مرضیه مکرم

در سالهای اخیر، پدیده خشکسالی بسیاری از حوضه های آبخیز ایران را تحت تاثیر قرار داده و همه ساله باعث تغییرات زیادی در کاربری اراضی و مساحت دریاچه ها می شود. این پژوهش سعی دارد که با استفاده از شاخص های سنجش از دور خشکسالی در سال های 2000، 2010 و 2020، وضعیت خشکسالی و ارتباط آن با تغییرات کاربری اراضی در حوضه ابخیز دریاچه مهارلو در جنوب ایران را مورد بررسی قرار دهد. بدین صورت که ابتدا با استفاده از شاخص های EVI، NDVI، VCI وضعیت خشکسالی تعیین شد، سپس نقشه های کاربری اراضی برای سال های 2000 و 2020 با استفاده از تصاور ماهواره ای لندست ETM+8 تهیه شد. در ادامه با استفاده از روش رگرسیون مهمترین شاخص های خشکسالی موثر برای کاربری های اراضی تعیین گردید. همچنین با استفاده از زنحیره مارکوف و کومارکوف وضعیت شاخص های خشکسالی و کاربری اراضی برای سال 2040 پیش بینی شد. با توجه به نتایج شاخص ها مشخص شد که بخش های جنوبی بیشتر از دیگر بخش ها در خطر خشکسالی قرار دارد. نتایج حاصل از بررسی تغییرات کاربری اراضی نشان داد که در سال 2020 نسبت به سال 2000 اراضی بیشتری در کلاس های شور و بایر قرار گرفته اند. نتایج نشان داد که بر اساس روش رگرسیون مهمترین شاخص ها در ارتباط با کاربری اراضی شاخص NDVI می باشد. نتایج حاصل از زنجیره مارکوف و کومارکوف برای پیش بینی شاخص ها نشان داد که این روش دارای دقت قابل قبولی می باشد. بطوریکه ضریب کاپا برای شاخص VCI 0.98 می باشد که حاکی از دقت بالای مدل در پیش بینی خشکسالی می باشد. همچنین نقشه های پیش بینی شده توسط این روش نشان داد که در سال 2040 مقادیر این شاخص کاهش می یابد که نشان دهنده خشکسالی بیشتر در منطقه خواهد بود. با مقایسه ای که بین طبقات این شاخص ها و مقادیر این شاخص ها در سال 2020 و 2000 انجام شد مشخص شد که در سال 2040 احتمال کاهش مقادیر این شاخص و در نتیجه افزایش بیشتر خشکسالی در منطقه وجود دارد. این تغییرات بر روی وضعیت کاربری ها تاثیر زیادی خواهد داشت. بطوریکه پیش بینی می شود که مقادیر آب ها در این دریاچه با توجه به کاهش مقادیر شاخص خشکسالی NDVI کاهش یابد.

شاخص پوشش گیاهی یکی از مهم ترین ابزارهای سنجش ازدور جهت بررسی خشک سالی در مقایسه های دوره ای می باشد. توپوگرافی سطح زمین (لند فرم ها) همواره ویژگی های پوشش گیاهی را تحت تأثیر قرار می دهند و تحت تأثیر آن کمربندهای درختی شکل می گیرد. این پژوهش سعی دارد که خشک سالی های غرب استان فارس را با استفاده از شاخص های پوشش گیاهی سنجش ازدور و در ارتباط با ویژگی های توپوگرافی منطقه برای سال های 2000، 2010 و2020 بررسی کند. برای این منظور بعد از تهیه نقشه های هر یک از شاخص های خشک سالی، با استفاده از روش زنجیره مارکوف و کومارکوف وضعیت خشک سالی در سال های آینده در منطقه موردمطالعه تعیین و با استفاده از روش TPI (شاخص موقعیت توپوگرافی)، وضعیت لند فرم های منطقه تعیین شد. در نهایت ارتباط بین وضعیت خشک سالی در منطقه موردمطالعه و لندفرم ها بررسی شد. نتایج نشان داد که در توزیع خشک سالی در همه شاخص ها در سال 2000 به ترتیب 96 و 78 درصد منطقه، در سال 2010 در حدود 81 و 97 درصد و در سال 2020 93 و 97 درصد منطقه در کلاس های خشک سالی متوسط  قرارگرفته است. نتایج حاصل از زنجیره مارکوف و کومارکوف برای پیش بینی مکانی شاخص های خشک سالی نشان داد که روند تغییرات به سمت مقادیر کمتر این شاخص ها و خشک سالی بیشتر می باشد. نتایج نشان داد که در سال 2040 در حدود 70 درصد  و 20 درصد از منطقه در کلاس های با خشک سالی زیاد قرار خواهند گرفت. وضعیت لند فرم های منطقه نشان داد که 10 نوع لندفرم در منطقه وجود دارد که شامل لند فرم های آبراهه ها، زهکش های شیب میانی و دره های کم عمق، زهکش های مناطق مرتفع، دره های u شکل، دشت، شیب های باز، شیب های بالایی، یال های موضعی، یال های شیب میانی، قله کوه و یال های مرتفع می باشد. ارتباط بین وضعیت خشک سالی و توپوگرافی در منطقه موردمطالعه نشان داد، در قسمت های جنوبی منطقه که ازنظر وضعیت توپوگرافی دارای شیب و ارتفاع کمتری بوده و کوهستان های کمتری مستقر هستند، دارای پتانسیل بیشتری برای خشک سالی بوده و ممکن است در آینده با چالش های بیشتری مواجه شوند، اما کوهستان های منطقه به دلیل دمای مناسب و دریافت بارش بیشتر، خطر خشک سالی برای آن ها کمتر است. 

یکی از بخش های نوین و کم سابقه، به ویژه در مطالعات داخلی، بررسی کمّی ناهمواری هاست. شناخت علمی و کمّی گرایانه موقعیت توپوگرافی همواره از مباحثی بوده که در تحقیقات داخلی، چندان به آن توجه نشده است. این مبحث تأثیر بسزایی در تحلیل های ژئومورفولوژیک، هیدرولوژی و محیط شناسی دارد. وجود انواع لندفرم ها و تنوع آنها معمولاً با تغییر شکل و موقعیت زمین کنترل می شود؛ بنابراین طبقه بندی و شناسایی مناطق گوناگون، با توجه به ویژگی های مورفومتری آنها، ضروری است و ازاین رو پژوهش حاضر سعی در طبقه بندی لندفرم ها در منطقه خارستان، واقع در شمال غرب استان فارس و عوامل مؤثر در آن دارد. در همین زمینه، در مرحله اول، از روش شاخص موقعیت توپوگرافی (TPI) به منظور طبقه بندی لندفرم ها و روش کورین برای تعیین کلاس های ریسک واقعی فرسایش استفاده شد. همچنین به منظور تعیین شاخص تفاضلی نرمال شده پوشش گیاهی (NDVI) از تصاویر ماهواره لندست 8، مربوط به خرداد 1396، بهره گرفته شد. در مرحله بعد، رابطه انواع گوناگون لندفرم با فاکتورهای زمینی ارتفاع، شیب، جهت شیب، شاخص خیسی توپوگرافی (TWI)، شاخص ناهمواری زمین (TRI) و NDVI مشخص شد. در مرحله آخر، وضعیت لندفرم های گوناگون در کلاس های متفاوت ریسک فرسایش، تعیین شد. نتایج نشان دهنده ده گونه لندفرم در منطقه مورد مطالعه بود. بیشترین نوع لندفرم ها در منطقه مورد مطالعه، آبراهه و قله های مرتفع، به ترتیب با مساحت 71/27 و 48/27% بود؛ درصورتی که دشت های کوچک کمترین مساحت (18/1%) منطقه مورد مطالعه را شامل می شد. کلاس های لندفرم با شاخص خیسی توپوگرافی در سطح 95% همبستگی معنی داری را نشان داد. از نظر توزیع مکانی، بیشترین سطح (71/91%) منطقه را NDVI کلاس 1/0 تا 3/0 دربر می گرفت. NDVI بزرگ تر از 4/0 در لندفرم های آبراهه و دره های Uشکل مشاهده شد. ریسک واقعی فرسایش در سه کلاس کم، متوسط و زیاد با مساحت های 14/31%، 11/31% و 78/37% طبقه بندی شد. در کلاس فرسایش کم، متوسط و زیاد، لندفرم های آبراهه و یال های مرتفع و قله به ترتیب با 44%، 57% و 59% بیشترین سطح را به خود اختصاص دادند.

فعالیت های صنعتی و ترافیک شهری منجر به افزایش آلودگی هوا در کلان شهرها می شود و این آلودگی سبب افزایش بیماری های بسیاری در افراد شده است؛ بنابراین بررسی و مطالعه مناطق آلوده برای مدیریت شهرها مهم است. با توجه به اهمیت موضوع، هدف از این مطالعه بررسی وضعیت آلودگی هوا در کلان شهرهای تهران، اصفهان و قم از نظر آلاینده های NO2، CO2، CO، و CH4، پیش از کرونا (2019-2018) و حین کرونا (2021-2020) طی چهار فصل متفاوت سال است. همچنین با استفاده از روش همبستگی پیرسون و شبکه های عصبی RBF (شبکه عصبی تابع شعاعی پایه)، ارتباط بین دما و آلاینده ها بررسی شد. نتایج این مطالعه نشان داد که در کلان شهرهای تهران و اصفهان، میزان آلودگی هوا بیشتر از سایر مناطق است؛ همچنین میزان آلودگی در دوران کرونا در قیاس با پیش از کرونا، کاهش چشمگیری داشته است. افزون براینها نتایج حاصل از روش رگرسیون بیان کرد که افزایش دما با میزان آلودگی ارتباط معنی داری دارد (R2=0.981)؛ به گونه ای که در مناطق دارای آلودگی، میزان دما هم بیشتر بوده است. نتایج استفاده از روش RBF نیز حاکی از دقت بالای مدل در پیش بینی میزان آلودگی هوا بوده است (R2 = 0.85 ، RMSE = 0.08)؛ در نتیجه، این تحقیق بر نیاز به اقدامات جامع به منظور کاهش آلودگی هوا، به ویژه در مناطق بسیار آلوده، تأکید می کند.