تعیین عامل کاربری با استفاده از شاخصهای سنجش از دور با استفاده از مدل EPM در حوضه سراب سدّ تاریک رودبار گیلان
الموضوعات :علی محمدی ترکاشوند 1 , رضا بیات 2 , نصراله مؤلایی هشتجین 3 , سمیه جعفری 4
1 - دانشیار دانشکده کشاورزی، دانشگاه آزاد اسلامی، واحد رشت، ایران
2 - عضو هیأت علمی پژوهشکده حفاظت خاک و آبخیزداری، ایران
3 - استاد گروه جغرافیا، دانشگاه آزاد اسلامی، واحد رشت، ایران
4 - پژوهشکده حفاظت خاک و آبخیزداری، ایران
الکلمات المفتاحية: سنجش از دور, فرسایش, کاربری, EPM,
ملخص المقالة :
یکی از معضلات مهم مدیریت آّبخیزها در کشور فقدان اطّلاعات و آمار میباشد. با توّجه به نبودایستگاههای رسوبسنجی در اکثر خروجیهای حوزههای آبخیز کشور و عدم کفایت دادهها،مدلهای تجربی میتوانند از ابزارهای مناسب برای تولید این لایه اطّلاعاتی مهم باشند. ازمدلهای تجربی مورد استفاده مدل EPM است، لذا استفاده از این مدل در برآورد فرسایش ورسوبدهی حوزههای آبخیز بدون آمار، با هزینهها و مشکلات زیادی در تأمین اطّلاعات روبرواست. در مدل EPM ، عامل کاربری جزو عواملی وجود دارد که امکان تهیّه آنها از طریق سنجشاز دور وجود دارد و میتوان آنها را با دقّت و صحّت خوب و با هزینه کمتر محاسبه کرد. حوضهسراب سد تاریک در غرب شهر رودبار، به عنوان حوزه مطالعاتی در نظر گرفته شد. مساحت2339 هکتار و با میانگین ارتفاع 33912 متر )حداقل 311 متر و حداکثر 9019 متر( / حوضه 3است. مدل رقومی ارتفاع ) DEM ( راداری حاصل از ماهواره SRTM تهیّه و از آن نقشههای موردنیاز و اطّلاعات پایه تهیّه گردید. نقشه کاربری حوضه بر اساس تفسیر چشمی تصاویر Google Earth سال و بازدید صحرایی تهیّه شد. سپس عامل کاربری مدل EPM بر اساس روشمرسوم )بازدید صحرایی و جدول مربوطه( و میانگین نظر حداقل 0 کارشناس باتجربه برای هرواحد کاربری تعیین گردید. تعدادی از شاخصهای سنجش از دور مرتبط با کاربری مثل NDVI ،PVI ، SAVI و MSAV روی تصویر ماهوارهای +ETM مربوط به سال 9333 استخراج شدند. بهکمک نرم افزار، میانگین شاخصهای سنجش از دوری مذکور برای هر واحد کاربری، استخراجو محاسبه شد و با استفاده از رگرسیون خطی، رابطه بین عامل کاربری مدل و شاخصهایسنجش از دور بررسی، تعیین و تحلیل گردیدند. در مرحله بعد سایر عوامل مدل بر اساسروش مرسوم تعیین و برآورد فرسایش حوضه انجام شد. برآورد مجدد فرسایش حوضه بااستفاده از همه عوامل قبل و با استفاده از شاخص مناسبتر حاصل از تصویر ماهوارهای تکرارشد. بهترین رابطه بین شاخص پوشش گیاهی VI و عامل کاربری مدل بدست آمد که ضریب تبیین 0/793داشت
1- رفیعى، ر.، کمانى، ن.، خدا بخش، س. و بزرگزاده، ع. (1389): توسط MPSIAC اجرا و کالیبراسیون مدل تجربی شرایط فیزیکی حاکم بر حوضه، مطالعه موردی: حوضه آبریز رودخانه بختیاری، استان لرستان. فصلنامه زمین شناسی ایران، 4 (14): 63-71.
2- یمانی، م. مزیدی، ا. (1387): بررسی تغییرات سطح و پوشش گیاهی کویر سیاهکو با استفاده از دادههای سنجش از دور، پژوهشهای جغرافیا، 64، صص. 12-1.
_||_3- Chen, X.L., Zhao, H.M., Li, P.X., Yin, Z.Y. (2006): Remote Sensing Image-Based Analysis of The Relationship Between Urban Heat Island and Land Use/Cover Changes. Rem. Sens. Environ. 104: 133-146.
4- Das, P. T., Tajo, L. and Goswami, J. (2009): Assessment of Citrus Crop Condition in Umling Block of Ri-Bhoi District Using RS and GIS Technique. Journal of The Indian Society of Remote Sensing. 37 (2): 317-324.
5- Essa, S. (2004): GIS Modeling of Land Degradation in Northern Jordan Using Landsat Imagery. http://www.isprs.org/istanbul2004/comm4/papers/401.pdf.
6- Fletcher, R.S. (2005): Evaluating High Spatial Resolution Imagery for Detecting Citrus Orchards Affected by Sooty Mould. International Journal of Remote Sensing, 26 (3), pp. 495-502.
7- Gatsis, I., Pavlopoulos, A. and Parcharidis, I. (2001): Geomorphological Observation and Related Natural Hazards Using Merged Remotely Sensed Data: a Case Study in The Corintos Area (NE Peloponnese, S. Greece), Geografiska Annaler: Series A., Physical Geography. 83 (4): 217-228.
8- Koleja, J., N. Y. Manakos and A. Konstadinis. (1997): Getting Standardized Spectral Information About Eroded Soil by Integration of GIS and Remotely Sensed Data. Google Site.
9- Muschen, B., Flugel, W.A., Hochschild, V., Steinnocher, K. and Quiel, F. (2001): Spectral and Spatial Classification Methods in The ARSGISIPproject. Phys. Chem. Earth. 26 (7-8): 613-616.
10- Oetter, D. R., Cohen, W.B., Berterretche, M., Maiersperger, T.K., Kennedy, R.E. (2001): Land Cover Mapping in an Agricultural Setting Using Multiseasonal Thematic Mapper Data. Remote Sensing of Environment. 76 (2): 139-155.
11- Ramos, M. I., Gil, A.J., Feito, F.R. and Garcia-Ferrer, A. (2007): Using GPS and GIS tools to Monitor Olive Tree Movements. Computer Elect. Agr., 57: 135-148.
12- Rembold, F., Carnicelli, S., Nori, M. and Gioranni, A. F. (2000): Use of Aerial Photographs, Landsat TM Imagery and Multidisciplinary Field Survey for Land-Cover Change Analysis in The Lakes Region (Ethiopia). International Journal of Applied Earth Observation and Geoinformation. 2 (3-4): 181-189.
13- Seubert, C. E., Baumgardner, M.F., weismiller, R.A. and Krischner, F.R. (1979): Mapping and Estimating Areal Extent of Severely Eroded Soils of Selected Sites in Northern Indiana, Proc. Symp. Machine Processing of Remotely Sensed Data: 234-238.
14- Unal, E., Mermer, A. and Mete Dogan, H. (2004): Determining Major Orchard (Pistachio, Olive, Vineyard) Areas in Gaziantep Province Using Remote Sensing Techniques. The International Archives of The Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. 34, Part XXX.
15- Zha, Y. J., Gao, S.N. (2003): Use of Normalized Difference Built-Up Index in Automatically Mapping Urban Areas From TM Imagery. Int. J. Rem. Sens. 24: 583-594.
