ارزیابی تغییرات کاربری اراضی در حوضه آب‌خیز رودخانه تجن با تکیه بر سنجه‌های سیمای سرزمین

نوع مقاله: مستخرج از پایان نامه

نویسندگان

1 دانش‌جوی دکتری گروه محیط‌زیست، دانش‌کده منابع طبیعی دانش‌گاه تربیت مدرس

2 استاد گروه محیط‌زیست، دانشکده منابع طبیعی دانش‌گاه تربیت مدرس *(مسوول مکاتبات)

3 دانش‌یار گروه محیط‌زیست، دانش‌گاه علوم کشاورزی و منابع طبیعی گرگان

4 استادیار گروه مهندسی منابع آب، دانش‌کده کشاورزی، دانش‌گاه تربیت مدرس

5 دانشیار، گروه علوم و مهندسی آب، پردیس ابوریحان، دانش‌گاه تهران

10.22034/jest.2018.16325.2477

چکیده

مقدمه: تغییرات کاربری اراضی و تخریب پوشش‌های طبیعی سبب اختلال در اکوسیستم و کاهش تنوع زیستی می‌شود.  کاهش جنگل­های  هیرکانی ، متعلق به دوره ژوراسیک از ارزش­مندترین جنگل­های جهان،  یکی از  مهم­ترین مشکلات در سال­های اخیر است.
روش تحقیق:  در پژوهش حاضر با استفاده از تصاویر ماهواره‌ای به بررسی تغییرات کاربری اراضی و تجزیه‌وتحلیل سیمای سرزمین در دوره‌های زمانی مختلف، شامل سال‌های 1984، 2001 و 2010 پرداخته شد. جهت بررسی چگونگی روند تغییرات کاربری و سیمای سرزمین در افق زمانی آینده از مدل‌ساز تغییر سرزمین (LCM) استفاده شد. سنجه‌های سیمای سرزمین در نرم‌افزار 2/4 FRAGSTATS استخراج شدند.
نتایج و بحث: نتایج نشان می‌دهد که جنگل، کاربری غالب (72 درصد از مساحت منطقه در سال 1984 و 46 درصد در سال 2040) در منطقه موردمطالعه است. در سال 1984 مساحت جنگل‌ها 4/8 برابر کاربری کشاورزی بود و این میزان به 8/1 برابر در سال 2040 خواهد رسید. شاخص بزرک­ترین لکه (LPI) نشان داد اراضی جنگلی پوشش غالب در کل دوره است. هم­چنین شاخص نزدیکی (PROX) در کاربری کشاورزی و مرتع در دوره 1984-2010 روند افزایشی داشته و این میزان در سال 2040 افزایش بیش­تری خواهد یافت. هم­چنین افزایش سنجه تراکم حاشیه (ED) در طی دوره آینده در هر سه کاربری مرتع، جنگل و کشاورزی نشان می­دهد که حوضه تجن خیلی متفاوت‌تر از حال حاضر خواهد شد . این نتایج می‌توانند دیدگاه‌هایی در جهت اولویت‌بندی تصمیمات ملی و منطقه­ای با هدف کاهش تخریب جنگل­ها در اختیار مدیران قرار دهد.

کلیدواژه‌ها

موضوعات


 

 

 

 

علوم و تکنولوژی محیط زیست، دورهبیست و دوم، شماره یک، فروردین  ماه 99

ارزیابی تغییرات کاربری اراضی در حوضه آب­خیز رودخانه تجن با تکیه بر سنجه‌های سیمای سرزمین

 

فاطمه رجایی[1]

عباس اسماعیلی ساری[2]

esmaili@modares.ac.ir

 عبدالرسول سلمان ماهینی[3] 

 مجید دلاور[4] 

علی‌رضا مساح بوانی[5]

تاریخ دریافت: 16/02/94

تاریخ پذیرش: 26/03/95

چکیده

مقدمه: تغییرات کاربری اراضی و تخریب پوشش‌های طبیعی سبب اختلال در اکوسیستم و کاهش تنوع زیستی می‌شود.  کاهش جنگل­های  هیرکانی ، متعلق به دوره ژوراسیک از ارزش­مندترین جنگل­های جهان،  یکی از  مهم­ترین مشکلات در سال­های اخیر است.

روش تحقیق:  در پژوهش حاضر با استفاده از تصاویر ماهواره‌ای به بررسی تغییرات کاربری اراضی و تجزیه‌وتحلیل سیمای سرزمین در دوره‌های زمانی مختلف، شامل سال‌های 1984، 2001 و 2010 پرداخته شد. جهت بررسی چگونگی روند تغییرات کاربری و سیمای سرزمین در افق زمانی آینده از مدل‌ساز تغییر سرزمین (LCM) استفاده شد. سنجه‌های سیمای سرزمین در نرم‌افزار 2/4 FRAGSTATS استخراج شدند.

نتایج و بحث: نتایج نشان می‌دهد که جنگل، کاربری غالب (72 درصد از مساحت منطقه در سال 1984 و 46 درصد در سال 2040) در منطقه موردمطالعه است. در سال 1984 مساحت جنگل‌ها 4/8 برابر کاربری کشاورزی بود و این میزان به 8/1 برابر در سال 2040 خواهد رسید. شاخص بزرک­ترین لکه (LPI) نشان داد اراضی جنگلی پوشش غالب در کل دوره است. هم­چنین شاخص نزدیکی (PROX) در کاربری کشاورزی و مرتع در دوره 1984-2010 روند افزایشی داشته و این میزان در سال 2040 افزایش بیش­تری خواهد یافت. هم­چنین افزایش سنجه تراکم حاشیه (ED) در طی دوره آینده در هر سه کاربری مرتع، جنگل و کشاورزی نشان می­دهد که حوضه تجن خیلی متفاوت‌تر از حال حاضر خواهد شد . این نتایج می‌توانند دیدگاه‌هایی در جهت اولویت‌بندی تصمیمات ملی و منطقه­ای با هدف کاهش تخریب جنگل­ها در اختیار مدیران قرار دهد.

واژه­های کلیدی: تغییرات کاربری اراضی، سنجه­های سیمای سرزمین، مدل­ساز تغییر سرزمین (LCM) ، حوزه آب­خیز تجن

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

J. Env. Sci. Tech., Vol 22, No.1,March, 2020

 

 

 


Assessment of Land Changes in Tajan River Watershed with Emphasis on Landscape Metrics

 

Fatemeh Rajaei[6]

Abbas Esmaili Sari [7]*

esmaili@modares.ac.ir

Abdolrassoul Salmanmahiny[8].

Majid Delavar[9]

Ali Reza Massah Bavani [10]

Accepted: 2016.06.15

Received: 2015.06.05

Abstract

Introduction: Land cover and its configuration in the landscape are crucial components in the provision of biodiversity and ecosystem services. Hyrcanian forests have a long history (arising in the Jurassic Period) and are among the world's most valuable forests; the decline in the Hyrcanian forests is one of the most serious problems of recent years.

Material & Method: This study aims at comparing multi-temporal land use and landscape pattern analysis using satellite images from 1984, 2001 and 2010. Land use and spatial structures were predicted for future time horizons in the Tajan Watershed by land change modeler (LCM). Also, the landscape patterns were calculated by FRAGSTATS 4.2.

Result & Discussion: The results show that forest was the dominant land cover (72% of area in 1984 and 46% in 2040) in the study area. The total area of forest was 8/4 times higher than the agriculture land cover in 1984 and 1.8 times in 2040. The Largest patch Index (LPI) shows forest lands as dominant cover in the whole period. Also proximity index (PROX) in agriculture and pasture land use increase during 1984 to 2040.

The Edge density (ED) will increase in the future for three land uses. The edge density will increase at forest land use from 2010 to 2040. An informed vision on past, present and future forest area dynamics may help guide and prioritize international decisions aimed at reducing forest loss.

Key words: Land Use Change; Landscape metrics; Land Change Modeler (LCM); Tajan Watershe

 

 

 

مقدمه

 

امروزه تغییر کاربری اراضی یکی از نگرانی‌های مهم برای توسعه استراتژی‌های مدیریت پایدار است (1) . از طرف دیگر سیمای سرزمین با توصیف کمی از ترکیب فضایی و پیکربندی کاربری اراضی می‌تواند پدیده‌های مختلف محیط‌زیست را تحت تأثیر قرار دهد (2 و 3)، به‌طوری‌که، بدون مطالعه تغییرات سیمای سرزمین در طول زمان نمی‌توان به درک درستی از چرایی کاهش کیفیت محیط‌زیست پرداخت (4). جنگل‌ها در کره زمین در طول چند دهه گذشته به‌شدت در حال کاهش هستند. این تغییرات در پوشش جنگلی تأثیرات مختلفی در ارایه خدمات اکوسیستم ازجمله، تنوع زیستی، تغییر آب‌وهوا ، رفاه انسان و غیره داشته (5) به­گونه­ای­که درک پویایی کاهش جنگل‌ها برای برنامه‌ریزی و حفاظت از اکوسیستم و تنوع زیستی بسیار مهم است. از طرف دیگر جمعیت جهان به‌سرعت در حال رشد است و سازمان ملل متحد پیش‌بینی کرده است که جمعیت انسانی در 15 سال آینده 15٪ افزایش خواهد یافت و به حدود 4/8 میلیارد نفر خواهد رسید (6) و هم‌چنین مصرف سرانه به‌ویژه در اقتصادهای در حال رشد سریع در حال افزایش است که منجر به یک تقاضای بی‌سابقه برای منابع در آینده خواهد شد. بزرگ‌ترین علت مستقیم جنگل‌زدایی توسعه کشاورزی است به‌طوری‌که 70-95 درصد از جنگل‌های ازدست‌رفته در مناطق استوایی به کشاورزی تبدیل‌شده است. بر اساس تخمین‌ها، بین 70٪ و 80٪ از تبدیل جنگل‌ها در آفریقا ، حدود 70٪ در مناطق نیمه گرمسیری آسیا و بیش از 90٪ در امریکا لاتین به کاربری کشاورزی بوده است (7). مطالعات مختلف در ایران نشان داده است در دهه‌های اخیر تبدیل کاربری جنگل به کاربری کشاورزی در ایران روند شدیداً افزایشی داشته است (8، 9، 10) به‌طوری‌که، آمار مختلف از جنگل‌های هیرکانی در ایران نشان می‌دهد کاهش در جنگل‌های
هیرکانی یکی از مشکلات جدی در سال‌های اخیر است (11). بررسی‌ها بین سال‌های 1988 و 2004 در جنگل‌های شمال ایران نشان داد که 12152 هکتار جنگل در این دوره نابود گردیده است، به‌طوری‌که میزان جنگل‌زدایی 8101 هکتار در سال برآورد شده است که از دلایل آن می‌توان به گسترش زمین‌های کشاورزی، رشد جمعیت، توسعه اقتصادی، پیشرفت‌های فنّاورانه و تغییردر وضعیت اجتماعی و سیاسی اشاره نمود (12). اگرچه بهبود در بخش کشاورزی تا حد زیادی در طول 50 سال گذشته میزان تولید را افزایش داده است، اما کشاورزی فشرده و مدیریت نامناسب مناطق جنگل‌زدایی شده مشکلات محیط زیستی و شکل‌های شناخته­شده تخریب خاک و آلودگی را به ارمغان آورده است.

تغییرات کاربری اراضی در ایران بیش از هر زمان در 50 سال گذشته تسریع شده است و انتظار می‌رود در آینده ادامه و حتی تسریع گردد (12). بنابراین تجزیه‌وتحلیل کاربری اراضی و سیمای سرزمین آتی می ­تواند افقی برای اطلاع از اولویت‌های استراتژیک مکانی برای دست­یابی مؤثر به اهداف محیط زیستی فراهم آورد. ازاین‌رو، مدل‌های زمانی- مکانی می‌توانند در پیش‌بینی پویایی سیمای سرزمین و ارزیابی جامع تغییرات آن مفید واقع گردند (13). روش‌های بسیاری برای تولید پتانسیل انتقال تغییرات کاربری اراضی وجود دارد (14) ازجمله می‌توان به رگرسیون لجستیک ([11]LR) در مدل CLUE-S [12] (15) و مدل‌ساز تغییر سرزمین ([13] LCM)، شبکه عصبی مصنوعی (MLP [14]) (14، 16، 17) و رویه یادگیری بر مبنای نمونه وزنی مشابهت[15] در مدل‌ساز تغییر سرزمین، احتمال شرطی در مدل  ژئومد[16] (18) و اعتبار وزنی در مدل DINAMICA (19) اشاره کرد. در سال 2006 Eastman   (14) نشان داد در میان این روش‌ها، دو روش MLP و LR فن‌های مناسب و قابل رشد هستند و هم‌چنین شبکه عصبی مصنوعی قوی‌تر از رگرسیون لجستیک عمل می‌کند. مدل‌سازی تغییرات کاربری اراضی در مطالعات دیگر نیز استفاده‌شده است به‌طوری‌که در سال 2009 Rogan  و Vaclavik (16) از مدل LCM برای بررسی تغییرات کاربری اراضی در چک استفاده نمودند. نتایج آن‌ها نشان داد که 6 در صد از جنگل‌ها به جنگل پهن‌برگ تبدیل‌شده و 5/3 درصد افزایش در مناطق مسکونی رخ‌داده است. در مطالعه‌ای دیگر در سال 2010 Schuez و همکاران (17) برای پایش تغییرات کاربری اراضی و بررسی میزان کاهش‌ها و افزایش‌ها در هر کاربری از مدل‌ساز تغییرسرزمین در شیلی  استفاده نمود. نتایج نشان داد عمده‌ترین تغییر در این منطقه کاهش جنگل و تبدیل درختچه زار به زمین‌های کشاورزی بود. از طرف دیگر در سال 1390 شیخ گودرزی و همکاران (3) به بررسی روند تغییرات کاربری اراضی با استفاده از سنجه‌های سیمای سرزمین در حوزه آب­خیز گرگان رود پرداختند. نتایج حاصل از مقایسه سنجه‌های سیمای سرزمین نشان از ایجاد تغییرات گسترده در نسبت و پراکنش کاربری‌ها به‌صورت افزایش مساحت لکه‌های کشاورزی، شهر و اراضی بایر و کاهش در عرصه‌های پوشش طبیعی جنگل و مرتع دارد.  روند کلی تحقیق افزایش پیچیدگی شکل و کاهش اندازه لکه، بیان‌کننده کاهش یکپارچگی در سیمای سرزمین را نشان داد. در پژوهشی مشابه در سال 2009 طالبی امیری و همکاران (2) به تحلیل تخریب سیمای سرزمین حوزه آب­خیز نکا با استفاده از سنجه‌های سیمای سرزمین پرداختند. نتایج به‌دست‌آمده بیان‌کننده روند افزایشی تغییرات کاربری زمین همراه با افزایش تعداد لکه­ها و کاهش اندازه لکه‌ها در سیمای سرزمین بود. از ارزیابی مطالعات فوق می‌توان دریافت، اخیراً تغییرات رو به رشدی در پوشش زمین به‌ویژه جنگل­ها در مقیاس‌های بزرگ به وجود آمده است.

 باوجود روند تخریب اکوسیستم‌های طبیعی و تغییرات در شکل و الگوی سیمای سرزمین، مرور مطالعات انجام‌شده نشان می‌دهد تاکنون تحقیقات جامعی بر روی مدل‌سازی هم­زمان تغییرات

کاربری اراضی و سنجه‌های سیمای سرزمین دوره‌های آتی در جنگل‌های هیرکانی شمال ایران صورت نپذیرفته است و با توجه به اهمیت جهانی جنگل‌های هیرکانی نیاز بیش­تری به بررسی تغییرات در طول دوره‌های زمانی آینده ضروری به نظر می رسد. در همین راستا تحقیق حاضر باهدف تجزیه‌وتحلیل تغییرات کاربری اراضی و سیمای سرزمین درگذشته و پیش‌بینی تغییرات کاربری اراضی و سیمای سرزمین آینده در حوضه تجن انجام‌گرفته است. ازاین‌رو در پژوهش حاضر به بررسی تغییرات کاربری اراضی و تجزیه‌وتحلیل سیمای سرزمین دوره‌های زمانی مختلف، شامل سال‌های 1984، 2001 و 2010 با استفاده از تصاویر ماهواره‌ای پرداخته شد. هم­چنین جهت کنترل روند تغییرات کاربری و سیمای سرزمین در افق زمانی آینده با استفاده از مدل‌ساز تغییر کاربری اراضی (LCM)، تغییرات برای استفاده برنامه ریزان برای سال 2040 پیش‌بینی گردید. اطلاع از روند تغییرات کاربری اراضی و اشکال مکانی آن‌ها و نیز پویایی مناطق جنگلی در حال و آینده ممکن است دیدگاه‌هایی در جهت اولویت‌بندی تصمیمات ملی و بین‌المللی باهدف کاهش از دست دادن جنگل در اختیار مدیران قرار دهد.

 

مواد و روش‌ها

منطقه مطالعه

منطقه موردمطالعه در این تحقیق حوضه رودخانه تجن (حدود 4000 کیلومترمربع) است که توسط کوه‌های البرز در جنوب و دریای خزر در شمال احاطه‌شده و در استان مازندران واقع‌شده است. منطقه جنگل‌های هیرکانی بکر است که شامل 80 گونه از درختان و درختچه‌ها با تنوع زیستی بالا را شامل می‌شود (20). ازلحاظ جغرافیایی منطقه مورد مطالعه بین طول جغرافیایی °04′57″ 53-53°18′26″ و عرض جغرافیایی 36°09′17″-36°29′49″ واقع‌شده است. بیش از 60 درصد حوضه را مناطق کوهستانی و حدود 25 درصد آن را جلگه­های ساحلی و بقیه آن را تراس­های رودخانه­ای، اراضی کوهپایه­ای و تپه­ماهورها تشکیل می­دهند. منطقه مورد مطالعه دارای میانگین سالانه دما حدود 15 درجه سلسیوس (21) با آب‌وهوای گرم و مرطوب، بارش 836 میلی‌متر در سال است. توپوگرافی محلی از ارتفاع 26- متر تا 3670 متر متغیر است.

 

روش مطالعه

این مقاله شامل 3 بخش است: اول، بررسی تغییرات پوشش اراضی بین سال‌های 1984 و 2010 با استفاده از تصاویر ماهواره‌ای در حوضه آب­خیز تجن، دوم، تجزیه‌وتحلیل تغییرات کاربری اراضی آینده با مدل‌ساز تغییر سرزمین (LCM) تحت سناریوی تداوم توسعه آینده، بخش نهایی شامل بررسی تغییرات سنجه‌های سیمای سرزمین در سطح کلاس، بین سال‌های 1984 و  مدل‌سازی تغییر سرزمین برای تولید نقشه کاربری اراضی حوضه آب­خیز تجن سال 2040 از مدل‌ساز تغییر سرزمین (LCM) استفاده گردید. مراحل عبارت‌اند از (14):

-       تهیه نقشه کاربری اراضی: تصویر سال 2001  از ماهواره لند ست 5 تهیه و سپس تصاویر تصحیح هندسی و نیز تصحیح اتمسفریک با استفاده از مدل Cost در ماژول ATMOSC در نرم افزار ایدریسی صورت پذیرفت.

طبقه‌بندی نظارت‌شده الگوریتم حداکثر احتمال (MLA) برای طبقه‌بندی تصاویر ماهواره‌ای استفاده گردید (23،22). 6 کلاس کاربری ازجمله جنگل، کشاورزی، مسکونی، مراتع، آب، زمین بایر در منطقه مشخص شد. طبقه‌بندی تصویر با 2/17IDRISI Selva  انجام شد (14). ارزیابی دقت نقشه پوشش زمین توسط ماتریس تجزیه‌وتحلیل خطا[17] انجام گردید (24). نقشه­های کاربری اراضی سال­های 1984 و سال 2010 تهیه شده توسط ماهینی و همکاران استفاده شد (23).

-        آشکارسازی تغییرات: نقشه‌های پوشش زمین برای تجزیه‌وتحلیل و آشکارسازی تغییرات منطقه وارد مدل LCM شد.

-        مدل‌سازی پتانسیل انتقال: در این بخش از مدل‌سازی، پتانسیل انتقال از یک کاربری به کاربری دیگر با توجه به متغیرهای توضیحی[18] مدل‌سازی می‌شود. پنج متغیر در پیش‌بینی نقشه‌های کاربری آینده برای منطقه موردمطالعه مورداستفاده قرار گرفت. متغیرها شامل شاخص تراکم پوشش گیاهی NDVI، فاصله از رودخانه، فاصله از حاشیه جنگل، فاصله از مرتع، فاصله از کاربری کشاورزی و مدل رقومی ارتفاعی (DEM[19]) است. تمام متغیرهای ذکرشده کمی هستند و برای استفاده از متغیر کیفی پوشش اراضی از روش زیر استفاده شد. نقشه انتقال از کل کاربری‌ها به کاربری کشاورزی تهیه و سپس با استفاده از ابزار تغییر شکل احتمال نقشه پوشش اراضی قدیمی‌تر در ورودی مدل، متغیر کیفی تولید شد. توان پیش‌گویی متغیرها با ضریب کرامر مورد آزمایش قرار گرفت که این ضریب نشان‌دهنده میزان رابطه میان متغیرها و تغییرات پوشش زمین است به‌طوری‌که ارزش بالاتر این ضریب نشان‌دهنده قدرت توضیحی بالاتر تغییرات است. بعد از انجام این مرحله 3  زیر مدل جنگل به مرتع، جنگل به کشاورزی و مرتع به کشاورزی برای مدل‌سازی پتانسیل انتقال با استفاده از شبکه عصبی مصنوعی پرسپترون چندلایه در نظر گرفته شدند.

-        اعتبارسنجی مدل: خطا و صحت پیش‌بینی مدل در سناریو بر اساس نقشه‌های کاربری اراضی واقعیت زمینی و حاصل از پیش‌بینی محاسبه شد و مقادیر موفقیت خنثی[20]، هشدار خطا[21]  ، موفقیت [22]و  خطا [23]هم­چنین شاخص منحنی مشخصه عمل­کرد نسبی (ROC[24]) به دست آمد. در مرحله اول از نقشه کاربری 1984 و 2001 برای شبیه‌سازی نقشه کاربری اراضی سال 2010 استفاده شد. درحالی‌که نقشه کاربری سال 2010 برای صحت سنجی مدل به کار گرفته شد (25).

-        پیش‌بینی تغییرات آینده با استفاده از زنجیره مارکف (سناریوی تداوم)  صورت پذیرفت.

تجزیه‌وتحلیل سیمای سرزمین

سنجه‌های سیمای سرزمین در سطح کلاس برای سه کاربری عمده جنگل، مرتع و کشاورزی محاسبه شد. ازآن­جاکه برخی از سنجه‌های سیمای سرزمین به هم مرتبط هستند ضروری نیست تمام سنجه‌های سیمای سرزمین محاسبه شود (26). بنابراین 5 سنجه سیمای سرزمین که بیشت­رین کاربرد را داشتند مورد بررسی قرار گرفتند. سنجه‌های انتخابی: تعداد تکه (NP)، متوسط اندازه لکه (MPS)، شاخص بزرگ‌ترین لکه (LPI)، شاخص نزدیکی لکه‌ها (Proximity) و تراکم حاشیه (ED) است (جدول 1) (27،28،29،30،31, 5، 3). این معیارها در سطح کلاس برای نقشه‌های کاربری اراضی سال‌های 1984، 2001، 2010 و 2040 با استفاده از نرم‌افزار 2/4  FRAGSTATS محاسبه شد (32).

 

نتایج

 جهت صحت سنجی نقشه‌های کاربری اراضی از شاخص کاپا استفاده گردید.‌ کاپای کلی در نقشه‌های پوشش اراضی سال 1987، 2001 و 2010 به ترتیب 81، 83 و 87 در صد بود که بیش از آستانه حداقل قابل‌قبول برای تصاویر سنجش‌ازدور است.

(33). میزان شاخص منحنی مشخصه عمل­کرد نسبی (ROC) برای صحت سنجی مدل‌ساز تغییر کاربری اراضی 92/0 و نسبت آمار موفقیت به هشدار خطا 45 درصد بود که کارایی مدل را تایید می­نماید.

بررسی پویایی منطقه پایه و اساسی برای تجزیه‌وتحلیل محرک‌های تغییرات آینده و شناسایی عواملی که ممکن است سبب افزایش تغییرات و یا ثبات کاربری‌ها باشد فراهم می‌کند. تغییرات مهمی بین سه کاربری عمده منطقه جنگل، مرتع و کشاورزی مشاهده شد (شکل 1) .

به‌طوری‌که این سه کاربری 98 درصد از مساحت حوضه را شامل می‌شود و پنج کاربری دیگر، زمین‌های بایر، رودخانه، جاده، آب و مسکونی تنها 2 درصد از مساحت کل منطقه موردمطالعه را دربرمی­گیرد. تجزیه‌وتحلیل تغییر کاربری در حوضه تجن یک‌روند کاهشی مداوم در پوشش‌ جنگل را نشان می‌دهد (شکل 1). در طول دوره 1984-2010، مناطق جنگلی 66493 هکتار کاهش و کاربری مرتع و کشاورزی به ترتیب 33،904 و 31،292 هکتار افزایش‌یافته است. جنگل کاربری غالب (72٪ در سال 1984 و 55 درصد در سال 2010) در منطقه مورد مطالعه بود. در سال 1984 مساحت کل جنگل‌ها 4/8 برابر کاربری کشاورزی و در سال 2010 این میزان به 1/3 برابر رسید. به‌طورکلی زمین‌های کشاورزی مساحت افزوده‌شده را از کاربری جنگل و مرتع کسب کرده‌اند و کاربری جنگل بالاترین تبدیل به دیگر کاربری‌ها را تجربه کرده است. هم­چنین جنگل بیش­ترین کاهش مساحت را داشته به‌طوری‌که در سال 2010 تنها حدود 76 درصد کاربری جنگل نسبت به سال 1984 باقی‌مانده است. مراتع در سال 2010 حدود 30٪ (105000 هکتار) افزایش نسبت به سال 1984 (73000 هکتار) را نشان داد. کشاورزی بیشترین افزایش مساحت را تجربه کرده است

 

 

جدول 1-ویژگی سنجه­های سیمای سرزمین در مطالعه حاضر

Table 1- Characterises of landscape metrics in present study

نام سنجه

تعریف

دامنه تغییرات

فرمول محاسبه

Edge Density (ED)

تراکم حاشیه

ED≥0

بدون محدودیت

 

 

Largest patch index (LPI)

 شاخص بزرگ­ترین لکه

100≥LPI>0

               

Proximity index (PROX)

شاخص نزدیکی

بزرگ­تر یا مساوی صفر

 

Patch area mean (MPS)

 میانگین مساحت لکه      

بزرگ­تر از صفر

بدون محدودیت

 

Numbers of patch (NP)

تعداد لکه­ها

بزرگ­تر یا مساوی 1

 


 

 

به‌طوری‌که از سال 1984 تا 2010 کاربری کشاورزی افزایش 51 درصدی را نشان داد. 19 درصد از منطقه در سال 1984 (32000 هکتار) و در سال 2010، 26 درصد (66000 هکتار) به کاربری کشاورزی اختصاص یافت.

تغییرات پوشش اراضی با نرخ برابر از سال 1984 تا 2010 رخ نداده است، به‌طوری‌که میزان تغییرات در ده سال گذشته کاهش‌یافته است و بین سال‌های 1984-2001، مقدار کاهش جنگل 19 درصد و در سال 2010-2001 به 2/5 درصد رسیده است. در طول دوره 1984-2001 پوشش کشاورزی افزایش 100 درصدی داشته درحالی‌که در دوره 2001 -2010 این افزایش به 13 درصد رسیده است. همچنین در دوره 1984-2001 مرتع با افزایش 28 درصدی روبه‌رو بوده، درحالی‌که در دوره 2010 -2001 افزایش 4 درصدی داشته است.

در طول دوره 2010-2040، کاربری جنگلی 34739 هکتار کاهش و کاربری مرتع کشاورزی 7668 و 27071 هکتار افزایش (شکل 2) خواهد یافت. همچنین، شکل 2 میزان مساحت ازدست‌رفته و افزوده برای هر سه کاربری بین سال‌های 2010 و 2040 را نشان می‌دهد. در سال 2040 مساحت کل جنگل 8/1 برابر کاربری کشاورزی و نیز حدود 84 درصد از مساحت جنگل‌ها در سال 2040 نسبت به سال 2010 باقی خواهند ماند. هم­چنین کاربری کشاورزی حدود 51٪ نسبت به سال 2010 افزایش نشان خواهد داد.

 

 

 

           
   
 
     
   

نقشه کاربری 1984

 
 

 


 
 

نقشه کاربری 2040

 

نقشه کاربری 2010

 

 

 

شکل   1-  نقشه های کاربری اراضی حوضه آبخیز تجن در طی سال های 1984، 2001، 2010 و نقشه پیش بینی شده سال 2040


Figure 1- Land cover maps of the study area in Tajan watershed for the years 1984, 2001, 2010 and predicted land use map of 2040.


 

 

شکل 2-  مساحت طبقات کاربری اراضی مختلف طی دوره های زمانی متفاوت (2040-2010-2001-1984)

Figure 2-Area of the land cover classes for different dates (1984, 2001, 2010, and 2040).

 

جدول 2- روند تغییرات سیمای سرزمین در حوزه آبخیز تجن در طی 56 سال در سه کاربری (1984-2040)

Table 2- Trends in landscape changes Tajan Watershed over 56 years at the three land use (1984–2040)

 

 

نوع کاربری

 

 

سال              

 

تعداد لکه­ها

 

شاخص بزرگ­ترین لکه

 

تراکم حاشیه

 

میانگین مساحت لکه

 

شاخص نزدیکی

 

 

کاربری کشاورزی

1984

7639

78/0

7/5

2/4

1018

2001

12560

2/1

7/10

67/4

2646

2010

9864

3/1

4/8

7/6

2634

2040

27469

3/1

03/17

4/3

6014

 

 

کاربری جنگل

 

1984

5889

6/23

2/11

3/47

194778

2001

10327

1/18

7/13

67/21

160415

2010

6124

6/17

9/10

6/34

141710

2040

9900

7/4

13

9/17

27482

 

 

کاربری مرتع

 

1984

4982

9/2

6

8/14

10602

2001

11905

5/4

2/9

5/8

14301

2010

6318

1/5

9/6

6/16

24689

2040

11174

8/8

8/12

10

53107

در این مطالعه متریک‌های سیمای سرزمین مانند LPI، NP، MPS ،ED و PROX به‌عنوان شاخص‌هایی برای یکپارچگی و ثبات سیمای سرزمین در نظر گرفته شد. شاخص LPI نشان داد کاربری جنگلی به‌عنوان پوشش غالب در دوره 1984 -2001 و 2001 -2011 است اما این شاخص در سال 2010 در مقایسه با سال 1984 پایین‌تر است. LPI جنگل از 23 در سال 1984 به 17 در 2010 کاهش‌یافته است. شایان‌ذکر است LPI کاربری کشاورزی در این دوره حدود 2 برابر افزایش‌یافته است. هم­چنین سنجه شاخص نزدیکی (PROX) در کاربری کشاورزی و مرتع در دوره 1984-2010 افزایش داشته اما روند معکوسی برای کاربری جنگل مشاهده شد. از سوی دیگر، تعداد لکه‌ها در کلاس جنگل از 5889 در سال 1984 به 10327 در سال 2001 افزایش نشان داد، اما تعداد لکه‌های جنگل به 6124 در سال 2010 کاهش‌یافته است. کاهش مساحت لکه‌های کاربری مرتع و جنگل بین سال‌های 1984 و 2001 مشاهده گردید و پس‌ازآن در دوره 2001-2010 افزایش‌یافت، اما مساحت لکه‌ها برای کاربری کشاورزی در دوره 1984- 2010 افزایش نشان داد (جدول 2) و این روند برای سال 2001-2040 نیز مشاهده گردید. هم­چنین سنجه تراکم حاشیه طی دوره 2010 -2040 در هر سه کاربری افزایش خواهد یافت.

 

بحث و نتیجه‌گیری

نتایج این مطالعه تغییرات چشم­گیری در اراضی حوضه آب­خیز تجن طی 26 سال اخیر نشان داد. به‌طوری‌که در دوره 1984-2010، مناطق جنگلی هیرکانی شدیداً کاهش یافته و عمدتاً به کاربری کشاورزی و مرتع تبدیل گردیده‌اند. فعالیت‌های کشاورزی اغلب محرک اصلی در پویایی سیمای سرزمین است. هم­چنین رشد زمین‌های مرتعی در منطقه مورد مطالعه می‌تواند به این دلیل باشد که پس از تبدیل کاربری جنگل به کاربری کشاورزی به دلیل توانایی پایین، آن‌ها پس از چند بار کشت، حاصل­خیزی لازم را ندارند و این اراضی رهاشده و بعد از رها شدن توسط مراتع جایگزین می‌شوند (2) این نتایج با مطالعات  Valclav و Rogan در سال 2009 (16) و Schulz و همکاران  در سال 2010 (17) هم­خوانی دارد. هم‌چنین نتایج جورابیان و همکاران در سال 1390 (10) در حوضه آب­خیز نکا نشان داد طی سال‌های 1358 تا 1389 میزان کاهش جنگل 2600 هکتار بوده است. در تحقیقی دیگر در سال 1390 یوسفی و همکاران (9) تغییرات کاربری اراضی شهر مریوان در غرب کشور را با استفاده از داده‌های ماهواره‌ای بررسی کردند و بیان داشتند مساحت اراضی جنگلی کاهش  یافتهو مناطق مسکونی افزایش چشم­گیری داشته است. هم­چنین مطالعه وفایی و همکاران در سال 1390 (8) در مریوان نشان داد در طول دوره 1368 تا 1390، 1334 هکتار جنگل با نرخ 2/0 درصد در سال تخریب ‌شده است و زمین‌های کشاورزی در منطقه افزایش‌یافته است.

کاهش سنجه شاخص بزرگ‌ترین لکه در کاربری جنگل و افزایش این شاخص در کاربری کشاورزی، کاهش چیرگی کاربری جنگل و افزایش اختلال انسانی در طول دوره مورد مطالعه را نشان می‌دهد. هم­چنین افزایش سنجه نزدیکی در کاربری کشاورزی و مرتع و کاهش این سنجه در کاربری جنگل در طول دوره مورد مطالعه نشان می‌دهد رشد کشاورزی سبب اتصال و هم­گرایی بیش­تر زمین‌های کشاورزی و تکه‌تکه شدن بیش­تر کاربری جنگل شده است (جدول 2). از سوی دیگر، افزایش تعداد لکه‌ها در کلاس جنگل در دوره 1984- 2001 نیز نشانه‌ای از تجزیه و تکه‌تکه شدن سیمای سرزمین در منطقه موردمطالعه است، به‌طوری‌که افزایش تعداد لکه‌ها در جنگل تا حد زیادی ارزش بسیاری از لکه‌های جنگل باقی‌مانده برای حفاظت از تنوع زیستی را کاهش می‌دهد و ممکن است نابودی گونه‌ها را تسریع کند. افزایش مساحت لکه‌ها برای کشاورزی از سال 1984- 2010 نشان از افزایش مساحت لکه‌های زمین‌های کشاورزی دارد. بنابراین لکه‌های باقی‌مانده از زیست­گاه‌های طبیعی ازجمله جنگل‌ها، به‌طور فزاینده‌ای توسط کاربری کشاورزی مجزا شده است. نتایج تجزیه‌وتحلیل سیمای سرزمین در این حوضه آب­خیز با مطالعات دیگر هم­خوانی داشت به‌طوری‌که در سال 1393  در مطالعه آرخی (27)، تجزیه‌وتحلیل متریک‌های سیمای سرزمین و کاربری اراضی جایگزینی گسترده اراضی مرتعی توسط اراضی کشاورزی، مرتعی فقیر، مسکونی و بایر مشاهده شد. در این مطالعه افزایش تعداد لکه‌ها و کاهش میانگین مساحت، شاخص مهم تجزیه بوده و روند تخریب و تجزیه سیمای سرزمین به‌صورت افزایشی بوده است. هم‌چنین نتایج کامیاب و سلمان ماهینی  در سال 1391 (5) در شهر گرگان نشان داد که در طول دوره 14 ساله اخیر، الگوی توسعه شهری در شهر گرگان به سمت ایجاد لکه‌های بزرگ‌تر با اشکال ساده‌تر و با پیچیدگی کم­تر سوق پیداکرده است.

از طرف دیگر، با افزایش تعداد لکه‌های انسان‌ساخت (مانند کشاورزی) حاشیه این کاربری­ها افزایش و درنتیجه مرز مشترک با لکه طبیعی باقی‌مانده افزایش می‌یابد (34) و منجر به افزایش تخریب در پوشش طبیعی می‌شود، به‌طوری‌که بسیاری از تخریب‌ها در حاشیه زمین‌های کشاورزی با توجه به در دسترس بودن آن رخ‌داده است. هم­چنین از افزایش سنجه تراکم حاشیه طی آینده در هر سه کاربری می‌توان استنباط کرد که حوضه تجن خیلی متفاوت‌تر از حال حاضر خواهد شد و اگر این روند ادامه یابد جنگل‌ها را به‌عنوان یک منبع اقتصادی و اجتماعی و محیط زیستی، تهدید خواهد کرد. از سوی دیگر، اگر این روند تداوم یابد مشکلات محیط زیستی مانند از دست دادن تنوع زیستی و کاهش در بهره‌وری در درازمدت تجمع پیدا خواهد کرد و اثرات تجمعی در مقیاس‌های منطقه‌ای و جهانی خواهد داشت (35).  از طرف دیگر این تغییرات پیامدهای عمیق و فراتر از کاهش جنگل دارند به‌طوری‌که با تأثیر بر عمل­کرد اکوسیستم به دلیل از دست دادن اتصال لکه‌ها مانع از جریان ژن، انرژی و انتشار گونه‌ها و غیره می‌شوند (36).

بنابراین، نتایج حاصل از این مطالعه تأکیدی بر اهمیت نیاز به بررسی تغییرات در استفاده از سرزمین و مدیریت لازم برای رسیدن به اهداف محیط زیستی دارد و به‌وضوح ضرورت استراتژی‌های مختلف برای مدیریت پایدار آینده را نشان می‌دهد. درنتیجه، استراتژی استفاده سازگار ازجمله بهینه‌سازی شکل مکانی کاربری‌ها و بازسازی پوشش گیاهی طبیعی باید به‌سرعت توسعه یابد. حفظ پوشش گیاهی در مقیاس سیمای سرزمین باید به‌دقت در برنامه‌ریزی­های حفظ زیست­گاه، عمل­کرد طبیعی و افزایش ظرفیت‌های تولید سیمای سرزمین در نظر گرفته شود (1) در پایان پیشنهاد می‌شود مناطق تحت حفاظت سازمان محیط‌زیست در این منطقه افزایش یابد. هم­چنین، کاربری‌های سازگار و چندمنظوره مانند سیستم‌های زراعی مخلوط باید به‌عنوان یک جایگزین برای تک‌کشتی بررسی شوند (37). از سویی با توجه به اهمیت تغییر اقلیمدر آینده پیشنهاد می­گردد تاثیر تغییر اقلیم بر مساحت جنگل­ها نیز مورد بررسی قرار گیرد.

 

قدردانی

بدین‌وسیله مراتب سپاس و قدردانی از آقای دکتر مصطفی قلی­پور و  دکتر حمیدرضا کامیاب به دلیل راهنمایی در انجام تحقیق ابراز می­شود.

 

منابع

  1. Turner, B. L., Lambin, E. F., Reenberg, A., 2007. The emergence of land change science for global environmental change and sustainability. Proceedings of the National Academy of Sciences of the United States of America, 104(52), 20666–20671.
  2. Talebi SH., Azari dehkordi F., Sadeghi H., 2001. Analysis of landscape degradation Neckar watershed using landscape ecology measures. Science Environmental Journal, 6(3), 133-144.
  3. Sheikh Goudarzi, M., Alizadeh Shabani, A., Salman Mahini, R., 2011. Survey of land cover / land use change trends in Korgarood watershed using landscape metrics. Iranian Journal of Natural Resources, 64 (4), 431-44 (In Persian).
  4. Wu, J. G., Hobbs, R., 2002. Key issues and research priorities in landscape ecology: an idiosyncratic synthesis. Landscape Ecological, 17, 355–365.
  5. Kamyab H.R., Salman Mahini R., 2012. Temporal Spatial Patterns of Landscape Changes and Urban Development (Case Study: Gorgan). Journal of RS and GIS in Natural Resources Sciences, 2, 60-6 (In Persian)..
  6.  UN, 2012. Probabilistic Population Projections based on the World Population Prospects: The 2012 Revision. United Nations Department of Economic and Social Affairs, Population Division, Population Estimates and Projections Section.
  7. Gutierrez-Velez, V. H., de Fries, R.S., Pinedo-Vasquez, M., Uriarte, M., Padoch, C., Baethgen, W., Fernandes, K., Lim, Y., 2011. High-yield oil palm expansion spares land at the expense of forests in the Peruvian Amazon. Environmental Research Letters. 6 (044029), 5.
  8. Vafaee, S., Darwish sefat., M, 2013.  Monitoring and Predicting Spatial Changes in Land Use Using the LCM Model (Case Study: Marivan Region). Iranian Forest Journal, Iranian Forestry Association.. 3, 323-336 (In Persian). .
  9. Yousefi, P., Moradi, H., Hosseini, H., Mirzaei, S, 2011. Detecting land use changes using ETM + and TM images. Remote Sensing and Geographic Information Systems in Natural Resources, 2 (3), 97 – 105 (In Persian).
  10.  Shushtari., Sh., 2011. Modeling Land Use Changes in the Neka Watershed Using LCM. M.Sc., Faculty of Natural Resources, Tarbiat Modares University, 126 pages (In Persian).
  11.  Kelarestaghi, A., Jafarian Jeloudar, Z., 2011. Land use /cover change and driving force analyses in parts of northern Iran using RS and GIS techniques. Arabian Journal of Geo sciences, 4, 401–411.
  12.  Emadodin, I (2008). Human-induced soil degradation in Iran. Ecosystem services workshop, Salzau Castle, 13 – 15 May, Kiel, Northern Germany.
  13.  Paudel, S., and Yuan, F., 2012. Assessing landscape changes and dynamics using patch analysis and GIS modeling. International Journal of Applied Earth Observation and Geoinformation, 16, 66–76.
  14.  Eastman, J.R., 2006. IDRISI Andes. Guide to GIS and Image Processing, Clark Labs, Clark University, Worcester, MA, 1-327.
  15.  Verburg, P. H., Kok, K., Pontius J. r, R. Veldkamp, A., 2006. Modelling Land-Use and Land- Cover Change. In Lambin, E. F. and Geist, H., eds., Land-Use and Land-Cover Change: Local Processes, Global Impacts, Global Change - The IGBP Series, pp. 117–135, Berlin; New York (Springer).
  16.  Valclav.k, T., Rogan, J., 2009. Identifying trends in land use/land cover changes in the context of post-socialist transformation in Central Europe: A case study of the greater Olomouc region, Czech Republic. GIScience & Remote Sensing, 46 (1), 54–76.
  17. Schulz, J. J., Cayuela, L., Echeverria, C., Salas, J., Rey Benayas, J. M., 2010. Monitoring land cover change of the dryland forest landscape of Central Chile (1975–2008). Applied Geography, 30 (3), 436–447.
  18.  Pontius Jr., R.G., Cornell, J.D., Hall, C.A.S., 2001. Modelingthespatial pattern ofland-usechange with GEOMOD2:  application and validation for Costa Rica. Agric. Agriculture, Ecosystems & Environment Journal, 85, 191–203.
  19.  Soares Filho, B. S., Goutinho Cerqueira, G., Lopes Pennachin, C., 2002. DINAMICA—a stochastic cellular automata model designed to simulate the land scape dynamics in an Amazonian colonization frontier. Ecological Modeling, 154, 217–235.
  20.  Mohammadi, J., Shataee, S., 2010. Possibility investigation of tree diversity mapping using Landsat ETMþ data in the Hyrcanian forests of Iran. Remote Sensing of Environment, 114, 1504–1512.
  21. Masoudiyan, M., Falahiyan, F., Nejadsattari, T., Metaji, A. and Khavarinejad, R., 2010. Epilitic diatoms in Tajan River, Mazandaran province. Biological Knowledge Iran, 4, 57-66.
  22. Rozenstein, O., Karnieli, A., 2011. Comparison of methods for land use classification incorporating remote sensing and GIS inputs. Applied Geography, 31(2), 533–544.
  23. Salman Mahini, A., Fazli, H., Kamyab, H., Fonderski, F., et al. 2011. Zoning and Determination of Ecological Sensitivity Degree of Coastal Areas, Environmental Protection Agency, 231 p (In Persian).
  24.  Bakr, N., Weindorf, D.C., Bahnassy, M. H., Marei, S. M., El Badawi, M. M., 2010. Monitoring land cover changes in a newly reclaimed area of Egypt usingmulti-temporalLandsatdata. Applied Geography, 30, 592–605.
  25.  Eastman, J.R., 2012. IDRISI Help System. Accessed in IDRISI Selva 17.02. Worcester, MA: Clark University.
  26.  O’Neill, R.V., Krummel, J.R., Gardner, R.H., Sugihara, G., Jackson, B., DeAngelis, D.L., Graham, R. L., 1988. Indices of landscape pattern. Landscape Ecological,1 (3), 153–162.
  27.  Arkhi, s.,  2015. Application of Landscape Metrics in Evaluation of Land Use Changes Using GIS Remote Sensing Case Study: Dehloran Desert Area. Geography and Development, 40, 68-59 (In Persian).
  28. Alberti M., Booth D., Hill K., Coburn B., Avolio C., Coe S., Spirandelli D., 2007. The impact of urban patterns on aquatic ecosystems: an empiricalanalysis on Pugetlowland sub-basins, Landscape Urban Plan, 80 (4), 345–361.
  29. Hao, F., Zhang, X., Wang X., Ouyang, W., 2012. Assesment the Relationship between Landscape Patterns and Nonpoint Source Pollution in the Danjiankou Reservoir Basin in China, Journal of the American Water Resources Association, 1, 1-16.
  30. Wei, W., Chen, L., Fu B., Chen, J., 2010. Water Erosion Response to Rainfall and Land Use in Different Drought-Level Years in a Loess Hilly Area of China, Catena, 81 (1), 24-31.
  31. Xiao, H., Ji, W., 2007. Relating landscape characteristics to non-point source pollution in mine Waste-located watersheds using geospatial techniques, Journal of Environmental Management, 82, 111–119.
  32.  McGarigal, K., Marks, B. J., 1995. FRAGSTATS: Spatial Pattern Analysis Program for Quantifying Landscape Structure. U.S. Department of Agriculture, Forest Service, Pacific Northwest Research Station, Port land, ORGen. Tech. Rep. PNW-GTR-351,122pp.
  33. Congalton, R. G., 1991. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment Journal, 37, 35–46.
  34. Abdullah, S. A., Nakagoshi, N., 2006.Changes in landscape spatial pattern in the highly developing
  35. Foley, J. A., DeFries, R., Asner, G. P., Barford, C., Bonan, G., Carpenter, S. R., et al., 2005. Global consequences of land use. Science, 309 (5734), 570–574.
  36.  Saura, S., Estreguil, C., Mouton, C., & Rodríguez-Freire, M., 2011. Network analysis to assess landscape connectivity trends: Application to European forests (1990–2000). Ecological Indicators, 11(2), 407–416.
  37. Ovalle, C., Del Pozo, A., Casado, M. A., Acosta, B., & de Miguel, J. M., 2006. Consequences of landscape heterogeneity on grassland diversity and productivity In the Espinal agroforestry system of Central Chile. Landscape Ecology, 21(4), 585–594.

 

state of Selangor, peninsular Malaysia. Landsc. Urban Plan, 77, 263–275.

 

 


 

 

 



[1]- دانش­جوی دکتری گروه محیط‌زیست، دانش­کده منابع طبیعی دانش­گاه تربیت مدرس  

-[2] استاد گروه محیط‌زیست، دانشکده منابع طبیعی دانش­گاه تربیت مدرس *(مسوول مکاتبات)

-[3] دانش­یار گروه محیط‌زیست، دانش­گاه علوم کشاورزی و منابع طبیعی گرگان

[4]- استادیار گروه  مهندسی منابع آب،  دانش­کده کشاورزی، دانش­گاه تربیت مدرس

-[5] دانشیار، گروه علوم و مهندسی آب، پردیس ابوریحان، دانش­گاه تهران

1- PhD Student, Environmental Sciences, College of Natural Resource, Tarbiat Modares University, Tehran  

[7] - Prof. of Environmental Sciences, College of Natural Resources and Marine Science, Tarbiat Modares.,Tehran

* (Corresponding author), esmaili@modares.ac.ir.

[8]-  Associated Professor, Environmental Sciences, College of Natural Resource, Gorgan University of Agricultural Sciences and Natural Resources.

[9]-  Associated. Professor,   Water ITECT Resources, College of Agriculture, Tarbiat Modares University, Tehran

[10]-  Associated. Professor,  Environmental Sciences, College of Irrigation and Drainage Engineering, University of Tehran

[11] - Logestic Regression

[12]-  Conversion of Land Use and its Efects at Small regional extent

[13]- Land Change Modeller

[14]-  Multi Layer Perceptron

[15]-  Simweight

7- Geomode

 

[17]- Error Matrix

[18]-Driver Variables

[19]- Digital Elevation Model

[20]-  Null Success

[21]- False Alarms

[22]-  Hit

[23]-  Miss

[24]- Relative Operative Charactristic

  1. Turner, B. L., Lambin, E. F., Reenberg, A., 2007. The emergence of land change science for global environmental change and sustainability. Proceedings of the National Academy of Sciences of the United States of America, 104(52), 20666–20671.
  2. Talebi SH., Azari dehkordi F., Sadeghi H., 2001. Analysis of landscape degradation Neckar watershed using landscape ecology measures. Science Environmental Journal, 6(3), 133-144.
  3. Sheikh Goudarzi, M., Alizadeh Shabani, A., Salman Mahini, R., 2011. Survey of land cover / land use change trends in Korgarood watershed using landscape metrics. Iranian Journal of Natural Resources, 64 (4), 431-44 (In Persian).
  4. Wu, J. G., Hobbs, R., 2002. Key issues and research priorities in landscape ecology: an idiosyncratic synthesis. Landscape Ecological, 17, 355–365.
  5. Kamyab H.R., Salman Mahini R., 2012. Temporal Spatial Patterns of Landscape Changes and Urban Development (Case Study: Gorgan). Journal of RS and GIS in Natural Resources Sciences, 2, 60-6 (In Persian)..
  6.  UN, 2012. Probabilistic Population Projections based on the World Population Prospects: The 2012 Revision. United Nations Department of Economic and Social Affairs, Population Division, Population Estimates and Projections Section.
  7. Gutierrez-Velez, V. H., de Fries, R.S., Pinedo-Vasquez, M., Uriarte, M., Padoch, C., Baethgen, W., Fernandes, K., Lim, Y., 2011. High-yield oil palm expansion spares land at the expense of forests in the Peruvian Amazon. Environmental Research Letters. 6 (044029), 5.
  8. Vafaee, S., Darwish sefat., M, 2013.  Monitoring and Predicting Spatial Changes in Land Use Using the LCM Model (Case Study: Marivan Region). Iranian Forest Journal, Iranian Forestry Association.. 3, 323-336 (In Persian). .
  9. Yousefi, P., Moradi, H., Hosseini, H., Mirzaei, S, 2011. Detecting land use changes using ETM + and TM images. Remote Sensing and Geographic Information Systems in Natural Resources, 2 (3), 97 – 105 (In Persian).
  10.  Shushtari., Sh., 2011. Modeling Land Use Changes in the Neka Watershed Using LCM. M.Sc., Faculty of Natural Resources, Tarbiat Modares University, 126 pages (In Persian).
  11.  Kelarestaghi, A., Jafarian Jeloudar, Z., 2011. Land use /cover change and driving force analyses in parts of northern Iran using RS and GIS techniques. Arabian Journal of Geo sciences, 4, 401–411.
  12.  Emadodin, I (2008). Human-induced soil degradation in Iran. Ecosystem services workshop, Salzau Castle, 13 – 15 May, Kiel, Northern Germany.
  13.  Paudel, S., and Yuan, F., 2012. Assessing landscape changes and dynamics using patch analysis and GIS modeling. International Journal of Applied Earth Observation and Geoinformation, 16, 66–76.
  14.  Eastman, J.R., 2006. IDRISI Andes. Guide to GIS and Image Processing, Clark Labs, Clark University, Worcester, MA, 1-327.
  15.  Verburg, P. H., Kok, K., Pontius J. r, R. Veldkamp, A., 2006. Modelling Land-Use and Land- Cover Change. In Lambin, E. F. and Geist, H., eds., Land-Use and Land-Cover Change: Local Processes, Global Impacts, Global Change - The IGBP Series, pp. 117–135, Berlin; New York (Springer).
  16.  Valclav.k, T., Rogan, J., 2009. Identifying trends in land use/land cover changes in the context of post-socialist transformation in Central Europe: A case study of the greater Olomouc region, Czech Republic. GIScience & Remote Sensing, 46 (1), 54–76.
  17. Schulz, J. J., Cayuela, L., Echeverria, C., Salas, J., Rey Benayas, J. M., 2010. Monitoring land cover change of the dryland forest landscape of Central Chile (1975–2008). Applied Geography, 30 (3), 436–447.
  18.  Pontius Jr., R.G., Cornell, J.D., Hall, C.A.S., 2001. Modelingthespatial pattern ofland-usechange with GEOMOD2:  application and validation for Costa Rica. Agric. Agriculture, Ecosystems & Environment Journal, 85, 191–203.
  19.  Soares Filho, B. S., Goutinho Cerqueira, G., Lopes Pennachin, C., 2002. DINAMICA—a stochastic cellular automata model designed to simulate the land scape dynamics in an Amazonian colonization frontier. Ecological Modeling, 154, 217–235.
  20.  Mohammadi, J., Shataee, S., 2010. Possibility investigation of tree diversity mapping using Landsat ETMþ data in the Hyrcanian forests of Iran. Remote Sensing of Environment, 114, 1504–1512.
  21. Masoudiyan, M., Falahiyan, F., Nejadsattari, T., Metaji, A. and Khavarinejad, R., 2010. Epilitic diatoms in Tajan River, Mazandaran province. Biological Knowledge Iran, 4, 57-66.
  22. Rozenstein, O., Karnieli, A., 2011. Comparison of methods for land use classification incorporating remote sensing and GIS inputs. Applied Geography, 31(2), 533–544.
  23. Salman Mahini, A., Fazli, H., Kamyab, H., Fonderski, F., et al. 2011. Zoning and Determination of Ecological Sensitivity Degree of Coastal Areas, Environmental Protection Agency, 231 p (In Persian).
  24.  Bakr, N., Weindorf, D.C., Bahnassy, M. H., Marei, S. M., El Badawi, M. M., 2010. Monitoring land cover changes in a newly reclaimed area of Egypt usingmulti-temporalLandsatdata. Applied Geography, 30, 592–605.
  25.  Eastman, J.R., 2012. IDRISI Help System. Accessed in IDRISI Selva 17.02. Worcester, MA: Clark University.
  26.  O’Neill, R.V., Krummel, J.R., Gardner, R.H., Sugihara, G., Jackson, B., DeAngelis, D.L., Graham, R. L., 1988. Indices of landscape pattern. Landscape Ecological,1 (3), 153–162.
  27.  Arkhi, s.,  2015. Application of Landscape Metrics in Evaluation of Land Use Changes Using GIS Remote Sensing Case Study: Dehloran Desert Area. Geography and Development, 40, 68-59 (In Persian).
  28. Alberti M., Booth D., Hill K., Coburn B., Avolio C., Coe S., Spirandelli D., 2007. The impact of urban patterns on aquatic ecosystems: an empiricalanalysis on Pugetlowland sub-basins, Landscape Urban Plan, 80 (4), 345–361.
  29. Hao, F., Zhang, X., Wang X., Ouyang, W., 2012. Assesment the Relationship between Landscape Patterns and Nonpoint Source Pollution in the Danjiankou Reservoir Basin in China, Journal of the American Water Resources Association, 1, 1-16.
  30. Wei, W., Chen, L., Fu B., Chen, J., 2010. Water Erosion Response to Rainfall and Land Use in Different Drought-Level Years in a Loess Hilly Area of China, Catena, 81 (1), 24-31.
  31. Xiao, H., Ji, W., 2007. Relating landscape characteristics to non-point source pollution in mine Waste-located watersheds using geospatial techniques, Journal of Environmental Management, 82, 111–119.
  32.  McGarigal, K., Marks, B. J., 1995. FRAGSTATS: Spatial Pattern Analysis Program for Quantifying Landscape Structure. U.S. Department of Agriculture, Forest Service, Pacific Northwest Research Station, Port land, ORGen. Tech. Rep. PNW-GTR-351,122pp.
  33. Congalton, R. G., 1991. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment Journal, 37, 35–46.
  34. Abdullah, S. A., Nakagoshi, N., 2006.Changes in landscape spatial pattern in the highly developing
  35. Foley, J. A., DeFries, R., Asner, G. P., Barford, C., Bonan, G., Carpenter, S. R., et al., 2005. Global consequences of land use. Science, 309 (5734), 570–574.
  36.  Saura, S., Estreguil, C., Mouton, C., & Rodríguez-Freire, M., 2011. Network analysis to assess landscape connectivity trends: Application to European forests (1990–2000). Ecological Indicators, 11(2), 407–416.
  37. Ovalle, C., Del Pozo, A., Casado, M. A., Acosta, B., & de Miguel, J. M., 2006. Consequences of landscape heterogeneity on grassland diversity and productivity In the Espinal agroforestry system of Central Chile. Landscape Ecology, 21(4), 585–594.
 
state of Selangor, peninsular Malaysia. Landsc. Urban Plan, 77, 263–275.