ارزیابی تغییرات مکانی-زمانی کاربری اراضی بر اساس شاخص‌های کیفی اکولوژیکی (مطالعه موردی: حوضه دریاچه زریبار)

فناوری سنجش‌ازدور می تواند به طور عینی و کمی تغییرات مکانی-زمانی کیفیت محیط زیست را ارزیابی کند. پی بردن به کیفیت محیط زیست منطقه ای و تغییرات اکولوژیکی برای نظارت و مدیریت محیط زیست و برنامه ریزی ساخت‌وساز شهری بسیار مهم است. به منظور ارزیابی تغییرات مکانی-زمانی کیفیت محیط زیست در حوضه دریاچه زریبار از تصاویر لندست سال های 1998، 2010 و 2022 جهت استخراج چهار شاخص پوشش گیاهی، رطوبت، گرما و خشکی استفاده شد. سپس شاخص اکولوژیکی سنجش‌ازدور با تجزیه‌وتحلیل مولفه های اصلی به دست آمد. ناهمگنی فضایی شاخص اکولوژیکی سنجش‌ازدور در دوره موردمطالعه توسط شاخص موران ارزیابی شد. یافته ها نشان داد که اثر بازدارندگی ndbsi و lst به طور قابل‌توجهی بیشتر از اثر ترویجی ndvi و lsm بر محیط زیست محدوده موردمطالعه است. بر اساس نتایج rsei مساحت طبقه با کیفیت محیط زیست ضعیف در سال های 1998، 2010 و 2022 به ترتیب 59.36، 65.49 و 56.02 درصد به دست آمد. منطقه با سطوح عالی و خوب rsei عمدتاً متعلق به اراضی جنگلی و نیزار بود. مقادیر میانگین rsei حاکی از کاهش کیفیت محیط زیست در حوضه دریاچه زریبار بود. نتایج نمودارهای پراکندگی شاخص جهانی موران، در سال های 1998، 2010 و 2022 به ترتیب 0.86، 0.85 و 0.71 تعیین شد که حاکی از کاهش همگنی در این دوره بود. محیط زیست محیطی پیچیده است، بنابراین با استفاده از چهار شاخص rsei می توان وضعیت آن را تخمین زد. در مطالعات آینده می توان از داده ‌های مکانی متنوع ‌تری مانند بهره ‌وری خالص اولیه و ذرات معلق در هوا استفاده شود.

evaluation of spatial-temporal land use changes based on qualitative ecological indicators (case study: zaribar lake basin)

introduction since the remote sensing ecological index (rsei) is derived from various aspects and characteristics of an ecosystem, it can be used as a reliable index to show environmental quality or assess the condition of a region or ecosystem. the quality of urban ecosystems is determined by several indices, including the normalized difference vegetation index (ndvi), leaf area index (lai), land surface temperature (lst), land surface moisture (lsm), normalized difference built-up index (ndbi), index-based built-up index (ibi), and normalized difference impervious surface index (ndisi). however, most of these indicators are not comprehensive enough and cannot evaluate all the important and effective aspects of urban environmental quality. rsei integrates various indices without requiring manual weighting. this index is a comprehensive measure derived from four indices—vegetation, humidity, dryness, and heat—using principal component analysis (pca).wang et al. (2022) investigated the environmental quality of eastern china using rsei. the average rsei values for the years 2000, 2005, 2010, 2015, and 2020 were reported as 0.67, 0.55, 0.59, 0.58, and 0.63, respectively, showing an initial decline followed by an increase. the purpose of the current research is to investigate the environmental quality of the zaribar lake basin using rsei. the variables required to calculate this index were obtained under the conceptual model of pressure-state-response.material and methods zaribar lake, covering an area of 20 km² with an average depth of 5 m, is located 3 km west of marivan city, kurdistan province, at an altitude of 1,320 m above sea level. landsat satellite images for 1998, 2010, and 2022 were downloaded from the united states geological survey website (https://earthexplorer.usgs.gov). after performing the pre-processing operations, land use maps were created using the supervised classification method and the maximum likelihood algorithm in envi 5.3 software. the maps categorized land into five classes: built-up areas, agricultural lands, lakes, forests, and reeds.to verify the accuracy of the classified maps, a random sampling method was employed with ground truth points (control points). control points were collected through google earth images, and classification accuracy was assessed using an error matrix and statistical parameters (kappa coefficient and overall accuracy). the rsei was calculated using ndvi, lsm, lst, and ndbsi, representing greenness, humidity, heat, and dryness, respectively.results and discussion considering the large water area of zaribar lake, the lake was excluded from the computational analysis. the results indicated that the specific values of principal component 1 (pc1) for each year exceeded 60%, ranging from 63.78% to 71.35%. two contrasting groups of indicators were observed based on their contribution to environmental quality. ndvi and lsm indices were positively associated, while lst and ndbsi were negatively associated with environmental quality.