ارزیابی نتایج تغییرات کاربری اراضی بر دبی رودخانه دره رود در بازه زمانی 30 ساله با استفاده از مدل hec_hms

در این تحقیق از روش مبتنی بر شی گرا در تهیه ی نقشه کاربری اراضی حوضه آبریز دره رود با استفاده از تصاویر لندست 5 با سنجنده tm و لندست 8 با سنجده oli در یک بازه زمانی 30 ساله، از سال 1990 تا 2019 و تاثیرات آن بر تغییرات دبی رودخانه دره رود مورد بررسی قرار گرفت. تصاویر ماهواره ای در چهارده کلاس طبقه بندی شد که کلاس های کشت آبی، زراعت دیم، مناطق سنگی، مناطق مسکونی، باغات و دریاچه دارای افزایش مساحت و زمین های بایر، مراتع، اراضی جنگلی و بستر رودخانه دارای کاهش مساحت بوده اند برای پی بردن به تغییرات روند جریانی رودخانه ، از روش scs در مدل hec_hms استفاده شد و به صورت چهار زیر حوضه مشیران، هوراند، سمبور و بوران تقسیم شده و با توجه به کاربری اراضی شماره منحنی cn و زمان تاخیر رواناب زیرحوضه ها به همراه ضریب k و x به مدل معرفی شد و اجرا گردید. نتایج نشان داد که اوج رواناب در زیرحوضه مشیران با کاهش 7 مترمکعب و کاهش 8.5 میلیمتر حجم رواناب و در زیرحوضه هوراند با کاهش 8.6 متر مکعب اوج رواناب و کاهش 12 میلیمتر حجم رواناب و زیر حوضه سمبور با کاهش 2.2 متر مکعب اوج رواناب و کاهش 12 میلیمتر حجم رواناب همراه بوده است در حالی که در زیر حوضه بوران بر خلاف سه زیر حوضه قبلی افزایش اوج رواناب به میزان 10 متر مکعب در ثانیه و افزایش حجم رواناب به میزان 9.6 میلیمتر برآورد شده است.

evaluated of land use changes on the discharge of darre rood river in the period (1990-2019) using hec_hms model

classification is one of the most important methods of extracting information from digital satellite images, and today image classification using object oriented processing using various techniques is widely used. in this research, the object oriented method in preparing the land use map of darrehrood catchment area using landsat 5 images with tm sensor and landsat 8 with oli sensor in a period of 30 years, from 1990 to 2019 and its effects on changes in the discharge of the darrehrood river were examined. landsat satellite images are atmospherically corrected with envi5.3 software and in ecognition software by object oriented method and nearest neighbor technique using four spectral indices (ndvi, gvmi, evi, cig) and average bandwidth characteristics and luminosity characteristics. the image and shape of the objects the images were classified into fourteen classes and the land use of the basin was extracted in the two periods of 1990 and 2019. object oriented classification with a kappa coefficient of 93% and based on the overall classification accuracy of 0.9235, the result of the classification by object oriented method is more accurate and the classification accuracy is at an acceptable level, which among the parameters that were considered to achieve this accuracy can be parameters such as, class neighborhood, band values and use of spectral indices used to separate units and the number of repetitions of classification operations. according to the changes in the area of the classrooms in the 30 year dimension, it was found that most of the uses are primarily related to the rangeland class, which occupies an area of approximately 1391.42 square kilometers. then, the use of rainfed and fallow agriculture with an area of 850.55 square kilometers and barren lands with an area of 665.40 square kilometers are the most common areas. these land uses have the most areas in 2019, with the difference that the land use of the rangeland has an area of 1137.06 square kilometers and dryland agriculture has an area of 1013.08 square kilometers, and barren lands have been reduced to an area of/2015 / 35 square kilometers, and instead the area irrigation has increased from 45.69 to 387.82 square kilometers.