پيش بيني جنگل زدايي و بازيابي جنگل با استفاده از مدل تبديل زمين (LTM) در جنگل هاي زاگرس شمالي

Forecasting deforestation and forest recovery using Land Transformation Model (LTM) in Iranian Zagros forests

الگوي تغييرات كاربري اراضي در مقياس ­هاي مختلف زماني و مكاني به ­صورت غيرخطي است. از اين­رو براي پيش­ بيني اثرات بالقوه و منفي اين تغييرات بر خدمات اكوسيستمي جنگل ­ها در آينده نياز به ابزارهاي غيرخطي مانند شبكه هاي عصبي مصنوعي است. در اين پژوهش براي پيش ­بيني جنگل ­زدايي و بازيابي اراضي جنگلي شهرستان سردشت براي 10، 20 و 30 سال آينده از مدل تبديل زمين يا LTM كه يك مدل مبتني بر شبكه­هاي عصبي مصنوعي و GIS است استفاده شد. بدين منظور سه سناريوي مختلف شامل دوره­ هاي زماني 1386-1376، 1396-1376 و 1396-1386 استفاده شد و جنگل­ زدايي و بازيابي اراضي جنگلي سردشت با استفاده از 14 متغير مختلف براي سال­ هاي 1406، 1416 و 1426 پيش ­بيني شد. نتايج نشان داد طي 20 سال دورۀ زماني موردبررسي (1376 تا 1396) با وجود 2373/57 هكتار بازيابي جنگل­هاي سردشت، 10314/63 هكتار جنگل­زدايي رخ داده است. مدل ­سازي جنگل­ زدايي و بازيابي جنگل توسط هر سه سناريو با مقدار ROC بالاي 0/8 براي همه مدل­ ها نشان­ دهندۀ افزايش قطعي جنگل­ زدايي در سردشت طي سه دهۀ آينده بوده است، به­ طوري­كه بر اساس سناريوي 1386-1376، پيش­بيني شد 22296/246 هكتار از جنگل ­هاي منطقه طي 30 سال آينده تخريب خواهد شد. نتايج اين پژوهش مي ­تواند براي برنامه ­ريزي­ هاي حفاظتي صحيح و افزايش برنامه ­هاي نظارتي در مناطق با پتانسيل تخريبي استفاده شود.

Land use changes and its patterns in spatial and temporal scales occur in a non-linear way. Therefore, to predict the potential and negative effects of these changes on forest ecosystem services in future, nonlinear tools such as Artificial Neural Networks (ANNs) are needed. In this study for forecasting deforestation and recovery of Sardasht forests for 10, 20 and 30 years later, Land Transformation Model (LTM) based on ANNs and GIS was used. For this purpose, three different scenarios including time periods of 1997-2007, 1997-2017 and 2007-2017 were used, and deforestation and forest recovery of Sardasht using 14 variables for 2027, 2037 and 2047 were predicted. Results showed that over 20-year studied time period (1997 to 2017) despite 2372.57 ha recovery of Sardasht forests, 10314.63 ha deforestation occurred. Deforestation and forest recovery modeling by all three scenarios with good Receiver Operating Characteristic curve (or ROC curve) (more than 0.8) for all scenarios, show a definite and increasing deforestation process in Sardasht over the next three decades, so based on the 1997-2007 scenario, it is anticipated that 22296.24 ha of forests in the region will be destroyed over the next 30 years. The results of this research can be used for proper conservation planning and increasing regulatory programs in areas with high degradation potential.