بررسي عوامل طبيعي و انساني مؤثر بر تغييرات طبقات كاربري اراضي تالاب شادگان

Investigation of natural and human factors affecting land use changes in Shadegan wetland

تالاب شادگان در منتهي اليه حوضۀ آبخيز جراحي واقع شده است. به منظور پايش ميزان تغييرات پوشش آب، گياه و اراضي خشك‌شده، ابتدا اقدام به تعيين محدودۀ آب شيرين تالاب در پرآبترين شرايط آن شد. از داده هاي ماهوارهاي لندست TM و ETM+ و OLI سالهاي 1988 تا 2020 استفاده شد. از طبقهبندي نظارت‌شده به روش ماشين بردار پشتيبان (SVM) استفاده و تصاوير در سه كلاس آب، پوشش گياهي و خاك طبقهبندي شد. دقت طبقه بندي تصاوير با دو شاخص، دقت كلي و كاپا محاسبه شد. مساحت هر يك از طبقات در محيط GIS پهنهبندي شده و به درصد محاسبه شد. با توجه به اينكه تعيين ميزان سهم هر يك از مؤلفههاي تأثيرگذار بر سطوح مختلف تالاب شادگان در بازۀ زماني 1988-2018 هدف اصلي پژوهش حاضر است، از توابع چندلايۀ پرسپترون شبكه هاي عصبي استفاده شد و پس از مقايسۀ كارايي مدلها براساس مجموع مربعات خطا (SSE) و خطاي نسبي (RE) دادههاي آموزشي و تست و همچنين، ضريب همبستگي (R) بين مقادير اندازه گيري‌شده و تخمين‌زده‌شدۀ سطوح مختلف طبقات كاربري اراضي تالاب، بهترين مدل انتخاب شد و براساس آن، ميزان تأثير هر يك از پارامترها بر سطوح مختلف طبقه بندي‌شده در بازۀ زماني مورد مطالعه مشخص شد. نتايج نشان داد دقت طبقه بندي در مجموع 93 درصد بود. روند تغييرات مساحت طبقۀ آب و خاك افزايشي و طبقۀ پوشش گياهي تالاب كاهشي بود. بهترين مدل برازش‌يافتۀ شبكۀ عصبي مصنوعي ساختار شبكۀ چندلايۀ پرسپترون در حالت اول با تابع لايۀ انتقال پنهان اتوماتيك و تابع لايۀ خروجي تانژانت هيپربوليك به دليل زياد بودن ضريب همبستگي (R=0.79) و پايين بودن خطاهاي نسبي و مجموع مربعات خطا با دقت بيشتري نسبت به ساير مدلهاي شبكه انتخاب شد. نتايج اجراي اين مدل براي طبقات مختلف تالاب نشان داد سهم عوامل انساني و طبيعي به‌ترتيب در خشكيدگي تالاب 55/4 و 44/6 درصد، در تغييرات سطح آب تالاب 70/8 و 29/2 درصد و در تغييرات پوشش گياهي 62 و 38 درصد بوده است. بنابراين، تالاب شادگان بيش از هر چيز مديريت انساني در سطح حوضۀ آبخيز و تأمين حقابۀ مورد نياز را ميطلبد تا بتواند به عنوان يك اكوسيستم تالابي ايفاي نقش كند و به حيات خود ادامه دهد.

Shadegan wetland is located at the end of Jarahi watershed. In order to monitor the changes in water cover, vegetation and uncovered or dried lands, first the area of Tala Shirin in its most waterlogged conditions was determined. Landsat TM, ETM + and OLI satellite data from 1988 to 2018 in June were used. Supervised vector classification (SVM) was used and the images were classified into three classes: water, vegetation and soil. Image classification accuracy was calculated with two indicators, overall accuracy and kappa. The area of each class was zoned in GIS and calculated as a percentage. Due to the fact that determining the share of each of the components affecting different levels of Shadegan wetland in the period (1988-2018) is the main purpose of this study, the radius and multilayer perceptron functions of neural networks were used. and after comparing the efficiency of the models, the best model was selected and based on it, the effect of each parameter on the different levels of classification in the study period was determined. The results showed that the share of human and natural factors in drought was 55.4% and 44.6% in the wetland, 70.8% and 29.2% in the water level of the wetland and 62% and 38% in the vegetation, respectively. Therefore, Shadegan wetland, more than anything else, requires human management at the watershed level and the provision of the required water supply in order to be able to play a role and continue its life as a wetland ecosystem.