علوم آب و خاک

طی چند دهه اخیر، تغییرات کاربری اراضی یکی از مهم‌ترین معضلات زیست‌‌محیطی در سراسر جهان بوده است. این مطالعه به‌منظور بررسی و تحلیل روند تغییرات کاربری اراضی با استفاده از تکنیک سنجش از دور در کانون‌های ریزگرد جنوب و جنوب‌شرق اهواز و اراضی اطراف آن انجام شد. بر ‌اساس شاخص استاندارد شده بارش (SPI)، سال‌های 1986، 2002 و 2016 به‌عنوان سال‌های با وضعیت نزدیک به نرمال انتخاب شدند. سپس، نقشه‌های کاربری اراضی منطقه مطالعاتی با استفاده از تصاویر ماهواره لندست و روش‌های مختلف طبقه‌بندی نظارت‌شده، تهیه شد. به‌منظور افزایش دقت طبقه‌بندی تصاویر از شاخص MNDWI استفاده شد. همچنین برای ارزیابی کارایی هر روش از پارامترهای دقت کلی و ضریب کاپا استفاده شد. در‌نهایت به‌منظور آشکارسازی تغییرات از روش مقایسه، پس از طبقه‌بندی استفاده شد. با توجه به نتایج پژوهش در دوره زمانی (1380-1365)، مساحت کاربری‌های پوشش گیاهی، سطوح مرطوب با پوشش گیاهی و سطوح آبی به‌ترتیب به‌‌میزان 419، 219 و 40/7 درصد افزایش و در مقابل مساحت کاربری مرتع ضعیف و بایر به‌میزان 36/6 درصد کاهش یافته است. از عمده‌ترین علل وقوع این تغییرات می‌توان به فاکتورهای انسانی همچون افزایش جمعیت و متغیرهای اقلیمی همچون بارش‌های مناسب اشاره کرد. در دوره زمانی (1394-1380)، مساحت کاربری‌های سطوح مرطوب با پوشش گیاهی، سطوح آبی و پوشش گیاهی به‌‌ترتیب به‌میزان 94، 49/3 و 46/7 درصد کاهش و در مقابل مساحت کاربری مرتع ضعیف و بایر به‌میزان 45/4 درصد افزایش یافته است. خشکسالی‌های اخیر، افزایش دما و مدیریت نادرست و غیر اصولی از منابع آبی در کاهش وسعت پوشش سبز و سطوح آبی و افزایش مساحت اراضی بایر مؤ‌ثر بوده‌اند. از سوی دیگر، در طول سه دهه گذشته، مساحت کاربری ساخته‌شده به‌میزان 157 درصد افزایش یافته است، در‌حالی‌ که مساحت کاربری رودخانه به‌میزان 28/8 درصد کاهش یافته است. این نتایج نشان‌دهنده تخریب کلی در منطقه بر اثر تغییرات اقلیمی و فعالیت‌های انسانی است.

خشکسالی به‌عنوان یکی از مخاطرات طبیعی ممکن است طی سال‌های متمادی به‌آهستگی یک منطقه را تحت‌تأثیر قرار دهد و اثرات مخربی روی محیط طبیعی و زندگی انسان‌ها داشته باشد. هر چند پیش‌بینی وقوع خشکسالی نقش مهمی در مدیریت منابع آب دارد ولی به‌دلیل ماهیت تصادفی عوامل مؤثر بر وقوع و شدت خشکسالی، در تعیین زمان شروع و خاتمه آن دچار مشکل هستیم. هدف از این پژوهش ارزیابی قابلیت مدل‌های خطی تصادفی SARIMA برای پیش‌بینی خشکسالی در استان اصفهان با استفاده از شاخص SPI است. به این منظور، بهترین مدل SARIMA برای توصیف داده‌های بارش مربوط به 10 ایستگاه‌ همدیدی استان اصفهان با طول دوره آماری (2017-1990)، انتخاب و بر اساس آن میزان بارش برای دروه پنج‌ساله پیش‌بینی و سپس شدت خشکسالی برای این دوره با استفاده از شاخص خشکسالی SPI در مقیاس زمانی سالیانه محاسبه شد. نتایج ارزیابی شدت خشکسالی ایستگاه‌ها بر اساس شاخص SPI برای دوره (2022-2018) بیانگر وقوع خشکسالی ضعیف طی دوره (۲۰22-۲۰19) برای ایستگاه‌های اصفهان، کاشان و نائین و طی سال ۲۰۱۹ برای ایستگاه‌های شرق اصفهان، شهرضا و کبوترآباد است و همچنین وقوع خشکسالی شدید طی سال 2019 برای ایستگاه‌های اردستان و گلپایگان است. برای سایر ایستگاه به غیر از ایستگاه اصفهان، کاشان، گلپایگان و نائین وقوع خشکسالی شدید در سال 2018 اتفاق افتاده است.

پایش خشکسالی در حوضه‌های برفی، مستلزم اصلاحاتی در شاخص‌های متداول خشکسالی تحت عنوان شاخص‌های خشکسالی برفی است. جدیدترین شاخص برفی توسعه‌یافته عبارت از SZIsnow است. محاسبه شاخص مزبور، علاوه بر داشتن الگوریتم خاصی، مستلزم دسترسی به مقادیر 22 متغیر مختلف اقلیمی و فیزیکی از جمله رطوبت خاک در عمق 0 تا 10 سانتی‌متر، رطوبت خاک در عمق 100 تا 200 سانتی‌متر، دمای هوا، آب معادل برف، رواناب حاصل از ذوب برف، ، بارش برف، بارش باران، نرخ کل بارندگی، تبخیر و تعرق، سرعت باد، رواناب سطحی، رواناب آب زیرزمینی، تبخیر بالقوه، فشار هوا، رطوبت نسبی، شار خالص گرمای نهان، شار حرارتی زمین، شار خالص حرارتی محسوس، تبخیر از خاک لخت، تبخیر از تاج پوشش، تعرق و تبخیر و تعرق بالقوه است. شاخص مزبور، تاکنون فقط در مقیاس قاره‌ای محاسبه شده‌است. این در حالی است که پایش خشکسالی در مقیاس حوضه‌ای به‌عنوان یکی از جنبه‌های مدیریتی منابع آب دارای اهمیت است. از طرفی به‌دلیل نبودن اطلاعات کافی برای تخمین پارامترهای مزبور، استفاده از اطلاعات پایگاه‌های داده جهانی راه‌گشا خواهد بود. از این‌رو در پژوهش حاضر، علاوه بر معرفی فرایند محاسبه شاخص SZIsnow، در حوضه آبریز دز، اقدام به استخراج پارامترهای مورد نیاز شاخص در مقیاس زمانی 3، 6 و 12ماهه و دوره ۴۱ساله (1982 تا 2023) با استفاده از داده‌های  GLDASو سپس پایش خشکسالی حوضه مورد مطالعه شد. نتایج نشان داد که شاخص جدید SZIsnow، چندمتغیره‌ای است که به‌واسطه وجود پارامترهایی که فاقد مشاهدات زمینی است و از سوی دیگر دردسترس‌بودن پایگاه معتبر GLDAS، امکان محاسبه شاخص را فراهم می‌آورد. همچنین نتایج نشان داد که در گام‌های زمانی 3، 6 و ۱۲ماهه به‌ترتیب جولای، به میزان 0/59-، ماه ژوئن به میزان 0/45- و ماه اکتبر به میزان 0/35- بیشترین میزان خشکسالی را دارد.