تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,098,522 |
تعداد دریافت فایل اصل مقاله | 97,206,147 |
مدلسازی و آنالیز حساسیت پروژه REDD در راستای کاهش انتشار گاز دی اکسید کربن (مطالعه موردی: جنگلهای هیرکانی استان گلستان) | ||
نشریه محیط زیست طبیعی | ||
دوره 74، شماره 1، خرداد 1400، صفحه 111-124 اصل مقاله (1.5 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jne.2021.310244.2075 | ||
نویسندگان | ||
حمیدرضا کامیاب* 1؛ زهرا اسدالهی2 | ||
1دانشگاه علوم کشاورزی و منابع طبیعی گرگان | ||
2دانشگاه لرستان | ||
چکیده | ||
با توجه به روند افزایشی تخریب جنگلهای هیرکانی و سهم قابل توجه ایران در انتشار گاز دیاکسید کربن، پروژه کاهش انتشارات ناشی از جنگلزدایی و تخریب جنگل (REDD) در نه گام و دو سناریو در استان گلستان اجرا شد. در سناریوی مبنا روند تغییرات گذشته کاربری اراضی ادامه یافت. به این منظور تغییرات کاربری اراضی با استفاده از تصاویر لندست سالهای 1363، 1387و 1397 بررسی شد. مدلسازی پتانسیل انتقال با استفاده از شبکه عصبی پرسپترون چندلایه انجام شد و تغییرات کاربری آتی تحت سناریوی مبنا در بازه 30 ساله (1427-1397) پیشبینی گردید و میزان انتشار گاز CO2 برآورد شد. در سناریوی پروژه بخشی از فعالیتهای جنگلزدایی کنترل و با توجه به اهمیت نرخ موفقیت پروژه و نرخ تراوش در انتشار گاز CO2، با تغییر نرخ تراوش (10، 20، 30، 40 و 50 درصد) و نرخ موفقیت پروژه (90، 80، 70، 60 و 50 درصد) اثربخشی سناریوی پروژه بررسی شد. در این راستا، منطقه مورد مطالعه بر اساس رویکرد برآورد چندمعیاره به دو بخش منطقه پروژه و منطقه تراوش تقسیم گردید. بر اساس نتایج در بهترین حالت (نرخ موفقیت و نرخ تراوش 90 و 10 درصد)، میزان انتشار گاز CO2 در منطقه پروژه از میزان 3/573968 تن در سناریوی مبنا در سال 1398 به میزان 5/66265 تن در سال 1427رسید. در بدترین حالت (نرخ موفقیت و نرخ تراوش 50 درصد) نیز نسبت به سناریوی مبنا کاهش انتشار مشاهده شد. این در حالی است که اگر هیچ رویکرد مدیریتی جهت حفاظت پهنههای جنگلی در استان گلستان اجرا نگردد، میزان انتشار گاز CO2 در انتهای سال 1427 بمیزان 9/662655 تن خواهد رسید. | ||
کلیدواژهها | ||
تغییر کاربری اراضی؛ جنگلزدایی؛ گرمایش جهانی؛ تغییر اقلیم | ||
مراجع | ||
Abbas Nejad, B, & Khajedin, S. 2014. Effect of urban reforestation on carbon sequestration in arid soils using remote sensing technology. Journal of RS and GIS for Natural Resources. 5(2): 75-88. (In Persian) Anastasi, C., Hudson, R. & Simpson, V.J., 1990. Effects of future fossil fuel use on CO2 levels in the atmosphere. Energy Policy. 18(10): 936-944. Arekhi, S., Niazi, Y. & Arzani, H. 2011. Comparing Various Techniques for Land Use/Cover Change Detection Using RS & GIS (Case Study: Daresher Catchment, Ilam Province). Environmental Sciences. 8(3): 81-96. (In Persian). Bos, A.B., De Sy, V., Duchelle, A.E., Herold, M., Martius, C. & Tsendbazar, N.E. 2019. Global data and tools for local forest cover loss and REDD+ performance assessment: Accuracy, uncertainty, complementarity and impact. International Journal of Applied Earth Observation and Geoinformation. 80: 295-311. Eastman, J. R. 2015. TerrSet manual. Worcester, Massachusetts, US: Clark University. Ebrahimnia, V., Rasouli, M. & Zandieh, S. 2009. Land Use Allocation Methods and Models. Armanshahr Architecture & Urban Development. 2(2): 9-22. (In Persian) Fund, B. 2008. Methodology for Estimating Reductions of GHG emissions from Mosaic Deforestation. RED-NM-001, version, 1. Frey, H. C., Mokhtari, A. & Zheng, J., 2004. Recommended practice regarding selection, application, and interpretation of sensitivity analysis methods applied to food safety process risk models. US Department of Agriculture, Washington, DC. Salman mahiny, A. 2013. Golestan Province Land use Planning Report. Published by Gorgan University of Agriculture and Natural Resources, edited by Abdolrassoul Salmanmahiny. Gorgan City, Iran. Guadalupe, V., Sotta, E. D., Santos, V. F., Aguiar, L. J. G., Vieira, M., de Oliveira, C. P. & Siqueira, J. V. N. 2018. REDD+ implementation in a high forest low deforestation area: Constraints on monitoring forest carbon emissions. Land Use Policy. 76:414-421. International Energy Agency. 2017. Global Energy & CO2 Status Report. https://www.iea.org/, (Visited: Nowember 2018). Ji, Y. & Ranjan, R. 2019. A global climate-economy model including the REDD option. Journal of environmental management. 247: 342-355. Kia-Daliri, H., Akhavan, R. & Anissi, I. 2011. Timber marking and its impact on forest stand (Case study: Shourab district of Golband region). Iranian Journal of Forest. 3: 49 -59. (In Persian) Kindermann, G., McCallum, I., Fritz, S. & Obersteiner, M., 2008. A global forest growing stock, biomass and carbon map based on FAO statistics. Silva Fennica. 42(3):387-396. Korner, C., 2003. Carbon limitation in trees. Journal of Ecology. 91: 4-17. Massarella, K., Sallu, S. M., Ensor, J. E. & Marchant, R., 2018. REDD+, hype, hope and disappointment: The dynamics of expectations in conservation and development pilot projects. World Development, 109:375-385. Nasiri, V., Darvishsefat, A. A., Rafiee, R., Shirvany, A. & Hemat, M. A. 2019. Land use change modeling through an integrated multi-layer perceptron neural network and Markov chain analysis (case study: Arasbaran region, Iran). Journal of Forestry Research, 30(3): 943-957. Parsamehr, K. & Gholamalifard, M. 2016. Applied Introduction of Modeling of REDD Projects: A Strategy for Reduce the Impacts of Climate Change. Environmental Research. 7(13): 183-202. (In Persian) Parsamehr, K., Gholamalifard, M. & Kooch, Y., 2019. Comparing three transition potential modeling for identifying suitable sites for REDD+ projects. Spatial Information Research, pp.1-13. Parsamehr, K., Gholamalifard, M, & Kooch Y. 2019. Transition Potential Modeling of Land-Cover based on Similarity Weighted Instance-based Learning Procedure and Its Implication in the REDD Project Design Document. Engineering Journal of Geospatial Information Technology. 7 (1):121-144. (In Persian) Phelps, J., Friess, D. A. & Webb, E. L. 2012. Win–win REDD+ approaches belie carbon–biodiversity trade-offs. Biological Conservation. 154, 53-60. Rakatama, A., Iftekhar, M.S. & Pandit, R. 2020. Perceived benefits and costs of REDD+ projects under different forest management regimes in Indonesia. Climate and Development. 12(5): 481-493. Sheng, J., Han, X., Zhou, H. and Miao, Z. 2016. Effects of corruption on performance: Evidence from the UN-REDD Program. Land Use Policy. 59: 344-350.
Shooshtari, S. J., Silva, T., Namin, B. R. & Shayesteh, K. 2020. Land Use and Cover Change Assessment and Dynamic Spatial Modeling in the Ghara-su Basin, Northeastern Iran. Journal of the Indian Society of Remote Sensing. 48(1): 81-95. Shooshtari, S. J. & Gholamalifard, M. 2015. Scenario-based land cover change modeling and its implications for landscape pattern analysis in the Neka Watershed, Iran. Remote Sensing Applications: Society and Environment, 1: 1-19. United Nations Framework Convention on Climate Change (UNFCCC). 2008. Report of the Conference of the Parties, on its thirteen session held in Bali, from 3 to 15 December 2007. Zahedi, Q. & Zargham, N. 2014. Carbon sequestration in terrestrial ecosystems. University of Tehran Press. Zarandian, A., Badamfirouz, J., Musazadeh, R., Rahmati, A. & Azimi, S. B. 2018. Scenario modeling for spatial-temporal change detection of carbon storage and sequestration in a forested landscape in Northern Iran. Environmental monitoring and assessment, 190(8):.474. | ||
آمار تعداد مشاهده مقاله: 641 تعداد دریافت فایل اصل مقاله: 461 |