مدلسازی تغییرات پوشش اراضی و تأثیرات آن بر ذخیره‌سازی کربن در کلان‌شهر تهران

نوع مقاله : مقاله پژوهشی

نویسنده

گروه محیط زیست_ دانشکده منابع طبیعی_دانشگاه تربیت مدرس

چکیده

چکیده

رشد سریع جمعیت در کلان‌شهر تهران منجر به تغییرات گسترده‌ای در کاربری اراضی، از جمله گسترش مناطق شهری، زمین‌های کشاورزی، و اراضی صنعتی شده است. این تغییرات تأثیرات مهمی بر فرآیندهای زیست‌محیطی مانند ذخیره‌سازی کربن داشته‌اند. این مطالعه با هدف بررسی تغییرات کاربری/پوشش زمین و تحلیل اثرات آن بر ظرفیت ذخیره‌سازی کربن تهران در سال‌های 2017 تا 2023 انجام شد. برای این منظور، تصاویر ماهواره‌ای سنتینل-2 استفاده شده و نقشه‌های کاربری اراضی با بهره‌گیری از تصاویر گوگل ارث و شاخص‌های صحت و کاپا اعتبارسنجی شدند. بررسی تغییرات آینده با استفاده از مدل‌های شبکه عصبی مصنوعی، زنجیره مارکوف و مدل تغییرات کاربری اراضی (LCM) انجام گرفت. نتایج نشان داد که از سال 2017 تا 2023، گسترش مناطق مسکونی و شهری همراه با کاهش فضاهای سبز و اراضی کشاورزی رخ داده است. این تغییرات منجر به کاهش ظرفیت ذخیره‌سازی کربن در بخش‌هایی از کلان‌شهر شده‌اند. پیش‌بینی‌ها نشان می‌دهند که روند گسترش مناطق مسکونی، به‌ویژه در بخش‌های غربی، جنوبی و جنوب غربی، در سال‌های آینده ادامه خواهد داشت، هرچند با سرعت کمتری نسبت به دوره قبلی. یافته‌های این پژوهش بر اهمیت برنامه‌ریزی کاربری زمین برای بهبود ذخیره‌سازی کربن در مناطق شهری تأکید دارد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Land Cover Changes Modeling and its Impacts on Carbon Storage in Tehran metropolis

نویسنده [English]

  • niki aghapour
Department of Environment, Faculty of Natural Resources, Tarbiat Modares University
چکیده [English]

Abstract

Rapid population growth in Tehran metropolis has led to extensive changes in land use, including the expansion of urban areas, agricultural lands, and industrial lands. These changes have had important impacts on environmental processes such as carbon storage. This study aimed to investigate land use/cover changes and analyze their effects on Tehran's carbon storage capacity from 2017 to 2023. For this purpose, Sentinel-2 satellite images were used and land use maps were validated using Google Earth images and accuracy and kappa indices. Future changes were predicted using artificial neural network, Markov chain, and land use change model (LCM) models. The results showed that from 2017 to 2023, residential and urban areas expanded along with the reduction of green spaces and agricultural lands. These changes have led to a decrease in carbon storage capacity in parts of the metropolis. Projections indicate that the trend of residential expansion, particularly in the western, southern and southwestern parts, will continue in the coming years, although at a slower pace than in the previous period. The findings of this study emphasize the importance of land-use planning to improve carbon storage in urban areas.

کلیدواژه‌ها [English]

  • Investigating user changes
  • LCM model
  • artificial neural network
  • Tehran