<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشکده منابع طبیعی</PublisherName>
				<JournalTitle>نشریه محیط زیست طبیعی</JournalTitle>
				<Issn>2008-7764</Issn>
				<Volume>74</Volume>
				<Issue>1</Issue>
				<PubDate PubStatus="epublish">
					<Year>2021</Year>
					<Month>05</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Applying Landscape Metrics to Revise Land Degradation Model for Assessing Environmental Impacts</ArticleTitle>
<VernacularTitle>کاربرد سنجه‏ های سیمای سرزمین در بازنگری مدل تخریب سرزمین برای ارزیابی اثرات محیط‏ زیستی</VernacularTitle>
			<FirstPage>195</FirstPage>
			<LastPage>207</LastPage>
			<ELocationID EIdType="pii">81893</ELocationID>
			
<ELocationID EIdType="doi">10.22059/jne.2021.304417.2008</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>مصطفی نور</FirstName>
					<LastName>استانبولی</LastName>
<Affiliation>گروه محیط زیست - دانشکده منابع طبیعی - دانشگاه تهران - کرج-  ایران</Affiliation>
<Identifier Source="ORCID">0000-0002-9978-855X</Identifier>

</Author>
<Author>
					<FirstName>بهمن</FirstName>
					<LastName>جباریان امیری</LastName>
<Affiliation>دانشگاه تهران، دکترای محیط زیست</Affiliation>

</Author>
<Author>
					<FirstName>محمد</FirstName>
					<LastName>کابلی</LastName>
<Affiliation>دانشگاه تهران- دانشکده منابع طبیعی - گروه  محیط زیست</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2020</Year>
					<Month>06</Month>
					<Day>14</Day>
				</PubDate>
			</History>
		<Abstract>In the present study, in order to model the environmental impacts using landscape metrics; Guilan province was divided into 183 impact unit, and the Land Degradation Model was applied. In the next step, using the measures of (Related circumscribing circle, Perimeter-area ratio, Shape index, Fractal dimension index &amp; Contiguity index) which were calculated by Fragststs, five models were developed based on stepwise modeling approach. Following from that, Akaike information criterion was applied to determine the most appropriate model. The results of this study showed that 39.78% of Guilan province is located in sensitive and susceptible areas. The highest physiological density was observed in Siahkal county. Regression models indicated that the amount of environmental degradation can be predicted using the weighted average of measures related to the landscape structure metrics: rcc (r2 = 0.437, p ≤ 0.05), contig (r2 = 0.615, p ≤ 0.05), frac (r2 = 0.505, p ≤ 0.05), shp (r2 = 0.499, p ≤ 0.05) and (r2 = 0.672, p ≤ 0.05). The most appropriate model, which was determined by AIC, was the model for the Perimeter-area ratio, and it had a good model validation result. Our findings revealed that applying the landscape metrics would be able to use for assessing the environmental impacts. In turn, it would decrease the degree of subjectivity in the landscape degradation model, as well. On the other hand, the use of landscape metrics, which can be easily and quickly calculated through land use or land cover maps, will greatly eliminate the need for extensive field work. Accordingly, using land degradation model will be more easily implemented in a much shorter time and at a lower cost to evaluate the environmental impacts.</Abstract>
			<OtherAbstract Language="FA">در تحقیق حاضر، با هدف بررسی امکان به‏ کارگیری سنجه ‏های سیمای سرزمین در ساختار مدل تخریب سرزمین، استان گیلان به 183 شبکه به‏ عنوان یگان نشانزد، تقسیم شد و مدل تخریب محیط‏ زیست در هر ‏یک از آنها به اجرا در آمد. پنج سنجه از گروه سنجه ‏های ساختار سیمای سرزمین (دایره محاطی مربوطه، نسبت محیط به مساحت، شاخص شکل، شاخص بعد فرکتال و شاخص پیوستگی) در هر یک از سلول‏ ها محاسبه شد. با به‏ کارگیری رهیافت گام به گام در مدل‏سازی رگرسیونی به مدل‏سازی با به‏ کارگیری هر ‏یک از سنجه‏ های سیمای سرزمین پرداخته شد. پنج مدل بدست آمد که با استفاده از روش معیار اطلاعات آکائیکه مدل مناسب تعیین گردید. اعتبار مدل انتخاب شده مورد آزمون قرار گرفت. نتایج نشان داد که 39/78 درصد از استان گیلان در طبقات حساس و آسیب ‏پذیر قرار دارد و شهرستان سیاهکل بیشترین تراکم فیزیولوژیک را دارد. مدل‏ ها نشان دادند که مقدار تخریب محیط‏‏ زیست می‏ تواند با استفاده از میانگین وزنی سنجه‏ های مرتبط با ساختار سیمای سرزمین پیش‏بینی شود: rcc (r2 = 0.437, p ≤ 0.05)، contig (r2 = 0.615, p ≤ 0.05)، frac (r2 = 0.505, p ≤ 0.05)، shp (r2 = 0.499, p ≤ 0.05)، para (r2 = 0.672, p ≤ 0.05). مناسب ‏ترین مدل، بر مبنای معیار اطلاعات آکائیکه مدل مربوط به سنجه نسبت محیط به مساحت بوده است. براساس یافته‏ های این پژوهش، به‏ کار گیری سنجه‏ های سیمای سرزمین در مدل تخریب، سبب کاهش اعمال سلیقه و نظرات کارشناسی مختلف در آن می‏شود. از سوی دیگر، به‏ کارگیری سنجه‏ های بوم‏ شناسی سیمای سرزمین که می‏توان آنها را به آسانی از طریق نقشه کاربری سرزمین محاسبه نمود، از ضرورت کارهای میدانی به‏ میزان زیادی خواهد کاست. در نتیجه استفاده از مدل تخریب محیط‏ زیست برای ارزیابی اثرات، با سهولت بیشتر، در مدت زمانی کمتر و همچنین با هزینه پایین‏ تری قابل اجرا خواهد بود.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">مدل تخریب محیط ‏زیست</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل‏سازی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">سنجه های سیمای سرزمین</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">ارزیابی اثرات محیط‏ زیست</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jne.ut.ac.ir/article_81893_ce37b8ea7974010aece8e14f89f1a514.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
