تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,500 |
تعداد مشاهده مقاله | 124,086,968 |
تعداد دریافت فایل اصل مقاله | 97,190,152 |
مدلسازی درجات تخریب جنگلهای حوضه 12 ماسال استان گیلان با استفاده از رگرسیون لجستیک | ||
نشریه محیط زیست طبیعی | ||
مقاله 5، دوره 73، شماره 1، فروردین 1399، صفحه 49-61 اصل مقاله (1.35 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jne.2020.283818.1756 | ||
نویسندگان | ||
سعد الله شادمانی1؛ مهرداد قدس خواه دریایی* 2؛ اسماعیل قجر3؛ ابوذر حیدری صفری کوچی4 | ||
1فارغ التحصیل دانشگاه گیلان | ||
2دانشیار، دانشکده منابع طبیعی، دانشگاه گیلان، صومعهسرا، ایران | ||
3استادیار جنگلداری دانشگاه گیلان | ||
4دانشجوی دکتری جنگلشناسی دانشگاه گیلان | ||
چکیده | ||
برنامهریزی برای مدیریت آتی جنگلها، بدون داشتن اطلاع کافی از وضعیت تخریب جنگلها در گذشته میسر نیست. مطالعه حاضر بهمنظور مدلسازی درجات تخریب جنگل با استفاده از رگرسیون لجستیک رتبهای در حوضه آبخیز 12 ماسال انجام پذیرفت. در این مطالعه عوامل شیب، ارتفاع از سطح دریا، جهت جغرافیایی، فاصله از رودخانهها، فاصله از شبکه راهها، فاصله از مناطق مسکونی و مراکز جمعیتی و فاصله از دامسراها بهعنوان متغیرهای مستقل و درجات مختلف تخریب جنگل به عنوان متغیر وابسته وارد مدل رگرسیونی شدند. استخراج متغیرهای مستقل از نقشههای رقومی منطقه و ثبت درجات تخریب جنگل از طریق برداشت نمونههای زمینی صورت گرفت. برای تعیین میزان تأثیر هر عامل از روش تحلیل سلسله مراتبی و بهمنظور مدلسازی عوامل از رگرسیون لجستیک رتبهای با پنج تابع اتصال شامل: Cauchit، Negative log-log، Complementary log-log، Logit و Probit استفاده شد. از آزمونهای آماری نسبت تشابه و والد نیز برای بررسی معنیداری مدل و ضرایب آن استفاده شد. نتایج نشان داد که مدل ساخته شده با تابع اتصال Probit از قابلیت مناسب در مدلسازی درجات تخریب برخوردار است. همچنین نتایج نشان داد که 32/20760 هکتار از جنگلهای حوضه مورد مطالعه (معادل 83 درصد از سطح کل جنگلهای منطقه) با درجات بسیار کم تا متوسط تخریب مواجه هستند. در نتیجه تدوین برنامههای حفاظتی برای 83 درصد از سطح جنگلهای حوضه و اجرای عملیات احیائی برای 17 درصد از سطح این جنگلها (مطابق با نقشه درجات تخریب جنگل ارائه شده در این مطالعه) اثر مطلوبی بر بهبود وضعیت جنگلهای حوضه مورد مطالعه خواهد داشت. | ||
کلیدواژهها | ||
آزمون خطوط موازی؛ تابع اتصال؛ تحلیل سلسله مراتبی؛ جنگلهای هیرکانی؛ سیستم اطلاعات جغرافیایی | ||
مراجع | ||
Azizi ghalaty, S., Rangzan, K., Taghizadeh, A., Ahmadi, S., 2015. Application of artificial neural network and ordinary least squares regression in modeling land use changes. Forest and Wood Products, 68(1): 1-16. (in Persian). Bagheri, R., Shataee, SH., 2010. Modeling forest areas decreases, using logistic regression (case study: Chehl-Chay catchment, Golestan province). Iranian Journal of Forest, 2(3): 243-252. (in Persian). Dewan, A.M., Yamaguchi, Y., 2009. Using remote sensing and GIS to detect and monitor land use and land cover change in Dhaka Metropolitan of Bangladesh during 1960-2005. Environmental Monitoring and Assessment, 150, 237-249. Eastman, J.R., 2002. Idrisi for windows user’s guide ver.32, Clark labs for cartography technology and geographic analysis, (Clark University), 327. Ghajar, I., Najafi, A., Torabi, S.A., Boston, K., 2012. Rock share estimation in forest road excavation using the Ordinal Logistic Regression (OLR) and the Analytical Hierarchy Process (AHP). – Iranian Journal of Forest and Poplar Research 20(2): 313- 323. (In Pesrian). Heidari Safari Kouchi, A., Rostami shahraji, T., 2019. Poplar plantation and its role in carbon sequestration, Sepid Rood Press, Rasht, Iran, 180p. (In Pesrian). Heidari Safari Kouchi, A., Rostami Shahraji, T., Iranmanesh, Y., 2015. Comparison of allometric equations to estimate the above-ground biomass of species (Case study; poplar plantations in Chaharmahal and Bakhtiari province, Iran, Caspian Journal of Environmental Sciences, 13 (3), 237-246. (in Pesrian). Islam, K., Rahman, M.F., Jashimuddin, M., 2018. Modeling land use change using Cellular Automata and Artificial Neural Network: The case of Chunati Wildlife Sanctuary, Bangladesh. Ecological Indicators, 88, 439-453. Jafarzadeh, A.A., Arekhi, S., 2012. Analyze and predict processes of deforestation using logestic regression and GIS (a case study of northern Ilam forest, Ilam province, Iran). Elixir Agriculture 44, 7104-7111. (in Pesrian). Peterson, L.K., Bergen, K.M., Brown, D.G., Vashchuk, L., Blam, Y., 2009. Forested land–cover patterns and trends over changing forest management eras in the Siberian Baikal region. Forest Ecology and Management, 257, 911-922. Phompila, Ch., Lewis, M., Ostendorf, B., Clarke, K., 2017. Forest cover changes in Lao tropical forests: physical and socio-economic factors are the most important drivers. Land, 6(23), 1-14. Pirbavaghar, M., 2004. Investigating the variations in forest cover in relation to topographical factors and manmade regions. Case study: East forests of Guilan province. Master thesis for forestry, University of Tehran, 136 p. (In Pesrian). Pirbavaghar, M., 2015. Deforestation modelling using logistic regression and GIS. Journal of Forest Science, 61(5), 193-199. (In Pesrian). Ramezani, S., Naji, HR., Mahdavi, A., 2018. Impact of Climate Change and Dust Storm on Forests Ecosystems. Second International Dust Conservation Conference. Ilam University, 25-27 April, 699-703. (In Pesrian). Ranjbar, A., Asgari, Ms., 2003. Estimation and evaluation of forest degradation process using Landsat satellite imagery and geographic information system, Geomatics conference 82, Tehran, Mapping Organization of Iran. (In Pesrian). Saaty, T.L., 1998. Decision Support Software, Expert Choice INC, Pittsburgh, PA, 128 p. Sumon, N., Mizoue, N., Zawhtum, N., Kajisa, T., Yoshida, S., 2012. Factors affecting deforestation and forest degradation in selevtivetly logged production forest: A case study in Myanmar. Article in Forest Ecology and Management, 267, 190-198. Vu, Q.M., Le, Q.B., Frossard, E., Vlek, P.L.G., 2014. Socio-economic and biophysical determinants of land degradation in Vietnam: An integrated causal analysis at the national level. Land Use Policy, 36, 605-617. Wan, Ji-Zh., Wang, Ch-J., Qu, H., Liu, R., Xi-Zh, Zh., 2018. Vulnerability of forest vegetation to anthropogenic climate change in China. Science of the Total Environment, 621, 1633-1641. | ||
آمار تعداد مشاهده مقاله: 502 تعداد دریافت فایل اصل مقاله: 384 |