تحلیل فضایی مخاطرات محیطی

تحلیل فضایی مخاطرات محیطی

آشکارسازی و تحلیل واداشت تبخیر و تعرق پوشش اراضی در حوضه کارون با استفاده از محصولات سنجنده مادیس

نویسندگان
محمدحسین ناصرزاده
پرویز ضیائیان فیروزآبادی
زهرا حجازی زاده
شیرین مرادجانی
دانشگاه خوارزمی
10.66224/jsaeh.12.4.3
چکیده
این پژوهش به تحلیل پویایی‌های فضایی ـ زمانی تبخیر و تعرق (ET) و اثر متغیرهای بیوفیزیکی و تغییرات کاربری/پوشش اراضی (LULC) در حوضه آبریز رودخانه کارون (جنوب‌غرب ایران) طی دوره ۲۰۰۰ تا ۲۰۲۳ می‌پردازد. این حوضه با وسعت ۶۷,۲۵۷ کیلومتر مربع و توپوگرافی متنوع، سالانه با اتلاف چشمگیر منابع آبی مواجه است؛ به‌طوری‌که حدود ۷۲ درصد از بارش ملی (معادل ۴۱۳ میلیارد مترمکعب) به دلیل تبخیر و تعرق از دست می‌رود و پیامد آن انباشت نمک و رسوب است. داده‌های ماهواره‌ای MODIS (MCD12Q1، MOD13A1، MCD43A3، MOD11A2، MOD16A3 و CHIRPS) اطلاعات مربوط به کاربری اراضی، شاخص NDVI، آلبدو، دمای سطح زمین (LST)، بارش و تبخیر و تعرق را با تفکیک مکانی ۵۰۰ متر فراهم آوردند و تصاویر لندست با قدرت تفکیک ۳۰ متر جهت اعتبارسنجی مورد استفاده قرار گرفتند. نتایج حاصل از رگرسیون چندمتغیره و رگرسیون موزون جغرافیایی (GWR) بیانگر افزایش ۳۹/۵ درصدی تبخیر و تعرق (از ۳۱/۴۸ به ۴۳/۹۲ میلی‌متر در سال)، رشد ۳۲/۷۸ درصدی شاخص NDVI (از ۰/۱۸ به ۰/۲۳۹) و کاهش ۱۶/۳۵ درصدی دمای سطح زمین (از ۳۳/۵۲ به ۲۸/۰۵ درجه سلسیوس) بود. این تغییرات همزمان با کاهش ۶/۹۰ درصدی اراضی کشاورزی، افزایش ۶/۹۴ درصدی مراتع و گسترش ۴۲/۷۶ درصدی جنگل‌ها رخ داد. مدل GWR (AdjR² بالاتر از ۰/۹۷، بیشینه ۰/۹۸۸۷ در سال ۲۰۱۰) نشان‌دهنده ناایستایی فضایی بود؛ به‌گونه‌ای که در مناطق کوهستانی شمال‌شرق برآورد بیش از مقدار واقعی و در دشت‌های کشاورزی جنوب‌غرب برآورد کمتر از مقدار واقعی مشاهده شد. همچنین، صحت‌سنجی با تصاویر لندست (دقت کلی ۸۵ تا ۹۰ درصد و ضریب کاپای ۰/۸۵ تا ۰/۹۰) نشان داد که حدود ۲,۴۷۷ کیلومتر مربع از جنگل‌ها به کاربری‌های با تبخیر و تعرق بالا (مراتع و کشاورزی) تغییر یافته‌اند که سبب افزایش ET در فصل گرم گردید.به‌طور کلی، نتایج این پژوهش بر اهمیت استفاده از مدل‌های یکپارچه هیدرولوژیکی تأکید می‌کند؛ مدل‌هایی که داده‌های آبیاری و تحلیل‌های با وضوح بالا را در بر گیرند تا راهکارهای مؤثرتری برای مدیریت پایدار منابع آب در مناطق تحت تنش آبی فراهم شود.




کلیدواژه‌ها
آشکارسازی
پوشش اراضی
تبخیر و تعرق
حوضه کارون
سنجده MODIS

عنوان مقاله English

Detection and analysis of land cover forcing evapotranspiration in Karun basin using MODIS sensor products

نویسندگان English

Mohammad Hossein Nasserzadeh
Parviz Ziaian Firouzabadi
zahra Hejazizadeh
shirin Moradjani
Kharazmi University
چکیده English

This study investigates the spatio-temporal dynamics of evapotranspiration (ET) and its modulation by biophysical variables and land use/land cover (LULC) changes in the Karun River Basin, southwestern Iran, from 2000 to 2023. The basin, spanning 67,257 km² and characterized by diverse topography, experiences significant annual water loss (72% of 413 billion m³ national precipitation) due to ET, leading to salt and sediment accumulation. Data from MODIS products (MCD12Q1, MOD13A1, MCD43A3, MOD11A2, MOD16A3, CHIRPS) provided land cover, NDVI, albedo, LST, precipitation, and ET at 500-meter resolution, supplemented by Landsat imagery (30-meter resolution) for validation. Multiple regression and Geographically Weighted Regression (GWR) analyses revealed a 39.5% ET increase (31.48 to 43.92 mm/year), a 32.78% NDVI rise (0.18 to 0.239), and a 16.35% LST decrease (33.52°C to 28.05°C), correlated with a 6.90% agricultural decline (6,939,225 to 6,460,335 ha), a 6.94% rangeland increase (3,840,375 to 4,106,780 ha), and a 42.76% forest expansion (156,000 to 222,700 ha). GWR (AdjR² > 0.97, peak 0.9887 in 2010) identified spatial non-stationarity, with overprediction in mountainous northeast regions and underprediction in agricultural southwest plains, reflecting LULC influences. Landsat-derived false color composites and classifications (overall accuracy 85–90%, Kappa 0.85–0.90) validated a 2,477 km² forest loss to high-ET rangelands/agriculture, driving warm-season ET elevation. Results emphasize the need for integrated hydrological models incorporating irrigation data and high-resolution analyses to enhance sustainable water management in this water-stressed region.

کلیدواژه‌ها English

Detection
Land Cover
evapotranspiration
Karun Basin
MODIS Sensor
10. Ahmadpour, S, Bayzidi, Y. & Trachte, K. Spatio-temporal patterns of evapotranspiration in the temperate Eastern German lowlands and its response to climate and land use change. Theor Appl Climatol 156, 307 (2025). https://doi.org/10.1007/s00704-025-05529-5
11. Dias,L.C.P, Macedo,M.N., Costa,M.H., Coe,M.T and Neill,C.( 2015). Effects of land cover change on evapotranspiration and streamflow of small catchments in the Upper Xingu River Basin, Central Brazil, Journal of Hydrology: Regional Studies 4, Part B(PB),108-122.
12. De la Casa, A.C., Ovando, G.G. (2014). Climate change and its impact on agricultural potential in the central region of Argentina between 1941 and 2010. Agricultural and Forest Meteorology, 195-196, 1–11.
13. Dehghani, N, Ghasemieh, H, Sadatinejad, J, & Ghorbani, K (2017). Assessing the impact of climate change on runoff using a hydrological model: Case study of Bazoft-Samsami watershed. Ecohydrology, 1, 89–102.
14. Emile Soro G, Berthe Yao A., Morton Kouame Y., and Goula B.( 2017). Climate Change and Its Impacts on Water Resources in the Bandama Basin, Côte D’ivoire. Journal Hydrology 4(18): 13.
15. Fathian, F, Ahmadzadeh, H, & Bagheri Harouni, M. H. (2024). Comparison of remote sensing-based and SWAT model approaches for evapotranspiration estimation: Case study of Ajichai watershed. Iranian Journal of Irrigation and Water Engineering, 15(57), 166–182.
16. Giardino, C., Battisti, S., et al. (2023). Spatio-Temporal Analysis of Land Surface Temperature and Land Cover Changes in Central Italy Using MODIS Data. Land, 13(6), 796. https://doi.org/10.3390/land13060796
17. Ghasemi, H, Sarraf, A. P, & Aminnejad, B. (2023). Application of SWAT model and SEBAL algorithm for estimating evapotranspiration in the Karun River basin. Iranian Journal of Irrigation and Drainage, 17(6), 1195–1214.
18. Hadi H. Jaafar, Lara H. Sujud 2024, High-resolution satellite imagery reveals a recent accelerating rate of increase in land evapotranspiration, Remote Sensing of Environment, Volume 315, 114489,https://doi.org/10.1016/j.rse.2024.114489.
19. Hewitson B.C., and Crane R.G. (1996). Climate downscaling: techniques and application. Journal Climat Research. Published November 7(29), 85-95.
20. IPCC, 2014. Climate Change (2014), Impacts, Adaptation, and Vulnerability. Part B: Regional Aspects, Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, pp.688.
21. Jabbari S, Khajadini J, Jafari R., Soltani S. ( 2014). Investigating the changes of vegetation cover percentages using satellite images in the Semirom area. Iranian Journal of Applied Ecology 3(10): 27-38. (In Persian)
22. Kouhi, M. and Sanaei Nejad, H. ( 2014). Evaluation of Climate Change Scenarios based on Two Statistical Downscaling Methods for Reference Evapotranspiration in Urmia Region, Iranian Journal of Irrigation and Drainage. 4(7), 559-574. (In Persian).
23. Noori, H, & Faramarzi, M. (2017). Investigation of actual evapotranspiration under different land uses in mountainous areas using SEBAL algorithm and combined MODIS and Landsat 8 satellite imagery. Geography and Environmental Planning, 28(2), 39–56.
24. Oliaei, A, & Sima, S (2021). Uncertainties in actual evapotranspiration estimation at the watershed scale using SEBAL model, Iranian Journal of Water and Soil Research, 52(5), 1209–1221.
25. Saber, M, Salahi, B, & Mofidi, A (2024). Spatiotemporal analysis of evapotranspiration in the southern part of Aras River watershed. Applied Research Journal of Geographical Sciences, 24(74), 1–23.
26. Soltani Gardfaramarzi, S, & Daneshvar Marvast, N (2019). Impact of land use changes on potential evapotranspiration (Case study: Saqqez sub-basin). Iranian Journal of Irrigation and Drainage, 13(1), 177–189.
27. Silva, B.B.D., Mercante, E., Boas, M. A.V., Wrublack, S.C., & Oldoni, L.V. (2018). Satellite-Based ET Estimation Using Landsat 8 Images and SEBAL Model, Revista Ciência Agronômica, 49(2), 221-227.
28. Tan, Linshan, Kaiyuan Zheng, Qiangqiang Zhao, and Yanjuan Wu.( 2021). "Evapotranspiration Estimation Using Remote Sensing Technology Based on a SEBAL Model in the Upper Reaches of the Huaihe River Basin" Atmosphere 12, no. 12: 1599. https://doi.org/10.3390/atmos12121599.
29. Thobela, M. N., Adeboye, M. T., et al. (2023). Forecasting Actual Evapotranspiration Using MODIS Data and Machine Learning Techniques in a Semi-Arid Region of South Africa. Water, 15(10), 176. https://doi.org/10.3390/w1510176.
30. Valizadeh Kamran,Kh, Jahanbakhsh, S, Zahedi, M, & Rezaei Banafshah, M. (2012). Estimation of actual evapotranspiration and analysis of its relationship with land use in GIS environment. Scientific–Research Journal of Geographical Space, 37, 39–54.
31. Yang L, Li J, Sun Z, Liu J, Yang Y, Li T (2022) Daily actual evapotranspiration estimation of different land use types based on SEBAL model in the agro-pastoral ecotone of northwest China. PLoS ONE 17(3): e0265138. https://doi.org/ 10.1371/journal.pone.0265138.
32. Yaghoobzadeh, M. Broomandnasab, S. Izadpanah, Z. and Kaboli, H. ( 2015). Assessment of Trends of spatial and temporal changes evapotranspiration Using a GIS in semi-arid regions. Journal of Water Research in Agriculture. 29 (2), 221-233. (In Persian).
33. Ziaei, N, Ounagh, M, Asgari, H. R, Masah Bavani, A., & Salman Mahini, A (2017). Comparative effect of climate change scenarios on drought severity and desertification risk in the Hablehroud watershed, Tehran Province. Water Ecosystem Engineering, 6(16), 105–118.
34. Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (2011). Crop evapotranspiration: Guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper 56. Food and Agriculture Organization of the United Nations.
35. Miralles, D. G., Teuling, A. J., van Heerwaarden, C. C., & de Arellano, J. V. G. (2020). Evapotranspiration in the global water cycle. Hydrology and Earth System Sciences, 24(5), 2417–2437. https://doi.org/10.5194/hess-24-2417-2020
36. Mu, Q., Zhao, M., & Running, S. W. (2011). Improvements to a MODIS global terrestrial evapotranspiration algorithm. Remote Sensing of Environment, 115(8), 1781–1800. https://doi.org/10.1016/j.rse.2011.02.019
37. Karimi, P., & Bastiaanssen, W. (2015). Assessment of water resources in complex semi-arid basins: The case of the Karun Basin, Iran. Journal of Hydrology, 527, 435–450. https://doi.org/10.1016/j.jhydrol.2015.05.032
38. Running, S. W., Mu, Q., Zhao, M., & Ryu, Y. (2017). MODIS global terrestrial evapotranspiration (ET) and water balance: Status, successes, and challenges. Hydrological Processes, 31(19), 3275–3290. https://doi.org/10.1002/hyp.11347
39. Madani, K. (2014). Water management in Iran: what is causing the looming crisis? Journal of Environmental Studies and Sciences, 4(4), 315–328. https://doi.org/10.1007/s13412-014-0182-z