پهنه‌بندی و شناسایی عوامل موثر بر وقوع تخلفات تعلیف غیرمجاز دام در پارک ملی گلستان با استفاده از رگرسیون لجستیک

مقدمه: درک صحیح از محرک‌های رفتاری انسان، یک عنصر حیاتی برای حفاظت موثر از زیستگاه‌ها و مناطق تحت حفاظت است. تخلفات حوزه محیط‌زیست شامل طیف گسترده‌ای از رفتارها و اقدامات همچون تخریب زیستگاه، از بین‌بردن رستنی‌ها، قطع درختان، تعلیف دام، شکار و قاچاق حیات‌وحش، ماهیگیری، تخلیه انواع زباله، پساب و پسماند، استخراج معادن و غیره است. آگاهی از این تخلفات می‌تواند به مدیران کمک کند تا منابع را روی گروه‌هایی که کمترین سازگاری با قوانین حفاظتی را دارند متمرکز و راهکارهای حفاظتی مطلوب‌تری را ارائه دهند. پارک ملی گلستان با توجه به اهمیت حفاظتی در سطح ملی و منطقه‌ای، با تنوعی از تخلفات انسانی مواجه است که خسارات عدیده فیزیکی، اکولوژیکی و اقتصادی بر آن وارد می‌کنند. از این ‌رو، تعیین دقیق مناطق مستعد ارتکاب تخلفات، می‌تواند گامی موثر در تبیین و افزایش درک لزوم حفاظت از این منطقه برای مردم، سیاست‌گذاران حوزه محیط‌زیست و مسوولان سیاسی و قضایی باشد. با توجه به پیچیدگی فرایند شناسایی و مکان‌یابی تخلفات تعلیف غیرمجاز دام و تاثیرگذاری عوامل مختلف زیستگاهی و انسانی بر وقوع آن، از مدل رگرسیون لجستیک به‌منظور پهنه‌بندی جرم در این منطقه استفاده شد. اجرای این روش یک رویکرد کمی برای اندازه‌گیری جرایم و شناسایی راه‌حل‌های عملی برای کاهش جرم در منطقه مورد مطالعه ارائه می‌دهد.مواد و روش‌ها: پارک ملی گلستان اولین پارک ملی ایران است که از سال 1336 تحت حفاظت قرار دارد. به منظور پهنه‌بندی و شناسایی عوامل موثر بر وقوع تخلفات تعلیف غیرمجاز دام در پارک ملی گلستان از روش رگرسیون لجستیک در محیط نرم افزار terrset idrisi بهره برده شد. رگرسیون لجستیک یکی از مدل‌های مناسب جهت اجرای پهنه‌بندی است که با استفاده از داده‌های موجود، یک معادله برای پیش‌بینی و بیان تغییرات متغیر وابسته، بر اساس متغیرهای مستقل ارائه می‌دهد. این روش از برآورد حداکثر احتمال برای یافتن بهترین عواملی که مدل را برازش می‌کنند، استفاده می‌کند. معادله رگرسیونی پیش‌بینی احتمال وقوع تخلف غیرمجاز دام در مرز پارک ملی گلستان، حاصل از مدل‌سازی رگرسیون لجستیک با استفاده از متغیرهای مستقل فیزیوگرافی، پوشش گیاهی و انسانی است.نتایج: نتایج حاصل از اجرای مدل و معادله رگرسیونی پیش‌بینی احتمال وقوع تخلف تعلیف غیرمجاز دام در داخل پارک ملی گلستان نشان داد که موثرترین عامل در احتمال وقوع تخلف، فاصله از جاده با ضریب 679/5- است. ارتفاع با ضریب 192/4، زبری با ضریب 051/4، فاصله از چشمه‌ها با ضریب 34/2- در درجات بعدی اهمیت قرار دارند. عامل جهت با ضریب 0015 /0 به‌عنوان کم‌اثرترین متغیر مستقل تعیین گردیده است. ضرایب لایه‌های شیب، فاصله از جاده، فاصله از پاسگاه‌های محیط‌بانی، فاصله از منابع آبی (رودخانه و چشمه)، منفی به‌دست‌آمده است که بیانگر کاهش احتمال وقوع تخلف با افزایش فاصله از متغیرها است. مقادیر شاخص pseudo r2 برابر 2402/0، شاخص roc برابر با 8916/0 و شاخص chi square نیز برابر 8447 /8493 به دست آمده است که برازش قابل‌قبول مدل را تایید و نشان‌دهنده دقت بسیار خوب و بالای اجرای مدل و وجود رابطه قوی با مقادیر احتمال حاصل از مدل رگرسیون لجستیک است. حذف تک به تکی هر یک از متغیرهای مستقل و انجام مقایسه حساسیت‌سنجی با استفاده از شاخص‌های آماری، تایید کننده متغیر مستقل فاصله از جاده، به‌عنوان مهم‌ترین عامل تاثیرگذار بر وقوع تخلفات چرای غیرمجاز دام بوده‌اند.بحث: نتایج حاصل از اجرای مدل رگرسیون لجستیک، بهترین تابع برازش را جهت توصیف ارتباط بین عوامل تاثیرگذار بر انجام تخلفات تعلیف غیرمجاز دام و نیز پیش‌بینی وقوع آن ارائه داد. بر این ‌اساس، تقریباً تمام مناطق پیرامونی پارک ملی گلستان که دارای جاده‌های دسترسی هستند، مستعد حضور دامداران غیرمجاز هستند. عواملی مهمی همچون کمبود نیروهای اجرایی، نبود پاسگاه‌های حفاظتی کافی و عدم فعالیت کامل برخی پاسگاه‌های موجود نیز در تشدید بروز تخلفات چرای غیرمجاز دام بسیار اثرگذار است. از طرفی به علت عدم تعیین حریم برای مناطق چهارگانه سازمان حفاظت محیط‌زیست و تنها اتکا به مرز پیرامونی مناطق حفاظت شده به‌عنوان مرز رسمی، موجب گردیده است که دامداران غیرمجاز نیز با شناسایی زیستگاه‌های مطلوب حاشیه جاده‌های پیرامونی پارک ملی گلستان، اقدام به ورود به پارک ملی گلستان و چرای غیرمجاز دام نمایند. از این ‌رو، با شناسایی کانون‌های تخلف و افزایش کارایی گشت‌زنی در این مناطق، می‌توان تا حد زیادی از وقوع تخلفات دام غیرمجاز جلوگیری نمود و با احیا عرصه‌های تخریب یافته، به بهبود کیفیت اکوسیستم کمک کرد.

zoning and identification of factors affecting illegal livestock grazing in golestan national park using logistic regression

introduction: a comprehensive understanding of human behavioral drivers is pivotal for the effective conservation of habitats and protected areas. environmental crimes encompass a wide spectrum of activities, including habitat destruction, vegetation clearance, deforestation, livestock grazing, hunting and wildlife trafficking, fishing, indiscriminate waste disposal, mining, and more. by discerning patterns in these violations, managers can allocate resources strategically to those groups exhibiting the least compliance with conservation regulations and implement more effective protection strategies. golestan national park, given its significant conservation value at both national and regional levels, is subject to a myriad of human-induced violations that inflict substantial physical, ecological, and economic damages. consequently, precisely identifying areas susceptible to such violations can be a pivotal step in elucidating and enhancing the public’s comprehension of the imperative to protect this region. moreover, it can inform environmental policymakers and political and judicial officials. owing to the complexity inherent in identifying and locating instances of illegal livestock grazing and the influence of diverse environmental and anthropogenic factors, a logistic regression model was employed to delineate crime zones within the study area. this quantitative approach provides a means to measure the prevalence of offenses and to identify practical solutions for mitigating crime within the designated region.materials and methods: golestan national park, iran’s first national park, has been under protection since 1957. to zone and identify the factors influencing illegal livestock grazing in golestan national park, a logistic regression model was applied, using the terrset idrisi software. logistic regression is a suitable model for zoning, providing an equation to predict and explain the changes in a dependent variable based on independent variables using existing data. this method uses maximum likelihood estimation to find the best factors that fit the model. the regression equation predicting the probability of illegal livestock grazing on the border of golestan national park was obtained from logistic regression modeling using independent physiographic, vegetation, and human variables.results: results from the model and the regression equation predicting the probability of illegal livestock grazing within golestan national park showed that the most influential factor was the distance from the road, with a coefficient of -5.679. altitude with a coefficient of 4.192, ruggedness with a coefficient of 4.051, and distance from springs with a coefficient of -2.34 were the next most important factors. the aspect factor with a coefficient of 0.0015 was determined to be the least influential independent variable. the coefficients of the slope, distance from the road, distance from ranger’s stations, and distance from water sources (rivers and springs) were negative, indicating a decrease in the probability of violations with increasing distance from these variables. the pseudo r2 index was 0.2402, the roc index was 0.8916, and the chi-square index was 8493.8447, confirming the acceptable fit of the model and indicating a very good and high accuracy of the model execution and a strong relationship with the probability values obtained from the logistic regression model. the removal of each independent variable individually and the comparison of sensitivity analysis using statistical indices confirmed the independent variable of distance from the road as the most important factor affecting the occurrence of illegal grazing.discussion: the results of the logistic regression model provided the best fitting function to describe the relationship between the factors influencing illegal livestock grazing and to predict its occurrence. accordingly, almost all areas around golestan national park with access roads are susceptible to the presence of illegal herders. important factors such as a lack of enough rangers, and a lack of ranger stations, have also been very influential in exacerbating the occurrence of illegal grazing. moreover, the lack of a defined boundary for the protected areas has caused illegal herders to identify suitable habitats on the margins of the roads around golestan national park and enter the park for illegal grazing. therefore, by identifying the centers of violations and increasing the efficiency of patrolling in these areas, it is possible to significantly prevent the occurrence of illegal grazing and help improve the quality of the ecosystem by restoring damaged areas.