شناسایی و تحلیل عوامل کلیدی مؤثر در تغییر کاربری جنگل منطقه جنگلی فندقلو با استفاده از رویکرد آیندهپژوهی( تحلیل ساختاری متقاطع و پویش محیطی)
الموضوعات :
خلیل ولیزاده کامران
1
(عضو هیات علمی دانشگاه تبریز)
مریم صادقی
2
(کارشناسی ارشد سنجش از دو ر و gis دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز.تبریز)
سید اسداله حجازی
3
(گروه ژئومورفولوژی دانشگاه تبریز)
الکلمات المفتاحية: آیندهپژوهی, نرم‌افزار میکمک, تغییرات کاربری جنگل, تحلیل ساختاری, فندقلو,
ملخص المقالة :
به‌منظور مدیریت بهتر اکوسیستم‌های طبیعی، انسان‌ساخت، برنامه‌ریزی بلندمدت میتواند به برنامه‌ریزان محیط‌زیست و مدیران منابع طبیعی برای تصمیم آگاهانه‌تر کمک کند. هدف از این پژوهش، شناسایی عوامل کلیدی مؤثر تغییرات کاربری اراضی منطقه جنگلی فندقلو با رویکرد آیندهپژوهی میباشد در ابتدای پژوهش 19 عامل مؤثر در تغییرات کاربری جنگل در ابعاد مختلف اقتصادی، اجتماعی کالبدی، طبیعی و سیاسی توسط خبرگان تأیید گردید و در دور بعدی پرسشنامه‌ای به ابعاد 19*19 طراحی و در اختیار خبرگان گذاشته شد که برای وزن دهی از اعداد 3 تا 0 که سه تأثیرگذاری بالا و صفر بدون تأثیر و وزن دهی گردید. تأثیرگذاری و تأثیرپذیری متغیرها به‌صورت مستقیم و غیرمستقیم در نرم‌افزار میکمک (MICMAC) مورد تجزیه تحلیل قرار گرفت. درنهایت هشت عامل مؤثر در تغییر کاربری جنگل منطقه فندقلو تعیین شد. از بین عوامل کلیدی عامل توریست، کاربری اراضی، فاصله از روستا و جمعیت، قطع و برداشت، پوشش گیاهی، انگیزه تغییر از کشاورزی به مسکونی و ارتفاع مهم‌ترین عوامل کلیدی در آینده سیستم منطقه می‌باشند.
_||_
شناسایی عوامل کلیدی مؤثر بر تغییر کاربری جنگل فندقلو با رویکرد آیندهپژوهی
ولیزاده کامران*1، صادقی لله لو2، حجازی3
چکیده
به‌منظور مدیریت بهتر اکوسیستم‌های طبیعی، انسان‌ساخت، برنامه‌ریزی بلندمدت میتواند به برنامه‌ریزان محیط‌زیست و مدیران منابع طبیعی برای تصمیم آگاهانه‌تر کمک کند. هدف از این پژوهش، شناسایی عوامل کلیدی مؤثر تغییرات کاربری اراضی منطقه جنگلی فندقلو با رویکرد آیندهپژوهی میباشد در ابتدای پژوهش 19 عامل مؤثر در تغییرات کاربری جنگل در ابعاد مختلف اقتصادی، اجتماعی کالبدی، طبیعی و سیاسی توسط خبرگان تأیید گردید و در دور بعدی پرسشنامه‌ای به ابعاد 19*19 طراحی و در اختیار خبرگان گذاشته شد که برای وزن دهی از اعداد 3 تا 0 که سه تأثیرگذاری بالا و صفر بدون تأثیر و وزن دهی گردید. تأثیرگذاری و تأثیرپذیری متغیرها به‌صورت مستقیم و غیرمستقیم در نرم‌افزار میکمک (Micmac ) مورد تجزیه تحلیل قرار گرفت. درنهایت هشت عامل مؤثر در تغییر کاربری جنگل منطقه فندقلو تعیین شد. از بین عوامل کلیدی عامل کاربری اراضی به عنوان اثرگذارترین متغیر و دیگر متغیرها به ترتیب پوشش گیاهی، توریست، انگیزه تغییر از اراضی کشاورزی به مسکونی، فاصله از روستا، قطع و برداشت، تعداد خانوار (جمعیت)، ارتفاع مهم‌ترین عوامل کلیدی در آینده سیستم منطقه می‌باشند. بنابراین با شناخت عوامل کلیدی موثر در تغییر کاربری جنگل میتوان به مدیریت توسعه پایدار تغییرات کاربری جنگل در منطقه گردشگری فندقلو دست یافت.
واژه‌های کلیدی: پویش محیطی، عوامل کلیدی، میک مک، تغییر کاربری جنگل
مقدمه
جنگل یکی از منابع مهم و باارزش منابع طبیعی است که نقش کلیدی در جهان برای تعادل زیست‌محیطی برقرار می‌کند (1و 22). تغییرات کاربری و پوشش زمین (LULCC1) که مهم‌ترین اختلال انسان‌شناسی در محیط‌زیست در سطح محلی است. باعث ایجاد انواع مختلفی از تغییرات می‌شود (24). همچنین ظهور آن به‌عنوان یک مسئله محیط‌زیستی، یکی از عمده موضوعات مطرح‌شده در زمینه تغییرات جهانی در مقیاس منطقهای است. ازجمله تغییرات آب و هوا، آب و خاک و از بین رفتن تنوع محیط زیستی که از بزرگترین نگرانی جمعیت امروز است. بنابراین مدیریت و نظارت بر پیامدهای منفی تغییر پوشش زمین برای تداوم تولید منابع ضروری، به یک موضوع مهم تبدیل‌شده است. انجام پژوهش در زمینه کاربری اراضی برای پژوهشگران و سیاستمداران در سراسر جهان در طی زمان بسیار ضروری است (18) و (13). پایش تغییرات درست و به موقع پدیده های سطح زمین، پایه ای برای درک بهتر روابط و برهمکنش بین پدیدههای طبیعی و انسانی فراهم میآورد (25). در یک سیستم فضایی پویا با تغییر نیروها و فرآیندهای محرک چالش دیگر این است که طراحی سیستم‌هایی یکپارچه برای مقابله با عدم اطمینان در مورد روند آینده که هیچ پیشینه تاریخی ندارند چالش ثابت این است که مدل‌هایی را ایجاد کنیم که مستقیم به برنامه‌ریزی و مدیریت محیط‌زیست مربوط می‌شود (26). یکی از ابزارهای مناسب معماری آینده در شرایط عدم قطعیت و در شرایطی که دنیای ما مملو از شگفتی سازهای مختلف است، برنامه‌ریزی سناریو مبناست، برنامه‌ریزی بر پایه سناریو، روشی مبنی بر پارادایم‌های آیندهپژوهی است که در پاسخ به چالش‌های اصلی عصر حاضر مانند بی‌ثباتی محیط آینده، وجود مگاترند ها و آینده‌های مملو از عدم قطعیت‌های عمیق توسعه داده‌شده است (25). طرح سناریو یک روش منظم برای استخراج عوامل پشرانهای کلیدی از الگوهای سریع تغییرات،پیچیدگی غیرعادی و عوامل چندگانه نامعلوم است(5). آیندهنگاری رویکردی مناسب برای تعریف الویت های توسعه راهبردی است که با ترکیب عناصر، به صورت سیستماتیک به کشف آینده میپردازد (28). Krawczyk (11) در پژوهش خود به بررسی عوامل تأثیرگذار بر آینده شهری و عوامل اقتصادی اجتماعی تأثیرگذار در جنگل‌زدایی پرداختند. Banzhaf وLavery (2) در مقاله‌ای با عنوان آیا مالیات زمین میتواند به جلوگیری از پراکندگی کمک نماید؟ با استفاده از دادههای جمعیتی و اطلاعات کاربری زمین و الگوی شهر پنسیلوانیا را موردبررسی قراردادند که مالیات میتواند تقسیم زمین را کاهش دهد. تقیلو ( 21) به بررسی سناریوهای تغییرات برای مناطق روستایی قلعه دهستان – شهرستان ارومیه با هدف تعیین سناریوهای تغییر کاربری اراضی است. برای تجزیه و تحلیل داده ها از نرم افزار میکمک (Micmac) و سناریو ویزارد (SenarioWizard) استفاده شد. نتایج نشان داد که درآمد مردم ، سطح تولید ، بازده سرمایه گذاری در فعالیت ، صنعتی، کشاورزی و حاشیه کشاورزی موثرترین و نامشخص ترین عوامل تغییر کاربری اراضی بودند. رستمی کیا و شریفی (20) به بررسی علل تغییر کاربری جنگل فندقلو با عنوان بزرگترین ذخیره گاه جنگلی ایران پرداختند و تبدیل کاربری جنگلی و مرتعی به زراعت، آتش‌سوزی‌های عمدی و غیرعمدی و قطع درختان را از عامل‌های اصلی تأثیرگذار در تخریب جنگل فندقلو بیان کردند.
بر این اساس با توجه به تأثیراتی که یک برنامه‌ریزی اشتباه میتواند بر تخریب ساختارهای اکولوژیک طبیعی همانند پوشش گیاهی (جنگل‌ها و مراتع) و شبه طبیعی (اراضی کشاورزی و باغ‌ها) در درون و مجاورت شهرها و درنتیجه کاهش تنوع زیستی و پایداری فرآیندهای اکولوژیک یک منطقه داشته باشد لزوم توجه به اصول اکولوژیک در برنامه‌ریزی کاربری اراضی امری ضروری میباشد (15). مطالعات صورت گرفته در اين زمينه عوامل بسياري را در تغيير كاربري اراضي مؤثر ميدانـد، از جمله اين عوامل ميتوان به دخالت بشـر در طبيعـت ماننـد جنگـل زدايـي اشـاره نمـود (19). ازآنجایی‌که تاکنون بیشتر بهکارگیری روشهای آیندهپژوهی بیشتر با مسائل شهری در ارتباط بوده درزمینهٌ برنامه‌ریزی‌های محیط‌زیست و جنگل پژوهشی انجام نگرفته است این پژوهش باهدف شناسایی عوامل مؤثر بر تغییر کاربری جنگل منطقه جنگلی فندقلو با استفاده از روش تحلیل ساختاری و پویش محیطی انجام گرفت.
روش تحقیق
منطقه مورد مطالعه
عرصه جنگلی فندقلو دنباله جنگل‌های گرمسیری استان گیلان است که در 25 کیلومتری شمال شرقی شهرستان اردبیل به‌طرف آستارا و در 10 کیلومتری شهرستان نمین واقع است. منطقه موردمطالعه ازنظر ارتفاع از سطح دریا 1322 تا 2345 متر قرار دارد. محدوده جنگلی فندقلو اردبیل در مختصات جغرافیایی 38°29'4.70"تا 38° 9'16.75"N عرض شمالی و 48°40'32.55" E تا 48°32'.84 قرارگرفته است. مساحت محدوده موردمطالعه 3288/179 کیلومترمربع است 32 کیلومتر از مساحت آن را جنگل می‌پوشانند. میانگین مجموع بارش سالیانه با توجه به آمار بارش سالیانه از شروع تا 2017 در ایستگاه نمین که نزدیک‌ترین ایستگاه سینوپتیک به منطقه موردبررسی است 140 میلی‌متر است و میانگین درجه حرارت سالیانه 9/8 درجه سانتی‌گراد میباشد.( 24).
شکل 1. موقعیت منطقه موردمطالعه
Fig 1. The position of the study area
دادههای مورد استفاده
پژوهش حاضر در حوزه پژوهش‌های کاربردی و از نظر ماهیت بر اساس روشهای علم آیندهپژوهی هنجاری- تحلیلی است که با ترکیبی از روشهای اسنادی پیمایشی و شفاهی انجام گرفته است. برای گردآوری دادهها لازم است از پرسشنامه استفاده شود(7). در ابتدا 19 عامل مؤثر در تغییر کاربری منطقه نقش داشته و بیشترین تأثیرات مستقیم را در تحولات کاربری منطقه دارند از طریق مطالعات مبانی نظری و ویژگی‌های منطقه موردمطالعه و نظر کارشناسان استخراج گردید. در ادامه با بهکارگیری روش دلفی در ابعاد مختلف اقتصادی، کالبدی اجتماعی، طبیعی و سیاسی پرسشنامه‌ای به‌صورت تحلیل ساختاری طراحی و در اختیار 30 نفر متشکل از اساتید مجرب متخصص و دانشجویان دکترا و کارشناسی ارشد درحوزه علوم اجتماعی، اقتصادی جنگلداری، آب و خاک وغیره، عوامل سازمان منابع طبیعی و آبخیزداری شهرستان اردبیل و نمین و تبریز توزیع شد. که میانگین نتایج حاصل از حدود 20 پرسشنامه تکمیل‌شده توسط در نرم‌افزار میکمک (تحلیل ساختاری) به‌صورت شدت تأثیرگذاری و روابط که بین عوامل وجود دارد بررسی و عوامل که تأثیرگذاری بالایی دارند به‌عنوان پیشرانهای کلیدی استخراج شدند.به طور خلاصه هدف پویش محیطی یافتن سریع نشانههای توسعه آینده است. بر همین اساس، هر پژوهشی که با روش پویش محیطی انجام میگیرد چهار هدف عمده دارد:
آشکارسازی روندها و رخدادهای اجتماعی، تکنولوژی، اقتصادی، محیطی و سیاسی (STEEP2) که برای موسسه سازمان یا محیط به دنبال خواهد داشت.2- ترویج جهتگیریهای فکری آینده بوجود آمدن یک محیط مطلوب در آینده و4- آگاهسازی مدیران از روند ها و تسهیل ارزیابی عملکرد مدیریت( بنیاد توسعه(3). روش تحلیل اثرات متقابل/ ساختاری یکی از رایجترین روشهای آینده نگاری است که با ورود به عرصه رویکرد سیتمی از دهه 1960 را صعود را در پیش گرفت. تئودور گوردنو الفا هلمر3 نیز روش تحلیل اثرات / متقابل ساختاری را به سال 1966 مطرح کردند(8). تحلیل اثرات متقابل/ ساختاری روشی برای تحلیل احتمال وقوع یک موضوع در یک مجموعه مورد پیش بینی است. احتمالات این موضوع میتواند با قضاوتهایی درباره قابلیت بالقوه تأثیر متقابل میان موضوع میتواند با قضاوتهایی درباره قابلیت بالقوه تأثیر متقابل میان موضوعهای مورد پیش بینی، تنظیم شود. این ارتباط میان رخدادها همان تحلیل اثرات متقابل است.( 3). رهیافت تأثیرات متقابل این روش‌ها بر پایه نظرات و بینش‌های خبرگان استوار است. پژوهش‌ها، مصاحبه‌ها، تکنیک دلفی و جلسات توفان فکری و غیره از این دسته روش‌ها می‌باشند. در این میان روش‌هایی که به‌طور سیستماتیک قادر به گردآوری اطلاعات باشد، توسعه کمتری یافته بودند. بعضی از آینده‌پژوهان به راین باور بودند که پیش‌بینی یک اتفاق به‌صورت مجزا و بدون در نظر گرفتن رخداد سایر حوادث کلیدی و تأثیرگذار غیرواقع‌بینانه است. رهیافت تحلیل تأثیرات متقابل در پاسخ به این نیاز جامعه توسعه یافت. این رهیافت اصلاح‌شده تحلیل تأثیرات روندها بر اساس احتمال به وقوع پیوستن آنها می‌باشند (16).
نتایج
فرآیند تحلیل اثرات متقابل
روش پیش بینی آینده به وسیله نرم افزار میک مک توسط مایکل گودت اختراع شد(9) در آینده پژوهی، تحلیل اثرات متقابل به روش های آماری، احتمالی و نرم افزاری صورت میگیرد اما همه این تحلیل ها از ز طریق تشکیل ماتریس صورت میپذیرد که نمایانگر وابستگی متقابل رویداد های گوناگون است.(1). روش تحلیل ساختاری در مطالعات کیفی سیستمهای به‌شدت متغیر کاربرد دارد به‌طورکلی تحلیل ساختاری در سه مرحله (شکل2) انجام می‌شود: ا- شناسایی پارامترها یا عوامل اولیه. 2- واردکردن عوامل و اطلاعات به نرم‌افزار میک مک. 3- بررسی میزان و چگونگی روابط بین متغیرها. 4- شناسایی عوامل کلیدی میباشد(14).
شکل 2. ساختار پژوهش
Fig 2. The Structure of Research
مبنای کمی سازی ماتریس مقایسات تأثیرگذاری متغیرها اعداد (0- 3) است که عدد صفر مساوی بدون تأثیر، عدد یک مساوی تأثیر ضعیف عدد دو مساوی تأثیر متوسط و عدد سه مساوی تأثیر قوی، به‌طورکلی اگر تعداد متغیرها تولیدشده n باشد یک ماتریس n*n به دست می‌آید که در آن تأثیر متغیرها بر یکدیگر مشخص است سپس برای تبیین روابط بین متغیرها با حوزه موردنظر مشخص می‌شود؛ و متغیرهای موجود در سطرها بر متغیرهای ستون تأثیر می‌گذارند، بدین ترتیب متغیرهای سطرها تأثیرگذار و ستون‌ها تأثیرپذیرند. با تحلیل میکمک و شناسایی عوامل اصلی میتوان روابط بین متغیرها را نیز بررسی کرد و به تهیه سناریو در آینده پرداخت؛ و در پایان این مرحله شامل شناسایی متغیرهای کلیدی میباشد، این کار با کمک گرفتن از طبقه‌بندی مستقیم سپس با یک طبقه‌بندی غیرمستقیم انجام میگیرد. طبقه‌بندی مستقیم در یک ردیف نشان‌دهنده اهمیت تأثیر یک متغیر بر کل سیستم است مجموع یک ستون نشان‌دهنده میزان تأثیرپذیری یک متغیر است (سطح تأثیرپذیری مستقیم). در ابتدا عوامل مؤثر در تغییر کاربری اراضی منطقه جنگلی فندقلو با استفاده از تکنیک پویش محیطی و روش دلفی مشخص شد که در این راستا 19 عامل در چهار گروه در ابعاد مختلف، اقتصادی، سیاسی، طبیعی و کالبدی اجتماعی مورد تأیید خبرگان قرار گرفت که در جدول (1) ارائه‌شده است.
جدول 1. دسته‌بندی عوامل مؤثر بر روند تغییر کاربری جنگل منطقه موردمطالعه
Table1. Classification of factors affecting the process of forest use change in the study area
گروه | عوامل |
عوامل طبیعی | شیب، ارتفاع، نوع خاک، اقلیم، پوشش گیاهی، نقاط آتش‌سوزی |
کالبدی اجتماعی | تعداد خانوار (جمعیت)، فاصله از روستا، کاربری اراضی، زیرساخت‌های ارتباطی، ویلاهای ساخته‌شده در باغ و مزارع |
اقتصادی | توریست، انگیزه مردم برای تغییر کاربری از کشاورزی به مسکونی، قطع و برداشت، چرای دام، کارخانه‌ها و کارگاه‌ها |
سیاسی | نقش سیاست‌های دولت، ضعف هماهنگی میان سازمان‌ها، میزان دسترسی کشاورزان به نهاده‌ها |
تحلیل روایی و پایایی
در این پژوهش برای حفظ روایی پرسشنامه عوامل مختلف تأثیرگذار در تغییر کاربری این منطقه زیر نظر خبرگان انجام گرفت و برای بررسی پایایی نیز از نرم‌افزار spss برای به دست آوردن آلفای کرونباخ استفاده گردید ضریب آلفای کرونباخ بین 0 تا 1 نوسان دارد که بر اساس آن، هر چه مقدار این ضریب به عدد یک نزدیک‌تر باشد نشان‌دهنده همسازی بیشتر عوامل یک مقیاس است که به‌طور میانگین برای عوامل، ضریب آلفا 758/0 تأیید شدند.
نتایج حاصل از ماتریس تحلیل اثرات متقاطع
در مراحل قبل که نتایج حاصل از پرسشنامه با میانگین‌گیری از نظریات خبرگان، به‌دست‌آمد جهت استخراج پیشرانهای کلیدی به نرم‌افزار میکمک معرفی گردیده و بر اساس تعداد متغیرهای ورودی ماتریس دوبعدی 19*19 ساخته شد که نتایج حاصل از پایداری ماتریس در جدول (2) نشان داده‌شده است که میزان پرشدگی ماتریس 90 درصد است که بیانگر رابطه قوی بین متغییرها میباشد از بین 325 رابطه 81 رابطه عدد سه ، 130 رابطه عدد دو، 114 عدد یک و 36 رابطه عدد صفر است. از طرف دیگر ماتریس براساس شاخصهای آماری تعداد با دو بار چرخش دادهای از مطلوبیت و بهینهگی 99 تا 100 درصدی رسیده است که حاکی از روایی بالای پرسش نامهها وپاسخهای آنان است (جدول 3). دو مرتبهای پیشنهاد پایه نرم افزار میک مک برای رسیدن به پایداری این ماتریس بوده است.
جدول2. تحلیل اولیه دادههای اثرات متقابل
Table 2. Preliminary Analysis of Intercepter Effections
ابعاد ماتریس | تعداد تکرار | تعداد صفرها | تعدادیک‌ها | تعداد دوِ | تعداد سه‌ها | تعداد جمع کل | درصد خانه‌های پرشده |
19 | 2 | 36 | 114 | 130 | 81 | 325 | 90 |
جدول 3. درجه مطلوبیت و بهینه‌شدگی ماتریس
Table3. Degree of desirability and optimization of the matrix
چرخش | تأثیرگذاری | تأثیرپذیری |
1 | 96% | %98 |
2 | 99% | 100% |
نتایج ارزیابی تأثیرگذاری و تأثیرپذیری مستقیم (MDI) غیرمستقیم (MII)
از روابط بین متغیرها در نرم‌افزار میک مک دو نوع گراف و تحلیل را ارائه میدهد یکی تأثیرات مستقیم و دیگری تأثیرات غیرمستقیم که با توجه به اعداد پرسشنامه که به صورت ماتریس تكمیل شده است. نرم افزار رابطه آنها را محاسبه کرده و در نهایت برای هر عامل یك امتیاز عددی در نظر مي گیرد. سپس بر این اساس این امتیاز عوامل را بر اساس تاثیرگذاری و تاثیرپذیری به صورت مستقیم و یرمستقیم رتبه بندی مي کند. که در این حالت عواملي که بیشترین امتیاز را کسب کنند میزان و درجه تاثیرگذاری و تاثیرپذیری آنها نیز بر این اساس تغییر مي کند که نتایج حاصل در جدول (4) ارائه‌شده است.
جدول 4. میزان تأثیرات مستقیم و غیرمستقیم متغیرها
Table 4. The extent of direct and indirect effects of variables
میزان تأثیرپذیری غیرمستقیم | میزان تأثیرپذیری مستقیم | عوامل | ردیف | ||
22703 | 40494 | 21 | 37 | شیب | 1 |
35298 | 25717 | 33 | 23 | ارتفاع | 2 |
33319 | 36844 | 31 | 34 | نوع خاک | 3 |
30493 | 26228 | 29 | 24 | اقلیم | 4 |
37815 | 36114 | 35 | 33 | فاصله از روستا | 5 |
36575 | 41306 | 34 | 40 | تعداد خانوار | 6 |
43745 | 42331 | 42 | 41 | پوشش گیاهی | 7 |
35111 | 47628 | 46 | 41 | کاربری اراضی | 8 |
39138 | 33124 | 36 | 31 | توریست | 9 |
35952 | 35866 | 33 | 34 | زیرساخت‌های ارتباطی توسعه | 10 |
27936 | 38712 | 26 | 36 | نقاط آتش‌سوزی | 11 |
30209 | 30394 | 28 | 29 | میزان دسترسی کشاورزان به نهاده‌ها | 12 |
37419 | 35638 | 35 | 33 | قطع و برداشت | 13 |
32889 | 25507 | 30 | 24 | ضعف هماهنگی بین سازمانهای زی ربط | 14 |
34211 | 32441 | 31 | 30 | نقش سیاست‌های دولت | 15 |
34954 | 35721 | 32 | 33 | چرای دام | 16 |
34994 | 32552 | 32 | 30 | کارخانه‌ها و کارگاه‌ها | 17 |
33317 | 30626 | 30 | 28 | ویلا باغ‌های ساخته‌شده در مزارع | 18 |
38087 | 36463 | 33 | 33 | انگیزه مردم برای تغییر زمین از کشاورزی به مسکونی | 19 |
تحلیل ارزیابی پلان تأثیرگذاری و تأثیرپذیری متغیرها
شیوه توزیع و پراکنش متغیرها در صفحه پراکندگي، حاکي از میزان پایداری و یا ناپایداری سیستم است. درحوزه روش تحلیل اثرات متقاطع/ساختاری، تحت نرم افزار میک مک در مجموع دونوع پراکنش تعریف شده است که به نام سیستمهای پایدار و سیستمهای ناپایدار معروف هستند( شکل 2). در سیستم های پایدار پراکنش متغیرها به صورت Lانگلیسي است، یعني برخي متغیرها دارای تأثیرگذاری بالا و برخي دارای تأثیرپذیری بالا هستند. در سیستمهای پایدار مجموعه در سه دسته متغیر قابل مشاهده است:
الف: متغیرهای بسیار تأثیرگذار بر سیستم (عوامل کلیدی) ب: متغیرهای مستقل ج: متغیرهای خروجي سیستم (متغیرهای نتیجه) دراین سیستم جایگاه هر یك از عوامل کاملا مشخص و نقش آن نیز به وضوح قابل ارائه است. در مقابل در سیستمهای ناپایدار وضعیت پیچیدهتر از سیستمهای پایدار است و در این سیستم، متغیرها در حول محور قطری صفحه پراکنده هستند و متغیرها در اکثر مواردحالت بینابیني از تأثیرگذاری و تأثیرپذیری را نشان ميدهند که ارزیابي و شناسایي عوامل کلیدی را بسیار مشكل مينماید (23).
شکل 3. تحلیل پایداری و ناپایداری سیستم
Fig 3. nalysis of system stability and instability ( 9)
در سیستم ناپایدارتوزیع متغیرها در پلان تأثیرگذاری و تأثیرپذیری مستقیم متغیرها و جایگاه آنها را در سیستم منطقه نشان میدهد. اکثر متغیرها در یک راستا قرار دارند که نشانگر شرایط پیچیده اکوسیستم و ناپایدار در منطقه است و متغیر مهاجرت و تا حدودی انگیزه تغییر کاربری توسط کشاورزان جزء متغیرهای مستقل برگزیده شدند بدین منظور میتوان 5 دسته از متغیرها رو شناسایی کرد:
الف) متغیرهای تعیین‌کننده یا تأثیرگذار: این متغیرها بیشتر تغییر قلمداد می‌شوند زیرا تأثیرگذارند و کمتر تأثیرپذیر هستند. این متغیرها بحرانی‌ترین متغیرها قلمداد می‌شوند زیرا تغییرات سیستم وابسته به آن‌هاست مدیریت کنترل این تغییرها بسیار مهم است هرگونه تغییری در این متغیرها باعث تغییر در کارکرد سیستم می‌شوند، ب) متغیرهای دووجهی: این متغیرها به‌صورت هم‌زمان تأثیرگذاری و تأثیرپذیری بالایی دارد وضعیت این و متغیرها تغییر درباره آنها باعث تغییر در سایر متغیرها می‌شود و همچنین هر تغییری در سیستم باعث تغییر در این متغیرها و اثرگذاری در آنها می‌شود. این متغیرها عوامل کلیدی سیستم را تبیین می‌کنند. ازآنجایی‌که این متغیرها دارای اهمیت زیاد و عدم قطعیت بالایی هستند. سناریوها توسعه بر اساس این دسته تغییرها تدوین می‌شود. این متغیرها را میتوان به دودسته متغیرهای ریسک و متغیرهای هدف تقسیم‌بندی نمود، پ) متغیرهای تنظیمی: در اطراف مرکز ثقل نمودار قرار دارند و در برخی مواقع به‌عنوان متغیرهای اهرمی ثانویه (متغیرهای هدف ضعیف و متغیرهای ریسک ضعیف) عمل می‌کنند. این متغیرها قابل ارتقا به متغیرهای تأثیرگذار و یا دووجهی هستند، ت) متغیرهای تأثیرپذیر یا نتیجه: جایگاه این متغیرها در نمودار، جنوب شرقی پلان تأثیرگذاری تأثیرپذیری میباشد. این متغیرها که دارای تأثیرگذاری بسیار پایین و تأثیرپذیری بسیار بالا هستند، ج) متغیرهای مستقل: متغیرهایی هستند که نخست اهمیت آنها در تحقق اهداف سیستم در اولویت دوم قرار دارد، ثانیاً دامنه تغییر و شدت تغییرات پیش روی آن کم است. این عوامل مستقل از سایر متغیرها هستند. که در شکل (4) بر اساس جایگاه قرارگیری متغیرها در پلان تاثیرگذاری و تاثیرپذیری نوع متغیرهای مورد مطالعه مشخص گردیده است.
شکل4. وضعیت متغیرها بر اساس تأثیرات مستقیم متغیرها
Fig 4. Sitution of variables based on direct effects of variable
شکل 5. پراکندگی متغیرها در پلان تأثیرگذاری و تأثیرپذیری
Fig 5. Distribution of variables on plane direct effects and indirect effects
در شکل (6 و 7) نتایج ارتباطات متغیرها بر همدیگر ارائه گردیده است که نتیجه پرسشنامههایی پر شده توسط خبرگان است که براساس میزان تأثیر متقابل بین متغیرها میباشد. هر چقدر تعداد رتبه سه بیشتر باشد نشانگر ارتباط قوی بین متغیرها است.
شکل6. تأثیرات مستقیم متغیرها بر یکدیگر (تأثیرات متوسط یا میانه)سمت چپ و (تأثیرات قوی تا خیلی ضعیف)سمت راست
Fig 6. Direct effects of variables on each other (moderate effects) on the left and (strong to very weak effects) on the right
شکل7. تأثیرات غیرمستقیم متغیرها بر یکدیگر (تأثیرات متوسط)سمت چپ و(تأثیرات قوی تا خیلی ضعیف)سمت راست
Fig 7. Indirect effects of variables on each other (moderate effects) on the left and (strong to very weak effects) on the right
شکل8. امتیاز تاثیر گذاری و تاثیر پذیری عوامل موثر در تغییر کاربری با استفاده از نرم افزار میک مک
Figure 8. Impact Reciprocative and effectiveness of factors affecting user change using Micmac software
جدول 5. عوامل کلیدی مؤثر در تغییر کاربری جنگل منطقه فندقلو (مستقیم و غیرمستقیم)
Table 5. Affection Key Factor in land use change zon fandoghlo forest
ردیف | متغیرهای تاثیرگذار | مستقیم MDI)) | متغیر | غیرمستقیم (MI) |
1 | کاربری اراضی | 696 | کاربری راضی | 745 |
2 | پوشش گیاهی | 680 | پوشش گاهی | 648 |
3 | توریست | 538 | تعداد خانوار | 632 |
4 | انگیزه تغییر از اراضی کشاورزی به مسکونی | 583 | شیب | 599 |
5 | فاصله از روستا | 567 | نقاط آتش‌سوزی | 538 |
6 | قطع و برداشت | 567 | نوع خاک | 551 |
7 | تعداد خانوار (جمعیت) | 551 | انگیزه تغییر از اراضی کشاورزی به مسکونی | 551 |
8 | ارتفاع | 534 | متغیر | 534 |
همانطور که در جدول فوق مشاهده ميشود، در کل عوامل و پیشرانهای کلیدی مؤثر بر تغییر کاربری جنگل منطقه فندقلو به ترتیب الویت امتیاز تأثیرگذاری عبارتنداز: کاربری اراضی، پوشش گیاهی، توریست، انگیزه تغییر از اراضی کشاورزی به مسکونی، فاصله از روستا، قطع و برداشت، تعداد خانوار (جمعیت)، ارتفاع است.لذا با در نظر گرفتن این عوامل کلیدی در سناریوهای مدیریت توسعه پایدار منطقه جنگلی فندقلو، ميتوان به توسعه پایدار جنگل فندقلو دست یافت.
بحث و نتیجه گیری
حفاظت و نگهداری از منابع طبیعی و محیط زیست نیازمند بررسی‌های نظام مند و آینده نگر است. تحلیل پویایی سیستم ها ، پیچیدگی آنها در جهان معاصر و شناخت متغیرهاي موثر در آینده را می توان از مهم ترین بخشهاي مطالعات آینده پژوهی دانست. روش تحلیل ساختاري، روشی است که براي تحلیل روابط بین متغیرها خصوصاً در سیستم هاي گسترده و داراي ابعاد متعدد بکار می رود. پتانسیل این روش دراستفاده از داده هاي کیفی در کنار داده هاي کمی، سبب شده که این روش تبدیل به یکی از روشهاي پرکاربرد در
آینده پژوهی شود. با توجه به نابودی سرعت منابع طبیعی و تغییرات پوشش زمین، در اثر تاثیرگذاری عوامل مختلف در طول زمان و دخالت های‌انسانی منجر به ناپایداری محیط طبیعی شده است؛ بنابراین شناسایی عوامل مؤثر بر تغییرات محیط میتواند برای برنامه ریزی آگاهانه در راستای حفاظت و پایداری سیستم منطقه مؤثر باشد.
این پژوهش باهدف شناسایی عوامل مؤثر بر تغییر کاربری منطقه فندقلو تحلیل ساختاری انجام گرفت که در این راستا 19 عامل در ابعاد اجتماعی کالبدی، اقتصادی، طبیعی بر اساس میانگین وزن‌های استخراج شده از پرسشنامهها، روابط آنها در محیط نرم‌افزار میک مک از نظر تأثیرگذاری و تأثیرپذیری مستقیم و غیرمستقیم متغیرها تحلیل گردید که با توجه به جایگاه توزیع متغیرها در پلان تاثیرگذاری و تاثیرپذیری در دسته سیستم ناپایدار قرار گرفت که 8 عامل با توجه به اثرگذاری و اثر پذیری بالا به عنوان عوامل کلیدی انتخاب شدند. که در این میان متغیر تغییر کاربری تاثیرگذارترین عامل در الگوی تغییرات کاربری جنگل در آینده است. دیگر عوامل به ترتیب شامل پوشش گیاهی، توریست، انگیزه تغییر از اراضی کشاورزی به مسکونی، فاصله از روستا، قطع و برداشت، تعداد خانوار (جمعیت)، ارتفاع متغیر های تاثیرگذار در منطقه هستند که میتوان گفت که این عوامل در آینده سیستم محیطی و تغییرات کاربری این منطقه نقش مستقیمی دارند. لذا در نظر گرفتن عوامل کلیدی در برنامه ریزیهای محلی و منطقهای و دستیابی به توسعه پایدار در کنار بهره مندی از موقعیت استراتژیک اقلیمی و گردشگری ضروری است و برای دستیابی به این امر، میبایست هماهنگی لازم بین تمامی سازمانهای مربوطه استانی و بین استانی برقرار گردد.
References
1. Bell W. 2003. Foundations of Futures Studies: History, Purposes, and Knowledge. Transaction Publishers.
2. Banzhaf, H.S., Lavery, N. (2010). Can the Land Tax Help Curb Urban Sprawl? Evidence from Growth Patterns in Pennsylvania, Journal of Urban Economics, Vol 67, pp 169-179.
3. Bonyad Tose Farda. 2005. Technology foresight methods, Tehran. Bonyad Tose Publishers. [In Persian].
4. Caldas M M, Simmons C, Walker R, Perz S, Aldrich S, Pereira R, Leite F, Arima E. 2010. Settlement Formation and Land Cover and Land Use Change: A Case Study in the Brazilian Amazon. Journal of www.SID.irArchive of SID American Latin Geography, 9(1).
5. Dong C, Schoups G, van de Giesen N. 2013. Scenario development for water resource planning and management: a review. Technological forecasting and Social change, 80(4), 749-761.
6. Fahey L, Randall RM. 1998. Learning from the Future: Competitive Foresight Scenarios. Wiley Publications: New York, 13.
7. Jafari F, Moazzeni M, Badali A. 2020. Futures Study of Urban Land Use Change in Tabriz Metropolis. Periodical Scientific Research Planning Spactial (Geographic). Vol. 10, No. 2, Ser (37).
8. Gordon T. 1994. Trend Impact Analysis. Futures Research Methodology.
9. Godet M. 2006. Effective strategic management the prospective approach. Technology Analysis & Strategic Management,vol,1,No,1.
10. Godet A J, Meunier MF, Roubelat. F. 2003. Structural analysis with the میک مک method & actors’ strategy with MACTOR method. Futures Research Methodology, No. 2.
11. Krawczyk E. 2006. Futures thinking in city planning processes: the case of Dublin, PhD. Dublin Institute of Technology School of Environmental Planning and Management Faculty of Built Environment.
12. Kameoka A, Yokoo Y, Kuwahara T. 2004. A challenge of integrating technology
foresight and assessment in industrial strategy development and policymaking. Technological
Forecasting and Social Change, 71(6), 579-598.
13. Li Sh. 2011. Simulating multiple class urban land-use/cover changes by RBFN-based CA model. Computers & Geosciences, 37: 111–121.
14. Naimi K, Pourmohammadi M. 2016. Identifying the key factors affecting the future status of low-income urban settlements in Sanandaj with emphasis on the application of futures studies. Quarterly Journal of Urban Studies, No. (In Persian).
15. Ndubisi F.1997. Landscape Ecological Planning. In: Thompson, G.F., Steiner, F.R. (Eds.). Ecological Design and Planning, Wiley, New York.
16. Nazemi A, Radiri R. 2016. Futurism from Concept to Implementation, Ministry of Industries and Mines, New Industries Center, Tehran [In Persian].
17. Mertnes B, & Lambin EF. 2000. Land-Cover Change Trajectoriesim Southern Cameroon, Annals of the Association of American Geographers, 90 (3)
18. Mishra V, Kumar Rai P, Mohan M. 2014. Prediction of Land use changes based on change modelerer (LCM) using Remote sensing: a case study of muzaffarpur (BIHAR),India. Original scientific paper. J. Geogr. Inst. Cvijic, 64(1), 111-127.
19. Martin B R. 1995. Foresight in science and technology. Technology Analysis and Strategic Management, 7(2), 139-168.
20. Rostami Kia Y, Little Tabari M, Ahmadzadeh A, Rahmani A. 2017. The effect of growth-promoting bacteria on vegetative traits and nutrients of hazelnut seedlings in Ardabil hazelnut nursery. Iranian Journal of Forest and Poplar Research, 25 (1), 116-126.
21. Taghilou A. 2018. Land use Changes Scenarios for Rural Areas (Case study: Bash Qaleh Dehestan –Urmia County). Journal of Research and Rural Planning, Volume 7, No. 3, Autumn 2018, Serial No.23 eISSN: 2383-2495 ISSN: 2322-2514 http://jrrp.um.ac.ir.
22. Torahi A, Chand rai S. 2011. Land Cover Classification and Forest ChangeAnalysis. Using Satellite Imagery-A Case Study in Dehdez Area of Zagros Mountain inIran, Journal of Geographic Information System, 3, pp. 1-11.
23. Teymouri R. 2016. Modeling the ecological structure of urban green space development with a futuristic approach Case study: Tabriz metropolis, School of Geography and Planning. University oF Tabriz. [In Persian].
24. Valizadeh Kamran Kh, Sadegih M, Hejazi SA. 2021. Modeling SA.2021. Land Changes forest Using by LCM in Fandoqhlo Forest Area (Ardabil). Journal of Civil and Environmental Engineering Volume,Issue 1. (In Persian).
25. Volkery A, Riberio H. 2009. Scenario planning in public policy:Understanding use, impacts and the role of institutional context factors. Tecnological Forecasting & social change, 76,1198-1207.
26. Paegelowa M,Camacho Olmedob M T, Masc J F, Houetd T Pontius Jr R G. 2013. Land change modelling: moving beyond projections. International Journal of Geographical Information Science, Vol. 27, No. 9, 1691–1695.
27. Rabbani T.2012. Structural analysis method is a tool for recognizing and analyzing variables affecting the future Urban issues,Proceedings of the First Futurology Conference. [In Persian].
28. Weber M. 2012. FLAs and new patterns of governance of research and innovation. In S. Giessecke, A., van der Gießen, & S. Elkins (Eds.). The role of forward-looking activities for the governance of Grand Challenges. Insights from the European Foresight Platform, (pp. 4-11). Retrieved from:https:// ec.europa.eu/ jrc/ en/scientific-tool/ european-foresight-platform.
Title English Recognition of key factors affecting forest land use change with a futurist approach (Case study: Fandoglu forest area)
Abstract
In order to better manage natural, man-made ecosystems, long-term planning can help environmentalists and natural resource managers make a more informed decision. The aim of this study is to identify the key factors influencing land use change in Fandoglu forest region with a futuristic approach. It was designed and provided to experts with dimensions of 19 x 19 matrix and was used to weigh 3 to 0 numbers, which were three high and zero impacts without impact and weighting. The effectiveness and variability of the variables were analyzed directly and indirectly in Micmac software. Finally, eight factors influencing forest use change in Fandoglu region were selected from Key factors are land use factor, vegetation, tourists, motivation to change from agricultural to residential land, distance from village, cut and harvest, number of households (population), height are the most important key factors in the future of the regional system. In forest use change, the management of sustainable development of forest use changes in Fandoghlo tourist area can be achieved.
Keywords: : Key factors, Delphi, Micmac, Forest land use change
[1] 9 land use and land cover changes
[2] Social, Technological, Economic, Environmental, and Political (STEEP)
[3] Theodore Gordon and alpha Helmer
