بررسی ارتباط بین تغییرات شوری خاک و لندفرم‌های مناطق بیابانی در شمال استان اصفهان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری ژئومورفولوژی، گروه جغرافیای طبیعی، دانشگاه خوارزمی تهران

2 گروه جغرافیا، دانشگاه پیام نور، تهران، ایران

3 گروه جغرافیای طبیعی، دانشگاه خوارزمی تهران

4 عضو هیات علمی مؤسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران

10.22034/gmpj.2022.350895.1366

چکیده

هدف از این پژوهش بررسی تغییرات پدیده شوری خاک در لندفرم‌های بیابانی شمال استان اصفهان با بهره‌گیری از تصاویر ماهواره‌ای لندست5 و 8 ، سنجنده-های TM و OLI-TIRS در بازه زمانی 1987 تا 2020 است. پس از پیش پردازش‌های لازم تصاویر پوشش دهنده قلمرو مطالعاتی، شاخص‌های شوری NDSI، BI، SI-1 و SI-2 مورد ارزیابی و نقشه‌های مربوطه ترسیم شد. وضعیت شاخص‌های شوری در لندفرمهای مستخرج از TPI نشان داد که واحد برآمدگی‌ها، کوه‌ها و ارتفاعات دارای کمترین میزان و واحد دشت های هموار (پلایاها، کفه های گلی و رسی) دارای بالاترین مقادیر هستند. اختلاف بین این دو واحد لندفرمی در همه شاخص‌ها تقریباً در حدود 2/0 می‌باشد. بررسی شاخص های شوری در طبقات ارتفاعی نشان می دهد که این شاخص ها با ارتفاع کاهش می یابد، تا آستانه 1400 متری افت شاخص ها شدید و بعد از آن ملایم می شود. شاخص های شوری با افزایش شیب، کاهش نشان می دهند؛ تا شیب 15 درجه افت شاخص های شوری با شیب تند و سپس تا شیب 65 درجه با شیب ملایم‌تری کاهش می یابد. شاخص های شوری سه فاز تغییرات را نیز نشان داد که فاز سوم از 2008 تا 2020 به مدت 12 سال با روند افزایشی ادامه داشته است. نقشه های آینده برای سال 2030 نشان داد که محور جنوبی دق سرق شامل دشت‌سرهای واقع بین کاشان تا اردستان در وضعیت بحرانی قرار می گیرند که لزوم توجه مدیران و مهندسین محیط زیست و منابع طبیعی به این موضوع را مطالبه می کند.

کلیدواژه‌ها

عنوان مقاله [English]

Investigation of soil salinity changes related to landforms of desert areas in the northern Isfahan province

نویسندگان [English]

  • Jafar Ganjali 1
  • Amirhossein Halabian 2
  • Amir Karam 3
  • shila hajehforoshnia 4
1 Ph.D student in Geomorphology, Physical Geography Department, Kharazmi University, Tehran
2 Department of Geography, Payame Noor University, Tehran. iran
3 Physical Geography Department, Kharazmi University, Tehran
4 Faculty member of the Research Institute of Forests and Rangelands, Agricultural Research, Education and Extension Organization, Tehran, Iran
چکیده [English]

Introduction

Soil salinity in recent decades due to increasing population in the world and especially in developing countries, has been considered as an environmental hazard that is a very serious threat to the lives of residents of areas prone to desertification, especially in arid and semi-arid regions. This issue has intensified the process of desertification in these areas due to the decrease of precipitation and the gradual increase of temperature. However, soil salinity, like other environmental hazards, has no immediate effects (Metternich and Zink, 2013); but because of its consequences in human life, it is highly studied in today's world and is considered as a serious risk (Yu et al., 2010). At the same time, salinity is considered as one of the 7 factors of desertification and is 80% of the cause of desertification (Karam et al., 2019). Since the expansion of soil salinity and the destruction of fields and rangelands in the north of Isfahan province is one of the environmental hazards in this geographical area, the present study aims to identify and investigate this unfortunate phenomenon in this area using It deals with satellite numerical data as one of the important factors of land degradation. It may provide a platform for planning de-desertification and soil management in the region to achieve sustainable development and improve environmental conditions.



Methodology

Soil salinity is one of the most important processes that limit plant growth and causes the spread of desertification and land degradation in arid and semi-arid regions. Distribution of soil salinity in different landforms and its changes over time and prediction of salinity patterns have a significant contribution in environmental management in arid and semi-arid and desert areas. The purpose of this study is to investigate the changes of soil salinity phenomena in desert landforms in the north of Isfahan province using Landsat satellite images, TM5 and OLI-TIRS sensors in the period 1987- 2020. For this purpose, 200 images were extracted in the 27 warm months of the year from June 1 to the end of August during this period. After the necessary preprocessing and mosaic and the composition of the band of the 4 images covering the image covering the study area, the salinity indices of NDSI, BI, SI-1 and SI-2 were evaluated and the relevant maps were drawn. The topographic position index and classification of landforms based on TPI were also examined.



Discussion and Results

The results showed that the trend of changes in salinity index increases from mountainous areas to low lands. The status of salinity indices in landforms extracted from TPI showed that the unit of mountains and heights have the lowest and the unit of flat plains (playa, mud and clay pan) have the highest values. The difference between these two landform units in all indicators is about 0.2. Investigation of salinity indices in the elevation tints shows that these indices decrease severely with elevation, up to the threshold of 1400 m, then the rate of the change decreases. Salinity indices decrease more with increasing slope; up to a slope of 15°, then the rate of change get gentler up to a slope of 65°. Salinity indices showed three temporal phases of change that the third phase has continued from 2008 - 2020 (12 years) with an increasing trend. The predicted maps (for the year 2030) illustrated that the southern region of Daq-E-Sorkh, including the pediments between Kashan and Ardestan, is in a critical situation, which requires the attention of environmental and natural resources managers and engineers to this issue.



Conclusion

The results showed that the trend of changes in salinity index increases from mountainous areas to low lands. The status of salinity indices in landforms extracted from TPI showed that the unit of mountains and heights have the lowest and the unit of flat plains (playa, mud and clay pan) have the highest values. The difference between these two landform units in all indicators is about 0.2. Investigation of salinity indices in the elevation tints shows that these indices decrease severely with elevation, up to the threshold of 1400 m, then the rate of the change decreases. Salinity indices decrease more with increasing slope; up to a slope of 15°, then the rate of change get gentler up to a slope of 65°. Salinity indices showed four temporal phases of change that the fourth phase has continued from 2014 - 2020 (6 years) with an increasing trend. The predicted maps (for the year 2030) illustrated that the southern region of Daq-E-Sorkh, including the pediments between Kashan and Ardestan, is in a critical situation, which requires the attention of environmental and natural resources managers and engineers to this issue.

Keywords: Salinity, Desertification, Landform, Salinity Indices, Topographic Components.

کلیدواژه‌ها [English]

  • Salinity
  • Desertification
  • Landform
  • Salinity Indices
  • Topographic Components

مراجع

اخضری، د.، میآبادی اسدی، ا.، 1395. تهیه نقشه شوری خاک با استفاده از تحلیل طیفی داده­های سنجنده OLI وداده­های میدانی مطالعه موردی جنوب دشت ملایر، سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، سال هفتم، شماره 2، صص 100-87.
اداره تحقیقات هواشناسی کاربردی. 1399. آشکارسازی تغییرات اقلیمی استان اصفهان. اصفهان.
 اژیرابی، ر.، کامکار، ب.، عبدی، ا.، 1394. اثر شاخص­های مختلف استخراج­شده از تصاویر ماهواره­ای لندست برای پهنه­بندی شوری خاک در مزرعه نمونه ارتش گرگان، نشریه مدیریت خاک و توسعه پایدار، شماره 1، صص 180-175.
اسفندیاری، ف.، سرمستی، ن.، علوی­پناه، ک.، 1394. پایش نمکزارهای مناطق خشک با پردازش داده­های ماهواره­ای، نشریه تحقیقات کاربردی علوم جغرافیایی، شماره 40، صص 177-151.
حبشی، خ.، کریم­زاده، ح.، پورمنافی، س.، 1396. ارزیابی شوری خاک در شرق اصفهان بر پایه داده­های سنجنده OLI و تجزیه و تحلیل عوارض توپوگرافی، سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، شماره اول، صص 51-36.
خالقی، ر.، بهمنش، ج.، آزاد، ن.، 1398. پیش­بینی شوری خاک با روش رگرسیون چند متغیره بر مبنای شاخص‌های استخراج شده از تصاویر لندست 8 (مطالعه موردی: ارومیه)، تحقیقات کاربردی خاک، دوره 7، شماره 1، صص 121-108.
خنامانی، ع.، جعفری، ر.، سنگونی، ح.،. شهبازی، ع.، 1390. ارزیابی وضعیت خاک با استفاده از فناوری سنجش از دور و سیستم اطلاعات جغرافیایی (مطالعه موردی: دشت سگزی اصفهان). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 2(3)، صص 37-25.
خواجه­الدین، س.ج.،. 1386. روند بیابان­زایی در ایران. جنگل و مرتع، شماره 74، 45-42.
کرم، ا.، کیانی، ط.، دادرسی سبزوار، ا.، داورزنی، ز.، 1398. برآورد شوری خاک با استفاده از داده­های دورسنجی و آمار مکانی در منطقه سبزوار، پژوهش­های ژئومورفولوژی کمی، شماره 4، صص 53-31.
متین­فر، ح.، ظهرنیا، ع.، 1397. مقایسه شاخص­های مختلف استخراج شده از تصاویر ماهواره لندست به منظور بررسی تغییرات شوری خاک در منطقه جنوب غربی استان خوزستان، اولین همایش بین المللی و سومین همایش ملی مدیریت پایدار منابع خاک و محیط زیست، صص 8-1. https://civilica.com/doc/808498/
محمودی، ج.، کریم زاده، د.، فرید، ر.، حمیدرضا، ن.، 1394. پهنه­بندی شوری خاک­های منطقه جنوب شرق استان اصفهان با استفاده از داده­های زمینی و سنجنده TM ماهواره­ای. فصلنامه علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک، شماره 71 ، صص 45-31.
مکرم، م.، نگهبان، س.، 1397.  بررسی شوری آب و خاک و ارتباط آن با پستی و بلندی­های سطح زمین با استفاده از مدل فازی در محیط GIS مطالعه موردی: حوضه آبخیز سیاخ دارنگون در غرب شیراز، اطلاعات جغرافیایی (سپهر)، شماره 105، صص 157-145.
نیک­پور، ن.، فتوحی، ص.، نگارش، ح.، بهرامی، ش.، حسینی، س.ز.، 1400. پایش شوری خاک در راستای تخریب سرزمین با کمک تکنیک­های سنجش از دور ( مطالعه موردی استان ایلام)، مخاطرات محیط طبیعی، شماره 27، صص 20-1.
Ali R.R. &, F.S. Moghanm. (2013). Variation of soil properties over the landforms around Idku lake, Egypt. The Egyptian Journal of Remote Sensing and Space Sciences 16, 91–101.
Allbed, A., Kumar, L. (2013). Soil salinity mapping and monitoring in arid and semi-arid regions using remote sensing technology: A review. Advances in Remote Sensing (2), 373-385.
Allbed, A., kumar, L. and Sinha, P., (2014). Mapping and modelling spatial variation in soil salinity in the - Al Hasa oasis based one remote sensing indication and regression techniques. Remote Sens 6, 1137-1157.
Elhag M. (2016). Evaluation of different soil salinity mapping using remote sensing techniques in arid ecosystems, Saudi Arabia. Journal of Sensors, 1-8.
Amiraslani, F., Dragovich, D. (2011). Combating desertification in Iran over the last 50 years: an overview of changing approaches. Journal of Environmental Management, 92(1): 1-13.
Azabdaftari, A.& Sunar, f.,(2016). Soil salinity mapping multitemporal land sat data, The International Archives of the photogrammetry, Remote sensing and spatial information sciences, VOl xl-B7, PP.809-813.
Bannari, A., Guedona, A. M., El-Hartib A., Cher- kaoui, Z. and El-Ghmari, A. (2008). Character- ization of Slightly and Moderately Saline and Sodic Soils in Irrigated Agricultural Land using Simulated Data of Advanced Land Imaging (EO-1) Sensor. Communications in Soil Science and Plant Analysis. 39 (19-20): 2795-2811.
Basile, A., Buttafuoco, G., Mele, G., Tedeschi, A. (2012). Complementary techniques to assess physical properties of a fine soil irrigated with saline water. Environ Earth Sci 66(7):1797–1807.
Chhabra, R. (1996). Soil salinity and water quality. Taylor and Francis, Brookfield.
Celik, I. (2005). Land-use effects on organic matter and physical properties of soil in a southern Mediterranean highland of Turkey. Soil Tillage Res 83(2):270–277.
Douaouiˎ A.E.K.ˎ Nicolas H.and Walter C. (2006). Detecting Salinity Hazards within a Semi-arid Context by Means of Combining Soil and Rem- ote Sensing Data. Geoderma. 134(1-2): 217- 230.
Elharti, A., Lhissou, R., Chokmani, K., Ouzemou, J., Hassouna, M., Bachaoui, E. and Ghmari, A., (2016). Spatiotemporal monitoring of soil salinization in irrigated Tadla plain (Morrocco) using satellite spectral indices, international journal of applied earth Observation and geoinformation 50, 64-73.
El-Keblawy, A., Abdelfattah, M.A., Khedr, A. (2015). Relationships between landforms, soil characteristics and dominant xerophytes in the hyperarid northern United Arab Emirates. Journal of Arid Environments 117, 28-36.
Fan, X., Liu, G., Tang, Z., Shu, L. (2010). Analysis on main contributors influencing soil salinization of Yellow River Delta. J Soil Water Conserv 24(1):139–144.
Fang H, Liu G, Kearney M (2005). Georelational analysis of soil type, soil salt content, landform, and land use in the Yellow River Delta, China. Environ Manage 35(1):72–80.
Fernandez-Buces N, Siebe C, Cram S, Palacio J. (2006). Mapping soil salinity using a combined spectral response index for bare soil and vegetation: A case study in the former lake Texcoco, Mexico. Journal of Arid Environments, 65(4): 644-667.
Gallant, J.C., Wilson, J.P., (2000). Primary topographic attributes. In: Wilson, J.P., Gallant, J.C. (Eds.), Terrain Analysis: Principles and Applications. Wiley, New York, 51–85.
Guisan, A., Weiss, S.B., Weiss, A.D., (1999). GLM versus CCA spatial modeling of plant species distribution. Plant Ecology 143, 107–122.
Henderson, B.L., E.N. Bui, C.J. Moran, D.A.P. Simon, (2005). Australia-wide predictions of soil properties using decision trees. Geoderma, 124: 383-398.
Hoa, P.V., Giang, N.V., Binh, N.A., Hai, L.V.H., Pham, T.D., Hasanlou, M. and Tien Bui, D., (2019). Soil Salinity Mapping Using SAR Sentinel-1 Data and Advanced Machine Learning Algorithms: A Case Study at Ben Tre Province of the Mekong River Delta (Vietnam). Remote Sens 11(2), 1-20.
Hoffman, G.J, Bresler, E. (1986). Irrigation management for soil salinity control: theories and tests. Soil Sci Soc Am J 50(6):1552–1560.
Horn, B. K. (1981). Hill shading and the reflectance map. Proceedings of the IEEE, 69(1), 14-47.
Huang, C., Xue, X., Wang, T., De Mascellis, R., Mele, G., You, Q., Peng, F., Tedeschi, A. (2011). Effects of saline water irrigation on soil properties in northwest China. Environ Earth Sci 63(4):701–708.
Jenness, J., (2006). Topographic Position Index (tpi_jen.avx) Extension for ArcView 3.x, v. 1.3a. Jenness Enterprises.
Khan, N.M., RastoskuevˎV., Sato, Y.and Shioza-wa, S., (2005). Assessment of Hydrosaline Land Degradation by Using a Simple Approach of Remote Sensing Indicators. Agricultural Water Management. 77 (1-3): 96-109
Metternich, G.and Zinck, A., (2013). Remote sensing of soil salinity: potentials and constraints. Journal Remote sensing of environment, Vol 85, pp.1-20.
Mini, V., P.L. Patil and G.S. Dasog, (2007). A Remote sensing approach for establishing the soil physiographic relationship in the coastal Agro ecosystem of North Karnataka. Karnataka J. Agric. Sci., 20(3): 524-530.
Morgan, R.S., El Hady, M.A. and Rahim, I.S., (2018). Soil salinity mapping utilizing sentinel-2 and neural networks. Indian Journal of Agricultural Research 52 (5), 524-529.
Nield S, Boettinger J, Ramsey R. (2007). Digitally mapping gypsic and natric soil areas using Landsat ETM data. Soil Science Society of America Journal, 71(1): 245-252.
Northey J. E, Christen, E.W, Ayars, J.E, Jankowski, J. (2006). Occurrence and measurement of salinity stratification in shallow groundwater in the Murrumbidgee Irrigation Area, southeastern Australia. Agric Water Manag 81(1):23–40.
Park, S.J., T.P. Burt, (2002). Identification and characterization of pedo-geomorphological processes on a hillslope. Soil Sci. Soc. Am. J., 66: 1897-1910.
Qi, Y., Chang, Q., Jia, K., Liu, M., Liu, J., Chen, T., (2012), Temporal-spatial variability of desertification in an Agro-pastoral transitional zone of Northern Shaanxi Province, China, Journal of Catena, Vol. 88, No. 1, 37-45.
Takaku, J., Tadono, T., Tsutsui, K., (2014), Generation of high-resolution global DSM from ALOS PRISM, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XL-4, 243-248, ISPRS.
Yu, R.T. and Liu, Y., Xu, c., Zhu, Q., Zhang, Z.Qu., (2010). Analysis of salinization dynamics by remote sensing in Hetao irrigation district of north china. Journal of Agricultural water management 97, 1952-1960.
Wang S, Song X, Wang Q, Xiao G, Wang Z, Liu X, Wang P. (2012). Shallow ground water dynamics and origin of salinity at two sites in salinated and water-deficient region of North China Plain, China. Environ Earth Sci 66(3):729–73.
Weiss, A. (2001). Topographic Position and landforms Analysis. Poster presentation, ESRI user Conference, San Diego, C.A.
Whitney, K., Scudiero, E., El-Askary, H., Skaggs, T.H., Allali, M. and Corwin, D.L., (2018). Validating the use of MODIS time series fore salinity assessment over agricultural soils in California, USA. Ecological indicators 93, 889-898.
Zhang, T., Zeng, S., Gao, Y., Ouyang, Z., Li, B., Fang, C., Zhao, B. (2011). Assessing impact of land uses on land salinization in the Yellow River Delta, China using an integrated and spatial statistical model. Land Use Policy 28(4):857–866.
پژوهشهای ژئومورفولوژی کمّی
دوره 11، شماره 3
دی 1401
صفحه 220-253

فایل ها

هم رسانی

ارجاع به این مقاله

آمار