نوع مقاله : مقاله پژوهشی

نویسندگان

• اکرم نوری کمری ¹
• سیده سمیرا سلیمانی پور ²

¹ استادیار گروه آموزش جغرافیا، دانشگاه فرهنگیان، تهران، ایران

² دانش آموخته دکتری جنگلداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران

چکیده

ارزیابی حساسیت بوم‌شناختی مناطق حفاظت‌شده ابزاری کلیدی برای شناسایی نواحی بحرانی و طراحی راهبردهای مدیریت سازگار با تغییر اقلیم است. این پژوهش با هدف نقشه‌سازی و تحلیل الگوی مکانی حساسیت منطقه حفاظت‌شده اشترانکوه در استان لرستان، از ترکیب روش دلفی و تحلیل‌های مکانی در محیط GIS بهره گرفت. بدین منظور، نه شاخص بوم‌شناختی و فیزیوگرافیک شامل ارتفاع، شیب، جهت، اقلیم، کاربری/پوشش اراضی، رواناب سطحی، دبی چشمه‌ها، حساسیت خاک و سازندهای زمین‌شناسی به فرسایش مورد استفاده قرار گرفتند. وزن‌دهی شاخص‌ها با روش دلفی و نظر متخصصان نشان داد که کاربری/پوشش اراضی (198/0) و رواناب سطحی (162/0) بیشترین تأثیر را در تعیین سطح حساسیت دارند. نتایج نقشه‌سازی و تحلیل الگوی مکانی نشان داد که حدود ۵۱ درصد از وسعت منطقه در طبقات حساسیت زیاد و بسیار زیاد قرار دارد و تمرکز این پهنه‌ها در بخش‌های جنوبی و مرکزی منطقه آشکار است. تحلیل خودهمبستگی مکانی (Moran’s I = 0.773, p < 0.001) بیانگر وجود خوشه‌های معنی‌دار حساسیت است و نتایج تحلیل لکه‌های داغ (Local Moran’s I) نیز نشان داد که لکه‌های حساسیت بالا (HH) عمدتاً در نواحی جنوبی و غربی منطقه متمرکزند. این بخش‌ها دارای شیب زیاد، رواناب بالا، کاهش تراکم پوشش گیاهی و توسعه اراضی کشاورزی‌اند. یافته‌ها نشان می‌دهد که حساسیت بوم‌شناختی اشترانکوه تابعی از تعاملات پیچیده میان عوامل طبیعی و انسانی است. تمرکز برنامه‌های حفاظتی و طرح‌های احیای پوشش گیاهی و آبخیزداری در لکه‌های داغ حساسیت می‌تواند نقش مؤثری در افزایش تاب‌آوری و کاهش آسیب‌پذیری این اکوسیستم کوهستانی ارزشمند داشته باشد.

کلیدواژه‌ها

• روش دلفی
• خودهمبستگی مکانی
• اکوسیستم‌های کوهستانی
• آسیب‌پذیری
• حفاظت

عنوان مقاله [English]

Mapping and Spatial Pattern Analysis of the Ecological Sensitivity of Mountain Protected Areas (Case Study: Oshtorankouh Protected Area, Lorestan Province)

نویسندگان [English]

• Akram Nouri Kamari ¹
• Seyedeh Samira Soleimanipour ²

¹ Department of Geography Education, Farhangian University, Tehran, Iran.

² Department of Forestry, Faculty of Agricultural and Natural Resources, Lorestan University, Khorramabad, Iran

چکیده [English]

Assessing the ecological sensitivity of protected areas provides a fundamental basis for identifying critical zones and designing adaptive management strategies under climate change conditions. This study aimed to model and analyze the spatial pattern of ecological sensitivity in the Oshtorankouh Protected Area, located in Lorestan Province, western Iran. A combination of the Delphi method and spatial analysis techniques in a GIS environment was employed. Nine ecological and physiographic indicators—including elevation, slope, aspect, climate, land use/land cover, surface runoff, spring discharge, soil erodibility, and geological formations—were selected for modeling. The Delphi-based weighting of indicators indicated that land use/land cover (0.198) and surface runoff (0.162) exerted the greatest influence on determining sensitivity levels. Spatial modeling results revealed that approximately 51% of the study area falls within the high and very high sensitivity classes, predominantly concentrated in the southern and central sectors. The global spatial autocorrelation analysis (Moran’s I = 0.773, p < 0.001) confirmed a significant clustered pattern of sensitivity, while local spatial analysis (Local Moran’s I) identified high–high (HH) hot spots mainly in the southern and western parts of the area. These zones are characterized by steep slopes, intense runoff, reduced vegetation density, and expansion of agricultural lands. Overall, the findings indicate that the ecological sensitivity of Oshtorankouh is governed by complex interactions between natural and anthropogenic factors. Focusing conservation planning, vegetation restoration, and watershed management efforts on the identified hot spots can effectively enhance resilience and reduce vulnerability across this valuable mountain ecosystem.

کلیدواژه‌ها [English]

• Delphi method
• Spatial autocorrelation
• Mountain ecosystems
• Vulnerability, Protection