پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,689 |
| تعداد مشاهده مقاله | 115,002,334 |
| تعداد دریافت فایل اصل مقاله | 89,681,250 |
پایش تغییرات و رتبه‌بندی عوامل تهدید کننده تالاب میانگران، استان خوزستان | ||
| نشریه محیط زیست طبیعی | ||
| دوره 74، شماره 1، خرداد 1400، صفحه 83-95 اصل مقاله (1.14 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jne.2021.309286.2063 | ||
| نویسندگان | ||
| رقیه سالارپور1؛ منصوره ملکیان* 2؛ امید قدیریان3 | ||
| 1دانشگاه صنهعتی اصفهان | ||
| 2دانشکده منابع طبیعی | ||
| 3دانشگاه صنعتی اصفهان | ||
| چکیده | ||
| تالاب‌ها اکوسیستم‌های ارزشمندی هستند که خدمات محیط‌زیستی متعددی مانند ذخیره و تأمین آب، مهار فرسایش، کنترل سیلاب و حفظ تنوع‌زیستی را ارائه می‌دهند. پرندگان مهاجر آبزی و کنار‌آبزی از جمله گونه‌های وابسته به تالاب هستند که بقای آنها به حیات تالاب‌ها بستگی دارد. شرایط بوم‌شناختی و کیفیت آب تالاب به ویژگی‌های محیط پیرامونی آن از جمله نوع و نسبت کاربری‌‌ها مرتبط است. تالاب میانگران یکی از تالاب‌های ارزشمند کشور است که در استان خوزستان واقع شده است. این پژوهش با هدف پایش تغییرات کاربری و پوشش اراضی تالاب میانگران در بازه زمانی 30 ساله و رتبه‌بندی عوامل تخریب این تالاب انجام شد. برای ارزیابی تغییرات کاربری و پوشش اراضی تالاب میانگران از تصاویر ماهواره‌ای سال‌های 1990، 2000 و2010 و 2018 استفاده شد. پنج طبقه کاربری اراضی شامل کاربری شهری، کاربری کشاورزی، تالاب، رخنمون سنگی و جنگل با استفاده از طبقه‌بندی نظارت‌شده تشخیص داده شد. عوامل تخریب در طی عملیات میدانی و گزارش‌های موجود شناسایی و برای رتبه‌بندی عوامل تخریب تالاب از فرایند تحلیل سلسله مراتبی استفاده شد. بدین منظور پرسشنامه‌ای شامل ماتریس مقایسه زوجی عوامل تخریب تالاب تهیه و توسط 20 نفر از کارشناسان محیط‌زیست در استان خوزستان تکمیل شد. نتایج حاصل با استفاده از نرم افزار Expert Choice تحلیل شد. نتایج حاصل از آشکار‌سازی تغییرات نشان داد که از سال 1990 تا 2018 وسعت آب تالاب 80 درصد کاهش داشته و اراضی کشاورزی و مناطق شهری 40 درصد افزایش یافته است. رتبه‌بندی عوامل تخریب در تالاب نشان داد که سه عامل: ورود فاضلاب شهری (35/0)، توسعه در بخش کشاورزی (16/0) و خشکسالی (15/0) بیش‌ترین وزن را به خود اختصاص داده اند. بدون تردید شناخت درست و دقیق روند تغییرات یک تالاب و عوامل تهدید‌کننده آن، براساس اهمیت و میزان تأثیرگذاری آنها، می‌تواند زمینه را برای جلوگیری و مقابله اصولی با این عوامل و نیز تهیه و اجرای دقیق طرح‌های حفاظت از تالاب فراهم آورد | ||
| کلیدواژه‌ها | ||
| سنجش از دور؛ کاربری اراضی؛ پرندگان مهاجر؛ خشکسالی؛ تحلیل سلسله مراتبی | ||
| عنوان مقاله [English] | ||
| Monitoring changes and ranking threat factors of Miangharan wetland, Khuzestan Province | ||
| نویسندگان [English] | ||
| Rogaiyeh Salarpour1؛ mansoureh malekian2؛ omid ghadirian3 | ||
| 1IUT | ||
| 3IUT | ||
| چکیده [English] | ||
| Wetlands are valuable ecosystems that provide a variety of environmental services such as water storage and supply, erosion and flood control, and biodiversity conservation. Migratory birds including waterfowls and shorebirds are among wetland-dependent species whose survival depends on wetlands. Ecological conditions and water quality of a wetland depend on the characteristics of its surrounding environment, including the type and ratio of land use and land covers. Miangharan wetland is one of the valuable wetlands in Iran, located in the southwest of the country in Khuzestan province. The current study was conducted to monitor land cover changes in Miangharan wetland over a period of 30 years and to rank destructing factors of this wetland. Satellite images were utilized from the mid-winter of 1990, 2000, 2010 and 2018 and land use maps of different years were produced and analyzed. Five land use classes including urban area, agricultural area, wetland, rocky outcrop and forests were identified using supervised classification. Destruction factors were identified through field observation and reports. The analytic hierarchy process (AHP) was used to rank the destruction factors of the wetland. A questionnaire was designed and completed by 20 environmental experts in Khuzestan province and analyzed, using Expert Choice software. Result showed that the wetland area has been decreased up to 80% from 1990 to 2018 and agricultural and urban areas have increased by 40%. Based on the results, the highest calculated weights were related to three threatening factors including sewage inflow (0.35), agricultural activities near the wetland (0.16) and natural drought (0.15). A correct and accurate understanding of the process of changes in a wetland and its threatening factors, provide a basis for preventing and dealing with these factors, as well as the prevention and accurate implementation of wetland conservation plans. | ||
| کلیدواژه‌ها [English] | ||
| Remote sensing, Land use change, Migratory birds, Drought, Analytic hierarchy process | ||
| مراجع | ||
|
Abedi, T. & Jensi, Z. 2020. Investigating the factors influencing wetland degradation according to CIPA decision support criteria by fuzzy delphi approach (case study: Amir Kalayeh wetland, Guilan Province). Journal of Environmental science studies 5: 2589-2596. (In Persian). Ansari, A. & Golabi, M. H. 2019. Prediction of spatial land use changes based on LCM in a GIS environment for Desert Wetlands–A case study: Meighan Wetland, Iran. International Soil and Water Conservation Research, 7(1): 64-70. Asghari Poudeh, Z., Ghadirian Baharanchi, O., Nematallahi, S., Fakheran, S., & Pourmanafi, S. 2019. Monitoring and prediction of land use/cover changes in Shadegan international wetland, Iran, Iranian Journal of Applied Ecology 8: 36-76. (In Persian). Bagherzadeh, M., & Rouhani, M. 2006. A Guide to Iranian Wetlands Registered in Ramsar Convention. Department of Environment, Tehran, Iran. 183p. (In Persian). Behrouzi-Rad, B. 2017. Study of diversity and population of perrestrial birds in the margin of Miangharan wetland in winter and spring. Journal of Natural Ecosystems of Iran 8: 21-34. (In Persian). Da, F., Chen, X. & Qi, J. 2019. Spatiotemporal Characteristic of Land Use/Land Cover Changes in the Middle and Lower Reaches of Shule River Basin Based on an Intensity Analysis. Sustainability, 11(5): 1-19 Devi, M.S. & Chib, S. 2019. Classification of Satellite Images Using Perceptron Neural Network. International Journal of Computational Intelligence Research, 15: 1-10. Esmaeili, M., Jafari, H. & Ghorbani, G. 2013. Investigating the quality of Miangharan wetaland in Khuzestan. The First National Conference on Environmental Research, Hamedan. Iran. Ghorbani, R., Taghipour. A.A. & Mahmoudzadeh, H. 2013. Analysis and evaluation of land use changes in international wetlands of Ala-Gol, Alma- Gol & Ajay-Gol in Turkaman Sahra, using multi-temporal satellite images. Geography and Environmental Planning 4: 167-184. (In Persian).Ghosh, S. & Das, A. 2019. Urban expansion induced vulnerability assessment of East Kolkata Wetland using Fuzzy MCDM method. Remote Sensing Applications: Society and Environment, 13: 191-203. Han, D., Yang, Y., Yang, Y. & Li, K. 2012. Recent advances in wetland degradation research. Acta Ecologica Sinica, 32: 1293-1307. Han, J.-C., Huang, Y., Zhang, H. & Wu, X. 2019. Characterization of elevation and land cover dependent trends of NDVI variations in the Hexi region, northwest China. Journal of environmental management, 232: 1037-1048. Jafariazar, S., Sabzeghabaei, GH.R., Tavakoly, M., & Dashti, S. 2017. Assessment and prioritization of environmental risks in Gaz and Hara Rivers estuary international wetland. Iranian Journal of Applied Ecology 6: 71-87. (In Persian). Jafariazar, S., Sabzeghabaei, GH.R., Tavakoly, M., & Dashti, S. 2019. Assessment and prioritization of environmental risks in Gaz and Hara Rivers Estuary International Wetland. Iranian Journal of Spatial Analysis of Environmental Hazards 5: 65-87. (In Persian). Jahani-Shakib, F., Malekmohammadi, B., Yavar, A.R., Sharifi, y. & Adeli, F. 2014. Assessment of the trends of land use and climate changes in Choghakhor wetland landscape emphasizing on environmental impacts, Journal of Environmental studies 40: 631-643. (In Persian). Madjnoonian, H. 1990. Global Conventions and Strategies, Ramsar Convention and World Heritage. Vol. 1. Department of Environment, Tehran, Iran. 320p. (In Persian). Makrouni, S., Sabzeghabaei, GH.R., & Soltani, S. 2016. Detection of land use changes in Hoor Al Azim wetland using remote sensing and geographic information techniques. Journal of Applied RG and GIS for Natural Resources 7: 89-99. (In Persian). Mirzaei, M. & Solgi, E. 2017. The relationship between water quality parameters and land use changes in Zayandehrood Basin. Journal of Water and Irrigation management 6: 175-191. (In Persian). Rashidi, M. 2017. Environmental impact assessment of Miangharan wetland, Izah, Khuzestan. The Fourth International Conference on Environmental Planning and Management, Tehran. Iran. (In Persian). Riahinia, I. 2009. Estimating the damage caused by water pollution of Miangaran wetland, 1st National Wetland Conference, Ahvaz, Iran. (In Persian). Rojas, C.; Munizaga, J.; Rojas, O.; Martínez, C. & Pino, J. 2019. Urban development versus wetland loss in a coastal Latin American city: Lessons for sustainable land use planning. Land use policy, 80: 47-56. Saaty, T.L. 1977. A scaling method for priorities in hierarchical structures. Journal of Mathematical Psychology 15: 234-281. Sabzeghabaei, GH.R., Monavari, S. M., Riazi, B., Khorasani, N., & Karami, M. 2013. Analyzing the corporation of presure and threats of tropical wetlands by using RAPPAM method (Case Study: Khuzestan province wetlands). Journal of wetland Ecobiology 4: 55-68. (In Persian). Sánchez-Ruiz, S., Moreno-Martínez, Á., Izquierdo-Verdiguier, E., Chiesi, M., Maselli, F. & Gilabert, M.A. 2019. Growing stock volume from multi-temporal landsat imagery through google earth engine. International Journal of Applied Earth Observation and Geoinformation, 83: 101913. Sun, T., Lin, W., Chen, G., Guo, P. & Zeng, Y. 2016. Wetland ecosystem health assessment through integrating remote sensing and inventory data with an assessment model for the Hangzhou Bay, China. Science of the Total Environment, 566: 627-640. Whyte, A., K. P. Ferentinos and G. P. Petropoulos 2018. A new synergistic approach for monitoring wetlands using Sentinels-1 and 2 data with object-based machine learning algorithms. Environmental Modelling & Software 104: 40-54. | ||
|
آمار تعداد مشاهده مقاله: 606 تعداد دریافت فایل اصل مقاله: 544 |
||