پیش بینی جنگل زدایی و بازیابی جنگل با استفاده از مدل تبدیل زمین (LTM) در جنگل های زاگرس شمالی
محل انتشار: فصلنامه پژوهش و توسعه جنگل، دوره: 7، شماره: 4
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 164
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFRD-7-4_001
تاریخ نمایه سازی: 13 آذر 1402
چکیده مقاله:
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 ۱۰، ۲۰ و ۳۰ 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 ۱۳۸۶-۱۳۷۶، ۱۳۹۶-۱۳۷۶ و ۱۳۹۶-۱۳۸۶ استفاده شد و جنگلزدایی و بازیابی اراضی جنگلی سردشت با استفاده از ۱۴ متغیر مختلف برای سالهای ۱۴۰۶، ۱۴۱۶ و ۱۴۲۶ پیشبینی شد. نتایج نشان داد طی ۲۰ سال دوره زمانی موردبررسی (۱۳۷۶ تا ۱۳۹۶) با وجود ۵۷/۲۳۷۳ هکتار بازیابی جنگلهای سردشت، ۶۳/۱۰۳۱۴ هکتار جنگلزدایی رخ داده است. مدلسازی جنگلزدایی و بازیابی جنگل توسط هر سه سناریو با مقدار ROC بالای ۸/۰ برای همه مدلها نشاندهنده افزایش قطعی جنگلزدایی در سردشت طی سه دهه آینده بوده است، بهطوریکه بر اساس سناریوی ۱۳۸۶-۱۳۷۶، پیشبینی شد ۲۴/۲۲۲۹۶ هکتار از جنگلهای منطقه طی ۳۰ سال آینده تخریب خواهد شد. نتایج این پژوهش میتواند برای برنامهریزیهای حفاظتی صحیح و افزایش برنامههای نظارتی در مناطق با پتانسیل تخریبی استفاده شود.
کلیدواژه ها:
نویسندگان
Hadi Beygiheidarlou
دکتری جنگلداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه
Abbas Banj Shafiei
استاد، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران
Mahdi Erfanian
دانشیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران
Amin Tayyebi
پژوهشگر اطلاعات جغرافیایی، شرکت ESRI، ایالات متحده.
Ahmad Alijanpour
دانشیار، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :