>
Fa   |   Ar   |   En
   پیش بینی جنگل زدایی و بازیابی جنگل با استفاده از مدل تبدیل زمین (‏ltm‏) در جنگل های زاگرس شمالی  
   
نویسنده بیگی حیدرلو هادی ,بانج شفیعی عباس ,عرفانیان مهدی ,طیبی امین ,علیجانپور احمد
منبع پژوهش و توسعه جنگل - 1400 - دوره : 7 - شماره : 4 - صفحه:527 -544
چکیده    الگوی تغییرات کاربری اراضی در مقیاس های مختلف زمانی و مکانی به صورت غیرخطی است. از این رو برای پیش بینی اثرات بالقوه و منفی این تغییرات بر خدمات اکوسیستمی جنگل ها در آینده نیاز به ابزارهای غیرخطی مانند شبکه های عصبی مصنوعی است. در این پژوهش برای پیش بینی جنگل زدایی و بازیابی اراضی جنگلی شهرستان سردشت برای 10، 20 و 30 سال آینده از مدل تبدیل زمین یا ltm که یک مدل مبتنی بر شبکه های عصبی مصنوعی و gis است استفاده شد. بدین منظور سه سناریوی مختلف شامل دوره های زمانی 13861376، 13961376 و 13961386 استفاده شد و جنگل زدایی و بازیابی اراضی جنگلی سردشت با استفاده از 14 متغیر مختلف برای سال های 1406، 1416 و 1426 پیش بینی شد. نتایج نشان داد طی 20 سال دورۀ زمانی موردبررسی (1376 تا 1396) با وجود 57/2373 هکتار بازیابی جنگل های سردشت، 63/10314 هکتار جنگل زدایی رخ داده است. مدل سازی جنگل زدایی و بازیابی جنگل توسط هر سه سناریو با مقدار roc بالای 8/0 برای همه مدل ها نشان دهندۀ افزایش قطعی جنگل زدایی در سردشت طی سه دهۀ آینده بوده است، به طوری که بر اساس سناریوی 1386-1376، پیش بینی شد 24/22296 هکتار از جنگل های منطقه طی 30 سال آینده تخریب خواهد شد. نتایج این پژوهش می تواند برای برنامه ریزی های حفاظتی صحیح و افزایش برنامه های نظارتی در مناطق با پتانسیل تخریبی استفاده شود.
کلیدواژه بازیابی جنگل، جنگل زدایی، سردشت، مدل تبدیل زمین (‏ltm‏)، مدل سازی‏
آدرس دانشگاه ارومیه, دانشکده منابع طبیعی, ایران, دانشگاه ارومیه, دانشکده منابع طبیعی, گروه جنگلداری, ایران, دانشگاه ارومیه, دانشکده منابع طبیعی, گروه مرتع و آبخیزداری, ایران, شرکت esri, ایران, دانشگاه ارومیه, دانشکده منابع طبیعی, گروه جنگلداری, ایران
پست الکترونیکی a.alijanpour@urmia.ac.ir
 
   Forecasting deforestation and forest recovery using Land Transformation Model ‎‎(LTM) in Iranian Zagros forests  
   
Authors Beygiheidarlou Hadi ,Banj Shafiei Abbas ,Erfanian Mahdi ,Tayyebi Amin ,Alijanpour Ahmad
Abstract    Land use changes and its patterns in spatial and temporal scales occur in a nonlinear way. Therefore, to predict the potential and negative effects of these changes on forest ecosystem services in future, nonlinear tools such as Artificial Neural Networks (ANNs) are needed. In this study for forecasting deforestation and recovery of Sardasht forests for 10, 20 and 30 years later, Land Transformation Model (LTM) based on ANNs and GIS was used. For this purpose, three different scenarios including time periods of 19972007, 19972017 and 20072017 were used, and deforestation and forest recovery of Sardasht using 14 variables for 2027, 2037 and 2047 were predicted. Results showed that over 20year studied time period (1997 to 2017) despite 2372.57 ha recovery of Sardasht forests, 10314.63 ha deforestation occurred. Deforestation and forest recovery modeling by all three scenarios with good Receiver Operating Characteristic curve (or ROC curve) (more than 0.8) for all scenarios, show a definite and increasing deforestation process in Sardasht over the next three decades, so based on the 19972007 scenario, it is anticipated that 22296.24 ha of forests in the region will be destroyed over the next 30 years. The results of this research can be used for proper conservation planning and increasing regulatory programs in areas with high degradation potential‎.
Keywords
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved