دانشگاه ایلاممدیریت جامع حوزه های آبخیز2783-45814220240621Position of the Fakhran Watershed in Iran’s South Khorasan Province in the Watershed Management Ladderجانمایی حوزه آبخیز فخران خراسان جنوبی در نردبان مدیریت آبخیز11971110210.22034/iwm.2024.2019702.1122FAسیدحمیدرضاصادقیگروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایران0000-0002-5419-8062فاطمهحسنپورگروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایرانآراستهپایفشردهگروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایرانفاطمهتوکلیگروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایرانفاطمهاسماعیلزادهگروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایرانفاطمهعبدالباقیگروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایراننگینرشیدیگروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایرانسحرموسویانگروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایرانحامدبیگیگروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایرانمرجانبهلکهگروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایران0009-0009-6052-7174رضاچمنیگروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، ایرانJournal Article20240106<strong>Extended Abstract</strong>
<strong> </strong>
<strong>Introduction: </strong>In the past decades, the development of human needs, climate changes, urbanization, and the rapid development of industry, agriculture, drought, floods, and soil erosion have caused watershed degradation. On the other hand, resources are used to exploit natural resources. An imbalance in the functioning of watersheds causes various hydrological, ecological, economic, and social functions to face various problems and reduce the watershed health and associated functions. A healthy watershed plays an essential role in ensuring the stability of socio-economic systems and improving human well-being. Due to their complexity, they should be restored and controlled through ecological risk assessment to ensure their restoration and effective management. Therefore, comprehensive watershed management is vital to maintaining the health and sustainability of natural resources and watersheds.
<strong> </strong>
<strong>Materials and methods:</strong><strong> </strong>Watersheds as socio-ecological systems have management complexities due to the interaction between the components of ecosystems, the types of activities carried out in them, and the dynamics of these systems. Hence, it is necessary to consider different watershed management approaches to conserve watershed services appropriately. Towards that, the Watershed Management Ladder (WML) consists of three main approaches: non-integrated (fragmented) watershed management, integrated watershed management, and comprehensive watershed management. It is being employed to recognize the position of the watershed in the study ladder. In this research, a field visit to the region was first conducted to draw a conceptual model according to the goals, visions, and missions of the stakeholders. The detailed implementation studies of the Fakhran Watershed were then comprehensively reviewed with the primary goal of evaluating the management position of the Fakhran Watershed in the watershed management ladder. In this regard, at first, the management approaches of the ladder were explained. Then, each approach was investigated according to the detailed implementation studies of the study watershed. On the other hand, since each watershed is placed on the rungs of this ladder according to the conditions and research carried out, brief solutions necessary to move to higher rungs in the Fakhran Watershed were also presented.
<strong> </strong>
<strong>Results and </strong><strong>Discussion:</strong><strong> </strong>The non-integrated watershed management approach, interdisciplinary sub-approaches, and watershed approach have been carried out based on the studies conducted in this watershed. The research results in Iran indicated that non-integrated watershed management approaches, integrated watershed and comprehensive management of watersheds, and the place of watersheds in WML are yet to be evaluated. Therefore, the current research discusses the position of the Fakhran Watershed in Iran’s South Khorasan in WML. Nonetheless, the implementation-research approach, including health and sustainability assessment, which is one of the essential aspects of this approach, has to be studied in the watershed. In this regard, in the studies of the Fakhran Watershed, the scale of the watershed has been considered to solve hydrological and ecological problems, and the watershed approach has been taken into account in this watershed. The next step of this approach is the implementation-research step, but the plans are implemented again based on the guidelines that still need to be evaluated and updated. So, success at different levels of management in watersheds requires having appropriate knowledge in explaining processes and dealing with various events in watersheds, which is a departure from the current conditions and evokes health in performance and sustainability in providing watershed services. Accordingly, in addition to indigenous knowledge, modern science is influential in empowering communities and moving toward sustainable development. It can be used in the comprehensive management of watersheds and other knowledge. The Fakhran Watershed is, therefore, placed in the third rung of the non-integrated watershed approach.
<strong> </strong>
<strong>Conclusions: </strong>A significant part of these deficiencies and the need for the placement of the studies of this watershed in the higher rungs of WML are towards the description of public services and similar and common existing syllabi for the developmental and implementation projects. It confirms the necessity of revisiting the description of goal-oriented and problem-oriented services in the developmental and implementation projects. Accordingly, watershed officials and policymakers should use new scientific and community-oriented approaches in line with the changing social, economic, cultural, and managerial needs to take up the watershed management position to the upper rungs of WML.<strong>چکیده مبسوط</strong>
<strong>مقدمه</strong>: در دهههای گذشته گسترش نیازهای انسانی، تغییرات آبوهوایی، شهرنشینی و توسعه سریع صنعت، کشاورزی فشرده، خشکسالی، سیلاب و فرسایش خاک سبب تخریب آبخیزها شده است. از طرفی دیگر افزایش تقاضا برای بهرهبرداری از منابع طبیعی در شرایط فعلی آبخیزهای کشور تخریب روزافزون منابع اصلی حیات انسان، یعنی خاک و آب را در پی داشته است. عدم توازن در عملکرد آبخیزها سبب شده است تا کارکردهای مختلف هیدرولوژیک، بومشناسی، اقتصادی و اجتماعی با مشکل مواجه شده و سلامت و عملکرد متوقع از آبخیزها کاهش یابد. ازاینرو مدیریت آبخیزها برای حفظ سلامت و پایداری آنها از اهمیت ویژهای برخوردار است. لذا رویکردهای جامع مدیریتی در راستای پایداری منابع طبیعی موردنیاز است.
<strong> </strong><strong>مواد و روشها</strong>: حوزههای آبخیز بهعنوان سامانههای اجتماعی-بومشناسی به دلیل تعامل بین اجزای بومسازگان، انواع فعالیتهایی که در آنها انجام میشود و پویایی این سامانهها، دارای پیچیدگیهای مدیریتی هستند به این دلیل لازم است در آنها رویکردهای مختلف مدیریت آبخیز در نظر گرفته شود. در نردبان مدیریت آبخیز سه رویکرد اصلی به نامهای مدیریت غیریکپارچه (تکهتکه) آبخیز˓ مدیریت یکپارچه آبخیز و مدیریت جامع آبخیز مشخص شدهاند که هریک از این رویکردها مطابق با نردبان مدیریت آبخیز دارای مجموعهای از رویکردهای فرعی است که برای دستیابی به اهداف رویکرد اصلی باید پله به پله بررسی شوند و هر حوضه بر اساس رویکردهایی که در مطالعات خود لحاظ کردهاند در پلههای مختلفی از این نردبان قرار میگیرند. نتایج پژوهشها در ایران حاکی از آن است که رویکردهای مدیریتی غیریکپارچه آبخیز، یکپارچه آبخیز و مدیریت جامع حوزههای آبخیز و جایگاه آبخیزها در نردبان مدیریت آبخیز کمتر مورد ارزیابی قرار گرفته است. لذا در پژوهش حاضر به جایگاه حوزه آبخیز فخران خراسان جنوبی در نردبان مدیریت آبخیز پرداخته شده است.
<strong> </strong><strong>نتایج و بحث</strong>: بر اساس مطالعات انجامشده در این حوزه آبخیز از رویکرد مدیریت غیریکپارچه آبخیز، رویکردهای فرعی بینرشتهای و رویکرد حوزه آبخیز انجام شده لیکن با توجه به اینکه رویکرد اجرایی-پژوهشی ازجمله ارزیابی سلامت و پایداری که از موارد مهم این رویکرد به شمار میرود در این آبخیز لحاظ نشده است، حوزه آبخیز فخران در پله سوم از رویکرد غیریکپارچه آبخیز قرار دارد.
<strong> </strong><strong>نتیجهگیری</strong>: طبیعی است بخش عمدهای از این کمبودها و قرار نگرفتن مطالعات این آبخیز در پلههای بالاتر از نردبان مدیریت آبخیز متوجه شرح خدمات عمومی، مشابه و کلی مطالعات تفضیلی-اجرایی موجود است که طبعاً ضرورت بازنگری شرح خدمات هدفمدار و مشکل محور در اینگونه مطالعات را تأیید میکند؛ بنابراین مسئولین و سیاستگذاران حوزه آبخیزداری باید همگام با تغییر نیازهای اجتماعی، اقتصادی، فرهنگی و مدیریتی از رویکردهای جدید علمی و جامعه-محور در راستای شناخت مسائل مرتبط با آبخیزها و ارائه راهحلهای متناسب با آنها استفاده نمایند.https://iwm.ilam.ac.ir/article_711102_270c9bc4c3f56a4f633db5c8c208e10b.pdfدانشگاه ایلاممدیریت جامع حوزه های آبخیز2783-45814220240621Investigating the uncertainty of factors affecting water erosion Hazards in the Qharnaveh watershed using the Bayesian Averaging Modelبررسی عدم قطعیت عوامل مؤثر بر خطر فرسایش آبی حوزه آبخیز قرناوه با استفاده از رویکرد میانگینگیری بیزین203471134410.22034/iwm.2024.2019913.1123FAسید پدرامنی نیواگروه علوم و مهندسی آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران0000-0002-8490-5135علینجفی نژادگروه علوم و مهندسی آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران0000-0001-7577-7007حبیبنظرنژادگروه علوم و مهندسی آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران0000-0001-7672-5794آرشزارع گاریزیگروه علوم و مهندسی آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران0000-0001-5587-5240Journal Article20240113<strong>Extended Abstract</strong>
<strong>Introduction: </strong>It is necessary to evaluate, identify and prioritise areas prone to erosion. However, the nature of soil erosion and its processes have necessitated effective water and soil conservation strategies, which require hazard assessment at various temporal and spatial scales. Therefore, the current research utilizes the PAP/RAC qualitative model to predict and determine the water erosion hazard status of the Qharnaveh watershed. It also investigates the uncertainty of the factors affecting the erosion hazard map obtained from this model using Bayesian Model Averaging (BMA). This is done to enhance the evaluation, identification, and prioritization of points at risk of water erosion, thereby providing effective strategies for water and soil conservation to mitigate the trend and development of soil erosion.
<strong>Materials and Methods: </strong>The Priority Actions Program/Regional Activity Centre (PAP/RAC), established in 1977, is one of the six Regional Action Centers of the Mediterranean Action Program (MAP), which is itself part of the United Nations Environment Program (UNEP). The MAP includes 21 Mediterranean countries and the European Union, with a common objective of creating a healthier Mediterranean environment on the basis of sustainable development principles. The main area of PAP/RAC is to support Mediterranean countries in improving the sustainable management of their coasts, in particular through the adoption and implementation of the Integrated Management Protocol in the Mediterranean Coastal Zones. In 1998, the PAP/RAC model and approach were presented and employed as a PAP/RAC. According to the executive structure of the PAP/RAC model, in the first stage (predictive approach), in the first step, a Watershed slope map was prepared from a DEM at a height of 30 m, and based on the valuation manual, it was divided into five classes. In the second step, the lithological map was prepared from 1:250,000 geological maps of Golestan province, which was divided into five classes based on the valuation manual. In the third step, the slope erodibility map, which is the result of integration of the rock unit map and the slope map, was evaluated and prepared according to the instructions. In the fourth step, a land use map was prepared based on the classification of the Sentinel 2 satellite images of August 2023 in the Google Earth Engine along with the existing regional information and divided into four categories: residential, forest, pasture and agriculture and evaluated according to the instructions. In the fifth step, the vegetation density map for August 2023 was calculated using the Normalized Difference Vegetation Index (NDVI) and evaluated according to the instructions. In the sixth step, integrating the land use map and vegetation density map according to the instructions, the soil conservation map was created. In the seventh step, a predicted erosion hazard map was prepared by integrating the erodibility map (integration of slope and lithology) and the soil conservation map, considering the influence of slope factors, lithology, land use, and land cover. After creating the erosion hazard map of the region, field survey and aerial photos were used to assess the erosion states, facilitating the implementation of a descriptive approach to the model. Finally, by overlaying the erosion states on the erosion hazard prediction map, the model integration approach was executed. For the second approach of this research, the area of the watershed (each hectare) was considered as the size of the statistical population. Cochran's formula was utilized to determine the number of random points. Using the 'Create Random Points' command corresponding to the boundary of the Qharnaveh watershed in the ArcGIS software, random points were placed. Based on the value of each point in the model factors (slope, geology, vegetation, and land use) using the BMA method, the impact of each factor on the water erosion hazard map was determined in the R program environment.
<strong>Results and Discussion: </strong>The results of the PAP/RAC qualitative model showed that 0.19, 3.34, 34.94, 227.28, and 514.53 km<sup>2</sup> of the watershed area were classified as very low, low, moderate, high, and very high erosion hazard, respectively. In other words, 741.81 km<sup>2</sup> of the watershed area exhibited high and very high erosion hazard. Generally, according to the factors of the PAP/RAC qualitative model, the results indicate the high potential of this watershed for erosion and soil loss. Further, examination of uncertainty with the BMA reveals the significant importance of slope and lithology in the model output.
<strong>Conclusion: </strong>Considering the importance of evaluating erosion-prone points, it is recommended that the assessment of PAP/RAC model factors in the field should be conducted more meticulously. Additionally, if feasible, model guidelines tailored to the conditions of Iran should be developed to devise more effective water and soil conservation strategies based on the model results, aiming to mitigate the trend and development of soil erosion.<strong>چکیده مبسوط</strong>
<strong>مقدمه</strong>: ارزیابی، شناسایی و اولویتبندی مناطق مستعد فرسایش امری ضروری است اما ماهیت فرسایش خاک و فرآیندهای دخیل در آن موجب شده است که راهبردهای مؤثر در زمینه حفاظت آبوخاک، نیازمند ارزیابی خطر در مقیاسهای زمانی و مکانی مختلف باشد. از اینرو، پژوهش حاضر با بهرهگیری از رویکرد و مدل کیفی PAP/RAC به پیشبینی و تعیین وضعیت خطر فرسایش آبی حوزه آبخیز قرناوه و بررسی عدم قطعیت عوامل مؤثر بر نقشه وضعیت خطر فرسایش حاصل از مدل مذکور با روش میانگینگیری بیزین، بهمنظور ارزیابی، شناسایی و اولویتبندی بهتر نقاط در معرض خطر فرسایش آبی، به جهت ارائه راهبردهای مؤثر حفاظت آبوخاک در راستای کاهش روند و توسعه فرسایش خاک پرداخته است.
<strong>مواد و روشها: </strong>مرکز فعالیت منطقهای/ برنامه اقدامات اولویتدار (PAP/RAC) که در سال 1977 تأسیس شد، یکی از شش مرکز فعالیت منطقهای برنامه اقدام مدیترانه (MAP) است که خود بخشی از برنامه محیطزیست سازمان ملل متحد (UNEP) است. بیستویک کشور مدیترانهای و همچنین اتحادیه اروپا، MAP را تشکیل میدهند و هدف مشترک آنها ایجاد محیط سالمتر مدیترانهای است که بر اصل توسعه پایدار تکیه دارد. حوزه اصلی فعالیت PAP/RAC حمایت از کشورهای مدیترانهای در بهبود مدیریت پایدار سواحل خود، بهویژه از طریق تصویب و اجرای پروتکل مدیریت یکپارچه مناطق ساحلی در مدیترانه است. در سال 1998 مدل و رویکرد PAP/RAC ارائه و با عنوان مرکز فعالیت منطقهای/ برنامه اقدامات اولویتدار مورداستفاده قرار گرفت. طی این پژوهش با توجه به ساختار اجرایی مدل و رویکرد PAP/RAC در مرحله اول (رویکرد پیشبینی) در گام اول ابتدا نقشه شیب حوضه از مدل رقومی ارتفاع 30 متری تهیه و بر اساس دستورالعمل ارزشگذاری و به پنج طبقه تقسیم شد. در گام دوم نقشه سنگشناسی از نقشههای زمینشناسی 1:250000 استان گلستان (شیت کوه کورخود) تهیه و بر اساس دستورالعمل ارزشگذاری و به پنج طبقه تقسیم شد. در گام سوم نقشه فرسایشپذیری شیب که حاصل برهمنهی (ادغام) نقشه رخسارههای سنگی و نقشه شیب مطابق دستورالعمل ارزشگذاری و تهیه شد. در گام چهارم کاربری اراضی از طبقهبندی تصاویر مردادماه سال 1402 ماهواره سنتینل 2 در محیط سامانه Google Earth Engine همراه با اطلاعات منطقهای موجود تهیه و به چهار طبقه مسکونی، جنگل، مرتع و زراعت تقسیمبندی و مطابق دستورالعمل ارزشگذاری شد. در گام پنجم نقشه تراکم پوشش گیاهی با استفاده از شاخص نرمال شده اختلاف پوشش گیاهی (NDVI) برای بازه زمانی مردادماه سال 1402 محاسبه و مطابق دستورالعمل ارزشگذاری شد. در گام ششم نقشه حفاظت خاک از ادغام نقشه کاربری اراضی و تراکم پوشش گیاهی مطابق دستورالعملها ایجاد شد. در گام هفتم نقشه وضعیت خطر فرسایش پیشبینیشده که تأثیر عوامل شیب، سنگشناسی، کاربری اراضی و پوشش زمین را در نظر میگیرد از ادغام نقشه فرسایشپذیری (تلفیق شیب و سنگشناسی) و نقشه حفاظت خاک مطابق دستورالعملها ایجاد شد. پس از ایجاد نقشه وضعیت خطر فرسایش منطقه، با رجوع به منطقه و با استفاده از عکسهای هوایی، حالتهای فرسایشی منطقه بهمنظور انجام رویکرد توصیفی مدل، برداشت و درنهایت با جانمایی حالتهای فرسایشی برداشتشده بروی نقشه پیشبینی وضعیت خطر فرسایش، رویکرد ادغام مدل اجرا گردید. در هدف دوم این پژوهش، با در نظر گرفتن مساحت حوزه (هر هکتار) بهعنوان حجم جامعه آماری و استفاده از رابطه کوکران، تعداد نقاط ب تصادفی تعیین و با استفاده از دستور Create Random points متناسب با مرز آبخیز قرناوه، در نرمافزار ArcGIS نقاط تصادفی جانمایی شد و بر اساس ارزش هر نقطه در عاملهای مدل (شیب، زمینشناسی، پوشش گیاهی و کاربری اراضی) با استفاده از روش میانگینگیری بیزین میزان تأثیر هر عامل بروی نقشه پیشبینی وضعیت خطر فرسایش آبی در محیط برنامه R مشخص شد.
<strong>نتایج و بحث: </strong>نتایج حاصل از بررسی مدل کیفی PAP/RAC نشان داد که 19/0، 34/3، 94/34، 28/227 و 53/514 کیلومترمربع از حوضه به ترتیب در وضعیت خطر فرسایش خیلی کم، کم، متوسط، زیاد و بسیار زیاد است. بهعبارتدیگر 81/741 کیلومترمربع از حوضه در وضعیت خطر فرسایش زیاد و بسیار زیاد است که بهطور کلی نتایج بیانگر پتانسیل بالای این حوضه در فرسایش و هدررفت خاک با توجه به عاملهای مدل کیفی PAP/RAC است و همچنین نتایج بررسی عدم قطعیت با مدل میانگین بیزین، گویای اهمیت بالای شیب و سنگشناسی در نتیجه و خروجی مدل است.
<strong>نتیجهگیری: </strong>با توجه به اهمیت ارزیابی نقاط مستعد فرسایش پیشنهاد میشود، ارزشگذاری (رتبهدهی) در زمینه عاملهای مدل PAP/RAC با دقت بیشتری انجام گیرد و در صورت امکان دستورالعملهای مدل متناسب با شرایط کشور ایران تهیه گردد تا ارائه راهبردهای مؤثر حفاظت آبوخاک با توجه به نتایج مدل و در راستای کاهش روند و توسعه فرسایش خاک، مؤثرتر واقع گردد. https://iwm.ilam.ac.ir/article_711344_fea0ec2307bd073874014325d586ac8a.pdfدانشگاه ایلاممدیریت جامع حوزه های آبخیز2783-45814220240621Integration of multi-criteria decision models and recreation opportunity spectrum in the mapping of recreational ecosystem service in Semnan Provinceتلفیق مدلهای تصمیمگیری چند معیاره و طیف فرصتهای تفرجی در نقشهبرداری خدمت اکوسیستمی تفرج در استان سمنان354971163510.22034/iwm.2024.2020228.1125FAفاطمهمحمدیاریگروه مهندسی محیطزیست، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران0000-0002-8126-9807اردوانزرندیانگروه پژوهشی ارزیابی و مخاطرات محیطزیستی، پژوهشکده محیطزیست و توسعه پایدار، سازمان حفاظت محیطزیست، تهران، ایرانرویاموسی زادهگروه پژوهشی اقتصاد محیطزیست، پژوهشکده محیطزیست و توسعه پایدار، سازمان حفاظت محیطزیست، تهران، ایرانJournal Article20240113<strong>Extended Abstract</strong>
<strong>Introduction: </strong>With the rapid development of society, economy and population growth, the impact of human activities on ecosystems is increasing, which has caused the relationship between human well-being and ecosystem to be in the spotlight. To that end, ecosystem services as an essential element for human development and survival emphasizes the benefits that natural ecosystems provide to humans. These services are divided into four categories based on the Millennium Ecosystem Assessment (MEA): provision, regulation, support and cultural. Cultural ecosystem services are important component of ecosystem services that refer to intangible benefits of the human beings from ecosystems and play an essential role in enhancing human well-being<strong>. </strong>Cultural ecosystem services can include the use of natural resources directly or indirectly.
<strong>Materials and Methods: </strong>The present study was conducted with the aim of modeling recreation services in Semnan province. For this purpose, the integration of the analytic hierarchy process (AHP) of one as the multicriteria decision-making methods and the recreation opportunity spectrum (ROS) model was used. In the ROS model, recreational service is estimated based on recreation potential index and accessibility- remoteness index. In the recreation potential index, three elements: the degree of naturalness, the protected regions, and the attractiveness of water bodies, and in the accessibility- remoteness index, the distance from roads and human-made areas were mapped.<strong> </strong>In this research, Sentinel-2 satellite images were used to prepare the land use map of 2021. Then, using the maximum likelihood algorithm, land use maps were prepared in 18 classes.
<strong>Results and </strong><strong>Discussion: </strong>According to the land use map, pastures, barren lands and rainfed agriculture have the highest levels of land use in the studied area with 23.57, 22.27 and 17.31% respectively. After that, waterbodies, salt marshes and irrigated agriculture are the dominant land uses with 15.65, 10.98 and 7.84%, respectively. It is worth mentioning that the smallest area of the region is dedicated to wetlands and urban uses. Based on the results, Forest and pasture areas have the highest potential in providing recreation services in the study area. It was also seen that, the third category (low provision- difficult access) and the seventh category (high provision- easy access) respectively have the highest and lowest land surface coverage in terms of the provision of recreational ecosystem services in the province. Overall, the results showed that recreation ecosystem service is affected by various factors caused by human development, especially land cover/use changes. Considering the concentration of both variables of ecosystem service provision and urban and industrial development in the northern half of the province, it is vital to pay attention to the conflicts between the development and management of ecosystem services. If this is ignored, in addition to intensifying the instability of development, the destruction of natural assets of the province, especially forests and pastures, which are the main source of provision of various ecosystem services such as recreation, will intensify.
<strong>Conclusion: </strong>In general, the results indicate that most of the places in the province have a medium to low ability to provide recreation services. Considering that recreational potential is important for the well-being of urban populations, increasing urban parks and green infrastructure areas is a useful way to improve the quality of the recreational experience. Therefore, urban development strategies should increasingly aim to strengthen the natural and artificial network of green space, diversity of plant compositions and biomass structure, and proper management of green space. This is necessary for the design of green space with regard to maximizing ecosystem services in Semnan province.<strong>چکیده</strong><strong> </strong><strong>مبسوط</strong>
<strong>مقدمه</strong><strong>: </strong>با توسعه سریع جامعه، اقتصاد و رشد جمعیت، تأثیر فعالیتهای انسانی بر اکوسیستمها رو به افزایش است که باعث شده رابطه بین رفاه انسان و اکوسیستم در کانون توجه قرار گیرد. در این راستا، خدمات اکوسیستم بهعنوان عنصر اساسی برای توسعه و بقای انسان، به مزایایی که اکوسیستمهای طبیعی به انسانها ارائه میدهند، تأکید دارد. این خدمات بر اساس ارزیابی اکوسیستم هزاره به چهار دسته: تأمین، تنظیم، حمایت و فرهنگی تقسیم میشود. خدمات اکوسیستم فرهنگی جزء مهمی از خدمات اکوسیستمی است که به مزایای ناملموس انسان از اکوسیستمها اشاره دارد و نقش اساسی در افزایش رفاه انسان ایفا میکنند. خدمات اکوسیستم فرهنگی میتواند شامل استفاده از منابع طبیعی بهطور مستقیم یا غیرمستقیم باشد.
<strong>روش</strong><strong> انجام پژوهش: </strong>مطالعه حاضر با هدف مدلسازی خدمت تفرج در استان سمنان انجام شد. بدین منظور از تلفیق فرآیند تحلیل سلسله مراتبی یکی از روشهای تصمیمگیری چند معیاره و مدل طیف فرصتهای تفرجی (ROS) استفاده شد. در مدل ROS، خدمت تفرج بر اساس شاخص پتانسیل تفرجی و شاخص دسترسی- دوری برآورد میشود. در شاخص پتانسیل تفریحی، سه عنصر درجه طبیعی بودن، مناطق حفاظتشده و جذابیت آب و در شاخص دسترسی- دوری فاصله از جادهها و مناطق انسانساخت نقشهبرداری شد. در این پژوهش برای تهیه نقشه کاربری اراضی سال 1400، از تصاویر ماهواره سنتیل 2 استفاده شد. سپس با استفاده از الگوریتم حداکثر احتمال نقشه کاربری اراضی در 18 کلاس تهیه شد.
<strong>نتایج و بحث: </strong>بر اساس نقشه کاربری اراضی، مراتع، اراضی بایر و زراعت دیم به ترتیب با 57/23، 27/22 و 31/17 درصد، بیشترین سطوح پوشش/کاربری زمین را در محدوده موردمطالعه به خود اختصاص دادهاند. پسازآن پهنههای آبی، شورهزار و زراعت آبی به ترتیب با 65/15، 98/10 و 84/7 درصد کاربریهایی با پوشش غالب هستند. شایانذکر است که کمترین مساحت منطقه به پوشش تالابی و کاربری شهری اختصاص دارد. بر اساس نتایج، مناطق جنگلی و مرتعی بالاترین پتانسیل در تدارک خدمت تفرج را در منطقه موردمطالعه دارند. همچنین مشاهده شد که طبقه سوم (تأمین کم– دسترسی سخت) و طبقه هفتم (تأمین بالا– دسترسی آسان) به ترتیب بیشترین و کمترین پوشش سطح زمین ازنظر خدمت اکوسیستمی تفرج در استان را به خود اختصاص دادهاند. درمجموع، نتایج نشان داد که خدمت اکوسیستمی تفرج تحت تأثیر عوامل مختلف ناشی از توسعه انسانی بهویژه تغییرات پوشش/ کاربری زمین است. با توجه به تمرکز هر دو متغیر تدارک خدمات اکوسیستمی و توسعه شهری و صنعتی در نیمه شمالی استان، توجه به تعارضات و تضادهای بین توسعه و مدیریت خدمات اکوسیستمی، حیاتی است. در صورت نادیده گرفتن این امر، علاوه بر تشدید ناپایداری توسعه، تخریب داراییهای طبیعی استان بهویژه جنگلها و مراتع که منبع اصلی تدارک انواع خدمات اکوسیستمی مانند تفرج هستند، شدت مییابد.
<strong>نتیجه گیری: </strong>بهطورکلی، نتایج حاکی از این است که بیشتر مکانهای استان قابلیت متوسط تا کم برای عرضه خدمت تفرج را دارند. با توجه به اینکه پتانسیل تفرجی برای رفاه جمعیت شهری مهم است، افزایش پارکهای شهری و مناطق زیرساختی سبز راهی مفید برای ارتقاء کیفیت تجربه تفرج است؛ بنابراین، استراتژیهای توسعه شهری باید بهطور فزایندهای با هدف تقویت شبکه طبیعی و مصنوعی فضای سبز، تنوع ترکیبات گیاهی و ساختار زیستتوده و مدیریت صحیح فضای سبز باشد. این امر برای طراحی فضای سبز با توجه به حداکثر رساندن خدمات اکوسیستم در استان سمنان ضروری است.https://iwm.ilam.ac.ir/article_711635_ce9f30589a1b9a0bdb62119fdd06808b.pdfدانشگاه ایلاممدیریت جامع حوزه های آبخیز2783-45814220240621Comparison of the efficiency of sediment rating curve and learning models for estimating suspended sediment load in karst rivers (Case study: Hydrometric stations of Khorram Abad, Alshatar and Biranshahr watersheds)مقایسه کارایی منحنی سنجهرسوب و مدلهای یادگیری در برآورد رسوب معلق رودخانههای کارستی (مطالعه موردی: ایستگاههای هیدرومتری حوضههای خرمآباد، الشتر و بیرانشهر)506571175410.22034/iwm.2024.2016652.1118FAنسرینبیرانوندگروه مهندسی مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه لرستان، لرستان، ایرانعلیرضاسپه وندگروه مهندسی مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه لرستان، لرستان، ایران0000-0002-2299-2085علیحقی زادهگروه مهندسی مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه لرستان، لرستان، ایران0000-0002-0928-827XJournal Article20231213<strong>Extended Abstract</strong>
<strong>Introduction: </strong>Sediment transport by surface flows is one of the primary processes responsible for reshaping the Earth's surface. This process is widely expressed in the shape of river drainage systems and their alluvial deposits, which dominate the geomorphology of large areas of the Earth's surface and are responsible for the majority of sediment from land to oceans. One of the most important problems threatening dams is the sediment inputs to the dam reservoir. Due to various problems, estimating the volume of sediments is a complicated process. So, some methods have been created by researchers to overcome these problems. Modeling of suspended sediment load (SSL) is an important subject for decision-makers in the catchment. Accurate and reliable modeling of SSL is one of the important subjects for planning, managing, and designing soil and water structures in the drainage networks. The purpose of this study was to compare the efficiency of Sediment Rating Curve (SRC) and Machine Learning Algorithms (MLA) for estimating SSL in karst rivers in Bahram Joo, Cham Anjir, Sarab Seyd Ali, and Kakareza hydrometric stations in Lorestan province, Iran.
<strong>Materials and Methods: </strong>In this study, a rating curve and five soft computing techniques, Support Vector Machine with RBF kernel (SVM-RBF), Support Vector Machine with PUK kernel (SVM-PUK), Gaussian processes with PUK kernel (GP-PUK), Gaussian processes with RBF kernel (GP-RBF), M5P, reduced error pruning tree (REPTree), and Random Forest (RF) were used and evaluated. They were used to predict SSL in the Kashkan watershed, Iran. Cham Anjir, Bahram Joo, Sarb Seyd Ali, and Kakareza stations were selected for this study. The data of temperature, rain, discharge, and SSL of 20 years (2001–2021) were utilized as input and output parameters. Thus, four stations with a long-term data were selected. The total dataset consists of temperature, rain, discharge, and SSL of watersheds, of which 70% of the data were used for training and 30% for the testing phase. Finally, the models’ accuracy was assessed using three performance evaluation parameters: Correlation Coefficient (C.C.), Root Mean Square Error (RMSE), and Maximum Absolute Error (MAE).
<strong>Results and Discussion: </strong>Results showed that the soft computing methods (SVM-PUK, GP-PUK, GP-RBF, M5P, REPTree, and RF) performed better than the traditional technique (SRC), as they made use of non-linear techniques for data reconstruction. It can be concluded that, among all the models, the M5P model, which used decomposed data that captured the dynamic features of the non-linear and non-stationary SSL time series data, performed better than other models. The SRC performed with a C.C of 0.5941. The best M5P model (best among soft computing methods) scored a mean C.C of about 0.89, surpassing the best SRC results. Although it captured the peaks better than SRC, it still overestimated the sediment load and was unable to capture the peak sediment rates, which are of great importance for design purposes.
<strong>Conclusion: </strong>Sediments carried by water are a serious problem, as they shorten the life of a reservoir, reduce the channel discharge-carrying capacity, especially to tail-end users, etc. Therefore, sediment management is the golden rule in river engineering, to which much effort and energy are directed. An important aspect of sediment management is sediment estimation, which is mostly found in a suspended form in rivers and other water bodies. This research focused on a comparison of the different methods of suspended sediment estimation in rivers. This includes the traditional method, i.e., SRC, and soft computing techniques, i.e., SVM-RBF, SVM-PUK, GP-PUK, GP-RBF, M5P, REPTree, and RF. The results of this study provide scientific information to predict SSL, and Soft Computing Techniques could be an efficient technique to simulate the SSL time series, because they extract key features embedded in the SSL signal. Finally, the results showed that the M5P model is effective in predicting suspended sediment content in the KhorammAbad, Biranshahr, and Alashter watersheds.<strong>چکیده</strong><strong> مبسوط</strong>
<strong>مقدمه</strong>: انتقال رسوب توسط جریانهای سطحی یکی از فرآیندهای اولیه است که مسئول تغییر شکل سطح زمین میباشد. روی زمین این فرآیند بهطور گسترده در قالب سیستمهای زهکشی رودخانهها و رسوبات آبرفتی بیان میشود که بر ژئومورفولوژی مناطق وسیعی از سطح زمین اثر دارند و مسئول جریان رسوب از خشکی به اقیانوسها هستند. یکی از مهمترین مشکلاتی که مخزن ذخیره سدها را تهدید میکند، ورود رسوبات است. به دلیل مشکلات مختلف، تخمین حجم رسوبات فرآیندی پیچیده است؛ بنابراین روشهایی توسط محققان برای حل این مشکل ابداع شدهاند. مدلسازی بار رسوب معلق موضوع مهمی برای تصمیمگیرندگان در سطح حوضه است. مدلسازی دقیق و مطمئن بار رسوب معلق یکی از موضوعات مهم برای برنامهریزی، مدیریت و طراحی سازههای ذخیره آب در شبکه زهکشی است. لذا هدف این مطالعه مقایسه کارایی منحنی سنجهرسوب و الگوریتمهای یادگیری ماشین برای تخمین بار رسوب معلق در رودخانههای کارستی در ایستگاههای هیدرومتری بهرامجو، چمانجیر، سراب صیدعلی و کاکارضا، استان لرستان، ایران بود.
<strong>مواد و روشها : </strong>در این مطالعه منحنی سنجهرسوب و پنج مدل، ماشینبردار پشتیبان با کرنل RBF (SVM-RBF)، ماشینبردار پشتیبان با کرنل PUK (SVM-PUK)، فرآیندهای گاوسی با کرنل PUK (GP-PUK)، فرآیندهای گاوسی با کرنل RBF (GP-RBF)، M5P، REEP Tree و جنگل تصادفی (RF) برای پیشبینی بار رسوب معلق در حوزهآبخیز کشکان، ایران مورداستفاده قرار گرفتند. ایستگاههای چمانجیر، بهرامجو، سراب صیدعلی و کاکارضا برای بررسی در این پژوهش انتخاب شدند. دادههای دما، باران و دبی بهعنوان پارامترهای ورودی و بار رسوب معلق بهعنوان پارامتر خروجی استفاده شدند. دوره آماری دادهها 20 سال (2001-2021) انتخاب شدهاند. مجموعه دادههای این تحقیق شامل دما، باران، دبی و بار رسوب معلق سه زیرحوضه است که 70 درصد دادهها برای آموزش و 30 درصد دادهها برای مرحله آزمایش استفاده شدند. درنهایت، دقت مدلها با استفاده از سه پارامتر ارزیابی عملکرد، ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین خطای مطلق مورد ارزیابی قرار گرفت.
<strong>نتایج و بحث: </strong>نتایج نشان داد که مدلهای SVM-PUK، GP-PUK، GP-RBF، M5P، REEP Tree و RF دارای کارایی بیشتری نسبت به روش منحنی سنجهرسوب بودند، زیرا از تکنیکهای غیرخطی برای بازسازی دادهها استفاده میکنند. علاوه بر این، از بین همه مدلها، مدل M5P که از دادههای تجزیهشده استفاده میکرد و ویژگیهای دینامیکی دادههای سری زمانی بار رسوب معلق غیرخطی و غیرثابت را به تصویر میکشید، کارایی بهتر و بالاتری در تخمین رسوب معلق نسبت به دیگر مدلها از خود نشان داد. بهترین ضریب تبیین نتایج منحنی سنجهرسوب برابر 5941/0 بود. مدل M5P بهترین ضریب تبیین را حدود 89/0 را نشان داد که کارایی بالاتری نست به منحنی سنجهرسوب بود. اگرچه این مدل نقاط اوج رسوب معلق را بهتر از SRC نشان داد، اما باز هم بار رسوب را بیش از حد مشاهداتی تخمین میزد و نمیتوانست مقادیر اوج رسوب معلق را که برای اهداف طراحی از اهمیت بالایی برخوردار هستند، را بهطور دقیق نشان دهد.
<strong>نتیجه گیری: </strong>رسوبات حمل شده توسط آب مشکلات جدی ایجاد میکند، ازجمله عمر مخزن سدها را کوتاه میکنند و ظرفیت تخلیه کانال را بهویژه در انتهایی رودخانهها کاهش میدهند. بنابراین، مدیریت رسوب قانون طلایی در مهندسی رودخانه است که تلاش و انرژی زیادی برای انجام آن صرف میشود. یکی از جنبههای مهم مدیریت رسوب، تخمین رسوب است که بیشتر بهصورت معلق در رودخانهها و دیگر تودههای آبی یافت میشود. این تحقیق بر مقایسه مدلهای مختلف تخمین رسوب معلق در رودخانهها انجام شده است. این تحقیق شامل روش سنتی، یعنی منحنی سنجهرسوب و الگوریتمهای یادگیری، یعنی SVM-PUK، GP-PUK، GP-RBF، M5P، REEP Tree و RF است. نتایج این مطالعه ارائه اطلاعات علمی برای پیشبینی بار رسوب معلق است و الگوریتمهای یادگیری میتوانند یک تکنیک کارآمد برای شبیهسازی سریهای زمانی بار رسوب معلق باشند زیرا ویژگیهای کلیدی تعبیهشده در میزان بار رسوب معلق را استخراج میکنند. در نهایت نتایج این تحقیق نشان داد که مدل M5P در پیشبینی میزان رسوب معلق در حوضههای خرمآباد، بیرانشهر و الشتر دارای کارایی بالایی است.https://iwm.ilam.ac.ir/article_711754_8700f04134f2c712c95821202a1bc3d1.pdfدانشگاه ایلاممدیریت جامع حوزه های آبخیز2783-45814220240621Social network analysis of rangeland stakeholders in Robat village, Khorasan Razavi Provinceتحلیل شبکه اجتماعی بهرهبرداران مرتع روستای رباط استان خراسان رضوی668071189910.22034/iwm.2024.2020189.1124FAامیررضاحیرانیگروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه فردوسی، مشهد، ایرانمهدیکلاهیگروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، پژوهشکده آب و محیط زیست، دانشگاه فردوسی، مشهد، ایران0000-0002-1115-9880حمیدعمرانیان خراسانیکارشناس ارشد مدیریت آب، شرکت زیست سامان نوآور (زیسان)، مشهد، ایرانJournal Article20240125<strong>Extended Abstract</strong>
<strong>Introduction: </strong>Social network analysis plays a pivotal role in decision-making across diverse management levels within natural resource programs, particularly in the intricate landscapes of rangelands. Its significance lies in unraveling complex social interactions and relationships, providing indispensable insights for comprehensive decision-making. Robat village in Khorasan-Razavi province stands out as a crucial focal point for this study, confronting an array of human and ecological challenges. Despite its ecological and environmental importance, the village has yet to undergo a thorough examination concerning social-ecological system analysis. This research aims to bridge this gap by scrutinizing the intricate web of social relationships within Robat village, placing specific emphasis on evaluating the influential role played by local authorities in fostering cooperation and participation in the management and protection of rangelands.
<strong>Materials and methods: </strong>Establishing a robust foundation for understanding the socio-ecological system within Robat village involved meticulous field studies, survey methods, and participatory observation. This comprehensive approach allowed for the precise delineation of socio-ecological boundaries and the identification of stakeholders within Robat village's customary system. Data collection incorporated a meticulously designed researcher-made network analysis questionnaire. This questionnaire was purposefully crafted to solicit nuanced information on the bonds of trust and participation among rangeland users, providing a detailed and insightful understanding of the complex social fabric within the community. Applying matrix algebra theory facilitated intricate mathematical calculations within the network analysis method. The utilization of Ucinet v6.191 software enabled the execution of these calculations, with the collected data matrix serving as a fundamental tool for deriving and evaluating crucial indicators.
<strong>Results and </strong><strong>Discussion: </strong>Analysis of the results uncovered a density index of 22.79% in the partnership link and 13.97% in the trust link, indicating a noteworthy yet moderate density in both connections. Further exploration revealed the degree of reciprocity in participation and trust links, standing at 51.42% and 37.5%, respectively. These percentages underscore the mutual nature inherent within these relationships, emphasizing the interconnectedness of participants. Additionally, the network size index shed light on the robustness of the network, highlighting 35 and 24 links within the Robat local stakeholders' network based on participation and trust links, respectively. Significantly, the density among central actors surpassed that among peripheral ones, elucidating the strategic placement of key and influential individuals within the network's central subgroups. This centralization contributes significantly to the heightened social cohesion observed within the community, fostering a conducive environment for effective collaboration.
<strong>Conclusion: </strong>This research not only addresses an existing gap in the field of social network analysis but also enriches the understanding of the establishment of a social-ecological system within Robat village. By delving into the communication patterns among rangeland users, the study unveils a multifaceted social system that encompasses the residents of the village, the local economy, infrastructure, and technology. These elements collectively act as drivers influencing the rural community's dynamics, shaping its response to challenges and fostering resilience and adaptation. Simultaneously, the rural community coexists within the broader rangelands ecosystem, where external factors such as climate change, drought, fires, and floods exert influences on vegetation, biodiversity, and water resources. Furthermore, the reciprocal relationship between the social and ecological systems is further mediated through institutions and management practices, emphasizing the intricate balance needed for adaptive governance and management. This interplay necessitates a nuanced analysis of the relationship between humans and rangelands, stressing the importance of adaptive strategies for sustainable development. In conclusion, this study offers valuable insights into the intricate social dynamics within Robat village, providing a foundation for informed decision-making and sustainable resource management. The presented findings serve as a stepping stone for future research and policy interventions, contributing to the broader understanding of social-ecological systems in rangeland environments.<strong>چکیده مبسوط</strong>
<strong>مقدمه: </strong>تحلیل شبکههای اجتماعی در برنامههای مدیریت منابع طبیعی و بخصوص مراتع کشور، یکی از ملزومات اساسی در اتخاذ هر نوع تصمیمگیری در سطوح مختلف مدیریتی و حکمروایی است. بدون داشتن اطلاعات از وضعیت اجتماعی روستاها و مردم محلی، طرحریزی سیاستی و برنامهریزی منطقهای، جامع و کامل نخواهد بود. روستای رباط واقع در استان خراسان رضوی، یکی از مناطقی است که دارای طیف وسیعی از فشارهای انسانی و بومشناسی است و تا کنون از لحاظ تحلیل سامانه اجتماعی-بومشناختی مورد ارزیابی قرار نگرفته است. به همین دلیل پژوهش حاضر با هدف تحلیل سامانه اجتماعی روستا و نقش تاثیرگذار قدرتهای محلی در میزان همکاری و مشارکت در برنامههای مدیریتی و حفاظتی انجام شده است.
<strong>مواد و روشها: </strong>به منظور استفاده از روش تحلیل شبکه اجتماعی برای ارزیابی الگوی روابط بین بهرهبرداران محلی روستای رباط، ابتدا مرز سامانه اجتماعی-بومشناختی روستا، تعیین و بر اساس مطالعات میدانی، روش پیمایشی و مشاهده مشارکتی، دامداران و سایر بهرهبرداران از سامان عرفی روستای رباط شناسایی شدند. ابزار جمعآوری اطلاعات شامل پرسشنامه تحلیل شبکه محققساخته بود. پیوندهای اعتماد و مشارکت میان بهرهبرداران مرتع در قالب پرسشنامه تحلیل شبکۀ اجتماعی، جمعآوری و تحلیل شدند. در روش تحلیل شبکه، از تئوری جبر ماتریس جهت انجام محاسبات ریاضی بهره گرفته شد. بهمنظور انجام کلیه محاسبات ریاضی از نرمافزار Ucinet v6.191 استفاده شد. در نهایت، با اقتباس از ماتریس دادههای جمعآوریشده، شاخصهای مورد نظر محاسبه و مورد ارزیابی قرار گرفتند.
<strong>نتایج و بحث: </strong>نتایج نشانداد که میزان شاخص تراکم در پیوند مشارکت، ۷۹/۲۲ درصد و در پیوند اعتماد، ۹۷/۱۳ درصد بوده که بیانگر میزان تراکم ضعیف در هر دو پیوند است. میزان مشارکت و اعتماد متقابل براساس میزان دوسویگی پیوندها بهترتیب ۴۲/۵۱ و ۵/۳۷ درصد در پیوندهای مشارکت و اعتماد است. میزان شاخص اندازه شبکه نیز نشان میدهد که در شبکه بهرهبرداران محلی رباط، براساس پیوندهای مشارکت و اعتماد بهترتیب ۳۵ و ۲۴ پیوند محقق شده است. همچنین تراکم در بین کنشگران مرکزی بیشتر از پیرامونی است و افراد کلیدی و مؤثر در شبکه در زیرگروههای مرکزی قرار گرفته و باعث افزایش انسجام اجتماعی شبکه میشوند.
<strong>نتیجهگیری: </strong>پژوهش حاضر با توجه به خلأ پژوهشهای انجام شده در حوزه تحلیل شبکههای اجتماعی، به مطالعه ارتباطات بهرهبرداران مرتع روستای رباط با هدف برقراری سامانه اجتماعی-بومشناختی پرداخت. در این راستا یک سامانه اجتماعی وجود دارد که شامل مردم روستا، اقتصاد جامعه محلی، زیرساختها و فناوری است. به این سامانه، پیشرانهایی وارد میشوند که بر روی جامعه روستایی تاثیر میگذارند. جامعه سعی دارد با فرآیند تابآوری و سازگاری نسبت به پیشرانها مقاومت کند. از طرف دیگر، جامعه روستایی بر روی اکوسیستمهای مرتعی زندگی میکند. زیرا روستا اجتماعی از انسانهاست که بر روی یک اکوسیستم طبیعی زندگی میکنند. در سامانه بومشناختی، عناصری مانند پوشش گیاهی، تنوع زیستی و منابع آب، توسط پیشرانهای دیگری مانند تغییر اقلیم، خشکسالی، آتشسوزیها و سیلابها تحت تاثیر قرار میگیرند. سامانه اجتماعی از طریق نهادها و سبک مدیریتی، بر روی سامانه بومشناختی تاثیر میگذارد. سامانه بومشناختی نیز از طریق کالاها و خدماتی که ارائه میکند -خواه مثبت یا منفی- بر روی سامانه اجتماعی تاثیر میگذارد. در اینجا فرآیندی میانی نیاز است صورت گیرد که به آن حکمروایی و مدیریت مشارکتی تطبیقی گویند که برآمده از تحلیل روابط انسان با مرتع است.https://iwm.ilam.ac.ir/article_711899_c0b37f17885b6bd457e08471d319a231.pdfدانشگاه ایلاممدیریت جامع حوزه های آبخیز2783-45814220240621Spatial modeling and mapping of flood potential using machine learning algorithms (Case study: Bushehr province)مدلسازی مکانی و تهیه نقشه پتانسیل سیلگیری با استفاده از الگوریتمهای یادگیری ماشین (مطالعه موردی: استان بوشهر)819671220810.22034/iwm.2024.2014966.1113FAفاطمهرضاییبخش مهندسی منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایرانحمیدرضاپورقاسمیبخش علوم خاک، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایرانسیدرشیدفلاح شمسیبخش مهندسی منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایرانرسولخسرویبخش مهندسی منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایراننرگسکریمی نژادبخش مهندسی منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایرانJournal Article20231103<strong>Extended Abstract</strong>
<strong>Introduction: </strong>Given the scarcity of data on river basins nationwide, numerous researchers turn to spatial analysis within a Geographic Information System (GIS) setting for hydrological studies and flood investigations. On that basis, identifying the most important factors influencing flood occurrence and severity, as well as building their sensitivity maps can be one of the most important solutions for flood reduction. Therefore, the objective of this study is to prepare a flood risk map in Bushehr province using machine learning techniques and to identify important factors affecting flood hazards.
<strong>Materials and methods: </strong>In this study conducted in Bushehr province, we aimed to compare the effectiveness of three machine learning models: Support Vector Machine (SVM), Random Forest (RF), and Generalized Additive Model (GAM). Initially, layers of information influencing flood occurrence in the study area were identified. Each prepared map served as input for the models. Various layers such as slope, slope direction, elevation, distance to river, drainage density, lithology, land use, topographic wetness index, and vegetation cover index were prepared using ArcGIS and SAGA-GIS software, crucial for analyzing flood patterns. Using data from 925 flood locations, points were divided into two sets: 70% (645 points) for modeling and 30% (280 points) for evaluation. The effectiveness of the models was validated using Receiver Operating Characteristic (ROC) analysis.
<strong>Results and </strong><strong>Discussion: </strong>The results indicated that among the ten main factors, height, rainfall, and lithology were the most important factors affecting flood occurrence, while slope and distance from the river had the least impact. Evaluating model accuracy using ROC revealed very good accuracy for the SVM model (0.86), generalized additive model (0.85), and RF model (0.88). Flood sensitivity analysis showed RF and GAM methods identified the highest area in the low susceptibility class, while the SVM method identified the highest area in the medium susceptibility class. Results indicated that 37.32% of the study area had low sensitivity, 26.01% had medium sensitivity, 12.42% had high sensitivity, and 24.42% were very sensitive to flood hazards. Also, two other models have had very good accuracy for flood modeling in the studied area. The ROC related to the RF model, SVM, and generalized collective model showed an accuracy of 88.5 for the RF model, 86% accuracy for the SVM model, and 85% accuracy for the generalized collective model.
<strong>Conclusion: </strong>This study concludes that integrating machine learning models, namely SVM, RF, and GAM, with GIS analysis holds tremendous potential for advancing our understanding of flood patterns in Bushehr province. Leveraging these tools allows for a deeper comprehension of flood dynamics, aiding informed decision-making and effective mitigation strategies. This approach marks a significant leap forward in proactively addressing flood challenges and fostering resilient flood management practices in Bushehr province.<strong>چکیده مبسوط</strong>
<strong>مقدمه: </strong>سیلاب یکی از مخربترین بلایای طبیعی محسوب میشود؛ بنابراین تهیه نقشه حساسیت سیلگیری گامی مهم در راستای مدیریت سیلاب است. به دلیل کمبود اطلاعات در اکثر حوزههای آبخیز کشور، بسیاری از محققان برای مطالعههای هیدرولوژیکی و سیلگیری از تجزیهوتحلیلهای مکانی در محیط GIS استفاده میکنند. بر این اساس، شناسایی مهمترین عوامل مؤثر بر ایجاد و تشدید وقوع سیل و همچنین تهیه نقشه حساسیتپذیری آن میتواند یکی از مهمترین راهکارها در راستای کاهش خطر سیل باشد؛ بنابراین هدف از پژوهش حاضر، تهیه نقشه حساسیتپذیری سیل در استان بوشهر با استفاده از تکنیکهای یادگیری ماشین و شناسایی عوامل مهم و مؤثر بر وقوع آن است.
<strong>مواد و روشها: </strong>پژوهش حاضر بهمنظور مقایسه کارایی سه مدل یادگیری ماشین، شامل جنگل تصادفی (RF)، ماشین بردار پشتیبان (SVM) و مدل جمعی تعمیمیافته (GAM) در تهیۀ نقشۀ سیلگیری استان بوشهر انجام شده است. در این تحقیق ابتدا لایههای اطلاعاتی تأثیرگذار بر رخداد سیلاب در منطقه موردمطالعه تعیین و هر یک از نقشههای تهیهشده بهعنوان ورودی به مدلهای ذکرشده در این تحقیق معرفی شدند تا بر اساس آنها نقشه حساسیت به سیلاب (سیلگیری) در محدوده مطالعاتی تهیه شود. بدین منظور، لایههای اطلاعاتی درجۀ شیب، جهت شیب، ارتفاع، فاصله از رودخانه، تراکم زهکشی، سنگشناسی، کاربری اراضی، شاخص رطوبت توپوگرافی، شاخص تفاضلی پوشش گیاهی نرمالشده و بارندگی در محیط سامانۀ اطلاعات مکانی در نرمافزارهای ArcGIS و SAGA-GIS تهیه شد. سپس بر اساس اطلاعات 925 موقعیت سیلابهای رخداده و شناساییشده در محیط گوگل ارث انجین، از 70 درصد تعداد کل نقاط (645 نقطه) بهمنظور مدلسازی و 30 درصد باقیمانده (280 نقطه) برای ارزیابی استفاده شد. بهمنظور اعتبارسنجی و ارزیابی کارایی مدلها نیز از منحنی تشخیص عملکرد نسبی استفاده شد.
<strong>نتایج و بحث: </strong>نتایج روش جنگل تصادفی نتایج نشان داد از بین 10 عامل اصلی، عوامل ارتفاع، بارندگی و سنگشناسی بهعنوان مهمترین فاکتورهای تأثیرگذار بر وقوع سیل در منطقه موردمطالعه بوده و در مقابل عوامل جهت شیب و فاصله از رودخانه دارای کمترین تأثیر بر وقوع سیل میباشند. بهعبارتدیگر، نتایج نشان داد که عوامل ارتفاع، بارندگی و سنگشناسی بیشترین تأثیر را بر سیلگیری منطقۀ موردمطالعه دارند. نتایج ارزیابی دقت مدلها با استفاده شاخص سطح زیر منحنی نشان داد که مدل ماشین بردار پشتیبان (86/0)، مدل جمعی تعمیمیافته (85/0) و مدل جنگل تصادفی (88/0) دارای دقت خیلی خوب هستند. همچنین بیشترین مساحت حساسیت سیل در مدل جنگل تصادفی و مدل جمعی تعمیمیافته مربوط به طبقه کم است. اگرچه در مدل ماشینبردار پشتیبان بیشترین کلاس حساسیت مربوط به طبقه متوسط است؛ بنابراین بر اساس شاخصهای مذکور هر سه مدل توانائی خوبی در شناسایی مناطق سیلگیر دارند. بهبیاندیگر، نتایج بهدستآمده بر اساس مدل ماشین بردار پشتیبان نشان میدهد که 32/37 درصد از مساحت استان دارای حساسیت کم، 01/26 درصد از مساحت استان دارای حساسیت متوسط، 42/12 درصد از استان دارای حساسیت زیاد و 42/24 درصد از مساحت استان دارای حساسیت خیلی زیاد نسبت به سیلخیزی هستند. همچنین دو مدل دیگر نیز از دقت خیلی خوبی برای مدلسازی سیل در منطقه موردمطالعه برخوردار بودهاند. نمودار ROC مربوط به مربوط به مدل جنگل تصادفی، ماشین بردار پشتیبان و مدل جمعی تعمیمیافته نشاندهنده دقت 5/88 برای مدل جنگل تصادفی، دقت 86 درصد برای مدل ماشین بردار پشتیبان و دقت 85 درصد برای مدل جمعی است.
<strong>نتیجهگیری: </strong>نتایج بهدستآمده از تحقیق حاضر میتواند کمک قابلتوجهی به دولت، برنامهریزان و مهندسین در پیشگیری و کاهش وقوع سیلاب نماید. همچنین میتوان از روشهای دیگر و ترکیب آنها برای مدلسازی و مقایسه نتیجه آن با پژوهش حاضر استفاده کرد. بنا بر نتایج این تحقیق میتوان اذعان داشت با استفاده از ابزارهای قدرتمند هوش مصنوعی، محققان و ذینفعان درک عمیقتری از پویایی پیچیده در وقوع سیل به دست میآورند و در نتیجه تصمیمگیری آگاهانهتر و استراتژیهای مؤثرتری را در کاهش و کنترل سیل به کار میبرند.https://iwm.ilam.ac.ir/article_712208_a5bfcdd72dc52cebfbcf8e637db07493.pdf