تحلیل چندزمانۀ تأثیر گردوغبار صنعتی کارخانۀ سیمان مازندران بر پوشش جنگلی اطراف آن

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه سنجش از دور و GIS، دانشکدۀ جغرافیا، دانشگاه تهران، تهران، ایران

2 دانشیار، گروه سنجش از دور و GIS، دانشکدۀ جغرافیا، دانشگاه تهران، تهران، ایران

3 استادیار، گروه سنجش از دور و GIS، دانشگاه تربیت مدرس، تهران، ایران

چکیده

هدف این پژوهش، بررسی تأثیر گردوغبارهای صنعتی با تحلیل شاخص چند‌زمانۀ پوشش گیاهی NDVI استخراج‌شده از تصاویر ماهواره‌ای لندست در محدودۀ جنگلی زرندین در بخش سه طرح جنگلداری نکا- ظالمرود از جنگل‌های هیرکانی شمال کشور بود. بدین منظور، مطابق با موقعیت پیکسل‌های محصولات مودیس چهار پیکسل 250 متری متأثر از گردوغبار صنعتی در نزدیکی کانون گردوغبار در بازدیدهای میدانی شناسایی و انتخاب شد. مقدار همبستگی برای شاخص EVI و شاخص SPI با تأخیر زمانی هفت‌ماهه، 15/0 و برای شاخص NDVI با تأخیر زمانی هشت‌ماهه، 13/0 و غیرمعنادار بود. تحلیل شاخص NDVI در فواصل مختلف (کمتر از 800 متر تا بیشتر از 2000 متر) از کانون آلودگی در طول سال‌های دسترسی به تصاویر لندست (1972 تا 2017 میلادی) روند کاهشی را نشان داد. نتایج رگرسیون خطی سادۀ شاخص NDVI و زمان در فواصل مختلف از کانون آلودگی نشان داد که گذشت زمان با تغییرات شاخص NDVI در فاصلۀ کمتر از 800 متر از کانون آلودگی رابطۀ معکوس (ضریب تبیین رگرسیون 837/0) داشت. با افزایش فاصله از کانون آلودگی، تغییرات شاخص NDVI در طول زمان کمتر شد، به‌طوری که در فاصلۀ بیشتر از 2000 متر، ضریب تبیین رگرسیون بین زمان و تغییرات شاخص NDVI به صفر رسید. با توجه به ناچیز بودن تأثیر خشکسالی و تغییرات کمّی پوشش گیاهی در محدودۀ مطالعاتی، نتایج تحقیق می‌تواند بیانگر تأثیر گردوغبار صنعتی در ایجاد تنش پوشش گیاهی جنگلی در اطراف کارخانۀ سیمان مازندران باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Multi-temporal analysis of the industrial dusts effects of Mazandaran cement plant on neighbouring forest cover

نویسندگان [English]

  • ALI ASHRAFI 1
  • Yousef Erfanifard 2
  • Farshad Amiraslani 2
  • Ali Darvishi Boloorani 2
  • Ali Jafar Mousivand 3
1 Ph.D. Student, Department of Remote Sensing and GIS, College of Geography, University of Tehran, Tehran, I.R. Iran
2 Assoc. Prof., Department of Remote Sensing and GIS, College of Geography, University of Tehran, Tehran, I.R. Iran
3 Assist. Prof., Department of Remote Sensing and GIS, Tarbiat Modares University, Tehran, I.R. Iran
چکیده [English]

The present study aims to investigate the effects of industrial dusts on Zarandin forest covering section 3 of the Neka-Zalemrood Forestry Plan in the northern Hyrcanian forests by analyzing NDVI vegetation indices extracted from Landsat satellite imagery. To this end, in accordance with the position of the MODIS pixels, four 250 m pixels affected by industrial dust were identified near the dust center during field visits. The correlation coefficient between EVI and SPI with a 7 month lag was 0.15 and for NDVI with 8 month lag was 0.13. The p-value was not significant. The NDVI at different distances (from less than 800 m to more than 2000 m) of the pollution center during the years of access to Landsat images (1972-2017) showed a decreasing trend. Simple linear regression results of NDVI and time at different distances from the pollution center showed that the passage of time had an inverse correlation with NDVI in less than 800 m distance from the pollution center and its regression coefficient (R2) was 0.837. By increasing the distance from the pollution center, the NDVI variations decreased over time so that the explanation of the regression coefficient between time and NDVI reached zero in a distance more than 2000 m. Due to the small role of drought and quantitative changes of vegetation in the study area, it strengthened the role of industrial dust due to industrial activities in causing forest vegetation stress.

کلیدواژه‌ها [English]

  • Hyrcanian forest
  • industrial dust
  • vegetation stress (tension)
  • NDVI
  • Mazandaran cement plant
[1]. Coppin, P., Jonckheere, I., Nackaerts, K., Muys, B., and Lambin, E. (2004). Digital change detection methods in ecosystem monitoring: A review. International Journal of Remote Sensing, 25(9): 1565–1596.
[2]. Nemani, R., Votava, P., Michaelis, A., Melton, F., and Milesi, C. (2011). Collaborative Supercomputing for Global Change Science. EOS, 92(13): 109–110 .
[3]. Mousavi, S.Z., Motasadi, S., Jouzi, A., and Khorasani, N.A. (2016). Investigating the Effects of the Dust from Cement Industry on Vegetation Diversity and Density, Case Study: Shahroud Cement Industry. Journal of Health, 6(4): 429–438.
[4]. Iqbal, M.Z., and Shafüg, M. (2000). Periodical Effect of Cement Dust Pollution on the Growth of Some Plant Species. Turkish Journal of Botany, 25(1): 19-24.
[5]. Rafiq, R., and Kumawat, D.M. (2016). Impact of Cement industry Pollution on Physio-morphological attributes of Apricot tree (Prunus armeniaca) around industrial belt Khrew, Kashmir. International Archive of Applied Sciences & Technology, 7(1): 1-5.
[6] Roudgarmi, P., Khorasani, N.A., Monaveri, S.M., and Nouri, G. (2009). Predict the effects of development environment using satellite imagery and remote sensing technique. Environmental Science and Technology, 11(1): 161–172.
[7]. Flory, S. L., and Clay, K. (2006). Invasive shrub distribution varies with distance to roads and stand age in eastern deciduous forests in Indiana, USA. Plant Ecology, 184(1): 131–141 .
[8]. Wu, Z., Yu, L., Zhang, X., Du, Z., and Zhang, H. (2019). Satellite-based large-scale vegetation dynamics in ecological restoration programmes of Northern China. International Journal of Remote Sensing, 40(5–6): 2296–2312.
[9]. Anonymous (2011). Neka Zalarmud Forestry Plan. Forests, Rangelands and Watershed Management Organization, Section 3, Series 2, 200 p.
[10]. Jensen, J. R. (2015). Introductory Digital Image Processing: A Remote Sensing Perspective, Prentice Hall Press, New York.
[11]. Verhoef, W., Menenti, M., and Azzali, S. (1996).Cover a colour composite of NOAA-AVHRR-NDVI based on time series analysis (1981-1992). International Journal of Remote Sensing, 17(2): 231–235.
[12]. Baroutian, S., Mohebbi, A., and Soltani Goharrizi, A. (2006). Measuring and modeling particulate dispersion: A case study of Kerman Cement Plant. Journal of Hazardous Materials, 136(3): 468–474.
[13]. Webster, R., and Oliver, M.A. (2007). Geostatistics for Environmental Scientists, John Wiley & Sons, Chichester.
[14]. Hansen, M.C., Potapov, P.V., Moore, R., Hancher, M., Turubanova, S.A., Tyukavina, A., Thau, D., Stehman, S.V., Goetz, S.J., Loveland, T.R., Kommareddy, A., Egorov, A., Chini, L., Justice, C.O., and Townshend, J.R.G. (2013). High-resolution global maps of 21st-century forest cover change. Science, 342(6160): 850-853.
[15]. Naderi Varandi, M. Kialashaki, A. Veisi, R., and Sheykheslami, A. (2018). Effect of altitude on some quantitative and qualitative characteristics of Populus deltoids trees. Ecology of Iranian Forests, 6(12): 30–38.
[16]. Beguería, S., and Vicente-Serrano, S.M. (2013). SPEI: calculation of the standardised precipitation-evapotranspiration index. R package version, 1, 6.
[17]. Bhuiyan, C., Singh, R.P., and Kogan, F.N. (2006). Monitoring drought dynamics in the Aravalli region (India) using different indices based on ground and remote sensing data. International Journal of Applied Earth Observation and Geoinformation, 8(4): 289-302.
[18]. Darivasi, S., Saeb, K., and Mollashahi, M. (2016). Effects of distance from pollutant sources on heavy metal concentrations around Neka cement factory soil. Journal of Environmental Science and Technology, 17(4): 33-44.
[19]. Sadeghi, R., and Khorasani, N.A. (2009). Investigation of dust effects resulting from cement industries on variation and density of rangeland vegetation cover Case study: Abyek cement factory. Journal of Environmental Science and Technology, 11(1): 107–120.
[20]. Delgado, J.D., Arroyo, N.L., Arévalo, J.R., and Fernández-Palacios, J.M. (2007). Edge effects of roads on temperature, light, canopy cover, and canopy height in laurel and pine forests (Tenerife, Canary Islands). Landscape and Urban planning, 81(4): 328-340.