R): در این مرحله مقدار S با توجه به رابطۀ (1) و R با توجه به رابطۀ (2)، محاسبه می‌شود که  Wiمقدار وزن مواد برای معیار j و fij هر نقشۀ معیار است.

رابطۀ 1                                                                                              

رابطۀ 2                                                                                                 

 

6- محاسبۀ شاخص ویکور (مقدار Ǫ): مقدار Ǫ با توجه به رابطۀ (3) محاسبه می‌شود:

رابطۀ 3                                                                                 

 

در فرمول فوق  ،  ، ،  است. در این روابط ، بیان‌کنندۀ میزان فاصله از حد ایدئال است.  با توجه به میزان توافق گروه v به‌عنوان بیان‌کنندۀ میزان فاصله از حد ضد ایدئال و پارامتر تصمیم‌گیرنده انتخاب می‌شود. در‌صورت توافق بالا مقدار آن بیش از 5/0، در‌صورت توافق با اکثریت آرا مقدار آن مساوی 5/0و در‌صورت توافق پایین مقدار آن کمتر از 5/0 خواهد بود. مقدار Ǫ تابعی از Si و Ri است. در این مطالعه این مقدار 5/0 در‌نظر گرفته شد. 7- مرتب‌کردن گزینه‌ها بر‌اساس مقدار‌های R، S و Ǫ: در این مرحله گزینه‌ها با توجه به مقدار‌های R، S و Ǫ در سه گروه از کوچک‌تر به بزرگ‌تر مرتب و در‌نهایت، گزینه‌ای به‌عنوان گزینۀ برتر انتخاب می‌شود که در هر سه گروه به عنوان گزینۀ برتر است (Kim & Ahn , 2020, P. 2; Alinezhad & Khalili, 2019, P. 23-27).

 

یافته‌های پژوهش و تجزیه‌و‌تحلیل

بعد از انجام‌دادن مراحل طبقه‌بندی شیءمبنا کاربری‌های اراضی شهرستان مشکین‌شهر در 8 کلاس باغ و جنگل، مرتع خوب، مرتع ضعیف، زراعت آبی، زراعت دیم، مناطق آبی، نواحی مسکونی و پوشش برفی استخراج شد. نقشۀ کاربری ‌اراضی سال 2002 (1380) و 2024 (1403) استخراج‌شده از به‌کارگیری روش شیءمبنا در شکل 4 نمایش داده شده است. با مقایسۀ دو نقشه و با نظر به مقدار‌های مساحت مربوط به هر‌یک از کاربری‌های اراضی در دو سال مطالعه‌شده (جدول 3) می‌توان بیان کرد که در هر دو سال بررسی‌شده کاربری‌های مراتع ضعیف و زراعت دیم بیشترین مساحت شهرستان را پوشش می‌دهند. در‌مقابل، مناطق آبی و اراضی پوشیده از برف در هر دو سال 2002 و 2024 کمترین مقدار از کل مساحت شهرستان را داشته است. بررسی نتایج تحلیل کاربری‌های اراضی نشان می‌دهد که مساحت مراتع ضعیف در سال 2024 نسبت به سال 2002، 95/180 کیلومتر مربع کاهش یافته است. در‌مقابل، بررسی زراعت دیم نشان‌دهندۀ افزایش 78/203 کیلومتر مربعی این کاربری اراضی در سال 2024 در‌مقایسه با 2002 است. کاربری‌های اراضی مراتع خوب و زراعت آبی در هر دو دورۀ مطالعه‌شده مساحت به‌نسبت بالایی را دارند؛ ولی مقایسۀ نتایج دو دوره نشان می‌دهد که مقدار مساحت مراتع خوب در سال 2002، 83/249 کیلومتر مربع بوده است که در سال 2024 حدود 59/118 کیلومتر مربع کاهش یافته و به مقدار 24/131 کیلومتر مربع رسیده است. مساحت زراعت آبی موجود در‌سطح شهرستان نیز در سال 2002، 98/147 کیلومتر مربع بوده که در سال 2024 وسعت آن به 04/211 کیلومتر مربع افزایش یافته است. افزایش اراضی کشاورزی آبی شهرستان (کشت غلات، گوجه‌فرنگی، سیب‌زمینی، سیفی‌جات و باغ‌های میوه شامل: انواع میوه‌‌های سردسیری نظیر: سیب، هلو، شلیل، گلابی، به، گیلاس، آلبالو، انگور) به‌ویژه در سال‌های اخیر و در قسمت‌هایی از محدوده با تکمیل پایاب سد سبلان و در اطراف تراس‌های رودخانه‌ای یا در دشت‌های میان‌کوهی و دامنه‌ای شروع شده است. به‌علاوه، در سال 2002 وسعت اراضی باغی و جنگلی شهرستان 02/61 کیلومتر مربع بوده که در سال 2024 با کاهش 47/22 کیلومتر مربعی مواجه شده است. نواحی مسکونی شهرستان نیز در سال 2024، 48/54 کیلومتر مربع در‌مقایسه با سال 2002 افزایش یافته است. بررسی مساحت مناطق آبی و اراضی پوشیده از برف به‌ترتیب نشان‌دهندۀ افزایش 19/1 کیلومتر مربعی مناطق آبی و کاهش 5/0 کیلومتر مربعی پوشش برفی در سال 2024 نسبت به سال 2002 است. افزایش وسعت مناطق آبی شهرستان را می‌توان در احداث دو سد مخزنی بزرگ سبلان و احمدبیگلو و سایر سدهای مخزنی کوتاه در طی سال‌های بررسی‌شده دانست. سد سبلان آب لازم ۸۶ روستا را تأمین کرده و قابلیت آبیاری ۱۵ هزار هکتار از اراضی پایاب را داشته است (سد سبلان در ۴۰ کیلومتری مشکین‌شهر واقع شده است. از نوع خاکی با هستۀ رسی با ظرفیت 105 متر مکعب، ارتفاع از بستر 77، طول تاج 304، عملیات اجرایی اصلی سد از مرداد 1380 آغاز شده و در سال ۱۳۸۵ برای هدف‌های شرب و کشاورزی آبگیری شده است) (سد احمد بیگلو، در نزدیکی روستای احمد بیگلو در 5/16 کیلومتری غرب مشگین‌شهر واقع شده است. این سد از نوع خاکی با هستۀ رسی با ظرفیت 4/27 متر مکعب، ارتفاع از بستر 5/57 و طول تاج 540 برای هدف‌های شرب و کشاورزی در سال ۱۳۹۸ آبگیری شده است با بهره‌برداری از این سد بیش از ۲ هزار هکتار از اراضی پایاب زیرپوشش آبیاری مدرن قرار گرفته است) و سایر سدهای شهرستان به‌صورت سدهای مخزنی کوچک است.

 

 

شکل 4: الف) نقشۀ کاربری اراضی سال 2002 شهرستان مشکین‌شهر، ب) نقشۀ کاربری اراضی سال 2024 شهرستان مشکین‌شهر (منبع: نویسندگان، 1403)

Figure 4: A) Land use map of Meshkinshahr County in 2002, B) Land use map of Meshkinshahr County in 2024

 

جدول 3: مساحت و میزان تغییرات هر نوع از کاربری‌های اراضی درسطح شهرستان مشکین‌شهر در سال‌های 2002 و 2024

Table 3: Area and rate of change of each type of land use in Meshkinshahr county from 2002 and 2024

نوع کاربری

در سال 2002 مساحت به کیلومتر مربع

در سال 2002 مساحت به درصد

در سال 2024 مساحت به کیلومتر مربع

در سال 2024 مساحت به درصد

میزان تغییرات به کیلومتر مربع

روند تغییرات

زراعت آبی

98/147

81/3

04/211

44/5

06/63

افزایشی

زراعت دیم

65/574

81/14

43/778

06/20

78/203

افزایشی

باغ و جنگل

02/61

52/1

55/38

99/0

47/22

کاهشی

مناطق مسکونی

42/14

371/0

90/68

77/1

48/54

افزایشی

مراتع خوب

83/249

44/6

24/131

38/3

59/118

کاهشی

مراتع ضعیف

42/2824

80/72

47/2643

13/68

95/180

کاهشی

مناطق آبی

83/4

124/0

02/6

155/0

19/1

افزایشی

اراضی پوشیده از برف

61/2

067/0

11/2

054/0

5/0

کاهشی

منبع: نویسندگان، 1403

 

نقشۀ تغییرات کاربری ‌اراضی شهرستان مشکین‌شهر حاصل از مقایسۀ دو نقشۀ کاربری اراضی سال 2002 و 2024 در شکل 5 نمایش داده شده است. با توجه به این نقشه و جدول 4 که درصد و مساحت کاربری‌های اراضی تغییریافته را نشان می‌دهد، می‌توان بیان کرد که بیشترین تغییر کاربری اراضی شهرستان مربوط به تبدیل مرتع ضعیف به زراعت دیم است و در طی 22 سال بررسی‌شده حدود 02/452 کیلومتر مربع از مساحت مراتع ضعیف موجود در شهرستان به زیر کشت دیم رفته است. بیشترین تغییرات بعدی مربوط به تبدیل زراعت دیم به مرتع ضعیف و تبدیل مرتع خوب به مرتع ضعیف بوده است؛ به‌طوری که 04/215 کیلومتر مربع از مساحت زراعت دیم به مرتع ضعیف و 11/172 کیلومتر مربع از مرتع خوب به مرتع ضعیف تغییر یافته است.

 

 

شکل 5: نقشۀ تغییرات کاربری‌ اراضی شهرستان مشکین‌شهر در سال‌های 2002 و 2024 (منبع: نویسندگان، 1403)

Figure 5: Map of land use changes in Meshkinshahr County from 2002 and 2024

 

جدول 4: درصد و مساحت تغییرات کاربری‌های اراضی شهرستان مشکین‌شهر در سال‌های مطالعه‌شده

Table 4: Percentage and area of changed land uses in Meshkinshahr county in the years under study

کاربری‌های تغییر‌یافته

مساحت

(کیلومتر مربع)

کاربری‌های تغییر‌یافته

مساحت

(کیلومترمربع)

مرتع خوب به مرتع ضعیف

11/172

باغ و جنگل به زراعت دیم

55/2

مرتع خوب به مناطق آبی

42/0

باغ و جنگل به مرتع خوب

31/3

مرتع خوب به زراعت آبی

38/16

باغ و جنگل به مرتع ضعیف

32/9

مرتع خوب به زراعت دیم

04/3

باغ و جنگل به مناطق مسکونی

25/3

مرتع خوب به مناطق مسکونی

65/2

زراعت دیم به مناطق مسکونی

70/12

مرتع ضعیف به زراعت دیم

02/452

زراعت دیم به زراعت آبی

76/29

مرتع ضعیف به زراعت آبی

22/59

زراعت دیم به مناطق آبی

22/0

مرتع ضعیف به مناطق مسکونی

65/32

زراعت دیم به مرتع خوب

34/5

مرتع ضعیف به مناطق آبی

44/2

زراعت دیم به مرتع ضعیف

04/215

زراعت آبی به مرتع ضعیف

25/28

زراعت دیم به باغ و جنگل

52/3

زراعت آبی به مناطق مسکونی

84/10

مناطق آبی به زراعت آبی

055/0

زراعت آبی به زراعت دیم

85/11

مناطق آبی به باغ و جنگل

032/0

زراعت آبی به مرتع خوب

4/11

مناطق آبی به مناطق مسکونی

054/0

باغ و جنگل به زراعت آبی

50/29

منبع: نویسندگان، 1403

در این مطالعه برای پهنه‌بندی فرسایش با توجه به نقشۀ کاربری اراضی مربوط به دو سال بررسی‌شده و نیز نقشۀ سایر معیارهای مطرح ابتدا وزن‌دهی معیارها انجام شد. مفروضات پایه‌‌ای (مجموع تضاد، انحراف معیار و میزان اطلاعات) و وزن نهایی حاصل از وزن‌دهی کرتیک در‌بین معیارهای مطرح در پهنه‌بندی فرسایش شهرستان مشکین‌شهر در جدول 5 آورده شده است. با توجه به نتایج حاصل‌شده در سال 2002 به‌ترتیب معیارهای شیب، کاربری ارضی، سنگ‌شناسی و خاک و در سال 2024 معیارهای کاربری ارضی، شیب، سنگ‌شناسی و خاک بیشترین ضریب وزنی دارند.

 

جدول 5: مجموع تضاد، انحراف معیار، میزان اطلاعات و وزن نهایی معیارهای مطرح در پهنه‌بندی فرسایش شهرستان مشکین‌شهر

Table 5: Total contrast standard deviation, amount of information, and final weight of the criteria considered in the erosion zoning of Meshkinshahr county

با استفاده از نقشۀ کاربری اراضی سال 2002

 

معیار

مجموع تضاد

انحراف معیار

میزان اطلاعات

وزن نهایی

شیب

602/3

350/0

260/1

161/0

سنگ‌شناسی

045/3

375/0

143/1

146/0

کاربری اراضی

981/2

411/0

255/1

156/0

خاک

970/2

377/0

120/1

143/0

بارش

987/2

344/0

027/1

131/0

فاصله از رودخانه

862/2

366/0

048/1

134/0

فاصله از راه

741/2

361/0

989/0

126/0

با استفاده از نقشۀ کاربری اراضی سال 2024

شیب

647/3

350/0

276/1

160/0

سنگ‌شناسی

065/3

375/0

151/1

145/0

کاربری اراضی

098/3

421/0

304/1

164/0

خاک

989/2

377/0

127/1

142/0

بارش

962/2

344/0

019/1

128/0

فاصله از رودخانه

888/2

366/0

058/1

133/0

فاصله از راه

772/2

361/0

000/1

126/0

 منبع: نویسندگان، 1403

 

نقشۀ پهنه‌بندی فرسایش شهرستان مشکین‌شهر با اعمال مراحل عملیاتی روش ویکور در 5 طبقۀ بسیار پرخطر تا بسیار کم خطر و برای سال‌های 2202 و 2024 استخراج شد (شکل 6). با توجه به نتایج به‌دست‌آمده از پهنه‌بندی فرسایش در محدودۀ مطالعاتی در سال 2002 مساحت طبقۀ بسیار پرخطر و پرخطر 14/422 و 03/1030 کیلومتر مربع بوده که مقدار این طبقات خطر در سال 2024 به‌ترتیب به 58/548 و 36/1060 کیلومتر مربع افزایش یافته است (جدول 6).

 

 

شکل 6: الف) نقشۀ پهنه‌بندی فرسایش سال 2202، ب) نقشۀ پهنه‌بندی فرسایش سال 2024 (منبع: نویسندگان، 1403)

Figure 6: a) Erosion zoning map for 2002, b) Erosion zoning map for 2024

 

جدول 6: اطلاعات طبقات خطر فرسایش سال‌های 2002 و 2024 شهرستان مشکین‌شهر

Table 6: Information on erosion risk classes for the years 2002 and 2024 in Meshkinshahr county

 

سال 2002

طبقة خطر

بسیار پرخطر

پرخطر

خطر متوسط

کم‌خطر

بسیار کم‌خطر

مساحت به کیلومتر مربع

14/422

03/1030

03/1110

53/852

04/465

مساحت به درصد

88/10

55/26

61/28

97/21

99/11

سال 2024

مساحت به کیلومتر مربع

58/548

36/1060

30/1120

22/711

31/439

مساحت به درصد

14/14

33/27

88/28

33/18

32/11

تغییرات دو

 دوره

مساحت به کیلومتر مربع

44/126+

33/30

27/10

31/141

73/25

نوع تغییرات

افزایشی

افزایشی

افزایشی

کاهشی

کاهشی

 منبع: نویسندگان، 1403

 

با توجه به نتایج حاصل و مقدار مساحت طبقات فرسایش می‌توان بیان کرد که در حالت کلی شهرستان مشکین‌شهر به‌لحاظ شرایط محیطی موجود در منطقه از‌‌نظر فرسایش‌پذیری پتانسیل بسیار بالایی را دارد؛ به‌طوری که بررسی‌های میدانی به‌عمل‌آمده نیز نشان‌دهندۀ وجود انواع فرم‌های فرسایشی (ورقه‌ای یا سطحی، توده‌ای، شیاری، گالی و کنار رودخانه‌ای) در‌سطح شهرستان است (شکل 7). از جملۀ شرایط محیطی شهرستان که موجب افزایش پتانسیل فرسایش شده است، می‌توان به وجود خاک‌های سست آبرفتی و خاک‌های استپی قهوه‌ای (از این خاک‌ها در اراضی شیب‌دار بیشتر به‌صورت مرتع استفاده می‌شود و در برخی مناطق قابلیت کشت دیم گندم و سایر محصولات دیمی را دارد؛ برای مثال، گندم دیم در روستاهای آلنی و ارشق و بخشی از لاهرود تولید می‌شود) اشاره کرد. به‌علاوه، پراکنش سازندهای حساس و فرسایش‌پذیر در‌سطح شهرستان مانند رسوبات مخروط‌افکنه‌های پایکوهی سطح بالا و پادگانه‌های آبرفتی جوان، مارن‌ها و شیل، کنگلومرا، رسوبات ضخیم تا متوسط از ماسه‌سنگ و رسوبات آواری در افزایش پتانسیل خطر فرسایش شهرستان نقش مهمی دارد؛ برای مثال، مارن‌ها و شیل‌هایی که حاصل فعالیت شدید فرآیندهای فرسایشی در دوره‌های گذشته هستند، در شرایط کنونی به‌لحاظ ارائۀ بستر مساعد، وقوع پدیده‌های مختلفی از‌جمله لغزش‌های بزرگ و کوچک، فرسایش و تشکیل خندق‌های متعدّد در روی این سازندها مشاهده می‌شود. رسوبات اوایل کواترنر که به‌طور عمده متشکل از کنگلومراهاست، به‌سهولت با چینه‌بندی ناجور و شکل هموار قابل تشخیص است و اغلب باعث فرسایش و حمل رسوبات در دره‌ها و فرورفتگی‌ها شده است. آبرفت‌های قدیمی منطقه که با تغییرات اقلیمی بعد از پلیستوسن در ارتباط است، ضخامت چشمگیری دارد و تا کنارۀ دامنه‌ها و گاه تا ارتفاعات بالا گسترده شده‌ است. آبرفت‌های مذکور به‌لحاظ ویژگی‌هایی که دارند و به‌دلیل اینکه هنوز هم به استحکام کامل نرسیده است، زمینۀ مساعدی را برای وقوع فرسایش و لغزش در منطقه فراهم کرده‌ است. همچنین، شیب زیاد (شیب به‌صورت مستقیم و یا با تأثیر روی سایر عوامل محیطی باعث تغییر در فرآیندهای هیدرولوژیکی خاک به‌ویژه پتانسایل تولید رواناب و رسوب می‌شود و فرسایش خاک را تحت‌تأثیر قرار می‌دهد)، بارندگی مناسب (بارندگی به‌نسبت زیاد در ماه‌های فروردین و اردیبهشت در تشدید و توسعۀ فرسایش خطی رواناب‌ها در‌سطح شهرستان نقش مهمی را دارد) و فراوانی شبکۀ آبراهه (رودخانۀ خیاوچای، قطورسوئی‌چای، اونارچایی، انزان‌چایی،گیزلی‌مشه‌کوهکنار، شیروان‌دره چایی، خاتون‌آرخی، آلنی‌چایی، نقدی‌چایی، آقجه‌لو چایی و زیناب درّه‌سی از رودخانه‌های دائمی شهرستان مشکین‌شهر است. مناطق مجاور رودخانه‌ها با زیرشویی دامنه‌ها و از بین بردن تکیه‌گاه در فرسایش خاک اهمیت داشته است و این رودخانه‌های دائمی و پرآب به‌راحتی می‌توانند مواد سطحی و خاک را بشورند و با خود حمل کنند) از عوامل دخیل در افزایش فرسایش‌پذیری شهرستان است. از‌لحاظ کاربری اراضی نیز می‌توان گفت که در نقشۀ فرسایش هر دو دورۀ مطالعاتی به‌طور عمده، مناطق با طبقۀ بسیار پرخطر و پرخطر درکاربری‌های زراعی، مراتع ضعیف و مناطق مسکونی قرار دارد. علت افزایش مناطق با احتمال خطر فرسایش در سال‌های بررسی‌شده را می‌توان در کاهش سطح مراتع (مراتع ضعیف و خوب)، کاهش باغ‌ها و پوشش جنگلی و افزایش کاربری‌های زراعی و نواحی مسکونی دانست.

 

شکل 7: نمایی از انواع فرسایش در‌سطح شهرستان مشکین‌شهر الف، ب ، ج- فرسایش کنار رودخانه‌ای؛ د، ه- فرسایش توده‌ای؛ و- فرسایش ورقه‌ای یا سطحی، ز- فرسایش شیاری؛ ، ح، ط- فرسایش گالی (منبع: نویسندگان، 1403 و سایت‌های داخلی)

Figure 7: View of types of erosion in Meshkinshahr county A, B, C- Riverbank erosion; D, E- Mass erosion; F- Sheet or surface erosion; G- Groove erosion; H, I- Gully erosion

 

در‌سطح شهرستان مشکین‌شهر زراعت دیم غلات با آیش یکساله مهم‌ترین نوع کاربری اراضی است. در این راستا، در‌سطح شهرستان در‌طی سال‌های مطالعه‌شده به بهانۀ خودکفایی در تولید دیم محصولات استراتژیک (به‌ویژه گندم)، مراتع ضعیف به اراضی کشاورزی و به‌خصوص به د‌یم‌‌زارهای کم‌بازد‌ه تغییر کاربری اراضی داده است. هرچند کشتزار‌های دیم در افزایش محصولات کشاورزی به‌صورت مقطعی نقش بالایی دارد، این تغییرات کاربری اراضی چون اغلب با بی‌توجهی به قابلیت اراضی و رعایت اصول صحیح خاک‌ورزی توأم بوده است، به‌خصوص در دامنه‌هایی که به‌دلیل ناآگاهی کشاورزان شخم زمین در جهت شیب صورت می‌گیرد، به تولید روان آب سطحی و در‌نتیجه تشدید فرسایش منجر می‌‌شود که نتیجۀ نهایی آن افت توان تولید اراضی، وجود دیم‌زارهای کم‌بازده و رهاشده در‌سطح اکوسیستم‌های مرتعی است. از سوی دیگر، از سایر عوامل تخریب مراتع در‌سطح شهرستان مشکین‌شهر می‌توان به افزایش تعداد دام و رعایت‌نکردن تناســب بین دام و مرتع، چرای زودرس، چرای طولانی، آتش‌ســوزی، بوته‌کنی، احداث جاده و عملیات عمرانی با از بین بردن پوشش مرتعی در دامنه‌های پرشیب اشاره کرد که منجر به به کاهش میزان مراتع شده است و به‌دنبال آن رواناب با شروع فصل بارش تشدید می‌شود و به این ترتیب در تشدید فرسایش خاک نقش بسیار مهمی دارد. نکتۀ حائز اهمیت دیگر در‌سطح شهرستان مشکین‌شهر کاهش سطح پوشش جنگلی و باغ‌ها و تبدیل این کاربری اراضی به انواع دیگر از کاربری‌ها به‌ویژه زراعی، مراتع و نواحی مسکونی و انسان‌ساخت است که این امر نیز در افرایش پتانسیل فرسایش‌پذیری محدوده نقش مهمی دارد. دربارۀ کاهش اراضی مرتعی و جنگلی از‌جمله نمونه‌هایی که می‌توان بدان اشاره کرد، کاهش سطح رویشگاه جنگلی حاتم‌مشه‌سی است. ذخیره‌گاه جنگلی حاتم‌مشه‌سی با 6/195 هکتار در 28 کیلومتری غرب شهرستان مشکین‌شهر از ذخایر ارزشمند استان اردبیل و ایران است. این جنگل به‌دلیل موقعیت، شرایط اقلیمی و زیستگاهی که دارد، جزئی از جنگل‌های ارسباران بوده و از‌نظر تنوع و ترکیب پوشش‌گیاهی بسیار غنی است که در سال‌های اخیر تغییر کاربری جنگل‌ها و مراتع به کشاورزی، چرای دام و قطع درختان برای زغال‌سنگ و هیزم از‌جمله عوامل مؤثر بر تخریب این ذخیره‌گاه ارزشمند بوده است. علاوه‌بر مشکل حضور دام در جنگل، حضور مسافران و گردشگران بیش از حد ظرفیت و توان اکولوژیکی جنگل نیز در منطقه مشاهده می‌‌شود. از دیگر دلایل کاهش پوشش نواحی جنگلی و باغ‌های شهرستان می‌توان به ساخت‌و‌سازهای غیرمجاز و ویلاسازی اشاره کرد که در‌طی سال‌های اخیر به‌وفور در منطقه پدیدار شده است. افزایش ویلاسازی در مناطق مختلف شهری و روستایی (به‌ویژه در اراضی خوش آب‌و‌هوای باغی، جنگلی و مرتعی) در کنار افزایش جذب مهاجران روستایی به نقاط شهری و به‌ویژه مشکین‌شهر (به‌دلیل امکان دسترسی بیشتر و بهتر به خدمات، امکانات زیرساختی مطلوب‌تر، امکان درآمد بیشتر و دسترسی به اشتغال بیشتر) را می‌توان علت رشد بیش از چهارونیم برابری سکونتگاه مسکونی در‌سطح شهرستان نیز مطرح کرد. همچنین، مناطق مجاور رودخانه‌ها مقدار‌های بالایی از پتانسیل خطر فرسایش را دارد. رودخانه‌ها (به‌ویژه رودخانه‌های دائمی خیاوچای) با زیرشویی دامنه‌ها و از بین بردن تکیه‌گاه در فرسایش خاک اهمیت دارد و مناطق پرخطر بیشتر شامل بستر طغیانی رود است. در این زمینه پارک حاشیۀ رودخانۀ خیاوچای در شهر مشکین‌شهر از قدیم با توجه به وجود بستر مناسب در دو سمت روخانه مورد کاشت درختان و کاربری کشاورزى قرار گرفته است که در‌طى سال‌های اخیر با ایجاد امکانات رفاهى به‌عنوان پارک و تفرجگاه تفریحی مورد استفاده قرار می‌گیرد؛ اما باید توجه داشت که بخش اعظمی از اراضی پارک در زمین‌هاى بستر رودخانه احداث شده است که همیشه خطر سیل و فرسایش کنار رودخانه آنها را تهدید می‌کند؛ بنابراین افزایش مناطق مسکونی، ساخت‌و‌سازهای بی‌رویه و رشد زمین‌های نفوذ‌ناپذیر بر فرآیندهای حاکم بر منطقه تأثیرگذار بوده و منجر به افزایش سطح‌های پرخطر از‌نظر فرسایش خاک در‌سطح شهرستان شده است. در شکل 8 نمونه‌هایی از دخالت‌های انسانی مؤثر در افزایش پتانسیل فرسایش‌پذیری خاک در‌سطح شهرستان مشکین‌شهر نمایش داده شده است.

 

 

 

شکل 8: الف، ب) نمایی از تصرف بستر رودخانۀ خیاوچای با توسعۀ اراضی کشاورزی و باغ‌‌ها؛ ج، د) به‌ترتیب؛ انتقال آب از روی دامنه برای آبرسانی به زمین‌های زراعی و پروژۀ انتقال آب به مناطق روستایی و فرسایش و لغزش دامنه به‌دنبال آن؛ ه) زیربری و از بین بردن پاشتۀ دامنه به‌دنبال احداث جاده؛ و) چرای بی‌رویۀ دام‌های روستاییان در مراتع (منبع: نویسندگان، 1403)

Figure 8: A, B) View of the occupation of the Khiawchay Riverbed with the development of agricultural lands and orchards. C, D) respectively; Transfer of water from the slope to irrigate agrarian lands; project to transfer water to rural areas; and erosion and landslide of the slope following it. E) Undercutting and destruction of the slope base following the construction of the road. F) Uncontrolled grazing of livestock in the pastures

 

نتیجه‌گیری

فرسایش خاک خطر جهانی است که به‌طور جدّی منابع آب و خاک را تهدید می‌کند و تغییرات غیراصولی کاربری اراضی بدون درنظرگیری محدودیت‌های زیست‌محیطی از عوامل مهم دخیل در افزایش پتانسیل رخداد این مخاطره است؛ بنابراین اطلاع از نسبت کاربری‌های اراضی و نحوۀ تغییرات آن در گذر زمان از مهم‌ترین موارد برنامه‌ریزی و سیاست‌گذاری استفاده از منابع طبیعی به‌ویژه در راستای مدیریت آب و خاک است. در پژوهش حاضر نیز بررسی تغییرات کاربری اراضی و نقش آن در میزان فرسایش خاک شهرستان مشکین‌شهر برای سال‌های 2002 و 2024 بررسی شد. با توجه به نتایج مطالعه در سال‌های مطالعه‌شده زراعت آبی، زراعت دیم، نواحی مسکونی و مناطق آبی افزایش یافته و در‌مقابل، از مساحت باغ‌ها و جنگل، مراتع خوب و مراتع ضعیف و اراضی پوشیده از برف کاسته شده است. به‌علاوه، با نظر به بررسی مقایسه‌ای نقشه‌های کاربری‌های اراضی مربوط به سال‌های مطالعه‌شده مشاهده می‌شود که بیشترین تغییر کاربری اراضی شهرستان به‌صورت تبدیل مراتع ضعیف به زراعت دیم بوده و در سال 2024 در‌مقایسه با سال 2002 حدود 02/452 کیلومتر مربع از مساحت مراتع ضعیف موجود در شهرستان به زیر کشت دیم (به‌ویژه غلات با آیش یکساله) رفته است که درنهایت، عملیات زراعی این اراضی با کاهش توجیه اقتصادی رها شده و یـا در شرف رها‌شدن قرار گرفته است؛ به‌طوری که امروز آثار سوء مدیریت ناآگاهانۀ ایـن دیم‌زارهـا و تغییرات کاربری‌ها به‌صورت ظهـور عرصـه‌هـای فقیـر پوشش‌گیاهی، اراضی با خاکی کم‌عمق، توان تولید پایین و با پتانسیل فرسایش زیاد است. در این میان، زینالی و همکاران (1402) تغییرات کاربری اراضی و مؤلفه‌های اقلیمی را در شهرستان مشکین‌شهر در بازۀ زمانی 2002 تا 2021 بررسی کردند. همچنین، عابدینی و همکاران (1401) ارتباط کاربری اراضی را با دمای سطح شهرستان مشکین‌شهر در دورۀ زمانی 1987 تا 2015 مطالعه کردند و به این نتیجه دست یافتند که بیشتر تغییرات کاربری اراضی شهرستان مشکین‌شهر در‌زمینۀ افزایش زمین‌های کشاورزی و از بین رفتن مراتع بوده است. با نظر به نقشة پهنه‌‌بندی فرسایش شهرستان در سال 2002 مساحت طبقۀ بسیار پرخطر و پرخطر 14/422 و 03/1030 کیلومتر مربع بوده است که مقدار این طبقات خطر در سال 2024 به‌ترتیب به 58/548 و 36/1060 کیلومتر مربع افزایش یافته است؛ به‌طور ‌کلی با توجه به نتایج حاصل‌شده و مقدار مساحت طبقات فرسایش می‌توان بیان کرد که شهرستان مشکین‌شهر به‌لحاظ شرایط محیطی موجود در منطقه (از‌قبیل وجود خاک‌های سست، سازندهای حساس و فرسایش‌پذیر، شیب زیاد، بارندگی و فراوانی شبکۀ آبراهه) پتانسیل فرسایش بسیار بالایی را دارد؛ اما کاهش سطح مراتع (ضعیف و خوب)، کاهش باغ‌ها و پوشش جنگلی و در‌مقابل افزایش کاربری‌های زراعی (آبی و دیم) و نواحی مسکونی منجر به افزایش پتانسیل فرسایش خاک در‌سطح شهرستان شده است.

در‌نهایت، با توجه به نتایج پژوهش برای مدیریت سرزمین مطابق با اصول توسعۀ پایدار توصیه می‌شود که دیم‌زارهای کم‌بازده به کشت نباتات علوفه‌ای و گیاهان دارویی (به‌علت تطابق خاص اکولـوژیکی و قابلیت اجرایی آن، تقویت و احیا پوشش‌گیاهی مراتـع و ممیزی مراتع، تعیین ظرفیت چَرا و جلـوگیری از چـَرای بی‌رویۀ دام‌ها، کاهش فشــار بهره‌برداری از مراتع با فراهم‌کردن مشاغل جایگزین مانند زنبورداری، کاشت گیاهان دارویی به‌عنوان اقدام‌های اضطـراری و در عین حال پایدار برای حفـظ و بهره‌برداری پایدار از منابع پایۀ آب و خاک) تبدیل شود. به‌علاوه، بدان جهت که افزایش پتانسیل فرسایش خاک در اغلب موارد در نتیجۀ دخالت عوامل انسانی بوده است، این روند فقط با تغییر تعامل انسان با طبیعت و نحوۀ استفادۀ بشر از زمین تغییر خواهد یافت. درنهایت، باید به مواردی چون ارتقای سطح آگاهی‌های عمومی دربارۀ عواقب ناشی از تبدیل و تغییر کاربری اراضی مرتعی به دیم‌زار، واگذاری مدیریت دیم‌زارها به مردم برای ایجاد انگیزه در اعمال مدیریت پایدار در این عرصه‌ها، آشناسازی کشاورزان با اقدام‌ها و فعالیت‌های حفاظتی در اراضی شیب‌دار و نحوۀ کشت در این اراضی و روش‌های مقابله با فرسایش توجه شود. انتظار می‌رود استفاده از نقشۀ تغییرات کاربری اراضی و نقشۀ پهنه‌بندی خطر فرسایش به‌دست‌آمده در مطالعۀ حاضر به‌عنوان یک راهنمای کاربردی برای آگاهی از وضعیت تغییر کاربری اراضی و پتانسیل فرسایش خاک شهرستان به‌منظور اعمال اقدام‌های کنترلی و مدیریتی در راستای کاهش فرسایش در پهنه‌های با پتانسیل فرسایش‌پذیری زیاد مورد توجه مدیران و برنامه‌ریزان ذی‌صلاح قرار گیرد.

References

منابع
اسمعیلی، حسین، و نگهبان، سعید (1400). آشکارسازی و پیش‌بینی تغییرات کاربری اراضی با استفاده از مدل زنجیرۀ مارکوف و سلول‌های خودکار (CA-Markov): مطالعۀ موردی: دشت داراب. مطالعات جغرافیایی مناطق خشک، 12(43)، 61-41. https://jargs.hsu.ac.ir/article_161536.html
اصغری سراسکانرود، صیاد، و پیروزی، الناز (1403). شناسایی و پهنه‌بندی مناطق مستعد وقوع خطر زمین‌لغزش با استفاده از روش تحلیل چندمعیارۀ آراس (منطقۀ مورد مطالعه: حوضۀ آبخیز قرنقوچای در جنوب شرق استان آذربایجان شرقی). جغرافیا و برنامه‌ریزی محیطی، 35(3)، 65-94.
https://doi.org/10.22108/gep.2024.140985.1639
اصغری سراسکانرود، صیاد، فعال نذیری، مهدی، و اردشیرپی، علی‌اصغر (1398). بررسی اثرات کاربری اراضی بر فرسایش خاک با الگوریتم WLC (مطالعۀ موردی: حوضۀ آبخیز آق‌لاقان‌چای). پژوهش‌های فرسایش محیطی، 9(2)، ۵۳-۷۱. http://magazine.hormozgan.ac.ir/article-1-521-fa.html
اصغری سراسکانرود، صیاد، و ناصری، احمد (1399). استخراج نقشۀ کاربری اراضی شهرستان سوسنگرد با استفاده از الگوریتم‌های پیکسل پایه و شیء‌گرا. فضای جغرافیایی، 20(۶۹)، 77-95.
 http://geographical-space.iau-ahar.ac.ir/article-1-3181-fa.html
پرویزی، یحیی، بیات، رضا، عربخدری، محمود، و فاتحی، شاهرخ (1399). تعیین عوامل مؤثر بر سیمای فرسایش خاک در دیم‌زارهای استان کرمانشاه بر‌پایۀ شبیه‌سازی میدانی بارندگی. مجلۀ علوم و مهندسی آبخیزداری ایران، 14(۴۹)، 82-70. http://jwmsei.ir/article-1-939-fa.html
زینالی، بتول، الهام، ملانوری، و شیوا، صفری (1402). بررسی تغییرات کاربری ارضی و مؤلفه‌های اقلیمی در شهرستان مشکین‌شهر. حفاظت آب و خاک، 12(3)، 15-31.
https://doi.org/10.30495/wsrcj.2022.68774.11316
سالنامۀ آماری استان اردبیل (1401). سازمان مدیریت و برنامه‌ریزی استان اردبیل. معاونت آمار و اطلاعات.
http://ardabilmpo.ir/index.aspx?pageid=387
سمیع، فاطمه، یغمائیان مهابادی، نفیسه، ابریشم‌کش، سپیده، و مصلحت‌جو، عطااله (1401). اثر تغییر کاربری اراضی بر فرسایش‌پذیری و ویژگی‌های مؤثر بر کیفیت خاک (مطالعۀ موردی: سی‌دشت استان گیلان). مهندسی زراعی، 45(1)، 57-78.  https://doi.org/10.22055/agen.2022.39858.1630
عابدینی، موسی، بهرامی‌نیا قوجه‌بیگلو، فریده، مصطفی‌‌زاده، رئوف، و پاسبان، امیرحسام (1402). بررسی تأثیر تغییرات کاربری اراضی در یک دورۀ بیست سال بر میزان فرسایش و رسوب حوضۀ رضی‌چای. جغرافیا‌ و مطالعات محیطی، 12(45)، 114-133. https://sanad.iau.ir/Journal/ges/Article/979044/FullText
عابدینی، موسی، قلعه، احسان، آقازاده، نازفر، و محمدزاه شیشه‌گران، مریم (1401). پایش دمای سطح زمین و بررسی رابطۀ کاربری اراضی با دمای سطح با استفاده از تصاویر سنجندۀ OLI وTM.. تحقیقات کاربردی علوم جغرافیایی، 22(۶۷)، ۳93-۳75. https://doi.org/10.52547/jgs.22.67.375
فیضی‌زاده، بختیار، خدمت‌زاده، علی، و نیکجو، محمدرضا (1397). ریز طبقه‌بندی اراضی باغی و زراعی با استفاده از تکنیک‌های پردازش شیء پایه و الگوریتم‌های فازی با هدف تخمین سطح زیر‌کشت. تحقیقات کاربردی علوم جغرافیایی، 18(۴۸)، 216-201. https://doi.org/10.29252/jgs.18.48.201
کریم‌زاده مطلق، زینب، لطفی، علی پورمنافی، سعید، و احمدی‌زاده، سید سعیدرضا (1401). ارزیابی و پیش‌بینی تغییرات کاربری اراضی با استفاده از مدلCA_Markov . جغرافیا و برنامه‌ریزی محیطی، 33(2)، 67-84.
https://doi.org/10.22108/gep.2022.130601.1458
مددی، عقیل، اصغری سراسکانرود، صیاد، و حاجت پورقلعه‌رودخانی، حسین (1403). بررسی تغییرات کاربری اراضی با تأکید بر پوشش جنگلی و اثرات آن بر فرسایش خاک با استفاده از طبقه‌بندی شیء‌گرا و تکنیک چندمعیارۀ مارکوس (مطالعۀ موردی: حوضۀ آبریز قلعه‌رودخان فومن). هیدروژئومورفولوژی، 11(39)، 144-167.
https://doi.org/10.22034/hyd.2024.60739.1731
مددی، عقیل، غفاری، عطا، و پیروزی، الناز (1394). ارزیابی و پهنه‌بندی خطر ریزش با استفاده از مدل VIKOR (مطالعۀ موردی: حوضۀ آبخیز آق‌لا‌قان‌چای). جغرافیا و برنامه‌ریزی محیطی، 26(4)، 63-80.
https://gep.ui.ac.ir/article_20778.html
مددی، عقیل، فعال نذیری، مهدی، و پیروزی، الناز (1401). ارزیابی تغییرات کاربری اراضی و اثرات آن بر فرسایش خاک در حوضۀ بالادست سد یامچی اردبیل با استفاده از الگوریتم تصمیم‌گیری چند‌معیارۀ ARAS و روش‌های نوین سنجش از دور. پژوهش‌های ژئومورفولوژی کمّی، 11(2)، 52-70.
https://doi.org/10.22034/gmpj.2022.315438.1314
معتمدی‌راد، محمد، زنگنه اسدی، محمد‌علی، و عجم، حسین (1402). بررسی میزان فرسایش خاک و تولید رسوب با استفاده از مدل  RUSLE و روش پسیاک اصلاح‌شده (مطالعۀ موردی: حوضۀ آبریز کال اسماعیل دره شهرستان شاهرود استان سمنان). پژوهش‌های ژئومورفولوژی کمّی، 11(4)، 165-147.
https://doi.org/10.22034/gmpj.2022.360813.1374
References
Abedini, M., Bahraminia Gojebiglou, F., Mostafazadeh, R., & Pasban, A. (2023). Investigating the Effect of land use change on soil erosion and sediment yield in razeychay watershed during past 20 years. Geography and Environmental Studies, 12(45), 114-133. https://sanad.iau.ir/Journal/ges/Article/979044/FullText [In Persian].
Abedini, M., Ghale, E., Aghazadeh, N., & Mohamadzadeh-Sheshegaran, M. (2022). Monitoring the surface temperature and studying the land use relationship with surface temperature using OLI and TM image sensors (Case study: Meshginshahr city). Journal of Applied Researches in Geographical Sciences, 22(67), 375-393. https://doi.org/10.52547/jgs.22.67.375 [In Persian].
Alinezhad, A., & Khalili, J. (2019). New methods and applications in multiple attribute decision making (MADM): International series in operations research & management science. Springer. https://doi.org/10.1007/978-3-030-15009-9
Aneseyee, A.B., Elias, E., Soromessa, T., & Feyisa, G.L. (2020). Land use/land cover change effect on soil erosion and sediment delivery in the Winike watershed Omo gibe basin. Science of the Total Environment, 728(1), 1-28. https://doi.org/10.1016/j.scitotenv.2020.138776
Asghari Saraskanroud, S., Faal-Naziri, M., & Ardashirpay, A.A. (2019). Studying the effects of land use on soil Erosion with WLC algorithm: Case of study: Agh Laghan chay basin. Quarterly Journal of Environmental Erosion Research, 9(2), 53-71. http://magazine.hormozgan.ac.ir/article-1-521-fa.html [In Persian].
Asghari Saraskanroud, S., & Naseri, A. (2020). Extracting land use map of susangerd county using pixel-based and object-oriented algorithms. Geographical Space, 20(69),77-95. http://geographical-space.iau-ahar.ac.ir/article-1-3181-fa.html [In Persian].
Asghari Saraskanroud, S., & Piroozi, E. (2024). Identification and zoning of areas prone to the occurrence of landslides using the aras multi-Criteria analysis method (Study Area: Qaranqoochay watershed in the southeast of East Azarbaijan province). Geography and Environmental Planning, 35(3), 65-94. https://doi.org/10.22108/gep.2024.140985.1639 [In Persian].
Costea, A., Bilasco, S., Irimus, I. A., Rosca, S., Vescan, I., Fodorean, I., & Sestras, P. (2022). Evaluation of the risk induced by soil erosion on land use: Case study: Guruslău depression. Sustainability, 14(1), 1-19. https://doi.org/10.3390/su14020652
Esmaeili, H., & Negahban, S. (2021). Detection and prediction of land use/ land cover changes using Markov chain model and cellular automata (CA-Markov): Case study: Darab plain. Journal of Arid Regions Geographic Studies, 12(43), 41-61. https://jargs.hsu.ac.ir/article_161536.html [In Persian].
Feizizadeh, B., KHedmat-Zadeh, A., & Nikjoo, M.R. (2018). Micro-classification of orchards and agricultural croplands by applying object-based image analysis and fuzzy algorithms for estimating the area under cultivation. Journal Of Applied Researches in Geographical Sciences, 18(48), 201-216. https://doi.org/10.29252/jgs.18.48.201 [In Persian].
Hussain, S., Mubeen, M., Akram, W., Ahmad, A., Habib-Ur-Rahman, M., Ghaffar, A., Amin, A., Awais, M., Umar Farid, H., Farooq, A., & Nasim, W. (2020). Study of land cover / land use changes using RS and GIS: A case study of Multan district Pakistan. Environ Monit Assess, 192(1), 1-15. https://doi.org/10.1007/s10661-019-7959-1
Karimzadeh Motlagh, Z., Lotfi, A., Pourmanafi, S., & Ahmadizadeh, S. (2022). Evaluation and prediction of Land-Use changes using the CA_Markov model. Geography and Environmental Planning, 33(2), 67-84. https://doi.org/10.22108/gep.2022.130601.1458 [In Persian].
Kim, J. H., & Ahn, B.S. (2020). The hierarchical VIKOR method with incomplete information: Supplier selection problem. Sustainability, 12(22), 1-15. https://doi.org/10.3390/su12229602
Li, M., Li, T., Zhu, L., Meadows, M.E., Zhu, W., & Zhang, S. (2021). Effect of land use change on gully erosion density in the black soil region of northeast China from 1965 to 2015: A case study of the Kedong county. Front. Environ Sci, 9(1), 652-933. https://doi.org/10.3389/fenvs.2021.652933
Madadi, A., Asghari Saraskanrood, S., & Hajatpourghaleroodkhany, H. (2024). Investigating land use changes with an emphasis on forest cover and its effects on soil erosion using object-oriented classification and the MARCOS multi-criteria technique case study: Ghaleroodkhan Fuman watershed, Hydrogeomorphology, 11(39), 167-144. https://doi.org/10.22034/hyd.2024.60739.1731 [In Persian].
Madadi, A., Faal Naziri, M., & Piroozi, E. (2022). Evaluation of land use changes and its effects on soil erosion in the basin upstream of Yamchi Dam in Ardabil using ARAS multi-criteria decision algorithm and modern remote sensing methods. Quantitative Geomorphological Research, 11(2), 52-70. https://doi.org/10.22034/gmpj.2022.315438.1314 [In Persian].
Madadi, A., Qhffari, A., & Piroozi, E. (2016). Assessment and zonation of downfall hazard using by VIKOR model (Cause study: Aqlaqhan chay basin) extended abstract. Geography And Environmental Planning, 26(4), 63-80. https://gep.ui.ac.ir/article_20778.html [In Persian].
Manikandan, K., & Rangarajan, S. (2023). Predicting erosion potential zones using CA-ANN and Multi-Criteria analysis for the bhavani watershed India. Journal of the Geological Society of India, 99(1), 607–620. https://doi.org/10.1007/s12594-023-2362-5
Meshram, S.G., Singh, V.P., Kahya, E, Alvandi, E., Meshram, C., & Sharma, S.K. (2020). The feasibility of multi-Criteria decision making approach for prioritization of sensitive area at risk of water erosion. Water Resour Manage, 34(1), 4665–4685.
 https://doi.org/10.1007/s11269-020-02681-7
Motamedirad, M., Zangane Asadi, M. A., & Ajam, H. (2023). Investigating the rate of soil erosion and sediment production using the RUSLE model and the modified method PSIAC (Case study: kal basin of Ismail, Shahrood city Semnan province). Quantitative Geomorphological Research, 11(4), 147-165. https://doi.org/10.22034/gmpj.2022.360813.1374 [In Persian].
Mwanga; W.E., Shaibu; A.G., & Issaka, Z. (2024). Influence of long-term land use and land cover (LULC) changes on soil loss sediment export and deposition in the ungauged bontanga watershed. H2Open Journal, 7(1), 1-21. https://doi.org/10.2166/h2oj.2024.088
Parvizi, Y., Bayat, R., Arabkhedri, M. (2020). Determination of main agents affecting soil erosion in rainfed land of Kermanshah province using rainfall simulator. Iranian Journal of Watershed Management Science, 14(49), 70-82. http://jwmsei.ir/article-1-939-fa.html [In Persian].
Prashanth, M., A. Kumar, S., Dhar, O., Verma, S.K., & Kouser, B. (2023). Land use/land cover change and its implication on soil erosion in an ecologically sensitive Himachal Himalayan watershed Northern India. Front For Glob Change, 6(1), 1-17. https://doi.org/10.3389/ffgc.2023.1124677
Qingge, L., Wei, S., & Yang, P. (2020). An improved Otsu threshold segmentation algorithm. International Journal of Computational Science And Engineering, 22(10), 146-153.  https://doi.org/10.1504/IJCSE.2020.107266
Samie, F., Yaghmaeian Mahabadi, N., Abrishamkesh, S., & Maslahatjou, A. (2022). Impact of land use change on erodibility and soil quality indicators (Case study: Sidasht guilan province). Agricultural Engineering, 45(1), 57-78. https://doi.org/10.22055/agen.2022.39858.1630 [In Persian].
Statistical Yearbook of Ardabil Province. (2022). Ardabil provincial management and planning organization. Deputy for statistics and information. http://ardabilmpo.ir/index.aspx?pageid=387 [In Persian].
Taloor, A.K., Kumar, V., Kumar, S.G., Singh, A.K., Kale, A.V., Sharma, R., Khajuria, V., Raina, G., Kouser, B., & Chowdhary, N.H. (2020). Land use land cover dynamics using remote sensing and gis techniques in western doon valley uttarakhand India. Geoecology of Landscape Dynamics, Advances In Geographical And Environmental Sciences, 4(1), 37-51.
https://doi.org/10.1007/978-981-15-2097-6_4
Zeinali, B., Melanori, E., & Shiva, S. (2013). Investigation of land use changes and climatic components in Meshkinshahr city. Soil and Water Conservation, 12(3), 15-31. https://doi.org/10.30495/wsrcj.2022.68774.11316 [In Persian].
 
 
Geography and Environmental Planning
Volume 35, Issue 4 - Serial Number 96
February 2025
Pages 137-164

Files

History

  • Receive Date: 16 December 2024
  • Revise Date: 06 March 2025
  • Accept Date: 09 March 2025

Share

How to cite

Statistics