Assessment of desertification status in Sefiddasht-Boroujen (Chaharmahal and Bakhtiari province) watershed using MEDALUS model
Subject Areas : Agriculture, rangeland, watershed and forestry
Fatemeh Nafar
1
(MSc. of Combating Desertification, Faculty of Natural Resources and Earth Sciences, Shahrekord University, Shahrekord, Iran)
Ataollah Ebrahimi
2
(Associate Professor, Department of Range and Watershed Management, Faculty of Natural Resources and Earth Sciences, Shahrekord University, Shahrekord, Iran)
Ali Asghar Naghipour
3
(Assistant Professor, Department of Range and Watershed Management, Faculty of Natural Resources and Earth Sciences, Shahrekord University, Shahrekord, Iran)
Keywords: central Zagros, Environmental crisis, Vegetation, Critical plain, Desertification, climate,
Abstract :
Background and Objective The degradation of resources in many parts of the world is a serious threat to humanity due to its growing trend. Desertification, which is one of the manifestations of this degradation, has affected most countries and has been introduced as the third challenge of the 21st century after the two challenges of climate change and freshwater scarcity. Desertification is the degradation of land in arid, semi-arid, and semi-humid areas. This situation is caused by a series of important processes, the most important of which are the two factors of human activity and climate change. Several methods have been developed to determine the process of desertification, one of which is widely used, the Medalus method. Assessing the status of desertification processes (land degradation) in a village, region or country is important because it provides the opportunity to make informed decisions about the financial dimension and the amount of investment needed to control it. Considering the development of the desertification phenomenon in the Sefiddasht-Borujen region and the need to pay attention to the importance of the results of this destructive phenomenon in the future. The purpose of this study is to evaluate desertification using the Madalus model in the Sefiddasht-Borujen watershed with an area of 92565 hectares, located in Chaharmahal and Bakhtiari province.Materials and Methods Land use changes were investigated and detected using the distance measurement model. For this purpose, the images of 1998, 2009, and 2018 were used. The amount of changes during this period was determined, and the points where the most changes occurred were selected. Then using these points, in the Medalus model, the factors affecting desertification and its current situation were considered. Then, the effective parameters in desertification were studied in these points separately and the Medalus model was implemented in them. According to the Medalus method, effective factors in the desertification of the region were identified and each factor including climate, vegetation, soil, groundwater, and management and policy was considered as a criterion. Then, the characteristics of the mentioned criteria that were effective in the desertification of this region were considered as indicators. After each indicator received weight in relation to its impact on desertification and by evaluating them, their impact of them on the desertification process was determined. Finally, using the indicators of these criteria, the criteria map and finally, the desertification map were obtained from their geometric mean n order to study the climate criteria, three indices of rainfall, direction, and drought index were considered. The study of the climate was evaluated from 3 sample points in the meteorological and water weight stations of the province, which are harvested as points. To evaluate the soil condition, some physical and chemical properties such as soil texture, acidity, electrical conductivity, and the amount of organic matter were selected. To determine the soil properties, the first 170 sampling points were identified in the study area, and from 0 to 20 cm soil level, sampling was performed and transferred to the laboratory.Results and Discussion The results showed a score of climatic criteria calculated at 1.80 was determined in two classes and had the most role in desertification in the region. The score of management and policy, vegetation, and soil criteria respectively were calculated at 1.76, 1.71, and 1.55 and was determined into two classes severe and very severe. Also, water criteria were calculated at 1.33 and were determined in the middle class. Based on the Medalus model, the current desertification score was estimated to be 1.63. According to this map, the desertification situation of the region was divided into two classes, severe and very severe. Finally, it was calculated that 56% of this area is faced with severe and 44% of it very severe desertification. The result showed that the northern part of the study area is highly vulnerable, while the southern part of the region is less vulnerable to desertification. However, this region has high desertification intensity. The foretold sensitivity of this region to the phenomenon of desertification was consistent. In this model, climate, soil, vegetation, groundwater, management, and policy criteria were selected. According to the results, climate, management, policy, vegetation, soil, and groundwater criteria, respectively, had the greatest impact on desertification of this region due to the low precipitation, drought in recent years, illegal excavation of wells, and uncontrolled extractions more than the capacity of groundwater aquifers in Sefiddasht has caused the drying of most wells in this area. Also, the drying of Dehno Wetland is another reason for the intensity of desertification in the study area.Conclusion According to the obtained results, the phenomenon of desertification in this region is accelerating and would cause a destructive consequence. The study area, according to the proposed definition of desertification, has both natural and human desertification conditions. Natural factors such as unfavorable climatic conditions such as lack of rainfall, successive droughts, limited water resources, on the one hand, and destructive human factors such as traditional agricultural system, overgrazing, overexploitation of groundwater, conversion of pastures to land Agriculture, industries, mines and facilities, destruction of vegetation and shrubs, on the other hand, have led to the destruction of pastures and natural resources and accelerated desertification in the region. Evidence shows that in this region water table is lower than in other areas and as a consequence desertification is accelerated. Among the ways to deal with desertification in the region, it is possible to use the pastures and pastures in principle, according to their capacity at the right time, to permanently enclose the region under biological and mechanical desertification activities, proper exploitation of groundwater and prevents land use change.
Abbasi AP, Amani H, Zareian M. 2014. Quantitative assessment of desertification status using MEDALUS model and GIS (Case study: Shamil plain - Hormozgan province). Journal of RS and GIS for Natural Resources, 5(1): 87-97. (In Persian).
Ahmadi H. 2006. Applied Geomorphology, Wind Erosion. Tehran University Press, pp. 592. (In Persian).
Ait Lamqadem A, Pradhan B, Saber H, Rahimi A. 2018. Desertification sensitivity analysis using MEDALUS model and GIS: a case study of the Oases of Middle Draa Valley, Morocco. Sensors, 18(7): 2230. doi:https://doi.org/10.3390/s18072230
Arab Ameri AR, Ramesht MH, Rezaei K, Sohrabi M. 2019. Quantitative assessment of desertification risk using modified MEDALUS model, Case study: Shahroud Bastam Basin. Watershed Engineering and Management, 11(2): 508-522. (In Persian).
Arya AS, Dhinwa PS, Pathan SK, Raj KG .2009. Desertification land degradation status mapping of India. Current Science, 97(10): 1478-1483.
Bakr N, Weindorf DC, Bahnassy MH, Marei SM, El-Badawi MM. 2010. Monitoring land cover changes in a newly reclaimed area of Egypt using multi-temporal Landsat data. Applied Geography 30(4),592-605.
Boudjemline F, Semar A. 2018. Assessment and mapping of desertification sensitivity with MEDALUS model and GIS–Case study: basin of Hodna, Algeria. Journal of water and land development, 36(1): 17-26. doi:https://doi.org/10.2478/jwld-2018-0002
Contador JFL, Schnabel S, Gutiérrez AG, Fernandez MP. 2009. Mapping sensitivity to land degradation in Extremadura. SW Spain. Land Degradation & Development, 20(2): 129-144. doi:https://doi.org/10.1002/ldr.884
D’Odorico P, Bhattachan A, Davis k, Ravi S, Runyan C. 2013. Global desertification: Drivers and feedbacks. Advances in Water Resources, 51: 326–344. doi:https://doi.org/10.1016/j.advwatres.2012.01.013
Dutta S, Chaudhuri G. 2015. Evaluating environmental sensitivity of arid and semiarid regions in northeastern Rajasthan, India. Geographical Review, 105(4): 441-461. doi:https://doi.org/10.1111/j.1931-0846.2015.12093.x
Hadeel AS, Mushtak T, Jabbar MT, Chen X. 2010. Application of remote sensing and GIS in the study of environmental sensitivity to desertification: a case study in Basrah Province, southern part of Iraq. Applied Geomatics, 2(3): 101-112. doi:https://doi.org/10.1007/s12518-010-0024-y
Kadović R, Ali Mansour Y. Bohajar V, Perović S, Belanović Simić M, Todosijević S, Tošić M, Anđelić D, Mlađan, Dovezenski U. 2016. Land sensitivity analysis of degradation using MEDALUS model, case study: Deliblato Sands, Serbia. Archives of Environmental Protection, 42(4): 114-124.
Khosravi A, Mirabbasi R, Samadi H, Ghasemi DA. 2019. Monitoring and forecasting of groundwater Drought Using Groundwater Resource Index (GRI) and First to Third-Order Markov Chain Models (Case study: Boroujen Plain). Journal of Water and Soil conservation, 26(2): 117-136. (In Persian).
Lahlaoi H, Rhinane H, Hilali A, Lahssini S, Moukrim S. 2017. Desertification assessment using MEDALUS model in watershed Oued El Maleh, Morocco. Geosciences, 7(50): 1-16. doi:https://doi.org/10.3390/geosciences7030050
Lee EJ, Piao D, Song C, Kim J, Lim H, Kim E, Moon J, Kafatos M, Lamchin M, Jeon SW, Lee W.2019. Assessing environmentally sensitive land to desertification using MEDALUS method in Mongolia. Forest Science and Technology, 15(4): 210-220
Rezaipoor Baghedar AH, Bahrami H, Rafee Sharifabad J, Khosravi H. 2015. An evaluation on the intensity of desertification by using IMDPA model (Case study: Baghedar region, Yazd). Arid Regions Geographic Studies, 5(19): 42-54.
Schulz JJ, Cayuela L, Echeverria C, Salas J, Benayas JMR. 2010. Monitoring land cover change of the dryland forest landscape ofCentral Chile (1975–2008). AppliedGeography, 30(3): 436-447.
Taghipour S, Fazeli A, Kazemi B. 2016. A case study of desertification hazard mapping using the MEDALUS (ESAs) methodology in southwest Iran. Journal of Natural Resources and Development, 6: 1–8. (In Persian).
UNEP, 1992, World Atlas of Desertification, Edward Arnold, London.
Veron SR, Paruelo JM and Oesterheld M. 2006. Assessing desertification, Journal of Arid Environments, 66: 751-763.
Wijitkosum S. 2020. Reducing vulnerability to desertification by using the spatial measures in a degraded area in Thailand. Land, 9(2): 49. doi:https://doi.org/10.3390/land9020049
Xu D, Ding X. 2018. Assessing the impact of desertification dynamics on regional ecosystem service value in North China from 1981 to 2010. Ecosystem Services, 30: 172-180. doi:https://doi.org/10.1016/j.ecoser.2018.03.002
Xu D, Song A, Li D, Ding X, Wang Z. 2019. Assessing the relative role of climate change and human activities in desertification of North China from 1981 to 2010. Frontiers of Earth Science, 13(1): 43-54. doi:https://doi.org/10.1007/s11707-018-0706-z
Xu D, You X, Xia C. 2019. Assessing the spatial-temporal pattern and evolution of areas sensitive to land desertification in North China. Ecological Indicators, 97: 150-158. doi:https://doi.org/10.1016/j.ecolind.2018.10.005
Zhang C, Wang X, Li J, Hua T. 2020. Identifying the effect of climate change on desertification in northern China via trend analysis of potential evapotranspiration and precipitation. Ecological Indicators, 112: 106141. doi:https://doi.org/10.1016/j.ecolind.2020.106141
_||_Abbasi AP, Amani H, Zareian M. 2014. Quantitative assessment of desertification status using MEDALUS model and GIS (Case study: Shamil plain - Hormozgan province). Journal of RS and GIS for Natural Resources, 5(1): 87-97. (In Persian).
Ahmadi H. 2006. Applied Geomorphology, Wind Erosion. Tehran University Press, pp. 592. (In Persian).
Ait Lamqadem A, Pradhan B, Saber H, Rahimi A. 2018. Desertification sensitivity analysis using MEDALUS model and GIS: a case study of the Oases of Middle Draa Valley, Morocco. Sensors, 18(7): 2230. doi:https://doi.org/10.3390/s18072230
Arab Ameri AR, Ramesht MH, Rezaei K, Sohrabi M. 2019. Quantitative assessment of desertification risk using modified MEDALUS model, Case study: Shahroud Bastam Basin. Watershed Engineering and Management, 11(2): 508-522. (In Persian).
Arya AS, Dhinwa PS, Pathan SK, Raj KG .2009. Desertification land degradation status mapping of India. Current Science, 97(10): 1478-1483.
Bakr N, Weindorf DC, Bahnassy MH, Marei SM, El-Badawi MM. 2010. Monitoring land cover changes in a newly reclaimed area of Egypt using multi-temporal Landsat data. Applied Geography 30(4),592-605.
Boudjemline F, Semar A. 2018. Assessment and mapping of desertification sensitivity with MEDALUS model and GIS–Case study: basin of Hodna, Algeria. Journal of water and land development, 36(1): 17-26. doi:https://doi.org/10.2478/jwld-2018-0002
Contador JFL, Schnabel S, Gutiérrez AG, Fernandez MP. 2009. Mapping sensitivity to land degradation in Extremadura. SW Spain. Land Degradation & Development, 20(2): 129-144. doi:https://doi.org/10.1002/ldr.884
D’Odorico P, Bhattachan A, Davis k, Ravi S, Runyan C. 2013. Global desertification: Drivers and feedbacks. Advances in Water Resources, 51: 326–344. doi:https://doi.org/10.1016/j.advwatres.2012.01.013
Dutta S, Chaudhuri G. 2015. Evaluating environmental sensitivity of arid and semiarid regions in northeastern Rajasthan, India. Geographical Review, 105(4): 441-461. doi:https://doi.org/10.1111/j.1931-0846.2015.12093.x
Hadeel AS, Mushtak T, Jabbar MT, Chen X. 2010. Application of remote sensing and GIS in the study of environmental sensitivity to desertification: a case study in Basrah Province, southern part of Iraq. Applied Geomatics, 2(3): 101-112. doi:https://doi.org/10.1007/s12518-010-0024-y
Kadović R, Ali Mansour Y. Bohajar V, Perović S, Belanović Simić M, Todosijević S, Tošić M, Anđelić D, Mlađan, Dovezenski U. 2016. Land sensitivity analysis of degradation using MEDALUS model, case study: Deliblato Sands, Serbia. Archives of Environmental Protection, 42(4): 114-124.
Khosravi A, Mirabbasi R, Samadi H, Ghasemi DA. 2019. Monitoring and forecasting of groundwater Drought Using Groundwater Resource Index (GRI) and First to Third-Order Markov Chain Models (Case study: Boroujen Plain). Journal of Water and Soil conservation, 26(2): 117-136. (In Persian).
Lahlaoi H, Rhinane H, Hilali A, Lahssini S, Moukrim S. 2017. Desertification assessment using MEDALUS model in watershed Oued El Maleh, Morocco. Geosciences, 7(50): 1-16. doi:https://doi.org/10.3390/geosciences7030050
Lee EJ, Piao D, Song C, Kim J, Lim H, Kim E, Moon J, Kafatos M, Lamchin M, Jeon SW, Lee W.2019. Assessing environmentally sensitive land to desertification using MEDALUS method in Mongolia. Forest Science and Technology, 15(4): 210-220
Rezaipoor Baghedar AH, Bahrami H, Rafee Sharifabad J, Khosravi H. 2015. An evaluation on the intensity of desertification by using IMDPA model (Case study: Baghedar region, Yazd). Arid Regions Geographic Studies, 5(19): 42-54.
Schulz JJ, Cayuela L, Echeverria C, Salas J, Benayas JMR. 2010. Monitoring land cover change of the dryland forest landscape ofCentral Chile (1975–2008). AppliedGeography, 30(3): 436-447.
Taghipour S, Fazeli A, Kazemi B. 2016. A case study of desertification hazard mapping using the MEDALUS (ESAs) methodology in southwest Iran. Journal of Natural Resources and Development, 6: 1–8. (In Persian).
UNEP, 1992, World Atlas of Desertification, Edward Arnold, London.
Veron SR, Paruelo JM and Oesterheld M. 2006. Assessing desertification, Journal of Arid Environments, 66: 751-763.
Wijitkosum S. 2020. Reducing vulnerability to desertification by using the spatial measures in a degraded area in Thailand. Land, 9(2): 49. doi:https://doi.org/10.3390/land9020049
Xu D, Ding X. 2018. Assessing the impact of desertification dynamics on regional ecosystem service value in North China from 1981 to 2010. Ecosystem Services, 30: 172-180. doi:https://doi.org/10.1016/j.ecoser.2018.03.002
Xu D, Song A, Li D, Ding X, Wang Z. 2019. Assessing the relative role of climate change and human activities in desertification of North China from 1981 to 2010. Frontiers of Earth Science, 13(1): 43-54. doi:https://doi.org/10.1007/s11707-018-0706-z
Xu D, You X, Xia C. 2019. Assessing the spatial-temporal pattern and evolution of areas sensitive to land desertification in North China. Ecological Indicators, 97: 150-158. doi:https://doi.org/10.1016/j.ecolind.2018.10.005
Zhang C, Wang X, Li J, Hua T. 2020. Identifying the effect of climate change on desertification in northern China via trend analysis of potential evapotranspiration and precipitation. Ecological Indicators, 112: 106141. doi:https://doi.org/10.1016/j.ecolind.2020.106141
ارزیابی وضعیت بیابانزایی در حوضه آبخیز سفیددشت- بروجن (استان چهارمحال و بختیاری) با استفاده از مدل مدالوس
چکیده
بیابانزایی و گسترش روزافزون آن به عنوان یکی از مهمترین چالشهای محیطزیستی پیش رو در بسیاری از حوضههای آبخیز کشور به شمار میرود. روشهای متعددی به منظور برآورد روند بیابانزایی توسعهیافته است، که یکی از آنها روش مدالوس میباشد. هدف از پژوهش حاضر، ارزیابی روند بیابانزایی با استفاده از مدل مدالوس در حوضة آبخيز سفیددشت-بروجن واقع در استان چهارمحال و بختياري است. به این منظور، با استفاده از مدل سنجش از دوری و تصاویر ماهواره لندست، سالهای 1998، 2009 و 2018 نقاطی که در آن بیشترین تغییرات رخ داده بود انتخاب شد. سپس، طبق روش مدالوس، عوامل مؤثر در بیابانزایي منطقه شناسایي شده و هر کدام به عنوان یک معیار شامل اقلیم، پوششگیاهي، خاک، آب زیرزمیني و مدیریت و سیاست در نظر گرفته شدند. سپس براساس میانگین هندسی شاخصهای این معیارها نقشه معیارها و در نهایت نقشه بیابانزایی تهیه شد. نتایج نشان داد که معیار اقلیم با امتیاز 80/1 از شاخص بارندگی، جهت و شاخص خشکی در دو کلاس شدید و خیلي شديد، بیشترین نقش را در بیابانزایی منطقه دارد. وضعیت معیار مديريت و سیاست، پوشش گیاهي و خاک منطقه به ترتیب با امتیاز 76/1، 71/1 و 55/1 در دو کلاس شدید و خیلی شديد و معیار آب زيرزمیني با امتیاز 33/1 در کلاس متوسط قرار گرفت. در نهایت، مشخص شد 56 درصد از مساحت منطقه با وضعیت بیابانزایی شدید و 44 درصد با وضعیت خیلی شدید مواجه است. با توجه به نتایج به دست آمده، بخش شمالی منطقه مورد مطالعه به شدت در معرض بیابانی شدن واقع شده، حال آنکه در قسمت جنوبی منطقه این وضعیت شرایط بهتری دارد؛ پدیده بیابانزایی در این منطقه رو به افزایش است و احتمالاً حفاظت و مدیریت محیط زیست منطقه را با چالشهای فراوانی مواجه خواهد نمود.
واژههای کلیدی: بحرانهای محیط زیستی، بیابانزایی، دشت ممنوعه، زاگرس مرکزی، اقلیم، پوشش گیاهی.
مقدمه
نواحی خشک و نیمه خشک، که بیش از 40 درصد سطح اراضی جهان را به خود اختصاص دادهاند، زیستگاه یک میلیارد نفر از مردم دنیا به شمار میروند (22). 85 درصد اراضی کشور ایران، تحت اقلیمهای خشک، نیمه خشک، و فراخشک است. بیابانزایی، تخریب زمین در مناطق خشک، نیمهخشک و نیمه مرطوب است. این وضعیت در نتیجه يك سرى فرآيندهاى مهم ایجاد میشود كه مهمترين اين فرآيندها، دو عامل فعاليتهاى بشرى و تغييرات اقليمى هستند (21، 23، 25، 26 و 27). در حال حاضر، بیابانزایی به عنوان یک چالش مهم گریبانگیر بسیاری از کشورهای جهان و به ویژه کشورهای در حال توسعه شده است و نتیجه این فرآیند، از بین رفتن منابع تجدیدشونده در این کشورها است (10، 15 و 24). بيابانزایی، سطح وسيعی از سرزمينهاي خشک جهان را تحت تأثير قرار داده است. این پدیده به احتمال زیاد دائمی و غير قابل برگشت بوده و پیامدهای آن حداقل در مقياس چندین نسل انسان باقی خواهد ماند. اثرات حاصل از این پدیده میتواند به صورت فرآیندهاي تخریب سرزمين، تغيير در رژیم بارندگی ناشی از اثرات متقابل جو و زمين و تغيير در ترکيب جوامع گياهی نمایان شود (9).
یکی از پرکاربردترین روشها به منظور ارزيابي تخریب سرزمین و بیابانی شدن اراضي (بیابانزایی) استفاده از مدلهاي بیابانزایی است كه با توجه به شرايط منطقه صورت میگيرد (2). تاكنون، مدلهاي مختلفي در جهان ارائه شده است كه با توجه به شرايط منطقه، از معيارها و شاخصهاي مؤثر در بیابانزایی در مناطق مطالعاتي آنها به دست آمده است. از جمله اين مدلها میتوان به مدلFAO-UNEP1 (1984) ، مدل MEDALUS2 (1999)، مدل MICD3 (1992)، مدل IMDPA4 (2004) و مدل ICD5 (1995)اشاره كرد.از بین این مدلها، مدل مدالوس بهدلیل وزن دادن به لایهها، استفاده از GIS و استفاده از میانگین هندسی بهجای میانگین حسابی، دارای دقت و سرعت بالاتری است و همچنین فاقد خطای کارشناسی است. این مدل به علت سادگی و مرحلهای بودن، در دسترسبودن دادهها و سازگاری با شاخصهای مؤثرتر در تخریب اراضی، مزایای بیشتری نسبت به دیگر مدلها دارد (18). در بروز بیابانزایی معمولاً یک عامل موجب بیابانزایی نیست بلکه اثر متقابل عوامل گوناگونی است که باعث این پدیده میشود که بایستی تمام عوامل را با هم در نظر گرفت که در مدل مدالوس به خوبی به آن توجه شده است.
عباسی و همکاران (1)، در پژوهشی به ارزیابی روند بیابانزایی با استفاده از مدل مدالوس در دشت شمیل هرمزگان پرداختند. یافتههای آنها نشان داد که از بین معیارهای مورد مطالعه، معیار کیفیت اقلیم به عنوان نامناسبترین و معیار کیفیت پوششگیاهی هم به عنوان مناسبترین معیار تعیین شدند. عرب عامری و همکاران (4)، به ارزیابی کمی خطر بیابانزایی با استفاده از مدل مدالوس اصلاح شده در حوضه آبخیز شاهرود- بسطام پرداختند. یافتههای آنها نشان داد که معیارهای اقلیم و فرسایش بیشترین تأثیر و در مقابل، پوششگیاهی کمترین تأثیر را در بیابانزایی منطقه مورد مطالعه داشتهاند. کانتادور و همکاران (8)، با استفاده از 6ESAs حساسیت اراضی نسبت به تخریب، در جنوب غرب اسپانیا را مورد بررسی قرار دادند. نتایج آنها نشان داد که نقشه بیابانزایی که براساس این مدل تهیه شده است، نسبت به سایر مدلها، با شرایط سازگارتر و بهتر میباشد. آریا و همکاران (5)، در کشور هندوستان به ارزیابي بیابانزایي با استفاده از روش مدالوس پرداختند. یافتههای ایشان نشان داد که سطح تخریب اراضي حدود 35 درصد بود و عمدهترین عوامل تخریب در منطقه مورد مطالعه به ترتیب شامل پوشش گیاهی، فرسایش بادی و فرسایش آبي گزارش شد. تقی پور و همکاران (18)، با استفاده از مدل مدالوس نشان دادند بیابانزایی در دشت خانمیرزا (استان چهارمحال و بختیاری) سالانه به میزان 3/1 درصد در حال افزایش است. لالی و همکاران (15)، با استفاده از مدل مدالوس نشان دادند که 35 درصد از مساحت کشور مراکش در کلاس شدید بیابانزایی قرار دارد. معیار خاک با امتیار 41/1 و معیار پوشش گیاهی با امتیاز 35/1 از مهمترین معیارهای این مطالعه بودند. ایت لامکدم و همکاران (3) با استفاده از مدل مدالوس که معیار آب و اقلیم به عنوان مهمترین معیارها بودند نشان دادند که تنها 63/16 درصد از مساحت منطقه مورد مطالعه در منطقه فیجا در جنوب شرق مراکش با حساسیت کم نسبت به بیابانزایی و 34/50 درصد مساحت منطقه به عنوان مناطق شدید و بسیار شدید طبقهبندی میشوند. لی و همکاران (16) به ارزیابی بیابانزایی با استفاده از مدل مدالوس در مغولستان پرداختند. یافتههای این پژوهش نشان داد بیابانزایی در این منطقه به شدت در حال افزایش میباشد و معیار اقلیم و پوشش گیاهی بیشترین تاثیر را در بیابانزایی دارند. یافتههای کادویچ و همکاران (13) در ارزیابی بیابانزایی با استفاده از مدل مدالوس در دلیبلاتو صربستان نیز نشان داد حدود 26% از مساحت منطقه در شرایط بحرانی بیابانزایی قرار دارد و معیار پوشش گیاهی و مدیریت وسیاست به عنوان مهمترین معیار تعیین شدند. ارزیابی وضعیت فرآیندهای بیابانزایی (تخریب زمین) در یک روستا، منطقه یا کشور از آن جهت حائز اهمیت است که این ارزیابی امکان اتخاذ تصمیماتی آگاهانه در زمینه ابعاد مالی و میزان سرمایهگذاری مورد نیاز برای کنترل آن را فراهم میآورد. از آنجا که حوضه آبخیز سفیددشت-بروجن یکی از دشتهای حاصلخیز استان چهارمحال و بختیاری میباشد و با توجه به وسعت آن و همچنین تمرکز صنایع و بخش زیادی از جمعیت استان در این دشت، مطالعه پدیده بیابانزایی در این منطقه از اهمیت زیادی برخوردار است. با توجه به توسعه پديده بيابانزايي در این حوضه و لزوم توجه به اهمیت نتايج اين پديده مخرب در آينده، هدف از این مطالعه ارزیابی روند بیابانزایی با استفاده از روش مدالوس در حوضه آبخیز سفیددشت- بروجن با توجه به ابعاد وسیع تأثیرگذاری این پدیده در این منطقه است.
روش تحقیق
منطقه مورد مطالعه
حوضه آبخيز سفیددشت-بروجن به مساحت 92565 هکتار از زيرحوضههاي آبخيز كارون به شمار میرود که در استان چهارمحال و بختياري قرار گرفته است (شكل 1). بیشینه ارتفاع حوضه برابر با 3153 متر در ارتفاعات غرب حوضه و کمینه ارتفاع منطقه برابر با 2124 متر از سطح دریا در محل خروجي حوضه قرار دارد. ميانگين شيب منطقه مورد مطالعه برابر با 9/13 درصد است. ميانگين بارش سالانه حوضه آبخيز بروجن برابر با 254 میلیمتر و ميانگين سالانه بیشینه، کمینه و متوسط دما در آن به ترتيب برابر 5/18، 9/2 و 7/9 درجه سانتیگراد است. میانگین سرعت باد سالانه برابر با 4/1 متر برثانیه و متوسط تبخیر سالانه برابر با 5/13 میلیمتر بر روز میباشد. اقليم اين منطقه براساس روش دومارتن نيمهخشك گزارش شده است. (11).
روش کار
در این پژوهش، با استفاده از مدل سلول خودکار مارکوف سنجش از دوری و تصاویر ماهواره لندست سالهای 1998، 2009 و 2018 به بررسی و آشکارسازی تغییرات کاربری اراضی پرداخته شد. هدف پژوهش حاضر بررسی فواصل 10 ساله بود، اما به علت ابری بودن تصاویر سال 2008 در مقطع زمانی مورد نظر، از تصویر سال 2009 استفاده شد (جدول 1). میزان تغییرات طی این دوره زمانی مشخص شد و با توجه به شکل 1، نقاطی که در آن بیشترین تغییرات رخ داده بود را انتخاب و با استفاده از این نقاط، در مدل مدالوس عوامل مؤثر در بیابانزایي و وضعیت فعلي آن مدنظر قرار گرفت. سپس، پارامترهای موثر در بیابانزایي به تفکیک در این نقاط بررسي و مدل مدالوس در این نقاط اجرا شد. طبق روش مدالوس، توسط تیم کارشناسی مجرب متشکل از اساتید و کارشناسان منابع طبیعی و آشنا به منطقه و براساس درجه تأثیر گذاری و فراهمی اطلاعات عوامل موثر در بیابانزایي منطقه شناسایي شده و هر کدام به عنوان یک معیار در نظر گرفته شدند. سپس، ویژگیهای معیارهای مذکور که در بیابانزایي منطقه مؤثرند، بهعنوان شاخص، مدنظر قرار گرفتند. هر شاخص در رابطه با تأثیر آن در بیابانزایی وزنی دریافت کرد و با ارزیابي آنها، میزان تأثیر معیار در فرآیند بیابانزایي مشخص شد. سپس، نقشه معیارها و در نهایت نقشه بیابانزایی از میانگین هندسی آنها به دست آمد. معیارهای مورد استفاده عبارت بودند از: اقلیم، پوششگیاهي، خاک، آب زیرزمیني، مدیریت و سیاست.
با توجه به وضعیت کمی و کیفي، هر کدام از شاخصها امتیازی بین 1 تا 2 گرفتند. امتیاز مربوط به هر معیار با میانگین هندسي شاخصهای مربوط به آن مشخص ميشود و در نهايت با کاربرد جدول 2، کلاس هر معیار تعیین شد. رابطه (1) نحوه محاسبه امتیاز مربوط به هر معیار را مشخص ميکند:
(1) 1* W2 *…* Wn)1/n Wx = (W(7)
Wx: امتیاز مربوط به هر معیار
W (1, 2, … n): امتیازات مربوط به هر شاخص
n: تعداد شاخصها
[1] 1. Food and Agriculture Organization-United Nations Environment Programme
[2] 2. Modified Mediterranean Desertification and Land Use.
[3] 3. Modified Iranian Classification of Desertification
[4] 4. Iranian Model of Desertification Potential Assessment
[5] 5. Iranian Classification of Desertification
[6] 6. Environmentally Sensitive Areas to desertification
جدول 1. مشخصات مربوط به تصاوير ماهوارههاي مورد استفاده
Table 1. Specifications of the satellite images used
ماهواره | سنجنده | قدرت تفکیک | تعداد باند | گذر | ردیف | سال استفاده | سال تصویربرداری |
Landsat 5 | TM | m30 | 7 | 164 | 38 | 2018 2018 | 3/6/1998- 17/6/2009 |
Landsat 8 | ETM | m30 | 9 | 164 | 38 | 26/6/2018 |
شکل 1. موقعیت جغرافیایی حوضه آبخیز سفیددشت-بروجن در استان چهارمحال و بختیاری
Fig 1. Geographical location of Sefiddasht-Borujen watershed in Chaharmahal va Bakhtiari province
جدول 2. کلاس وضعیت بیابانزایی در مدل مدالوس (7)
Table 2. Desertification status class in Madalus model
نوع ارزیابی | کلاس وضعیت بیابانزایی | |||
کیفی | خفیف | متوسط | شدید | خیلی شدید |
کمی | 20/1-1 | 35/1- 21/1 | 53/1- 35/1 | 53/1< |
بهمنظور بررسي معیار اقلیم سه شاخص بارندگي، جهت و شاخص خشکي دمارتن در نظر گرفته شد. بررسي ﭘﺎراﻣﺘﺮﻫﺎي اقلیم ﺑﺎ اﺳﺘﻔﺎده از اﻃﻼﻋﺎت ﻣﺮﺑﻮط ﺑﻪ نقاط نمونه در50 ایستگاه ﺳﺎزﻣﺎن هواشناسی و آب منطقهای استان که بهصورت نقطهای برداشت میشود، براي يك دوره آماري 30 ساله (از سال 1368تا سال 1397) ارزیابی شد. (11، 17). برای ارزیابی وضعیت خاک، شاخصهای بافت خاک، اسیديته، هدايت الکتريکي و میزان مواد آلي، انتخاب شدند. برای تعیین ویژگیهای خاک ابتدا 170 نقطه نمونهبرداری در منطقه مورد مطالعه مشخص و از سطح 0 تا 20 سانتیمتری خاک، نمونهبرداری انجام و به آزمایشگاه منتقل شد. از طریق روش هیدرومتری میزان سیلت، رس و شن خاک تعیین شد. میزان هدايت الكتريكي و میزان اسیديته از طريق عصاره يک به پنج و مواد آلي از روش والكي بلک بدست آمد. سپس شاخصهای جدول (5) جهت ارزیابي معیار خاک، مورد ارزیابی قرار گرفته و هرکدام از شاخصها امتیازدهي شد. در نهایت امتیاز معیار خاک از میانگین هندسی شاخصها تعیین و از طریق جدول (2) کیفیت این معیار تعیین شد. پوششگیاهی این منطقه به دلیل خشکسالیهای اخیر به انواع پوشش بوتهای و مراتع به نسبت ضعیف تبدیل شده است. طبق جدول (4) شاخصهای درصد پوششگیاهی، مقاومت در برابر خشکی و حفاظت در برابر فرسایش بهمنظور ارزیابي و بررسی تأثیر معیار پوششگیاهي در بیابانزایي، انتخاب شدند (7،16). شاخص درصد پوشش گیاهی با استفاده از شاخص NDVI تعیین و طبق جدول (4) امتیاز شاخصها تعیین شد. امتیاز معیار پوششگیاهی پس از امتیازدهي شاخصها براساس رابطه (2) محاسبه و سپس با توجه به جدول (2) کیفیت اين معیار طبقهبندی شد.
رابطه (2): 3/1(درصد پوششگیاهی* مقاومت در برابر خشکی* حفاظت در برابر فرسایش) = امتیاز معیار پوششگیاهی
عوامل انساني به عنوان يکي از مهمترين عوامل ايجاد شرايط بیابانيشدن هستند. از جمله عوامل مستقیم انسانی ميتوان به چرای مفرط، زوال پوششگیاهي (بوتهکني و قطع درختان)، کاربری نامناسب اراضي بدون توجه به استعداد زمین، به زيرکشتبردن مراتع و اجرای نادرست و نامناسب عملیات کشاورزی اشاره کرد. نقشه کاربری با استفاده از تصاویر ماهواره لندست 8 برای سال 2018 مورد استفاده قرار گرفت. برای بررسي معیار مدیریت و سیاست، تهیه شد و سپس با توجه به شاخصهای انتخابي در هر کاربری، با توجه به جدول (7) وزندهي انجام شد. امتیاز معیار مديريت و سیاست، پس از آنکه امتیازات مربوط به هر شاخص تعیین شد، از طریق میانگین هندسی شاخصها محاسبه و کیفیت معیار سیاست و مديريت مشخص شد. به منظور ارزيابي معیار آب زیرزمینی در روش مدالوس، هیچ شاخصي لحاظ نگرديده است. عدم توجه اين مدل به معیار آب زیرزمینی در حالي است که کاهش کیفیت و افت آب زيرزمیني در مناطق خشک و نیمهخشک را میتوان از جمله مهمترين مشکلات اين مناطق بهويژه منطقه خاورمیانه و ايران ذکر نمود. برای این منظور شاخصهای مورد نیاز برای ارزيابي کیفیت آب زيرزمیني منطقه مورد مطالعه شامل هدایت الکتریکی، میزان کلر، میزان اسیدیته، کل مواد جامد محلول، نسبت جذب سدیم و افت سطح آب زیرزمینی انتخاب شدند (4). از فرآيند درونيابي بهمنظور تعمیم اطلاعات و خصوصیات نقاط نمونهبرداری به کل سطح منطقه، استفاده شد. اين شاخصها در جدول (6) آورده شده است. پس از امتیازدهي شاخصهای آب زيرزمیني، امتیاز مربوط به معیار آب زيرزمیني محاسبه و کیفیت آن طبق جدول (2) تعیین شد. سپس امتیاز مربوط به هر معیار با میانگین هندسی شاخصهاي مربوط به آن مشخص شد. پس از ارزیابی و بررسی شاخصها و معیارهاي انتخابی، نقشۀ رستري همه شاخصها و معیارها در محیط GISتهیه شد. به منظور تعیین دقت نقشه تولید شده از نقاط کنترل زمینی استفاده شد. سپس اين نقاط واقعيت زميني با نقشه طبقهبندي شده مقايسه شدند (6) و در نهایت براساس معیارهای صحت کلی که میانگینی است از دقت طبقهبندي که نسبت پیکسلهاي صحیح طبقهبندیشده به جمع کل پیکسلهاي معلوم را نشان میدهد و ضریب کاپا که دقت طبقهبندی را نسبت به یک طبقهبندی کاملا تصادفی محاسبه میکند، میزان دقت طبقهبندي نقشه با استفاده از تفسیر بصری محاسبه شد (19). به منظور بررسی وضعیت فعلی بیابانزایی، با استفاده از میانگین هندسی، امتیاز هر معیار در هر نقطه از طریق رابطه (2) محاسبه شد و امتیاز مربوط به وضعیت فعلی بیابانزایی با استفاده از جدول (2) تعیین شد.
رابطه (2): DS = (CQI* SQI* GWQI* VQI* MPQI)1/5 (7)
که در آن:
DS (Desertification Status): وضعیت بیابانزایی، CQI (Climate Quality Criterion): معیار کیفیت اقلیم، SQI(Soil Quality Criterion): معیار کیفیت خاک، GWQI (Groundwater Quality Criterion): معیار کیفیت آب زیرزمینی و (Management and Policy Quality Criterion) MPQI: معیار کیفیت مدیریت و سیاست میباشد.
جدول 4. شاخص معیار پوشش گیاهی | |||
Table4. Vegetation criterion index | |||
شاخص | کلاس | شرح | امتیاز |
| 1 | باغات، درختچهها و مراتع همیشه سبز | 25/1 - 1 |
حفاظت دربرابرفرسایش | 2 | مراتع و بوته زارهای دائمي | 50/1- 25/1 |
| 3 | محصولات کشاورزی یکساله، غلات، علفزارهای یکساله | 75/1- 50/1 |
| 4 | اراضي لخت و بایر | 2 - 75/1 |
| 1 | باغات، درختچهها و مراتع همیشه سبز | 25/1 - 1 |
مقاومت در برابر خشکی | 2 | مراتع و بوته زارهای دائمي | 50/1- 25/1 |
| 3 | محصولات کشاورزی یکساله، غلات، علفزارهای یکساله | 75/1- 50/1 |
| 4 | اراضي لخت و بایر | 2 - 75/1 |
| 1 | 50 < | 25/1 - 1 |
درصد پوششگیاهی | 2 | 50- 35 | 50/1- 25/1 |
| 3 | 10-35 | 75/1- 50/1 |
| 4 | 10 > | 2 - 75/1 |
جدول 3. شاخص معیار اقلیم | |||
Table3. Climate criterion index | |||
شاخص | کلاس | شرح | امتیاز |
| 1 | 650< | 35/1-1 |
میزان بارش | 2 | 250-650 | 70/1- 35/1 |
| 3 | 250> | 2- 70/1 |
جهت | 1 | شمال شرقی- شمال غربی | 1 |
| 2 | جنوب شرقی- جنوب غربی | 2 |
| 1 | 40 I > | 35/1-1 |
شاخص خشکی | 2 | 20 I ><40 | 70/1- 35/1 |
| 3 | 20 I < | 2- 70/1 |
جدول 5. شاخص معیار خاک | |||
Table5. Soil criterion index | |||
شاخص | کلاس | شرح | امتیاز |
| 1 | SL,SCL,CL,LS | 25/1-1 |
بافت خاک | 2 | SiL,SC,SiCL | 50/1- 25/1 |
| 3 | SiC,C,Si | 75/1- 50/1 |
| 4 | S | 2- 75/1 |
| 1 | 0-8 | 2/1-1 |
| 2 | 8-16 | 4/2-1/1 |
هدایت الکتریکی | 3 | 16-32 | 6/1- 4/1 |
| 4 | 32-100 | 8/1- 6/1 |
| 5 | 100< | 2- 8/1 |
| 1 | 5/7 > | 33/1-1 |
اسیدیته | 2 | 3/8- 5/7 | 66/1- 33/1 |
| 3 | 3/8 < | 2- 66/1 |
| 1 | 2- 5/1 | 2/1-1 |
| 2 | 5/1-1 | 4/2-1/1 |
موادآلی | 3 | 1- 5/0 | 6/1- 4/1 |
| 4 | 5/0- 2/0 | 8/1- 6/1 |
| 5 | 2/0 > | 2- 8/1 |
جدول 6. شاخص معیار آب زیر زمینی | |||
Table6. Groundwater criterion index | |||
شاخص | کلاس | شرح | امتیاز |
| 1 | 250> | 2/1 - 1 |
| 2 | 250-750 | 4/1- 2/1 |
هدایت الکتریکی | 3 | 2250- 750 | 6/1- 4/1 |
| 4 | 2250-5000 | 8/1- 6/1 |
| 5 | 5000 < | 2 – 8/1 |
| 1 | 10 > | 25/1 - 1 |
نسبت جذب سدیم | 2 | 10-18 | 50/1- 25/1 |
| 3 | 18-26 | 75/1- 50/1 |
| 4 | 26< | 2 - 75/1 |
| 1 | 500 > | 25/1 - 1 |
کل مواد جامد محلول | 2 | 1000- 500 | 50/1- 25/1 |
| 3 | 2000- 1000 | 75/1- 50/1 |
| 4 | 2000< | 2 - 75/1 |
| 1 | 5/6> | 33/1 - 1 |
اسیدیته | 2 | 4/8 - 5/6 | 66/1- 33/1 |
| 3 | 4/8 < | 2 – 66/1 |
| 1 | 4 > | 33/1 - 1 |
میزان کلر | 2 | 10 – 4 | 66/1- 33/1 |
| 3 | 10 < | 2 – 66/1 |
| 1 | 10 – 0 | 2/1 - 1 |
| 2 | 10-20 | 4/1- 2/1 |
افت سطح آب زیرزمینی | 3 | 20-30 | 6/1- 4/1 |
| 4 | 30-50 | 8/1- 6/1 |
| 5 | 50 < | 2 – 8/1 |
|
|
| جدول 7. شاخص معیار مدیریت و سیاست |
|
|
|
| Table7. Management and policy criterion index |
|
کاربری | شاخص | کلاس | شرح | امتیاز |
|
| 1 | کشت واريتههای بومي، عدم استفاده از کودهای شیمیايي و آفت کشها، مکانیزاسیون محدود، آيش مناسب و به موقع زمین | 35/1- 1 |
| کیفیت عملیات کشاورزی | 2 | کشت واريتههای اصلاح شده، استفاده از کودها و آفتکشها مکانیزاسیون در موارد ضروری مانند شخم، آيش مناسب و به موقع زمین | 75/1- 35/1 |
اراضی |
| 3 | کشت واريتههای اصلاح شده، استفاده از کودها و آفتکشها، مکانیزاسیون نامحدود و شديد، عدم آيش قرار دادن زمین يا آيش بيموقع | 2 – 75/1 |
کشاورزی |
| 1 | استفاده از شیوههای نوين آبیاری، کیفیت آب آبیاری مناسب | 25/1- 1 |
| شیوه آبیاری | 2 | استفاده از شیوههای نوين آبیاری، کیفیت آب آبیاری نامناسب | 50/1- 25/1 |
| وکیفیت آب | 3 | استفاده از شیوههای آبیاری سنتي، کیفیت آب آبیاری نسبتاً مناسب | 75/1- 50/1 |
|
| 4 | استفاده از شیوههای آبیاری سنتي، کیفیت آب آبیاری نسبتاً نامناسب | 2- 75/1 |
|
|
| نسبت ظرفیت بالقوه به بالفعل |
|
|
| 1 | 5/1- 1 | 25/1- 1 |
| میزان تخریب | 2 | 2- 5/1 | 50/1- 25/1 |
| مراتع | 3 | 5 – 2 | 75/1- 50/1 |
اراضی |
| 4 | 5< | 2- 75/1 |
مرتعی |
|
| نسبت دام موجود به ظرفیت مرتع |
|
|
| 1 | 1- 0 | 25/1- 1 |
| فشار | 2 | 5/1- 1 | 50/1- 25/1 |
| چرا | 3 | 2- 5/1 | 75/1- 50/1 |
|
| 4 | 2< | 2- 75/1 |
|
|
| نحوه بهرهبرداری |
|
|
| 1 | بهرهبرداری بهینه، حفظ خاک سطحي و احیای پوششگیاهي پس از برداشت | 25/1- 1 |
اراضی |
| 2 | بهرهبرداری بهینه، حفظ خاک سطحي، عدم احیای پوششگیاهی پس از برداشت | 50/1- 25/1 |
معدنی |
| 3 | بهرهبرداری بيرويه، حفظ خاک سطحي، عدم احیای پوششگیاهی پس از برداشت | 75/1- 50/1 |
|
| 4 | بهرهبرداری بيرويه، از بین بردن خاک سطحي، عدم ايجاد هیچ گونه عامل حفاظتي پس از برداشت | 2- 75/1 |
نتایج
پس از ارزیابی و امتیازدهی شاخصهاي مربوط به 5 معیار و محاسبه میانگین هندسی امتیازات، امتیازات شاخصهای مورد ارزیابی محاسبه و شاخصهایی که حائز بالاترین امتیاز بود، تعیین شدند. مهمترین عوامل تشدیدکننده بیابانزایی در منطقۀ مورد مطالعه با استفاده از روش مدالوس، عامل اقلیم با امتیاز 80/1، عامل مدیریت و سیاست با امتیاز 76/1 و پوشش گیاهی با امتیاز 71/1 تعیین شد (شکل 2). براساس مدل مدالوس، امتیاز وضعیت فعلی بیابانزایی طبق جدول (8)، 63/1 برآورد شد. بر اساس این نقشه، وضعیت بیابانزایي منطقه در دو کلاس شدید و خیلی شدید قرار گرفت. 65 درصد از سطح منطقه مورد مطالعه در کلاس شديد و 35 درصد در کلاس خیلی شدید بیابانزايي دستهبندی شد (شکل 3).
جدول 8. امتیاز وضعیت بیابانزایی | ||||||
Table 8. Desertification status score | ||||||
|
|
| وضعیت بیابانزایی |
|
| |
|
|
| امتیازات شاخصها |
| امتیازات معیار | |
کد | اقلیم | خاک | آبزیرزمینی | پوششگیاهی | مدیریتوسیاست | (میانگینهندسی) |
1 | 88/1 | 56/1 | 34/1 | 78/1 | 61/1 | 63/1 |
2 | 86/1 | 58/1 | 35/1 | 51/1 | 53/1 | 56/1 |
3 | 88/1 | 62/1 | 35/1 | 88/1 | 96/1 | 73/1 |
4 | 88/1 | 63/1 | 35/1 | 88/1 | 96/1 | 74/1 |
5 | 77/1 | 61/1 | 34/1 | 91/1 | 96/1 | 70/1 |
6 | 88/1 | 55/1 | 33/1 | 75/1 | 88/1 | 67/1 |
7 | 88/1 | 47/1 | 26/1 | 55/1 | 96/1 | 62/1 |
8 | 86/1 | 53/1 | 34/1 | 55/1 | 96/1 | 64/1 |
9 | 88/1 | 52/1 | 35/1 | 91/1 | 96/1 | 72/1 |
10 | 88/1 | 58/1 | 28/1 | 88/1 | 51/1 | 62/1 |
11 | 88/1 | 57/1 | 33/1 | 75/1 | 50/1 | 60/1 |
12 | 85/1 | 42/1 | 25/1 | 46/1 | 35/1 | 46/1 |
13 | 71/1 | 53/1 | 33/1 | 75/1 | 60/1 | 58/1 |
14 | 63/1 | 43/1 | 32/1 | 55/1 | 48/1 | 48/1 |
15 | 70/1 | 47/1 | 34/1 | 50/1 | 90/1 | 58/1 |
16 | 71/1 | 53/1 | 33/1 | 76/1 | 90/1 | 68/1 |
17 | 71/1 | 57/1 | 34/1 | 90/1 | 96/1 | 69/1 |
18 | 71/1 | 63/1 | 35/1 | 90/1 | 96/1 | 71/1 |
19 | 70/1 | 45/1 | 30/1 | 53/1 | 76/1 | 54/1 |
20 | 70/1 | 53/1 | 30/1 | 55/1 | 53/1 | 52/1 |
21 | 88/1 | 58/1 | 34/1 | 83/1 | 86/1 | 69/1 |
22 | 68/1 | 43/1 | 33/1 | 48/1 | 61/1 | 50/1 |
23 | 88/1 | 58/1 | 34/1 | 83/1 | 83/1 | 69/1 |
شکل 2. نقشه معیارهای مدل مدالوس در حوضه آبخیز سفیددشت-بروجن: الف) معیار اقلیم؛ ب) معیار پوشش گیاهی؛ ج) معیار خاک و د) معیار مدیریت و سیاست
Fig 2. Map of Medalus model criterion in Sefiddasht-Borujen watershed: a) Climate criterion; B) Vegetation criterion; C) Soil criterion and d) Management and policy criterion
بر اساس نتایج امتیازدهی معیارهاي مدل مدالوس، همه معیارهاي در نظر گرفته شده براي ارزیابی بیابانزایی منطقه شرایط نامناسبی داشته است؛ امتیاز معیار اقلیم که مهمترین شاخص تأثیرگذار آن شاخص بارندگی با امتیاز 88/1 بود، برابر 80/1 محاسبه و براساس جدول (2)، کلاس کیفیت معیار اقلیم، شدید و خیلی شديد تعیین شد. بر اين اساس، سطح شمالی منطقه در کلاس خیلی شدید و بخش جنوبی در کلاس شدید قرار ميگیرد. امتیاز معیار خاک در این مدل 55/1 برآورد شد و در دو کلاس شدید و خیلی شدید بیابانزایی قرار گرفت. از نظر معیار خاک، 65 درصد از کل سطح منطقه در کلاس شديد و 35 درصد در کلاس خیلی شدید بیابانزايي دستهبندی شد. مهمترین شاخص معیار خاک، هدایت الکتریکی با امتیاز 55/1 برآورد شد. پوشش گیاهي منطقه به علت چرای مفرط در گذشته، شرایط نامناسب اقلیمي، آب و خاک، بسیار تخریب یافته و وضعیت مراتع آن فقیر و بسیار فقیر میباشد. پس از محاسبه میانگین هندسي شاخصهای معیار پوشش گیاهی امتیاز این معیار برابر 71/1 تعیین و نقشه معیار کیفیت پوششگیاهي در دو طبقه شدید و خیلی شدید قرار گرفت. به صورتی که 42 درصد از مساحت منطقه مطالعاتی در کلاس شديد و 58 درصد از کل سطح منطقه در کلاس خیلی شديد بیابانزايي قرار گرفت. در این معیار هر سه شاخص پوشش گیاهی، حفاطت در برابر فرسایش و مقاومت در برابر خشکسالی به ترتیب با امتیاز 69/1، 72/1 و 72/1 تقریبا به یک میزان در بیابانزایی منطقه موثر بودند. معیار آب زیرزمینی در مدل مدالوس در این منطقه، که مهمترین شاخص آن افت آب زیر زمینی با امتیاز 66/1 بود، در کلاس متوسط و معیار مدیریت و سیاست که کاربری مرتع با امتیاز 71/1 مهمترین آنان بود در دو کلاس شدید و خیلی شدید بیابانزایی قرار گرفت. بر این اساس، 32 درصد در کلاس شديد و 68 درصد در کلاس خیلی شديد قرار گرفت. سپس از طریق میانگین حسابی معیارها شدت بیابانزایی از طریق جدول (8) محاسبه و سپس شدت بیابانزایی مشخص شد. در نهایت مشخص شد 56 درصد از سطح منطقه با وضعیت بیابانزایی شدید و 44 درصد با وضعیت خیلی شدید مواجه است. صحت کلی و ضریب کاپا به ترتیب 91% و 90% بدست آمد که نشان دهنده دقت بالای نقشه طبقه بندی شده میباشد.
شکل 3. نقشه نهایی بیابانزایی در حوضه آبخیز سفیددشت-بروجن با استفاده از مدل مدالوس
Fig 3. Final desertification map in Sefiddasht-Borujen watershed using Medalus model
بحث
در پژوهش حاضر به منظور ارزیابی و بررسی وضعیت فعلی بیابانزایی حوضه سفیددشت– بروجن به وسعت حدود 92 هزار هکتار، از مدل مدالوس استفاده شد. در این مدل معیارهای اقلیم، خاک، پوشش گیاهی، آب زیرزمینی، مدیریت و سیاست انتخاب شدند. طبق نتایج حاصل از این پژوهش، به ترتیب معیارهای اقلیم و مدیریت و سیاست بیشترین تأثیر را در بیابانزایي حوضه مطالعاتی داشتهاند و در مقابل معیارهای پوششگیاهي، خاک و آب زیرزمینی دارای کمترین تأثیر بودند. بادجملاین و سمار (7) نیز در منطقه الجزایر بیان نمودند معیار اقلیم و مدیریت تأثیرگذارترین نقش را در بیابانزایی داشتهاند. عوامل انساني و محیطي مختلفي بر پدیده بیابانزایي تأثیر دارند که معیار اقلیم به عنوان مهمترین عامل تأثیرگذار در پدیده بیابانزایي در منطقه مورد مطالعه است. دلیل این امر، کاهش نزولات جوی و خشکسالیهای پی در پی سالهای اخیر است. نتایج مطالعهی خسروی و همکاران (14) در بروجن نشان داد به طور کلی خشکسالیهاي شدیدي که به دلیل کاهش بارشها رخ داده است، به همراه اضافه برداشت از چاههاي موجود، منطقه را با بحران شدید کاهش سطح آب زیرزمینی مواجه کرده که کاهش کیفیت آب و فرونشست زمین را در پی دارد. بر اساس نتايج به دست آمده از مدل مدالوس در پژوهش حاضر، سطح منطقه از نظر معیار اقلیم در دو کلاس شدید و خیلي شديد بیابانزايي قرار گرفت. عباسی و همکاران (1) در دشت شمیل استان هرمزگان و ایت لامکدم و همکاران (3) در کشور مراکش نیز بر اساس مدل مدالوس در ارزیابی و بررسی وضعیت فعلی بیابانزایی از نظر کمی، معیار اقلیم را به عنوان تأثیرگذارترین معیار معرفی کردند. از نظر شدت بیابانزایی سطح منطقه مطالعاتی در دو کلاس شدید و خیلی شدید قرار گرفت. معیار اقلیم در بیابانزایی منطقه مورد مطالعه بیشترین و سپس معیار مدیریت و سیاست ایفاکننده بالاترین و بیشترین نقش میباشد. با توجه به میزان پایین بارندگي و خشکسالیهای سالهای اخیر، حفر غیرمجاز چاه در سفیددشت و به دنبال آن برداشتهای بیرویه بیش از توان سفرههای آب زیرزمینی باعث خشک شدن اکثر چاههای این منطقه شده است. همچنین، خشک شدن تالاب دهنو در این منطقه دلیل دیگر شدت بیابانزایی منطقه مطالعاتی است. نتایج این پژوهش تأثیر بسزای اقلیم و همچنین ضعف مدیریتی را بر بیابانزایي منطقه نشان میدهند. شواهد در منطقه مورد مطالعه نشان میدهد که افت آب زیر زمینی و بهتبع آن تهدید بیابانی شدن این منطقه به شدت در حال وقوع است، حال آنکه معیار آبهای زیرزمینی در مدل مدالوس این تغییرات را به خوبی نشان نمیدهد و تغییرات آن را در حد متوسطی نشان میدهد. شاید دلیل این امر را بتوان تا حدودی ناشی از تغییرات سایر عوامل کیفی آبهای زیرزمینی دانست که در این منطقه با وجود برداشت شدید آبهای زیرزمینی شاهد تغییرات زیادی نبوده است. شاید یکی از معایب روش مدالوس را بتوان این مطلب دانست که در این روش از میانگین مقادیر معیارهای هر شاخص برای برآورد شدت وقوع پدیده بیابانی شدن استفاده میکند حال آنکه در واقع حداقل هر معیار شاید گزینه بهتری برای نمایش شدت بیابانی شدن باشد. نتایج، گویای حساسیت منطقه مورد مطالعه نسبت به پدیده بیابانزایی است که نشاندهنده مشابهت این مطالعه با یافتههای پژوهش هدیل و همکاران (12) نیز است. منطقه مطالعاتي بر طبق تعریف ارائهشده از بیابانزایي، دارای هر دو شرایط بیابانزایي طبیعي و انساني است. عوامل طبیعي چون شرایط نامساعد اقلیمي از جمله کمبود ریزشهای جوی، خشکساليهای پیاپي، محدودیت منابع آبي، از یک سو و عوامل مخرب انساني از جمله نظام سنتي کشاورزی، چرای بیرویه دام، بهرهبرداری بیش از حد از آبهای زیرزمیني، تبدیل مراتع به اراضي کشاورزی، صنایع، معادن و تأسیسات، تخریب پوششگیاهي و بوتهکني از سوی دیگر باعث نابودی مراتع و منابع طبیعي و تسریع روند بیابانزایي در منطقه شده است. با وجود معایب احتمالی مربوط به مدل مدالوس میتوان بیان داشت که خروجیهای این مدل تا حدود زیادی بیانگر الگوی کلی وقوع پدیده بیابانی شدن در منطقه است. یافته های تقی پور و همکاران (20) نیز دردشت خانمیرزا (استان چهارمحال و بختیاری) همچون مطالعه حاضر، براساس مدل مدالوس نشان دادند فرایند بیابانزایي در منطقه مطالعاتی در وضعیت بحرانی و رو به افزایش میباشد و مقدار قابل توجهی از اراضی کشاورزی و مرتعی تخریب شده است. با نگاهی به شکل (3) میتوان دریافت که بخش شمالی منطقه مورد مطالعه به شدت در معرض بیابانی شدن واقع شده، حال آنکه در قسمت جنوبی منطقه این وضعیت شرایط بهتری دارد؛ هر چند در این منطقه نیز فرایند بیابانی شدن در حال وقوع با شدت بالایی است. الگوی کلی منطقه و خشکیدگی چاههای کشاورزی منطقه نیز مؤید این واقعیت تلخ است که منطقه شمالی حوضه سفید دشت- بروجن به شدت با فرایند بیابانی شدن مواجه شده است. به همین دلیل لازم است تدابیر مقتضی برای مواجهه شدن و جلوگیری از تشدید این فرایند بیابانی شدن در منطقه اتخاذ گردد. از جمله پیامدهای بیابانزایي در منطقه مورد مطالعه، ميتوان به کاهش حاصلخیزی خاک، نابودی پوششگیاهي و منابع تولید علوفه، افت سطح آبهای زیرزمیني، آلودگي هوا و مشکلات ناشي از آن اشاره کرد. از جمله راههای مقابله با بیابانزایي در منطقه، ميتوان بهرهبرداری اصولي از مراتع و چراگاهها با توجه به ظرفیت آنها در زمان مناسب فعاليتهاي بيابانزدايي بيولوژيكي و مكانيكي، بهرهبرداری مناسب از آبهای زیرزمینی و جلوگیری از تغییر کاربری اراضی مرتعی به اراضی کشاورزی اشاره کرد.
منابع
1. Abbasi AP, Amani H, Zareian M. 2014. Quantitative assessment of desertification status using MEDALUS model and GIS (Case study: Shamil plain - Hormozgan province). Journal of RS and GIS for Natural Resources, 5(1): 87-97. (In Persian).
2. Ahmadi H. 2006. Applied Geomorphology, Wind Erosion. Tehran University Press, pp. 592. (In Persian).
3. Ait Lamqadem A, Pradhan B, Saber H, Rahimi A. 2018. Desertification sensitivity analysis using MEDALUS model and GIS: a case study of the Oases of Middle Draa Valley, Morocco. Sensors, 18(7): 2230. https://doi.org/10.3390/s18072230
4. Arab Ameri AR, Ramesht MH, Rezaei K, Sohrabi M. 2019. Quantitative assessment of desertification risk using modified MEDALUS model, Case study: Shahroud Bastam Basin. Watershed Engineering and Management, 11(2): 508-522. (In Persian).
5. Arya AS, Dhinwa PS, Pathan SK, Raj KG .2009. Desertification land degradation status mapping of India. Current Science, 97(10): 1478-1483.
6. Bakr N, Weindorf DC, Bahnassy MH, Marei SM, El-Badawi MM. 2010. Monitoring land cover changes in a newly reclaimed area of Egypt using multi-temporal Landsat data. Applied Geography 30(4),592-605.
7. Boudjemline F, Semar A. 2018. Assessment and mapping of desertification sensitivity with MEDALUS model and GIS–Case study: basin of Hodna, Algeria. Journal of water and land development, 36(1): 17-26. https://doi.org/10.2478/jwld-2018-0002
8. Contador JFL, Schnabel S, Gutiérrez AG, Fernandez MP. 2009. Mapping sensitivity to land degradation in Extremadura. SW Spain. Land Degradation & Development, 20(2): 129-144. https://doi.org/10.1002/ldr.884
9. D’Odorico P, Bhattachan A, Davis k, Ravi S, Runyan C. 2013. Global desertification: Drivers and feedbacks. Advances in Water Resources, 51: 326–344. https://doi.org/10.1016/j.advwatres.2012.01.013
10. Dutta S, Chaudhuri G. 2015. Evaluating environmental sensitivity of arid and semiarid regions in northeastern Rajasthan, India. Geographical Review, 105(4): 441-461. https://doi.org/10.1111/j.1931-0846.2015.12093.x
11. General Meteorological Department of Chaharmahal and Bakhtiari Province. 2018.
12. Hadeel AS, Mushtak T, Jabbar MT, Chen X. 2010. Application of remote sensing and GIS in the study of environmental sensitivity to desertification: a case study in Basrah Province, southern part of Iraq. Applied Geomatics, 2(3): 101-112. https://doi.org/10.1007/s12518-010-0024-y
13. Kadović R, Ali Mansour Y. Bohajar V, Perović S, Belanović Simić M, Todosijević S, Tošić M, Anđelić D, Mlađan, Dovezenski U. 2016. Land sensitivity analysis of degradation using MEDALUS model, case study: Deliblato Sands, Serbia. Archives of Environmental Protection, 42(4): 114-124.
14. Khosravi A, Mirabbasi R, Samadi H, Ghasemi DA. 2019. Monitoring and forecasting of groundwater Drought Using Groundwater Resource Index (GRI) and First to Third-Order Markov Chain Models (Case study: Boroujen Plain). Journal of Water and Soil conservation, 26(2): 117-136. (In Persian).
15. Lahlaoi H, Rhinane H, Hilali A, Lahssini S, Moukrim S. 2017. Desertification assessment using MEDALUS model in watershed Oued El Maleh, Morocco. Geosciences, 7(50): 1-16. https://doi.org/10.3390/geosciences7030050
16. Lee EJ, Piao D, Song C, Kim J, Lim H, Kim E, Moon J, Kafatos M, Lamchin M, Jeon SW, Lee W.2019. Assessing environmentally sensitive land to desertification using MEDALUS method in Mongolia. Forest Science and Technology, 15(4): 210-220
17. Regional Water Department of Chaharmahal va Bakhtiari. 2018.
18. Rezaipoor Baghedar AH, Bahrami H, Rafee Sharifabad J, Khosravi H. 2015. An evaluation on the intensity of desertification by using IMDPA model (Case study: Baghedar region, Yazd). Arid Regions Geographic Studies, 5(19): 42-54.
19. Schulz JJ, Cayuela L, Echeverria C, Salas J, Benayas JMR. 2010. Monitoring land cover change of the dryland forest landscape ofCentral Chile (1975–2008). AppliedGeography, 30(3): 436-447.
20. Taghipour S, Fazeli A, Kazemi B. 2016. A case study of desertification hazard mapping using the MEDALUS (ESAs) methodology in southwest Iran. Journal of Natural Resources and Development, 6: 1–8. (In Persian).
21. UNEP, 1992, World Atlas of Desertification, Edward Arnold, London.
22. Veron S.R., Paruelo J.M and Oesterheld M. 2006. Assessing desertification, Journal of Arid Environments, 66: 751-763.
23. Wijitkosum S. 2020. Reducing vulnerability to desertification by using the spatial measures in a degraded area in Thailand. Land, 9(2): 49. https://doi.org/10.3390/land9020049
24. Xu D, Ding X. 2018. Assessing the impact of desertification dynamics on regional ecosystem service value in North China from 1981 to 2010. Ecosystem Services, 30: 172-180. https://doi.org/10.1016/j.ecoser.2018.03.002
25. Xu D, Song A, Li D, Ding X, Wang Z. 2019. Assessing the relative role of climate change and human activities in desertification of North China from 1981 to 2010. Frontiers of Earth Science, 13(1): 43-54. https://doi.org/10.1007/s11707-018-0706-z
26. Xu D, You X, Xia C. 2019. Assessing the spatial-temporal pattern and evolution of areas sensitive to land desertification in North China. Ecological Indicators, 97: 150-158. https://doi.org/10.1016/j.ecolind.2018.10.005
27. Zhang C, Wang X, Li J, Hua T. 2020. Identifying the effect of climate change on desertification in northern China via trend analysis of potential evapotranspiration and precipitation. Ecological Indicators, 112: 106141. https://doi.org/10.1016/j.ecolind.2020.106141
Assessment of Desertification Status in Sefiddasht-Boroujen Watershed (Chaharmahal and Bakhtiari Province) Using MEDALUS Model
Keywords: Environmental crisis, Desertification, Critical plain, Central Zagros, Climate, Vegetation.
ارزیابی وضعیت بیابانزایی در حوضه آبخیز سفیددشت- بروجن (استان چهارمحال و بختیاری) با استفاده از مدل مدالوس
چکیده مبسوط
طرح مسئله: تخریب منابع در بسیاری از نقاط جهان، با توجه به روند روزافزون آن تهدیدی جدی برای بشریت است. بیابانزایی که یکی از مظاهر این تخریب است، اکثر کشورها را تحت تأثیر قرار داده و به عنوان سومین چالش قرن بیست و یکم بعد از دو چالش تغییر اقلیم و کمبود آب شیرین معرفی شده است. بیابانزایی، تخریب زمین در مناطق خشک، نیمهخشک و نیمه مرطوب است. این وضعیت در نتیجه يك سرى فرآيندهاى مهم ایجاد میشود كه مهمترين اين فرآيندها، دو عامل فعاليتهاى بشرى و تغييرات اقليمى هستند. روشهای متعددی برای تعیین روند بیابانزایی توسعهیافته است که یکی از آنها که کاربرد زیادی دارد، روش مدالوس است. ارزیابی وضعیت فرآیندهای بیابانزایی (تخریب زمین) در یک روستا، منطقه یا کشور از آن جهت حائز اهمیت است که این ارزیابی امکان اتخاذ تصمیماتی آگاهانه در خصوص ابعاد مالی و میزان سرمایهگذاری مورد نیاز برای کنترل آن را فراهم میآورد.
هدف: از آنجا که حوضه آبخیز سفیددشت-بروجن یکی از دشتهای حاصلخیز استان چهارمحال و بختیاری میباشد و با توجه به وسعت آن و همچنین تمرکز صنایع و بخش زیادی از جمعیت استان چهارمحال و بختیاری در این دشت، مطالعه پدیده بیابانزایی در این منطقه از اهمیت زیادی برخوردار است. با توجه به توسعه پديده بيابانزايي در منطقه سفیددشت-بروجن و لزوم توجه به اهمیت نتايج اين پديده مخرب در آينده، هدف از پژوهش حاضر، ارزیابی بیابانزایی با استفاده از مدل مدالوس در حوضة آبخيز سفیددشت-بروجن به مساحت 92565 هكتار، واقع در استان چهارمحال و بختياري است.
روش تحقیق: در این پژوهش، با استفاده از مدل سلول خودکار مارکوف سنجش از دوری و تصاویر ماهواره لندست سالهای 1998، 2009 و 2018 به بررسی و آشکارسازی تغییرات کاربری اراضی پرداخته شد. میزان تغییرات طی این دوره زمانی مشخص شد و با توجه به شکل 1، نقاطی که در آن بیشترین تغییرات رخ داده بود را انتخاب و با استفاده از این نقاط، در مدل مدالوس عوامل مؤثر در بیابانزایي و وضعیت فعلي آن مدنظر قرار گرفت. سپس، پارامترهای مؤثر در بیابانزایي به تفکیک در این نقاط بررسي و مدل مدالوس در این نقاط اجرا شد. برای این منظور، طبق روش مدالوس، توسط تیم کارشناسی مجرب متشکل از اساتید و کارشناسان منابع طبیعی عوامل مؤثر در بیابانزایي منطقه شناسایي شده و هر کدام به عنوان یک معیار شامل اقلیم، پوششگیاهي، خاک، آب زیرزمیني و مدیریت و سیاست در نظر گرفته شدند. سپس خصوصیات معیارهای مذکور که در بیابانزایي منطقه مؤثرند، بهعنوان شاخص، مدنظر قرار گرفتند. هر شاخص در رابطه با تأثیر آن در بیابانزایی وزنی دریافت کرد و با ارزیابي آنها، میزان تأثیر معیار در فرآیند بیابانزایي مشخص شد. سپس، نقشه معیارها و در نهایت نقشه بیابانزایی از میانگین هندسی آنها به دست آمد. بهمنظور بررسي معیار اقلیم سه شاخص بارندگي، جهت و شاخص خشکي در نظر گرفته شد. بررسي ﭘﺎراﻣﺘﺮﻫﺎي اقلیم ﺑﺎ اﺳﺘﻔﺎده از اﻃﻼﻋﺎت ﻣﺮﺑﻮط ﺑﻪ نقاط نمونه در ایستگاههای ﺳﺎزﻣﺎن هواشناسی و آب ﻣﻨﻄﻘﻪاي استان که بهصورت نقطهای برداشت میشود، ارزیابی شد. جهت ارزیابی وضعیت خاک، برخی خصوصیات فیزیکی و شیمیایی از جمله بافت خاک، اسیديته، هدايت الکتريکي و میزان مواد آلي، انتخاب شدند. برای تعیین ویژگیهای خاک ابتدا 170 نقطه نمونهبرداری در منطقه مورد مطالعه مشخص و از سطح 0 تا 20 سانتیمتری خاک، نمونهبرداری انجام و به آزمایشگاه منتقل شد.
نتایج: پس از ارزیابی و امتیازدهی شاخصها نتایج نشان داد که معیار اقلیم با امتیاز 80/1 در دو کلاس شدید و خیلي شديد، بیشترین نقش را در بیابانزایی منطقه دارد. وضعیت معیار مديريت و سیاست، پوشش گیاهي و خاک منطقه به ترتیب با امتیاز 76/1، 71/1 و 55/1 در دو کلاس شدید و خیلی شديد و معیار آب زيرزمیني در کل سطح منطقه با امتیاز 33/1 در کلاس متوسط قرار گرفت. بر اساس مدل مدالوس، امتیاز وضعیت فعلی بیابانزایی 63/1 برآورد شد. بر اساس این نقشه، وضعیت بیابانزایي منطقه در دو کلاس شدید و خیلی شدید قرار گرفت. در نهایت مشخص شد 56 درصد از سطح منطقه با وضعیت بیابانزایی شدید و 44 درصد با وضعیت خیلی شدید مواجه است.
بحث: در پژوهش حاضر به منظور ارزیابی و بررسی وضعیت فعلی بیابانزایی حوضه سفیددشت– بروجن به وسعت حدود 92 هزار هکتار، از مدل مدالوس استفاده شد. با توجه به نتایج به دست آمده پدیده بیابانزایی در این منطقه رو به افزایش است و پیامدهای مخربی برجای گذاشته است. نتایج نشان داد که قسمت شمالی منطقه مورد مطالعه بسیار آسیبپذیر است، در حالی که قسمت جنوبی منطقه کمتر در معرض بیابانزایی هستند با این حال، این منطقه از شدت بیابانزایی بالایی برخوردار است. نتایج، گویای حساسیت منطقه مورد مطالعه نسبت به پدیده بیابانزایی است که نشاندهنده مشابهت این مطالعه با یافتههای پژوهش هدیل و همکاران (12) نیز میباشد. نتایج نشان داد بخش شمالی منطقه مورد مطالعه به شدت در معرض بیابانی شدن واقع شده حال آنکه در قسمت جنوبی منطقه این وضعیت شرایط بهتری دارد؛ هر چند در این منطقه نیز فرایند بیابانی شدن در حال وقوع با شدت بالایی است. در این مدل معیارهای اقلیم، خاک، پوشش گیاهی، آب زیرزمینی، مدیریت و سیاست انتخاب شدند. طبق نتایج حاصل از این پژوهش، به ترتیب معیارهای اقلیم و مدیریت و سیاست بیشترین تأثیر را در بیابانزایي حوضه مطالعاتی داشتهاند و در مقابل معیارهای پوششگیاهي، خاک و آب زیرزمینی دارای کمترین تأثیر بودند. با توجه به میزان پایین بارندگي و خشکسالیهای سالهای اخیر، صدور مجوزهای غیر مجاز چاه در سفیددشت و به دنبال آن برداشتهای بیرویه بیش از توان سفرههای آب زیرزمینی باعث خشک شدن اکثر چاههای این منطقه شده است همچنین خشک شدن تالاب دهنو در این منطقه دلیل دیگر شدت بیابانزایی منطقه مطالعاتی میباشد. منطقه مطالعاتي بر طبق تعریف ارائهشده از بیابانزایي، دارای هر دو شرایط بیابانزایي طبیعي و انساني است. عوامل طبیعي چون شرایط نامساعد اقلیمي از جمله کمبود ریزشهای جوی، خشکساليهای پیاپي، محدودیت منابع آبي، از یک سو و عوامل مخرب انساني از جمله نظام سنتي کشاورزی، چرای بیرویه دام، بهره برداری بیش از حد از آبهای زیرزمیني، تبدیل مراتع به اراضي کشاورزی، صنایع، معادن و تأسیسات، تخریب پوششگیاهي و بوتهکني از سوی دیگر باعث نابودی مراتع و منابع طبیعي و تسریع روند بیابانزایي در منطقه شده است. از جمله راههای مقابله با بیابانزایي در منطقه، ميتوان بهرهبرداری اصولي از مراتع و چراگاهها با توجه به ظرفیت آنها در زمان مناسب، قرق منطقه به طور دائم تحت فعاليتهاي بيابانزدايي بيولوژيكي و مكانيكي، بهرهبرداری مناسب از آبهای زیرزمینی و جلوگیری از تغییر کاربری اراضی اشاره کرد.
واژههای کلیدی: بحرانهای محیط زیستی، بیابانزایی، دشت ممنوعه، زاگرس مرکزی، اقلیم، پوشش گیاهی.
Assessment of Desertification Status in Sefiddasht-Boroujen (Chaharmahal and Bakhtiari Province) Watershed Using MEDALUS Model
Abstract
Statement of the Problem: The degradation of resources in many parts of the world is a serious threat to humanity due to its growing trend. Desertification, which is one of the manifestations of this degradation, has affected most countries and has been introduced as the third challenge of the 21st century after the two challenges of climate change and freshwater scarcity. Desertification is the degradation of land in arid, semi-arid and semi-humid areas. This situation is caused by a series of important processes, the most important of which are the two factors of human activity and climate change. Several methods have been developed to determine the process of desertification, one of which is widely used, the Medalus method. Assessing the status of desertification processes (land degradation) in a village, region or country is important because it provides the opportunity to make informed decisions about the financial dimension and the amount of investment needed to control it. Considering the development of desertification phenomenon in Sefiddasht-Borujen region and the need to pay attention to the importance of the results of this destructive phenomenon in the future.
Purpose: The purpose of this study is to evaluate desertification using the Madalus model in Sefiddasht-Borujen watershed with an area of 92565 hectares, located in Chaharmahal and Bakhtiari province.
Methodology: Land use changes were investigated and detected using the distance measurement model. For this purpose, the images of 1998, 2009 and 2018 were used. The amount of changes during this period was determined and according to Figure 1, the points that the most changes occurred were selected.Then using of these points, in the Medalus model, the factors affecting desertification and its current situation were considered. Then, the effective parameters in desertification were studied in these points separately and the Medalus model was implemented in them. According to the Medalus method, effective factors in desertification of the region were identified and each factors including climate, vegetation, soil, groundwater and management and policy was considered as a criterion. Then, the characteristics of the mentioned criteria that was effective in desertification of this region were considered as indicators. After each indicator was received a weight in relation to its impact on desertification and by evaluating them, the impact of them in the desertification process was determined. Finally, using the indicators of these criteria, the criteria map and finally the desertification map were obtained from their geometric mean n order to study the climate criteria, three indices of rainfall, direction and drought index were considered. The study of the climate was evaluated from 3 sample points in the meteorological and water weight stations of the province, which are harvested as points. To evaluate the soil condition, some physical and chemical properties such as soil texture, acidity, electrical conductivity and the amount of organic matter were selected. To determine the soil properties, first 170 sampling points were identified in the study area and from 0 to 20 cm soil level, sampling was performed and transferred to the laboratory.
Results: The results showed score of climatic criteria was calculated 1.80 and based on table 2 was determined in two classes and had the most role in desertification in the region. The score of management and policy, vegetation and soil criteria respectively were calculated 1.76, 1.71 and 1.55 and was determined in two classes of severe and very severe. Also water criteria was calculated 1.33 and was determined in the middle class. Based on the Medalus model, the current desertification score was estimated to be 1.63. According to this map, the desertification situation of the region was divided into two classes, severe and very severe. Finally, it was calculated that 56% of this area is faced to severe and 44% of it very severe desertification.
Discussion and Conclusion: In the present study, the Medalus model was used to evaluate and investigate the current situation of desertification in Sefiddasht-Borujen basin with an area of about 92,000 hectares. According to the obtained results, the phenomenon of desertification in this region is accelerating and would cause to destructive consequence. Result showed that the northern part of the study area is highly vulnerable, while in the southern part of the region are less vulnerable to desertification. However, in this region has high desertification intensity. The foretold sensitivity of this region to the phenomenon of desertification was consistent with the results of similar studies such as Hadil et al. (2010) and Yaghmaeian et al. (2017). In this model, climate, soil, vegetation, groundwater, management and policy criteria were selected. According to the results, climate, management, policy, vegetation, soil and groundwater criteria, respectively, had the greatest impact on desertification of this region Due to the low precipitation, drought in recent years, illegal excavation of wells and uncontrolled extractions more than the capacity of groundwater aquifers in Sefiddasht has caused the drying of most wells in this area. Also, the drying of Dehno Wetland is another reason for the intensity of desertification in the study area. The study area, according to the proposed definition of desertification, has both natural and human desertification conditions. Natural factors such as unfavorable climatic conditions such as lack of rainfall, successive droughts, limited water resources, on the one hand and destructive human factors such as traditional agricultural system, overgrazing, over-exploitation of groundwater, conversion of pastures to land Agriculture, industries, mines and facilities, destruction of vegetation and shrubs, on the other hand, have led to the destruction of pastures and natural resources and accelerated desertification in the region. Evidence shows that in this region water table lower than other area and as a consequence desertification is accelerated. Among the ways to deal with desertification in the region, it is possible to use the pastures and pastures in principle, according to their capacity at the right time, to permanently enclose the region under biological and mechanical desertification activities, proper exploitation of groundwater and prevent land use change.
Keywords: Environmental crisis, Desertification, Critical plain, Central Zagros, Climate, Vegetation.
