اولویت‌بندی لکه‌های حفاظتی در مناطق ساحلی زیر حوضه کل- مهران استان هرمزگان با استفاده از ابزار پشتیبانی تصمیم‌گیری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه آزاد اسلامی، واحد تهران شمال، تهران، ایران

2 دانشکده علوم و فناوری زیستی، دانشگاه شهید بهشتی، تهران، ایران

چکیده

سابقه و هدف: یکی از روش‌های انتخاب نواحی حفاظتی، استفاده از ابزارهای پشتیبانی تصمیم‌گیری مانند مارگسان است. هدف اصلی این مطالعه الویت بندی و انتخاب مناطق مناسب حفاظت در منطقه ساحلی حوضه کل- مهران استان هرمزگان در قالب سناریوهای مختلف به وسیله نرم‌افزار مارگسان و مقایسه مناطق منتخب حفاظتی مارگسان با مناطق تحت حفاظت سازمان حفاظت محیط زیست است.
مواد و روش ها: در این تحقیق برای اولویت‌بندی لکه‌های حفاظتی در مناطق ساحلی با استفاده از ابزار پشتیبانی تصمیم‌گیری از پراکنش 36 گونه گیاهی و جانوری به عنوان معیارهای حفاظتی استفاده شد. از این رو از سامانه اطلاعات جغرافیایی (نرم افزار 10.3ArcGIS ) به منظور تولید لایه‌های معیارهای انتخاب مناطق حفاظتی و تهیه لایه یگان برنامه‌ریزی استفاده گردیده است سپس نقشة پراکنش هر یک از این معیارها برای ورود به نرم افزار پشتیبانی تصمیم‌گیری مارگسان که متداول‌ترین نرم افزار برنامه ریزی حفاظت می باشد به صورت لایه‌های بولین (صفر و یک) تهیه شده است. پس از تهیه 5 فایل ورودی نرم افزار مارگسان ( فایل یگان ‌برنامه‌ریزی، فایل ویژگی‌های حفاظتی، فایل یگان برنامه ریزی در مقابل ویژگی حفاظتی، فایل طول مرز، فایل پارامترهای ورودی)، این نرم‌افزار در قالب سه سناریوی طراحی شده با هدف (30،50 و100) درصد هر معیار حفاظتی اجرا گردید و مناسب‌ترین لکه‌ها برای حفاظت معرفی شدند سپس این لکه‌ها با مناطق تحت حفاظت سازمان حفاظت محیط زیست مقایسه گردید. در نهایت با مقایسه سه سناریو مطلوب ترین سناریو انتخاب گردید.
نتایج و بحث : نتایج نشان داد سناریوی اول با هدف حفاظت30 درصد از هر معیار، در برآورد هدف حفاظتی 34 معیار موفق بوده است و در کل 14.73درصد از مناطق حفاظت شده موجود توسط سازمان حفاظت محیط زیست با مناطق منتخب حفاظتی در سناریو اول همپوشانی دارد. در سناریو دوم محدوده مورد مطالعه با هدف حفاظت 50 درصد از هر معیار الویت بندی شد و این سناریو در برآورد هدف حفاظتی 35 معیار موفق بوده و در کل 26.27 درصد از آن با مناطق تحت حفاظت موجود سازمان حفاظت محیط زیست همپوشانی دارد. در سناریو سوم محدوده مورد مطالعه با هدف حفاظت 100 درصد از هر معیار الویت بندی شد و این سناریو در برآورد هدف حفاظتی 30 معیار موفق بوده و در کل 96.75 درصد از آن با مناطق تحت حفاظت موجود سازمان حفاظت محیط زیست همپوشانی دارد. در نهایت، مقایسه نتایج سناریوهای ذکر شده نشان داد که در هر سه سناریو،  مناطق تحت حفاظت سازمان حفاظت محیط زیست در محدوده مورد مطالعه از لحاظ دستیابی به اهداف مختلف، کارایی مناسبی ندارند و سناریو دوم نسبت به سایر سناریوها نتایج قابل قبول‌تری ارائه می‌نماید و تنها در رسیدن به هدف حفاظتی 1معیار ناتوان است.
نتیجه گیری: در این تحقیق سناریو 2 (با هدف حفاظت50 درصد از هر معیار حفاظتی) می‌تواند به عنوان کاراترین سناریو مطرح شود .پیشنهاد می‌شود از این سناریو به عنوان الگویی برای اصلاح مرزبندی مناطق تحت حفاظت سازمان حفاظت محیط زیست در منطقه ساحلی حوضه کل- مهران استان هرمزگان استفاده شود که در این حالت باید 87.373 درصد (معادل 801349 هکتار) به سطح مناطق حفاظت شده فعلی اضافه گردد تا بتوان خلاءهای حفاظتی موجود را برطرف کرد.

کلیدواژه‌ها


عنوان مقاله [English]

Prioritizing conservation patches in the coastal areas of Kal-Mehran sub-basin in Hormozgan province using a decision support tool

نویسندگان [English]

  • Azadeh Vaziri Nahad 1
  • Seyed Ali Jozi 1
  • Rokhshad Hejazi 1
  • Mohammad Reza Shokri 2
  • Saeid Malmasi 1
1 North Tehran Branch, Islamic Azad University, Tehran, Iran
2 University of Shahid Beheshti, Tehran, Iran
چکیده [English]

Introduction: One of the ways to select conservation areas is to use decision support tools such as Marxan. The main purpose of this study is to prioritize and select suitable conservation areas in the coastal area of Kal-Mehran Sub-basin in Hormozgan Province under the different scenarios by using Marxan software and comparing the conservation areas selected by Marxan with those introduced by the Department of Environment (DoE).
Material and methods: In this study, the dispersion of 36 types of animal and plant species was used as conservation criteria to prioritize the conservation patches in the coastal areas using the decision support tool. Geographic Information System (ArcGIS software, v. 10.3) was used to generate the criterion layers and to provide the planning unit layer. Then, the dispersion map of each of these criteria was prepared as Boolean layers (zero and one) for entering into the Marxan decision support software, which is the most commonly used conservation planning software. After preparing the 5 input files of Marxan software (planning unit file, conservation feature file, planning unit versus conservation feature file, boundary length file, and input parameters file), the software was run in the form of three scenarios designed with the goal of protecting 30, 50, and 100% of each criterion and the most suitable patches were introduced for conservation. These patches were then compared with the areas protected by the DoE. Finally, the most suitable scenario was selected by comparing the three scenarios.
Results and discussion: The results showed that the first scenario with the goal of protecting 30% of each criterion was successful in fulfilling the conservation goal of all 34 criteria and in total, 14.73% of the existing areas protected by DoE overlapped with those conservation areas selected by the first scenario. In the second scenario, the study area was prioritized with the aim of protecting 50% of each criterion.  This scenario was successful in fulfilling the conservation goal of 35 criteria and in total, 26.27% of the selected areas overlapped with the existing protected areas of the DoE. In the third scenario, the study area was prioritized with the aim of protecting 100% of each criterion. This scenario was successful in fulfilling the conservation goal of 30 criteria, and 96.75% of the selected areas overlapped with the existing protected areas of the DoE. Finally, by comparing the results of the mentioned scenarios, it was found that in all three scenarios, the areas under the DoE's protection in the study area did not perform well in terms of achieving the different goals.  The second scenario yields more acceptable results than the other scenarios and is only incapable of achieving the conservation goal of just one criterion.
Conclusion: In this study, the scenario 2 (with the aim of protecting 50% of each protection criterion) can be considered as the most effective scenario. It is suggested that this scenario be used as a model to modify the boundaries of the DoE’s protected areas in the coastal area of Kal-Mehran Sub-basin in Hormozgan Province, in which case 87.373% (801349 ha) should be added to the current protected areas to remove the existing protective gaps.

کلیدواژه‌ها [English]

  • Coastal areas
  • Conservation patches
  • Hormozgan Province
  • Kal-Mehran basin
  • Systematic selection of protected areas
Gholamreza Fahimi, F. and Roayaei, M., 2017. Coastal area wildlife. Ports and Maritime Organization Research Report. IRAN.
Mafi Gholami, D. and Roayaei, M., 2017. Environmental contaminants and threats of the coastal area. Ports and Maritime Organization Research Report. IRAN.
Namdorost, J. and Ghafouri, M.R., 2017. Water resources and hydrology of coastal area. Ports and Maritime Organization Research Report. IRAN.
Dominguez-Tejo, E., Metternicht, G., Johnston, E. and Hedge, L., 2016. Marine spatial planning advancing the ecosystem-based approach to coastal zone management: A review, Marine Policy .72, 115-130.
Esfandeh, S., Kaboli, M. and Eslami, L., 2017. Using Simulated Annealing Optimization Algorithm for Systematic Prioritization of the Protected Areas in Alborz Province, Iran. Scientific and research Journal of Animal Environment. 1, 105-122.
Esmaeili T., Kiani, H. and Janbaz Ghobadi, G., 2014, Planning for Sustainable Development of Coastal Areas Using Spatial Coherence Approach, Case Study: Noor and Mahmoudabad, Second Congress of Structure, Architecture, and Urban Development, 16th-18th December, Tabriz, Iran. P. 1-11.
Game, E. and Grantham, H., 2008, Marxan User Manual for Marxan version 1.8.10, Pacific Marine Analysis and Research Association. Vancouver, British Columbia, Canada.
Haupt, P.W., Lombard, A., Goodman, P. and Harris, J., 2017, Accounting for spatiotemporal dynamics in conservation planning for coastal fish in KwaZulu-Natal, South Africa, Biological Conservation. 209, 289-303.
Henriques, N.S., Monteiro, P., Bentes, L., Oliveira, F., Afonso, C.M.L. and Goncalves, J.M.S., 2017,
Marxan as a zoning tool for development and economic purposed areas - Aquaculture Management Areas (AMAs), Ocean and Coastal Management. 141, 90-97.
Javed, S., ELAIQamy, H., Bashir Khan, Sh., Ahmed, Sh., Salem Al Dhaheri, Sh., Al Hammadi, A. and Al Hammadi, E., 2019, Using greater flamingo tracking and count data in delineating marine protected areas in the coastal zone of Abu Dhabi, United Arab Emirates: Conservation planning in an economically important area, Global Ecology and Conservation, 17, 1-16.
Langhans, S.D., Gessner, J., Hermoso, V. and Wolter, C., 2016, Coupling systematic planning and expert judgment enhances the efficiency of river restoration, Science of the Total Environment. 560, 266-273.
Li, X., Shi, J., Song, X., Ma, T., Man, Y. and Cui, B., 2017, Integrating within-catchment and interbasin connectivity in riverine and nonriverine freshwater conservation planning in the North China Plain, Journal of Environmental Management. 204, 1-11.
Lin, Y.P., Huang, C.W., Ding, T.S., Wang,Y.C., , Hsiao, W.T., Crossman, N.D., Lengyel, S., Lin, W.C. and Schmeller , D.S., 2014, Conservation planning to zone protected areas under optimal landscape management for bird conservation, Environmental Modeling & Software. 60, 121-133.
Mahini, A.S., Asadolahi, Z., Saeed Sabaee, M., Kamyab, H.R. and Nasirahmadi, K., 2014, Comparison of Gradual Simulated Annealing and Multi-Objective Land Allocation Methods in the Selection of Optimal Land Uses. Journal of Applied Ecology. 9, 1-12.
Mehri, A., Mahini A.S., Mirkarimi, S.H. and Rezaee, H.R., 2012, Prioritization of Suitable Protection Zones Using the Simulated Annealing Algorithm. Environment and Development Journal. 6, 67-80.
Mehri, A., Mahini, A.S., Mirkarimi, S.H. and Rezaee, H.R., 2014, Comparing the Performance of Three Intelligent Computer Algorithms in the Selection of Suitable Conservation Areas (Case Study: Mazandaran Province). Journal of Environmental Studies. 1, 1-16.
Mehri, A., Mahini, A.S. and Momeni Dehaghi, I., 2017, Incorporating zoning and socioeconomic costs in planning for bird conservation. Journal for Nature Conservation.1, 1-13.
Picone, F., Buonocore, E., Dagostaro, R., Donati, S., Chemello, R. and Franzese, P.P., 2017, Integrating natural capital assessment and marine spatial planning: A case study in the Mediterranean Sea, Ecological Modeling. 361:1-13.
Prevost, A. and Robert, S., 2016, Local spatial planning practices in four French Mediterranean coastal territories under pressure, Land Use Policy. 56, 68-80 .