ارزیابی ناهمگونی مکانی در کیفیت بوم‌شناختی با استفاده از فن‌آوری سنجش‌ازدور (مطالعه موردی: حوضه آبخیز قره‌سو)

محیط زیست در حال تجربه تغییرات مختلف محیط زیستی است که هم منشا انسانی و هم منشا طبیعی دارند. تغییرات کاربری زمین در حوزه قره سو، نیاز به مطالعه درباره کیفیت بوم شناختی این منطقه را نشان می دهد. در این مطالعه، شاخص سنجش‌ازدوری کیفیت بوم شناختی (rsei) بر اساس چارچوب فشاروضعیتپاسخ و با استفاده از داده های میانگین تصاویر تابستانه ماهواره لندست در سال های 1368 و 1397 ( سنجنده های etm+/oli/tirs)، برای ارزیابی تغییرات کیفیت بوم شناختی در حوزه قره سو استان گلستان استفاده شد. شاخص های مورد نیاز برای استخراج شاخص کیفیت بوم شناختی با ایجاد شاخص فشار محیط زیستی (ndbi)، شاخص وضعیت (ndvi) و شاخص های پاسخ اقلیمی محیط به تغییرات (lst و lsm) از سامانه گوگل ارث انجین انجام شد. در این پژوهش پس از تهیه شاخص های پایه، با استفاده از تحلیل مولفه‌های اصلی، وزن هر شاخص تهیه و سپس شاخص کیفیت بوم شناختی بر اساس مولفه اول تحلیل مولفه‌ها اصلی تهیه شد. تحلیل تغییرات مولفه اول با استفاده از روش آستانه گذاری نشان از افت کیفیت بوم شناختی دارد؛ به‌طوری‌که میانگین شاخص rsei در سال 1368، 0.57 حاصل شد و در سال 1397 این مقدار به 0.48 رسید که نشان دهنده کاهش مقدار rsei است. همچنین میزان طبقه خیلی خوب در سال 1368، 32821.83 (16.267 درصد) و در سال 1397، 36879.66 (18.27 درصد)  است. نتایج تحلیل مکانی نشان داد که مقدار ضعیف کیفیت بوم شناختی شاخص rsei در بخش های شمالی منطقه رخ داده است که به دلیل رشد سریع مناطق انسان ساخت بوده است. این تغییر در افزایش شاخص مناطق انسان ساخت در این مناطق مشخص است.

Assessing the spatial heterogeneity in ecological quality using remote sensing (Case Study: Gharesoo Watershed)

The environment is currently experiencing different changes that are caused by both natureinduced and anthropogenic processes. Land use changes in Gharesoo Watershed noted that there is a necessary need to study ecological quality in this region. In this paper, a remote sensingbased ecological index (RSEI) based on the pressurestateresponse (PSR) framework, using the average data of summer images of Landsat satellite in 1989 and 2018 (ETM +/OLI/TIRS sensors), was used to evaluate the changes in ecological quality in Gharasoo watershed of Golestan province. Google Earth Engine (GEE) is used for acquiring and preparing indices, including an indicator of environmental pressure (NDBI), an indicator of environmental state (NDVI) and indicators of local climate changes in response to environmental changes and concerns (LST and LSM). After preparing the indices, the weight of each index was extracted using the principal component analysis (PCA), and then the ecological quality index was created based on the first component of PCA. Analysis of the first component changes using the thresholding method showed a decrease in ecological quality. So that the average RSEI index in 1989 was 0.57 and in 1397 this value reached 0.48, which indicates a decrease in RSEI. Also, the area of very good class in 1989 and 2018 is 32821.83 (16.267%) and 36879.66 (18.27%) hectares, respectively. Spatial variation analysis showed that the poor level of RSEI distributed mostly in the northern areas, and the ecological degradation was  attributed to the fast expansion of the builtup area, characterized by increasing greatly in the value of the normalized differential built up index (NDBI) in such areas.