پیش‌بینی تغییرات مورفولوژی رودخانه سفید رود با استفاده از Arc GIS

الموضوعات :

عقیل مددی ¹ (استاد، گروه جغرافیای طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.)
طیبه بابایی اولم ² (دانشجوی دکتری، گروه جغرافیای طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.)
علیرضا قدرتی ³ (بخش تحقیقات جنگلها، مراتع و آبخیزداری، مرکز تحقیقات کشاورزی و منابع طبیعی استان گیلان، سازمان تحقیقات، آموزش و ترویج کشاورزی، رشت، ایران.)

تاريخ الإرسال : 17 الأربعاء , رجب, 1444 تاريخ التأكيد : 27 الثلاثاء , رمضان, 1444 تاريخ الإصدار : 09 الأحد , رجب, 1445

الکلمات المفتاحية: زنجیره مارکف, سفیدرود, مدل سلول‌های اتوماتیک, مطالعات سنجش از دور,

ملخص المقالة :

با توجه به رویدادهای سیل به‌ویژه برای سکونتگاه‌ها پیرامون رودخانه‌ها، عدم اطلاع صحیح از تغییرات متوالی بستر رودخانه و جابجایی آن در سال‌های آتی یکی از مسایل مهم علمی آبخیزداری می‌باشد از این‌رو به دلیل اطلاعات ناکافی از رفتار رودخانه‌ها، سکونتگاه‌های حاشیه رودخانه‌های مناطق ساحلی دائماً دچار آسیب هستند. محدوده مورد بررسی این تتحقیق از مرز کنیک کوهستان تا جلگه می‌باشد. هدف از این پژوهش پیش‌بینی تغییرات مورفولوژی رودخانه (عرض کانال و اندازه‌گیری پیچانرودی و ضریب خمیدگی رودخانه) در مناطق ساحلی شمال کشور از طریق روش‌های تلفیقی سنجش از دور با مدل سلول‌های اتوماتیک وزنجیره مارکوف است. سفیدرود به عنوان بزرگترین و مهم‌ترین رودخانه سواحل جنوب دریای خزر نقش مهمی در زندگی، فعالیت‌ها و سرمایه‌های انسانی منطقه دارد. عوامل مورفولوژیک رودخانه و محیط‌های پیرامون آن و پیش‌بینی شرایط آینده می‌تواند در برنامه‌ریزی و آمایش دشت‌های ساحلی موثر و ضروری واقع شود. در این پژوهش از تصاویر ماهواره‌ای لندست 5، 7 و 8 سال‌های، 2002،1987 و 2018، همراه با داده‌های تغییرات تراز دریای خزر و دبی سفیدرود، بررسی‌های میدانی و نرم افزارهای Envi 5.3، ArcGIS 10.4.1 و Idrisi TerrSet به عنوان ابزار تحقیق بهره گرفته شد. ابتدا مقادیر احتمال تبدیل کاربری اراضی در سال 2018 بر مبنای مدل تلفیقی زنجیره مارکوف و سلول‌های خودکار به‌دست آمد. نتایج نشان داد که مدل تلفیقی، دارای دقت و صحت بالایی جهت پیش‌بینی الگوی آینده است. سپس با توجه به دقت و صحت خروجی مدل، نقشه پیش‌بینی کاربری اراضی و مورفولوژی رودخانه برای سال 2030 تهیه شد. با برازش دو نقشه سال 2018 و پیش‌بینی 2030 تغییرات محتمل در محیط رودخانه به‌دست آمد و در چهار محدوده مورد تحلیل قرار گرفت. در نهایت با استفاده از داده‌های تغییرات تراز دریای خزر و دبی سالانه رودخانه سفیدرود، روند تغییرات و پیش‌بینی مدل، مورد بررسی قرار گرفت. بیشترین احتمال تغییرات بر اثر تاسیسات ساخت انسان می‌باشد. فرایندهای فرسایشی، تغییر پیچانرودی و سیل‌گیری در حد فاصل سد سنگر تا روستای لومان بصورت جابجایی جانبی کانال و تشدید پیچانرودی، روستای کیسم و شهر آستانه اشرفیه و آزادسرا تا لیچاه بصورت سیل‌گیری تاسیسات انسانی و در محدوده کیاشهر، تالاب بوجاق و دلتای سفیدرود بصورت تغییر موقعیت مصب و جابجایی به غرب کانال رودخانه می‌باشد، با توجه به نتایج بررسی مقطع عرضی کانال رودخانه در سه دوره 1987، 2002 و 2018، روند کاهشی عرض کانال رخ داده است.

المصادر:

ارشد، صالح؛ مرید، سعید؛ میرابوالقاسمی، هادی (1386). بررسی روند تغییرات مورفولوژیکی رودخانه‌ها با استفاده از سنجش از دور: مطالعۀ موردی رودخانۀ کارون از گتوند تا فارسیات (82-1369). مجله علوم کشاورزی و منابع طبیعی. 14 (6)، 180-194.

اصغری سراسکانرود، صیاد؛ پوراحمد، مهدی (1394). ناسایی و استخراج تغییرات رودخانه‌ی زرینه‌رود در فاصله‌ی سال‌های 1989 تا 2014 با استفاده از پردازش تصاویر ماهواره‌ای. هیدروژئومورفولوژی. 2 (5)، 16-1.

برخورداری، جلال؛ خسروشاهی، محمد (1386). بررسی اثر تغییرات پوشش اراضی و اقلیم بر جریان رودخانه (مطالعه موردی: حوضه آبخیز میناب). پژوهش و سازندگی. 20 (4)، 199-191.

اقتصادی، شهمیر؛ زاهدی، رفیعه (1390). مطالعه عوامل تاثیرگذار بر نوسانات تراز آب خزر جنوبی. علوم و فنون دریایی. 10 (3)، 13-4.

جواهری طهرانی، محسن؛ موسوی، سید فرهاد؛ حسینی، خسرو (1395). مطالعه ریخت‌شناسی پیچان‌ رودها با جریان کنترل شده با استفاده از تکنیک‌های RS و GIS (مطالعه موردی: رودخانه زاینده‌رود در پایین‌دست سد زاینده‌رود). مجله علوم آب و خاک. 20 (77)، 44-25.

حافظی مقدس، ناصر و دیگران (1391). مطالعه ژئومورفولوژی مهندسی رودخانه سیستان. زمین‌شناسی کاربردی. 8 (1)، 18-1.

رنگزن، کاظم؛ صالحی، بهرام؛ سلحشوری، پروین (1387، اردیبهشت). بررسی تغییرات منطقه پایین‌دست سد کرخه قبل و بعد از ساخت سد با استفاده از تصاویر چند زمانه Land Sat. چهارمین همایش ژئوماتیک 87. تهران، سازمان نقشه برداری کشور.

سیف، عبدالله؛ نجمی، نجمه (1392). بارزسازی تغییرات پیچان رودهای کارون با استفاده از تصاویر چندزمانه IRS و Landsat. فصلنامۀ تحقیقات جغرافیایی. 60 (28)، 226-211.

پیروزی، الناز؛ مددی، عقیل؛ اصغری‌سراسکانرود، صیاد (1399). بررسی تغییرات هیدرولوژیکی و مورفولوژیکی رودخانه گیوی‌چای ناشی از احداث سد گیوی. جغرافیا و توسعه. 18 (61)، 58-29.

غفاری، سارا؛ قریشی نجف‌آبادی، سید حسین؛ مجدزاده طباطبایی، محمدرضا (1401). بررسی تغییرات ریخت‌‌شناسی مصب‌‌ها (شبیه‌سازی عددی رودخانه شلمانرود با نرم‌افزار MIKE21). مدیریت آب و آبیاری. 12 (3)، 560-541.

میرزایی‌زاده، وحید؛ نیک‌نژاد، مریم؛ اولادی قادیکلایی، جعفر (1401). ارزیابی الگوریتم‌های طبقه بندی نظارت شده غیرپارامتریک در تهیه نقشه پوشش زمین با استفاده از تصاویر لندست 8. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی. 6 (3)، 44-29.

عابدینی، موسی؛ بلواسی، ایمانعلی؛ نظافت تکله، بهروز (1401). ارزیابی تغییرات مورفولوژیکی رودخانه با استفاده از برازش دایره‌های مماس در  محیط GIS (مطالعه موردی: رودخانه کهمان الشتر). مطالعات علوم محیط زیست. 7 (4)، 5581-5571.

عطایی، سهیل و دیگران (1395). تاثیر نوسانات تراز آب دریا بر تغییرات خطوط ساحلی دریای خزر. نشریه مهندسی دریا. 12 (24)، 113-103.

عبدالهی باغسیاهی، علی؛ حشمتیان، رضا؛ سویزی، مهدی (1397، بهمن). پهنه بندی سیلاب ابراهه اصلی ساحل مکران با تلفیق مدل HEC-RAS&GIS رودخانه باهو کلات. یازدهمین سمینار بین المللی مهندسی رودخانه. اهواز. ایران.

هلالات ناصریان، حسین و دیگران (1392، آبان). مدلسازی جامع سیلاب منطقه دشتیاری شهرستان چابهار توسط مدل MIKE FLOOD و ارائه طرح علاج بخشی سیل در منطقه. دوازدهمین کنفرانس هیدرولیک ایران. کرج. ایران.

معصومی، حمیدرضا؛ غریب رضا، محمدرضا؛ معتمد، احمد (1389). بررسی مورفولوژی و الگوی پیچانرودی رودخانه زهره در جلگه ساحلی هندیجان. مهندسی و مدیریت آبخیز. 3 (2)، 111-102.

عبدالهی کاکرودی، عطااله (1392). نوسانات دریای خزر و تاثیر آن بر سواحل جنوب شرقی آن. پژوهش‌های ژئومورفولوژی کمی. 2 (3)، 44-33.

جداری عیوضی، جمشید؛ یمانی، مجتبی، خوش رفتار، رضا (1384). تکامل ژئومرفولوژی دلتای رود سپیدرود درکواترنر. پژوهش‌های جغرافیایی. 37 (53)، 20-99.

شرفی، سیامک؛ آرین‌تبار، حبیب؛ کمالی، زهرا (1401). بررسی تغییرات مکانی- زمانی مورفولوژی رودخانه سیالخور در استان لرستان. پژوهش‌های ژئومورفولوژی کمی. 8 (3)، 131-115.

کیانپور کل خواجه، محمد؛ پژوهش، مهدی؛ امام قلی‌زاده، صمد (1401). ارزیابی مدل تلفیقی زنجیره مارکوف و سلول‌های خودکار در شبیه‌سازی تغییرات کاربری و پوشش اراضی سد گتوند. نشریه آب و توسعه پایدار. 9 (2)، 56-47.

 Pal, M. & Mather, P.M. (2005). Support vector machines for classification in remote sensing. International Journal of Remote Sensing. 26 (5), 1007-1011.

Muller, M.R. & Middleton, J. (1994). A Markov model of land-use change dynamics in the Niagara Region, Ontario, and Canada. Landscape Ecology. 9, 151-157.

Morais, E.S.; Rocha, P.C. & Hooke, J. (2022). Spatio-temporal variations in channel changes caused by cumulative factors in a meandering river: The lower Peixe River, Brazil. Geomorphology. 273, 348-360.

Subedi, P.; Subedi, K. & Thapa, B. (2013). Application of a hybrid cellular Automaton Markov (CA-Markov) model in land-use change prediction: A case study of saddle Creek Drainage Basin, Florida. Applied Ecology and Environmental Sciences. 16, 126-132.

Mondal, S. et al (2020). Cellular automata (CA) contiguity filters impacts on CA Markov modelling of land use land cover change predictions results. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. XLIII (B3), 1585–1591.

Medel, I.D.; Stubblefield, A.P. & Shea C. (2020). Sedimentation and erosion patterns within anabranching channels in a lowland river restoration project. International Journal of River Basin Management. 20 (1), 1-34. DOI: 10.1080/15715124.2020.1809435.

Janes, V.J.J. et al (2017). Analysis of fundamental physical factors influencing channel bank erosion: results for contrasting catchments in England and Wales. Environmental Earth Science.76 (307), 1-18. DOI: 10.1007/s12665-017-6593-x.

Kondolf, G.M. et al (2016). Geomorphic classification of rivers and streams. Chapter 7. Tools in Fluvial Geomorphology. London: Wiley. 169-202. DOI: 10.1002/9781118648551.ch7.

Bravard J.P. & Petit, F. (2009). Geomorphology of streams and rivers. Encyclopedia of Inland Waters. 387-95. United States: Academic Press. DOI: 10.1016/B978-012370626-3.00043-0.

Khoshravan, H. et al (2020). Effects of the Caspian Sea water level change on Boujagh National Park. southwest the Caspian sea. Caspian J. Environ, Sci. 19 (2), 99-110. 

Chen, J.L. et al (2017). Long-term Caspian Sea level change. Geophysical Research Letters. 44 (13), 6993- 7001. 10.1002/2017GL073958.

Zhang, F. et al (2015). Spatio-temporal patterns of land use/cover changes over the past 20 years in the middle reaches of the Tarim River, Xinjiang, China. Land Degradation and Development. 26 (3), 284- 299.

Sang, L. et al (2011). Simulation of land use spatial pattern of towns and villages based on CA–Markov model. Mathematical and Computer Modelling. 54 (3-4), 883-848. DOI: 2002022/j.mcm.10200220028.

Shumona, A.; Kutub Uddin, E. & Shakibul, I. (2023). Predicting spatiotemporal changes of channel morphology in the reach of Teesta River. Bangladesh using GIS and ARIMA modeling. Quaternary International. 513 (1), 80-94.

Langat, P.K.; Kumar, L. & Koech, R. (2019). Monitoring river channel dynamics using remote sensing and GIS techniques. Geomorphology. 325 (1-3), 92-102.

نص كامل:



به نام خدا

با سلام و عرض ادب و احترام خدمت سردبیر محترم مجله جغرافیا و مطالعات محیطی تمامی موارد بر اساس نظرات داوران محترم اصلاح و با رنگ زرد هایلایت گردید.

 با تشکر

Forecasting changes in the morphology of Sefid Rood River using Arc GIS

 

 

Abstract

Considering the flood events, especially for the settlements around the rivers, the lack of correct information about the consecutive changes of the river bed and its movement in the coming years is one of the important scientific issues of watershed management, therefore, due to insufficient information about the behavior of the rivers, the settlements along the rivers in the coastal areas are constantly damaged. are. The scope of this research is from the border of Konik Kohestan to Jalga. The purpose of this research is to predict the changes in river morphology (channel width and measurement of Pichanroudi and river curvature coefficient) in the coastal areas of the north of the country through the integrated methods of remote sensing with the model of Markov automatic weighing cells. Sefidroud, as the largest and most important river on the southern shores of the Caspian Sea, plays an important role in the life, activities and human capital of the region. The morphological factors of the river and its surroundings and the prediction of future conditions can be effective and necessary in the planning and preparation of coastal plains. In this research, the Landsat 5, 7 and 8 satellite images of 2002, 1987 and 2018, along with the data of changes in the level of the Caspian Sea and Sefidroud Dubai, field surveys and Envi 5.3, ArcGIS 10.4.1 and Idrisi TerrSet software as The research tool was used. First, the probability values of land use conversion in 2018 were obtained based on the integrated model of the Markov chain and automatic cells. The results showed that the integrated model has high precision and accuracy to predict the future pattern. Then, according to the accuracy and accuracy of the model output, the prediction map of land use and river morphology for 2030 was prepared. By fitting the two maps of 2018 and the forecast of 2030, possible changes in the river environment were obtained and analyzed in four areas. Finally, using the data of changes in the level of the Caspian Sea and the annual discharge of the Sefidroud River, the trend of changes and prediction of the model was investigated. The most likely changes are due to man-made facilities. Erosion processes, change of Pichanroodi and flooding in the distance from Sangar Dam to Luman village as lateral displacement of the channel and intensification of Pichanroodi, Kisem village and the city of Astana Ashrafieh and Azadsara to Lichah as flooding of human facilities and in the area of Kiashahr, Bojag wetland and delta Sefidroud is changing the position of the estuary and moving to the west of the river channel, according to the results of the survey of the cross section of the river channel in the three periods of 1987, 2002 and 2018, there has been a decrease in the width of the channel.

Key words: Markov chain, automatic cell model, remote sensing studies, Sefidroud.

 

پیش‌بینی تغییرات مورفولوژی رودخانه سفید رود با استفاده از  Arc GIS

 

 

چکیده

با توجه به رویدادهای سیل به‌ویژه برای سکونتگاه‌ها پیرامون رودخانه‌ها، عدم اطلاع صحیح از تغییرات متوالی بستر رودخانه و جابجایی آن در سال‌های آتی  یکی از مسایل مهم علمی آبخیزداری می‌باشد از این‌رو به دلیل اطلاعات ناکافی از رفتار رودخانه‌ها، سکونتگاه‌های حاشیه رودخانه‌های مناطق ساحلی دائماً دچار آسیب هستند. محدوده مورد بررسی این تتحقیق از مرز کنیک کوهستان تا جلگه می‌باشد. هدف از این پژوهش پیش‌بینی تغییرات مورفولوژی رودخانه (عرض کانال و اندازه‌گیری پیچانرودی و ضریب خمیدگی رودخانه) در مناطق ساحلی شمال کشور از طریق روش‌های تلفیقی سنجش از دور با مدل سلول‌های اتوماتیک وزنجيره ماركوف است. سفیدرود به عنوان بزرگترین و مهم‌ترین رودخانه سواحل جنوب دریای خزر نقش مهمی در زندگی، فعالیت‌ها و سرمایه­های انسانی منطقه دارد. عوامل مورفولوژیك رودخانه و محیط­های پیرامون آن و پیش‌بینی شرایط آینده می­تواند در برنامه‌ریزی و آمایش دشت­های ساحلی موثر و ضروری واقع شود. در این پژوهش از تصاویر ماهواره‌ای لندست 5، 7 و 8 سال‌های، 2002،1987 و 2018، همراه با داده‌های تغییرات تراز دریای خزر و دبی سفیدرود، بررسی­های میدانی و نرم افزارهای Envi 5.3، ArcGIS 10.4.1 و Idrisi TerrSet به عنوان ابزار تحقیق بهره گرفته شد. ابتدا مقادیر احتمال تبدیل کاربری اراضی در سال 2018 بر مبنای مدل تلفیقی زنجیره مارکوف و سلول‌های خودکار به‌دست آمد. نتایج نشان داد که مدل تلفیقی، دارای دقت و صحت بالایی جهت پیش‌بینی الگوی آینده است. سپس با توجه به دقت و صحت خروجی مدل، نقشه پیش‌بینی کاربری اراضی و مورفولوژی رودخانه برای سال 2030 تهیه شد. با برازش دو نقشه سال 2018 و پیش‌بینی 2030 تغییرات محتمل در محیط رودخانه به‌دست آمد و در چهار محدوده مورد تحلیل قرار گرفت. در نهایت با استفاده از داده‌های تغییرات تراز دریای خزر و دبی سالانه رودخانه سفیدرود، روند تغییرات و پیش‌بینی مدل، مورد بررسی قرار گرفت. بیشترین احتمال تغییرات بر اثر تاسیسات ساخت انسان می باشد. فرایندهای فرسایشی، تغییر پیچانرودی و سیل­گیری در حد فاصل سد سنگر تا روستای لومان بصورت جابجایی جانبی کانال و تشدید پیچانرودی، روستای کیسم و شهر آستانه اشرفیه و آزادسرا تا لیچاه بصورت سیل­گیری تاسیسات انسانی و در محدوده کیاشهر، تالاب بوجاق و دلتای سفیدرود بصورت تغییر موقعیت مصب و جابجایی به غرب کانال رودخانه می باشد، با توجه به نتایج بررسی مقطع عرضی کانال رودخانه در سه دوره 1987، 2002 و 2018، روند کاهشی عرض کانال رخ داده است.

واژهای کلیدی: زنجیره مارکف، مدل سلول‌های اتوماتیک، مطالعات سنجش از دور، سفیدرود.

مقدمه

رودخانه‌ها به عنوان شریان حیاتی، از دیرباز تعیین کننده گستره و استقرار تمدن­ها به‌ویژه در دشت‌های ساحلی بوده‌اند. سفیدرود بزرگترین و پرآب ترین رودخانه سواحل جنوبی دریای خزر، به دلیل وجود کاربران متعددی از جمله کشاورزی، صنعت، گردشگری، پرورش آبزیان و ... یکی از مهم‌ترین منابع آب در گیلان محسوب می­شود. بارش‌های شدید و جاری شدن آب از بالادست، لایروبی نشدن رودخانه­ها، تغییر در کانال رود و کم شدن فضای آبگذری نسبت به حجم آب ورودی به هنگام بارندگی، ازعوامل وقوع سیلاب در رودخانه­های مناطق ساحلی هستند. در این میان اهمیت مطالعات مورفولوژیکی رودخانه­ها و بررسی عکس­العمل رودخانه در برابر فرایندهای تغییر دهنده برقراری موازنه ضرورتی اجتناب ناپذیر است. از این رو باید رودخانه را به مثابه یک موجود زنده دانست و برای کاهش اثرات تغییر آن، عملکرد هوشیارانه­ای مبتنی بر قواعد علمی در برنامه­ریزی­های محیطی بکار برد. لذا دانستن شرایط رودخانه و محیط­های پیرامون آن و پیش بینی شرایط آینده می­تواند در برنامه ریزی و آمایش دشت­های ساحلی موثر و ضروری واقع شود. در این میان استخراج اطلاعات بصورت طبقه­بندی شده از پرکاربردترین روش­های موجود است (میرزایی‌زاده و همکاران، ۱۳۹۴). بدین ترتیب با استفاده از تغییرات روی داده در گذر زمان می­توان آینده را پیش بینی کرد. داده­های ماهواره­ای یکی از سریع­ترین و کم هزینه­ترین روش­های در اختیار محققان، برای تهیه نقشه است (پال¹ و همکاران، 2005). یکی از روش­های شبیه­سازی تغییرات در گذر زمان، مدل ترکیبی زنجیره مارکف و سلول­های خودکار² است. با استفاده از این مدل، نسبت تبدیل کاربری­ها و امکان پیش بینی آنها در آینده فراهم می­شود (مولر و میدلتون³، 1994). در سال­های اخیر رهیافت­های مفهومی مختلفی از سلول خودکار و تحلیل زنجیره مارکف برای پیش­بینی تغییرات کاربری زمین ارائه شده است (سابدی⁴ و همکاران، 2013). با توجه به اهمیت تغییرات مورفولوژیکی رودخانه‌ها، پژوهشگران مختلفی در داخل و خارج از کشور به بررسی تغییرات مورفولوژی رودخانه‌ها در بازه‌های زمانی مختلف و علل این تغییرات پرداخته‌اند. برای مثال، پتیت و براوارد⁵ (2009) به بررسی مورفولوژی رودخانه­ها و کانال­ها پرداخته و آن‌ها را طبقه­بندی کرده­اند. در میان عوامل موثر بر مورفولوژی رودخانه­های مناطق ساحلی، تراز آب دریا در مصب و تغییرات آن یکی از عوامل مهم می­باشد.کوندولف⁶ و همکاران (2016) در کتاب خود طبقه­بندی ژئومورفیکی را برای رودخانه­ها و آبراهه­ها ارائه داده­اند. چن⁷ و همکاران (2017) به بررسی نقش تغییر در رژیم آبی رودخانه‌های منتهی به دریای خزر در تغییرات تراز آب پرداخته است و مشاهده نمود که رژیم تغییرات تابع کاربری و تغییرات در سطح بستر حوضه می‌باشد. جانس⁸ و همکاران (2017) عوامل موثر بر فرسایش کانال هشت رودخانه در انگلیس و ولز را با استفاده از روش­های اصلاح شده GIS تجزیه و تحلیل نموده­اند. ماندال⁹ و همکاران (2020) در تحقیقی تأثیر فیلترهای سازگار با مدل سلول خودکار مارکف را بر نتایج پیش­بینی تغییر سرزمین بررسی نموده و نتیجه گرفته­اند که ضریب همبستگی (R) برای فیلترهای 5*5 بیش‌ترین تاثیر را در توزیع جغرافیایی و مکانی داشته است. مدال¹⁰ و همکاران (2020) به بررسی الگوی فرسایش و رسوب‌گذاری در کانال رودخانه دشت­های ساحلی پرداخته و نقش بهره­گیری از کانال­های آنابرانچ برای پایدارسازی کانال رودخانه پرداخته‌اند. مورایس¹¹ و همکاران (2022) تغییرات مکانی-زمانی کانال رودخانه پیچانرودی پیکس در برزیل را با استفاده از عکس های هوایی، تصاویر ماهواره‌ای و نقشه‌های تاریخی بررسی نموده‌اند. نتایج نشان داد که در همه قوس‌ها درجه سینوسیتی از 6/2 به 7/1 کاهش، میانگین طول موج قوس‌ها از 200 به 500 متر افزایش و شکل پلان رودخانه بسیار ساده‌تر شده است. هم چنین میزان تغییرات با شدت بیش‌تری از فرآیندها از پایین‌دست به طرف بالادست افزایش یافته است. شامونا¹² و همکاران (2023) پیش‌بینی تغییرات فضایی و زمانی مورفولوژی کانال در دسترس رودخانه تستا بنگلادش را با استفاده از مدل‌سازی ARIMA و GIS انجام دادند. نتایج آن‌ها براساس مدل ARIMA نشان می‌دهد که حداکثر جابه‌جایی کانال خط میانی در جهت راست برای دوره بین سال‌های 2017 و 2024 و جابجایی کانال میانی خط میانی به سمت چپ بین سال‌های 2024 تا 2031 رخ خواهد داد همچنین نتایج همبستگی خودکار فضایی نیز نشان می‌دهد نوار کاهشی مساحت الگوی فضایی کانال را افزایش می دهد. به طور کلی، حداکثر جابجایی کانال جانبی در سمت راست رخ می دهد. بنابراین دسترسی کانال به جابجایی جانبی حساس است و نیاز به حفاظت با استفاده از ساختارهای مهندسی دارد، زیرا جمعیت عظیمی و زمین‌های کشاورزی گسترده در دشت سیلابی به سمت راست آن جابجا می‌شوند. در ایران نیز جداری عیوضی و همکاران (1383)، تکامل مورفولوژیک دلتای سفیدرود در کواترنر را با استفاده از شواهد زمین شناختی و تصاویر ماهواره­ای مطالعه نموده است و تغییرات آن راثبت نموده‌اند. اقتصادی و زاهدی (1388) عوامل موثر بر نوسانات تراز آب دریای خزر در سواحل جنوبی را با استفاده از داده های هواشناسی مورد تحلیل قرار داده اند. معصومی و همکاران (1389) به بررسی مورفولوژی و پیچانرودی رودخانه زهره پرداخته و نتیجه گرفته­اند که این رودخانه در رده رودخانه­های با پیچانرودی بیش از حد توسعه یافته قرار دارد. عبدالهی کاکرودی (1391) تاثیر نوسانات دریای خزر بر مناطق ساحلی جنوب شرق آن، در محمدوده خلیج گرگان و تالاب گمیشان را بررسی کرده است. هلالات ناصریان و همکاران (1391) مدل جامع سیلاب منطقه دشتیاري شهرستان چابهار را توسط مدل Mike Flood برای سیلاب با دوره بازگشت 25 ساله تبیین نموده­اند. عطایی و همکاران (1394) تاثیر تغییرات تراز دریای خزر را بر انتقال رسوب ساحلی و خطوط ساحلی را مورد بررسی قرار داده­اند. عبدالهی باغسیاهی و همکاران (1396) به پهنه­بندی سیلاب آبراهه­های منطقه مکران ساحلی با استفاده از مدل HEC-RAS و سیستم اطلاعات جغرافیایی¹³ پرداخته­ و نتیجه گرفته­اند که هیچ­گونه خطری از جهت پهنه­های سیلابی متوجه تاسیسات ساحلی منطقه نخواهد بود. از آنجاكه تغييرات تراز آب‌های آزاد به كندي صورت مي­گيرد و در مقياس زماني انسان تاحدودی نامحسوس است، اغلب پژوهش­های موجود بر اساس مدل­هاي رياضي انجام شده است. لیکن تغییرات تراز دریای خزر به عنوان بزرگترین دریاچه زمین، بواسطه شرایط خاص هیدرولوژیکی، زمین شناختی و اکولوژیکی دارای تاثیرات چشمگیر و قابل درک در مقیاس زمانی کوتاه مدت است. لذا این موضوع مورد توجه محققین بسیاری بوده است. خوشروان و همکاران (1398) با استفاده از اندازه­گیری­های میدانی و سیستم اطلالعات جغرافیایی به بررسی تاثیر نوسانات تراز دریای خزر بر تالاب بوجاق در دلتای سفیدرود پرداخته­اند. پیروزی و همکاران (1399) به منظور بررسی تغییرات هیدرولوژیکی و مورفولوژیکی رودخانه گیویچای پرداختند. نتایج آن‌ها بیانگر آن بود که تغییرات پلان‌فرم رودخانه گیوی به صورت گسترش مئاندرهای موجود، جابجایی مسیر، افزایش انحنا و تشکیل مئاندرهای کوچک بوده و شکل‌گیری الگو و دینامیک مجرا تحت تاثیر دبی، دبی رسوبی ناشی از احداث سد و مقاومت لیتولوژیکی بستر و کناره رودخانه است. غفاری و همکاران (1401)، به بررسی تغییرات ریخت‌‌شناسی مصب‌‌ها و رودخانه شلمانرود پرداختند. نتایج آن‌ها نشان داد که حداکثر سرعت در 17 کیلومتری ایستگاه شلمان (ابتدای بازه سوم) تقریبا 4/7 متر بر ثانیه است. این مقدار با نزدیک ‌شدن به انتهای مصب تا حدود 1/5 متر بر ثانیه کاهش می‌یابد. به‌دلیل اهمیت نقش سیلاب‌ها در تغییرات بستر، مدل با استفاده از دبی سیلاب 25 ساله رودخانه شلمانرود (355 مترمکعب بر ثانیه) برای بازه‌ یک ساله اجرا شد. پس از آن مسیر رودخانه به سه قسمت تقسیم شد و رفتار رودخانه شلمانرود با توجه به تغییر شکل ایجادشده در مقاطع هر قسمت بررسی شد. بیش‌ترین مقدار رسوب‌گذاری در قسمت اول در حالت غیرسیلابی 0/41 متر و در حالت سیلابی 1/1 متر است. در قسمت دوم رسوب‌گذاری افزایش می‌یابد و در حالت غیرسیلابی به8 متر و در حالت سیلابی به 2 متر می‌رسد. در قسمت سوم مقدار رسوب‌گذاری بیش‌تراز قسمت‌های اول و دوم خواهد بود. بیش‌ترین مقدار رسوب‌گذاری در این قسمت در حالت غیرسیلابی 53 متر و در حالت سیلابی 1/4 متر می‌‌باشد. عابدینی و همکاران (1401) به ارزیابی تغییرات مورفولوژیکی رودخانه کهمان در استان لرستان با استفاده از سیستم اطلاعات جغرافیایی (GIS) پرداختند. نتایج حاصل از بررسی پارامترهای هندسی رودخانه نشان داد که ضریب خمیدگی رودخانه افزایش یافته و به پیچانرود تبدیل شده است. به‌طوریکه ضریب خمیدگی از 136/1 در سال 2001 به 767/1 در سال 2017 تغییر یافته است.  با توجه به اهمیت موضوع نوسانات تراز دریای خزر و عملکرد متقابل فرایندهای موثر در آن شناخت این فرایندها اولین گام در تحلیل اثرات توام آن‌ها بر محیط پیرامون می­باشد. واضح است که هرگونه تغییر در فرایندهای محیطی می­تواند عکس العمل طبیعت را در قالب عملکرد رودخانه بر منطقه ساحلی نشان دهد. این عکس العمل خود دارای ثاتیرات گوناگونی بر زندگی، فعالیت­ها و سرمایه­های انسانی دارد. در مقابل اثرات انسان بر تغییر در محیط نیز قابل توجه می­باشد. بر این اساس با توجه به اهمیت موضوع و منطقه از دیدگاه اقتصادی، زیست محیطی و... شناخت تغییرات رودخانه در طی زمان و فرایندهای موثر از اصلی­ترین عوامل در برنامه ریزی­های مدیریتی برای آینده است. این شناخت با استفاده از تکنیک­های مدل­های آماری قابلیت پیش­بینی در بازه­های زمانی آینده را نیز دارند. لذا سفیدرود به عنوان بزرگترین و مهم‌ترین رودخانه سواحل جنوب دریای خزر در این تحقیق مورد توجه قرار گرفت. در این تحقیق با استفاده از داده­های ماهواره­ای، میدانی و آماری، مدل تلفیقی زنجیره مارکوف و سلول‌های اتومات، و نتایج تحقیقات گذشته تغییرات مورفولوژی سفید و عوامل محیطی موثر بر آن بررسی شده و روند تغییرات و عوامل تاثیرگذار، برای افق سال 2030 پیش بینی شده است.

مواد و روش­ها

محدوده این تحقیق در جلگه ساحلی سفیدرود در استان گیلان واقع در عرض جغرافیایی 37.17825 و طول جغرافیایی 49.69369 قرار دارد. (شکل 1). مورفولوژی سفیدرود در محدوده دلتا به صورت بریده بریده و مئاندری است (جداری‌عیوضی و همکاران، 1383). رودخانه سپید رود در استان گیلان، طولانی ترین رودخانه‌ی نواحی شمالی ایران و دومین رود طویل ایران محسوب می‌شود. شرایط آب و هوایی در ناحیه رودبار مشرف به این رود پرآب، به آب و هوای مديترانه‌اي مشابه است. به آن معني که دارای زمستان‌هاي معتدل و مرطوب است و تابستان‌هاي گرم و خشكی را می‌گذراند. درجه متوسط حرارت در اولین ماه زمستان بین ۵ تا ۹ درجه سانتیگراد و در اولین ماه تابستان حدود ۲۵ تا ۲۶ درجه می‌باشد. میزان بارندگی در برخی اوقات تا 1000 میلی‌متر می‌رسد.

 

 

شکل 1: موقعیت مکانی منطقه مورد مطالعه (منبع: نویسندگان، 1401)

در این پژوهش ابتدا مبانی نظری و اطلاعات پایه مورد نیاز، براساس مطالعات کتابخانه­ای و بررسی گزارش­ها و تحقیقات انجام شده مشابه در ايران و خارج از كشور گردآوری شده است. تصاویر ماهواره‌ای لندست 5، 7 و 8 مربوط به سال‌های 1987 ،2002 و 2018 با دقت مکانی 30 متر و فصل تصویربرداری مشابه، مبنای مطالعات سنجش از دور می­باشند (جدول 1). پردازش اولیه تصاویر در نرم افزار Envi 5.3 انجام شد. در این مرحله تصحیحات رادیومتری و اتمسفری به روش Quick بر تصاویر ماهواره­ای اعمال گردید. به منظور بررسی عوامل موثر و فرایندهای ناشی از تغییر مورفولوژي رودخانه، در 23 مقطع عرضی، روند تغییر عرض کانال در سه دوره 1987، 2002 و 2018 در چهار محدوده مفروض (شکل­های 6 تا 9) مورد بررسی قرار گرفت. سپس عرض مقاطع مفروض در خروجی مدل برای سال 2030 نیز محاسبه شد (شکل 10).

 

جدول 1: مشخصات تصاویرماهواره­ای مورد استفاده در پژوهش (منبع: متا دیتای تصاویر)

باندهای مورد استفاده	تاریخ تصویربرداری	مشخصات تصویر
1-2-3-4-5-7	1987.06.19	LANDSAT -LT05_166-034
1-2-3-4-5-7	2002.08.07	LANDSAT-LE07_166-034
MTL-Multispectral	2018.03.20	LANDSAT_LC08_156-042

 

به منظور پیش بینی و مدلسازی، نقشه­های سه دوره، به محیط نرم افزار Idrisi TerrSet وارد شد. ابتدا براساس نقشه­های سال­های 1987 و 2002 با استفاده از روش زنجیره­های مارکوف و مدل سلول­های خودکار به پیش بینی روند تغییرات کاربری اراضی در سال 2018 پرداخته شد. زنجیره مارکف مجموعه­ای از وضعیت­های احتمالی را بیان می‌کند که از یک وضعیت آغاز شده و به‌صورت پیوسته به وضعیت دیگر تغییر می‌کند. مدل تلفیقی زنجیره مارکوف و سلول­های خودکار عاملی است که تغییر وضعیت هر سلول را بر اساس قانون تعیین وضعیت جدید، مطابق با وضعیت قبلی و وضعیت سلول­های مجاور، نشان می دهد. لذا براساس داده­های خروجی مدل مارکف، نقشه نهایی پیش­بینی کاربری اراضی با استفاده از مدل CA مارکف سال 2018 استخراج گردید و ضریب کاپای مربوطه محاسبه شد. ضریب کاپا یک معیار صحت سنجی طبقه­بندی بوده و براساس رابطه (1) محاسبه می­شود که در آن po درستی مشاهده شده و pc توافق مورد انتظار است.  

رابطه 1                                                                                                                                      

خروجی مدل با نقشه حاصل از تصویر ماهواره­ای سال 2018 برازش داده شد و بازه­های مغایر بین آنها بدست آمد. همچنین به منظور تعیین دقت طبقه بندی و مدلسازی، 120 نقطه کنترل زمینی تصادفی بصورت پیش فرض در نرم افزار ArcGIS 10.4.1 تعیین شد و با واقعیت مکانی در منطقه مورد مطالعه مورد صحت سنجی قرار گرفت (جدول 3). باتوجه به دقت و صحت خروجی مدل، با استفاده از نقشه­های سال­های 2002 و 2018، نقشه پیش بینی کاربری اراضی و مورفولوژی رودخانه برای سال 2030 تهیه شده است. همچنین به منظور تعیین تغییرات عرض کانال، تعداد 23 مقطع عرضی با فاصله متوسط 1500 متر در مسیر رودخانه در نظر گرفته شد. در هر مقطع عرض کانال در سه دوره 1987، 2002 و 2018 با استفاده از تصاویر ماهواره­ای در نرم افزارهای ArcGIS 10.4.1 بدست آمد و براساس خروجی مدل در سال 2030 نیز عرض کانال در این مقاطع محاسبه شد. به منظور تعیین دبی متوسط سالانه سفیدرود، از آمار دبی ماهانه جریان ایستگاه هیدرومتری آستانه اشرفیه در سال­های 1987تا 2018 استفاده شد.

 

نتایج

پس از انجام تصحیحات، طبقه بندي تصاوير با روش طبقه­بندی نظارت شده¹⁴در نرم افزار ArcGIS 10.4.1 صورت گرفت و نقشه کاربری اراضی و مورفولوژی کانال رودخانه تهیه شده است. در این نقشه واحدهای کانال رودخانه، سازه­های ساخت انسان و سکونتگاه­ها، اراضی ساحلی، اراضی جنگلی، دریا و دشت تفکیک شده­اند(جدول2).این نقشه­ها در هر سه دوره تصاویر ماهواره­ای تهیه شده است. به منظور پیش بینی و مدلسازی، نقشه­های سه دوره، به محیط نرم افزار Idrisi TerrSet وارد شد. ابتدا براساس نقشه­های سال­های 1987 و 2002 با استفاده از روش زنجیره­های مارکوف و مدل سلول­های خودکار به پیش بینی روند تغییرات کاربری اراضی در سال  2018  مورد بررسی قرار گرفته است. پیش بینی و مدل­سازی، در محیط نرم­افزار Idrisi TerrSet انجام شد. ابتدا با استفاده از نقشه­های سال­های 1987 و 2002 ماتریس مقادیر احتمال تغییرات کاربری اراضی در سال 2018 بر مبنای زنجیره­های مارکوف بدست آمد (شکل3). در این ماتریس مقادیر احتمال تغییرات واحدهای رودخانه (Cl.1)، اراضی ساحلی (Cl.3)، تاسیسات ساخت انسان (Cl.6) و دشت (Cl.5) به یکدیگر مشخص شده است (شکل 2).

 

جدول 2: مساحت واحدهای تفکیک شده در نقشه طبقه بندی کاربری اراضی و مورفولوژی رودخانه (هکتار) (منبع: نویسندگان، 1401)

1987	2002	2018	تصویر ماهواره‌ای  واحد طبقه بندی
93/3785	23/2519	43/2068	کانال رودخانه
35/3396	37/3888	99/5660	تاسیسات ساخت انسان
71/27779	48/27382	42/27225	جنگل
76/2189	5/1685	58/1781	اراضی ساحلی
64/81992	63/83754	03/82688	دشت

 

 

---

[1] 1- Pal

[2] - Cellular Automata- CA

[3] - Muller and Middleton

[4] - Subedi

[5] - Petit and Bravard

[6] - Kondolf

[7] - Chen  

[8] - Janes

[9] - Mondal  

[10] - Medal

[11] - Morais

[12] - SHumona

[13] - Geographical Information System (GIS)

[14] - Maximum Likelihood Classification

 

شکل 2: نقشه طبقه بندی و کاربری اراضی و مورفولوژی رودخانه در سه دوره 1987، 2002 و 2018 (منبع: نویسندگان، 1401)

 

پیش بینی و مدل­سازی، در محیط نرم­افزار Idrisi TerrSet انجام شد. ابتدا با استفاده از نقشه­های سال­های 1987 و 2002 ماتریس مقادیر احتمال تغییرات کاربری اراضی در سال 2018 بر مبنای زنجیره­های مارکوف بدست آمد (شکل3). در این ماتریس مقادیر احتمال تغییرات واحدهای رودخانه (Cl.1)، اراضی ساحلی (Cl.3)، تاسیسات ساخت انسان (Cl.6) و دشت (Cl.5) به یکدیگر مشخص شده است. براین اساس بیشترین احتمال وقوع تغییرات بین واحدهای رودخانه و دشت به میزان29/52 درصد حاصل شده است (شکل 3). به منظور تعیین دقت طبقه­بندی و مدل­سازی، 120 نقطه کنترل زمینی تصادفی، با واقعیت مکانی در منطقه مورد مطالعه مورد صحت سنجی قرار گرفت. براساس مشاهدات میدانی، واحد خروجی مدل 100 نقطه صحیح و در 20 نقطه نادرست بوده است. نتیجه صحت سنجی نشان می­دهد که در 76% نقاط کنترل زمینی، خروجی حاصل از مدل با واقعیت مطابقت داشته و مطابقت مطلوبی با ضریب کاپای مدل دارد. جزئیات عدم تطابق مشاهدات میدانی در (جدول 3 ) و ضرایب صحت سنجی مدل در (جدول 4 ) آمده است. براساس نتایج مشخص گردید اصلی­ترین عدم تطابق بین دو واحد دشت و تاسیسات ساخت انسان به تعداد مجموع 11 نطقه است.

 

جدول3: جزئیات عدم تطابق مشاهدات در نقاط کنترل زمینی با خروجی مدل (منبع: نویسندگان، 1401)

تعداد نقاط	کاربری مدلسازی	کاربری مشاهداتی
3	دشت	جنگل
5	رودخانه	دشت
4	تاسیسات ساخت انسان	دشت
1	ساحل	دریا
7	دشت	تاسیسات ساخت انسان

 

جدول4: ضرایب صحت سنجی طبقه بندی در سه بازه زمانی مورد مطالعه­ (منبع: نویسندگان، 1401)

واحد طبقه­بندی	ضریب کاپا در سه دوره (%)			دقت تولید کننده (%)		خطای گماشته (%)		دقت کاربر (%)		خطای حذف شده (%)
	1987	2002	2018
رودخانه	5/98	2/95	3/99		5/98		5/1		83/95		17/4
دریا	2/86	5/81	8/83		5/91		5/8		17/99		83/0
ساحل	4/89	1/79	9/85		5/88		5/11		33/98		66/1
جنگل	2/92	9/93	6/95		98		2		5/97		5/2
دشت	2/80	8/78	7/80		5/84		5/15		66/91		33/8
تاسیسات ساخت انسان	8/79	4/75	5/78		5/76		5/23		66/96		33/3
ضریب صحت کلی	4/84	9/82	9/85

 

باتوجه به دقت و صحت خروجی مدل CA مارکف، نقشه پیش بینی کاربری اراضی و مورفولوژی رودخانه برای سال 2030 با استفاده از نقشه­های کاربری سال­های 2002 و 2018 تهیه شده است (شکل 5). سپس چهار واحد رودخانه، اراضی ساحلی، سازه­های ساخت انسان و دشت در دو نقشه سال 2018 و پیش بینی 2030 برازش داده شد و تغییرات محتمل در محیط رودخانه طی بازه زمانی 12 ساله بدست آمد (شکل 5). با استفاده از این نقشه، مناطق دارای پتانسیل تغییرات شدید در چهار بخش از مسیر رودخانه شناسایی شد (شکل­های 6 تا 9). در این محدوده­ها روند تغییرات به گونه­ای خواهد بود که واحدهای پیرامون آن دستخوش فرایندهای فرسایشی، تغییر پیچانرودی و سیل­گیری خواهند بود. محدوده 1 حدفاصل سد سنگر تا روستای لومان: در این محدوده به طول 20 کیلومتر مسیر جریان در جهت شمال شرق می­باشد. در این بخش اراضی حاشیه رودخانه در معرض جابجایی جانبی کانال و تشدید پیچانرودی قرار دارند. این اراضی عمدتا شامل زمین­های کشاورزی هستند. بیشینه عرض پهنه­های در مخاطره حدود 480 متر در 8 کیلومتری جنوب سد قرار دارد (شکل 6).

 

شکل 3: چپ: نقشه طبقه بندی کاربری اراضی و مورفولوژی رودخانه سال 2030 خروجی مدل CA مارکف. راست: نقشه پیش‌بینی تغییرات محتمل در محیط رودخانه تا سال 2030 (منبع: نویسندگان، 1401)

 

 

 

 

        شکل 4: پیش بینی تغییرات مورفولوژی کانال رودخانه سفیدرود و محدوده تحت مخاطره شمال سد سنگر (منبع: نویسندگان، 1401)

 

محدوده 2 حدفاصل روستای کیسم و شهر آستانه اشرفیه: در این محدوده به طول حدود 10 کیلومتر مسیر جریان در جهت شرق می‌باشد. اراضی حاشیه رودخانه این محدوده نیز در معرض جابجایی جانبی کانال و تشدید پیچانرودی قرار دارند. این اراضی عمدتا شامل مناطق شهری و روستایی حاشیه رودخانه هستند. بیشینه عرض پهنه­های در مخاطره در منطقه کیسم، حدود 360 متر و در شهر آستانه اشرفیه حدود 230 متر است. همچنین بیشینه عرض پهنه­های در مخاطره این محدوده در 4 کیلومتری غرب آستانه اشرفیه در حدود 550 متر است (شکل 7). در این منطقه باغات و مناطق روستایی در حاشیه رودخانه گسترده هستند.

 

 

        شکل 5: پیش بینی تغییرات مورفولوژی کانال رودخانه سفیدرود و محدوده تحت مخاطره آستانه اشرفیه (منبع: نویسندگان، 1401)

 

 

        شکل 6: پیش بینی تغییرات مورفولوژی کانال رودخانه سفیدرود و محدوده تحت مخاطره آزادسرا- ده­سر

(منبع: نویسندگان، 1401)

 

 

محدوده 3 حدفاصل کیاشهر، تالاب بوجاق و ساحل دریای خزر: در این محدوده به طول حدود 7 کیلومتر مسیر جریان در جهت شمال می­باشد. این بخش اراضی شمال کیاشهر، تالاب بوجاق و زیباکنار در دلتای سفیدرود را شامل می­شود. در این محدوده پیش­بینی مدل حاکی از تغییر مسیر جریان سفیدرود به سمت غرب می­باشد، بطوری که کانال از مسیر فعلی منحرف شده و با هدایت به غرب در ابتدای تالاب بوجاق جریان خواهد یافت. این تغییر مسیر سبب جابجایی حدود 5/2 کیلومتر مصب خواهد شد. در اثر این فرایند اراضی شمالی کیاشهر و شرق زیباکنار در مخاطره بستر سیلابی سفیدرود بوده و بیشینه عرض این پهنه در تالاب بوجاق به 2100 متر می­رسد (شکل 9).

 

 

 

شکل 7: پیش بینی تغییرات مورفولوژی کانال رودخانه سفیدرود و محدوده تحت مخاطره کیاشهر- تالاب بوجاق (منبع: نویسندگان، 1401

 

این بررسی نشان داد متوسط عرض مقاطع در سال 1987 برابر 593 متر بوده و در سال 2002 به 451 متر و در سال 2018 به 356 متر رسیده است. این نتایج نشان می­دهند در هر چهار محدوده عرض کانال به دلیل کاهش حجم ذخیره آب وتغییرات اقلیمی وکاهش حجم ذخیره پشت سد روند کاهشی داشته است. در این میان عرض کانال رودخانه در مقطع عرضی 14 واقع در شهر آستانه اشرفیه تقریبا ثابت مانده است. این در حالی است که براساس خروجی مدل متوسط عرض کانال در سال2030 به 655 متر و تقریبا 10 درصد بیشتر از 1987 خواهد رسید. تغییر در مورفولوژی کانال و الگوی فرسایش و رسوبگذاری رودخانه­های ساحلی به عوامل متعددی از جمله بارش، هیدرولوژی غالب و الگوی جزر و مدی در خروجی رودخانه وابسته است ]8 و 6[. با توجه به کنترلی بودن رژیم جریان سفیدرود در منطقه مورد مطالعه، تغییر در هیدرولوژی تابع میزان خروجی سد سفیدرود و سد سنگر می‌باشد. با توجه به تغییرات دبی متوسط سالانه (شکل 11)، روند کاهشی در نمودار مشاهده می‌شود. این روند با الگوی آب و هوایی کاهش بارش در بازه زمانی 1995 تا 2018 مطابقت دارد. لذا به علت کاهش دبی، عکس­العمل کاهش عرض کانال رخ داده است. از سوی دیگر تغییر تراز آب دریای خزر عامل اصلی تغییر شیب هیدرولیکی رودخانه می­باشد. در این میان باید توجه داشت که یکی از عوامل تغییر تراز دریای خزر نیز تغییر در میزان آبگیری از طریق رودخانه­های ورودی به آن می­باشد ]15[. براساس شکل 11 روند تغییرات تراز دریای خزر تا سال 1995 افزایشی و پس از آن کاهشی بوده است. لذا از 1995 تا 2018 با توجه به پایین رفتن تراز دریای خزر، شیب هیدرولیکی سفیدرود افزایش یافته است. این افزایش شیب موجب تمایل جریان به حفر بستر و کاهش عرض کانال شده است.

 

 

 

شکل 8: الگوی تغییرات عرض کانال سفیدرود در سه دوره مورد بررسی و پیش بینی مدل (منبع: نویسندگان، 1401)

 

شکل 9: الگوی تغییرات متوسط دبی سالانه در مقابل تغییر تراز آب دریای خزر (منبع: نویسندگان، 1401)

 

 نتیجه گیری

سفیدرود به عنوان بزرگترین و پرآب­ترین رودخانه سواحل جنوبی دریای خزر محسوب می­شود. تغییرات دائم در دلتا و مصب این رودخانه نشان از وقوع فرایندهای کنترل کننده فعال در مورفولوژی این رودخانه دارد. با توجه به تغییرات دائمی در تراز آب دریای خزر، فرایندهای آب و هوایی و فعالیت­های انسانی، شناسایی تغییرات رودخانه و پیش­بینی آن بسیارضروری است. تحقیق حاضر در راستای این اهداف صورت گرفت و مباحث ذیل از آن نتیجه گیری شد.

- مدل تلفیقی CA مارکف، قابلیت مناسبی از نظر دقت و صحت در پیش بینی کاربری اراضی و مورفولوژی رودخانه سفیدرود دارد. همچنین براساس نتایج مدل تلفیقی CA مارکف تا سال 2030، روند افزایش عرض کانال رخ خواهد داد. بطوری که تغییرات مورفولوژیک 12 ساله آینده رودخانه در جهت عکس تغییرات صورت گرفته در بازه زمانی 31 ساله گذشته می­باشد. این موضوع با نتایج مطالعه کیانپور کل‌خواجه و همکاران (1401) که به ارزیابی مدل تلفیقی زنجیره مارکوف و سلول‌های خودکار در شبیه‌سازی تغییرات کاربری و پوشش اراضی سد گتوند را انجام دادند و مطالعه Mondal و همکاران (2020) که به تأثیر فیلترهای سازگار با مدل سلول خودکار مارکف بر نتایج پیش­بینی تغییر سرزمین بررسی نموده‌اند که از نظر دقت و صحت قابل قبول بود تطابق دارد.  این امر نشان دهنده افزایش میانگین دبی سالانه رودخانه تا حدود 100 مترمکعب بر ثانیه و افزایش تراز دریای خزر به سطح بالاتر از 27- متر تا سال 2030 است چون تغییرات تراز آبی دریاخز سیکل بالا رونده را طی خواهد نمود.

-  با توجه به نتایج بررسی مقطع عرضی کانال رودخانه در سه دوره 1987، 2002 و 2018، روند کاهشی عرض کانال رخ داده است. این روند ناشی از کاهش دبی سفیدرود و پایین افتادن تراز آب دریای خزر، در نتیجه تغییر شیب هیدرولیکی رودخانه بوده است. این موضوع با نتایج مطالعه شرفی و همکاران (1398)که به بررسی تغییرات مکانی- زمانی مورفولوژی رودخانه سیالخور در استان لرستان پرداختند و لانگت و همکاران (2019) که به پایش تغییرات دینامیکی کانال رودخانه تانا در کشورکنیا را مورد مطالعه قرار دادند همخوانی دارد. بیشترین احتمال تغییرات در منطقه مطالعه در واحدهای رودخانه، اراضی ساحلی، تاسیسات ساخت انسان و دشت وجود دارد. روند این تغییرات به گونه­ای خواهد بود که واحدهای پیرامون رودخانه دستخوش فرایندهای فرسایشی، تغییر پیچانرودی و سیل­گیری خواهند شد. این تغییرات درحد فاصل سد سنگر تا روستای لومان بصورت جابجایی جانبی کانال و تشدید پیچانرودی، ایجاد نموده است .روستای کیسم و شهر آستانه اشرفیه و آزادسرا تا لیچاه بصورت سیل­گیری و در محدوده کیاشهر، تالاب بوجاق و دلتای سفیدرود بصورت تغییر موقعیت مصب و جابجایی به غرب کانال رودخانه رامی توان مشاهده نمود. 

 

منابع

ارشد، صالح؛ مرید، سعید؛ میرابوالقاسمی، هادی؛ 1386، بررسی روند تغییرات مورفولوژیکی رودخانه‌ها با استفاده از سنجش از دور: مطالعۀ موردی رودخانۀ کارون از گتوند تا فارسیات (82-1369)، مجله علوم کشاورزی و منابع طبیعی، سال 14، شمارۀ 6، صص. 194-180.

اصغری سراسکانرود، صیاد؛ پوراحمد، مهدی. 1394. ناسایی و استخراج تغییرات رودخانه‌ی زرینه‌رود در فاصله‌ی سال‌های 1989 تا 2014 با استفاده از پردازش تصاویر ماهواره‌ای، هیدروژئومورفولوژی، دوره 2، شماه 5، صص 1-16.

برخورداری، جلال؛ خسروشاهی، محمد. 1386. بررسی اثر تغییرات پوشش اراضی و اقلیم بر جریان رودخانه (مطالعه موردی: حوضه آبخیز میناب)، پژوهش و سازندگي، شماره 4، صص 191-199.

اقتصادی، شهمیر؛ زاهدی، رفیعه. 1390. مطالعه عوامل تاثیرگذار بر نوسانات تراز آب خزر جنوبی، علوم و فنون دریایی، دوره 10، شماره 3، صص 13-4.

جواهری طهرانی، محسن؛ موسوی، سید فرهاد؛ حسینی، خسرو. 1395. مطالعه ریخت‌شناسی پیچان‌ رودها با جریان کنترل شده با استفاده از تکنیک‌های RS و GIS (مطالعه موردی: رودخانه زاینده‌رود در پایین‌دست سد زاینده‌رود). مجله علوم آب و خاک، جلد 20، شماره 77، صص ۲۵-۴۴.

حافظی مقدس، ناصر؛ سلوکی، حمیدرضا؛ جلیلوند، رضا؛ رهنما راد، جعفر. 1391. مطالعه ژئومورفولوژی مهندسی رودخانه سیستان، زمین‌شناسی کاربردی، سال 8، شماره 1، صص 1-18.

رنگزن، کاظم؛ صالحی، بهرام؛ سلحشوری، پروین. 1387. بررسی تغییرات منطقه پایین‌دست سد کرخه قبل و بعد از ساخت سد با استفاده از تصاویر چند زمانه Land Sat،  همایش ژئوماتیک 87، تهران، سازمان نقشه برداری کشور.

سیف، عبدالله؛ نجمی، نجمه. 1392. بارزسازی تغییرات پیچان رودهای کارون با استفاده از تصاویر چندزمانه IRS وLandsat، فصلنامۀ تحقیقات جغرافیایی، شماره 28، صص 226-211.

پیروزی، الناز؛ مددی، عقیل؛ اصغری‌سراسکانرود، صیاد. 1399. بررسی تغییرات هیدرولوژیکی و مورفولوژیکی رودخانه گیوی‌چای ناشی از احداث سد گیوی، جغرافیا و توسعه، سال 18، شماره 61، صص 58-29.

غفاری، سارا؛ قریشی نجف‌آبادی، سید حسین؛ مجدزاده طباطبایی، محمدرضا. 1401. بررسی تغییرات ریخت‌‌شناسی مصب‌‌ها (شبیه‌سازی عددی رودخانه شلمانرود با نرم‌افزار MIKE21)، مدیریت آب و آبیاری، دوره 12، شماره 3، صص 560-541.

میرزایی زاده، وحید؛ نیک نژاد، مریم؛ اولادی قادیکلایی، جعفر. 1401. ارزیابی الگوریتم های طبقه بندی نظارت شده غیرپارامتریک در تهیه نقشه پوشش زمین با استفاده از تصاویر لندست 8، سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، دوره 6ف شماره 3، صص 44-29.

عابدینی، موسی؛ بلواسی، ایمانعلی؛ نظافت تکله، بهروز. 1401. ارزیابی تغییرات مورفولوژیکی رودخانه با استفاده از برازش دایره‌های مماس در  محیط GIS (مطالعه موردی: رودخانه کهمان الشتر)، مطالعات علوم محیط زیست، دوره 7، شماره 4، صص 5581-5571.

عطایی، سهیل؛ عجمی، مهدی؛ لشته نشایی، میراحمد؛ یعصوبی، سیدحسین. 1395. تاثیر نوسانات تراز آب دریا بر تغییرات خطوط ساحلی دریای خزر، نشریه مهندسی دریا، دوره 12، شماره 24، صص 113-103.

عبدالهی باغسیاهی، علی؛ حشمتیان، رضا؛ سویزی، مهدی.1397. پهنه بندی سیلاب ابراهه اصلی ساحل مکران با تلفیق مدل HEC-RAS&GIS رودخانه باهو کلات، یازدهمین سمینار بین المللی مهندسی رودخانه.

هلالات ناصریان، حسین؛ عامل صادقی، محمد؛ واعظی پور، حسین؛ سیف، سامان. 1392. مدلسازی جامع سیلاب منطقه دشتیاری شهرستان چابهار توسط مدل MIKE FLOOD و ارائه طرح علاج بخشی سیل در منطقه، دوازدهمین کنفرانس هیدرولیک ایران.

معصومی، حمیدرضا؛ غریب رضا، محمدرضا؛ معتمد، احمد. 1389. بررسی مورفولوژي و الگوي پیچانرودي رودخانه زهره درجلگه ساحلی هندیجان، مهندسی و مدیریت آبخیز، جلد 3، شماره 2، صص 111-102.

عبدالهی کاکرودی، عطا اله. 1392. نوسانات دریای خزر و تا ثیر آن بر سواحل جنوب شرقی آن، پژوهش‌های ژئومورفولوژی کمی، دوره 2، شماره 3، صص 44-33.

جداری عیوضی، جمشید؛ یمانی، مجتبی، خوش رفتار، رضا. 1384. تکامل ژئومرفولوژی دلتای رود سپیدرود درکواترنر ، پژوهش‌های جغرافیایی، شماره 53، صص 120-99.

شرفی، سیامک؛ آرین تبار، حبیب؛ کمالی، زهرا. 1401. بررسی تغییرات مکانی- زمانی مورفولوژی رودخانه سیالخور در استان لرستان، پژوهش‌های ژئومورفولوژی کمی، سال 8، شماره 3، صص 131-115.

کیانپور کل خواجه، محمد؛ پژوهش، مهدی؛ امام قلی زاده، صمد. 1401. ارزیابی مدل تلفیقی زنجیره مارکوف و سلول‌های خودکار در شبیه‌سازی تغییرات کاربری و پوشش اراضی سد گتوند، نشریه آب و توسعه پایدار، سال 9، شماره 2، صص 56-47.

 Pal M, Mather P M. 2005. Support vector machines for classification in remote sensing, International Journal of Remote Sensing, 26 (5): 1007-1011.

 Muller M R, Middleton J. 1994. A Markov model of land-use change dynamics in the Niagara Region, Ontario, and Canada, Landscape Ecology, 9: 151-157.

Morais, E. S., Rocha, P. C.,  Hooke, J. 2022. Spatio-temporal variations in channel changes caused by cumulative factors in a meandering river: The lower Peixe River, Brazil, Geomorphology, 273, 348-360.

Subedi P, Subedi K, Thapa B. 2013. Application of a Hybrid Cellular Automaton ˚ Markov (CA-Markov) Model in Land-Use Change Prediction: A Case Study of Saddle Creek Drainage Basin, Florida, Applied Ecology and Environmental Sciences, 16: 126-132.

 Mondal S, Sharma N, Kappas M, Garg P K. 2020. Cellular automata (CA) contiguity filters impacts on CA Markov modelling of land use land cover change predictions results, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol XLIII, B3: 1585–1591.

  Medel I D, Stubblefield A P, Shea C. 2020. Sedimentation and erosion patterns within anabranching channels in a lowland river restoration project, International Journal of River Basin Management, DOI: 10.1080/15715124.2020.1809435.

 Janes V J J, Nicholas A P, Collins A L, Quine T A. 2017. Analysis of fundamental physical factors influencing channel bank erosion: results for contrasting catchments in England and Wales, Environmental Earth Science,76-307. DOI: 10.1007/s12665-017-6593-x.

 Kondolf G M,  Piégay H, David R M, Schmitt L, David R M. 2016. Geomorphic classification of rivers and streams, Chapter 7,Tools in fluvial geomorphology, 169-202. DOI: 10.1002/9781118648551.ch7.

 Bravard J.P, Petit F. 2009. Geomorphology of streams and rivers, In Tochner K, Likens GE, editors. Encyclopedia of inland waters, Elsevier, 387-95. DOI: 10.1016/B978-012370626-3.00043-0.

Khoshravan H, Naqinezhad A, Alinejad-Tabrizi T, Yanina T. 2020. Effects of the Caspian Sea water level change on Boujagh National Park, southwest the Caspian Sea, Caspian J. Environ, Sci, Vol 19(2): 99-110.  

 Chen J L, Pekker T, Wilson C R, Tapley B D, Kostianoy A G, Cretaux J F, Safarov E S. 2017. Long-term Caspian Sea level change, Geophysical Research Letters, 6993- 7001. 10.1002/2017GL073958.

Zhang F, Tiyip T, Feng ZD, Kung H-T, Johnson VC, Ding JL, Tashpolat N, Sawut M, Gui DW. 2015. Spatio-temporal patterns of land use/cover changes over the past 20 years in the middle reaches of the Tarim River, Xinjiang, China, Land Degradation and Development, 26:284- 299.

Sang L, Zhang C, Yang J, Zhu D, Yun W. 2011. Simulation of land use spatial pattern of towns and villages based on CA–Markov model, Mathematical and Computer Modelling, 10: 883-848. DOI: 2002022/j.mcm.10200220028.

Shumona, A., Kutub Uddin, E., Shakibul, I. 2023. Predicting spatiotemporal changes of channel morphology in the reach of Teesta River, Bangladesh using GIS and ARIMA modeling, Quaternary International, 513,80-94.

 Langat, P. K., Kumar, L., & Koech, R. 2019. Monitoring river channel dynamics using remote sensing and GIS techniques. Geomorphology, 325, 92-102.

 

---