تعداد نشریات | 13 |
تعداد شمارهها | 149 |
تعداد مقالات | 1,479 |
تعداد مشاهده مقاله | 2,257,758 |
تعداد دریافت فایل اصل مقاله | 1,888,025 |
پیش بینی جنگل زدایی و بازیابی جنگل با استفاده از مدل تبدیل زمین (LTM) در جنگل های زاگرس شمالی | ||
پژوهش و توسعه جنگل | ||
دوره 7، شماره 4، اسفند 1400، صفحه 527-544 اصل مقاله (1.76 M) | ||
نوع مقاله: علمی - پژوهشی | ||
شناسه دیجیتال (DOI): 10.30466/jfrd.2021.53873.1572 | ||
نویسندگان | ||
هادی بیگی حیدرلو1؛ عباس بانج شفیعی* 2؛ مهدی عرفانیان3؛ امین طیبی4؛ احمد علیجانپور5 | ||
1دکتری جنگلداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه | ||
2استاد، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران | ||
3دانشیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران | ||
4پژوهشگر اطلاعات جغرافیایی، شرکت ESRI، ایالات متحده. | ||
5دانشیار، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران | ||
چکیده | ||
الگوی تغییرات کاربری اراضی در مقیاسهای مختلف زمانی و مکانی بهصورت غیرخطی است. از اینرو برای پیشبینی اثرات بالقوه و منفی این تغییرات بر خدمات اکوسیستمی جنگلها در آینده نیاز به ابزارهای غیرخطی مانند شبکههای عصبی مصنوعی است. در این پژوهش برای پیشبینی جنگلزدایی و بازیابی اراضی جنگلی شهرستان سردشت برای 10، 20 و 30 سال آینده از مدل تبدیل زمین یا LTM که یک مدل مبتنی بر شبکههای عصبی مصنوعی و GIS است استفاده شد. بدین منظور سه سناریوی مختلف شامل دورههای زمانی 1386-1376، 1396-1376 و 1396-1386 استفاده شد و جنگلزدایی و بازیابی اراضی جنگلی سردشت با استفاده از 14 متغیر مختلف برای سالهای 1406، 1416 و 1426 پیشبینی شد. نتایج نشان داد طی 20 سال دورۀ زمانی موردبررسی (1376 تا 1396) با وجود 57/2373 هکتار بازیابی جنگلهای سردشت، 63/10314 هکتار جنگلزدایی رخ داده است. مدلسازی جنگلزدایی و بازیابی جنگل توسط هر سه سناریو با مقدار ROC بالای 8/0 برای همه مدلها نشاندهندۀ افزایش قطعی جنگلزدایی در سردشت طی سه دهۀ آینده بوده است، بهطوریکه بر اساس سناریوی 1386-1376، پیشبینی شد 24/22296 هکتار از جنگلهای منطقه طی 30 سال آینده تخریب خواهد شد. نتایج این پژوهش میتواند برای برنامهریزیهای حفاظتی صحیح و افزایش برنامههای نظارتی در مناطق با پتانسیل تخریبی استفاده شود. | ||
کلیدواژهها | ||
بازیابی جنگل؛ جنگل زدایی؛ سردشت؛ مدل تبدیل زمین (LTM)؛ مدل سازی | ||
مراجع | ||
Beygi Heidarlou, H.; Shafiei, A. B.; Erfanian, M.; Tayyebi, A.; Alijanpour, A., Armed conflict and land-use changes: Insights from Iraq-Iran war in Zagros forests. Forest Policy and Economics 2020a, 118, 102246.
Beygi Heidarlou, H.; Shafiei, A. B.; Erfanian, M.; Tayyebi, A.; Alijanpour, A., Underlying driving forces of forest cover changes due to the implementation of preservation policies in Iranian northern Zagros forests. International Forestry Review 2020b, 22 (2), 241-256.
Beygi Heidarlou, H.; Shafiei, A. B.; Erfanian, M.; Tayyebi, A.; Alijanpour, A., Effects of preservation policy on land use changes in Iranian Northern Zagros forests. Land use policy 2019, 81, 76-90.
Gessesse, B.; Bewket, W.; Bräuning, A., Model‐based characterization and monitoring of runoff and soil erosion in response to land use/land cover changes in the Modjo watershed, Ethiopia. Land degradation & development 2015, 26 (7), 711-724.
Heathcote, I. W., Integrated watershed management: Principles and practices. john wiley& sons. Inc. New York 1998.
Hostert, P.; Kuemmerle, T.; Prishchepov, A.; Sieber, A.; Lambin, E. F.; Radeloff, V. C., Rapid land use change after socio-economic disturbances: the collapse of the Soviet Union versus Chernobyl. Environmental Research Letters 2011, 6 (4), 045201.
Houet, T.; Loveland, T. R.; Hubert-Moy, L.; Gaucherel, C.; Napton, D.; Barnes, C. A.; Sayler, K., Exploring subtle land use and land cover changes: a framework for future landscape studies. Landscape Ecol. 2010, 25 (2), 249-266.
Kabba, V. T. S.; Li, J., Analysis of land use and land cover changes, and their ecological implications in Wuhan, China. Journal of Geography and Geology 2011, 3 (1), 104-118.
Lek-Ang, S.; Deharveng, L.; Lek, S., Predictive models of collembolan diversity and abundance in a riparian habitat. Ecol. Model. 1999, 120 (2-3), 247-260.
Mahmoudi, M.; Alijanpour, A.; Banj Shafiei, A.; Zargharan, M. R.; Mansouri, A., Effects of preservation plan on quantitative and qualitative characteristics of the mature stand, regeneration and extension of Loranthus europaeus in Salas-e Babajani County Forest. Journal of Forest Research and Development 2021, 7(2), 183-197.
Mas, J.-F.; Puig, H.; Palacio, J. L.; Sosa-López, A., Modelling deforestation using GIS and artificial neural networks. Environ. Model. Software 2004, 19 (5), 461-471.
Matthews, R. B.; Gilbert, N. G.; Roach, A.; Polhill, J. G.; Gotts, N. M., Agent-based land-use models: a review of applications. Landscape Ecol. 2007, 22 (10), 1447-1459.
Newman, G.; Lee, J.; Berke, P., Using the land transformation model to forecast vacant land. Journal of Land Use Science 2016, 11 (4), 450-475.
Pijanowski, B. C.; Brown, D. G.; Shellito, B. A.; Manik, G. A., Using neural networks and GIS to forecast land use changes: a land transformation model. Computers, environment and urban systems 2002, 26 (6), 553-575.
Pijanowski, B. C.; Hyndman, D.; Shellito, B. A. In The application of the land transformation, groundwater flow and solute transport models for michigan’s grand traverse bay watershed, Proceedings of the National American Planning Association Meeting, New Orleans, LA, USA, 2001.
Pijanowski, B. C.; Tayyebi, A.; Doucette, J.; Pekin, B. K.; Braun, D.; Plourde, J., A big data urban growth simulation at a national scale: configuring the GIS and neural network based land transformation model to run in a high performance computing (HPC) environment. Environ. Model. Software 2014, 51, 250-268.
Pijanowski, B.; Alexandridis, K.; Mueller, D., Modelling urbanization patterns in two diverse regions of the world. Journal of Land Use Science 2006, 1 (2-4), 83-108.
Riutta, T.; Slade, E. M.; Morecroft, M. D.; Bebber, D. P.; Malhi, Y., Living on the edge: quantifying the structure of a fragmented forest landscape in England. Landscape Ecol. 2014, 29 (6), 949-961.
Salehi, P.; Banj Shafiei, A.; Barin, M.; Khezri, Kh., Effect of surface fire on dynamic of some chemico-physical properties of forest soil, Sardasht, West Azarbayjan. Journal of Forest Research and Development 2020, 6(3), 395-410.
Tayyebi, A. H.; Tayyebi, A.; Khanna, N., Assessing uncertainty dimensions in land-use change models: using swap and multiplicative error models for injecting attribute and positional errors in spatial data. Int. J. Remote Sens. 2014, 35 (1), 149-170.
Tayyebi, A.; Pekin, B. K.; Pijanowski, B. C.; Plourde, J. D.; Doucette, J. S.; Braun, D., Hierarchical modeling of urban growth across the conterminous USA: developing meso-scale quantity drivers for the Land Transformation Model. Journal of Land Use Science 2013, 8 (4), 422-442.
Tayyebi, A.; Pijanowski, B. C., Modeling multiple land use changes using ANN, CART and MARS: Comparing tradeoffs in goodness of fit and explanatory power of data mining tools. International Journal of Applied Earth Observation and Geoinformation 2014, 28, 102-116.
Tayyebi, A.; Pijanowski, B. C.; Tayyebi, A. H., An urban growth boundary model using neural networks, GIS and radial parameterization: An application to Tehran, Iran. Landscape Urban Plann. 2011, 100 (1-2), 35-44.
Veldkamp, A.; Lambin, E. F., Predicting land-use change. Agriculture, Ecosystems and Environment 2001, 85, 1-6.
Živković, Ž.; Mihajlović, I.; Nikolić, D., Artificial neural network method applied on the nonlinear multivariate problems. Serbian journal of management 2009, 4 (2), 143-155. | ||
آمار تعداد مشاهده مقاله: 2,035 تعداد دریافت فایل اصل مقاله: 1,320 |