مدل‌سازی ارزیابی کیفیت زیباشناختی منظر جنگل با استفاده از شبکه عصبی مصنوعی

نوع مقاله: مقاله پژوهشی

نویسنده

عضو هیات علمی دانشکده محیط زیست کرج

چکیده

سابقه و هدف:
با توجه به کاهش روزافزون قابلیت برداشت چوب از جنگل‌های هیرکانی نیاز به برنامه‌ریزی برای استفاده از سایر قابلیت‌های اکوسیستم‌های جنگلی همچون اکوتوریسم بیشتر از گذشته احساس می‌شود. برنامه‌ریزی اکوتوریسم نیاز به اطلاعات کافی درباره جذابیت‌های اکولوژیکی، ساختار و عناصر منظر طبیعی دارد. از طرفی ارزیابی صحیح از وضعیت مناظر مختلف در یک منطقه مستلزم داشتن اطلاعات کافی در مورد معیارهای تاثیرگذار و همچنین نوع، نحوه و میزان اثرگذاری هر یک از این معیارها در درک کاربر از کیفیت منظر است. تعیین نقاطی که از نظر ساختار منظر، کیفیت بالایی دارند گام اول در جهت بالا بردن کیفیت زیباشناختی آنها و حفاظت از اکوسیستم طبیعی می‌باشد. در این مطالعه تلاش جهت ارزیابی کیفیت زیباشناختی منظر جنگل با استفاده از ترکیب دیدگاه جامع کمی و روش مدل‌سازی شبکه عصبی مصنوعی جهت تعیین موثرترین عناصر عینی منظر در افزایش کیفیت زیباشناختی ذهنی منظر است.
مواد و روش‌ها:
پژوهش حاضر در سه بخش پاتم، نمخانه و گرازبن جنگل آموزشی پژوهشی خیرود دانشکده منابع طبیعی دانشگاه تهران (با تنوع بالا در کیفیت منظر) انجام شد. در منطقه جنگلی مورد مطالعه در مجموع 200 منظر با ساختار متنوع از نظر پوشش درختی و ترکیب منظره‌ها شناسایی و اطلاعات مربوط به عناصر و ویژگی‌های منظر ثبت گردید و کیفیت زیباشناختی با دید ناظر ارزیابی شد. در این تحقیق به منظور مدل‌سازی ارزیابی کیفیت زیباشناختی منظر جنگل، ویژگی‌های ساختاری و عناصر هریک از مناظر ثبت و اقدام به طبقه‌بندی کیفیت زیباشناختی منظر در سه کلاس کیفیت زیباشناختی ضعیف(1)، مطلوب(2) و عالی(3) گردید. به منظور پردازش داده‌ها با ابزار هوشمند شبکه عصبی، از شبکه پرسپترون چندلایه استفاده شد.
یافته‌ها:
با توجه به ضرایب تبیین آزمون شبکه معادل 88/0، 896/0 و 969/0 در طبقه‌بندی کلاس‌های 1 تا 3، دقت شبکه عصبی در پیش‌بینی کیفیت زیباشناختی منظر جنگل از سطح بسیار مطلوبی برخوردار است. بر اساس نتایج آنالیز حساسیت ترکیب منظر، تنوع منظر درختی و پوشش درختان قطور به ترتیب بیشترین تاثیر را در طبقه‌بندی مناظر جنگل در کلاس1 و 2 داشته‌اند. از طرفی تنوع منظر درختی، ترکیب منظر و موقعیت دید به ترتیب بیشترین تاثیر را در طبقه‌بندی مناظر در کلاس3 از خود نشان دادند.
نتیجه گیری:
شناسایی تأثیرگذارترین عناصر بر کیفیت زیباشناختی منظر جنگل، مشخص می‌سازد که جهت مدیریت و برنامه‌ریزی منظر جنگل و دستیابی به نقاط چشم‌انداز با کیفیت منظر مطلوب از دیدگاه کاربر یا ناظر توجه به ترکیب منظر و تنوع بالا در منظره‌های موجود، تنوع منظر درختی با تنوع بالا در گونه‌های درختی توده و همچنین حضور درختان قطور و کهنسال در الویت قرار می‌گیرد. تحقیق حاضر روش نوینی را در ارزیابی کیفیت زیباشناختی منظر جنگل ارائه می‌کند و مدل حاصله علاوه بر ارائه معیارهای کاربردی در ارزیابی کیفیت منظر جنگل، به عنوان یک سامانه پشتیبان تصمیم‌گیری با قابلیت استفاده در اکوسیستم‌های جنگلی مشابه شناخته می‌شود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Aesthetic quality evaluation modeling of forest landscape using artificial neural network

چکیده [English]

Background and objectives:
Considering decreasing trend in wood harvesting potential of Hyrcanian forests, we need to plan for utilization of other ecosystem services, such as ecotourism, more than past. For ecotourism planning, comprehensive information of ecological beauty and natural landscape structure should be summarized. On the other hand, accurate evaluation of different landscapes in a region requires comprehensive information of affective criteria, and its impact on user perception of landscape quality. Locating lookouts, which have high quality in landscape structure, is known as the first step to promote aesthetic quality of landscape and protection of natural ecosystems. This research aims to evaluate aesthetic quality of forest landscape using quantitative comprehensive approach and artificial neural network modeling for determination of the most effective landscape visual parameters in subjective aesthetic quality promotion of landscape.

Materials and methods:
The study area is three districts (with high diversity in landscape quality) of Khyrud research educational forest managed by Natural Resources College of University of Tehran which are named Patom, Namkhaneh and Gorazbon. In study forest, totally 200 landscapes, with different structure of tree cover and view composition, were selected to record landscapes characteristics. Landscape quality which is in the eyes of beholder, was evaluated in 200 studied landscapes.
In this study, in order to model the aesthetic quality evaluation of forest landscape, structural features and landscape parameters were recorded and aesthetic quality of landscape was classified in three classes of weak(1), desirable(2) and extremely desirable(3). Multilayer Perceptron network was used to data processing with artificial neural network.

Results:
Considering network coefficients of determination (Test samples) which is 0.88, 0.896, 0.969 in 1 to 3 classes, the accuracy of artificial neural network in aesthetic quality evaluation of landscape is assessed in extremely desirable level. Sensitivity analysis prioritizes landscape composition, tree diversity and thick trees view respectively to achieve class 1 and 2 in quality of forest landscape. On the other hand, tree diversity, landscape composition and view point respectively play a significant role in class 3 in quality of forest landscape.

Conclusion:
results of the most effective variables on aesthetic quality of forest landscape, proved that landscape composition with higher diversity in its scenes, diversity in tree views with higher tree species and also thick and old trees in landscape should be a priority for forest landscape planning and management to achieve lookouts with higher quality of landscape in the eyes of beholders. This research prepared a new method for aesthetic quality evaluation of forest landscape and the introduced model is known as an environmental decision support system in forest ecosystems with an application in similar forests. Also practical criteria in aesthetic quality evaluation of forest landscape were introduced.

کلیدواژه‌ها [English]

  • aesthetic quality of forest landscape
  • Artificial neural network
  • Multilayer Perceptron
  • landscape composition
1. Jazireai, M.H., and Rastaghi, M.E. 2003. Silviculture of Zagros s Forests. 1st Edn,
TehranUniv. Press, 560p. (In Persian)
2. Mohammadi Kangarani, H., Shamekhi, T., Babae, M., Ashtarian, K., and Arab, D.R. 2009.
Policy-making between institution, forest and water variables by path analysis method (case
study; Vezg watershed Kohgiloye va Boyerahmad province). Iranian Journal of Forest. 1: 4.
345-359. (In Persian)
3. Zandebasiri, M., and Parvin, T. 2012. Investigation on Importance of Near East Process’s
criteria and indicators on sustainable management of Zagross forests (Case study: Tange
Solak Water Catchment, Kohgiloye and Boyer Ahmad province). Iranian Journal of Forest
and Poplar Research., 20: 2. 204-216. (In Persian)
4. Fatehi, P., Namiranian, M., Drvishsefat, A.A., and Fatahi, M. 2010. The study of suitable
forest territorial organization in the northern Zagros. Journal of Forest and Wood Products
(JFWP). Iranian Journal of Natural Resources. 62: 4. 417-428. (In Persian)
5. Emani Rastabi, M., Jalilvand, H., and Zandebasiri, M. 2014. Survey Socio-economic issues
Kalgachi allotments of ChaharMahal and Bakhtiari. Journal of natural ecosystems Iran. 4: 2.
59-70. (In Persian)
6. Ghorbani, M., Azarnivand, H., Mehrabi, A.A., Bastani, S., Jafari, M., and Nayebi, H. 2013.
Social network analysis: A new approach in policy-making and planning of natural resources
co-management. Journal of Natural Environment, Iranian Journal of Natural Resources. 65:
4. 553-568. (In Persian)
7. Ghazanfari, H. 2003. Evaluation of growth and changes in distribution Q. Castaneifolia
(Case study: Havara khol Baneh). Ph.D. thesis, Faculty of Natural Resources, University of
Tehran. 88p. (In Persian)
8. Maier, C., Lindner, T., and Winkel, G. 2014. Stakeholders’ perceptions of participation in
forest policy: A case study from Baden-Württemberg. Land Use Policy. 39: 166-176.
9. Habibi, B., Alipour, H., and Kiadaliri, H. 2014. A study on the participation level of forest
dwellers and its effective factors in forest management (case study: Babolkenar area of
Babol Township). Iranian Journal of Forest and Poplar Research. 22: 1. 109-120. (In Persian)
10. Paul, S., and Chakrabarti, S. 2011. Socio-economic issues in forest management in India.
Forest Policy and Economics. 13: 1. 55-60.
11. Rishi, P. 2006. Joint forest management in India: An attitudinal analysis of stakeholders,
Resources, Conservation and Recycling. 51: 345–354.
12. Coulibaly-Lingani, P., Savadogo, P., Tigabu, M., and Oden, P.C. 2011. Factors influencing
people's participation in the forest management program in Burkina Faso, West Africa.
Forest Policy and Economics., 13: 4. 292-302.
13. Gray, G.J., Enzer, M.J., and Kusel, J. 2001. Understanding community-based forest
ecosystem management: an editorial synthesis. Journal of Sustainable Forestry. 12: 3-4. 1-
23.
14. Pinyopusarerk, K., and Tran, T.T.H. 2014. Making community forest management work in
northern Vietnam by pioneering participatory action. Land use policy. 38: 257-263.
15. Lestari, S., Kotani, K., and Kakinaka, M. 2015. Enhancing voluntary participation in
community collaborative forest management: A case of Central Java. Indonesia. Journal of
environmental management. 150: 299-309.
16. Agarwal, B. 2007. Gender inequality, cooperation, and environmental sustainability. Pages
274-313 in J.M. Baland, P.K. Bardhan, and S. Bowles, editors. Inequality, cooperation, and
environmental sustainability. Russell Sage Foundation and Princeton University Press, New
York, New York, and Princeton, New Jersey, USA.
17. Markowski-Lindsay, M., Stevens, T., Kittrwdge, D.B., Butler, B.J., Catanzaro, P., and
Dickinson, B.J. 2011. Barriers to Massachusetts forest landowner participation in carbon
markets. Ecological Economic. 7: 180-190.
18. Kerse, B.L. 2016. Factors Affecting Local People Participation in Forest Managed for
Carbon Sequestration: The Case of Mount Damota, Southern Ethiopia. Developing Country
Studies, 6: 5. 56-65.
19. Musyoki, J.K., Mugwe, J., Mutundu, K., and Muchiri, M. 2016. Factors influencing level of
participation of community forest associations in management forests in Kenya. Journal of
Sustainable Forestry. 35: 3. 205-216.
20. Harshaw, H.W., Sheppard, S.R.J., and Jeakins, P. 2009. Public attitudes toward sustainable
forest management: Opinions from forest-dependent communities in British Columbia. BC
Journal of Ecosystems and Management. 10: 2. 81–103.
21. Soltani, A., Shamekhi, T., Noori Naieni, M.S., and Arabmazar, A. 2011. Effects of forest
resources on income distribution and poverty (Case study: watershed of Tang Tamoradi). J
For Wood Prod (Iran J Nat Res). 63: 4. 369–385. (in Persian)
22. Khosravi, Sh., Maleknia, R., and Khedrizadeh, M. 2014. Economic role of forests in rural
livelihoods in northern Zagros. Journal of Forest Sustainable Development. 1: 3. 251-268.
(in Persian)
23. Shariati, M.R., Ziadbakhsh, S., and Varamini, N. 2005. Factors affecting participation of
rural forest dwellers protection of forest in North and West (Case study: Kurdistan and
Mazandaran provinces). Iranian Journal of Forest and Rangeland. 67: 47-57. (In Persian)
24. Danielsen, F., Burgess, N.D., and Balmford, A. 2005. Monitoring matters: examining the
potential of locally based approaches. Biodiversity and Conservation. 14: 11. 2507-2542.
25. Fattahi, M., Ansari, N., Abbasi, H.M., and Khanhasani, M. 2000. Management of Zagros
forests. Publication of Research Institute of Forests and Rangelands. 471p.
26. Henareh Khalyani, J., Namiranian, M., Heshmatol Vaezin, S.M., and Feghhi, J. 2013.
Estimating the cost of forestry incentive programs in order to improve forest traditional
management (A case study of northern zagros forest, Baneh, Kurdistan province). Iranian
Journal of Forest. 5: 3. 295-308. (In Persian)
27. Crabtree, J.R., Chamers, N., and Eiser, D. 2001. Voluntry incentive schemes for farm
forestry: Uptake, policy affectiveness and employment impacts. Forestry. 74: 455-465
28. Shahraki, M.R., Moayeri, M.H., Barani, H., and Behmanesh, B. 2013. Factors affecting on
utilization amount of forest (Case study: Galougah forest-hezarjarib area. Journal of
conservation and Utilization of Natural Resources, 1: 4. 31-48 (In Persian)