نوع مقاله : مقاله پژوهشی
نویسندگان
1 دکترای برنامهریزی محیطزیست، گروه برنامهریزی، مدیریت و آموزش محیطزیست، دانشکدۀ محیطزیست، دانشگاه تهران، تهران، ایران
2 دکترای برنامهریزی محیطزیست، گروه برنامهریزی، مدیریت و آموزش محیطزیست، دانشکدۀ محیطزیست، دانشگاه تهران، تهران، ایران
3 استادیار گروه برنامهریزی، مدیریت و آموزش محیطزیست، دانشکدۀ محیطزیست، دانشگاه تهران، تهران، ایران
چکیده
کلیدواژهها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
Abstract
In recent years, augmentation of ecosystem services has emerged as a critical concern. However, there is a dearth of information regarding ecosystem services within the realm of planning. This study sought to address this gap by assessing the influence of landscape structure on ecosystem functionality. To achieve this, we utilized InVEST software to model ecosystem services, such as carbon sequestration, soil maintenance, and flood prevention. Additionally, we employed MSPA and Fragstate software to derive 4 key ecological indicators: biomass quantity, fragmentation, core area, and ratio of environmental area to forest core area. Subsequently, we examined the relationship between these ecological indicators and the selected ecosystem services. Our findings indicated a robust and positive correlation between the presence of forested and verdant areas, as well as larger and more interconnected cores within these areas, and the provision of desired services. Notably, in forest patches, a decrease in ecosystem service provision was observed with increased fragmentation and instability, underscoring the importance of preserving and expanding the Hyrcanian forests while also prioritizing integrity and reducing isolated patches for enhancing ecological productivity in the northern provinces of the country.
Keywords: Ecosystem, Ecosystem Services, Ecological Indicators, Planning
Introduction
The decline of ecosystem services is a matter of grave concern as it has the potential to undermine the long-term resilience of ecosystems and precipitate abrupt changes that jeopardize a safe habitat for humanity. The type and intensity of land use, along with the spatial arrangement of land cover types within a region, can significantly alter its capacity to furnish ecosystem services. This is because transitioning from one land use type to another impacts crucial ecological processes, such as energy exchange, water cycle, and biogeochemical cycles, consequently influencing the provision of ecosystem services. Configuration of land use is a pivotal structural factor that influences ecosystem functionality and delivery of services. Notably, human activities, land cover, and associated changes have been identified from among the most influential factors shaping the structure, composition, and function of ecosystems that underpin their services.
Effective land use management and planning necessitate an initial phase of assessing and mapping ecosystem services. This stage yields crucial information, including identification of areas that yield high levels of service and require protection or management to sustain the services provided, as well as recognition of areas with specific ecosystem services and changes in the provision of ecosystem services over time.
Despite previous research efforts, no study has comprehensively explored the significant ecological indicators in relation to overall ecosystem services. Furthermore, optimization of ecological network elements to enhance ecosystem services has been predominantly limited to the establishment of corridors between ecological network cores (Xiao et al., 2020; Guo et al., 2018; Shi and Qin, 2018). Therefore, this study endeavored to identify and evaluate the relationships between key ecological indicators and ecosystem services.
Materials & Methods
The research area encompassed two watersheds, Lahijan Chaboksar and Astana-Kuchesfahan, situated in the eastern and central regions of Gilan Province, respectively.
The initial step of this study involved the classification of satellite images of the study area in 2020. To achieve this, Landsat 8 images captured between 01/01/2020 and 12/31/2020 with cloud cover below 10% were utilized. Subsequently, classification of land cover was conducted, employing normalized vegetation difference index products and guidelines for the four seasons, urban areas, and tree cover to identify forested areas with trees exceeding 30 meters in height. Additionally, ground-based data input by the user was utilized to classify land cover into 8 categories: forested areas, open spaces, pastures, agricultural lands, tea cultivation lands, gardens, water bodies, and man-made lands encompassing roads and urban areas.
In the subsequent phase, 3 pivotal ecosystem services—carbon storage, flood mitigation, and sediment preservation—were selected for assessment. These services represented crucial contributions of the watershed, reflecting its equilibrium. The latest iteration of the Integrated Valuation of Ecosystem Services (InVEST) model was employed to quantify these services. Following the modeling and unweighting of the targeted services, the aggregate ecosystem service value was computed from the set of unweighted services. Furthermore, 4 ecological indicators—fragmentation, Normalized Difference Vegetation Index (NDVI), forest core area, and ratio of environmental area to core area—were evaluated. Subsequently, 1600 samples were selected using the "Fishnet" tool to calculate the correlation coefficient of total ecosystem services with the designated indicators. The data pertaining to ecological indicators and total ecosystem services were extracted from these samples. Pearson's correlation was then utilized to ascertain the magnitude, nature, and direction of the relationship between the two variables.
Research Findings
The index of Total Ecosystem Services (TES) for the three services under scrutiny ranged from 2.67 to 0.0, representing the highest and lowest values, respectively. Notably, the lowest value of service provision within the watershed was modeled in urban and built-up areas, registering a value of 0, while the highest value was observed in areas with a slope of less than 10% within the Hyrcanian forests, reaching a peak value of 2.67. Furthermore, in the northern region where agricultural lands had expanded, they accounted for the highest level of service provision following the forests.
Calculation of NDVI revealed a range of 0.03 to 0.99 across the region. The highest NDVI values were recorded in densely populated areas in the south where the Hyrcanian forests were prevalent, while the lowest values were observed in man-made areas. Additionally, the disintegration index computed using GTB software fluctuated between 0 and 101 within the studied watershed. The lowest forest fragmentation rates were concentrated in the inner and central areas of the Hyrcanian forests in the southern half of the region, whereas the highest rates were found in isolated patches in the northern half part. Despite being fragmented, the forest edges exhibited an intermediate state owing to the high density of patches.
An examination of the correlation between the aforementioned indices and TES revealed a significant positive correlation between TES and NDVI, as well as core area, with the correlation coefficients of 0.77 and 0.70, respectively. This suggested that an increase in either of these factors could lead to an enhancement in the quantity of the ecosystem services in question. Conversely, there existed a notable negative correlation between the TES index and the ratio of environmental area to core area, as well as the fragmentation index, with the correlation coefficients of -0.63 and -0.71, respectively. This implied that an increase in forest fragmentation or a shift towards edge-like configurations would diminish the provision of the desired services.
Discussion of Results & Conclusion
The findings indicated that areas with more forest cover and greenery, as well as larger cores within these areas, were capable of providing more substantial ecosystem services. These results aligned with the findings of Situmorang et al. in 2016 and Shen et al. in 2019. Conversely, as the perimeter-to-core area ratio of forest patches increased, leading to a greater tendency for patches to become smaller and unstable, and as fragmentation within these patches intensified, the capacity of these patches to provide ecosystem services diminished significantly. These outcomes were consistent with the findings of Saeed et al. in 2019. Overall, this research underscored the influential role of secondary factors, in addition to land use, in the provision of ecosystem services. This insight can inform planning efforts aimed at enhancing the efficiency of programs and optimizing the delivery of desired ecosystem services. It is imperative to take proactive measures in this regard.
کلیدواژهها [English]
مقدمه
ساختار و عملکرد اکوسیستم خدمات متنوعی را ارائه میدهد که بهعنوان خدمات اکوسیستمی (Ecosystem services) شناخته میشود. درواقع، خدمات اکوسیستمی مزایایی است که جوامع انسانی بهصورت مستقیم و غیرمستقیم از اکوسیستمها دریافت میکنند (MEA, 2005) و به چهار دستۀ تنظیمی، تأمینی، زیستگاهی و خدمات فرهنگی تقسیم میشود (TEEB, 2010). درنتیجه، خدمات اکوسیستمی نشانههای واقعبینانه از مزایای طبیعی است که پایداری جوامع انسانی را به شیوهای سازگار با محیطزیست حفظ میکند (Asadolahi et al., 2018). از این رو، از دست دادن خدمات اکوسیستمی نگرانی خاصی دارد؛ زیرا ممکن است انعطافپذیری آنها را در درازمدت به خطر بیندازد و منجر به تغییرات ناگهانی شود و درنهایت، فضای زیستی ایمن را برای بشریت از بین ببرد (Steffen et al., 2015).
نوع کاربری و پوشش اراضی، الگوهای مکانی چینش انواع طبقات پوشش زمین در یک منطقه و تغییرات در سیمای سرزمین میتوانند ظرفیت ارائۀ خدمات اکوسیستمی منطقه را تغییر دهند؛ زیرا تغییر در هریک از این مؤلفهها، فرآیندهای اکولوژیک عمده (تبادل انرژی، چرخۀ آب و چرخۀ زیستزمین شیمیایی و بهتبع آن عرضۀ خدمات اکوسیستم) را تحتتأثیر قرار میدهد (Qiu, 2019; Zhu et al., 2021; Yohannes et al., 2021)؛ درنتیجه، کاوش دربارۀ عوامل و مکانیسمهای تأثیرگذار بر خدمات اکوسیستمی مختلف یک نیاز اساسی برای بهبود درک تولید، تحویل، تبدیل و نگهداری خدمات اکوسیستمی، برنامهریزی پایدار کاربری اراضی (Lee & Lautenbach, 2016) و مدیریت و حفاظت از اکوسیستمهای طبیعی (Schwilch et al., 2016) است.
بنابراین امروزه محققان در پژوهشهای خود دربارۀ خدمات اکوسیستمی نفوذ خودشان را به برنامهریزی و بومشناسی چشمانداز گسترش دادهاند؛ بهطوری که خدمات اکوسیستمی به کانون اساسی جنبش پایداری تبدیل شده است. این مهم فرصتی را برای افزایش قابلیت استفاده، سودمندی، اثربخشی و مشروعیت خدمات اکوسیستمی در برنامهریزی فراهم میکند (Qiu et al., 2022).
همانگونه که اشاره شد در سالهای اخیر مطالعات دربارۀ خدمات اکوسیستمی درسطح دنیا گسترش یافته است (Clerici et al., 2019; Lüke & Hack, 2018; Fan et al., 2016; Zhu et al., 2021)؛ اما در تعداد کمی از مطالعات یک معیار خاص اکولوژیکی برروی یک خدمت اکوسیستمی خاص بررسی شده است که از آن جمله میتوان به موارد ذیل اشاره کرد.
پیشینۀ پژوهش
کیو پژوهشی با عنوان «اثرات الگوی منظر بر گردهافشانی، کنترل آفات، کیفیت آب، تنظیم سیل و خدمات اکوسیستم فرهنگی: مروری بر ادبیات و چشمانداز تحقیقات آینده» انجام داد. در این مطالعه تأکید شده است که گردهافشانی در مناظر پیچیده و ناهمگن با زیستگاههای طبیعی / نیمهطبیعی اطراف بیشتر افزایش مییابد. پیکربندی فضایی پوششهای زمین، اتصال و اثرهای لبه در کنترل آفات اهمیت دارد. علاوه بر این، پیکربندی پوششهای زمین میتواند گاهی اوقات ترکیب را بهعنوان محرک اصلی برای کیفیت آب برتری دهد. برای کنترل سیل، پوششهای طبیعی بزرگتر و کمتر تکهتکهشده اوج رواناب را کاهش میدهد. همچنین، این پژوهش نشان داد که خدمات فرهنگی منظری ناهمگونی دارد (Qiu, 2019).
سعید و همکاران پژوهشی با عنوان «اثر لبۀ جنگل بر کربن زیستتوده در امتداد شیبهای ارتفاعی در صنوبر چینی (Cunninghamia lanceolata): مطالعهای از جنوب شرقی چین» انجام دادند. محققان در این مطالعه لبههای لکههای جنگلی را برروی خدمت اکوسیستمی ترسیب کربن با استفاده از دادههای موجودی میدانی از یک اکوسیستم جنگلی Populus alba در جنوب شرقی چین بررسی کردند. در این مطالعه کربن در لبۀ جنگل و داخل جنگل در ارتفاعات مختلف اندازهگیری شد. نتایج حاکی از همبستگی مثبت و معنادار میان زیستتودۀ کربن با ارتفاع بود. همچنین، نتایج نشان داد که لبههای جنگل بهطور چشمگیری کربن کمتری نسبت به فضای داخلی جنگل دارد. سرانجام، این مطالعه نشان داد که نادیدهگرفتن اثرهای لبه، چگالی کربن را تا 46/9 درصد بیشازحد برآورد میکند (Saeed et al., 2019).
شن و همکاران پژوهشی با عنوان «ذخیرۀ کربن خاک و عوامل تعیینکنندۀ آن در قطعات جنگل با اندازۀ تکههای متمایز» انجام دادند. محققان در این مطالعه ذخیرۀ کربن خاک و عوامل تعیینکنندۀ آن را در قطعات جنگلی با تکههای متفاوت بررسی کردند. نتایج این مطالعه نشان داد که ذخیرۀ کربن خاک بهطور چشمگیری از لبههای جنگل نسبت به فضای داخلی بهدلیل غلظت کربن سنگدانههای کوچک و بزرگ در جنگل افزایش مییابد. همین روند نیز با افزایش اندازۀ تکههای جنگلی در سیمای سرزمین مشاهده میشود. علاوه بر این، نتایج نشان داد که ذخیرۀ کربن خاک در قطعات جنگلی ازهمگسیخته بهدلیل وجود نسبت کمتر توزیع کلاندانههای کوچک و پراکنده و نیز بهدلیل میزان کمتر تولید ریشه ریز بهطور چشمگیری کاهش مییابد. در ایران نیز چند مطالعه دربارۀ اندازهگیری خدمات اکوسیستمی و ارتباط آنها با تغییر کاربری اراضی انجام شده است (Shen et al., 2019).
اسدالهی و همکاران (1394) پژوهشی با عنوان «مدلسازی خدمت اکوسیستمی نگهداشت خاک: مطالعۀ موردی: ناحیۀ شرقی حوزۀ آبخیز گرگانرود» انجام دادند. محققان در این پژوهش مدلسازی خدمت نگهداشت خاک را با نرمافزار InVEST در بخش شرقی حوضۀ آبخیز گرگانرود برررسی کردند. نتایج نشان داد که منطقهها با پتانسیل فرسایش بالا بهطور عمده، در مسیر آبراههها و در منطقهها جنگلی مرتفع با شیب زیاد قرار دارند. همچنین، زیرحوضهها با پوشش غالب جنگلی و اراضی کشاورزی در منطقههای پاییندست حوضه بهترتیب بیشترین و کمترین خدمت نگهداشت خاک را در منطقۀ مطالعهشده ارائه میدهند. بهعلاوه، نتایج نشان داد که نرمافزار InVEST دربارۀ این خدمات اکوسیستمی نتایج خوبی را در اختیار کاربر قرار میدهد.
ذبیحی و همکاران (1400) پژوهشی با عنوان «کاربست مدل خدمات بومسازگان InVEST در اولویتبندی زیرآبخیزهای تاالر ازنظر هدررفت خاک، نگهداشت و تولید رسوب» انجام دادند. محققان در این مطالعه اولویتبندی زیرآبخیزهای تالار را در استان مازندران ازنظر هدررفت خاک، نگهداشت و تولید رسوب با استفاده از نرمافزار InVEST بررسی کردند. نتایج مطالعۀ آنها نشاندهندۀ افزایش هدررفت خاک از سمت جنوب به شمال حوضه است که باعث شده است تا دو زیرآبخیز آسران و قدمگاه در شرایط بحرانی فرسایش خاک قرار داشته باشند.
عادلی ساردو (1400) پژوهشی با عنوان «مدیریت منابع آب در بخش کشاورزی: رویکرد خدمات اکوسیستمی و لحاظ آب مجازی: نمونۀ موردی: حوضۀ آبخیز هلیل رود» انجام داد. محقق در این پژوهش در چهارچوبی مفهومی تأثیرات تغییرات کاربری اراضیِ ناشی از فعالیتهای کشاورزی را بر مقدار تولید سایر خدمات اکوسیستمی و روابط میان آنها درطول زمان در دشت جیرفت بررسی کردند. به این منظور خدمات اکوسیستمی مهم منطقه مانند تولید محصولات کشاورزی، تولید آب، ترسیب کربن و انتقال مواد مغذی با نرمافزار InVEST مدلسازی و سپس تأثیرات تغییرات کاربری اراضی بر روابط میان این خدمات درطول زمان بررسی شد. نتایج این پژوهش نشاندهندۀ اثرهای مستقیم تغییر کاربری اراضی برروی خدمات اکوسیستمی در منطقۀ مطالعهشده بود. همچنین، این پژوهش نشان داد که روابط و بده–بستانهای میان خدمات اکوسیستمی درطول زمان تغییر میکند که میتوان به این مهم در برنامهریزیها و نگاه برنامهریزان به خدمات اکوسیستمی توجه شود.
در بین پژوهشهای انجامشده در هیچ مطالعهای به عواملی چون 1- شاخص اکولوژیکی ازهمگسیختگی جنگل بهعنوان یک عامل مهم در سیمای سرزمین، 2- زیستتوده بهعنوان متغیر نشاندهندۀ تغییر کاربری اراضی سبز، 3- مساحت هسته و نسبت محیط به مساحت هسته بهعنوان شاخصهای پایداری سیمای سرزمین با خدمات اکوسیستمی ترسیب کربن، 4- نگهداشت خاک و جلوگیری از سیلاب بهعنوان خدمات نشاندهندۀ شرایط کاربری و پوشش زمین، شبکۀ اکولوژیک، وضعیت پوشش گیاهی و شرایط خاک در منطقۀ مطالعهشده (Kretz et al., 2021; Shen et al., 2019; Islam et al., 2017)، توجه نشده است؛ بنابراین در پژوهش حاضر سعی شده است تا در راستای مطالعۀ عمیقتر دربارۀ اثرهای تغییرات ساختاری بر خدمات اکوسیستمی ارائهشده ازسوی اکوسیستم، ارتباط شاخصهای اکولوژیکی مهم منطقهها جنگلی (زیستتوده، ازهمگسیختگی، مساحت هسته و نسبت محیط به مساحت هسته) برروی خدمات منتخب ذکرشده بررسی شود.
روششناسی پژوهش
منطقۀ مطالعهشده
منطقۀ مطالعهشده در پژوهش حاضر تلفیق دو حوزۀ آبخیز لاهیجان چابکسر و آستانه-کوچصفهان است که بهترتیب در شرق و مرکز استان گیلان قرار دارد (شکل 1). حوزۀ آستانه-کوچصفهان با مساحت 1100 کیلومتر مربع برروی مخروط خزر و دلتاهای رودخانۀ سفیدرود تشکیل شده است. مرزهای سطحی این حوزه دریای خزر و دلتاهای رودخانۀ سپیدرود در قسمت شمال، جنگلهای هیرکانی در جنوب، حوزۀ آبخیز لاهیجان-چابکسر در شرق و دشت فومنات در غرب است. طول جغرافیایی این حوزه از¢ 12° 49 تا ¢ 05°50 عرض شرقی و ¢07 °37 تا ¢25 °37 طول شمالی نوسان دارد. این حوزه دربرگیرندۀ بخشهایی از شهرستانهای آستانه، رشت، سیاهکل، رودبار و لاهیجان است. حوزۀ آبخیز لاهیجان چابکسر با مساحت 30 کیلومتر مربع بین ¢ 21° 50 تا ¢ 26°50 عرض شرقی و ¢02 °37 تا ¢06 °37 طول شمالی قرار گرفته است. مرزهای این محدوده از سمت شمال به دریای خزر، از شرق و غرب بهترتیب به رودخانههای خشکهرود و پلرود و از جنوب دربرگیرندۀ بخشی از جنگلهای هیرکانی است. این حوزه نیز دربرگیرندۀ بخشهایی از شهرستانهای لاهیجان، لنگرود، املش، رودسر، سیاهکل و بخشهای کمی از رودبار است. مهمترین رودخانه در این منطقه، رودخانۀ سفیدرود است که از بهم پیوست دو رودخانۀ قزلاوزن و شاهرود در پشت سد منجیل در شهرستان رودبار تشکیل میشود. طول رودخانه در محدودۀ کوهستان حدود 57 کیلومتر و در محدودۀ جلگه حدود 54 کیلومتر و دبی آن بهطور تقریبی، برابر با 50 متر مکعب بر ثانیه است. ازنظر زمینشناسی منطقۀ مطالعهشده در زون زمینشناسی گرگان–رشت و البرز قرار دارد. از ویژگیهای مهم این پهنه میتوان به فعالیتهای تکنوتیکی، فرونشینی دریای خزر و پیسنگ دگرگونی پرکامبرین دریای خزر اشاره کرد. همچنین، تداوم رسوبگذاری آهکی بین ژوراسیک و کرتاسه نیز از ویژگیهای این پهنه است. بهعلاوه، ازنظر آبوهوایی نیز منطقۀ مطالعهشده در طبقۀ آبوهوایی مرطوب قرار دارد (معصومی و همکاران، 1400).
شکل 1: منطقۀ مطالعهشده (منبع: نویسندگان، 1402)
Figure 1: Study area
طبقهبندی تصاویر ماهوارهای
طبقهبندی تصاویر ماهوارهای چالشهایی ازجمله اطمینان از کیفیت ابرناکی تصاویر (در برخی از منطقهها مانند استانهای شمالی بهشدت فراوان است)، یافتن روشی بهینه برای تصحیح اتمسفریک و هندسی تصاویر و درنهایت، استفاده از روشی بهینه برای پردازش و طبقهبندی آنها را دارد. در پژوهش حاضر برای مقابله با این چالشها از سامانۀGoogle Earth Engine ازجهت طبقهبندی تصاویر استفاده شد. این سامانه یک پلتفرم مبتنی بر اینترنت است که برای اولین بار در سال 2008 رونمایی شده است. (Gorelick et al., 2017). تصاویر دریافتشده در Earth Engine برای سهولت دسترسی سریع و کارآمد از قبل پردازش میشود (Kumar & Mutango, 2018). برای طبقهبندی پوشش زمین در این مطالعه از مجموع تصاویر لندست 8 در بازۀ زمانی 01/01/2020 الی 31/12/2020 که ابرناکی زیر 10 درصد داشتند، استفاده شد. سپس با استفاده از محصولات و شیوهنامه شاخص تفاضل پوشش گیاهی نرمالشدۀ (Normalized Difference Vegetation Index (NDVI)) مربوط به چهار فصل، اراضی شهری، پوشش درختی (برای شناسایی منطقهها جنگلی با درختان بیش از 30 متر) و دادههای تعلیمی برداشتهشده از زمین و واردشده به سامانه ازسوی کاربر، پوشش زمین به 8 طبقۀ جنگل، فضای باز، مرتع، اراضی کشاورزی، اراضی کشت چای، باغها، بدنۀ آبی (دریاچه، تالاب و رودخانه) و اراضی انسانساخت (جادهها و شهرها) طبقهبندی و از نتایج حاصل از این بخش بهعنوان پوشش زمین در بخش بعدی استفاده شد. گفتنی است که در پژوهش حاضر ضریب کاپا بهعنوان معیاری برای سنجش دقت تصاویر با استفاده از مقایسۀ نقشۀ بهدستآمده از طبقهبندی تصاویر ماهوارهای با 25 نقطۀ برداشتشده از زمین بهعنوان نقاط مرجع محاسبه شد.
ارزیابی خدمات اکوسیستمی
سه خدمت اکوسیستمی شامل ترسیب کربن، کاهش سیل و حفظ رسوب در این پژوهش انتخاب شد. این خدمات از مهمترین خدمات اکوسیستمی ارائهشده ازسوی حوضۀ آبخیز است. همانگونه که پیشتر مطرح شد خدمات فوق نشاندهندۀ شرایط کاربری و پوشش زمین، شبکۀ اکولوژیک، وضعیت پوشش گیاهی و شرایط خاک در منطقۀ مطالعهشده (Kretz et al., 2021; Shen et al., 2019; Islam et al., 2017) است. در پژوهش حاضر برای تعیین کمیت خدمات اکوسیستمی از آخرین نسخۀ مدل ارزشگذاری یکپارچۀ خدمات اکوسیستم (InVEST) استفاده شد. نرمافزار InVEST که روش ارزیابی را برای بیش از بیستوپنج سرویس اکوسیستمی ارائه میکند، یکی از پرکاربردترین نرمافزارها برای ارزیابی و فضاییسازی خدمات اکوسیستمی است. این نرمافزار میتواند خدمات مختلف اکوسیستم را ارزیابی کند و سپس تجزیهوتحلیل جامعی را برای برنامهریزی بازسازی اکولوژیکی، پرداخت خدمات اکوسیستم و ارزیابی اثرهای توسعه و مجوز فضایی ارائه دهد (Guo et al., 2018)
مدلسازی خدمت اکوسیستمی نگهداشت رسوب
در این پژوهش برای محاسبۀ خدمت اکوسیستمی نگهداشت خاک از مدل «نسبت تحویل رسوب» و از آخرین نسخۀ نرمافزار InVEST 3.11 استفاده شد. فرمول محاسبه به شرح زیر است:
(فرمول 1)
در فرمول 1 USLEi میانگین هدررفت خاک، Ri فاکتور فرسایندگی باران، Ki عامل فرسایشپذیری خاک، Li فاکتور طول شیب، Si ضریب شیب، Ci عامل پوشش و کاربری اراضی و Pi عامل اقدامهای مدیریتی در پیکسل i است.
برای استخراج هریک از دادههای لازم بهعنوان ورودی مدل به مقالۀ سادات و همکاران (1401) مراجعه کنید.
مدلسازی خدمت اکوسیستمی ترسیب کربن
در این پژوهش برای محاسبۀ ترسیب کربن از «مدل ذخیره و ترسیب کربن» در InVEST استفاده شد. این مدل برای تخمین مقدار کربن ذخیرهشده در یک سیمای سرزمین یا مقدار کربن جداشده درطول زمان از ذخایر در چهار استخر کربن (زیستتودۀ روی زمین، زیستتودۀ زیرزمینی، خاک و مواد آلی مرده) استفاده میکند. مقدار ترسیب کربن درطول زمان برای یک پیکسل معین x برابر است با:
(فرمول 2)
(فرمول 3)
در فرمولهای 2 و 3، i نشاندهندۀ نوع کاربری زمین و Ci نشاندهندۀ تراکم کربن کل خاک و موجودات از نوع زمین i است. Ci-above به چگالی کربن موجودات کاربری نوع i، Ci-below به چگالی کربن موجودات زیرزمینی کاربری نوع i، Cidead به چگالی کربن مادۀ آلی بستر زمین نوع i، Ci-soil به چگالی کربن مادۀ آلی خاک در لایۀ خاک طبقۀ i زمین در عمق معینی (0 تا 100 سانتیمتر در این مطالعه) اشاره دارد. همچنین، Ctotal نشاندهندۀ کل ذخیره کربن، Si نشاندهندۀ مساحت کل کاربری زمین نوع i و n نشاندهندۀ تعداد کل انواع کاربری زمین است (Zhu et al., 2021).
در پژوهش حاضر بهدلیل مشابهت منطقۀ مطالعهشده ازنظر آبوهوایی و کاربری اراضی از مطالعۀ لیانگ و همکاران و وانگ و همکاران برای تعیین carbon pools استفاده شد (Liang et al., 2017; Wang et al., 2002) (جدول 1).
جدول 1: چگالی کربن هریک از ذخیرگاههای کربن در هر پوشش زمین
Table 1: Carbon density of each carbon storage in each land cover
|
تراکم کربن در روی زمین (Mg/Ha) |
تراکم کربن در زیرزمین (Mg/Ha) |
تراکم کربن در بخش زندۀ خاک (Mg/Ha) |
تراکم کربن در بخش مردۀ خاک مرده (Mg/Ha) |
کاربری اراضی |
|
75/1050 |
5/22 |
05/980 |
75/11 |
جنگل |
|
4/0 |
83/0 |
254 |
0 |
اراضی باز |
|
8/1 |
43/1 |
33/656 |
22/0 |
مرتع |
|
56/4 |
54/7 |
33/837 |
5/1 |
کشاورزی |
|
4/7 |
2 |
33/910 |
5/2 |
اراضی چای |
|
0 |
0 |
67/388 |
0 |
اراضی ساختهشده |
|
0 |
0 |
0 |
0 |
بدنۀ آبی |
منبع: Liang et al., 2017; Wang et al., 2002
مدلسازی خدمت اکوسیستمی جلوگیری از سیلاب
در پژوهش حاضر از مدل کاهش خطر سیل در نرمافزار InVEST استفاده شده است. در این مدل، منابع مختلف سیل مانند رودخانه، ساحلی و طوفان درنظر گرفته شده است. مدل کاهش خطر سیل، مقدار رواناب باقیمانده را در هر پیکسل درمقایسه با حجم طوفان برای محاسبۀ این سرویس اکوسیستمی محاسبه میکند. رواناب (mm)Q با روش مقدار منحنی رواناب برای هر پیکسل i که با نوع کاربری زمین و ویژگیهای خاک تعریف میشود، در نرمافزار InVEST تخمین زده میشود:
if P > (فرمول 4)
در فرمول 4 که P عمق طوفان طراحیشده برحسب میلیمتر است، Smax,i میزان احتباس پتانسیل برحسب میلیمتر و λSmax عمق بارندگی لازم برای شروع رواناب است (λ=0.2 برای سادهسازی) (Sharp et al., 2018).
Smax (محاسبهشده برحسب میلیمتر) تابعی از عدد منحنی (Curve number (CN) یک پارامتر تجربی است که به کاربری زمین و ویژگیهای خاک بستگی دارد (NRCS, 2004) (فرمول 5):
(فرمول 5)
سپس مدل احتباس رواناب را در هر پیکسل Ri به صورت فرمول 6 محاسبه میکند:
(فرمول 6)
و حجم نگهداری رواناب در هر پیکسل R_m3i به صورت زیر است (فرمول 7):
(فرمول 7)
حجم رواناب که بهعنوان «حجم سیل» نامیده میشود، در هر پیکسل Q_m3i بهصورت زیر محاسبه میشود (فرمول 8):
(فرمول 8)
جدول 2 CNهای مربوط را برای هر نوع پوشش زمین نشان میدهد که در پژوهش حاضر بهعنوان جدول بیوفیزیکی در مدل کاهش خطر سیل InVEST استفاده شد.
جدول 2: عدد منحنی برای هر طبقه از پوشش زمین
Table 2: Curve number for each class of land cover
|
cn_A |
cn_B |
cn_C |
cn_D |
طبقۀ پوشش زمین |
|
30 |
55 |
70 |
77 |
جنگل |
|
55 |
72 |
81 |
86 |
اراضی باز |
|
39 |
5/61 |
5/73 |
80 |
مرتع |
|
60 |
72 |
81 |
84 |
کشاورزی |
|
30 |
58 |
71 |
78 |
اراضی چای |
|
74 |
84 |
88 |
90 |
اراضی ساختهشده |
|
0 |
0 |
0 |
0 |
بدنۀ آبی |
منبع: USDA, 1986
محاسبۀ شاخص خدمات اکوسیستمی کل Total Ecosystem Services (TES)
در این مرحله باتوجه به واحدهای اندازهگیری مختلف برای انواع مختلف خدمات اکوسیستمی هر خدمت با استفاده از استانداردسازی محدوده به مقداری بین 0 تا 1 استاندارد شد و سپس تمام مقدارها برای به دست آوردن شاخص خدمات اکوسیستمی کل جمع شدند. فرمول استانداردسازی محدوده به شرح زیر بود (فرمول 9):
(فرمول 9)
در فرمول 9 ES(i,j) مقدار استاندارد ESi,j است که مقدار خام در شبکۀ j ام سرویس اکوسیستم i است. همچنین،ESi,min و ESi,max بهترتیب حداقل و حداکثر مقدارهای سرویس اکوسیستم iام هستند (Peng et al., 2017).
کمّیسازی روابط میان خدمات اکوسیستمی و شاخصهای اکولوژی مدنظر
در سالهای گذشته تغییرات کاربری در منطقۀ مطالعهشده بهدنبال افزایش جمعیت، تأثیرات چشمگیری را بر اکوسیستم منطقه بهویژه جنگلهای هیرکانی گذاشته است. از آنجایی که تغییر در کاربری اراضی برروی خدمات اکوسیستمی در مطالعات مختلف ثابت شده است (Pal et al., 2021). محققان در این بخش از مطالعه بهدنبال اثرهای تغییرات شاخصهای اکولوژیکی زیستتوده و ازهمگسیختگی جنگلی برروی خدمات اکوسیستمی هستند تا بتوان با مدیریت این شاخصها گامی مؤثر بر افزایش خدمات اکوسیستمی برداشت.
شاخص زیستتودۀ گیاهی
برای به دست آوردن شاخص زیستتوده برای هر پیکسل از شاخص نرمالشدۀ شناسایی پوشش گیاهی NDVIبهعنوان یکی از متغیرهای ترجیحی ازجهت مطالعۀ پوشش گیاهی استفاده شده است (Situmorang et al., 2016).
در محدودۀ مطالعهشدۀ پژوهش حاضر مقدارهای نزدیک به صفر نشاندهندۀ منطقهها شهری و خاکهای برهنه بوده است که با افزایش مقدار این شاخص پوشش زمین بهسمت علفزارها، زمینهای کشاورزی، درختچهها و درنهایت، در بیشترین حد به طبقۀ جنگلهای هیرکانی میل میکند. در مطالعۀ حاضر این شاخص از تصاویر ماهوارۀ لندست و براساس فرمول 10 در بازۀ زمانی چهار ماهۀ دوم سال 2020 که پوشش گیاهی در سبزترین و بالغترین حالت خود است و هنوز عملیات برداشت از زمینهای کشاورزی انجام نشده است با کدنویسی در سامانۀ GEE استخراج شده است.
(فرمول 10)
شاخص ازهمگسیختگی (Fragmentation)
شاخص ازهمگسیختگی را میتوان بهعنوان ناهمگونی فضایی یا ترکیب و آرایش فضایی اجزای سیمای سرزمین مدنظر در یک تصویر دید. در پژوهش حاضر برای کمّیسازی و نقشهسازی این شاخص از نرمافزار GTB استفاده شده است. در پژوهش حاضر طبقۀ جنگل بهعنوان کلاس مدنظر برای محاسبۀ این شاخص و مابقی طبقات بهعنوان پسزمینه (Back ground) به این نرمافزار معرفی شد. در شاخص ازهمگسیختگی این نرمافزار تعداد لکهها و فاصلۀ بین لبۀ آنها را میتوان محاسبه کرد؛ از این رو میتوان ویژگیهای پیشزمینه (Fore ground) و پسزمینه را بهطور همزمان نشان داد. علاوه بر این، برخلاف تعریفهای اصطلاح ازهمگسیختگی فعلی که فقط توصیفی است و امکان کمّیکردن درجه یا تغییرات تکهتکهشدن را برای یک تصویر نمیدهد، نرمافزار GTB برای کمّیسازی ازهمگسیختگی مفاهیم مختلفی را اعمال و همۀ مقدارهای نرمالشده را در محدودۀ [0-100] ارائه میکند. همچنین، این نرمافزار امکان مقایسۀ میزان پراکندگی لکههای طبقات مختلف سیمای سرزمین، کمّیسازی تغییرات درطول زمان و اندازهگیری پیشرفت در نتایج برنامهریزیها و شیوهنامههای سیاسی را فراهم میکند (Vogt, 2020).
شاخص مساحت و نسبت محیط به مساحت هسته
از آنجایی که هستهها از مهمترین عناصر و اجزای شبکههای اکولوژیک هستند و از سوی دیگر، هستههای بزرگتر عملکرد اکولوژیکی بیشتری دارند (Shen et al., 2019)، در این مطالعه هستهها بهعنوان شاخصی برای عملکرد اکولوژیکی مهمترین کاربری در ارائۀ TES در نظر گرفتهشدهاند. بهترین حالت برای لکهها شکلی است که ناحیۀ هسته وسیع و مرزهای منحنی شکل داشته باشد. هرچه نسبت محیط به مساحت درسطح سیما بیشتر باشد، نشان از تخریب یا تغییر شکل لکه دارد و هرچه این مقدار کمتر باشد، میتوان پایدار بیشتری را متصور شد (Forman, 1995). بنابراین این نسبت نیز بهعنوان شاخصی برای عملکرد اکولوژیکی بهتر در این پژوهش درنظر گرفته شد.
همبستگی بین خدمات اکوسیستمی کل با شاخصهای اکولوژیکی مدنظر
در تحلیلهای چندمتغیره آماری شیوههای مختلف محاسباتی برای اندازهگیری وابستگی یا ارتباط بین دو متغیر تصادفی وجود دارد. یکی از این روشها ضریب همبستگی است که در آن شدت و نوع ارتباط میان متغیرها بهخوبی اندازهگیری میشود. وجه برتری این ضریب نسبت به دیگر ضریبها بیواحدبودن این شاخص است که محاسبۀ بین متغیرهای مختلف را امکانپذیر کرده است؛ بنابراین در پژوهش حاضر برای تعیین ارتباط میان پارامترهای مختلف از ضریب همبستگی استفاده شده است.
در این مرحله برای محاسبۀ ضریب همبستگی خدمات اکوسیستمی کل با شاخصهای مدنظر با استفاده از ابزار «Fishnet» تعداد 1600 نمونه انتخاب و سپس دادههای مربوط به شاخصهای اکولوژیکی و TES در آنها استخراج شد. درادامه، با استفاده از همبستگی پیرسون، میزان، نوع و جهت ارتباط بین دو متغیر اندازهگیری شد. ضریب همبستگی پیرسون را با فرمول 11 میتوان محاسبه کرد.
(فرمول 11)
در این ارتباط صورت و مخرج بهترتیب نشاندهندۀ کوواریانس و انحراف معیار دادههاست. مقدار این ضریب بین 1+ تا 1- متغیر است. 1+ بهمعنای همبستگی کامل مثبت و 1- بهمعنای همبستگی کامل منفی میان دو متغیر است. همچنین، ارتباط بزرگتر از صفر میان پارامترهای اتخاذشده در این پژوهش بهمعنای ارتباط مثبت از نوع همگرایی است که حالت معکوس بدهبستان را نشان میدهد.
برای محاسبۀ ضریب همبستگی خدمات اکوسیستمی کل با نسبت محیط به مساحت هسته و نیز با درنظرگرفتن مساحت لکهها و مطالعات میدانی صورتگرفته، حوضۀ آبخیز مطالعهشده با ترنسکتهای 25 هکتاری پوشش داده و سپس ارتباط خدمات اکوسیستمی کل با استفاده از همبستگی پیرسون در ترنسکتها منتخب سنجیده شد.
روششناسی پژوهش حاضر در شکل 2 نشان داده شده است.
شکل 2: فلوچارت روششناسی پژوهش (منبع: نویسندگان، 1402)
Figure 2: Research methodology flowchart
یافتههای پژوهش و تجزیهوتحلیل
طبقهبندی پوشش زمین
طبق خروجی نقشۀ طبقهبندیشده ازسوی سامانۀ Google Earth Engine بیشترین مساحت منطقۀ مطالعهشده را جنگلهای هیرکانی و اراضی کشاورزی بهترتیب با حدود 1924 و 1971 کیلومتر مربع و دیگر اراضی ساختهشده در حدود 107 کیلومتر مربع از منطقه را به خود اختصاص میدهند. مدلسازی پوشش زمین در سال 2020 در شکل3 نشان داده شده است. گفتنی است که ضریب کاپا در طبقهبندی تصاویر ماهوارهای در پژوهش حاضر برابر با 86 درصد است که نشاندهندۀ قابلیت تصاویر برای استفاده در گامهای بعدی است.
شکل 3: پوشش منطقۀ مطالعهشده در سال 2020 (منبع: نویسندگان)
Figure 3: Land cover of case study area in 2020
مدلسازی خدمات اکوسیستمی
بهطور کلی در نیمۀ جنوبی منطقه بیشترین غلظت ذخایر کربن دیده میشود که علت آن وجود پوشش متراکم جنگلهای هیرکانی در این بخش است. سپس بیشترین ترسیب کربن بهترتیب در مراتع و زمینهای کشاورزی و کمترین میزان آن در اراضی ساختهشده و منابع آبی موجود در منطقه برآورد شده است. میزان مجموع ترسیب کربن در سال 2020 برابر با 39956697 تن است (شکل 4).
شکل 4: مدلسازی خدمت اکوسیستمی ترسیب کربن در منطقۀ مطالعهشده در سال 2020 (منبع: نویسندگان، 1402)
Figure 4: Modeling the ecosystem service of carbon sequestration in the logic studied in 2020
بررسی میزان خدمت اکوسیستمی نگهداشت رواناب در منطقۀ مطالعهشده نشان میدهد که همواره منابع آبی و بخشهای وسیعی از جنگلهای هیرکانی در منطقه بهدلیل نوع کاربری اراضی و ویژگیهای هیدرولوژیکی خاک در آن قسمت، بیشترین سهم را در ارائۀ این خدمت دارند. این در حالی است که ازنظر ویژگیهای هیدرولوژیکی خاک، خاک نیمۀ شمالی منطقه قدرت زهکشی زیادی نسبت به نیمۀ جنوبی دارد؛ اما از آنجایی که جنگلهای پهنبرگ هیرکانی توانایی بیشتری در نگهداشت و کاهش سیلاب دارد، نیمۀ جنوبی منطقه نیز نقش بیشتری در نگهداشت رواناب دارد. شاخص نگهداشت رواناب در سال 2020 در حوضۀ آبخیز مطالعهشده برابر با 35/0 است؛ بهگونهای که مجموع حجم رواناب نگهداریشده و پتانسیل حجم سیلاب ازسوی حوزۀ آبخیز بهترتیب برابر با 371378656 و 670374064 متر مکعب است (شکل 5).
شکل 5: مدلسازی خدمت اکوسیستمی جلوگیری از سیلاب در منطقۀ مطالعهشده در سال 2020 (منبع: نویسندگان، 1402)
Figure 5: Modeling the flood prevention ecosystem service in the studied area in 2020
همچنین، براساس نتایج بهدستآمده بررسی روند هدررفت خاک در منطقۀ مطالعهشده نشاندهندۀ کاهش آن از جنوب به شمال حوضه است که با روند کلی تغییرات عامل فرسایندگی باران و نقشۀ شیب (بهعنوان مؤثرترین و متغیرترین عوامل در برآورد هدررفت خاک) همخوانی دارد؛ بدین معنا که میانگین شیب زیاد و کاهش نسبی مقدارهای عامل فرسایندگی باران سبب ایجاد بیشترین هدررفت خاک در نیمۀ جنوبی منطقه شده است. برخلاف پتانسیل زیاد نیمۀ جنوبی در فرسایش و هدررفت خاک (باتوجه به ویژگیهای خاک، عامل فرسایندگی باران و وجود جنگلهای پهنبرگ هیرکانی) منطقۀ مطالعهشده بیشترین سهم را در خدمت نگهداشت خاک دارد. بیشترین پتانسیل هدررفت خاک نیز به 115732251 تن و میزان خروج رسوب از حوضه در این سال به 8782431 تن بر هکتار در سال رسیده است؛ البته گفتنی است که حدود 90 درصد از مناطق پتانسیلی کمتر از 50 تن بر هکتار را دارند. مسیر آبراههها در بخشهای جنوبی منطقه، منطقهها جنگلی با ارتفاع بیش از 1000 و منطقهها با شیب بیشتر از 50 درصد بیشترین پتانسیل را برای از دست دادن خاک، فرسایش خاک و خروج رسوب دارند. شایان ذکر است که کمترین میزان پتانسیل فرسایش خاک نیز در مناطقی با شیب کمتر از 10 درصد مشاهده میشود. درنهایت، براساس نتایج میزان نگهداشت سالانۀ خاک (بهعنوان یک خدمت اکوسیستمی مهم) در منطقۀ مطالعهشده 1252621304 تن در کل حوضۀ آبخیز بوده است که بیشترین میزان ارائۀ این خدمت در منطقههای جنگلی با تراکم زیاد و در حاشیۀ آبراههها و کمترین میزان آن نیز در اراضی کشاورزی و اراضی ساختهشدۀ پاییندست حوضه ثبت شده است (شکل6).
شکل 6: مدلسازی خدمت اکوسیستمی نگهداشت خاک در منطقۀ مطالعهشده در سال 2020 (منبع: نویسندگان، 1402)
Figure 6: Modeling the ecosystem service of soil maintenance in the studied area in 2020
شاخص TES دربارۀ خدمات سهگانۀ مدنظر در بیشترین و کمترین مقدار بهترتیب برابر با 67/2 و 0 است. بر این اساس، کمترین ارزش ارائۀ خدمت در حوضه، در شهرها و اراضی ساختهشده با مقدار 0 و بیشترین آن در مناطقی با شیب کمتر از 10 درصد در جنگلهای هیرکانی با ارزش 67/2 در بیشترین نقطه مدلسازی شده است. همچنین، بعد از جنگلها قسمت شمالی منطقه که اراضی کشاورزی گسترشیافتهای دارد، بیشترین میزان ارائۀ خدمت را دارد. باتوجه به اینکه جنگلهای هیرکانی مهمترین کاربری در ارائۀ خدمات اکولوژیک مدنظر در منطقۀ مطالعهشده است، درادامه شاخص ازهمگسیختگی، مساحت هسته و نسبت محیط به مساحت هسته برای این کلاس محاسبه شده است (شکل 7).
شکل 7: مدلسازی خدمات اکوسیستمی کل در منطقۀ مطالعهشده در سال 2020 (منبع: نویسندگان، 1402)
Figure 7: Modeling the total ecosystem service in the studied area in 2020
محاسبۀ شاخصهای اکولوژیکی و بررسی همبستگی آنها با TES
محاسبۀ شاخص NDVI نشان میدهد که این شاخص در منطقۀ مطالعهشده بین 02/0 تا 99/0 متغیر است؛ بهطوری که بیشترین میزان آن در منطقهها پرتراکم جنوبی جایی که جنگلهای هیرکانی گسترشیافته و کمترین میزان آن در منطقهها انسانساخت به ثبت رسیده است. پراکندگی مقدارهای این شاخص در منطقۀ مطالعهشده برحسب مساحت و درصد در جدول 3 آورده شده است. براساس این جدول بیشترین مساحت منطقۀ مطالعهشده را پوششی با شاخص NDVI بین 8/0 تا 1 تشکیل میدهد که همان جنگلهای هیرکانی و اراضی کشت چای در حاشیۀ شمالی جنگلهاست. در وهلۀ بعدی اراضی کشاورزی منطقه با شاخص NDVI از 7/0 تا 8/0 بیشترین مساحت را دارد؛ بنابراین منطقه ازنظر شاخص زیستتوده بسیار غنی است.
جدول 3: طبقات NDVI و درصد سهم و مساحت هریک در منطقۀ مطالعهشده
Table 3: NDVI classes and percentage share and area of each classes in the study area
|
مساحت (Km2) |
درصد |
طبقۀ NDVI |
|
17/210 |
3/3 |
3/0-02/0 |
|
72/668 |
5/10 |
5/0-3/0 |
|
75/1132 |
8/17 |
7/0-5/0 |
|
09/1573 |
7/24 |
8/0-7/0 |
|
42/2770 |
5/43 |
1-8/0 |
منبع: نویسندگان، 1402
همچنین، مدلسازی شاخص ازهمگسیختگی حاصل از نرمافزار GTB نیز بیانگر این موضوع است که ارزش عددی آن در حوضۀ آبخیز مطالعهشده بین 0 تا 101 متغیر است؛ بهطوری که کمترین میزان ازهمگسیختگی جنگلها در نواحی داخلی و بطن جنگلهای هیرکانی در نیمۀ جنوبی منطقه و بیشترین آن در لکههای منزوی و خرد در نیمۀ شمالی منطقه است. همچنین، لبههای جنگلها برخلاف خردگی و ازهمگسیختگی بهدلیل تراکم زیاد پچها حالت بینابینی دارد. همانطور که در شکل 8 مشخص است، میانگین ازهمگسیختگی در کل منطقۀ مطالعهشده در حدود 75 درصد است که نشاندهندۀ تنوع انواع پوشش و ناهمگونی پوشش زمین در حوضههای آبخیز منطقۀ مطالعهشده است؛ اما این معیار دربارۀ جنگلهای هیرکانی برابر با 41/62 است که بیانگر میزان زیاد تکهتکهشدگی در جنگلهاست. باتوجه به شکل 9 که توزیع مکانی ازهمگسیختگی را نشان میدهد، میتوان نتیجه گرفت که خردشدن جنگلها و ایجاد لکههای منزوی در لبهها و بخش شمالی جنگلها در منطقۀ مطالعهشده ایجاد شده است.
شکل 8: نمودار ازهمگسیختگی پوشش زمین در منطقۀ مطالعهشده (منبع: نویسندگان، 1402)
Figure 8: Land cover fragmentation diagram in the studied area
شکل 5 توزیع شاخصهای ازهمگسیختگی و NDVI را در منطقۀ مطالعهشده نشان میدهد.
شکل 9: مدلسازی شاخصهای NDVI و ازهمگسیختگی در منطقۀ مطالعهشده در سال 2020 (منبع: نویسندگان، 1402)
Figure 9: Model of NDVI and fragmentation indices in the study area in 2020
بهعلاوه، محاسبۀ شاخص مساحت هسته نیز نشان میدهد که مساحت بزرگترین و کوچکترین هسته بهترتیب برابر با 31452 و 01/0 هکتار است. همچنین، کوچکترین میزان نسبت محیط به مساحت لکههای جنگلی برابر با 016/ 0 که نشاندهندۀ پایداری و بیشترین آن برابر با 4 که نشاندهندۀ ناپایداری و لبهداربودن لکه است.
بررسی روابط همبستگی بین شاخصهای ذکرشده و TES نشان میدهد که بین شاخصهای TES و NDVI با مساحت هسته همبستگی مثبت معنادار بهترتیب با مقدارهای 77/0 و 70/0 وجود دارد؛ بدین معنا که افزایش هریک میتواند باعث ارتقا در کمیت خدمات اکوسیستمی مدنظر شود. همچنین، بین شاخص TES با نسبت محیط به مساحت و شاخص ازهمگسیختگی همبستگی منفی معناداری بهترتیب با مقدارهای 63/0- و 71/0- وجود دارد؛ بدین معنا که افزایش تکهتکهشدن جنگلها یا کوچکشدن آنها و میلکردن به شکل لبهدار سبب کاهش میزان ارائۀ خدمات مدنظر میشود (شکل10) .
شکل10: همبستگی میان مؤلفههای اکولوژیکی منتخب با TES در منطقۀ مطالعهشده (منبع: نویسندگان، 1402)
Figure 10: Correlation between selected ecological components and TES in the study area
نتیجهگیری
حفظ خدمات اکوسیستمی متعدّد در منطقهها مختلف بهعنوان یکی از مهمترین چالشهای علم اکولوژیکی و نیز به یکی از بزرگترین دغدغههای برنامهریزان تبدیل شده است که این امر نیاز به دانش فزآیندهای دربارۀ نوع خدماتی که اکوسیستمها ارائه میکنند مانند کمّیت و کیفیت و عوامل اثرگذار برروی آنها دارد. هدف از انجامدادن پژوهش حاضر بررسی ارتباط بین شاخصهای اکولوژیک مهم جنگلی شامل NDVI، ازهمگسیختگی، مساحت لکه و نسبت محیط به مساحت لکه با خدمات اکوسیستمی ترسیب کربن، نگهداشت خاک و کاهش سیل بهعنوان سه خدمت مهم در استان گیلان بود. نتایج نشان داد که منطقهها جنگلی و سبزتر و هستههای بزرگتر در این منطقهها میتوانند خدمات چشمگیر بیشتری را ارائه دهند. نتایج این بخش از پژوهش با نتایج پژوهش سیتومورانگ و همکاران و شن و همکاران همخوانی دارد (Situmorang et al., 2016; Shen et al., 2019). همچنین، با افزایش نسبت محیط به مساحت هسته در لکههای جنگلی بهدلیل میل لکه به شکل ناپایدارتر، کوچکشدن آن و افزایش ازهمگسیختگی در این لکهها، میزان ارائۀ خدمات اکوسیستمی ازسوی آنها بهصورت محسوسی کاهش مییابد. نتایج این بخش از پژوهش نیز تأییدکنندۀ نتایج پژوهش سعید و همکاران است (Saeed et al., 2019). بهطور کلی دستاورد پژوهش حاضر میتواند راهنمای اتخاذ استراتژیهای مدیریتی برای کاهش رسوبگذاری، کنترل سیلاب و افزایش ترسیب کربن باشد؛ زیرا نتایج نشان میدهد که گیاهان بالغتر با تراکم بیشتر در محیطهای وسیعتر قادر به ارائۀ خدمات بیشتری نسبت به گونههای نابالغ و جوان بهصورت ایزوله هستند؛ از این رو پژوهش حاضر نشاندهندۀ نقش پررنگ عوامل ثانویه درکنار کاربری اراضی در ارائۀ خدمات اکوسیستمی است. این پژوهش به برنامهریزان کمک میکند تا درکنار لحاظ کاربری بهینه برای ارتقای خدمات اکوسیستمی مدنظر بتوانند در راستای افزایش بهرهوری برنامهریزی خود گامی مؤثر بردارند. همچنین، در پژوهش حاضر نقاط حساس و پتانسیل بیشتر در امر فرسایش و به راه افتادن سیلاب در مقیاس کلی شناسایی شد که این امر نیز میتواند هدایتگر امر برنامهریزی کاربری اراضی در منطقه باشد. برخلاف نتایج حاصلشده در این زمینه اثرها و ارتباط میان سایر خدمات اکوسیستمی که اکوسیستم ارائه کرده است با دیگر شاخصهای اکولوژیکی و نحوۀ تعاملات و تغییرات آنها درطول زمان مباحثی است که باید در پژوهشهای آینده به آنها پرداخته شود.
)