مدلسازی مکانی عوامل اصلی تخریب جنگل های زاگرس (مطالعه موردی: زیرحوضه خرم آباد)

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 دانشکده محیط زیست و انرژی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران.

2 دانشکده محیط زیست و انرژی دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران.

3 دانشکده منابع طبیعی، دانشگاه آزاد اسلامی واحد بروجرد، ایران.

4 استاد، موسسه تحقیقات جنگل‌ها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران

چکیده

سابقه و هدف: حفاظت از آب و خاک، مهیا کردن شرایط زیستی برای جوامع انسانی و تولید محصولات فرعی از مهمترین عملکردها و ویژگی های جنگل های زاگرس به شمار می آیند. حدود یک سوم از کل جمعیت کشور در این ناحیه رویشی زندگی می کنند و بیش از 70 درصد از کل عشایر کشور در این محدوده بسر می برند؛ به طوریکه از لحاظ دامداری 50 درصد از جمعیت دام کشور در این ناحیه استقرار دارند. متأسفانه امروزه تخریب جنگل های زاگرس به دلایل مختلف انسانی و اکولوژیک در حال وقوع است. یکی از راهکارهای مدیریت تخریب جنگل ها، مدلسازی عوامل اثرگذار بر تخریب می باشد. با توجه به اهمیت موضوع تخریب در جنگل های زاگرس و شرایط شکننده ی این اکوسیستم، پژوهش حاضر با هدف مدلسازی جغرافیایی عوامل تخریب جنگل در زیرحوضه خرم آباد به انجام رسید.
مواد و روش ها: بر اساس مطالعات و بررسی ها، پنج عامل اصلی تخریب شامل چرای بی رویه دام، مسیر های کوچروی عشایری، پراکنش سکونتگاه ها، پراکنش راه های ارتباطی و زراعت در زیراشکوب جنگل شناسایی شدند. برای هر عامل، نقشه ی رقومی تهیه گردید و توسط روش فازی در محیط نرم افزار ArcGIS بی مقیاس شدند. لایه های فازی توسط روش AHP وزین شدند و توسط روش WLC لایه ی پتانسیل تخریب بدست آمد. به منظور صحت سنجی این لایه، پنج طبقه در نظر گرفته شد و در هر طبقه 12 قطعه نمونه ی 35×35 متر پیاده سازی شد و دو فاکتور زراعت زیر اشکوب و خشکیدگی درختی بررسی و سنجش گردید. سپس بر اساس مقادیر عددی لایه ی پتانسیل تخریب جنگل (به عنوان متغیر پاسخ) و برداشت های میدانی پنج عامل تخریب (به عنوان متغیرهای مستقل) در 30 نقطه ی تصادفی، اقدام به مدلسازی توسط روش Geographically Weighted Regression گردید.
یافته ها: نتایج وزن دهی به عوامل اثرگذار در تخریب جنگل های منطقه نشان داد، دو عامل زراعت زیراشکوب جنگل و چرای بی رویه دام وزن بالاتری نسبت به دیگر عوامل دارند. بر اساس مدلسازی جغرافیایی، نتایج پیش بینی تخریب در نقاط نمونه نشان داد انحراف معیار مقادیر باقیمانده بدون هیچ گونه الگوی مکانی خاصی در تمامی بخش های جنگل منطقه پراکنش دارند. نقشه ی پیوسته ی پیش بینی تخریب نیز نشان داد که پتانسیل تخریب در تمامی سطوح جنگل البته با شدت های مختلف وجود دارد. بر روی این نقشه سه نقطه بحرانی وجود دارد که در امر مدیریت این جنگل ها باید به این نقاط توجه ویژه گردد.
نتیجه گیری: محققین مختلف برای مدلسازی و بررسی عوامل موثر در تخریب جنگل ها اغلب از روش های رگرسیون کلاسیک بهره گیری نموده اند ولی پژوهش حاضر از رگرسیون فضایی استفاده نموده است و بسیاری از خطاهای مکان مبنا نبودن داده های پیش بینی خود به خود حذف می گردد، لذا می توان با اطمینان بیشتر از این روش استفاده نمود و برای تهیه ی نقشه های پیش بینی، آن را بکارگیری کرد.

کلیدواژه‌ها


عنوان مقاله [English]

Spatial modeling of the main factors on the degradation of Zagros forests (Case study: Khorramabad sub-basin)

نویسندگان [English]

  • Maryam Sedaghat 1
  • Borhan Riazi 2
  • Farzad Veisanloo 3
  • khosro sagheb-talebi 4
1 Department of Environment and Energy, Science and Research Branch, Islamic Azad University, Tehran, Iran.
2 Department of Environment and Energy, Science and Research Branch, Islamic Azad University, Tehran, Iran.
3 Department of Natural Resources, Borujerd Branch, Islamic Azad University, Borujerd, Iran.
4 Prof., Research Institute of Forests and Rangelands (RIFR), Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran
چکیده [English]

Background and objectives: Water and soil protection, providing living conditions for human communities and production of by-products are the most important performances and characteristics of Zagros forests. About one third of the total population of the country lives in the Zagros region and more than 70% of the total nomads of the country are in this area; in terms of livestock, 50% of the country's livestock are located in this area. Unfortunately, today the Zagros forests degradation is happening for various human and ecological reasons. Due to the importance of degradation in the Zagros forests and the unfavorable conditions of this ecosystem, the present study was conducted with the aim of geographical modeling of forest degradation factors in the Khorramabad basin.
Materials and methods: Based on studies, five main causes of degradation were identified, including overgrazing, nomadic migration routes, distribution of residences, distribution of access roads and farming under the forest canopy. For each factor, a digital map was prepared and normalized by fuzzy method in ArcGIS. Fuzzy layers were weighted by AHP and degradation potential layer was obtained by WLC method. In order to validate this layer, five classes were considered and in each class 12 sample plots of 35 × 35 m were implemented and two factors of farming under the forest canopy and tree decline were examined and measured. Then, based on the numerical values of the forest degradation potential layer (as a response variable) and the field surveys of five degradation factors (as independent variables) at 30 random points, the modeling was performed by geographically weighted regression method.
Results: The results of weighting the factors affecting forest degradation showed that the two factors of farming under the forest canopy and overgrazing are more important than other factors. Based on geographical modeling, the results of forest degradation prediction in the sample points showed that the residuals standard deviation without any specific spatial pattern are distributed throughout the forest. The continuous forest degradation prediction map also showed that there is potential for degradation in all parts of the forest, but with different intensities. There are three critical points on this map that should be given special attention in the management of these forests.
Conclusion: Various researchers have often used classical regression methods to model and investigate the factors affecting forest degradation, but this study has used geographical regression and many georeferencing errors of predictive data are automatically eliminated. Therefore, this method can be used with more confidence and used to prepare prediction maps.

کلیدواژه‌ها [English]

  • Forest degradation
  • Khorramabad
  • Geographical regression
  • Zagros