Modeling forest extent change and its influencing factors, using logistic regression model in GIS environment, (case study: Vaz and Lavij basins)

Document Type : Research article

Authors

1 Assistant Professor, Faculty of Earth Science, Shahid Beheshti University, Tehran, I.R. Iran

2 M.Sc. student of geomorphology, Faculty of Earth Science, Shahid Beheshti University, Tehran, I.R. Iran

3 Senior Expert, Department of Remote Sensing, Shahid Beheshti University, Tehran, I.R. Iran

Abstract

Forests degradation and their convert to pasture, agriculture and urban or rural land use, occurs annually at high extent, in which make high damages to natural resources. In the current research, the logistic regression model was applied to identify effective factors of forest degradation and zoning possible forest degradation at Vaz and Lavij basins. Landsat Satellite images were used to identify land use variation within 1998 to 2006. Results showed that forest area was reduced from 81.97% in 1998 to 77.43% in 2006. Distance from village, river and road and also slope gradient were considered as independent variables, whereas land use change (forest degradation) was considered as dependent variable in the model. The logistic regression model was applied at two cases: classified and standardized variables. The obtained coefficient from the applied model at classified case indicated that forest degradation is more likely to happen at 0-100 m. distance from village, whereas the obtained coefficient from the applied model at the standardized case, indicated that there was negative relationship between the independent and dependent variables. Overall, zoning map of possible forest degradation at the studied area was developed at five levels: severe, high, moderate, low and very low, based on the calculated coefficients. According to the results achieved from modeling at classified case, 11.06 % of the studied area has potential for sever forest degradation.

Keywords


فصلنامة علمی - پژوهشی تحقیقات جنگل و صنوبر ایران

جلد 21  شمارة 1، صفحة 98-86، (1392)

 

مدل‌سازی تغییرات گستره جنگل و بررسی عوامل مؤثر بر آن با استفاده از مدل رگرسیون لجستیک در محیط GIS (بررسی موردی: حوضه‌های آبخیز واز و لاویج)

 

محمد مهدی حسین‌زاده1*، خه­بات درفشی2 و بابک میرباقری3

1*- نویسنده مسئول، استادیار، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران. پست‌الکترونیک: m_hoseinzadeh@sbu.ac.ir

2- کارشناس ارشد، گروه ژئومورفولوژی، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران

3- مربی، مرکز سنجش از دور، دانشگاه شهید بهشتی، تهران

تاریخ دریافت: 20/12/90                                                              تاریخ پذیرش: 8/12/91

 

چکیده

تخریب گستره جنگل و تبدیل آن به عرصه‌های مرتعی، کشاورزی، شهری و روستایی، هر ساله در سطح وسیعی انجام می‌شود که خسارتهای فروانی به منابع طبیعی وارد می­کند. در پژوهش حاضر، با استفاده از مدل رگرسیون لجستیک، به شناسایی عوامل مؤثر در تخریب گستره جنگلی و پهنه­بندی احتمال وقوع این تخریب در حوضه­های آبخیز واز و لاویج پرداخته شد. آشکارسازی تغییرات کاربری اراضی طی دوره زمانی 1367 تا 1385 با استفاده از تصاویر ماهواره­ای لندست نشان داد که مساحت اراضی جنگلی دو حوضه از 97/81 درصد در سال 1367 به 43/77 درصد در سال 1385 کاهش یافته است. در ادامه، لایه­های فاصله از روستا، فاصله از آبراهه، فاصله از جاده و شیب به‌عنوان متغیر مستقل و لایه تغییر کاربری اراضی (تخریب گستره جنگلی) به‌عنوان متغیر وابسته، در مدل وارد شدند. اجرای مدل رگرسیون لجستیک در دو حالت متغیرهای مستقل گسسته و متغیرهای مستقل پیوسته انجام شد. ضرایب بدست‌آمده از اجرای مدل در حالت گسسته، نشان­دهنده­ احتمال وقوع بیشتر تخریب گستره جنگلی در فاصله 0 تا 100 متری از روستا می­باشد. اجرای مدل در حالت پیوسته نیز، ارتباط منفی متغیر وابسته را با متغیرهای مستقل نشان می­دهد. در نهایت، برمبنای ضریب‌های بدست‌آمده، نقشه پهنه‌بندی احتمال تخریب گستره جنگلی در حوضه­های مورد بررسی در پنج رده احتمال تخریب بسیار بالا، بالا، متوسط، پایین و بسیار پایین تهیه شد. با توجه به نتایج اجرای مدل در حالت گسسته، 06/11 درصد از مجموع مساحت دو حوضه در رده با احتمال تخریب بسیار بالا قرار می­گیرد.

 

واژه­های کلیدی: تخریب گستره جنگلی، پهنه­بندی، رگرسیون لجستیک، حوضه­های آبخیز واز و لاویج.

 


مقدمه

تخریب و انهدام منابع طبیعی و کاهش سطح آنها از یکسو و افزایش بی‌رویه بهره‌برداری از سوی دیگر مسائل حادی را از جمله وقوع سیل‌های ویرانگر، کمبود آب شهرها، افزایش فرسایش خاک، کاهش حاصلخیزی اراضی، وقوع لغزش و در نهایت تحول شکل‌های ژئومورفولوژیک را به‌دنبال داشته است.

تغییر کاربری به‌طور یقین مهمترین عاملی است که حفاظت از اکوسیستم­های طبیعی را تحت تأثیر قرار می‌دهد (Vitousek et al., 1997). به‌طورکلی باید گفت که نوع بهره‌برداری از زمین و فرسایش، رابطه نزدیکی با یکدیگر دارند (Molina et al., 2007). تغییر در نوع کاربری­ها از پوشش­های متراکم و دائمی به پوشش­های تنک و موقتی همواره با افزایش مقدار رواناب و فرسایش و به تبع آن تولید رسوب همراه بوده است. از گذشته دور، همواره نقش و جایگاه جنگلها در حفظ آب، جلوگیری از ایجاد سیلاب و نیز کاهش فرسایش خاک مورد توجه جوامع مختلف بوده است (Pouraghniay, 2001).

قطع درختان جنگلی و تجاوز به مراتع و تبدیل آنها به اراضی کشاورزی در منطقه واز و لاویج براساس مصاحبه با افراد محلی از قدمتی در حدود 40 تا 50 سال برخوردار می­باشد. نتیجه نهایی تخریب و انهدام پوشش جنگلی خسارت­هایی است که به زندگی انسانها وارد می‌شود. ارزیابی روند تغییرات جنگل، استفاده از تکنیک­های مختلف طبقه­بندی برای تفکیک پوشش گیاهی و بکارگیری شاخص­های پوشش گیاهی مواردی از پژوهش­های انجام شده در ارتباط با بحث تغییرات پوشش جنگلی و کاربری زمین است (Moayeri et al., 2008; Kavian et al., 2010). امکان مدل­سازی احتمال تخریب جنگلهای غرب کشور و تغییرات گستره جنگل زاگرس با استفاده از عکس­های هوایی و تصاویر ماهواره­ای (Amini et al., 2008a & b)؛ بررسی تغییرات پوشش جنگل در جنگلهای منطقه کاکارضای استان لرستان با استفاده از عکس­های هوایی و تصاویر ماهواره­ای (Sousani et al., 2009)؛ آشکارسازی تغییرات پوشش گیاهی در طول فصل چرا با استفاده از داده­های چندزمانه سنجنده IRS-WiFS در منطقه سمیرم (Kazemi et al., 2011) و تفکیک عرصه جنگلی از غیرجنگلی با استفاده از اطلاعات سنجنده لندست در منطقه نور (Shataei Joybari & Malek, 1996) ازجمله تحقیقات انجام شده در زمینه بررسی تغییرات پوشش گیاهی در ایران است. Bagheri & Shataei Joybari (2010)، در پژوهشی با عنوان مدل­سازی کاهش گستره­ی جنگل با استفاده از رگرسیون لجستیک به تعیین پراکنش و مقدار کاهش سطح جنگل پرداختند. استفاده از عکس­های هوایی در برآورد میزان تخریب جنگلهای چهارزبر استان کرمانشاه (Khanhasani et al., 2007)؛ بررسی تغییرات مرزهای فوقانی جنگلهای شمال کشور با استفاده از داده­های ماهواره­ای (MirAkhorloo & Akhavan, 2008) و بررسی امکان مدل­سازی احتمال تخریب جنگلهای غرب کشور با استفاده از GIS و RS نیز نمونه­های دیگری از پژوهش­های انجام شده در زمینه تغییرات گستره جنگل و مدل­سازی تغییرات می­باشد.

هدف این پژوهش تهیه نقشه گستره گیاهی و تشخیص تغییرات آن با استفاده از رگرسیون لجستیک و مناطق مستعد تغییر کاربری جنگل به کاربریهای دیگر در منطقه واز و لاویج واقه در استان مازندران می­باشد.

 

مواد و روشها

منطقه مورد بررسی

محدوده مطالعاتی حوضه آبخیز واز و لاویج بوده که در استان مازندران و جنوب شهر چمستان نور در دامنه شمالی البرز مرکزی قرار گرفته است (شکل 1). این حوضه­ها با عرض جغرافیایی ′16 ˚36 تا ″30 ′27 ˚36 شمالی و طول جغرافیایی­ ′58 ˚51 تا ²56 ¢12 ˚52 شرقی دارای جهت عمومی شمالی- جنوبی بوده و رواناب آنها به دریای خزر می­ریزد. مساحت حوضه آبریز لاویج­رود تا خروجی از کوهستان حدود 116 کیلومترمربع و حوضه واز 93/140 کیلومترمربع می­باشد. بارش متوسط منطقه 617 میلی­متر می‌باشد (Esmaili & Hosseinzadeh, 2010) که این مقدار به سمت خروجی حوضه تا حدود 800 میلی‌متر افزایش و به سمت بالادست تا 300 میلی‌متر کاهش می‌یابد. از کل مساحت این حوضه­ها 4/77 درصد را جنگل و 6/18 درصد را مرتع دربرگرفته است.

 

 

 

 

شکل1- موقعیت جغرافیایی حوضه­های آبخیز واز و لاویج

 

 

در قسمت شمال‌غرب روستای پایین‌واز به‌لحاظ وضعیت توپوگرافی و شرایط ارتفاعی بسیار خاص، جایگاه جنگل راشستان با گونه­های همراه مانند افرا، ملج، ون و توسکا و گاهی ممرز است. در کل منطقه تیپ­های گیاهی مختلفی همانند تیپ راشستان خالص در ارتفاع 1300 متر به بالا، تیپ ممرزـ راشستان، تیپ انجیلی- ممرزستان، تیپ لورستان آمیخته به پهن‌برگان و سوزنی‌برگان (سرخدار) قابل ذکر هستند.

 

روش تحقیق

جمع­آوری داده

برای تعیین تغییرات کاربری اراضی و به‌تبع آن تخریب گستره جنگلی از تصاویر ماهواره­ای TM برای سال 1367 (19 سپتامبر 1988) و +ETM برای سال 1385 (19 جولای 2006) با قدرت تفکیک مکانی به‌ترتیب 30 و 15 متری استفاده شد. لایه­های آبراهه، جاده و روستا از نقشه­های با مقیاس 1:25000 سازمان نقشه‌برداری استخراج گردید. مدل ارتفاعی رقومی ASTER نیز با اندازه سلول­های (Cell Size) 30 متری مبنای نقشه شیب قرار گرفت (شکل2). با استفاده از توابع فاصله­ای (Distance)، لایه­های فاصله از روستا، جاده و آبراهه تهیه و به طبقات معین طبقه­بندی گردیدند (جدول1 و شکل‌های3 و 4).

 

 

جدول1- دامنه طبقه­بندی عوامل مؤثر در تغییرات گستره جنگلی حوضه­های آبخیز واز و لاویج

لایه­های استفاده شده

طبقات

شیب (درجه)

5-0

12-5

20-12

40-20

>40

فاصله از آبراهه (متر)

100-0

300-100

>300

ـ

ـ

فاصله از جاده (متر)

100-0

300-100

500-300

1000-500

>1000

فاصله از روستا (متر)

100-0

300-100

500-300

1000-500

>1000


آماده­سازی داده­ها و آشکارسازی تغییرات

به­منظور تعیین کاربری اراضی و آشکارسازی تغییرات، دوره زمانی 18 ساله (1385-1367) در نظر گرفته شد. طبقه‌بندی کاربری اراضی با الگوریتم حد بیشتر احتمال (Maximum Likelihood) انجام شد. هرکدام از تصاویر به سه نوع کاربری جنگل، مرتع و اراضی ترکیبی (شهری- کشاورزی) طبقه­بندی شدند. پس از طبقه­بندی نظارت شده تصاویر، لایه بدست آمده در محیط ArcMAP بُرداری شده و مساحت پلیگون­ها بدست آمد. در نهایت، با بدست آمدن لایه­ی کاربری اراضی دو سال 1367 و 1385، از روش قطع دادن (Intersect) برای آشکارسازی الگوی تغییرات گستره جنگلی حوضه­های آبخیز واز و لاویج استفاده گردید.

 

 

 

 

شکل2- نقشه‌ طبقات ارتفاعی (راست) و شیب (چپ) حوضه­های آبخیز واز و لاویج

 

 

 

شکل3- نقشه فاصله از آبراهه (راست) و فاصله از جاده (چپ) حوضه‌های آبخیز واز و لاویج

 

 

مدل رگرسیون لجستیک به‌عنوان مدل تحلیلی چندمتغیره برای مدل­سازی احتمال وقوع یک رویداد دو حالتی متداول، حضور و عدم حضور عوامل مختلف و معنی­داری این حضور یا عدم حضور است (Garcia-Rodriquez et al., 2008; Hosseinzadeh et al., 2009). مزیت رگرسیون لجستیک این است که متغیر وابسته می­تواند تنها دو مقدار داشته باشد که یکی احتمال وقوع حادثه و دیگری عدم وقوع آن است (Dai et al., 2002). شکل عمومی معادله رگرسیون لجستیک به‌صورت رابطه 1 است.

رابطه1

 

که در آن P: احتمال رویداد حادثه (در این پژوهش تغییرات گستره جنگلی) و z پارامتر یا فاکتور خطی است که از رابطه 2 بدست می­آید؛ e نیز عدد ثابت 718/2 می­باشد.

رابطه2

 

که در آن C0: عرض از مبدأ یا ضریب ثابت مدل، و X1, X2, … Xn: ضرایب مربوط به متغیر­های مستقل C1, C2 … Cn هستند.

 

 

 

 

شکل4- نقشه طبقات فاصله از مراکز روستایی حوضه­های آبخیز واز و لاویج

 

 

با تغییر مقدار z از ∞- تا ∞+ احتمال تغییرات گستره جنگلی (P) به‌صورت s از 0 تا 1 تغییر می­کند که هرچه به عدد یک نزدیک­تر باشد، احتمال تغییر گستره جنگلی بیشتر و هرچه به عدد صفر نزدیک­تر باشد، احتمال این تغییر کمتر خواهد بود (Chau et al., 2004). اجرای مدل براساس متغیر وابسته (تغییرات گستره جنگلی) و متغیرهای مستقل (عوامل مؤثر در تغییرات گستره جنگلی) انجام شد. از آنجایی که متغیرهای مستقل به‌صورت لایههای گسسته (طبقه­بندی شده) هستند، این طبقه­بندی برای مدل نیز تعریف شد تا ضریب هر کدام از طبقات به‌صورت مجزا بدست آید و احتمال رویداد تخریب گستره جنگلی در هر طبقه محاسبه شود.

با توجه به ضرایب بدست آمده از مدل رگرسیون لجستیک، ضریب مثبت β به این معنی است که آن متغیر نقش بیشتری در وقوع تغییرات پوشش جنگلی دارد و بالعکس ضریب منفی β نشانگر همبستگی ضعیف متغیر مستقل با متغیر وابسته (تغییرات گستره جنگلی) است (Ayalew et al., 2005). پس از اعمال ضرایب بدست آمده از مدل به طبقات متغیرهای مستقل، براساس رابطه 1 پارامتر خطی z تهیه و در معادله اصلی رگرسیون لجستیک (رابطه 2) جایگذاری شد.

برای نشان دادن مقدار وقوع احتمال تخریب گستره جنگلی محدوده مورد بررسی، می­توان به دو صورت عمل کرد؛ حالت اول این است که از همان ضرایب لایه­های طبقه­بندی شده (گسسته) حاصل از مدل رگرسیون لجستیک در پهنه­بندی استفاده کرد، ولی در حالت دوم هر کدام از لایه­های مؤثر در تغییرات گستره جنگلی به مقیاس صفر و یک (پیوسته) برده می­شوند که اصطلاحاً به آن استانداردسازی لایه­ها گفته می­شود. این استانداردسازی از طریق رابطه 3 انجام می­شود. انجام پهنه­بندی با لایه­های استاندارد شده سبب می­شود تا لایه پهنه­بندی بدستآمده از احتمال رویداد تغییرات گستره جنگلی به­صورت S، دامنه­ای از صفر تا یک داشته باشد.

رابطه3

 

در پژوهش حاضر، براساس نتیجه معادله اصلی رگرسیون لجستیک (P) از هر دو حالت، نقشه مقدار احتمال وقوع تغییرات گستره جنگلی حوضه­های آبخیز واز و لاویج تهیه و به پنج رده مقدار تغییر بسیار بالا، بالا، متوسط، پایین و بسیار پایین پهنه­بندی شد.

 

نتایج

به‌منظور بررسی تغییرات، الگوی کاربری اراضی به سه نوع کاربری جنگل، مرتع و اراضی ترکیبی طبقه­بندی گردید (شکل5 و جدول2). نتایج نشان می­دهد که بیشترین مقدار تغییر در کاربری گستره جنگلی روی داده است؛ این تغییر به‌صورت کاهش مساحت این نوع کاربری است.

 

جدول2- الگوی کاربری اراضی حوضه­های آبخیز واز و لاویج (1367 و 1385)

نوع کاربری

1367

1385

مساحت

(کیلومترمربع)

درصد

مساحت

(کیلومترمربع)

درصد

جنگل

47/221

97/85

47/199

43/77

مرتع

18/33

88/12

91/47

6/18

اراضی ترکیبی (شهری- کشاورزی)

97/2

15/1

22/10

97/3

 

 

شکل5- نقشه کاربری اراضی حوضه‌های آبخیز واز و لاویج در سال 1367 (راست) و 1386 (چپ)

 

برمبنای تحلیل نقشه­های کاربری اراضی بدستآمده از دو مقطع زمانی و همچنین جدول2، چگونگی تغییرات کاربری اراضی مشخص شد. به‌منظور آشکارسازی تغییرات، نقشه­های کاربری اراضی از دو مقطع زمانی بر یکدیگر قطع داده شدند. خروجی حاصل از اجرای این روش، نقشه­ آشکارسازی تغییرات کاربری اراضی دو حوضه واز و لاویج می­­باشد (شکل6).

 

 

 

 

شکل6- نقشه آشکارسازی تغییرات کاربری اراضی حوضه­های آبخیز واز و لاویج (1367 تا 1385)

 

تغییرات کاربری اراضی در دو مقطع زمانی نشان می‌دهد که 1480 و 197 هکتار از مساحت کاربری گستره جنگلی در دو حوضه آبخیز، به‌ترتیب به کاربری­های مرتع و اراضی ترکیبی تبدیل شده است؛ 6 هکتار نیز از مساحت کاربری مرتع کاهش و به کاربری اراضی ترکیبی تغییر یافته است. در دیگر کاربریهای اراضی حوضه­های آبخیز واز و لاویج طی دوره زمانی 18 ساله (1367 تا 1385) تغییر مشاهده نمی­شود. بنابراین، مهمترین تغییر کاربری اراضی، کاهش 2189 کیلومتر مربع از مساحت گستره جنگلی این دو حوضه می­باشد.

 

رگرسیون لجستیک و عوامل مؤثر در تغییرات

در رگرسیون لجستیک به‌صورت گسسته، ضریب β با توجه به طبقه­بندی انجام شده از متغیرهای مستقل محاسبه می‌شود (جدول3). با توجه به نتایج، متغیر فاصله از روستا دارای بیشترین ضریب تأثیرگذاری در تغییرات گستره جنگلی حوضه­های واز و لاویج می­باشد. در بین طبقات این متغیر، طبقه یک (0 تا 100 متر) با ضریب 206/2 =β، دارای بیشترین ضریب بدست آمده از اجرای مدل رگرسیون لجستیک می­باشد؛ به‌عبارت دیگر احتمال تغییر گستره جنگلی در طبقه 0 تا 100 متر متغیر فاصله از روستا، بیشتر از دیگر طبقات است. با توجه به ضریب β بدستآمده با افزایش فاصله از متغیر مستقل روستا، احتمال تغییر گستره جنگلی در حوضه­های مورد بررسی کاهش می­یابد.

ضریب‌های β بدستآمده برای متغیر فاصله از آبراهه در درجه دوم اهمیت قرار دارند. احتمال رویداد تغییر گستره جنگلی در طبقه یک این متغیر (0 تا 100 متر) با ضریب 716/1 =β، بیشتر از طبقات دیگر می­باشد و احتمال تغییرات گستره جنگلی با افزایش فاصله از آبراهه کاهش می‌یابد. مشاهدات گویای این است که تخریب در حاشیه آبراهه­ها به‌علت دسترسی بهتر به گستره جنگلی بیشتر است. دلیل دیگر تخریب بیشتر در حاشیه آبراهه­ها، فرسایش کناری است که سبب تخریب پوشش جنگل می­شود و شاهد آن، حجم قابل توجهی از تنه درختان در حاشیه جنگل می­باشد. این پدیده­ای است که در رودخانه­های شمال منجر به عارضه ژئومورفیک LWD (Large Woodley debris) شده است. در متغیر فاصله از جاده با افزایش فاصله از جاده، احتمال تخریب گستره جنگلی کاهش می­یابد. در مورد متغیر شیب تا طبقه سه (12 تا 20 درجه) با افزایش شیب احتمال تخریب نیز افزایش می­یابد؛ بیشترین ضریب تأثیرگذاری نیز برای همین طبقه و برابر با 203/1 می‌باشد. از این طبقه به بعد، احتمال تخریب گستره جنگلی با افزایش شیب کاهش پیدا می­کند.

 

 

جدول3- ضریب‌های β طبقات متغیرهای مستقل (گسسته) در ارتباط با احتمال تغییر گستره جنگلی حوضه­های آبخیز واز و لاویج

طبقه

شیب

فاصله از روستا

فاصله از جاده

فاصله از رودخانه

ضریب β

سطح معنی‌داری

ضریب β

سطح معنی‌داری

ضریب β

سطح معنی‌داری

ضریب β

سطح معنی‌داری

1

333/0

029/0

206/2

00/0

257/0

00/0

716/1

00/0

2

961/0

00/0

108/2

00/0

233/0

00/0

237/1

00/0

3

203/1

00/0

628/1

00/0

164/0

008/0

0

00/0

4

604/0

00/0

239/1

00/0

016/0-

789/0

-

 

5

0

00/0

0

00/0

0

00/0

-

 

 

 

جدول4، نتایج بدستآمده از اجرای مدل رگرسیون لجستیک را براساس متغیرهای مستقل استاندارد شده (پیوسته) نشان می­دهد. با توجه نتایج، رابطه تغییرات گستره جنگلی حوضه­های واز و لاویج با متغیرهای مستقل استفاده شده در این پژوهش منفی بدست آمده است که بیانگر رابطه معکوس متغیر وابسته (گستره جنگلی) با متغیرهای مستقل می­باشد. این بدان معناست که با افزایش فاصله از متغیرهای روستا، جاده و آبراهه و نیز با افزایش مقدار شیب، احتمال تغییر گستره جنگلی حوضه­های مورد بررسی کاهش می­یابد.

در مجموع براساس متغیرهای مستقل به‌صورت پیوسته، لایه­ی فاصله از آبراهه با ضریب 449/6- به‌عنوان مؤثرترین متغیر در تغییر گستره جنگلی معرفی می­شود. لایه­های فاصله از روستا، شیب و فاصله از جاده با ضریب‌های به‌ترتیب 73/3-، 893/2- و 672/0- در مراتب بعدی تأثیرگذاری قرار می­گیرند؛ بنابراین:

(شیب 893/2-)+(فاصله از آبراهه 449/6-)+(فاصله از جاده 672/0-)+(فاصله از روستا 73/3-)+641/0 =P

 

 


جدول4- ضریب‌های β متغیرهای مستقل استاندارد شده (پیوسته) در ارتباط با احتمال تغییر گستره جنگلی حوضه­های آبخیز واز و لاویج

سطح معنی‌داری

ضریب

متغیر مستقل

00/0

73/3-

فاصله از روستا

00/0

672/0-

فاصله از جاده

00/0

449/6-

فاصله از آبراهه

00/0

893/2-

شیب

00/0

641/0

عدد ثابت

 

 

 

شکل7- نقشه پهنه‌بندی احتمال تغییر پوشش جنگلی براساس لایه‌های رستری طبقه‌بندی شده (گسسته) (راست) و لایه‌های رستری استاندارد شده (پیوسته) (چپ)

 

جدول5- مساحت پهنه­های احتمال تغییر گستره جنگلی براساس لایه­های رستری طبقه­بندی شده در حوضه­های آبخیز واز و لاویج

درصد مساحت رده

مساحت رده

احتمال تغییر گستره جنگلی

رده

11/52

62/132

1/0-0

بسیار پایین

71/24

88/62

2/0-1/0

پایین

9/6

56/17

3/0-2/0

متوسط

22/5

29/13

4/0-3/0

بالا

06/11

16/28

>4/0

بسیار بالا

 


جدول6- مساحت پهنه­های احتمال تغییر گستره جنگلی براساس لایه­های رستری استاندارد شده در حوضه­های آبخیز واز و لاویج

درصد مساحت رده

مساحت رده

احتمال تغییر گستره جنگلی

رده

05/42

71/107

1/0-0

بسیار پایین

96/27

62/71

2/0-1/0

پایین

47/15

62/39

3/0-2/0

متوسط

53/9

41/24

4/0-3/0

بالا

5

81/12

>4/0

بسیار بالا

 


بحث

در این پژوهش، از مدل آماری رگرسیون لجستیک برای شناسایی عوامل مؤثر بر رویداد احتمال تغییر گستره جنگلی، ایجاد و همچنین تحلیل ارتباط این رویداد با عوامل محیطی استفاده گردید. باتوجه ضرایب بدستآمده در حالت مقادیر پیوسته (صفر و یک) برای متغیرهای مستقل مؤثر بر تغییر گستره جنگلی، تمامی این متغیرها رابطه­ی منفی با متغیر تغییر گستره جنگلی دارند. این نتیجه نشان می­دهد که با افزایش فاصله از روستا، آبراهه و جاده و نیز با افزایش درجه شیب، احتمال تغییر گستره جنگلی کاهش می­یابد. Amini et al., (2008a & b) نیز برای پیش‌بینی پراکنش مکانی تخریب و تعیین مؤثرترین عامل بر تخریب جنگل از مدل رگرسیون لجستیک استفاده و ارتباط هریک از مشخصه‌های مورد بررسی را با تخریب جنگل بررسی کرده­اند. نتایج نشان داد که مشخصه فاصله از جاده با میزان تخریب رابطه معکوس داشته و مؤثرترین عامل در تخریب گستره جنگل میباشد. در مورد متغیر شیب، در طبقه چهار و پنج احتمال تغییر گستره جنگلی کاهش پیدا می­کند که این کاهش می­تواند متأثر از سختی دسترسی به اراضی واقع در این شیب (20 درجه به بالا) برای فعالیت­ها و ساخت و سازهای انسانی باشد.

ضریب‌های حاصل برای طبقات متغیرهای مستقل در حالت گسسته نشان می­دهد که احتمال تغییر گستره جنگلی در طبقه یک فاصله از روستا (با ضریب 206/2)، طبقه یک فاصله از آبراهه (با ضریب 716/1)، طبقه سه لایه شیب (با ضریب 203/1) و طبقه یک فاصله از جاده (با ضریب 257/0)، بیشتر از دیگر طبقات این متغیرهاست. در نهایت برمبنای ضریب‌های بدستآمده در دو حالت گسسته و پیوسته، نقشه­های پهنه­بندی احتمال تغییرات گستره جنگلی دو حوضه آبخیز واز و لاویج تهیه شد. در حالت گسسته، مقدار احتمال این تغییرات (P) از 01/0 تا 71/0 بدست آمد؛ درحالیکه این مقدار احتمال در حالت پیوسته بودن متغیرهای مستقل، دامنه­ای از 0004/0 تا 64/0 را نشان می­دهد. شکل7 نقشه­های پهنه­بندی احتمال تغییرات گستره جنگلی را به‌ترتیب در دو حالت گسسته و پیوسته نشان می­دهد.

برمبنای نقشه­های پهنه­بندی و با استفاده از روش طبقه­بندی فاصله ژئومتریک (Geometric Interval)، احتمال تغییرات گستره جنگلی به پنج رده با خطر بسیار بالا، بالا، متوسط، پایین و بسیار پایین تقسیم شده است ( جدول5 و جدول6). انتخاب این روش برای طبقه­بندی به­دلیل انطباق بیشتر آن با واقعیت منطقه است. با توجه به جدول5، درصد مساحت پهنه­های با احتمال تغییر گستره جنگلی در رده بسیار بالا، 06/11 درصد است؛ این مقدار براساس حالت پهنه­بندی با مقادیر گسسته­ی متغیرهای مستقل بدست آمده است. درصد این پهنه در حالت پیوسته، 5 درصد می­باشد.

تأثیر هرکدام از متغیرهای مستقل بر تغییرات گستره جنگلی، از ضریب مشابه در تابع رگرسیون لجستیک ارزیابی شد. این ارزیابی، منجر به تهیه نقشه پهنه­بندی این تغییر محیطی و در نهایت فهم بهتر آن شده که این فهم، یکی از راهکارهای مهم برای کاهش تخریب گستره جنگلی در حوضه­های آبخیز واز و لاویج و به‌طور عام حوضههای شمالی کشور است.

در حال حاضر مهمترین عامل تخریب گستره گیاهی در منطقه، فعالیت­های انسانی می­باشد. ساکنان روستاهای منطقه برای تأمین مصارف سوختی و همچنین گسترش زمین­های زراعی خود اقدام به از بین بردن و قطع بی­رویه درختان می­نمایند. همچنین قطع گیاهان آب‌دوست به‌منظور مصارف زینتی در شهرهای بزرگی مانند تهران نیز در منطقه مرسوم می­باشد. چرای بی­رویه حیوانات نیز سبب از بین رفتن گستره گیاهی در منطقه می­گردد که صاحبان آنها بدون در نظر گرفتن مسئله تخریب پوشش گیاهی و عواقب خطرناک ناشی از آن در آینده، حیوانات خود را برای مدتی در یک منطقه مستقر نموده و بعد از تعلیف و تمام شدن پوشش گیاهی منطقه به نقطه دیگری رفته و آنجا را نیز تخریب می­نمایند.

نتایج حاصل از بررسی Bagheri & Shataei Joybari (2010) کاهش 2400 هکتاری سطح جنگلهای حوضه آبخیز چهل­چای را طی 19 سال نشان می­دهد. در پژوهش ذکر شده، نتایج مدل­سازی کاهش گستره جنگل با رگرسیون لجستیک نشان­دهنده توافق نسبی مدل بدستآمده با نقشه کاهش گسترش جنگل است. با توجه به نتایج آن، متغیرهای شیب، فاصله از روستا و جاده با مقدار تخریب رابطه عکس داشته و تخریب در اطراف روستاهای پرجمعیت بیشتر است که با نتایج پژوهش حاضر همسان است. MirAkhorloo & Akhavan (2008) نیز در پژوهش خود، تخریب 4647 هکتاری از جنگلهای استان مازندران را برآورد نموده­اند.

 

منابع مورد استفاده

References

- Amini, M.R., Shataei Jouybari, SH., Ghazanfari, H., and Moayeri, M.H., 2008a. Changes in Zagros forest extention using aerial photos and satellite images (case study, Armerdeh forests of Baneh). Journal of Agricultural Sciences and Natural Resources, 15(2): 10-20.

- Amini, M.R., Shataei Jouybari, SH., Ghazanfari, H., and Moayeri, M.H., 2008b. Deforestation modeling and investigation on related physiographic and human factors using satellite images and GIS (case study, Armerdeh forests of Baneh). Iranian Journal of Forest and Poplar Research, 16(3): 431-443.

- Ayalew, l., and Yamagishi, H., 2005. The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yaahiko mountains central Japan. Geomorphology, 65: 15-31.

- Bagheri, R., and Shataei Jouybari, SH., 2010. Modeling forest area decreases, using logistic regression (Case study: Chehl-Chay catchment, Golestan province), Iranian Journal of Forest, 2(3): 243-252.

- Chau, K.T., Sze, Y.L., Fung, M.K., Wong, W.Y., Fong, E.L., and Chan, L.C., 2004. Landslide hazard analysis for Hong Kong using landslide inventory and GIS, Computers and Geosciences, 30(4): 429-443.

- Dai, F.C., Lee, C.F., and Ngai, Y.Y., 2002. Landslide risk assessment and management: an overview. Engineering Geology, 64(1): 65-87.

- Esmaili, R., and Hosseinzadeh, M.M., 2010. Assessment of longitudinal barriers forming processes in mountain streams, Case study: Northern Alborz, Lavijroud basin. Physical Geography Researches Journal (Geographical Researches Journal), 71: 43-50.

- Garcia-Rodriquez, M.J., Malpica, B., and Diaz, M., 2008. Susceptibility assessment of earthquake triggered landslide in EI Salvador using logistic regression. Geomorphology, 95(3-4): 172-191.

- Hosseinzadeh, M.M., Esmaili, R., Nohegar, A., and Saghafi, M., 2009. A study on Forest cover changes in northern slpoes of Alborz mountain of Iran (Case study: between Haraz and Challoos valleys, townships of Challoos, Noushahr, Nour, and Amol). Environmental Sciences Journal, 7(1): 1-20.

- Hosseinzadeh, M.M., Servati, M.R., Mansori, A., Mirbagheri, B. and Khazri, S., 2009. Zoning the risk of mass movement occurrences using logistic regression model, case study in vicinity of Sanandaj-Dehgolan road. Iranian Journal of Geology, 3 (11): 27-37.

- Kavian, A., Azmodeh, A., Soleimani, K. and Vahabzadeh, GH., 2010. ffect of Soil Properties on Runoff and Soil Erosion in Forest Lands. Journal of Range and Watershed Managment, 63(1): 89-104.

- Kazemi, R., Yeganeh, H. and Khajehdin, S.J., 2011. Change detection of vegetation during the grazing season using multi temporal data of IRS-WIFS in Semirom region. Iranian Journal of Range and Desert Research, 18(1): 124-138.

- Khanhasani, M., Sharifi, M., and Tavakolli, A., 2007. Estimation of deforestation rate in Chaharzebar forests in Kermanshah province using aerial photographs. Iranian Journal of Forest and Poplar Research, 15(2): 105-114.

- Mirakhourlou, KH. and Akhavan, R., 2008. Investigation on boundary changes of northern foreste of Iran using remotely sensed data. Iranian Journal of Forest and Poplar Research, 16(1): 139-148.

- Moayeri, M.H., Hosseini, A., and Heydari, H., 2008. Optimum management and assessment of Hyanan forest change trend in Ilam and appropriate for this. Research and Development Journal, 21(3): 108-115.

- Molina, A., Govers, G., Vanacker, V., Poesen, J., Zeelmaekers, E., and Cisneros, F., 2007. Runoff generation in a degraded Andean ecosystem: Interaction of vegetation cover and land use. Catena, 71(2): 357-370.

- Pouraghniay, M.J., 2001. Study of land use change effect on Nekaroud flood regime. M.Sc. thesis, Department of Watershed Management, Faculty of Natural Resources, Tehran University.

- Shataei Jouybari, SH., and Malek, J., 1996. A study on natural landscape and land use changes of Caspian Sea southern coasts using aerial photos and GIS, Case study: sea coasts of Nour city. Journal of Geographical Researches, 37(51): 95-105.

- Sousani, J., Zobeyri, M., and Feghhi, J., 2009. Application of aerial photographs and satellite images for visualization of forest cover changes (case study: Zagros forests, Iran). Iranian Journal of Forest and Poplar Research, 17(2): 237-249.

- Suriya, S., and Mudgal, B.V., 2011. Impact of urbanization on flooding: the Thirusoolam sub watershed – a case study. Journal of Hydrology, 412: 210–219

- Vitousek, P.M., Mooney, H.A., Lubchenco, J., and Melillo, M., 1997. Human Domination of Earth’s Ecosystems. Science, 277(5325): 494-499.



Modeling forest extent change and its influencing factors, using logistic regression model in GIS environment, (case study: Vaz and Lavij basins)

 

M.M. Hosseinzadeh1*, KH. Derafshi2 and B. Mirbagheri3

1*- Corresponding author, Assistant Professor, Faculty of Earth Science, Shahid Beheshti University, Tehran, I.R. Iran. E-mail: mm_hosseinzadeh1@yahoo.com

2- M.Sc. student of geomorphology, Faculty of Earth Science, Shahid Beheshti University, Tehran, I.R. Iran

3- Senior Expert, Department of Remote Sensing, Shahid Beheshti University, Tehran, I.R. Iran

Received: 10.03.2012                                                        Accepted: 26.02.2013

 

Abstract

Forests degradation and their convert to pasture, agriculture and urban or rural land use, occurs annually at high extent, in which make high damages to natural resources. In the current research, the logistic regression model was applied to identify effective factors of forest degradation and zoning possible forest degradation at Vaz and Lavij basins. Landsat Satellite images were used to identify land use variation within 1998 to 2006. Results showed that forest area was reduced from 81.97% in 1998 to 77.43% in 2006. Distance from village, river and road and also slope gradient were considered as independent variables, whereas land use change (forest degradation) was considered as dependent variable in the model. The logistic regression model was applied at two cases: classified and standardized variables. The obtained coefficient from the applied model at classified case indicated that forest degradation is more likely to happen at 0-100 m. distance from village, whereas the obtained coefficient from the applied model at the standardized case, indicated that there was negative relationship between the independent and dependent variables. Overall, zoning map of possible forest degradation at the studied area was developed at five levels: severe, high, moderate, low and very low, based on the calculated coefficients. According to the results achieved from modeling at classified case, 11.06 % of the studied area has potential for sever forest degradation.

 

Keywords: Forest deforestation, zoning map, land use, dependent and independent variables, Landsat Satellite images

 

- Amini, M.R., Shataei Jouybari, SH., Ghazanfari, H., and Moayeri, M.H., 2008a. Changes in Zagros forest extention using aerial photos and satellite images (case study, Armerdeh forests of Baneh). Journal of Agricultural Sciences and Natural Resources, 15(2): 10-20.
- Amini, M.R., Shataei Jouybari, SH., Ghazanfari, H., and Moayeri, M.H., 2008b. Deforestation modeling and investigation on related physiographic and human factors using satellite images and GIS (case study, Armerdeh forests of Baneh). Iranian Journal of Forest and Poplar Research, 16(3): 431-443.
- Ayalew, l., and Yamagishi, H., 2005. The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yaahiko mountains central Japan. Geomorphology, 65: 15-31.
- Bagheri, R., and Shataei Jouybari, SH., 2010. Modeling forest area decreases, using logistic regression (Case study: Chehl-Chay catchment, Golestan province), Iranian Journal of Forest, 2(3): 243-252.
- Chau, K.T., Sze, Y.L., Fung, M.K., Wong, W.Y., Fong, E.L., and Chan, L.C., 2004. Landslide hazard analysis for Hong Kong using landslide inventory and GIS, Computers and Geosciences, 30(4): 429-443.
- Dai, F.C., Lee, C.F., and Ngai, Y.Y., 2002. Landslide risk assessment and management: an overview. Engineering Geology, 64(1): 65-87.
- Esmaili, R., and Hosseinzadeh, M.M., 2010. Assessment of longitudinal barriers forming processes in mountain streams, Case study: Northern Alborz, Lavijroud basin. Physical Geography Researches Journal (Geographical Researches Journal), 71: 43-50.
- Garcia-Rodriquez, M.J., Malpica, B., and Diaz, M., 2008. Susceptibility assessment of earthquake triggered landslide in EI Salvador using logistic regression. Geomorphology, 95(3-4): 172-191.
- Hosseinzadeh, M.M., Esmaili, R., Nohegar, A., and Saghafi, M., 2009. A study on Forest cover changes in northern slpoes of Alborz mountain of Iran (Case study: between Haraz and Challoos valleys, townships of Challoos, Noushahr, Nour, and Amol). Environmental Sciences Journal, 7(1): 1-20.
- Hosseinzadeh, M.M., Servati, M.R., Mansori, A., Mirbagheri, B. and Khazri, S., 2009. Zoning the risk of mass movement occurrences using logistic regression model, case study in vicinity of Sanandaj-Dehgolan road. Iranian Journal of Geology, 3 (11): 27-37.
- Kavian, A., Azmodeh, A., Soleimani, K. and Vahabzadeh, GH., 2010. ffect of Soil Properties on Runoff and Soil Erosion in Forest Lands. Journal of Range and Watershed Managment, 63(1): 89-104.
- Kazemi, R., Yeganeh, H. and Khajehdin, S.J., 2011. Change detection of vegetation during the grazing season using multi temporal data of IRS-WIFS in Semirom region. Iranian Journal of Range and Desert Research, 18(1): 124-138.
- Khanhasani, M., Sharifi, M., and Tavakolli, A., 2007. Estimation of deforestation rate in Chaharzebar forests in Kermanshah province using aerial photographs. Iranian Journal of Forest and Poplar Research, 15(2): 105-114.
- Mirakhourlou, KH. and Akhavan, R., 2008. Investigation on boundary changes of northern foreste of Iran using remotely sensed data. Iranian Journal of Forest and Poplar Research, 16(1): 139-148.
- Moayeri, M.H., Hosseini, A., and Heydari, H., 2008. Optimum management and assessment of Hyanan forest change trend in Ilam and appropriate for this. Research and Development Journal, 21(3): 108-115.
- Molina, A., Govers, G., Vanacker, V., Poesen, J., Zeelmaekers, E., and Cisneros, F., 2007. Runoff generation in a degraded Andean ecosystem: Interaction of vegetation cover and land use. Catena, 71(2): 357-370.
- Pouraghniay, M.J., 2001. Study of land use change effect on Nekaroud flood regime. M.Sc. thesis, Department of Watershed Management, Faculty of Natural Resources, Tehran University.
- Shataei Jouybari, SH., and Malek, J., 1996. A study on natural landscape and land use changes of Caspian Sea southern coasts using aerial photos and GIS, Case study: sea coasts of Nour city. Journal of Geographical Researches, 37(51): 95-105.
- Sousani, J., Zobeyri, M., and Feghhi, J., 2009. Application of aerial photographs and satellite images for visualization of forest cover changes (case study: Zagros forests, Iran). Iranian Journal of Forest and Poplar Research, 17(2): 237-249.
- Suriya, S., and Mudgal, B.V., 2011. Impact of urbanization on flooding: the Thirusoolam sub watershed – a case study. Journal of Hydrology, 412: 210–219
- Vitousek, P.M., Mooney, H.A., Lubchenco, J., and Melillo, M., 1997. Human Domination of Earth’s Ecosystems. Science, 277(5325): 494-499.