بررسی توزیع مکانی خطر بیابانزایی منطقه سبزوار با استفاده از مدل IMDPA
نویسندگان
چکیده مقاله:
زمینه و هدف: بیابانزایی مسئله‌ای جهانی، با پیامدهای جدی برای تنوع زیستی، ایمنی محیط‌زیست، ریشهکنی فقر، ثبات اجتماعی- اقتصادی و توسعه پایدار در سراسر جهان میباشد. مناسبترین روش برای تعیین شدت خطر بیابانزایی، استفاده از مدلهای تجربی است. هدف از این پژوهش تعیین توزیع مکانی خطر بیابانزایی منطقه سبزوار با استفاده از مدل IMDPA و سیستم اطلاعات جغرافیایی است. روش بررسی: به‌منظور بررسی شدت بیابانزایی در منطقه سبزوار، از تمام معیارهای مدل IMDPA استفاده گردید. برای این منظور، ابتدا نقشه واحدهای کاری (رخسارههای ژئومورفولوژی) با استفاده از نقشههای شیب، زمینشناسی، پوشش گیاهی، کاربری اراضی، تصاویر ماهوارهای لندست 5 و گوگل ارث در 4 واحد، 10 تیپ و 96 رخساره تهیه گردید. سپس در هر واحد کاری، با استفاده از مدل IMDPA شاخصها ارزشدهی شد و از میانگین هندسی آنها ارزش هر معیار تعیین گردید. ارزش هر گروه از میانگین هندسی معیارهای آن مشخص؛ و از میانگین هندسی ارزش گروهها، نقشه شدت بیابانزایی منطقه به دست آمد. یافته‌ها: نتایج نشان داد، که معیارهای آب و آبیاری و فرسایش با میانگین وزنی 94/2 و 72/2 بیشترین تأثیر را در بیابانزایی منطقه داشتند. منطقه سبزوار با استفاده از این مدل به دو کلاس متوسط (II) و شدید (IV) تقسیم شد، که بیشترین سطح منطقه را کلاس متوسط (07/85 درصد) پوشش داد. بحث و نتیجه‌گیری: منطقه سبزوار از روند ژئومورفولوژیکی متنوعی از کوهستان تا پلایا برخوردار میباشد و تقسیمبندی آن به دو کلاس بیابانزایی نشاندهنده آسانگیری مدل IMDPA در تهیه نقشه خطر بیابانزایی است. دلیل این امر را میتوان در شاخصهای متنوع، میانگین هندسی و کلاسبندی نامتوازن جستجو کرد. نقشه خطر مذکور به همراه شاخصها کلیدی مؤثر در بیابانزایی منطقه سبزوار میتوانند در جهت مهار بیابانزایی و نیل به توسعه پایدار مورداستفاده برنامهریزان قرار گیرند.
منابع مشابه
ارزیابی خطر (مقایسه مدل های micd و imdpa)، خسارت و تدوین برنامه مدیریت بیابانزایی منطقه سبزوار
بیابانزایی خطر جدی برای بسیاری از کشورهای جهان و به ویژه کشورهای در حال توسعه مانند ایران می باشد. مناسب ترین روش برای تعیین شدت خطر بیابانزایی، استفاده از مدل های تجربی است. در این تحقیق برای منطقه سبزوار ابتدا خطر بیابانزایی با 2 مدل ایرانی micd و imdpa ارزیابی و سپس با انتخاب مدل برتر، خسارت و برنامه مدیریتی خطر بیابانزایی تعیین گردید. برای این منظور، ابتدا نقشه واحدهای کاری (رخساره های ژئوم...
15 صفحه اولبررسی وضعیت بیابانزایی منطقه روداب سبزوار با استفاده از مدل MICD
از مهمترین چالشهای بشر در قرن حاضر در ابعاد گوناگون بیابانزایی بوده که از آن تحتعنوان تخریب اراضی نه تنها در مناطق خشک، نیمهخشک و نیمهمرطوب بلکه در مناطق مختلف بهویژه کشورهای در حال توسعه یاد میشود. مناسبترین روش برای بررسی عوامل مؤثر در تخریب اراضی و شدت بیابانزایی از نظر متخصصان استفاده از مدلهای ارزیابی بیابان میباشد. روشهای متعددی برای شناسایی مناطق حساس و تهیه نقشه خطر بیا...
متن کاملارزیابی خطر بیابانزایی منطقه اینچه برون در استان گلستان با استفاده از مدل ESAs
شناسایی و ارزیابی فرآیندها، عوامل و وضعیت فعلی شدت بیابانزایی به منظور تدوین برنامه‌های مشخص و واقع‌گرایانه کنترل بیابانزایی از نیازهای اساسی مناطق بیابانی میباشد. در این تحقیق به‌منظور ارزیابی بیابانزایی منطقه اینچه برون در استان گلستان، از 3 شاخص کیفیت خاک، کیفیت پوشش‌گیاهی و کیفیت اقلیم مدل ESAs استفاده گردید. بدین منظور، نقشه هر شاخص از میانگین هندسی لایه‌های آن به‌دست آمد و از طریق میان...
متن کاملمقایسه کارآیی مدل های ایرانی ارزیابی خطر بیابان زایی IMDPA و MICD (مطالعه موردی: منطقه سبزوار)
متن کامل
تدوین برنامه مدیریت بیابانزایی منطقه سبزوار
بیابانزایی یکی از بزرگترین چالشهای زیستمحیطی زمان حال به شمار میرود. هدف از این تحقیق ارائه برنامه مدیریت بیابانزایی بر اساس نقشه ریسک بیابانزایی میباشد. بعد از اینکه نقشه واحدهای کاری (رخساره ژئومورفولوژی) منطقه سبزوار تهیه گردید، در هر یک از آنها ارزشدهی بر اساس مدل MICD صورت گرفت و نقشه خطر بیابانزایی تهیه شد. از ضرب کلاس‌های خطر بیابانزایی (H) در کلاس‌های عناصر در معرض خطر (E) و کلاس درجه آ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 21 شماره 4
صفحات 203- 217
تاریخ انتشار 1970-01-01
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023