تشخیص تغییرات مکانی-زمانی و پویایی پوشش جنگل در منطقه فندقلو (شمال غرب ایران)

تشخیص تغییرات مکانی-زمانی کاربری اراضی و به ویژه پویایی بوم سازگان ها برای ارزیابی اثربخشی راهبردهای مدیریت بوم‌سازگان ها، توسعه سیستم‌های پایش مبتنی بر ابزارهای کمی و کیفی برای حفاظت، ارزش‌گذاری و احیای آن‌ها و درنهایت تعاملات اجتماعی، محیط زیستی و سیاسی یک منطقه ضروری است. در این تحقیق به منظور شناسایی تغییرات از تصاویر landsat-7 etm+ و landsat-8 oli/tirs l1tp به ترتیب برای سال‌های 1382 (مرداد) و 1402 (تیر) تحت طبقه‌بندی نظارت شده با استفاده از الگوریتم طبقه‌بندی ماشین بردار پشتیبان (svm) استفاده شد. پنج طبقه کاربری اصلی شامل کشاورزی، جنگل، مرتع، مناطق انسان ساز و آبی استخراج شد. نتایج ارزیابی صحت برای تصاویر طبقه‌بندی‌شده، دقت کلی بیش از 92 درصد و ضریب کاپا بیش از 0.89 را برای هر دو سال نشان داد. در دوره موردمطالعه، مناطق کشاورزی و انسان ساز افزایش یافت، درحالی‌که جنگل، مرتع و مناطق آبی کاهش یافت. بیشترین میزان تغییر (62.3 هکتار در سال) در مراتع مشاهده شد. نتایج حاصل از نقشه‌های تغییر پوشش جنگلی پس از طبقه‌بندی، کاهش قابل‌توجه 5.8 درصدی پوشش جنگلی را طی دوره زمانی 20 ساله نشان می‌دهد. دلیل اصلی این تغییر، جایگزینی مشاهده‌شده پوشش جنگلی بومی با مراتع (9.16 درصد)، مناطق انسان ساز (3.4 درصد) و مناطق کشاورزی (8.0 درصد) است. بیشتر این تغییرات کاربری اراضی برنامه‌ ریزی نشده و عمدتاً درنتیجه فعالیت ‌های انسانی و با طیف وسیعی از آثار منفی بر بوم سازگان ‌های طبیعی است. ازاین‌رو، سیاست‌های موثر و مدیریت کاربری اراضی برای حفاظت از مزایای محیط زیستی و زیبایی‌شناختی بوم سازگان‌ ها، و نیز برای مدیریت مخاطرات طبیعی ناشی از این تغییرات موردنیاز است. جدای از ارزیابی تغییرات کاربری اراضی، این تحقیق بینشی از پویایی پوشش جنگل، همراه با علل و پیامدها ارائه می دهد و از این طریق نقاط داغ تخریب جنگل را نشان می دهد. پایش تغییر پوشش جنگل برای توسعه راهبردهای مدیریت پایدار جنگل که منابع جنگلی و خدمات بوم سازگانی را احیا می کند، ضروری است.

a spatiotemporal change detection and forest cover dynamics in the fandoghlo region (nw iran)

in this research, in order to identify changes, landsat-7 etm+ and landsat-8 oli/tirs l1tp images were used for 2003 (august) and 2023 (june), respectively, under supervised classification using support vector machine (svm) classification algorithm. five main land use classes including agriculture, forest, rangeland, built-up, and water areas were extracted. the accuracy evaluation results for the classified images showed an overall accuracy of > 92% and a kappa coefficient of > 0.89 for both years. during the period, agriculture and built-up areas increased, while forests, rangelands, and water bodies decreased. the highest rate of change (62.3 hectares per year) was observed in rangelands. the results of forest cover change maps after classification show a significant decrease of 8.5 percent in forest cover over a period of 20 years. the main reason for this change is the observed replacement of native forest cover with rangelands (16.9 %), built-up areas (4.3 %), and agricultural areas (0.8 %). most of these land use changes are unplanned and mainly a result of human activities with a wide range of negative effects on natural ecosystems. therefore, effective policies and land use management are needed to protect the environmental and aesthetic benefits of ecosystems, as well as to manage natural hazards caused by these changes. apart from the assessment of land use changes, this research provides insight into the dynamics of forest cover, along with its causes and consequences, and in this way shows the hot spots of forest loss.