نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه ارزیابی و مخاطرات محیط‌ زیست، پژوهشکده محیط ‌زیست و توسعه پایدار، سازمان حفاظت محیط‌ زیست، تهران، ایران

2 گروه اقتصاد محیط ‌زیست، پژوهشکده محیط ‌زیست و توسعه پایدار، سازمان حفاظت محیط‌ زیست، تهران، ایران

چکیده

سابقه و هدف:
تغییرات در پوشش/کاربری زمین با عوامل اقتصادی-اجتماعی و فیزیکی-محیطی متعددی در ارتباط است. با توجه به تعدد و تنوع متغیرهای دخیل و همچنین گوناگونی محرکه‌هایی که موجب بروز تغییرات پوشش/کاربری زمین می‌شوند، پیش‌بینی شرایط آتی آن، پیچیده و با عدم‌قطعیت‌های زیادی مواجه است. این در حالی است که برنامه‌ریزان محیط ‌زیست و توسعه، باید به‌طور شفافی در نظر بگیرند که چگونه تصمیمات امروزشان ممکن است به آینده سرزمین شکل بدهد. ازاین‌رو، در فرایند سیاست‌گذاری و طرح‌ریزی، همواره این سؤال مطرح است که چگونه می‌توان تغییرات پوشش/کاربری زمین را در زمان آینده پیش‌بینی کرد؟ در سال‌های اخیر با پیشرفت‌های حاصل‌شده در دانش سنجش‌ از دور و تولید داده‌های فضایی تولیدشده از تصاویر ماهواره‌ای و استفاده از این داده‌ها در فرایندهای در حال تکامل مدل‌سازی، امکان شبیه‌سازی نظام‌های پیچیده طبیعی و ساده‌سازی آنها با تأکید بر متغیرهای مهم‌تر، فراهم شده است.
 مواد و روش‌ها:
در این پژوهش با انتخاب یک سیمای سرزمینی پایلوت از منطقه رویشی هیرکانی در استان مازندران، ضمن بررسی روند گذشته تا حال تغییرات پوشش/کاربری در دوره زمانی 95-1363، شرایط آینده سیمای سرزمین در افق زمانی 1427 بر اساس روش مدل‌سازی سناریویی با استفاده از مدل نرم‌افزاری (InVEST) پیش‌بینی و تحلیل شد. برای انجام فرایند مدل‌سازی در این تحقیق دو سناریوی محتمل آتی با عنوان‌های «ادامه روند موجود» به مفهوم عدم دخالت مدیریتی و تداوم تغییرات جاری پوشش/کاربری تا افق آتی موردنظر و «توسعه متوازن» به مفهوم مداخله دولت از طریق حفاظت و احیاء پوشش جنگلی همراه با اجرای برنامه کنترلی توسعه سکونتگاه‌های انسانی برای متوقف کردن روند جاری تغییرات پوشش/کاربری تعریف شد و سپس با تهیه داده‌های ورودی موردنیاز مدل، شرایط آینده سیمای سرزمین تحت هر یک از دو سناریوی مذکور شبیه‌سازی و مقایسه شد.
 نتایج و بحث:
نتایج نشان داد که در صورت تحقق سناریوی ادامه وضع موجود، تغییرات شدیدی در ساختار سیمای سرزمین مورد بررسی روی خواهد داد که درمجموع به اتلاف چشمگیر پوشش طبیعی جنگل و از بین رفتن زمین‌های زراعی و جایگزینی آنها با بافت سکونتگاهی منجر خواهد شد. برعکس، سناریوی توسعه متوازن، نشان داد که چگونه مدیریت زمین از طریق اجرای سیاست‌های حفاظت و احیاء جنگل و تعدیل تبدیل زمین برای توسعه سکونتگاه‌ها می‌تواند به یک راهبرد برد-برد برای توسعه متعادل آن مبدل شود. در این صورت، اجرای همزمان سیاست‌های احیاء جنگل و توسعه کنترل‌شده سکونتگاه‌ها، علاوه بر حفظ یکپارچگی ساختاری سیمای سرزمین مورد بررسی، شرایط را برای ارتقا شرایط فعلی پوشش جنگلی نیز مهیا کرد. در این پژوهش همچنین مدل سناریوسازی (InVEST) با برخی از مدل‌های دیگر که برای شبیه‌سازی پوشش/کاربری مورد استفاده قرار گرفته‌اند، مقایسه شد و مزیت ها و محدودیت‌های آن مورد بحث قرار گرفت.
 نتیجه‌گیری:
شبیه‌سازی سناریویی با روشی که در این پژوهش معرفی شد، می‌تواند در بررسی‌های گوناگون ازجمله انواع ارزیابی‌های محیط زیستی، ارزش‌گذاری اقتصادی و نظایر آن به کار گرفته شود تا نتیجه پیش‌بینی‌های آتی را دقیق‌تر کند. ضمن آنکه این نوع مدل‌سازی می‌تواند راهنمایی برای برنامه‌ریزان و تصمیم‌گیران توسعه، محیط‌ زیست و برنامه‌ریزی کاربری زمین باشد تا برنامه‌ریزی‌های آتی مبتنی برفرض‌های منطقی و با عدم قطعیت کمتری انجام پذیرد. 

کلیدواژه‌ها

عنوان مقاله [English]

Scenario modelling to predict future changes in land cover and/or land use, using InVEST software (case study: Dohezar and Sehezar forested landscape)

نویسندگان [English]

  • َArdavan Zarandian 1
  • Roya Mousazadeh 2
  • Jalil Badamfirooz 2
  • Alireza Rahmati 1

1 Department of Environment, Research Group of Environmental Assessment and Risks, Research Center for Environment and Sustainable Development (RCESD), Tehran, Iran

2 Department of Environment, Research Group of Environmental Economics, Research Center for Environment and Sustainable Development (RCESD), Tehran, Iran

چکیده [English]

Introduction:
Changes in land use and/or land cover (LULC) are associated with many socio-economic and physical environmental factors. Due to the multiplicity and diversity of variables involved and drivers that cause changes, the prediction of future conditions of LULC patterns is complex and faces many uncertainties. Meanwhile, environmental and development planners need to consider clearly how their current decisions may shape the future structure of the landscape. Therefore, in the policy-making and planning process, there is always the question of how to predict future LULC changes. In recent years, thanks to advances in remote sensing knowledge and spatial data generated from satellite imagery as well as evolving modelling tools, it has been possible to simulate complex natural systems and simplify them with a specific emphasis on more important variables depending on the issues being investigated. 
Materials and methods: 
With this in mind, the present study was conducted in a pilot forested landscape of the Hycanian vegetative region located in Mazandaran Province in northern Iran to detect the changing trends of LULC over the period of 1984-2016 as well as to project and analyze the plausible future shape of the landscape by the year 2040 using InVest scenario-generator software model (Sharp, 2014). To conduct this modelling process, two plausible future scenarios were defined entitled Business As Usual (BAU), which reflected the continuation of current LULC changes with no management intervention, and Balanced Development (BD) involving governmental intervention to prevent current changes through conservation and restoring forest cover along with an adjusted developmental policy for human settlements. Then, the input data required to run the model was provided and the future landscapes under both scenarios were simulated and compared. 
Results and discussion:
The results showed that, under the BAU scenario, there will be dramatic changes in the landscape structure which will lead to a significant loss in the natural forest cover, destruction of farmlands and its replacement with human settlements. Conversely, the BD scenario showed how land management through forest conservation and restoration policies, simultaneously with adjusted land conversion for settlement construction, can be transformed into a win-win strategy for a balanced development strategy. Also, in this study, the InVEST scenario generator model was compared with some other models (Azinmehr et al., 2013; Blainski et al., 2017; Eskandari, 2014; Han et al., 2015; Samie et al., 2017) used to simulate LULC, and its advantages and limitations were discussed. 
Conclusion:
Finally, the scenario simulation with the method introduced here can be used in different studies (including various environmental assessments, economic valuations, etc.) to make the predictions more accurate. Moreover, this kind of modelling can make insight for planners and decision makers in the fields of development, conservation and land use planning, so that future plans are based on logical assumptions with less uncertainty.

کلیدواژه‌ها [English]

  • Land cover/land use
  • Modelling
  • InVEST
  • Dohezar and Sehezar forested landscape

Azinmehr, M., Bahremand, A. and kabir, A., 2013. Simulating the effects of landuse change scenarios on flow hydograph using the spatially distributed hydrological model, WetSpa, in the Dinvar Watershed, Karkheh, Iran. Journal of Watershed Engineering and Management. 7, 500-510. (In Persian with English abstract).

Baral, h., Keenan, R.J., Fox, J.C., Stork, N.E. and Kasel, S., 2013. Spatial assessment of ecosystem goods and services in complex production landscapes: A case study from south-eastern Australia. Ecol. Complex. 13, 35–45.

Baral, h., Keenan, r. J., Sharma, s. K., Stork, n. E. and Kasel, s. 2014a. Spatial assessment and mapping of biodiversity and conservation priorities in a heavily modified and fragmented production landscape in north-central Victoria, Australia. Ecological Indicators. 36, 552-562.

Baral, h., Keenan, r. J., Stork, n. E. and Kasel, s. 2014b. Measuring and managing ecosystem goods and services in changing landscapes: a south-east Australian perspective. Journal of Environmental Planning and Management. 57, 961-983.

Belair, c., Ichikawa, k., Wong, b. and Mulongoy, k. Sustainable use of biological diversity in socio-ecological production landscapes. Background to the ‘Satoyama Initiative for the benefit of biodiversity and human well-being.’Secretariat of the Convention on Biological Diversity, Montreal. Techni-cal Series, 2010.

Blainski, e., Porras, e. A. A., Garbossa, l. H. P. and Pinheiro, A., 2017. Simulation of land use scenarios in the Camboriú River Basin using the SWAT model. RBRH, 22.

Burkhard, b., Kroll, f., Muller, f. and Windhorst, w. 2009. Landscapes’ capacities to provide ecosystem services–a concept for land-cover based assessments. Landscape online. 15, 22.

Cordingley, j. E., Newton, a. C., Rose, r. J., Clarke, R. T. and Bullock, j. M. 2016. Can landscape‐scale approaches to conservation management resolve biodiversity–ecosystem service trade‐offs? Journal of applied ecology. 53, 96-105.

Deng, x., Su, H. and Zhan, J., 2008. Integration of multiple data sources to simulate the dynamics of land systems. Sensors. 8, 620-634.

Eskandari, B., 2014. Modeling of land use change using CLUE-S software and its application in regional planning, Case study: Cities of Gorgan, Aliabad and Kordkouy. Master of Science, Gorgan university of agricultural sciences and natural resources. (In Persian with English abstract).

Han, H., Hwang, Y., Ha, S. R. and Kim, B.S., 2015. Modeling future land use scenarios in South Korea: Applying the IPCC special report on emissions scenarios and the SLEUTH model on a local scale. Environmental management. 55, 1064-1079.

Houet, t. and Hubert-moy, l., 2006. Modeling and projecting land-use and land-cover changes with Cellular Automaton in considering landscape trajectories. EARSeL eProceedings. 5, 63-76.

Iverson, l., Echeverria, c., Nahuelhual, l. and Luque, s. 2014. Ecosystem services in changing landscapes: an introduction. Springer.

Jackson, b., Pagella, t., Sinclair, f., Orellana, b., Henshaw, a., Reynolds, b., Mcintyre, n., Wheater, h. & Eycott, a. 2013. Polyscape: A GIS mapping framework providing efficient and spatially explicit landscape-scale valuation of multiple ecosystem services. Landscape and Urban Planning, 112, 74-88.

Jantz, c. A., Goetz, s. J., Donato, d. & Claggett, p. 2010. Designing and implementing a regional urban modeling system using the SLEUTH cellular urban model. Computers, Environment and Urban Systems, 34, 1-16.

Malczewski, j. 2004. GIS-based land-use suitability analysis: a critical overview. Progress in planning, 62, 3-65.

Paudyal, k., Baral, h., Putzel, l., Bhandari, s. & Keenan, r. 2017. Change in land use and ecosystem services delivery from community-based forest landscape restoration in the Phewa Lake watershed, Nepal. International Forestry Review 19:88-101.

Pickard, b.r., Van berkel, d., Petrasova, a. & Meentemeyer, r.k. 2017. Forecasts of urbanization scenarios reveal trade-offs between landscape change and ecosystem services. Landscape Ecology 32:617-634.

Polasky, s., Nelson, e., Pennington, d. & Johnson, k. A. 2011. The impact of land-use change on ecosystem services, biodiversity and returns to landowners: A case study in the State of Minnesota. Environmental and Resource Economics, 48, 219-242.

Power, a. G. 2010. Ecosystem services and agriculture: tradeoffs and synergies. Philosophical Transactions of the Royal Society of London B: Biological Sciences, 365, 2959-2971.

Saaty, t. L. 1977. A scaling method for priorities in hierarchical structures. Journal of mathematical psychology, 15, 234-281.

Samie, a., Deng, x., Jia, s. & Chen, d. 2017. Scenario-Based Simulation on Dynamics of Land-Use-Land-Cover Change in Punjab Province, Pakistan. Sustainability, 9, 1285.

Azinmehr, m., Bahremand, a. & Kabir, a. 2013. Simulating the effects of landuse change scenarios on flow hydograph using the spatially distributed hydrological model, WetSpa, in the Dinvar Watershed, Karkheh, Iran. Journal of Watershed Engineering and Management, 7, 500-510.

Blainski, e., Porras, e. A. A., Garbossa, l. H. P. & Pinheiro, a. 2017. Simulation of land use scenarios in the Camboriú River Basin using the SWAT model. RBRH, 22.

Eskandari, b. 2014. Modeling of land use change using CLUE-S software and its application in regional planning, Case study: Cities of Gorgan, Aliabad and Kordkouy. Master of Science, Gorgan university of agricultural sciences and natural resources.

Han, h., Hwang, y., Ha, s. R. & Kim, b. S. 2015. Modeling future land use scenarios in South Korea: Applying the IPCC special report on emissions scenarios and the SLEUTH model on a local scale. Environmental management, 55, 1064-1079.

Samie, a., Deng, x., Jia, s. & Chen, d. 2017. Scenario-Based Simulation on Dynamics of Land-Use-Land-Cover Change in Punjab Province, Pakistan. Sustainability, 9, 1285.

Sharp, r. 2014. InVEST 3.0. 1 user guide. The Natural Capital Project. Stanford, CA. Available from http://ncp-dev. stanford. edu/~ dataportal/invest-releases/documentation/current_release/(accessed August 2014).

Tolessa, t., Senbeta, f. &Kidane , m. 2017. The impact of land use/land cover change on ecosystem services in the central highlands of Ethiopia. Ecosystem services 23:47-54.

Van der heijden, k. 2011. Scenarios: the art of strategic conversation, John Wiley & Sons.

Veldkamp, a. & Lambin, e. F. 2001. Predicting land-use change. Agriculture, ecosystems & environment, 85, 1-6.

Verburg, p. H., Soepboer, w., Veldkamp, a., Limpiada, r., Espaldon, v. & Mastura, s. S. 2002. Modeling the spatial dynamics of regional land use: the CLUE-S model. Environmental management, 30, 391-405.

Zarandian, a., Baral, h., Stork, n. E., Ling, m.a., Yavari, a.r., Jafari, h.r. & Amirnejad, h. 2017. Modeling of ecosystem services informs spatial planning in lands adjacent to the Sarvelat and Javaherdasht protected area in northern Iran. Land Use Policy. 61, 487-500.