ارزیابی تغییرات کیفیت زیستگاه و شناسایی تهدیدات کلیدی محیطی با استفاده از داده‌های گوگل ارث‌انجین (GEE)، مدل InVEST و تحلیل لکه‌های حرارتی (مطالعه موردی؛ خورخوران استان هرمزگان)

نوع مقاله : مقاله پژوهشی -مطالعه موردی

نویسندگان

1 دانشیار، مرکز مطالعات و تحقیقات هرمز، دانشگاه هرمزگان، بندرعباس، ایران.

2 استادیار، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران.

3 استادیار، مرکز مطالعات و تحقیقات هرمز، دانشگاه هرمزگان، بندرعباس، ایران.

10.22124/gscaj.2025.30665.1359

چکیده

جنگل‌های حرا به‌عنوان بوم‌سازگان‌های ساحلی حیاتی، نقش کلیدی در حفاظت از تنوع زیستی، تعدیل تغییرات اقلیمی و تأمین معیشت جوامع محلی دارند. در مطالعه حاضر هدف شناسایی تغییرات و جابجایی مرزهای کیفیت زیستگاه جنگل‌های حرای منطقه حفاظت شده خورخوران استان هرمزگان با استفاده از داده‌های محیطی گوگل ارث انجین به‌عنوان تهدیدات محیطی، استفاده از خروجی کیفیت زیستگاه مدل اینوست (InVEST) و تحلیل خوشه‌های سرد و گرم در سامانه اطلاعات جغرافیایی برای شناسایی تغییرات و جابجایی‌های کیفیت زیستگاه در سال‌های 2019 و 2024 بود. همچنین در این مطالعه از آزمون‌های t و ویلکاکسون برای شناسایی تهدیدات کلیدی بر روند تغییرات صورت گرفته استفاده شد. در این خصوص، کلیه متغیرهای محیطی از سامانه گوگل ارث انجین (GEE) اخذ شدند. بررسی نتایج، الگوی خوشه‌ای معنادار در تغییرات مکانی کیفیت زیستگاه جنگل­های حرا را نشان داد. لذا کاهش یکپارچگی اکولوژیکی و افزایش پراکندگی تصادفی درختان از 16/93 در سال 2019 به 31/55 هکتار در سال 2024 مشاهده شد و در بازه زمانی 6 ساله مرز تبدیل مناطق پرتراکم به کم ­تراکم جنگل­های حرا به‌طور متوسط 100 متر به سمت مناطق مرکزی این زیستگاه عقب­ نشینی کرده است و سطح نواحی دارای تراکم بسیار بالای جنگل­های حرا 6/134 هکتار کاهش یافته­ است. همچنین 24/326 هکتار به سطح لکه ­های سرد (کیفیت پایین زیستگاه) جنگل­های حرا اضافه شده است. در این راستا، بیشترین اثر بر کیفیت زیستگاه را متغیر کمبود آب شیرین در خاک با 0/6 و 0/8 به ­ترتیب برای سال­های 2019 و 2024 سبب شده است. نتایج آزمون­ های t  و ویلکاکسون اگرچه تغییرات کلی در سطح تهدیدات محیط زیستی را معنی‌دار نشان نداد، ولی برخی متغیرهای کلیدی (به ویژه کمبود آب شیرین و آئروسل) تغییرات هشداردهنده‌ای داشته‌اند که نیازمند مداخله مدیریتی است.

تازه های تحقیق

  • از مدل اینوست و شاخص موران برای بررسی کیفیت زیستگاه جنگل حرا خورخوران در بازه زمانی 2019 تا 2024 استفاده شد.
  • مرز جنگل‌های متراکم حرا بین سال‌های ۲۰۱۹ تا ۲۰۲۴ حدود ۱۰۰ متر عقب‌نشینی کرده است.
  • کیفیت پایین زیستگاه حرا ۳۲۶ هکتار افزایش یافته است و کمبود آب شیرین در خاک، اصلی‌ترین عامل افت کیفیت زیستگاه بوده است.

کلیدواژه‌ها

موضوعات

مراجع

پولادتن، لیا و برنجی، مهزاد و مقدم نیا، نازنین. (1390)،تاثیر آلاینده‌های نفتی بر درختان حرا منطقه نایبند، همایش منطقه‌ای جنگل‌ها و محیط زیست ضامن توسعه پایدار.
سبزقبائی، غلامرضا، دشتی، سیده سولماز، بزم آرا بلشتی، مژگان و جعفرزاده، کاوه. (1394)، آشکارسازی روند تغییرپذیری منطقه حفاظت شده حرای خورخوران، زیست شناسی دریا، 7 (2)، ص.ص 1-12.
کاظمی، محمد و جعفرپور، عاطفه. (1403). طبقه‌بندی سری زمانی کاربری اراضی با استفاده از شاخص‌های طیفی، تصاویر سنتینل 2 و نمونه‌های آموزشی متغیر در بستر گوگل ارث انجین (GEE). علوم و مهندسی آبخیزداری ایران. 18 (67): صص 1-15.
Alemu, J. B., Richards, D. R., Gaw, L. Y. F., Masoudi, M., Nathan, Y., & Friess, D. A. (2021). Identifying spatial patterns and interactions among multiple ecosystem services in an urban mangrove landscape. Ecological Indicators, 121, 107042. https://doi.org/10.1016/j.ecolind.2020.107042
Al-Huqail, A. A., Islam, Z., & Al-Harbi, H. F. (2025). Ecological Stress Modeling to Conserve Mangrove Ecosystem Along the Jazan Coast of Saudi Arabia. Land, 14(1), 70. https://doi.org/10.3390/land14010070
Alongi, D. M. (2002). Present state and future of the world's mangrove forests. Environmental conservation, 29(3), pp. 331-349. https://doi.org/10.1017/S0376892902000231
Alongi, D. M. (2015). The impact of climate change on mangrove forests. Current Climate Change Reports, 1, pp. 30-39.‏ https://doi.org/10.1007/s40641-015-0002-x
Almahasheer, H., Serrano, O., Duarte, C. M., Arias-Ortiz, A., Masque, P., & Irigoien, X. (2017). Low carbon sink capacity of Red Sea mangroves. Scientific reports, 7(1), 9700.‏ https://doi.org/10.1038/s41598-017-10424-9
Anselin, L. (1995). Local indicators of spatial association—LISA. Geographical analysis, 27(2), pp. 93-115. https://doi.org/10.1111/j.1538-4632.1995.tb00338.x
Aznarez, C., Svenning, J. C., Taveira, G., Baró, F., & Pascual, U. 2022. Wildness and habitat quality drive spatial patterns of urban biodiversity. Landsc. Urban Plan., 228, 104570.‏ https://doi.org/10.1016/j.landurbplan.2022.104570
Barbier, E. B., Hacker, S. D., Kennedy, C., Koch, E. W., Stier, A. C., & Silliman, B. R. (2011). The value of estuarine and coastal ecosystem services. Ecological monographs, 81(2), pp. 169-193.  https://doi.org/10.1890/10-1510.1
Berta Aneseyee, A., Noszczyk, T., Soromessa, T., & Elias, E. 2020. The InVEST habitat quality model associated with land use/cover changes: A qualitative case study of the Winike Watershed in the Omo-Gibe Basin, Southwest Ethiopia. Remote Sens., 12(7), 1103.‏ https://doi.org/10.3390/rs12071103
Caro, C., Marques, J. C., Cunha, P. P., & Teixeira, Z. 2020. Ecosystem services as a resilience descriptor in habitat risk assessment using the InVEST model. Ecol. Indic., 115, 106426. https://doi.org/10.1016/j.ecolind.2020.106426
Chen, Y., Qiao, F., & Jiang, L. (2016). Effects of land use pattern change on regional scale habitat quality based on InVEST modeld—a case study in Beijing. Acta Scientiarum Naturalium Universitatis Pekinensis, 52, pp. 553–562.
Cinco-Castro, S., & Herrera-Silveira, J. (2020). Vulnerability of mangrove ecosystems to climate change effects: The case of the Yucatan Peninsula. Ocean & coastal management, 192, 105196. https://doi.org/10.1016/j.ocecoaman.2020.105196
Dashtbozorgi, F., Hedayatiaghmashhadi, A., Dashtbozorgi, A., Ruiz–Agudelo, C. A., Fürst, C., Cirella, G. T., & Naderi, M. (2023). Ecosystem services valuation using InVEST modeling: Case from southern Iranian mangrove forests. Regional Studies in Marine Science, 60, 102813. https://doi.org/10.1016/j.rsma.2023.102813
Duke, N. C., Kovacs, J. M., Griffiths, A. D., Preece, L., Hill, D. J., Van Oosterzee, P., ... & Burrows, D. (2017). Large-scale dieback of mangroves in Australia’s Gulf of Carpentaria: a severe ecosystem response, coincidental with an unusually extreme weather event. Marine and Freshwater Research, 68(10), pp. 1816-1829.‏ https://doi.org/10.1071/MF16322
Ghayoumi, R., Ebrahimi, E., & Mousavi, S. M. (2022). Dynamics of mangrove forest distribution changes in Iran. Journal of Water and Climate Change, 13(6), pp. 2479-2489.‏ https://doi.org/10.2166/wcc.2022.069
Getis, A., & Ord, J. K. (1992). The analysis of spatial association by use of distance statistics. Geographical analysis, 24(3), pp. 189-206. https://doi.org/10.1111/j.1538-4632.1992.tb00261.x
Gilman, E. L., Ellison, J., Duke, N. C., & Field, C. (2008). Threats to mangroves from climate change and adaptation options: a review. Aquatic botany, 89(2), pp. 237-250. https://doi.org/10.1016/j.aquabot.2007.12.009
Giri, C., Long, J., Abbas, S., Murali, R. M., Qamer, F. M., Pengra, B., & Thau, D. (2015). Distribution and dynamics of mangrove forests of South Asia. Journal of environmental management, 148, pp. 101-111.‏ https://doi.org/10.1016/j.jenvman.2014.01.020
Giri, C., Ochieng, E., Tieszen, L. L., Zhu, Z., Singh, A., Loveland, T., ... & Duke, N. (2011). Status and distribution of mangrove forests of the world using earth observation satellite data. Global ecology and biogeography, 20(1), pp. 154-159.‏  https://doi.org/10.1111/j.1466-8238.2010.00584.x
Gu, L., Yan, J., Li, Y., & Gong, Z. (2023). Spatial–temporal evolution and correlation analysis between habitat quality and landscape patterns based on land use change in Shaanxi Province, China. Ecology and Evolution, 13(11), e10657. https://doi.org/10.1002/ece3.10657.
Hagger, V., Worthington, T. A., Lovelock, C. E., Adame, M. F., Amano, T., Brown, B. M., ... & Saunders, M. I. (2022). Drivers of global mangrove loss and gain in social-ecological systems. Nature Communications, 13(1), 6373. 1-16. https://doi.org/10.1038/s41467-022-33962-x
Hou, Y., & Wu, J. 2024. Land-use and habitat quality prediction in the Fen River Basin based on PLUS and InVEST models. Front. environ. sci., 12, 1386549.‏ https://doi.org/10.3389/fenvs.2024.1386549
Mondal, I., Naskar, P. K., Alsulamy, S., Jose, F., Hossain, S. A., Mohammad, L., ... & Juliev, M. (2024). Habitat quality and degradation change analysis for the Sundarbans mangrove forest using invest habitat quality model and machine learning. Environment, Development and Sustainability, pp.1-26. https://doi.org/10.1007/s10668-024-05257-2
Mutanga, O., & Kumar, L. (2019). Google earth engine applications. Remote sensing, 11(5), 591.‏
Polidoro, B. A., Carpenter, K. E., Collins, L., Duke, N. C., Ellison, A. M., Ellison, J. C., ... & Yong, J. W. H. (2010). The loss of species: mangrove extinction risk and geographic areas of global concern. PloS one, 5(4), e10095. https://doi.org/10.1371/journal.pone.0010095
Sabzghabaei G R, Dashti S S, BazmaraBaleshti M, Jafarzadeh K. Change Detection of Khoor_e_khooran Harra Protected Area Using Remote Sensing and GIS. 3 2015; 7 (2) :1-12. http://jmb.ahvaz.iau.ir/article-1-367-fa.html
Saputra, W., Giyarsih, S. R., & Muhidin, S. (2023). Spatial analysis of slum areas on the riverbanks of Palembang City using the Anselin Local Moran’s I analysis. GeoJournal, 88(6), pp. 6523-6538. https://doi.org/10.1007/s10708-023-10983-7
Sasmito, S. D., Taillardat, P., Clendenning, J. N., Cameron, C., Friess, D. A., Murdiyarso, D., & Hutley, L. B. (2019). Effect of land‐use and land‐cover change on mangrove blue carbon: A systematic review. Global change biology, 25(12), pp. 4291-4302.‏  https://doi.org/10.1111/gcb.14774
Sanaullah, S., Yang, D., Zhong, R., Zhao, L., Shafi, M., & Akbar, A. J. (2025). Mangrove dynamics in Pakistan: A long-term study of coastal ecosystem shifts over more than three decades. Ecological Indicators, 174, 113452.‏ https://doi.org/10.1016/j.ecolind.2025.113452
Savari, M., Damaneh, H. E., & Damaneh, H. E. (2022). Factors involved in the degradation of mangrove forests in Iran: A mixed study for the management of this ecosystem. Journal for Nature Conservation, 66, 126153. 1-17. https://doi.org/10.1016/j.jnc.2022.126153
Solek, C.W., Stein, E.D. & Sutula, M. (2011). Demonstration of an integrated watershed assessment using a three-tiered assessment framework. Wetlands Ecol Manage 19, pp. 459–474. https://doi.org/10.1007/s11273-011-9230-6
Sumarmi, S., Purwanto, P., & Bachri, S. (2021). Spatial analysis of mangrove forest management to reduce air temperature and CO2 emissions. Sustainability, 13(14), 8090.  https://doi.org/10.3390/su13148090
Qin, W., Ismail, M. H., Ramli, M. F., Deng, J., & Wu, N. (2025). Evaluation and Prediction of Ecological Quality Based on Remote Sensing Environmental Index and Cellular Automata-Markov. Sustainability, 17(8), 3640.‏ https:// doi.org/10.3390/su17083640
Tinh, P. H., MacKenzie, R. A., Hung, T. D., Hanh, N. T. H., Hanh, N. H., Manh, D. Q., ... & Tuan, M. S. (2022). Distribution and drivers of Vietnam mangrove deforestation from 1995 to 2019. Mitigation and Adaptation Strategies for Global Change, 27(4), 29. https://doi.org/10.1007/s11027-022-10005-w
Tun, A. W., Tong, X., Aye, W. N., & Li, J. (2025). Stand Structures and Carbon Storage Potential of Mangroves in Chaungkaphee Protected Public Forest, Tanintharyi Coastal Region, Myanmar. Forests, 16(3), 554. https://doi.org/10.3390/f16030554
Wang, B., & Cheng, W. 2022. Effects of land use/cover on regional habitat quality under different geomorphic types based on InVEST model. Remote Sens., 14(5), 1279.‏ https://doi.org/10.3390/rs14051279
Wang, R., Zhuang, H., Cheng, M., Yang, H., Wang, W., Ci, H., & Yan, Z. (2025). Spatial and Temporal Variations of Habitat Quality and Influencing Factors in Urban Agglomerations on the North Slope of Tianshan Mountains, China. Land, 14(3), 539. https://doi.org/10.3390/land14030539
Wiarta, R., Firdaus Silamon, R., ISHAG ARBAB, M. O. H. A. M. M. E. D., Badshah, M. T., Hayat, U., & Meng, J. (2025). Assessing of Driving Factors and Change Detection of Mangrove Forest in Kubu Raya District, Indonesia. Frontiers in Forests and Global Change, 8, 1511361. https://doi: 10.3389/ffgc.2025.1511361
Xu, M., Wang, Z., Liang, Y., Mo, Z., & Zhang, Q. (2024). Analysis of spatiotemporal evolution characteristics and recovery patterns of mangrove forests in China since 1978. Ecological Indicators, 169, 112882. https://doi.org/10.1016/j.ecolind.2024.112882
Yuan, Y., Cave, M., & Zhang, C. (2018). Using Local Moran's I to identify contamination hotspots of rare earth elements in urban soils of London. Applied geochemistry, 88, 167-178.‏

فایل ها

هم رسانی

ارجاع به این مقاله

آمار