تعيين ميزان اهميت تاثير پارامترهاي متعدد هيدرواقليمي بر خشكيدگي تالاب گاوخوني با به‌كارگيري شبكه عصبي مصنوعي و داده‌هاي سنجش از دور

Determination of The Importance of Hydro-climate Parameters on Drying in Gavkhooni Wetland Using Artificial Neural Network and Remote Sensing Data

تالاب‌ها ‌به‌عنوان يكي از مهم‌ترين و باارزش‌ترين اكوسيستم‌هاي طبيعي در جهان، نقش مهمي در پالايش آلاينده‌ها و كاهش ريزگردها، ايجاد ميكروكليماي مطلوب، حفظ تنوع زيستي و ژنتيكي و ذخيره مواد آلي دارند. تالاب گاوخوني يكي از تالاب‌هاي مهم منطقه مركزي ايران است كه در دهه‌هاي اخير، عوامل متعدد اقليمي و انساني تفاوت‌هاي قابل توجهي در سطوح خشك و مرطوب آن به‌وجود آورده و زمينه را براي توليد بيشتر ريزگردها در مناطق مركزي ايران فراهم كرده است. در پژوهش حاضر نظر به نقش و اهميت اين تالاب بين‌المللي در توازن و تعادل بخشي زيست‌محيطي‌ـ اكولوژيكي مركز كشور، تلاش شده است تا با بهره‌گيري از تكنيك‌هاي دورسنجي و شبكه عصبي عوامل مهم تاثيرگذار بر خشكيدگي تالاب و فرايند تغييرات به وقوع پيوسته در سطح تالاب در بازه زماني 22 سال (71-1370 تا 92-1391) مورد بررسي و تجزيه و تحليل قرار بگيرد. بدين منظور ابتدا 21 سري از تصاوير ماهواره لندست محدوده مطالعاتي تهيه شد. پس از موزاييك كردن تصاوير ماهواره‌اي و اعمال تصحيح هندسي و راديومتريك تصاوير، اقدام به تهيه شاخص آب اختلاف نرمال شده و تفكيك سطوح خشك و مرطوب گرديد و پس از اعمال عمليات پساپردازش روي نقشه‌هاي توليدشده، مساحت هر طبقه محاسبه شد. سپس متوسط پارامترهاي بارندگي، دما، دبي، تبخير و سطح ايستابي براي محدوده مطالعاتي با استفاده از روش تيسن برآورد گرديد و روند تغييرات پارامترهاي مذكور با استفاده از آزمون من‌ـ‌كندال مورد بررسي قرار گرفت. در نهايت براي تعيين ميزان اهميت هريك از عوامل تاثيرگذار بر خشكيدگي تالاب گاوخوني، توابع مختلف شبكه عصبي مصنوعي با يكديگر مقايسه و از بهترين مدل براي مشخص كردن ميزان اهميت هر پارامتر استفاده شد. نتايج حاصل از روش من‌ـ‌كندال حاكي از كاهش معني‌دار سطح ايستابي و دبي جريان‌هاي ورودي به تالاب در بازه زماني مورد مطالعه است. همچنين نتايج اين پژوهش براساس بهترين مدل برازش‌يافته شبكه عصبي مصنوعي (MLP4) نشان داد كه مهم‌ترين عوامل تاثيرگذار بر تغييرات سطح تالاب گاوخوني به‌ترتيب دبي جريان‌هاي ورودي به تالاب، تبخير، افت سطح ايستابي، درجه‌حرارت و بارندگي است.

Wetlands as one of the most important and most valuable natural ecosystems in the world play an important role in filtering pollutants and reduce dust, creating a favorable microclimate, biodiversity and genetic and organic materials reservoirs. In central part of Iran, climatic and human factors have created significant differences between dry and wet surfaces of Gavkhooni wetland in recent decades and have provided a background to produce more dust in central part of Iran. This research aims to study and assess important factors that influence the process of changes occurring in wetlands and wetland drying up during the last 22 years by using remote sensing and artificial neural networks. To do so, 21 landsat imagery has been used. After that, Normalized Difference Water Index was calculated and the dry and wet surfaces has been separated. The average rainfall, temperature, flow, evaporation and water table depth for the study area was interpolated using Thiessen method and the trend of these parameters was examined using the Mann - Kendall. Finally, to determine the importance of each factor affecting wetlands drying up, various functions of artificial neural networks were compared and the best model was used to determine the importance of each parameter. The results of Mann - Kendall showed a significant decrease in ground water level and input flow to the wetlands in the period of the study. This study showed that the most important factors that influence the level of the Gavkhuni wetland are flow entering the lagoon, evaporation, drop in groundwater level, temperature and rainfall respectively.