این مطالعه تغییر پوشش زمین را در سایت‌های معدنی معدن طلای پراید طلایی (GPGM) و معدن طلای گیتا (GGM)، تانزانیا بررسی کرد. داده‌های ماهواره‌ای برای طبقه‌بندی پوشش زمین برای سال‌های 1997، 2010 و 2017 از پایگاه داده آنلاین دپارتمان‌های زمین‌شناسی ایالات متحده (USGS) به‌دست آمد و با استفاده از نرم‌افزار Arc GIS 10 مورد تجزیه و تحلیل قرار گرفت. طبقه بندی نظارت شده متشکل از هفت طبقه جنگل، بوته زار، کشاورزی، آب، خاک برهنه، ناحیه شهری و مرتع برای این مطالعه طراحی شد تا تصاویر لندست را در نقشه های موضوعی طبقه بندی کند. علاوه بر این، تغییرات آتی پوشش زمین برای سال 2027 با استفاده از مدل اتوماتای ​​سلولی (CA) – مارکوف پس از اعتبارسنجی مدل با استفاده از پوشش زمین برای سال 2017 شبیه‌سازی شد. نتایج حاصل از تجزیه و تحلیل LULC نشان داد کهدر سال 1997 در GPGM و GGM به ترتيب 510 هكتار (52.1 درصد) و 9833 هكتار (49.7 درصد) جنگل، غالب ترين نوع پوشش اراضي بود . در سال 2017 ، مساحت جنگل کاهش یافت و بوته‌زار جایگزین جنگل شد تا غالب‌ترین نوع پوشش زمین با 219 هکتار (22.4 درصد) برای GPGM و 8878 هکتار (44.9 درصد) برای GGM باشد. بر اساس مدل CA-Markov، نقشه پوشش اراضی پیش‌بینی‌شده برای سال 2027 با پوشش جنگلی به ترتیب 340 هکتار (34.7٪) و 8639 هکتار (43.7٪) برای GPGM و GGM تحت سلطه بود. دقت کلی و ضریب کاپا برای GPGM به ترتیب 74.7% و 70.2% و برای GGM به ترتیب 71.4% و 66.1% بود. بنابراین، تغییرات پوشش زمین ناشی از فعالیت های معدنی شامل می شود کاهش اراضی جنگلی در نتیجه تنوع زیستی را به خطر می اندازد. فناوری‌های GIS و سنجش از دور بالقوه برای شناسایی روند تغییرات و پیش‌بینی پوشش زمین در آینده هستند. یافته‌ها بسیار مهم هستند زیرا مبنایی برای برنامه‌ریزی کاربری زمین فراهم می‌کند و برنامه‌های نظارتی در مناطق معدنی تانزانیا را تشدید می‌کند.

کلید واژه ها

پوشش زمین ، سنجش از دور ، تشخیص تغییر ، ارزیابی دقت

1. مقدمه

استخراج معادن عبارت است از استخراج مواد با ارزش از سطح زمین معمولاً از سنگ معدن که در نتیجه منجر به از بین رفتن پوشش گیاهی، از بین رفتن خاک و از بین رفتن سنگ می شود [ 1 ]. مناطق معدنی از نظر زمین شناسی توسط منابع معدنی مقرون به صرفه تعریف می شوند و اغلب تحت تغییرات ناگهانی و گسترده در پوشش زمین قرار می گیرند [ 2 ]. استخراج معادن در مقیاس بزرگ یکی از صنایع رو به رشد اصلی در تانزانیا است. استخراج معادن در مقیاس بزرگ به ویژه در روباز شامل پاکسازی مساحت وسیعی از زمین و جنگل است که منجر به تغییرات جدی پوشش زمین می شود [ 3 ]]. در طول دو دهه گذشته، معدن طلای پراید طلایی (GPGM) و معدن طلای گیتا (GGM) در میان معادن طلای میدان طلای دریاچه ویکتوریا، به دلیل عملیات معدنی در مناطق معدنی دارای مجوز، تغییرات زیادی در پوشش زمین داشته اند. پوشش زمین ویژگی های زنده یا غیر زنده ای است که سطح زمین را می پوشاند مانند جنگل، خاک برهنه، علفزار، بوته زار و آب [ 3 ].

از دیدگاه زیست محیطی، فرآیند پویای تغییر پوشش زمین به عنوان قابل توجه ترین اختلالات انسانی محیط توصیف شده است [ 4 ] [ 5 ]. این یک متغیر پویا است زیرا تعامل بین فعالیت‌های اجتماعی-اقتصادی و تغییرات محیطی منطقه‌ای را منعکس می‌کند و به همین دلیل، لازم است به طور مکرر به روز شود [ 6 ]. پوشش زمین در شناسایی و نقشه برداری منابع طبیعی و فعالیت های انسانی که تأثیر زیادی بر تخریب چشم انداز و خاک دارد، ضروری است [ 7 ] [ 8 ]. اطلاعات مربوط به پوشش زمین نقش کلیدی در مدیریت منابع طبیعی و برنامه ریزی فضایی دارد [ 9 ] [ 10 ].

این مطالعه از سنجش از دور (RS) و سیستم اطلاعات جغرافیایی (GIS) برای نظارت بر روند تغییر پوشش زمین در مناطق معدنی و برای پیش‌بینی پوشش زمین در آینده استفاده کرد [ 11 ]. تکنیک‌های سنجش از دور در طول سال‌ها مورد استفاده قرار گرفته‌اند و ثابت کرده‌اند که ارزش زیادی برای نظارت بر تغییرات در فواصل زمانی منظم دارند [ 8 ]. استفاده از داده های سنجش از دور ماهواره ای یک گزینه عملی برای شناسایی و نقشه برداری دسته های پوشش زمین است [ 12 ]. نقشه برداری پوشش زمین با استفاده از تصاویر سنجش از دور ماهواره ای در دهه های اخیر بسیار رایج شده است [ 13 ]]. دلایل انتخاب دوره‌های تصویر ماهواره‌ای برای این مطالعه، فازهای پروژه‌های معدنی از قبل از استخراج، حین عملیات فعال و فازهای پس از معدن را در نظر گرفته است. علاوه بر این، ابزارهای GIS برای ایجاد پایگاه داده‌های جغرافیایی و ادغام داده‌های استخراج‌شده از تصاویر ماهواره‌ای با کلاس‌هایی از مدل‌های پوشش زمین در حال حاضر در دسترس استفاده می‌شوند [ 6 ]. با این حال، کشورهای در حال توسعه هنوز به طور قابل توجهی در مقایسه با کشورهای توسعه یافته در استفاده از فناوری سنجش از دور و GIS عقب هستند. مدل‌های تغییر پوشش زمین برای ارزیابی اثرات انسانی و طبیعی، پیش‌بینی الگوهای آتی تغییرات کاربری زمین، کمک به ذینفعان منابع طبیعی برای دستیابی به محیط‌های پایدار و برنامه‌ریزی و مدیریت تحول زمین بسیار مفید هستند [ 11 ].]. یک GIS را می توان برای پیش بینی سناریوی آینده پوشش زمین با استفاده از مدل خودکار سلولی (CA) مارکوف ادغام کرد.

مدل CA مارکوف به طور گسترده ای برای پیش بینی و تحلیل مسیر احتمالی آینده LULC در یک دوره مشخص و برای توصیف پویایی کاربری/پوشش زمین، پوشش جنگل، مدیریت ساحلی، چشم انداز تالاب و غیره استفاده می شود [ 14 ] [ 15 ] [ 16 ] [ 17 ]. قلب یک مدل CA مارکوف ماتریس انتقال بین تصاویر زمانی مختلف برای پیش‌بینی رویدادهای آینده است [ 18 ] [ 19 ]. به طور کلی، مدل‌سازی‌های سنتی مختلف در جغرافیا با استفاده از تکنیک‌های بهینه‌سازی دینامیکی، یک طرح فضایی از سطوح زمین کنونی و گذشته ایجاد می‌کنند [ 18 ].]. مدل‌های رایج برای تخمین تغییرات پوشش زمین، مدل‌های آماری، مدل‌های مبتنی بر معادلات تحلیلی، مدل‌های تکاملی، مدل‌های سلولی، مدل‌های مارکوف، مدل‌های ترکیبی، مدل‌های سیستم خبره و مدل‌های چند عاملی هستند [ 20 ]. در حال حاضر، متداول‌ترین مدل‌های مورد استفاده در پایش و پیش‌بینی تغییر پوشش زمین، مدل ترکیبی است [ 20 ].]. مدل CA-Markov ترکیبی از مدل‌های Cellular Automata و Markov است. مدل CA مارکوف مزایای زیادی برای مدل‌سازی جغرافیایی دارد. این مدل قادر به پشتیبانی از فضاهای پارامتری بسیار بزرگ برای شبیه سازی است، این مدل با استفاده از تبدیل شطرنجی محلی ساده از فضا و پیچیدگی فضایی استفاده می کند، می تواند روابط فضا-زمان را با هم ترکیب کند، و همچنین از مفاهیم جداگانه فضا و زمان پشتیبانی کند. علاوه بر این، مدل قادر به نمایش الگو، فرآیند، فرم و عملکرد است. مدل CA مارکوف برای کمک به برنامه ریزان کاربری زمین برای تصمیم گیری برنامه ریزی کاربری زمین حیاتی است.

تانزانیا، مانند بسیاری از کشورهای در حال توسعه دیگر، فعالیت‌های استخراج طلا در مقیاس بزرگ معمولاً زمین‌های پوشیده از پوشش گیاهی را از طریق فرآیند پاک‌سازی جنگل برای تشکیل اجزای معدنی مانند گودال‌ها، زباله‌های سنگ‌های زباله و تأسیسات ذخیره‌سازی باطله کاهش می‌دهد. با این حال، کشورها همچنان از روش سنتی بررسی میدانی به جای فناوری سنجش از دور و GIS برای نظارت بر روند تغییرات پوشش زمین در مناطق معدنی استفاده می کنند. این فناوری سنتی با کارایی پایین، نیازمند نیروی کار زیاد و غیرممکن است که به طور مداوم انجام شود، به ویژه در مناطق بزرگ. بنابراین، استفاده از سنجش از دور (RS) در ترکیب با سیستم اطلاعات جغرافیایی (GIS) در پایش مکانی و زمانی تغییرات پوشش زمین در مناطق معدنی مؤثر بوده است.

تحقیقات متعددی در مورد اثرات فعالیت های معدنی در مقیاس بزرگ بر روی پوشش زمین در سراسر جهان منتشر شده است [ 2 ] [ 3 ] [ 11 ] [ 21 ] [ 22 ] [ 23 ]. به طور کلی، مطالعات نشان داد که فعالیت های معدنی باعث تغییرات گسترده کاربری زمین می شود که چالش های مدیریتی قابل توجهی را برای شرکت های معدنی و مقامات نظارتی ایجاد می کند. اثرات شناسایی شده در مطالعات شامل تخریب زمین و تبدیل زمین از پوشش های جنگلی به پوشش های غیر جنگلی مانند مناطق ساخته شده، زمین های بایر، زباله های سنگی و معادن متروکه پر از آب است.

در تانزانیا، [ 24 ] تغییرات ژئومورفیک و هیدرولوژیکی در GGM را با استفاده از داده‌های مدل ارتفاعی دیجیتال (DEM) از ماموریت توپوگرافی رادار شاتل فضایی (SRTM) و رادیومتر گسیل گرمایی و انعکاس فضایی پیشرفته (ASTER) پایش کرد. نویسندگان اثرات فعالیت‌های معدنی را بر روی کشاورزان، منابع آب روستا، و جنگل‌های جامعه با استفاده از یک مدل جریان هیدرولوژیکی ارزیابی کردند. نتایج حاکی از آن است که بیش از 81 میلیون متر مکعب ^زباله در انبار باطله و زباله‌های سنگ‌های زباله ته نشین شده است. [ 1] همچنین تأثیر فعالیت های معدنی بر پوشش زمین را با استفاده از Arc View GIS و ERDAS Imagine تجزیه و تحلیل کرد. نتایج نشان داد که از سال 1991 تا 2011 پوشش جنگلی به پوشش غیرجنگلی در بخش نانیالا تبدیل قابل توجهی داشته است. نویسنده به این نتیجه رسید که با افزایش فعالیت‌های معدنی، منطقه تحت تأثیر معدن‌کاری افزایش می‌یابد که تهدیدی جدی برای محیط‌ها به شمار می‌رود. از پیشینه فوق، بدیهی است که تا آنجا که به تغییر پوشش زمین به دلیل عملیات استخراج طلا مربوط می شود، دانش محدودی برای ارزیابی و پیش بینی پوشش های زمین آینده در محیط معدن طلای تانزانیا وجود دارد. بنابراین، هدف از این مطالعه، پایش تغییرات پوشش زمین از سال 1997 تا 2017 و سپس پیش‌بینی پوشش آینده زمین برای سال 2027 در مناطق دارای مجوز معدن GPGM و GGM بود. پیش‌بینی پوشش زمین در آینده از این نظر حائز اهمیت است که درک پوشش کنونی زمین را افزایش می‌دهد و پایه‌ای برای برنامه‌ریزی مؤثر در کاربری آینده فراهم می‌کند. این به نظارت بر چشم انداز معدن برای توسعه پایدار برای رفع نیازهای نسل حاضر و آینده کمک خواهد کرد. ما مدیریت موثر مناطق تخریب شده معدن را با تشدید برنامه های توانبخشی پیشرونده از طریق کاشت درخت توصیه می کنیم زیرا این امر به دستیابی به نتایج مثبت پس از بسته شدن معدن کمک می کند.

2. مواد و روشها

2.1. مروری بر منطقه مورد مطالعه

GPGM و GGM در کمربند گرین استون زمین سوکوما در دریاچه ویکتوریا گلدفیلد در شمال تانزانیا قرار دارند. دریاچه ویکتوریا گلدفیلد یکی از سه میدان طلای اصلی است که تولیدکنندگان اصلی طلا در تانزانیا هستند. سایر میدان های طلا Mpanda و Lupa هستند که به ترتیب در غرب و جنوب تانزانیا قرار دارند [ 25 ]. از نظر جغرافیایی، GPGM در عرض جغرافیایی: 040 23’31” S و طول جغرافیایی 0320 53’55” E در ناحیه نزگا، منطقه تابورا، تانزانیا قرار دارد. تقریباً در 18 کیلومتری شمال شهر نزگا و 200 کیلومتری جنوب مرکز منطقه ای موانزا قرار دارد. میانگین بارندگی سالانه بین 700 تا 800 میلی‌متر در سال و میانگین دما بین 22 تا 27 درجه سانتی‌گراد است.]. در حالی که GGM در عرض جغرافیایی: 020 52’03” S و طول جغرافیایی: 0320 11’11” E قرار دارد و تقریباً در 4 کیلومتری غرب شهر Geita و 90 کیلومتری جنوب غربی شهر Mwanza در شمال غربی تانزانیا قرار دارد ( شکل 1 ) . تغییرات سالانه بسیار کمی در دمای روز در طول سال با میانگین دمای روزانه 25 درجه سانتیگراد که در GGM ثبت شده است، وجود دارد. نرخ تبخیر در طول سال مربوط به بارندگی ماهانه است و در طول فصل خشک بسیار بیشتر است، اما در کل نسبتاً پایین است و بین 70 تا 140 میلی متر در ماه متغیر است.

2.2. مواد تحقیق

این مقاله طبقه بندی پوشش زمین و ارزیابی دقت را پوشش می دهد. به منظور تعیین اثرات استخراج در مقیاس بزرگ بر روی پوشش زمین منطقه مورد مطالعه، مجموعه داده های ماهواره ای پوشش زمین برای سال های 1997 و 2010 از نقشه برداری موضوعی لندست و برای سال 2017 از تصویربرداری زمین عملیاتی لندست 8 تحویل داده شد. (OLI). مجموعه داده های ماهواره ای از پایگاه داده آنلاین اداره زمین شناسی ایالات متحده (USGS) از طریق http//earthexplorer.gov به دست آمده است. برای تهیه نقشه های پوشش اراضی مناطق مورد مطالعه از تکنیک های مختلف پردازش تصویر دیجیتال استفاده شد.

2.3. روش های پژوهش

2.3.1. جمع آوری داده های سنجش از راه دور

برای تهیه نقشه های پایه، تصاویر ماهواره ای لندست (1997، 2010 و 2017) از وب سایت رسمی سازمان زمین شناسی آمریکا (USGS) جمع آوری شد. مسیر لندست 171 ردیف 62 تحت پوشش GGM و مسیر لندست 170 ردیف 63 تحت پوشش GPGM. اندازه پیکسل تصاویر 30×30 متر بود. بر این اساس، پوشش اراضی به هفت طبقه جنگل، بوته زار، کشاورزی، آب، خاک برهنه، ناحیه شهری و مرتع در سه دوره نمونه برداری یعنی 1376، 1389 و 1396 طبقه بندی شد.

2.3.2. اکتساب و پردازش داده ها

تجزیه و تحلیل زمانی تغییر پوشش زمین نیاز به انتخاب و آماده سازی مناسب برای اطمینان از سازگاری تصاویر Landsat دارد. در این مطالعه، تصاویر از همان فصل (تیر-شهریور) و با حداقل پوشش ابر (<10٪) انتخاب شدند. تصاویر از سنسورهای مختلف با وضوح طیفی مشابه یعنی 30 متر بود.

2.3.3. تشخیص تغییر پوشش زمین

تشخیص تغییر پوشش زمین با استفاده از نرم افزار ArcGIS10.3 انجام شد. از دو لایه پوشش زمین طبقه بندی شده یعنی پوشش زمین 1997 و 2010 و پوشش زمین 2010 و 2017 استفاده شد. تجزیه و تحلیل فضایی با استفاده از تابع منطقه جدولی منطقه ای انجام شد و برای تولید ماتریس تغییر پوشش زمین استفاده شد. این تابع، نواحی جدول‌بندی شده متقاطع را بین دو مجموعه داده محاسبه می‌کند و خروجی جدولی را ارائه می‌کند که یک رکورد برای هر مقدار منحصربه‌فرد مجموعه داده منطقه و یک فیلد برای هر مقدار منحصربه‌فرد مجموعه داده کلاس نمایش می‌دهد. همچنین، تجزیه و تحلیل تغییر پوشش زمین انجام شد و جدول بندی متقاطع با استفاده از تابع تحلیل فضایی در نرم افزار ArcGIS 10 [ 5 ] انجام شد.

2.3.4. مدل سازی تغییر پوشش زمین

مدل اتوماتای ​​سلولی جفت شده (CA)-Markov برای انجام مدل‌سازی تغییر پوشش زمین به کار گرفته شد. ترکیب مدل CA-Markov نشان‌دهنده پیشرفت در مدل‌سازی و پیش‌بینی دینامیکی مکانی-زمانی است و امکان دستیابی به شبیه‌سازی بهتر تغییرات پوشش زمین را هم در کمیت و هم در فضا بر اساس مطالعات تغییرات کاربری زمین در گذشته فراهم می‌کند [ 14 ] [ 20 ]. الگوریتم‌های بسته IDRIS Andes با استفاده از جداول تبدیل و احتمالات مشروط از نقشه تبدیل اعمال شده برای شبیه‌سازی و پیش‌بینی وضعیت‌های تغییر پوشش زمین، عملکردهای فیلتر CA و فرآیند مارکوف را ادغام می‌کنند [ 15 ].]. بنابراین، برای شبیه‌سازی تغییرات پوشش زمین در آینده برای این سایت‌های مطالعه با استفاده از مدل CA-Markov، فرآیندهای خاص زیر دنبال شد: 1) پس از تبدیل داده‌های برداری به رستری، نقشه‌های پوشش زمین طبقه‌بندی شده برای سال‌های 1997، 2010 و 2017 انجام شد. برای به دست آوردن ماتریس های انتقال برای دسته های پوشش زمین بین سال های 1997 و 2010 و همچنین 2010 و 2017 بر اساس مدل مارکوف مرتبه اول استفاده شد. 2) نقشه‌های تناسب انتقال، که برای پیش‌بینی پوشش زمین در سال 2017 و شبیه‌سازی توزیع در سال 2027 استفاده شد، بر اساس انتقال‌های اصلی که در بین دسته‌های پوشش زمین از سال 2010 تا 2017 رخ داده است، تولید شد. علاوه بر این، برای تعیین فیلترهای CA. فیلتر مجاورت معمولی 5×5 به عنوان تعریف محله استفاده شد. 3) بر اساس رویکرد مدل CA-Markov، پوشش زمین برای سال 2017 با استفاده از احتمالات انتقال از 1997 به 2010 با نقشه پایه پوشش زمین از سال 2010 مدل سازی شد. از آمار کاپا برای ارزیابی دقت نقشه پوشش زمین پیش بینی شده 2017 استفاده شد تا مطابقت آن با واقعی ارزیابی شود. نقشه پوشش زمین 2017. 4) در نهایت در ادامه همین روند، پوشش زمین برای سال 2027 با مدل CA-Markov در IDRISI با استفاده از احتمالات انتقال از سال 2010 به 2017 و نقشه پایه پوشش زمین از سال 2017 پیش‌بینی شد.

2.3.5. جدول بندی متقاطع

برای انجام تجزیه و تحلیل جداول متقاطع از نرم افزار ادریسی استفاده شد. این تصاویر حاوی متغیرهای طبقه بندی شده از دو نوع را مقایسه کرد. جدول بندی متقاطع با استفاده از دو نقشه موضوعی با تاریخ های مختلف، اطلاعاتی را در مورد فرکانس هایی که هر کلاس پوشش زمین بدون تغییر یا به یکی از طبقات دیگر تغییر کرده است، ارائه می دهد [ 27 ]. سه جدول جدول بندی متقابل از نقشه های موضوعی 1997-2010، 2010-2017 و 2017-2027 تولید شد.

2.3.6. ارزیابی دقت

فرآیند تعیین دقت برای یک تصویر طبقه بندی شده یکی از مهم ترین مراحل انجام شده در پس از طبقه بندی است [ 1 ]. برای به دست آوردن دقت بهتر، درستی زمین یا ظاهر فیزیکی در محل مطالعه ضروری است [ 28]. اما در این موارد، به دلیل محدودیت زمانی و هزینه، امکان بازدید میدانی از نقاط آموزشی واقع در مناطق دورافتاده وجود نداشت. برای ارزیابی صحت نقشه پوشش زمین پیش بینی شده از آمار کاپا برای ارزیابی تطابق آن با نقشه پوشش واقعی زمین استفاده شد و تحلیل با استفاده از ابزار اعتبارسنجی در نرم افزار ادریس سلوا انجام شد. پوشش زمین طبقه بندی شده برای سال 2017 با استفاده از پوشش زمین پیش بینی شده برای سال 2017 مقایسه شد. ضریب کاپا توافق بین نقشه و واقعیت را تخمین می زند و از 0 تا 1 متغیر است که 0 نشان دهنده اختلاف کل و 1 توافق کل است [ 6 ]. [ 29 ] همچنین تفسیر آمار کاپا را همانطور که در جدول 1 ارائه شده است ارائه می دهد.

3. نتایج

3.1. طبقه بندی پوشش زمین

تصاویر لندست برای منطقه مورد مطالعه به منظور شناسایی تغییرات پوشش بین چهار دوره یعنی سال‌های 1997، 2010، 2017 و 2027 طبقه‌بندی شدند و چهار نقشه پوشش زمین از تصاویر ماهواره‌ای برای هر سایت به دست آمد. هفت طبقه عمده پوشش اراضی: کشاورزی، خاک برهنه، منطقه ساخته شده/منطقه شهری، بوته زار، جنگل، علفزار و آب به ترتیب در معادن طلای پراید و گیتا ثبت شدند. نقشه های پوشش اراضی مناطق مورد مطالعه برای دوره های مختلف (1997، 2010، 2017 و 2027) در شکل 2 برای GPGM و شکل 3 برای GGM ارائه شده است. نمایش گرافیکی مناطق برای هر طبقه پوشش زمین برای سال های 1997، 2010 و 2017 در شکل 4 برای GPGM و شکل 5 نشان داده شده است.برای GGM نتایج مربوط به پوشش زمین و میزان تغییر در هکتار و درصد هر طبقه پوشش زمین برای سه سال به ترتیب در جدول 2 و جدول 3 برای GPGM و GGM تعیین شد. ماتریس های انتقال در جداول 4-6 برای GPGM و جداول 7-9 برای GGM ارائه شده اند. طبقات پوشش اراضی ترسیم شده در مناطق مورد مطالعه، تغییرات پوشش زمین (بر حسب هکتار و درصد) را که طی دوره زمانی 1376 تا 1396 به دلیل گسترش فعالیت های معدنی رخ داده است، نشان می دهد. گزارش ارزیابی دقت طبقه بندی شده و آمار کاپا برای GPGM به ترتیب در جدول 10 و جدول 11 و برای GGM در جدول 12 و جدول 13 ارائه شده است.به ترتیب.

3.2. نقشه پوشش زمین

3.2.1. نقشه پوشش زمین در GPGM

بررسی نقشه پوشش اراضی در سال 1376، جنگل را به عنوان پوشش زمین غالب در منطقه مورد مطالعه نشان داد. در آن دوره هیچ فعالیت معدنی در منطقه وجود نداشت. این پروژه در سال 1998 شروع به کار کرد. بنابراین تا سال 2010 بخشی از جنگل با پوشش‌های زمینی دیگر جایگزین شد و بوته‌زارها به‌عنوان پوشش اراضی غالب در نظر گرفته شدند، زیرا پوشش گیاهی مجدد سایت‌های تخریب شده معدنی همزمان با آن انجام شد. عملیات معدن تصویر ماهواره ای سال 2017 نشان می دهد که منطقه ای که در ابتدا توسط جنگل پوشیده شده بود به حالت اولیه خود بازنگشته است و بوته زارها بر این منطقه تسلط دارند ( شکل 2 ). در این مدت پروژه قبلاً متوقف شده بود و مناطقی که تحت پوشش بوته زار دیده می شد مناطق احیا شده است.

3.2.2. نقشه پوشش زمین در GGM

مانند GPGM، در سال 1997 جنگل نوع پوشش زمین غالب در منطقه مورد مطالعه بود. در آن دوره هیچ فعالیت معدنی در منطقه وجود نداشت. فعالیت‌های معدنی در سال 2000 آغاز شد. در سال 2010 بخش جنگلی با پوشش‌های دیگر جایگزین شد و بوته‌ها به عنوان پوشش زمین غالب در سراسر منطقه مورد مطالعه پراکنده شده است. تصویر ماهواره ای سال 2017 نشان داد که مناطقی که در ابتدا توسط جنگل پوشیده شده بودند هنوز به حالت اولیه خود بازنگشته اند، اما به عنوان نوع پوشش غالب زمین دیده می شوند ( شکل 3 ).

3.3. تشخیص تغییر

3.3.1. تجزیه و تحلیل تشخیص تغییر در GPGM

استخراج طلا در GPGM منجر به تغییر گسترده پوشش زمین بین سال‌های 1997-2017 شد. داده های جدول 2 نشان می دهد که تغییرات مثبت و منفی در الگوی پوشش زمین GPGM رخ داده است. به عنوان مثال، در سال 1997، قبل از شروع عملیات معدنی، بزرگترین منطقه دارای مجوز معدن توسط جنگل (52.1٪) با 510.0 هکتار پوشش داده شده است. با این حال، در سال 2010 مساحت جنگل 21.4 درصد کاهش یافته است که نشان دهنده 209.0 هکتار است و کشاورزی با سکونتگاه های پراکنده به 10.2 درصد کاهش یافته است که نشان دهنده 100.0 هکتار است. تجزیه و تحلیل تأیید کرد که تبدیل زمین های جنگلی و کشاورزی به چاله های معدنی، زباله های سنگ های زباله، تأسیسات ذخیره باطله و سایر اجزاء مهم ترین عامل منجر به تغییرات پوشش زمین در منطقه معدنی بودند ( جدول 2 و شکل 4).). با این حال، در سال 2017، افزایش جزئی در مساحت جنگل به 31.0٪ که 303.0 هکتار را نشان می دهد و کشاورزی با سکونتگاه پراکنده به 17.7٪ نشان دهنده 173.0 هکتار بود. مناطق جنگلی و بوته زار از سال 2010 تا 2017 به دلیل بازسازی تدریجی انجام شده در منطقه افزایش یافت. همچنین پیش بینی می شود که از سال 2017 تا 2027، مساحت های زیر جنگل از 303.0 هکتار (31.0%) به 340.0 (34.7%) افزایش یابد ( جدول 2 و شکل 4 ). پیش‌بینی می‌شود که اگر مناطق احیا شده توسط فعالیت‌های اقتصادی-اجتماعی مانند استخراج معادن در مقیاس کوچک، چرای دام و جمع‌آوری تیرها که شامل قطع درختان می‌شود، دچار اختلال نشوند، مساحت جنگل افزایش خواهد یافت.

3.3.2. تجزیه و تحلیل تشخیص تغییر در GGM

در سال 1997 قبل از شروع عملیات معدنی، بیشترین مساحت زمین دارای مجوز معدن در زیر جنگل (49.7%) بود که 9833.0 هکتار بود. اما در سال 2010، مساحت جنگل به 29.3 درصد کاهش یافته است که نشان دهنده 5792.0 هکتار است. کاهش مساحت جنگل حاکی از آن است که عملیات استخراج معدن به طور فعال در این دوره انجام شده است ( جدول 3 و شکل 5 ). با این حال، در سال 2017، افزایش قابل توجهی در مساحت جنگل از 5792.0 هکتار (29.3٪) به 8728.0 هکتار (44.1٪) مشاهده شد در حالی که سطح زیر بوته ها کاهش قابل توجهی را از 8878.0 هکتار (44.9٪) به 4093.0 هکتار (20.7٪) ثبت کرد. همچنین پیش بینی شد که از سال 2017 تا 2027، جنگل نوع پوشش زمین غالب خواهد بود، با این حال، مساحت کمی از 8728.0 هکتار (44.1٪) به 8639.0 هکتار (43.7٪) کاهش می یابد ( جدول 3 وشکل 5 ). پیش بینی می شود مساحت جنگل کاهش یابد زیرا GGM هنوز فعال است، بنابراین احتمال قطع درختان و قطع یا سوزاندن پوشش گیاهی وجود دارد. همچنین، جوامع مجاور از منابع جنگلی برای به دست آوردن خدمات اکوسیستمی مانند علوفه، الوار، مصالح ساختمانی، زغال چوب و هیزم استفاده می کنند. با این حال، مساحت بوته‌ها در سال 2010 به دلیل بازسازی تدریجی افزایش یافت و کاهش در سال 2017 می‌تواند به دلیل فعالیت‌های اجتماعی-اقتصادی در این منطقه مانند زغال‌سازی، چرای دام و تجاوز به سنگ‌های کم عیار و دوغاب تأسیسات ذخیره‌سازی باطله باشد.

3.4. احتمال انتقال و پوشش زمین آینده

3.4.1. ماتریس احتمال انتقال برای GPGM

جدول بندی متقاطع وسیله ای برای تعیین مقادیر تبدیل از یک پوشش زمین به پوشش دیگر است. نوع تغییر در هفت کلاس الگوهای LC را می توان از روند تغییر در ماتریس های گذار مارکوف بین دوره 1997-2017 به تصویر کشید. احتمال اینکه هر کلاس LC بدون تغییر باقی بماند با مقادیر مورب نشان داده می شود، در حالی که آنهایی که از یک کلاس به کلاس دیگر تغییر کرده اند با مقادیر خارج از قطر ارائه می شوند [ 11 ]. به عنوان مثال، در سال 1997-2010، بیشترین احتمال انتقال بدون تغییر جنگل 119.8 هکتار بود ( جدول 4).). این امر نشان می‌دهد که فعالیت‌های اقتصادی در منطقه باعث تبدیل گسترده جنگل به سایر پوشش‌های زمینی نشده است. این مورد برای سال 2010-2017 نیز وجود داشته است که در آن بیشترین پوشش زمین بدون تغییر جنگل با 118.5 هکتار و کمترین پوشش بدون تغییر بدنه های آبی با 0.9 هکتار بوده است ( جدول 5 ). پوشش زمین پیش بینی شده که تا سال 2027 در GPGM تغییر نخواهد کرد عبارتند از: جنگل 215.2 هکتار، زمین بوته ای 189.1 هکتار، کشاورزی با سکونتگاه پراکنده 148.2 هکتار، خاک خالی 44.6 هکتار، مساحت ساخته شده 5.5 هکتار، علفزار 18.5 هکتار و آب. هکتار ( جدول 6 ). نتایج ماتریس های انتقال برای سال های 1997-2010، 2010-2017 و 2017-2027 به وضوح نشان می دهد که بیشترین احتمال انتقال بدون تغییر جنگل و کمترین احتمال تغییر بدون تغییر مربوط به آب است.

3.4.2. ماتریس احتمال انتقال برای GGM

جداول 7-9 نتایجی را در مورد تغییر کلی طبقات پوشش زمین (در هکتار) برای GGM برای سال های 1997-2010، 2010-2017 و 2017-2027 ارائه می دهد. از سال 1997 تا 2010، نتایج جدول 7 نشان می دهد که مناطق پوشش اراضی بدون تغییر نسبت به سایر کاربری ها عبارتند از: کشاورزی 441.8 هکتار، خاک خالی 2.7 هکتار، مساحت ساخته شده 14.9 هکتار، زمین بوته 3713.0 هکتار، جنگل 4288.0 هکتار، علفزار. 918.9 هکتار و آب 1.1 هکتار. نتایج برای سال‌های 2010-2017 نشان می‌دهد که سطوح پوشش اراضی بدون تغییر یافت شده عبارتند از: کشاورزی 102.7 هکتار، خاک لخت 570.8 هکتار، مساحت ساخته شده 79.1 هکتار، اراضی بوته‌ها 2273.5 هکتار، جنگل 4030.1 هکتار، مرتع 9337 هکتار و آب. هکتار ( جدول 8). پوشش زمین پیش بینی شده که تا سال 2027 در GGM تغییر نخواهد کرد عبارتند از: کشاورزی با سکونتگاه پراکنده 1174.7 هکتار، خاک برهنه 866.6 هکتار، مساحت ساخته شده 372.3 هکتار، زمین بوته ای 29.5.8 هکتار، جنگل 7626.2 هکتار، علفزار 123 هکتار و آب علفزار. بدنه 86.6 هکتار ( جدول 9 ). نتایج ماتریس های انتقال برای سال های 1997-2010، 2010-2017 و 2017-2027 به وضوح نشان می دهد که بیشترین احتمال انتقال بدون تغییر جنگل و کمترین احتمال تغییر بدون تغییر مربوط به آب است.

3.4.3. تحلیل روند آتی طبقه بندی پوشش زمین

در این مطالعه، نقشه‌های پوشش زمین سال‌های 1997، 2010 و 2017 برای طبقه‌بندی پوشش زمین آینده در سال 2027 استفاده شد. پوشش‌های زمین آینده را می‌توان در جدول 3 ، شکل 4 برای GPGM و جدول 4 ، شکل 5 برای GGM مشاهده کرد. در نقشه پوشش اراضی پیش‌بینی‌شده سال 2027 GPGM مشاهده می‌شود که بخش بزرگی از منطقه توسط جنگل و سپس بوته‌ها و سپس زمین‌های کشاورزی با سکونتگاه‌های پراکنده پوشیده شده است ( شکل 2 ). این نتایج پیش‌بینی‌شده ممکن است ارجاعات مفیدی به آژانس‌های نظارتی و شرکت‌های معدنی در برخورد با چالش‌های مدیریتی و برنامه‌ریزی برای استفاده از زمین در آینده باشد. نقشه پوشش زمین آتی در بازه زمانی مشخص شده با استفاده از مدل CA-Marcov مورد تجزیه و تحلیل قرار گرفت.

در نقشه پیش‌بینی‌شده پوشش زمین در سال 2027 GGM، بخش بزرگی از منطقه توسط جنگل و سپس بوته‌ها و سپس علفزار پوشیده شده است ( شکل 3 ). این نتایج پیش‌بینی‌شده ممکن است ارجاعات مفیدی به آژانس‌های نظارتی و شرکت‌های معدنی در برخورد با چالش‌های مدیریتی و برنامه‌ریزی برای استفاده از زمین در آینده باشد. همچنین از مدل زنجیره مارکوف برای تحلیل نقشه پوشش زمین آینده در بازه زمانی مشخص شده استفاده شد.

3.5. ارزیابی دقت

3.5.1. طبقه بندی ارزیابی دقت برای GPGM

مرحله نهایی طبقه بندی، تعیین ارزیابی دقت است. هر یک از نقشه های پوشش زمین برای ارزیابی صحت تصاویر طبقه بندی شده با داده های مرجع مقایسه شد. ارزیابی دقت طبقه‌بندی‌شده برای GPGM ارائه‌شده در گزارش ارزیابی دقت طبقه‌بندی‌شده ( جدول 10 ) نشان داد که دقت کلی 74.7 درصد است و ارزیابی دقت نقشه پوشش زمین پیش‌بینی‌شده برای ارزیابی تطابق آن با پوشش واقعی زمین با استفاده از آمار کاپا 70.2 درصد بود. جدول 11 ). این ارزیابی ها نشان می دهد که توافق قابل توجهی بین پوشش زمین طبقه بندی شده و پوشش واقعی زمین وجود دارد.

3.5.2. ارزیابی دقت طبقه بندی برای GGM

ارزیابی دقت طبقه بندی شده برای GGM ارائه شده در گزارش ارزیابی دقت طبقه بندی شده ( جدول 12 ) نشان می دهد که دقت کلی 71.4 درصد است که قابل قبول است و ارزیابی دقت نقشه پوشش زمین پیش بینی شده برای ارزیابی مطابقت آن با پوشش واقعی زمین با استفاده از آمار کاپا بود. 66.1% ( جدول 13 ) که توافق تقریباً کامل را نشان می دهد.

4. بحث

4.1. تشخیص تغییر پوشش زمین

تغییرات پوشش زمین مشاهده شده در GPGM و GGM اثرات سطحی روی گونه های گیاهی در زیستگاه های طبیعی در 20 سال گذشته داشته است. داده های ماهواره ای چند زمانی تولید شده از مناطق معدن شواهدی در مورد تغییرات شناسایی شده در انواع پوشش زمین بر اساس مرحله توسعه فعالیت های معدنی ارائه می دهد. اثرات عملیات معدنکاری در منطقه مورد مطالعه در دوره مورد بررسی به طور غیرمستقیم بر کاربری های زمین مجاور تأثیر گذاشت [ 2 ]]. نتایج حاصل از تجزیه و تحلیل پوشش زمین نشان داد که برای سال 1997 در GPGM قبل از شروع عملیات پروژه در سال 1998، جنگل به عنوان نوع پوشش غالب زمین شناخته شد که بیش از 50 درصد از کل منطقه مورد مطالعه را پوشش می‌دهد و پس از آن بوته‌ها و سپس بوته‌زارها قرار دارند. پس از آن کشاورزی با سکونتگاه های پراکنده، علفزار، مساحت ساخته شده، خاک برهنه و آب در این دوره شناسایی نشد.

تجزیه و تحلیل مبتنی بر ماهواره ما نشان داد که بین سال‌های 1997-2010 در GPGM، مساحت جنگل و کشاورزی به دلیل فعالیت‌های معدنی در فاز فعال معدن کاهش یافت. در این زمان، تعداد زیادی از درختان جنگل قطع شد و زمین کشاورزی با اجزای زیرساخت معدنی مانند روباز، زباله‌های سنگ، تأسیسات ذخیره باطله، کارخانه فرآوری [ 24 ]، زیرساخت‌ها (دسترسی و انرژی ) جایگزین شد. ) و ساخت کمپ و شهرک [ 30 ]. این در مطالعه انجام شده توسط Perpetual [ 16وی دریافت که بین سال‌های 1990 تا 2010 جنگل‌های با تراکم بالا و جنگل‌های پراکنده در منطقه معدنی Prestea در غنا برای هموار کردن مسیر برای عملیات معدنی گم شدند. در مورد کاهش زمین کشاورزی، این مطالعه با مطالعه انجام شده توسط [ 31 ] در مورد اثرات از دست دادن زمین کشاورزی به دلیل استخراج طلا در مقیاس بزرگ بر کشاورزی در غنا مطابقت دارد. نویسندگان تأیید کردند که در مجموع 4935.3 هکتار از زمین های کشاورزی، که 25.5٪ از سه امتیاز را نشان می دهد، به دلیل عملیات استخراج طلا در مقیاس بزرگ در دوره مورد مطالعه از بین رفت. نتایج همچنین در مطالعات انجام شده توسط [ 23 ] که دریافتند جنگل‌های ناشی از فعالیت‌های معدنی برای هموار کردن راه برای عملیات معدنی مانند توسعه چاله‌ها از بین رفته است، پشتیبانی می‌شود. علاوه بر این، [ 32] اشاره کرد که فعالیت های معدنی تنوع زیستی را در سایت های معدنی نیجریه مختل کرده است. تمرکز اصلی در این مطالعه پوشش جنگلی طبیعی است که زیستگاه اصلی جانوران است.

کاهش مساحت جنگل و کشاورزی در فاز معدنکاری فعال منجر به افزایش مساحت بوته‌ها، مراتع، مساحت ساخته‌شده، آب و خاک لخت می‌شود. به عنوان مثال، مساحت ساخته شده به دلیل ساختن محوطه ای که پرسنل پروژه، تجهیزات و کارخانه فرآوری را در خود جای می دهد، افزایش یافت. این مطابق با مطالعه انجام شده توسط [ 33]، که تغییر کاربری/پوشش زمین را با داده های ماهواره ای و سیستم های اطلاعاتی زمانی ارزیابی کرد و گزارش داد که افزایش 135.7 درصدی مساحت ساخته شده تا حد زیادی با از بین رفتن پوشش گیاهی 29.4 درصد همراه بوده است. علاوه بر این، مساحت بوته‌ها و مرتع‌ها به دلیل برنامه‌های بازسازی پیشرونده انجام شده در سایت‌های معدنی تخریب‌شده مانند منطقه زباله‌های سنگ‌های زباله افزایش یافت. مساحت خاک برهنه به دلیل توسعه زیرساخت ها مانند جاده های دسترسی و انرژی افزایش یافت. در نهایت، وجود تأسیسات ذخیره باطله کمی سطح آب را از 0.0٪ به 4.5٪ افزایش داد زیرا تمام دوغاب از کارخانه فرآوری به تأسیسات ذخیره سازی باطله هدایت می شود.

یافته‌های مطالعه همچنین نشان می‌دهد که در سال 2017، بوته‌زار و جنگل به‌ترتیب 308.0 هکتار (31.5 درصد) و جنگل 308.0 هکتار (30.9 درصد) و کشاورزی با سکونتگاه‌های پراکنده در رتبه‌های بعدی قرار دارند. کمترین طبقه بندی آب 7.0 هکتار (0.7٪) بود. افزایش مساحت بوته‌ها و جنگل‌ها می‌تواند با بازسازی تدریجی زباله‌های سنگ‌های زباله و تأسیسات ذخیره‌سازی باطله که از دوره حدوداً 2003 انجام شد، مرتبط باشد [ 34 ]. این سیاست معدن GPGM این بود که بازسازی تدریجی تمام مناطق آشفته ای را که دیگر برای عملیات معدنکاری لازم نیست مطابق با اهداف بسته نهایی انجام دهد.

طبقه بندی پوشش زمین در GGM برای سال 1997 نشان داد که جنگل، نوع پوشش زمین غالب بوده که 49.7 درصد را اشغال کرده است. پس از آن، بوته‌ها، که 35.2 درصد را اشغال کردند، قرار گرفتند. با این حال، کمترین پوشش زمین، خاک و آب لخت بود که هر کدام 0.1 درصد را اشغال کردند. تجزیه و تحلیل همچنین نشان داد که بین سالهای 1997-2010 مساحت جنگل در طول مراحل توسعه و استخراج معدنی فعال کاهش یافته است. در طی این مراحل، تعداد زیادی از درختان جنگل قطع شدند و با اجزای معدن مانند چاله‌های روباز، زباله‌های سنگ‌های زباله، تأسیسات ذخیره‌سازی سربار و باطله [ 24 ]، توسعه زیرساخت‌ها (جاده دسترسی و انرژی) و ساخت و ساز جایگزین شدند. اردوگاه ها در منطقه معدن [ 35 ].

با این حال، در سال 2010، زمین های بوته ای بر اراضی با پوشش 44.9٪ از کل مساحت، و پس از آن جنگل، که 29.3٪ را اشغال کرد، تسلط داشت. در حالی که کمترین طبقه بندی، منطقه تحت پوشش آب با 0.6 درصد بود. یافته‌ها نشان داد که در سال 2017 در GGM، غالب‌ترین نوع پوشش زمین جنگل بود که 44.1 درصد را به خود اختصاص داد. پس از آن بوته زار، علفزار، کشاورزی، خاک برهنه و منطقه ساخته شده بود. کمترین طبقه بندی آب با پوشش 0.5 درصد بود. جنگل و بوته زار به عنوان نوع پوشش زمین غالب در سال 2017 را می توان با بازسازی تدریجی که در سال 2004 آغاز شد نسبت داد.

4.2. ماتریس های انتقالی

GPGM و GGM از جمله معادن طلا در مقیاس بزرگ در تانزانیا هستند، جایی که پوشش های جنگلی به طور قابل توجهی به پوشش های غیر جنگلی تغییر یافته و منجر به از بین رفتن سطحی پوشش گیاهی شده است. قبل از شروع پروژه ها، مردم محلی از محیط های اطراف از این مناطق برای فعالیت های انسانی مانند کشاورزی، چرای دام و برداشت چوب استفاده می کردند. این فعالیت ها از جمله محرک های تغییرات پوشش زمین در مناطق [ 26 ] بودند. پس از پایان پروژه‌ها، این فعالیت‌ها متوقف شد و استخراج معادن و فعالیت‌های مرتبط با آن از محرک‌های کلیدی تغییرات پوشش زمین در مناطق دارای مجوز بوده است.

در ماتریس گذار 1997-2010 در GPGM، بخش بزرگی از جنگل به بوته زار و منطقه ساخته شده تبدیل شده است. محرک اصلی تغییر جنگل پاکسازی پوشش گیاهی برای ساخت جاده ها، ساخت ساختمان ها برای پرسنل پروژه و توسعه زیرساخت های دیگر بود. این نشان می‌دهد که بخش بزرگی از جنگل با گونه‌های درختی با پوشش تاج بیش از 10 درصد و حداقل ارتفاع 3 متر می‌تواند حذف شود و به بوته‌زار تبدیل شود. همچنین پوشش جنگلی برای ایجاد زیرساخت های پروژه و اسکان پرسنل پروژه پاکسازی شد. در GGM طی دوره های 1997-2010 و 2010-2017، محرک اصلی تغییر پوشش اراضی جنگلی نیز بوته زارها بود. این نشان می دهد که این تغییرات با جنگل زدایی شدید ناشی از تبدیل جنگل به بوته زار همراه است.

4.3. پیش بینی پوشش زمین (پوشش زمین آینده) برای سال 2027

یافته‌ها همچنین نشان می‌دهد که در هر دو سایت مورد مطالعه، پیش‌بینی می‌شد که در سال 2027، جنگل به عنوان غالب‌ترین نوع پوشش زمین باقی بماند در حالی که بدنه‌های آبی کم‌ترین نوع پوشش زمین خواهند بود. اگرچه پیش‌بینی می‌شود که جنگل غالب‌ترین نوع پوشش زمین در سال 2027 باشد، اما به کل مساحت تحت پوشش آن در سال 1997 نخواهد رسید. برای مثال، در GPGM در سال 1997، مساحت تحت پوشش جنگل 52.1 درصد بود و در پیش‌بینی در سال 2027، 34.7 درصد خواهد بود و در GGM مساحت پوشش جنگلی در سال 1997 49.7 درصد و در پیش بینی، 43.7 درصد خواهد بود.

علاوه بر این، عملیات استخراج غیرقابل کنترل طلا منجر به از بین رفتن تنوع زیستی و خدمات اکوسیستمی شد. علی‌رغم افزایش صنعت معدن به دلیل تلاش دولت برای ترویج سرمایه‌گذاری برای دستیابی به توسعه اقتصادی تانزانیا، باید قوانین را به شدت اجرا کرد تا اطمینان حاصل شود که شرکت‌های معدنی سایت‌های معدنی تخریب‌شده را تا سطحی نزدیک به شرایط اولیه بازسازی می‌کنند. همچنین، برای دولت و اپراتورهای معدن مهم است که اقدامات نظارتی را در مناطق پوشش گیاهی افزایش دهند تا از تجاوز جلوگیری شود. بنابراین، نیاز به مشارکت مردم محلی در مدیریت مناطق احیا شده وجود دارد.

4.4. ارزیابی دقت برای GPGM و GGM

در این مطالعه، طبقه‌بندی ارزیابی دقت با استناد به تصاویر خام ماهواره‌ای انجام شد. ارزیابی دقت طبقه بندی شده برای GPGM نشان داد که دقت کلی 74.7 درصد و ارزیابی مدل پوشش زمین با استفاده از آمار کاپا 70.2 درصد است. در حالی که ارزیابی دقت طبقه بندی شده برای GGM نشان داد که دقت کلی 71.4٪ و آمار Kappa 66.1٪ است. مقادیر دقت کلی برای GPGM و GGM در استانداردهای پیشنهاد شده توسط [ 36 ] قرار می‌گیرد و آمار کاپا به‌عنوان توافق قابل‌توجهی از تصادف به تنهایی تفسیر شد [ 8 ] [ 29 ] [ 37 ]. این امر در مطالعه انجام شده توسط [ 38] که دقت کاربری و پوشش اراضی را 00/82 درصد و آمار کاپا (K) 02/77 درصد را ارائه کردند که هم در آمار دقت کل و هم در آمار کاپا قابل قبول است. طبق [ 29 ] دقت کلی به عنوان توافق تقریباً کامل و دقت آمار Kappa به عنوان توافق اساسی تفسیر می شود. علاوه بر این، مطالعه انجام شده توسط [ 39 ] به دقت طبقه بندی کلی 95.32٪ و 95.13٪ و آمار کاپا کلی به ترتیب 0.9237 و 0.9070 برای طبقه بندی تصاویر 1992 و 2012 دست یافت. علاوه بر این، رویکرد تشخیص تغییر انجام شده توسط [ 23 ] یک نقشه تغییر قابل اعتماد با دقت کلی 83.3٪ و ضریب کاپا 0.79 به دست آورد که قابل قبول است.

5. نتیجه گیری و زمینه برای تحقیقات بیشتر

5.1. نتیجه

این مطالعه با هدف پایش تغییرات پوشش اراضی GPGM و GGM نسبت به سال‌های 1997-2017 و پیش‌بینی سال 2027 با استفاده از فناوری‌های سنجش از دور و GIS انجام شد. برای تعیین طبقات پوشش زمین از روش طبقه بندی نظارت شده استفاده شد. در این مطالعه، هفت طبقه اصلی پوشش زمین از تصاویر ماهواره‌ای سال‌های 1997، 2010 و 2017 برای مناطق معدنی GPGM و GGM برای نظارت بر فعالیت‌های معدنی در یک دوره بیست ساله متمایز شدند. این طبقات شامل کشاورزی با سکونتگاه های پراکنده، جنگل، بوته زار، علفزار، خاک برهنه، مناطق ساخته شده و توده های آبی است. این مطالعه نقشه‌های پوشش زمین را برای سال‌های 1997-2027 و روند تغییرات پوشش زمین در دوره زمانی 1997-2017 ارائه می‌کند که همچنین پیش‌بینی تغییر را تا سال 2027 ارائه می‌دهد. در GPGM نتایج حاصل از تجزیه و تحلیل LULC نشان داد که، در سال‌های 1997 و 2027 جنگل غالب‌ترین نوع پوشش زمین و در سال‌های 2010 و 2017 بوته‌زار غالب‌ترین نوع پوشش زمین بود. در حالی که در GGM غالب ترین نوع پوشش زمین در سال های 1997، 2017 و 2027 جنگل و در سال 2010 بوته زار بوده است. روند کلی حاکی از آن است که مساحت جنگل از سال 1997 تا 2010 به دلیل پاکسازی کاهش یافته است تا راه را برای عملیات معدنی مانند توسعه گودال‌ها، تخلیه سنگ‌های زباله و تأسیسات ذخیره باطله هموار کند که منجر به کاهش چشمگیر پوشش گیاهی شد. نتایج همچنین حاکی از آن است که عملیات معدنکاری در این دوره به طور فعال انجام شده است. با این حال، پوشش جنگلی و بوته زار از سال 2010-2017 به دلیل بازسازی پیشرونده انجام شده در منطقه افزایش یافته است. این مطالعه نشان داد که بخش قابل‌توجهی از پوشش زمین به‌ویژه سطح جنگلی طی سال‌های 1389-1376 به سایر پوشش‌های زمین تبدیل شده است. همچنین پیش بینی شد که در سال 2027 مساحت جنگل و بوته زار در تمامی معادن از انواع پوشش زمین غالب و کمترین پوشش اراضی آب های آزاد باشد. این نتایج نشان‌دهنده وضعیت عالی اکوسیستم است که در آینده در GPGM و GGM یافت می‌شود. بنابراین، برای دولت و اپراتورهای معدن مهم است که اقدامات نظارتی در مناطق پوشش گیاهی را برای جلوگیری از تجاوز افزایش دهند. به طور مشابه، نیاز به یک رویکرد مدیریت یکپارچه جنگل با مشارکت مردم محلی در ناحیه نزگا و گیتا، که ذینفعان مستقیم جنگل ها هستند، وجود دارد. استفاده از سنجش از دور و فناوری GIS موفقیت آمیز بود، اما ذکر محدودیت های مطالعه حائز اهمیت است. این فناوری به دلیل محدودیت‌های مالی نسبتاً گران بود و این فناوری به مهارت‌های تخصصی نیاز داشت، بنابراین آموزش مکرر حیاتی بود.

5.2. منطقه برای تحقیقات بیشتر

فن آوری های سنجش از دور و GIS مورد استفاده در این مطالعه به عنوان یک نقطه مرجع برای مطالعات بیشتر عمل می کند. منطقه زیر نیاز به تحقیقات بیشتری دارد: تعیین و کمی کردن سلامت پوشش گیاهی در مناطق معدن طلا با استفاده از شاخص تفاوت نرمال شده گیاهی (NDVI) با اندازه‌گیری تفاوت بین نور مادون قرمز نزدیک و نور قرمز.

منابع

[ 1 ]	Nzunda، HP (2013) تأثیر فعالیت‌های معدنی بر پوشش زمین و سهام جنگلی در منطقه Mbozi، منطقه Mbeya، تانزانیا. پایان نامه کارشناسی ارشد، دانشگاه کشاورزی سوکوئین، موروگورو.
[ 2 ]	سونتر، ال‌جی، موران، سی‌جی، بارت، دی‌جی و سوآرس فیلهو، BS (2014) فرآیندهای تغییر کاربری زمین در مناطق معدنی. مجله تولید تمیزتر، 84، 494-501. https://doi.org/10.1016/j.jclepro.2014.03.084
[ 3 ]	عطایی، ج.، کابو-باح، AT and Akpoti، K. (2016) اثرات معدنکاری در مقیاس بزرگ بر تغییرات کاربری و پوشش زمین با استفاده از داده های سنجش از دور. مجله بین المللی علوم و طبیعت، 7، 724-733.
[ 4 ]	Avalos، A.، Vilchez، FF، Oyolsi، N. و Flores، SMLM (2018) تجزیه و تحلیل کاربری زمین و تغییرات پوشش در منطقه شهری تپیک-زالیسکو (1973-2015) از طریق تصاویر Landsat. پایداری، 10، 1860. https://doi.org/10.3390/su10061860
[ 5 ]	Garai, D. and Allu, NC (2018) تغییرات کاربری/پوشش زمین در منطقه معدنی مزارع زغال سنگ گوداواری در جنوب هند. مجله مصری سنجش از دور و علوم فضایی، 21، 375-381. https://doi.org/10.1016/j.ejrs.2018.01.002
[ 6 ]	Marina, R., Rujoiu, M. and Bogdan, MA (2016) نقشه برداری پوشش زمین با استفاده از داده های سنجش از دور و تکنیک های GIS: مطالعه موردی زیرکارپات های پراهووا. Procedia Environmental Sciences, 32, 244-255. https://doi.org/10.1016/j.proenv.2016.03.029
[ 7 ]	Mi، J.، و همکاران. (2019) ردیابی تغییر کاربری زمین/پوشش زمین در یک منطقه با استخراج زیرزمینی و احیای جنگل از طریق طبقه‌بندی مستمر Landsat. سنجش از دور، 11، 17-19. https://doi.org/10.3390/rs11141719
[ 8 ]	Tagoe, ND and Mantey, S. (2017) نقشه برداری از اثرات فعالیت های انسانی در حوضه آبریز مخزن ویجا با استفاده از تکنیک های سنجش از دور. GJM، 17، 6-11.
[ 9 ]	Borthwick, RR and Wang, Y. (2015) پاسخ‌های گونه‌های پرنده به احیای پس از معدن در آلاباما – یک تحلیل مقدماتی. JASMR، 4، 1-19. https://doi.org/10.21000/JASMR15020001
[ 10 ]	Rwanga, SS and Ndambuki, JM (2017) ارزیابی دقت کاربری زمین/طبقه بندی پوشش زمین با استفاده از سنجش از دور و GIS. مجله بین المللی علوم زمین، 8، 611-622. https://doi.org/10.4236/ijg.2017.84033
[ 11 ]	Awotwi, A., Anornu, GK, Quaye-Ballard, JA and Annor, T. (2018) نظارت بر استفاده از زمین و تغییرات پوشش زمین به دلیل استخراج گسترده طلا، گسترش شهری و کشاورزی در حوضه رودخانه پرا غنا، 1986- 2025. تخریب و توسعه زمین، 29، 3331-3343. https://doi.org/10.1002/ldr.3093
[ 12 ]	Rawat، JS (2015) نظارت بر تغییر کاربری/پوشش زمین با استفاده از تکنیک‌های سنجش از راه دور و GIS: مطالعه موردی بلوک هاوالباغ، ناحیه آلمورا، اوتاراکند، هند. مجله مصری سنجش از دور و علوم فضایی، 18، 77-84. https://doi.org/10.1016/j.ejrs.2015.02.002
[ 13 ]	صوفیانیان، ا. و مدانیان، م. (2015) پایش تغییرات پوشش زمین در استان اصفهان، ایران با استفاده از داده های ماهواره لندست. پایش و ارزیابی محیط زیست 187 مقاله شماره 543 https://doi.org/10.1007/s10661-015-4442-5
[ 14 ]	احمد، ب.، احمد، آر و ژو، ایکس (2013) ارزیابی تکنیک های اعتبارسنجی مدل در دینامیک پوشش زمین. ISPRS International Journal of Geoinformatics, 2, 577-597. https://doi.org/10.3390/ijgi2030577
[ 15 ]	Ghosh, S., et al. (2017) کاربرد اتوماتای ​​سلولی و مدل زنجیره مارکوف در مدل‌سازی محیطی جغرافیایی – مروری. کاربردهای سنجش از دور: جامعه و محیط زیست، 5، 64-77. https://doi.org/10.1016/j.rsase.2017.01.005
[ 16 ]	Perpetual, P. (2015) ارزیابی تغییر پوشش زمین حاصل از توسعه معادن سطحی (مطالعه موردی Prestea و محیط آن در منطقه غربی غنا). پایان نامه کارشناسی ارشد، مهندسی ژئوماتیک، غنا.
[ 17 ]	Fitawok, MB, Derudder, B., Minale, AS, Van Passel, S., Adgo, E. and Nyssen, J. (2020) مدلسازی تأثیر شهرنشینی بر تغییر کاربری زمین در شهر باهیر دار، اتیوپی: یکپارچه رویکرد زنجیره ای اتومات سلولی-مارکوف. Land, 9, 115. https://doi.org/10.3390/land9040115
[ 18 ]	Urban, DL and Wallin, DO (2017) مقدمه ای بر مدل های مارکوف. در: آموزش محیط زیست منظر، اسپرینگر، نیویورک، 129-142. https://doi.org/10.1007/978-1-4939-6374-4_8
[ 19 ]	Aneesha, SB and Pratap, D. (2020) شبیه‌سازی سناریوی پوشش زمین کاربری آینده با استفاده از GIS منبع باز برای شهر Warangal، Telangana، هند. ژئوماتیک کاربردی
[ 20 ]	Chen, LP, Sun, YJ and Saeed, S. (2015) نظارت و پیش‌بینی تغییرات کاربری و پوشش زمین با استفاده از تکنیک‌های سنجش از دور و GIS-مطالعه موردی یک منطقه تپه‌ای، جیانگل، چین. PLoS ONE, 13, e0200493. https://doi.org/10.1371/journal.pone.0200493
[ 21 ]	Basommi, PL, Guan, Q. and Cheng, D. (2025) کاوش تغییر کاربری زمین و پوشش زمین در مناطق معدنی منطقه Wa East, غنا با استفاده از تصاویر ماهواره ای. علوم زمین باز، 7، 618-626. https://doi.org/10.1515/geo-2015-0058
[ 22 ]	Sikdar, P., Chakraborty, S., Adhya, E. and Paul, PK (2004) تغییرات کاربری زمین/پوشش زمین و پهنه بندی پتانسیل آب زیرزمینی در و اطراف منطقه معدن زغال سنگ Raniganj, منطقه Bardhaman, بنگال غربی – GIS و سنجش از دور رویکرد. مجله هیدرولوژی فضایی، 4، 1-24.
[ 23 ]	شولر، وی.، کومرل، تی و کرودر، HS (2011) تأثیرات استخراج طلای سطحی بر سیستم‌های کاربری زمین در غنا غربی. آمبیو، 40، 528-539. https://doi.org/10.1007/s13280-011-0141-9
[ 24 ]	Emel, J., Plisinski, J. and Rogan, J. (2014) نظارت بر تغییرات ژئومورفیک و هیدرولوژیکی در سایت‌های معدن با استفاده از تصاویر ماهواره‌ای: معدن طلای گیتا در تانزانیا. جغرافیای کاربردی، 54، 243-249. https://doi.org/10.1016/j.apgeog.2014.07.009
[ 25 ]	Henckel, J., Poulsen, KH, Sharp, T. and Spora, P. (2016) Lake Victoria Goldfields. قسمت ها، 39، 135-154. https://doi.org/10.18814/epiiugs/2016/v39i2/95772
[ 26 ]	Werema, C., Howell, KM, Msuya, CA and Macha, A. (2016) Birds of Golden Pride Project Area, Nzega District, Central Tanzania: An Evaluation of Recolonization of Rehabilitated Area. اسکوپوس، 36، 26-36.
[ 27 ]	Rizk, I. and Rashed, M. (2015) نظارت بر رشد شهری و تشخیص تغییر کاربری زمین با تکنیک‌های GIS و سنجش از دور در استان دقاهلیه مصر. مجله بین المللی محیط زیست ساخته شده پایداری، 4، 117-124. https://doi.org/10.1016/j.ijsbe.2015.02.005
[ 28 ]	Haque, MI and Basak, R. (2017) تشخیص تغییر پوشش زمین با استفاده از تکنیک‌های GIS و سنجش از دور: یک مطالعه فضایی-زمانی در Tanguar Haor, Sunamganj, بنگلادش. مجله مصری سنجش از دور و علوم فضایی، 20، 251-263. https://doi.org/10.1016/j.ejrs.2016.12.003
[ 29 ]	Viera، AJ و Garrett، JM (2005) درک توافق بین ناظران: آمار کاپا. پزشکی خانواده، 37، 360-363.
[ 30 ]	Pallangyo، D. (2005) ارزیابی اثرات زیست محیطی برای فعالیت های معدنی در تانزانیا: تحلیل حقوقی. پایان نامه کارشناسی ارشد در دانشکده حقوق، دانشگاه کوازولو-ناتال، پیترمارتسبورگ.
[ 31 ]	Stephen، DC، Ayensu-ntim، G.، Twumasi-ankrah، AB و Barimah، PT (2015) اثرات از دست دادن زمین کشاورزی به دلیل استخراج طلا در مقیاس بزرگ بر کشاورزی در غنا: مورد منطقه غربی. مجله تحقیقات بریتانیا، 2، 196-221.
[ 32 ]	Adesipo، AA، Akinbiola، S.، Awotoye، OO، Salami، AT و Freese، D. (2020) تأثیر معدن بر انجمن گل‌شناسی سایت‌های استخراج طلا در جنوب غربی نیجریه. BMC Ecology، 20، مقاله شماره 9. https://doi.org/10.1186/s12898-020-00276-9
[ 33 ]	Erener, A., Düzgün, S. and Cevdet, A. (2012) ارزیابی تغییر کاربری/پوشش زمین با داده های ماهواره ای و سیستم های اطلاعاتی موقت. Procedia Technology, 1, 385-389. https://doi.org/10.1016/j.protcy.2012.02.079
[ 34 ]	سینکلر، جی. (2016) وضعیت محیط زیست، پروژه افتخار طلایی در روستای ایسانگا، بخش لوسو، منطقه نزگا، منطقه تابورا. Resolute Tanzania Limited.
[ 35 ]	مریشو، PD (2005) ارزیابی اثرات زیست محیطی برای فعالیت های معدنی در تانزانیا: تحلیل حقوقی. پایان نامه ارسال شده در تکمیل بخشی از الزامات تحصیلی برای مدرک کارشناسی ارشد حقوق در دانشکده حقوق، دانشگاه کوازولو-ناتال، پیترماریتزبورگ.
[ 36 ]	Monserud and Leemans, R. (1992) مقایسه نقشه های گیاهی جهانی با آمار کاپا. مدلسازی اکولوژیک، 62، 275-293. https://doi.org/10.1016/0304-3800(92)90003-W
[ 37 ]	Abubaker, H., Mohamed, A. and Abdelrahim, S. (2013) ارزیابی دقت استفاده از زمین و طبقه بندی پوشش زمین (LU/LC) “مطالعه موردی منطقه شومادی – شهرستان رنک – ایالت نیل علیا، سودان جنوبی”. انتشارات مجله بین المللی علمی و پژوهشی، 3، 1-2250.
[ 38 ]	Tilahun, A. and Teferie, B. (2015) ارزیابی دقت طبقه‌بندی پوشش زمین کاربری اراضی با استفاده از Google Earth. مجله آمریکایی حفاظت از محیط زیست، 4، 193-198. https://doi.org/10.11648/j.ajep.20150404.14
[ 39 ]	Butt, A., Shabbir, RS, Ahmad, S. and Aziz, N. (2015) نقشه برداری و تحلیل تغییر کاربری اراضی با استفاده از سنجش از دور و GIS: مطالعه موردی Simly Watershed، اسلام آباد، پاکستان. مجله مصری سنجش از دور و علوم فضایی، 18، 251-259. https://doi.org/10.1016/j.ejrs.2015.07.003