پایش و پیش بینی چنددوره ای کاهش پوشش جنگلی با استفاده از مدل رگرسیون لجستیک در حوضه های آبخیز ارسباران

آگاهی و شناخت صحیح از تغییرات پوشش جنگلی در ارتباط با عوامل و عناصر محیطی به لحاظ رهنمودهای حفاظتی و حمایتی حائز اهمیت می باشد. پژوهش حاضر باهدف تشخیص، کمی سازی و پیش بینی چنددوره ای جنگل زدایی در ارتباط با متغیرهای توپوگرافی با استفاده از مدل رگرسیون لجستیک انجام گرفت. حوضه های آبخیز ارسباران شامل سه حوضه ناپشته چای، ایلگینه چای و مردانقم چای، واقع در شمال غرب ایران به دلیل داشتن اکوسیستم های جنگلی ارزشمند مورد هدف قرار گرفت. در این راستا کاهش پوشش جنگلی به‌عنوان متغیر وابسته، طی سه دوره زمانی مختلف شامل 1996-1984، 2006-1996، 2017-2006 و با استفاده از تصاویر ماهواره لندست به روش مقایسه پس از طبقه بندی آشکار گردید. از طرفی هشت متغیر مستقل توپوگرافی از مدل رقومی ارتفاع (dem) باقدرت تفکیک 30 متر استخراج شد. این متغیرها شامل ارتفاع، شیب، شاخص موقعیت توپوگرافی، شاخص رطوبت توپوگرافی، جهات شیب شمالی و شرقی، انحناء مسطح و انحناء پروفیل بود. نتایج آشکارسازی تغییرات طی سه دوره زمانی نشان داد که افزایش جنگل زدایی از دوره اول تا سوم در حوضه های ایلگینه و مردانقم مشهوده بوده و در مقابل، حوضه ناپشته با روند کاهشی جنگل زدایی مشخص شد. نتایج آزمون مدل رگرسیون لجستیک رضایت بخش بوده و از کارایی قابل‌قبول آن در تبیین و پیش بینی رخداد کاهش گستره جنگل در ارتباط با متغیرهای توپوگرافی حکایت داشت، به‌طوری‌که مقادیر مشخصه عملکرد نسبی (roc) حاصل در سه دوره زمانی به ترتیب برابر با 0.76، 0.72 و 0.64 بود. نتایج مدل سازی نشان داد که بالاترین احتمال وقوع جنگل زدایی به پهنه های محدب و برآمده، ارتفاعات بالا، دره ها و پیرامون رودها، شیب های تند و جهات دامنه جنوبی و شرقی و نم زارها اختصاص دارد.

Multi-period monitoring and prediction of forest cover loss using logistic regression model in Arasbaran catchments

Knowledge of changes in forest cover in relation to environmental factors can be valuable in terms of conservational and protective guidances. The purpose of this study was to identify, quantify and predict deforestation in relation to topographic variables using logistic regression model. 3 Arasbaran catchments named Naposhtehchay, Ilginehchay and Mardanqumchay, located in NW in Iran were targeted because of their vital forest ecosystems. In this regard, the reduction of forest cover as dependent variable over three different time periods including 19841996, 19962006, 20062017 was detected using Landsat satellite imagery and post classification method. On the other hand, 8 independent topographic variables were derived from digital elevation model (DEM) with 30 m resolution including altitude, slope, topographic position index, topographic wetness index, northness, eastness, plan curvature and profile curvature. The results of change detection over the three time periods was indicative of increasing trend of deforestation in Ilgineh and Mardanqum catchments, and ,in contrast, the declining trend of it in Naposhteh catchment. Also, logistic regression models were satisfactory and acceptable in terms of performance to explain and predict the deforestation in relation to topographic variables. The ROC values ​​obtained in the three time periods were 0.76, 0.72 and 0.64, respectively. The modeling showed that the highest probability of deforestation was attributed to convex areas and ridges, high altitudes, valleys, steep slopes, south and east aspects, and wetlands.