شناسایی پهنههای مستعد توفانهای نمکی دریاچة ارومیه با استفاده از پردازش فازی- شیءگرای تصاویر ماهوارهای
نویسندگان
1 استادیار و عضو هیأت علمی سنجش از دور و GIS، گروه سنجش از دور و GIS، دانشگاه تبریز
2 دانشجوی کارشناسی ارشد سنجش از دور و GIS، گروه سنجش از دور و GIS، دانشگاه تبریز
3 دانشجوی کارشناسی ارشد سنجش از دور و GIS، گروه سنجش از دور و GIS، دانشگاه تبریز
doi
10.22059/jhsci.2016.62039چکیده
دریاچۀ ارومیه، بزرگترین سطح آبی کشور، بین دو استان آذربایجان غربی و شرقی قرار دارد. این دریاچه در خطر خشک شدن کامل قرار داشته و طی 13 سال گذشته تحولات بسیاری را پشت سر گذاشته است. اختصاص 90 درصد منابع آبی منطقه به بخش کشاورزی، تبخیر زیاد در پی گرم شدن هوا، احداث سدهای متعدد و برداشت غیرمجاز از آبهای زیرزمینی در پی حفر چاه، از دلایل خشک شدن این دریاچه است و شهرها و روستاهای پیرامون خود را بهشدت تحت تأثیر قرار داده است. هدف این پژوهش، بررسی تغییرات و تهدیدهای ناشی از خشک شدن دریاچۀ ارومیه با استفاده از تصاویر سنجش از دور است. نتایج این تحقیق نشان میدهد که مساحت آبی دریاچۀ ارومیه از 6/3120 کیلومتر مربع در سال 2010 به کمترین حد خود, یعنی 46/887 کیلومتر مربع در سال 2014 کاهش یافت و بعد از آن با روند افزایشی چشمگیر، به 8/2475 کیلومتر مربع رسید که یکی از دلایل این افزایش، بارش باران در اواخر زمستان 1394 و بهار 1395 بود. در طی این دورۀ هفتساله همزمان با کاهش مساحت آب دریاچه، مساحت سایر پهنه نیز دچار افزایش شد که در این میان پهنههای کمخطر (19/1312 کیلومتر مربع) سال 2015، خطرناک (24/856 کیلومتر مربع) سال 2014، پرخطر (98/1148 کیلومتر مربع) سال 2014 و بالقوه (85/445 کیلومتر مربع) در سال 2015 دارای بیشترین مقدار خود در دورۀ زمانی هفتساله بوده است. با توجه به نتایج حاصل از طبقهبندی، با کاهش آب دریاچه بهخصوص در سالهای 2014 و 2015، پهنههای نمکی پرخطر مساحت زیادی از نیمۀ جنوبی دریاچه را به خود اختصاص دادهاند که با توجه به جهت غالب بادهای منطقه که غربی- شرقی است، خطر بزرگی از نظر زیستمحیطی برای ساکنان و اکوسیستم شرق حوضۀ آبریز دریاچه محسوب میشود. در تحقیق حاضر، طبقهبندی شیءگرا بهخوبی توانسته بر مشکلات در روش پیکسلپایه فائق آید و نتایج بهمراتب بهتری ارائه دهد. دقت نهایی نقشۀ طبقهبندی را میتوان با انتخاب معیارهای دقیق سگمنتسازی، الگوریتمهای مناسب کلاسبندی و تصاویر با قدرت تفکیک مکانی زیاد بهبود بخشید و ابهامات نقشه را رفع کرد.