کاربرد سنجه‏ های سیمای سرزمین در بازنگری مدل تخریب سرزمین برای ارزیابی اثرات محیط‏ زیستی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه محیط زیست - دانشکده منابع طبیعی - دانشگاه تهران - کرج- ایران

2 دانشگاه تهران، دکترای محیط زیست

3 دانشگاه تهران- دانشکده منابع طبیعی - گروه محیط زیست

چکیده

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.

کلیدواژه‌ها

عنوان مقاله [English]

Applying Landscape Metrics to Revise Land Degradation Model for Assessing Environmental Impacts

نویسندگان [English]

  • Mustafa Nur Istanbuly 1
  • Bahman Jabbarian Amiri 2
  • Mohammad Kaboli 3

1 Department of Environmental Science Faculty of Natural Resources University of Tehran Karaj, Iran.

2

3 Department of Environmental Science Faculty of Natural Resources University of Tehran Karaj, Iran.

چکیده [English]

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 & 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.

کلیدواژه‌ها [English]

  • Land Degradation Model
  • Landscape
  • Modeling
  • Metrics
  • Environmental Impact Assessment
Amiri, J.B., 2017. Environmental Modeling. University Press, University of Tehran, 150 p.
Amiri, J.B., 2019. Environmental Impact Assessment 2nd Edition. University Press, University of Tehran, 228 p.
Bruhn-Tysk, S. Eklund, M., 2002. Environmental impact assessment: a tool for sustainable development? A case study of biofuelled energy plants in Sweden, Environmental Impact Assessment Review, No. 22, pp. 129- 144.
Buchhorn, M., Smets, B., Bertels, L., Lesiv, M., Tsendbazar, N.-E., Herold, M., Fritz, S., 2019. Copernicus Global Land Service: Land Cover 100m, epoch "2015", Globe (Version V2.0.2) [10.5281/zenodo.3243509]. Zenodo. DOI: "10.5281/zenodo.3243508".
Chamani, A., Makhdoum, M., Khorasani., N. Jafari. M., and Cheraghchi, M., 2005. Environmental impact assessment of development on the environment of Hamedan province using the degradation model. Ecology. No. 37. pp. 35-44 (In Persian).
Economic and Social Commission for Asia and the Pacific (ESCAP). 1990. Environmental impact assessment for water resources development. Environment and Development Series.
Farina, A., 2006. Principles and Methods in Landscape Ecology. Springer, pp. 412.
Gao J., Liu, Y., 2010. Determination of land degradation causes in Tongyu County, Northeast China via land cover change detection. Applied Earth Observation and Geoinformation 12: 9–16.
Governorate of Guilan, 2019. Available from https://www.gilan.ir/. Accessed 19th November 2019.
Heidari Masteali, S., jabbarian amiri, B., Alizadeh Shabani, A., 2019. Environmental Impact Assessment of Development in Torghabeh-Shandiz Township Using Degradation Model. Journal of Environmental Science and Technology, 21(2), 173-187.
Hosseini Vardei, M., Salman Mahini, A., Monavari, S., Kheirkhah Zarkesh, M., 2012. Using Landscape Metrics in Cumulative Effects Assessment of Road Networkon Tree Cover. Journal of Natural Environment, 65(2), 139-152.
Leitao, B.A., Ahern, J., 2002. Applying Landscape Ecological Concepts and Metrics in Sustainable Landscape Planning. Journal of Landscape and Urban Planning, 59(2):65-93.
Makhdoum, M., 2002. Degradation Model: A Quantitative EIA Instrument, Acting as a Decision Support System (DSS) for Environmental Management. Environmental Management 30, 151–156 (2002).
Makhdoum.M.F., Mansouri. S.M., 1999. Environmental impact assessment of Hormozgan Province (S. Iran) by degradation model. Journal of Environmental Studies, 25(23). 49-57. (in Persian).
Matsushita, B. Xu, M. Fukushima, T. 2006. Characterizing Changes in Landscape Structure in the Lake Kasumigaura Basin, Japan Using a High-Quality GIS Dataset. Journal of Landscape and Urban Planning 78(3):241-250.
McGarigal, K., 2015. Fragstats User Manual, Version 4.2. University of Massachusetts Amherst, 182p.
Momtaz, S. 2002. Environmental impact assessment in Bangladesh: A critical review. Environmental Impact Assessment 22: 163-179.
Rutledge, D.T., 2003. Landscape Indices as Measures of the Effects of Fragmentation: Can Pattern Reflect Process? Department of Conservation, Wellington.
Shrestha, M. A., York, A. M. Boone, C. G. and Zhang, S., 2012. Land Fragmentation Due to Rapid Urbanization in The Phoenix Metropolitan Area: Analyzing the Spatiotemporal Patterns and Drivers. Applied Geography 32: 522- 531.
Statistical Center of Iran, 2019. Available from https://www.amar.org.ir/. Accessed 19th November 2019.