بهار و تابستان
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
فاطمه عابدی*1 
، عطااله کاویان1، لیلا غلامی1، وحید موسوی2
، عطااله کاویان1، لیلا غلامی1، وحید موسوی2
1- گروه مهندسی آبخیزداری، دانشکده منابعطبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
2- گروه مهندسی آبخیزداری، دانشکده منابعطبیعی، دانشگاه تربیت مدرس، نور، ایران
2- گروه مهندسی آبخیزداری، دانشکده منابعطبیعی، دانشگاه تربیت مدرس، نور، ایران
چکیده: (674 مشاهده)
چکیده مبسوط
مقدمه و هدف: فرونشست زمین (LS) یک پدیده مورفولوژیکی است که در سطح جهان در حال وقوع است. بهطور کلی، فرونشست زمین میتواند منجر به کاهش سطح زمین در تمامی مناطق کره زمین شود که این امر ناشی از فعالیتهای طبیعی یا انسانی است. فرونشست زمین و فعالیتهای انسانی در تمام تاریخ در هم تنیده بودهاند. اخیراً، بیش از ۱۵۰ کشور عمده، از جمله مکزیک، استرالیا، کلمبیا، چین و ایالات متحده، گزارشهایی در مورد فرونشست زمین ارائه دادهاند. این پدیده بر بسیاری از مناطق جهان تأثیر میگذارد و میتواند ناشی از عوامل مختلف طبیعی یا انسانی، بهویژه برداشت آبهای زیرزمینی، استخراج معادن، حل شدن مواد معدنی باشد. گزارشهای متعددی بر این موضوع تأکید دارند که منابع آب زیرزمینی در مناطق وسیع از مرکز ایران و شرق و جنوب ایران بهعنوان تنها منبع آب برای مصارف کشاورزی، شرب و صنعتی مورد استفاده قرار میگیرند. ایران شامل شش حوضه آبریز اصلی و ۶۰۹ دشت است که تقریباً ۲۶۷ مورد از آنها دچار کمبود آب هستند. با توجه به اهمیت منطقه داراب در استان فارس بهعنوان یک مکان کلیدی مستعد فرونشست زمین، اهداف این مطالعه عبارتند از: (۱) مدلسازی فضایی فرونشست زمین در دشت داراب استان فارس، (۲) ارزیابی مدلهای یادگیری ماشین به صورت جداگانه برای مدلسازی فضایی فرونشست زمین، و (۳) شناسایی عوامل کلیدی مؤثر بر فرونشست زمین شامل اثرات تغییر اقلیم و تغییرات کاربری اراضی در منطقه مورد مطالعه.
مواد و روشها: تصاویر Sentinel_2 سالهای 2015 و 2024 برای طبقهبندی تصاویر بهمنظور شناسایی الگوهای کاربری اراضی و ایجاد نقشههای LULC منطقه داراب استفاده شد، که کاربریهای باغ، مرتع، اراضی کشاورزی، مناطق شهری و اراضی بایر در منطقه قابلمشاهده بودند و برای بررسی اثر آن بر فرونشست زمین در منطقه داراب استفاده شد. دادههای مورداستفاده بهمنظور استخراج نقشه فرونشست زمین در این مطالعه، باند C Sentinel-1A صعودی، باند Sentinel-1A نزولی، تداخلسنجی گسترده (IW) و تصاویر حالت نوار قبل و بعد از نشست بهعنوان دادههای تجربی انتخاب شدند. دادههای اقلیمی دما و بارش مربوط به شش ایستگاه موجود در منطقه برای بازه سالهای 2015 تا 2024 تهیه و با استفاده از روش IDW در محیط ArcGIS با قدرت تفکیک مکانی 30 متر درونیابی و بهمنظور مدلسازی رقومی شدند. همچنین با استفاده از آمار چاههای پیزومتری مربوط به سالهای 2002 تا 2021 منطقه نقشههای تراز آبزیرزمینی دشت با کمک نرمافزار ArcGIS و مدل IDW درونیابی گردیدند. تمام لایههای اطلاعاتی یا کمکی به فرمت رستری با اندازه پیکسل 10 متری تهیه شدند. برای انجام فرآیند مدلسازی در آغاز بهوسیله نرمافزار ArcGIS10.7 محدود تصاویر ماهوارهای و DEM منطقه استخراج و سپس تصاویر ماهوارهای و DEM منطقه وارد محیط نرمافزار SAGAGIS گردیدند. سپس، دادههای بهدستآمده جهت مدلسازی جنگل تصادفی وارد نرمافزار JMP و محیط نرمافزار R شدند.
یافتهها: تعداد هفت نقشه فرونشست زمین از سال 2015 تا 2024 با کمک نرمافزار Snap استخراج شدند. با کمک نرمافزار ArcGIS میانگینی بین تصاویر گرفته شد که مقدار میانگین فرونشست زمین در این بازه سالی حدود 11 سانتیمتر بود. با توجه به نقشه تغییرات کاربری اراضی سال 2015 تا 2024 و تطابق آنها با نقشه فرونشست زمین (LS) مربوط به همین بازه سالی، بیشترین نشست در مناطقی با کاربری باغ، مسکونی و کشاورزی قابل مشاهده بود. با توجه به نتایج، به ترتیب بیشترین تأثیر در مدلسازی را پارامترهای تراز آبزیرزمینی، دما و بارش، و شاخص خیسی دارند. در بین مدلهای یادگیری مورد بررسی در این پژوهش، ماشین مدل جنگل تصادفی (RF) با ضریب تبیین بالاتر ((R2=0.95(Training), 0.93(validation) و خطای جذر میانگین مربعات پایینتر (RMSE=0.001(Training), 0.002(validation)) بهترین نتیجه را ارائه داد.
نتیجهگیری: در پژوهش حاضر، رابطه مستقیمی بین افزایش عمق آب زیرزمینی و افزایش نرخ فرونشست زمین مشاهده شد. بر اساس نتایج مدل جنگل تصادفی و تحلیل SHAP، مهمترین عوامل مؤثر بر فرونشست بهترتیب عبارت بودند از: سطح آب زیرزمینی، دما، بارش و شاخص رطوبت توپوگرافی. با توجه به نقشههای رگرسیونی و پارامترهای اعتبارسنجی از بین مدلهای پیشبینی مورد استفاده در این پژوهش، مدل RF با ضریب تبیین بیشتر (R2=0.95(Training)) ,0.93(validation)( و خطای جذر میانگین مربعات کمتر (RMSE=0.001(Training) ,0.002(validation)) بهترین نتیجه را ارائه داد. ایجاد چنین شرایط و وضعیتی در رویداد پدیده فرونشست و پیامدهای مخاطرهآمیز آن برای کشور، قبل از هر چیز عزم ملی برای پذیرش و مقابله با این پدیده بهعنوان یک معضل و مخاطره منتهی به یک فاجعه را طلب مینماید. موضوعی که درک آن از یک سو مستلزم افزایش مطالعات برای شناسایی کامل نواحی مستعد بهصورت یک طرح ملی است.
مقدمه و هدف: فرونشست زمین (LS) یک پدیده مورفولوژیکی است که در سطح جهان در حال وقوع است. بهطور کلی، فرونشست زمین میتواند منجر به کاهش سطح زمین در تمامی مناطق کره زمین شود که این امر ناشی از فعالیتهای طبیعی یا انسانی است. فرونشست زمین و فعالیتهای انسانی در تمام تاریخ در هم تنیده بودهاند. اخیراً، بیش از ۱۵۰ کشور عمده، از جمله مکزیک، استرالیا، کلمبیا، چین و ایالات متحده، گزارشهایی در مورد فرونشست زمین ارائه دادهاند. این پدیده بر بسیاری از مناطق جهان تأثیر میگذارد و میتواند ناشی از عوامل مختلف طبیعی یا انسانی، بهویژه برداشت آبهای زیرزمینی، استخراج معادن، حل شدن مواد معدنی باشد. گزارشهای متعددی بر این موضوع تأکید دارند که منابع آب زیرزمینی در مناطق وسیع از مرکز ایران و شرق و جنوب ایران بهعنوان تنها منبع آب برای مصارف کشاورزی، شرب و صنعتی مورد استفاده قرار میگیرند. ایران شامل شش حوضه آبریز اصلی و ۶۰۹ دشت است که تقریباً ۲۶۷ مورد از آنها دچار کمبود آب هستند. با توجه به اهمیت منطقه داراب در استان فارس بهعنوان یک مکان کلیدی مستعد فرونشست زمین، اهداف این مطالعه عبارتند از: (۱) مدلسازی فضایی فرونشست زمین در دشت داراب استان فارس، (۲) ارزیابی مدلهای یادگیری ماشین به صورت جداگانه برای مدلسازی فضایی فرونشست زمین، و (۳) شناسایی عوامل کلیدی مؤثر بر فرونشست زمین شامل اثرات تغییر اقلیم و تغییرات کاربری اراضی در منطقه مورد مطالعه.
مواد و روشها: تصاویر Sentinel_2 سالهای 2015 و 2024 برای طبقهبندی تصاویر بهمنظور شناسایی الگوهای کاربری اراضی و ایجاد نقشههای LULC منطقه داراب استفاده شد، که کاربریهای باغ، مرتع، اراضی کشاورزی، مناطق شهری و اراضی بایر در منطقه قابلمشاهده بودند و برای بررسی اثر آن بر فرونشست زمین در منطقه داراب استفاده شد. دادههای مورداستفاده بهمنظور استخراج نقشه فرونشست زمین در این مطالعه، باند C Sentinel-1A صعودی، باند Sentinel-1A نزولی، تداخلسنجی گسترده (IW) و تصاویر حالت نوار قبل و بعد از نشست بهعنوان دادههای تجربی انتخاب شدند. دادههای اقلیمی دما و بارش مربوط به شش ایستگاه موجود در منطقه برای بازه سالهای 2015 تا 2024 تهیه و با استفاده از روش IDW در محیط ArcGIS با قدرت تفکیک مکانی 30 متر درونیابی و بهمنظور مدلسازی رقومی شدند. همچنین با استفاده از آمار چاههای پیزومتری مربوط به سالهای 2002 تا 2021 منطقه نقشههای تراز آبزیرزمینی دشت با کمک نرمافزار ArcGIS و مدل IDW درونیابی گردیدند. تمام لایههای اطلاعاتی یا کمکی به فرمت رستری با اندازه پیکسل 10 متری تهیه شدند. برای انجام فرآیند مدلسازی در آغاز بهوسیله نرمافزار ArcGIS10.7 محدود تصاویر ماهوارهای و DEM منطقه استخراج و سپس تصاویر ماهوارهای و DEM منطقه وارد محیط نرمافزار SAGAGIS گردیدند. سپس، دادههای بهدستآمده جهت مدلسازی جنگل تصادفی وارد نرمافزار JMP و محیط نرمافزار R شدند.
یافتهها: تعداد هفت نقشه فرونشست زمین از سال 2015 تا 2024 با کمک نرمافزار Snap استخراج شدند. با کمک نرمافزار ArcGIS میانگینی بین تصاویر گرفته شد که مقدار میانگین فرونشست زمین در این بازه سالی حدود 11 سانتیمتر بود. با توجه به نقشه تغییرات کاربری اراضی سال 2015 تا 2024 و تطابق آنها با نقشه فرونشست زمین (LS) مربوط به همین بازه سالی، بیشترین نشست در مناطقی با کاربری باغ، مسکونی و کشاورزی قابل مشاهده بود. با توجه به نتایج، به ترتیب بیشترین تأثیر در مدلسازی را پارامترهای تراز آبزیرزمینی، دما و بارش، و شاخص خیسی دارند. در بین مدلهای یادگیری مورد بررسی در این پژوهش، ماشین مدل جنگل تصادفی (RF) با ضریب تبیین بالاتر ((R2=0.95(Training), 0.93(validation) و خطای جذر میانگین مربعات پایینتر (RMSE=0.001(Training), 0.002(validation)) بهترین نتیجه را ارائه داد.
نتیجهگیری: در پژوهش حاضر، رابطه مستقیمی بین افزایش عمق آب زیرزمینی و افزایش نرخ فرونشست زمین مشاهده شد. بر اساس نتایج مدل جنگل تصادفی و تحلیل SHAP، مهمترین عوامل مؤثر بر فرونشست بهترتیب عبارت بودند از: سطح آب زیرزمینی، دما، بارش و شاخص رطوبت توپوگرافی. با توجه به نقشههای رگرسیونی و پارامترهای اعتبارسنجی از بین مدلهای پیشبینی مورد استفاده در این پژوهش، مدل RF با ضریب تبیین بیشتر (R2=0.95(Training)) ,0.93(validation)( و خطای جذر میانگین مربعات کمتر (RMSE=0.001(Training) ,0.002(validation)) بهترین نتیجه را ارائه داد. ایجاد چنین شرایط و وضعیتی در رویداد پدیده فرونشست و پیامدهای مخاطرهآمیز آن برای کشور، قبل از هر چیز عزم ملی برای پذیرش و مقابله با این پدیده بهعنوان یک معضل و مخاطره منتهی به یک فاجعه را طلب مینماید. موضوعی که درک آن از یک سو مستلزم افزایش مطالعات برای شناسایی کامل نواحی مستعد بهصورت یک طرح ملی است.
واژههای کلیدی: تصاویر Sentinel، آب زیرزمینی، خطای جذر میانگین مربعات، مدل جنگل تصادفی (RF)، تداخلسنجی راداری (InSAR)
نوع مطالعه: پژوهشي |
موضوع مقاله:
سنجش از دور و سامانه های اطلاعات جغرافيايی
دریافت: 1403/7/10 | پذیرش: 1403/11/15
دریافت: 1403/7/10 | پذیرش: 1403/11/15
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
