Determination of homogenous areas for ecosystem services supply in the central part of Isfahan province

Subject Areas : Natural resources and environmental management

Sedighe  Abdollahi ¹ (PhD Student of Science and Environmental Engineering, Faculty of Natural Resources and Environment, Malayer University, Iran)
Alireza  Ildoromi ² (Assoc. Prof. Department of Range Management and Watershed, Faculty of Natural resources and Environment, Malayer University, Iran)
Abdolrassoul  Salmanmahini ³ (Prof. Department of Environment, Faculty of Fishery and Environment, Gorgan University of Agriculture and Natural Resource, Iran)
Sima  Fakheran ⁴ (Assoc. Prof. Department of Environment, Faculty of Natural Resources, Isfahan University of Technology, Iran)

Received: 2019-08-29 Accepted : 2020-02-26 Published : 2020-03-20

Keywords: Spatial zonning, Ecosystem Services, Isfahan, Land management, k-means clustering,

Abstract :

Determining and identifying homogeneous regions for ecosystem services supply is an effective and useful step in improving land management. Therefore, in this study, after quantifying and mapping ecosystem services, aesthetic value, recreational value, and noise pollution reduction, the K-Means clustering method was used to identify homogeneous areas of ecosystem service supply and homogeneous areas zoning was prepared in the GIS environment. To investigate the effective parameters on ecosystem services supply, the slope, altitude, population density, distance from access routes, distance from the river, percentage of available land uses and distance from the centre of the largest urban region were extracted for each homogeneous area or cluster. Based on the Davis-Bouldin validation index, the optimal number of clusters was 4. Cluster number two with the area of 686.27 Km2 was the largest, while cluster number one with the area of 119.75 Km2 was the smallest in the area. Investigation of environmental-social parameters showed that land use has the highest impact on ecosystem services supply. The results showed that there is a direct relationship between these parameters and ecosystem services supply in each cluster. Based on the results of this study, investigation of homogeneous areas of ecosystem services can be effective to improve land use planning and management.

Full-Text:



تعیین مناطق همگن عرضه خدمات اکوسیستمی در بخش مرکزی استان اصفهان

 

چکیده

یک گام مؤثر و کاربردی در بهبود مدیریت سرزمین، شناسایی و تعیین مناطق همگن عرضه خدمات اکوسیستمی است. ازاین‌رو در این مطالعه، پس از کمی‌سازی و نقشه‌سازی خدمات اکوسیستمی ارزش زیبایی‌شناسی، ارزش تفرجی و کاهش آلودگی صوتی، از روش خوشه‌بندی K-Means در محیط نرم‌افزار  SPSS IBMبه‌منظور شناسایی مناطق همگن عرضه خدمات اکوسیستمی استفاده شد و در گام بعد، پهنه‌بندی مناطق همگن در محیط GIS انجام شد. در پایان به‌منظور بررسی منابع اثرگذار بر عرضه خدمات اکوسیستمی، پارامترهای شیب متوسط، ارتفاع متوسط، تراکم جمعیت، فاصله از مسیرهای دسترسی، فاصله از مسیر رودخانه، درصد انواع کاربری‌های موجود و فاصله از مرکز بزرگ‌ترین منطقه شهری منطقه مطالعاتی، برای هر یک از مناطق همگن و یا خوشه‌ها استخراج گردید. براساس شاخص صحت‌سنجی دیویس- بولدین تعداد بهینه خوشه‌ها 4 به‌دست آمد. خوشه 2 با مساحت 27/686 کیلومترمربع دارای بیشترین وسعت در منطقه است درحالی‌که خوشه یک با 75/119 کیلومترمربع کمترین مساحت منطقه را به خود اختصاص داده است. بررسی پارامترهای محیطی- اجتماعی نشان داد که کاربری اراضی بیشترین تأثیر را در عرضه خدمات اکوسیستمی دارد. از سوی دیگر نتایج این مطالعه نشان داد که غالبا رابطه مستقیمی بین این پارامترها و عرضه خدمات اکوسیستمی در هر یک از خوشه‌ها وجود دارد. براساس نتایج این مطالعه بررسی مناطق همگن عرضه خدمات اکوسیستمی می‌تواند در بهبود برنامه‌ریزی و مدیریت کاربری زمین مؤثر واقع شود.

 

واژه‌های کلیدی: خدمات اکوسیستمی، خوشه‌بندیK-Means، پهنه‌بندی مکانی، مدیریت سرزمین

 

 

 

 

 

 

 

 

 

 

مقدمه

بر اساس تعریف ارائه‌شده در گزارش اکوسیستمی هزاره، خدمات اکوسیستمی، سودمندی‌هایی هستند که بوم‌سازگان‌ها برای مردم فراهم می‌سازند. این سودمندی‌ها دارای طبقه‌بندی‌های گوناگونی بوده و براساس طبقه‌بندی گزارش بیان‌شده، در چهار دسته فراهم‌سازی، حمایتی، تنظیمی و فرهنگی قابل‌شناسایی هستند (15و 33). برای دستیابی به توسعه پایدار، لازم است که مکان‌های عرضه خدمات اکوسیستمی در مقیاس‌های مختلف شناسایی شود؛ بنابراین نقشه‌سازی و کمی‌سازی خدمات اکوسیستمی ابزار مهمی برای تصمیم‌گیران و مدیران کشوری به‌منظور مدیریت و پایش سطح عرضه خدمات اکوسیستمی است و امکان شناسایی نواحی دارای ارزش حفاظتی (به علت عرضه زیاد خدمات) را فراهم می‌کند (21). در بین تمام مراحل برنامه‌ریزی سرزمین، پهنه‌بندی عملکردی محیط‌زیست به‌عنوان عنصر اساسی برنامه‌ریزی به‌منظور ایجاد انعطاف و سازگاری در برنامه‌ریزی امری ضروری است و سعی در بهینه‌سازی فعالیت‌های انسانی با توجه به محدودیت منابع و ظرفیت برد محیط دارد (24). در مقیاس منطقه‌ای، با توجه به وجود سیماهای سرزمین متفاوت و روابط پیچیده بین خدمات اکوسیستمی چندگانه، الگوهای پراکنش مختلفی بین انواع خدمات اکوسیستمی وجود دارد (34،38 و 43). بااین‌وجود هنوز اطلاعات کاملی به‌منظور مدیریت خدمات اکوسیستمی چندگانه وجود ندارد و این امر موجب بر هم خوردن تعادل بین انواع خدمات اکوسیستمی در رابطه با کاربری زمین می‌شود (30و 36). به‌ویژه در مناطق وسیع که شرایط بوم‌شناختی و اقتصادی- اجتماعی بسیار پیچیده است، درک الگوهای یکپارچه خدمات اکوسیستمی، اطلاعات مفیدی در زمینه مدیریت و حفظ خدمات اکوسیستمی چندگانه فراهم می‌سازد. ازاین‌رو مناطق همگن و یا خوشه‌های خدمات اکوسیستمی ابزار مؤثری برای بررسی و تحلیل روابط بین خدمات اکوسیستمی چندگانه است (36،38و 43). به‌عبارت‌دیگر، با استفاده از روش خوشه‌بندی، پهنه‌بندی مکانی منطقه بر اساس عرضه هریک از خدمات اکوسیستمی، با دقت بیشتری انجام می‌شود و باعث سهولت مدیریت سرزمین و تصمیم‌گیری کاربری زمین می‌شود. ازاین‌رو استفاده از روش‌های داده‌کاوی می‌تواند گامی در جهت پیش‌بینی بهتر و دسته‌بندی، خدمات اکوسیستمی باشد. داده‌کاوی از رشته‌های جدیدی است که با به‌کارگیری و استفاده از داده‌های آماری، به استخراج اطلاعات و الگوهای مفید می‌پردازد (42). داده‌کاوی نشان‌دهنده یک پیشرفت قابل‌توجه در انواع ابزار تحلیلی در دسترس است و به‌عنوان یک روش معتبر، حساس و قابل‌اعتماد برای کشف الگوها و روابط بین آن‌ها، در نظر گرفته می‌شود (41). روش خوشه‌بندی ((Clustering Method، یکی از زیرمجموعه‌های علم داده‌کاوی است که هدف آن، اکتشاف و پردازش پایگاه‌های داده‌ای، به‌منظور استخراج دانش از آن‌ها است (27). خوشه‌بندی یک روش یادگیری غیرنظارتی برای دسته‌بندی داده‌ها بر اساس میزان تشابه آن‌ها است. این رویکرد به‌عنوان ابزار کارآمد به‌منظور استخراج ساختار موجود در داده‌ها، معرفی شده است (41) و به‌عنوان یکی از راه‌کارهای مؤثر برای سازمان‌دهی اطلاعات به شمار می‌آید (5). مرور منابع داخلی نشان می‌دهد که تاکنون به‌منظور بررسی خدمات اکوسیستمی با استفاده از روش خوشه‌بندی مطالعه‌ای صورت نگرفته است. ازجمله مطالعات صورت گرفته در این زمینه در سطح بین‌المللی می‌توان این موارد را برشمرد؛ کانگ و همکاران (30) در مطالعه خود به بررسی خدمات اکوسیستمی با استفاده از روش خوشه­بندی در چین پرداختند. نتایج مطالعه آن­ها نشان داد که بر اساس میزان عرضه­ی خدمات اکوسیستمی و عوامل اجتماعی- محیطی 5 خوشه خدمات اکوسیستمی در منطقه وجود دارد. همچنین نتایج این مطالعه نقش خوشه­های خدمات اکوسیستمی در مدیریت و برنامه­ریزی سرزمین را تایید کرد. راسپ‌هرن و همکاران (38) با استفاده خوارزمیک (algorithm) K-Means گروه­های مختلف خدمات اکوسیستمی را در ایالت کبک کانادا مورد بررسی قرار دادند. با توجه به نتایج آن­ها، 12 خدمت اکوسیستمی مورد بررسی در 137 شهرستان منطقه در 6 خوشه دسته­بندی شد که هر خوشه نشان­دهنده نوع خاصی از برهمکنش و هم­بیشی بین خدمات اکوسیستمی بود. کناجی و همکاران (22) گروه­های مختلف 6 خدمت اکوسیستمی را در زیمباوه با استفاده از روش خوشه‌بندی K-Means مطالعه کردند. براساس یافته­های آن­ها با توجه به میزان عرضه خدمات اکوسیستمی 6 خوشه در منطقه مطالعاتی شناسایی شد و خدمات اکوسیستمی در خوشه­های مختلف دارای برهمکنش و هم­بیشی بودند. هم­چنین نتایج مطالعه­ی آن­ها، نتایج مطالعه راسپ­هرن و همکاران (38) را تایید نمود. با توجه به موارد بیان‌شده در این مطالعه سعی بر این است تا با استفاده از روش خوشه‌بندیK-Means مناطق همگن عرضه خدمات اکوسیستمی چندگانه در بخش مرکزی استان اصفهان شناسایی و مورد ارزیابی قرار گیرد.

 

مواد و روش‌ها

محدوده موردمطالعه

منطقه موردمطالعه در استان اصفهان بین 32 درجه و 19 دقیقه تا 32 درجه و 56 دقیقه عرض شمالی و 51 درجه و 12 دقیقه تا 51 درجه و 59 دقیقه طول شرقی واقع شده است و بخش‌هایی از شهرستان‌های اصفهان، شاهین‌شهر، خمینی‌شهر، نجف‌آباد و فلاورجان را در برمی‌گیرد (شکل 1). این منطقه دربرگیرنده مساحتی معادل 99/1180 کیلومترمربع است. متوسط درجه حرارت سالانه این منطقه 7/16 درجه سانتی‌گراد و متوسط بارندگی آن 9/116 میلی‌متر است و دارای مزیت‌های چشم‌گیری است که می‌توان به وجود رودخانه زاینده‌رود، وجود اراضی مرغوب کشاورزی، وجود آثار تاریخی و جاذبه‌های توریستی، قدمت شهرنشینی، وجود عناصر شهری به همراه زیربناهای تجهیز شده، وجود زمینه‌های بالقوه توسعه در تمامی بخش‌ها خصوصاً کشاورزی، صنعتی، صنایع معدنی و دستی درصورت فراهم بودن نیازهای پایه اولیه اشاره نمود (14).

 

 

شکل 1. موقعیت منطقه مطالعاتی در ایران و استان اصفهان

روش‌شناسی پژوهش

برای انجام این پژوهش، در ابتدا، با استفاده از معیارها و شاخص‌هایی که براساس مرور منابع مطالعاتی مشخص گردیدند سه خدمت اکوسیستمی ارزش زیبایی‌شناسی سیمای سرزمین، تفرج و کاهش آلودگی صوتی با استفاده از قابلیت سامانه اطلاعات جغرافیایی کمی‌سازی شده و نقشه این خدمات تهیه گردید. سپس با استفاده از خوارزمیک K-Means، در نرم‌افزار SPSS IBM خوشه‌های خدمات اکوسیستمی شناسایی شد و در پایان به‌منظور بررسی منابع اثرگذار بر عرضه خدمات اکوسیستمی، پارامترهای شیب متوسط، ارتفاع متوسط، تراکم جمعیت، فاصله از مسیرهای دسترسی، فاصله از مسیر رودخانه، درصد انواع کاربری‌های موجود و فاصله از مرکز بزرگ‌ترین منطقه شهری منطقه مطالعاتی، برای هر یک از مناطق همگن و یا خوشه‌ها محاسبه شد.

 

کمی‌سازی خدمات اکوسیستمی

رویکردهای گوناگونی برای کمی­سازی و نقشه‌سازی خدمات اکوسیستمی وجود دارد که در بسیاری از موارد از شاخص‌های متفاوتی برای نقشه‌سازی یک خدمت اکوسیستمی استفاده می‌کنند (31). در این مطالعه دو خدمت اکوسیستمی ارزش زیبایی‌شناسی سیمای سرزمین و تفرج به‌عنوان خدمات فرهنگی و خدمت اکوسیستمی کاهش آلودگی صدا به‌عنوان خدمت اکوسیستمی تنظیمی موردبررسی و کمی‌سازی قرار گرفت.

 

کمی‌سازی خدمت اکوسیستمی ارزش زیبایی‌شناسی سیمای سرزمین

به‌منظورکمی‌سازی ارزش زیبایی‌شناسی پس از مرور منابع مطالعاتی و بررسی ویژگی‌های منطقه مطالعاتی، معیارهای مؤثر در ارزش زیبایی‌شناسی شامل تراکم پوشش گیاهی، تنوع تراکم پوشش گیاهی (به‌عنوان شاخصی از تنوع پوشش)، قابلیت دید نقاط پرتنوع، قابلیت دید رودخانه، قابلیت دید پارک‌ها و فضاهای سبز شهری و قابلیت دید قله‌ها مشخص، نقشه‌سازی (جدول 1) و سپس با استفاده از روش فازی استاندارد گردید و گام بعد پس از وزن‌دهی به معیارهای موردبررسی با استفاده از روش AHP، با به‌کارگیری روش ترکیب خطی وزن‌دار، مناطق دارای ارزش زیبایی‌شناسی تعیین شد.

 

جدول 1. معیارهای مورد استفاده در ارزش زیبایی­شناسی و شیوه تهیه هر یک از آن‌ها

معیارها	داده­های مورد نیاز	شیوه تهیه معیارها
تراکم پوشش گیاهی	باند قرمز و مادون قرمز سنجنده OLI ماهواره لندست 8 ، ژوئن 2018	تهیه لایه اختلاف نرمال شده پوشش گیاهی با استفاده از رویه VEG Index در نرم­افزار ایدریسی سلوا
تنوع تراکم پوشش گیاهی	لایه اختلاف نرمال شده پوشش گیاهی	طبقه­بندی نقشه تراکم پوشش گیاهی با استفاده از دستور طبقه­بندی مجدد (Reclass) و اجرای دستور الگو((Pattern و استفاده از رویه NDC و فیلتر 3 در 3 در نرم­افزار ایدریسی سلوا
قابلیت دید رودخانه	لایه رستری رودخانه	استخراج لایه رودخانه از روی لایه شبکه آبراهه­های منطقه و اجرای دستور  Viewshed در محدوده 200 متری آن در نرم­افزار ایدریسی سلوا
قابلیت دید قله	لایه رستری قله­ها	استخراج لایه قله­ها از روی نقشه شکل زمین و اجرای دستور  Viewshed در محدوده 5000 متری آن در نرم­افزار ایدریسی سلوا
قابلیت دید پارک­ها	لایه رستری پارک­ها	استخراج لایه پارک­ها با استفاده از دستور طبقه بندی مجدد (Reclass) از روی نقشه کاربری اراضی و اجرای دستور ویوشد در محدوده 500 متری آن، تهیه نقشه فاصله از پارک­ها با استفاده از دستور  (Distance) و سپس ضرب دو نقشه دید و فاصله در نرم­افزار ایدریسی سلوا
قابلیت دید نقاط پرتنوع	لایه مدل رقومی ارتفاع منطقه	استخراج نقشه شکل زمین از روی مدل رقومی ارتفاع و سپس استفاده از فیلتر مد 3 در 3 برای جدا کردن قسمت­های متنوع از روی نقشه شکل زمین، استفاده از الگوی NDC با فیلتر 7 در 7 و جدا کردن طبقه نهایی به عنوان متنوع­ترین بخش، اجرای دستور  Viewshed در محدوده 3000 متری آن در نرم­افزار ایدریسی سلوا

 

کمی‌سازی خدمت اکوسیستمی تفرج

برای تعیین ارزش تفرجی منطقه مطالعاتی از روش ارزیابی چند معیاره استفاده شد. جهت اجرای این روش ابتدا اهداف مطالعه که شامل طیفی از انواع فعالیت‌های تفرجی در منطقه (شامل پیاده‌روی، دوچرخه‌سواری، کوه‌نوردی، فرصت شنیدن آواهای طبیعی، اردو زدن، تماشای مناظر زیبا و بازدید آثار فرهنگی) مشخص شدند. سپس معیارهای متناسب با این فعالیت‌های تفرجی تعیین شد (جدول 2). پس‌ازاین مرحله، معیارها استانداردسازی و سپس با استفاده از روش تحلیل سلسله‌مراتبی به معیارها وزن داده شد. در مرحله بعد، معیارها با همدیگر ترکیب و در نهایت نقشه توان هر فعالیت تهیه شد. در پایان به‌منظور تعیین ارزش تفرجی منطقه، نقشه فعالیت‌های تفرجی با استفاده از ترکیب خطی وزن‌دار ترکیب شدند.

 

جدول 2. معیارهای مورد استفاده در ارزیابی فعالیت­های تفرجی و شیوه تهیه هر یک از آن‌ها

معیارها	داده­های مورد نیاز	شیوه تهیه معیارها
تراکم پوشش گیاهی	باند قرمز و مادون قرمز سنجنده OLI ماهواره لندست 8 ، ژوئن 2018	تهیه لایه اختلاف نرمال شده پوشش گیاهی با استفاده از رویه VEG Index در نرم­افزار ایدریسی سلوا
شیب	مدل رقومی ارتفاع	اجرای دستور Slope در نرم­افزار ایدریسی
فاصله از جاده	لایه رستری جاده	اجرای دستور Distance در نرم­افزار ایدریسی
فاصله از رودخانه	لایه رستری رودخانه	اجرای دستور Distance در نرم­افزار ایدریسی
فاصله از شهر و روستا	لایه رستری شهر و روستا	اجرای دستور Distance در نرم­افزار ایدریسی
فاصله از آثار باستانی	لایه رستری آثار باستانی	ثبت نقاط آثار باستانی با GPS ورود آن­ها به جی­آی­اس و اجرای دستور Distance در نرم­افزار ایدریسی
تنوع پرندگان	نقشه پراکنش پرندگان	اداره کل محیط­زیست استان
بافت خاک	نقشه بافت خاک	اداره کل منابع طبیعی استان
کاربری زمین	تصاویر سنجندهOLI  لندست 8 ، ژوئن 2018	پیش­پردازش تصاویر (تصیح هندسی، اتمسفری، رادیومتریک). طبقه­بندی تصاویر با استفاده از روش حداکثر احتمال در نرم­افزار ENVI 5.3 وپس­پردازش اطلاعات با استفاده از فیلتر Majority
مناطق جذاب و زیبا	نقاط مربوط به جاذبه­های طبیعی و فرهنگی	تهیه نقشه دید نقاط با دستورViewshed، تهیه نقشه فاصله نقاط با دستور Distanceو سپس ضرب دو نقشه در یکدیگر

 

کمی‌سازی خدمت اکوسیستمی کاهش آلودگی صوتی

برای کمی‌سازی کاهش آلودگی صوتی پس از تعیین ایستگاه‌هایی در منطقه مطالعاتی (شکل2)، شدت تراز صوت اندازه‌گیری شد. به‌منظور بررسی تغییرات روزانه شدت تراز صوت در منطقه مطالعاتی، اندازه‌گیری این پارامتر در ساعت مشخصی از روز (9 صبح الی 13 بعدازظهر) در تمامی ایستگاه‌ها جهت جلوگیری از هرگونه خطا انجام گرفت. در میان روزهای هفته نیز اندازه‌گیری از شنبه تا چهارشنبه صورت گرفت و روزهای پنج‌شنبه و جمعه به دلیل تعطیل بودن و تأثیرگذاری در نتایج انتخاب نگردید. تمامی اندازه‌گیری‌ها به مدت 4 ماه از اول شهریور تا پایان آذرماه 1397 انجام شد. به منظور اندازه­گیری صدا از دستگاه صوت­سنج Bruel& Kjaer مدل 2239 ساخت کشور دانمارک و هم­چنین کالیبراتور Bruel& Kjaer مدل 4231 به منظور کالیبره کردن دستگاه صوت­سنج استفاده شد. در تمامی مراحل اندازه­گیری، دستگاه صوت­سنج به جهت ثابت ماندن بر روی یک سه پایه به ارتفاع 150 سانتی­متر قرار گرفت و از یک اسفنج به منظور قرار گرفتن بر روی میکروفن دستگاه صوت­سنج استفاده گردید. کاربرد این اسفنج برای جلوگیری از خطای ناشی از سر و صدای ایجاد شده توسط ارتعاش مولکول­های هوا است. براساس استاندارد صوت ایزو 1996 دستگاه در فاصله­ی 5/3 متری از ساختمان­ها و دیواره­های بتنی که باعث انعکاس صدا می­شوند قرار گرفت (16). اندازه­گیری­ها براساس استاندارد ملی در زمان 30 دقیقه انجام شد. سپس به‌منظور تهیه نقشه پهنه‌بندی صوتی، مختصات نقاط مورد ارزیابی که توسط دستگاه  GPSثبت شده بود به همراه مقادیر ترازهای صوت اندازه‌گیری شده به نرم‌افزار GIS وارد گردید و با استفاده از تابع درون‌یابی کریجینگ نقشه پهنه‌بندی صوتی منطقه تهیه گردید. در گام بعد به منظور کمی­سازی خدمت اکوسیستمی کاهش آلودگی صوتی با استفاده از رگرسیون خطی در نرم­افزار SPSS رابطه بین شدت تراز صوت (نقشه­ی پهنه­بندی صوت) و پوشش گیاهی (شاخص اختلاف نرمال شده پوشش گیاهی) مورد ارزیابی قرار گرفت و در پایان با به کارگیری تابع Raster Calculator در محیط نرم­افزار GIS پهنه­بندی مکانی خدمت اکوسیستمی کاهش آلودگی صوتی براساس معادله­ی رگرسیونی به­دست آمده انجام شد. 

 

 

 

شکل 2. موقعیت نقاط نمونه‌برداری

 

خوشه‌بندی خدمات اکوسیستمی

در این پژوهش از روش خوشه‌بندی K-Means، برای تعیین مناطق همگن عرضه خدمات اکوسیستمی استفاده شده است. این روش از کاربردی‌ترین رویکردهای خوشه‌بندی داده‌ها است که اولین بار توسط مک‌کویین ارائه شده است (32). ورودی مدل خوشه‌بندی ماتریسی از داده‌ها است که این داده‌ها می‌تواند کمی (عددی)، کیفی و یا ترکیبی از این دو حالت باشد. در تعاریف علم تشخیص الگو، به ردیف‌های ماتریس، الگوها یا اشیا و به ستون‌های ماتریس ویژگی‌ها یا مشخصات گفته می‌شود. خروجی مدل خوشه‌بندی، تعدادی خوشه است. خوشه، به گروهی از عناصر گفته می‌شود که نسبت به سایر عناصر در گروه‌های دیگر، شباهت بیشتری به یکدیگر دارند. داده‌ها می‌توانند، خوشه‌هایی با شکل‌های هندسی، اندازه و چگالی متفاوت ایجاد کنند (27). در این روش، منظور از شباهت عناصر، شباهت از نظر ریاضی است که در واقع میزان فاصله میان عناصر است. در بیشتر موارد فاصله اقلیدسی بین دو شی به‌عنوان معیار شباهت استفاده می‌شود (5). روش خوشه‌بندیK-Means، بر اساس کمینه کردن مربعات خطا یا تغییرات درون‌گروهی که معادل با بیشینه کردن تغییرات بین خوشه‌ها است، بنا نهاده شده است (20). مشکل اصلی این روش، حساس بودن آن به چگونگی انتخاب اولیه مراکز خوشه‌ها است. درصورتی‌که مراکز اولیه خوشه‌ها نامناسب انتخاب شوند، تابع هدف به‌جای، نقطه کمینه سراسری به سمت یک کمینه موضعی همگرا می‌شود. برای حل مشکل، لازم است تا خوشه‌بندی برای یک تعداد خوشه خاص، به دفعات متفاوت اجرا گردد و در هر بار اجرای مدل، مراکز خوشه‌ها به‌صورت تصادفی در فضای مختصات انتخاب شوند تا اطمینان حاصل شود که تابع هدف به کمینه سراسری رسیده است. چگونگی تغییرات میزان شاخص صحت‌سنجی خوشه‌بندی در برابر افزایش تعداد خوشه‌ها نشان می‌دهد که مقادیر تابع هدف به مقدار کمینه سراسری خود همگرا گردیده است یا خیر. چنانچه، از یک تعداد خوشه به بعد، تغییر چندانی در میزان شاخص صحت‌سنجی رخ ندهد می‌توان اطمینان یافت که تابع هدف خوشه‌بندی به مقدار کمینه سراسری خود رسیده است و نتایج خوشه‌بندی قابل‌اعتماد است (40). در این پژوهش اطلاعات به‌دست‌آمده از نقشه‌سازی خدمات اکوسیستمی برای هر سه خدمت اکوسیستمی مورد مطالعه با توجه به جدول توصیفی آن‌ها استخراج گردید و سپس به محیط SPSS وارد شد و خوارزمیک K-Means، با تعداد خوشه‌های متفاوت بر روی آن‌ها اجرا شد. در نهایت به‌منظور تعیین تعداد خوشه بهینه، شاخص صحت‌سنجی دیویس- بولدین (Davies- Bouldin Index) برای خوشه‌ها محاسبه گردید.

 

شاخص صحت‌سنجی خوشه‌بندی KMeans

از نمایه‌های صحت‌سنجی به‌طور گسترده‌ای به‌منظور تشخیص تعداد بهینه خوشه‌ها در مجموعه‌ای از داده‌ها استفاده می‌شود (26). در این مطالعه به‌منظور تعیین تعداد بهینه خوشه‌ها، از شاخص صحت‌سنجی دیویس-بولدین با استفاده از ابزار IBM SPSS Modeler استفاده شد. این شاخص جزء رویکردهای درونی ارزیابی خوشه‌بندی است. در روش‌های ارزیابی درونی، خوشه‌بندی به یک عدد کیفیت واحد خلاصه می‌شود. هنگامی‌که نتایج خوشه‌بندی، تنها براساس داده‌هایی که خوشه‌بندی شده‌اند مورد ارزیابی قرار می‌گیرد، ارزیابی درونی نامیده می‌شود (44). بر اساس شاخص صحت‌سنجی دیویس- بولدین، خوشه‌بندی زمانی مناسب است که خوشه‌های ایجاد شده متراکم و نسبت به یکدیگر قابل‌تفکیک باشند. با فرض تفکیک n داده به g خوشه، مقدار کلی این شاخص، برای هر بار عمل خوشه‌بندی از رابطه (1) به دست می‌آید؛

 

(1)IDB=

(2)

(3)

 

در این رابطه برابر میانگین فاصله‌های تمامی عناصر موجود در خوشه j و  میزان پراکندگی درونی خوشه j است. مقدار  زمانی به کمترین میزان خود می‌رسد که فاصله بین دو خوشه از یکدیگر زیاد و پراکندگی درونی خوشه‌ها به کمترین مقدار خود برسد. شاخص دیویس- بولدین برابر با میانگین مقادیر Rj تعریف می‌شود که Rj برابر با بیشترین فاصله Rjk بدست آمده از مقایسه خوشه j با سایر خوشه‌ها است (24). به منظور تعیین محدوده اجرای مدل در روش خوشه‌بندی توصیه شده است، مدل خوشه‌بندی را به تعداد m مرتبه که، 2 m √N، که N برابر تعداد داده‌ها یا همان ردیف‌های ماتریس داده‌ها است، اجرا کرده و در هر مرتبه، ماتریس مقادیر عضویت و معیارهای صحت‌سنجی محاسبه شود (29). تعداد بهینه خوشه‌ها در نقطه‌ای که شاخص دیویس- بولدین کمینه می‌شود و یا اختلاف شیب قبل و بعد از آن نقطه، تفاوت معنی‌داری داشته باشد، به دست می‌آید (40).

 

تعیین پارامترهای محیطی- اجتماعی برای هر یک از خوشه‌ها

به‌منظور بررسی پارامترهای محیطی- اجتماعی پس از مرور منابع (28 و 30) و بررسی ویژگی‌های منطقه مطالعاتی پارامترهایی همچون شیب متوسط، ارتفاع متوسط، تراکم جمعیت، فاصله از مسیرهای دسترسی، فاصله از مسیر رودخانه، درصد انواع کاربری‌های موجود و فاصله از مرکز بزرگ‌ترین منطقه شهری منطقه مطالعاتی با به‌کارگیری تابع Extract در نرم‌افزار ایدریسی سلوا استخراج شد. با استفاده از تابع Extract در نرم‌افزار ایدریسی می‌توان آماره‌هایی از ارزش‌های موجود در یک نقشه را در محل واحدها و پدیده‌هایی که در نقشه دیگری مشخص شده‌اند، استخراج کرد (7). در این مطالعه علاوه بر نقشه خوشه‌بندی خدمات اکوسیستمی نقشه پارامترهای موردبررسی نیز در محیط نرم‌افزار جی‌آی‌اس تهیه شد و وارد تحلیل گردید.

 

نتایج

کمی‌سازی خدمات اکوسیستمی

همان‌طور که بیان شد به‌منظورکمی‌سازی ارزش زیبایی‌شناسی و تفرجی منطقه مطالعاتی از روش ترکیب خطی وزن‌دار استفاده شد. در این روش معیارهایی به‌منظور تعیین ارزش زیبایی‌شناسی و تفرجی مشخص و وزن‌دهی شد. بر اساس نتایج به‌دست‌آمده از وزن‌دهی به معیارها، میزان اثر هریک از معیارها در ترکیب نهایی نقشه‌ها مشخص می‌شود. نتیجه اعمال وزن‌ها و ترکیب نقشه‌ها با یکدیگر و با استفاده از روش ترکیب خطی وزن‌دار، نقشه‌ای فازی است (شکل 3) که درجات مختلف مطلوبیت را در دامنه‌ای از 255-0 نشان می‌دهد. جدول 3 و 4 به ترتیب وزن معیارهای مؤثر در ارزش زیبایی‌شناسی و تفرجی منطقه مطالعاتی را نشان می‌دهد. با توجه به این دو جدول مهم‌ترین معیار در ارزش زیبایی‌شناسی منطقه مطالعاتی قابلیت دید پارک‌ها و برای ارزش تفرجی فعالیت تفرجی پیاده‌روی است. درحالی‌که کم‌اهمیت‌ترین معیار برای این دو خدمت اکوسیستمی به ترتیب قابلیت دید قله و فعالیت تفرجی فرصت شنیدن آواهای طبیعی است.

 

 

شکل3. نقشه پراکنش مکانی دو خدمت اکوسیستمی ارزش زیبایی‌شناسی و ارزش تفرجی منطقه مطالعاتی

 

جدول 3. وزن اختصاص یافته به هر یک از معیارهای مؤثر در ارزش زیبایی‌شناسی منطقه مطالعاتی

معیار	وزن معیار
قابلیت دید پارک‌ها	3008/0
تراکم پوشش گیاهی	2234/0
تنوع تراکم پوشش گیاهی	2042/0
قابلیت دید نقاط پرتنوع	1109/0
قابلیت دید رودخانه	0395/0
قابلیت دید قله	0243/0
ضریب سازگاری: 06/0

 

در روش وزن‌دهی به معیارها با استفاده از روش تحلیل سلسله‌مراتبی، اعتبار نتایج با استفاده از نرخ سازگاری مورد بررسی قرار می‌گیرد. نرخ سازگاری، سازوکاری است که بیان می‌دارد تا چه اندازه می‌توان به اولویت‌های به‌دست‌آمده اعتماد کرد (17). میزان ضریب ناسازگاری اغلب تا 1/0 قابل‌قبول است و اگر ضریب بالاتر از آن باشد نیازمند تجدیدنظر در داوری هستیم (37). در این مطالعه ضریب ناسازگاری برای ارزش زیبایی‌شناسی و تفرجی به ترتیب 06/0 و 02/0 به دست آمد که قابل‌قبول است و نیازی به تجدیدنظر در داوری نیست.

 

جدول 4. وزن اختصاص‌یافته به هر یک از معیارهای مؤثر در ارزش تفرجی منطقه مطالعاتی

معیار	وزن
پیاده‌روی	3636/0
تماشای مناظر زیبا	2115/0
کوه‌نوردی	1374/0
اردوزنی	1130/0
بازدید آثار فرهنگی	0813/0
دوچرخه‌سواری	0607/0
فرصت شنیدن آواهای طبیعی	0325/0
ضریب سازگاری: 02/0

 

 ضریب همبستگی معادله رگرسیونی بین شدت تراز صوت و پوشش گیاهی 904/0- به دست آمد که نشان­دهنده رابطه قوی معکوس بین شدت تراز صوت و تراکم پوشش گیاهی است. رابطه 4 ارتباط بین شدت تراز صوت و پوشش گیاهی را نشان می­دهد که حاکی از رابطه غیر مستقیم پوشش گیاهی و شدت تراز صوت است به طوری که با افزایش تراکم پوشش گیاهی شدت تراز صوت کاهش می­یابد شکل 4 نقشه پهنه‌بندی کاهش صوتی منطقه را نشان می‌دهد. با توجه به این شکل مناطقی که دارای پوشش گیاهی هستند دارای ارزش بالایی نسبت به کاهش آلودگی می‌باشند.

Lq= 74. 834- 34.732NDVI               (4) 

 

 

شکل 4. نقشه کاهش آلودگی صوتی منطقه مطالعاتی

خوشه‌بندی خدمات اکوسیستمی

در این مطالعه، به‌منظور خوشه‌بندی خدمات اکوسیستمی از روش خوشه‌بندی K-Means در نرم‌افزار SPSS IBM استفاده شد. پس از استانداردسازی داده‌ها، عمل خوشه‌بندی به تعداد 2 تا 14 خوشه انجام شد و برای هر بار اجرای این خوارزمیک، مقدار شاخص صحت‌سنجی دیویس- بولدین محاسبه شد. تغییرات شاخص صحت‌سنجی دیویس بولدین در شکل 4 نشان داده شده است. با توجه به شکل، در تعداد 4 خوشه، مقدار این شاخص، 548/0 است که کمترین میزان آن در بین خوشه‌های مورد بررسی است. ازاین‌رو تعداد بهینه خوشه در این مطالعه 4 خوشه است.

 

 

شکل 5. مقادیر شاخص دیویس- بولدین در برابر تعداد خوشه‌ها

 

پس از اینکه تعداد خوشه بهینه مشخص شد. نتایج مربوط به تعداد 4 خوشه به نرم‌افزار GIS وارد گردید و چگونگی پراکنش خوشه‌ها در سطح منطقه مطالعاتی نقشه‌سازی شد. شکل 5 پراکنش مکانی خوشه‌ها را نشان می‌دهد. با توجه به شکل، خوشه 1 و 4 در مرکز منطقه مطالعاتی پراکنش دارند، درحالی‌که بخش عمده‌ای از خوشه 3 در بخش غربی منطقه قرار دارد و خوشه 2 قسمت وسیعی از بخش جنوب و شمال منطقه مطالعاتی را در برمی‌گیرد.

 

 

شکل 6. الگوی پراکنش مکانی خوشه‌ها در منطقه مطالعاتی

 

شکل 6 سهم هر یک از خوشه‌های خدمات اکوسیستمی در منطقه مطالعاتی را نشان می‌دهد. همان‌طور که در شکل مشخص‌شده است، خوشه 2، با 11/58 درصد بیشترین سهم را در منطقه مطالعاتی دارد و خوشه یک با 14/10 درصد دارای کمترین وسعت در منطقه مطالعاتی است.

 

شکل 7. میزان هر یک از خوشه‌ها در منطقه مطالعاتی

 

پس‌ازاین که خوشه‌های خدمات اکوسیستمی و پراکنش آن‌ها در منطقه مطالعاتی مشخص گردید. میزان عرضه هریک از خدمات موردبررسی با توجه به میانگین ارزش هریک از خدمات اکوسیستمی در خوشه‌ها استخراج گردید. شکل 7 میزان عرضه خدمات اکوسیستمی را در خوشه‌های یک تا چهار نشان می‌دهد.

 

 

شکل 8. میزان عرضه هر یک از خدمات اکوسیستمی در خوشه‌های چهارگانه

 

با توجه به شکل، در سه خوشه، 1، 3 و 4 میزان عرضه سه خدمت اکوسیستمی مورد بررسی در سطح متوسط قرار دارد. در حالی که در خوشه 2 خدمت اکوسیستمی ارزش زیبایی‌شناسی دارای عرضه بسیار ناچیز است. جدول 5 پارامترهای محیطی- اجتماعی اثرگذار در عرضه خدمات اکوسیستمی مورد بررسی در منطقه مطالعاتی را نشان می‌دهد. با توجه به این جدول انواع کاربری‌های موجود در هر خوشه نسبت به خوشه‌های دیگر دارای دامنه تغییرات گسترده‌تری در مقایسه با سایر پارامترهای محیطی- اجتماعی مورد بررسی است و دو پارامتر شیب متوسط و ارتفاع متوسط در هر چهار خوشه مورد بررسی تقریباً در یک محدوده قرار دارد و تغییرات چندانی ندارد.

 

جدول 5. پارامترهای محیطی-اجتماعی استخراج‌شده در هر یک از خوشه‌های خدمات اکوسیستمی

پارامترهای محیطی- اجتماعی		خوشه‌های خدمات اکوسیستمی
خوشه 1	خوشه 2		خوشه 3		خوشه 4
میانگین شیب منطقه (%)		45/2		66/2		59/2		83/6
میانگین ارتفاع منطقه (کیلومتر)		92/15		16/16		01/16		85/15
میانگین زمین‌های کشاورزی و باغات (%)		27/9		14/37		61/48		74/5
پارک‌ها و فضاهای سبز (%)		85/40		78/8		65/19		76/32
مناطق شهری و روستایی (%)		27/18		63/49		43/48		02/22
میانگین سایر کاربری‌های منطقه (%)		32/1		26/89		31/8		69/1
میانگین فاصله از جاده (کیلومتر)		3/1		92/2		24/3		39/0
میانگین فاصله از رودخانه (کیلومتر)		51/4		62/9		5/6		34/4
میانگین فاصله از مرکز بزرگ‌ترین بخش شهری (کیلومتر)		43/9		62/17		41/19		52/9
میانگین تراکم جمعیت (نفر در کیلومترمربع)		62/246		58/309		42/469		66/271

 

بحث و نتیجه‌گیری

در این مطالعه، پهنه‌بندی مکانی عرضه خدمات اکوسیستمی با استفاده از روش خوشه‌بندی K-Means انجام شد. بر این اساس چهار گروه (خوشه) خدمات اکوسیستمی در منطقه مطالعاتی شناسایی گردید. در خوشه 1 میزان عرضه خدمت اکوسیستمی ارزش زیبایی‌شناسی نسبت به دو خدمت اکوسیستمی دیگر بالاتر است؛ اما دو خدمت اکوسیستمی دیگر نیز در سطح قابل قبولی در این خوشه عرضه می‌گردند. بررسی پارامترهای محیطی- اجتماعی در این گروه (خوشه) نشان می‌دهد که میانگین پارک‌ها و فضاهای سبز بیش از 40 درصد این خوشه را در برمی‌گیرد که نسبت به سایر کاربری‌ها در این خوشه بیشتر است. با توجه به این‌که این خوشه در بزرگ‌ترین بخش شهری منطقه مطالعاتی قرار دارد، میانگین فاصله از مرکز بزرگ‌ترین بخش شهری و میانگین فاصله از مسیرهای دسترسی (جاده) کم است که این نکته می‌تواند تأثیر منفی بر میزان عرضه خدمات اکوسیستمی در این خوشه داشته باشد؛ اما در این خوشه، سهم بالای پارک‌ها و فضاهای سبز، تأثیر منفی این دو پارامتر را تعدیل کرده است. از سوی دیگر میانگین فاصله از رودخانه نیز در این خوشه کم است و با توجه به این‌که فاصله از رودخانه یکی از معیارهای مؤثر در ارزش زیبایی‌شناسی و ارزش تفرجی منطقه است، عرضه این دو خدمت اکوسیستمی در این خوشه نسبت به عرضه کاهش آلودگی صوتی نسبتاً بالاتر است. در خوشه 2، میانگین مناطق شهری- روستایی نسبت به سایر کاربری‌ها سهم بیشتری دارد و با توجه به این مسئله به طور کلی میزان عرضه هر سه خدمت اکوسیستمی در این خوشه نسبت به سایر خوشه‌ها در سطح پایین‌تری قرار دارد. در این خوشه میزان عرضه خدمت اکوسیستمی ارزش زیبایی‌شناسی نسبت به دو خدمت اکوسیستمی دیگر بسیار ناچیز است. با توجه به این‌که درصد قابل‌توجهی از این منطقه را سایر کاربری‌ها همچون کوه‌ها، تپه‌ها و زمین‌های بدون پوشش در برگرفته است و هم‌چنین میزان اهمیت پارامترهای مؤثر بر ارزش زیبایی‌شناسی (کم‌اهمیت‌ترین پارامتر برای این خدمت اکوسیستمی قابلیت دید قله است) میزان عرضه این خدمت اکوسیستمی در این خوشه ناچیز است. از سوی دیگر کوه‌نوردی به‌عنوان یکی از معیارهای نسبتاً مهم در ارزش تفرجی منطقه به شمار می‌آید و با توجه به وجود کوه‌ها و تپه‌ها در این خوشه (درصد بالای سایر کاربری‌ها)، عرضه این خدمت اکوسیستمی نسبت به ارزش زیبایی‌شناسی در سطح بالاتری قرار دارد. با توجه به شرایط زیستگاهی خاص در زمین‌های بدون پوشش که در این خوشه دارای سهم بالایی است، شدت تراز صوت در این خوشه نسبتاً پایین بوده و عرضه خدمت اکوسیستمی کاهش آلودگی صوتی نسبت به دو خدمت اکوسیستمی دیگر بیشتر است. میانگین فاصله از مرکز بزرگ‌ترین بخش شهری و هم‌چنین میانگین فاصله از جاده در این خوشه بالاست و همین مسئله یکی از عوامل عرضه خدمت کاهش آلودگی صوتی دراین خوشه است. از سوی دیگر میزان پایین پارک‌ها و فضای سبز نسبت به سایر کاربری‌ها در این خوشه باعث شده است که میزان عرضه خدمات اکوسیستمی در آن نسبت به سه خوشه دیگر در سطح پایین‌تری قرار گیرد. در خوشه 3 همچون خوشه 2 میزان عرضه خدمت اکوسیستمی ارزش زیبایی‌شناسی نسبت به دو خدمت دیگر در سطح پایین‌تری قرار دارد. در این خوشه نیز عرضه خدمت اکوسیستمی کاهش آلودگی صوتی نسبت به دو خدمت دیگر بیشتر است. در این خوشه میزان زمین‌های کشاورزی و باغات نسبت به سایر کاربری‌های موجود در این خوشه بیشتر است. از طرفی پارک‌ها و فضاهای سبز بیش از 8% این خوشه را می‌پوشاند و مجموع دو کاربری فضای سبز و زمین‌های کشاورزی در این خوشه، حدود 57% سطح این خوشه را شامل می‌شود و این مسئله نقش پوشش گیاهی در کاهش آلودگی صوتی را توجیه می‌کند. از طرف دیگر با توجه به این‌که درک ارزش‌های زیبایی‌شناختی سیمای سرزمین، فراتر از فرآیند شناسایی علائم فیزیکی و زیستی موجود در منظر است و در واقع فرآیند ادراکی است که از تبـادلات زیبـایی‌شـناختی بصـری و غیربصری بـین مشاهده‌گر و فضای جغرافیایی دیده شده، منشأ می‌گیرد (10). باوجود بالا بودن درصد زمین‌های کشاورزی در این خوشه ارزش زیبایی‌شناسی از عرضه چندان بالایی در این خوشه برخوردار نیست. در این خوشه میانگین فاصله از مرکز بزرگ‌ترین بخش شهری و میانگین فاصله از جاده، بالاست و این خود دلیل دیگری برای بالا بودن عرضه خدمت اکوسیستمی کاهش آلودگی صوتی است. پارک‌ها و فضاهای سبز در این خوشه 65/19% سطح خوشه را در برمی‌گیرد و این مسئله بر عرضه خدمت اکوسیستمی تفرج و ارزش زیبایی‌شناسی اثر مثبت دارد. سعیدی و همکاران (12)، در مطالعه خود تراکم و ارتفاع ساختمان‌ها را یکی از پارامترهای مؤثر بر ارزش زیبایی‌شناسی در شهر گرگان ارزیابی کردند که دارای رابطه غیرمستقیم با ارزش زیبایی‌شناسی در مناطق شهری است. ازاین‌رو، با توجه به این‌که در خوشه 2 و 3 میانگین مناطق شهری- روستایی حدود 48% این دو خوشه را در برمی‌گیرد، عرضه خدمت اکوسیستمی زیبایی‌شناسی در این دو خوشه ناچیز است. از دیگر پارامترهای مؤثر بر ارزش تفرجی و ارزش زیبایی‌شناسی فاصله از رودخانه است که در خوشه 3، 5/6 کیلومتر است و نسبت به دو خوشه 1  و 4 بیشتر بوده درحالی‌که مقدار آن نسبت به خوشه 2 کمتر است، ازاین‌رو میزان عرضه این خدمات اکوسیستمی در این خوشه نسبت به خوشه 1  و 4 کمتر و نسبت به خوشه 2 بیشتر است. در خوشه 4، همچون خوشه یک عرضه خدمات اکوسیستمی نسبتاً بالاست. در این خوشه، خدمت اکوسیستمی تفرج، دارای بیشترین میزان عرضه است که پس آن، به ترتیب کاهش آلودگی صوتی و ارزش زیبایی‌شناسی قرار دارد. در این خوشه، میانگین پارک‌ها و فضاهای سبز 76/32% است که نسبت به سایر کاربری‌ها در این خوشه بیشتر است و همین مسئله باعث عرضه نسبتاً بالای خدمات اکوسیستمی در این خوشه نسبت به دو خوشه 2 و 3 شده است. از سوی دیگر میانگین مناطق شهری و روستایی در این خوشه نسبت به خوشه 1 بیشتر است، ازاین‌رو عرضه خدمت اکوسیستمی زیبایی‌شناسی در این خوشه نسبت به خوشه 1 در سطح کمتری قرار دارد. میانگین فاصله از مرکز بزرگ‌ترین بخش شهری و هم‌چنین میانگین فاصله از جاده در این خوشه، نسبت به سایر خوشه‌ها کم‌تر است. پارامترهای میانگین شیب و میانگین ارتفاع در تمامی خوشه‌ها در سطح تقریباً یکسانی قرار دارد و در هر 4 خوشه اختلاف چندانی ندارد ازاین‌رومی‌توان دریافت که این دو پارامتر تأثیر چندانی در عرضه خدمات اکوسیستمی در خوشه‌های چهارگانه ندارد. پارامتر میانگین تراکم جمعیت در خوشه 2 و 3 نسبت به دو خوشه 1 و 4 در سطح بالاتری قرار دارد که البته میزان عرضه خدمات اکوسیستمی در این دو خوشه نسبت به دو خوشه دیگر کمتر است. مطالعات زیادی نتایج به‌دست‌آمده در این پژوهش را تأیید می‌کند؛ ازجمله آلیانی و همکاران (1) کاربری اراضی را به عنوان یکی از موثرترین معیارهای دارای ارزش نسبی بالا در توان گردشگری ارزیابی کردند. جعفری و همکاران (3)، شوهانی و همکاران (13) و مهدوی و همکاران (19)، تیپ و تراکم پوشش گیاهی را به‌عنوان یکی از مؤثرترین پارامترهای اثرگذار در ارزش تفرجی منطقه مطالعاتی خود معرفی کردند. احمدی میرقائد و همکاران (2)، سعیدی و همکاران (9و 11) و میرکریمی و همکاران (18) در مطالعات خود، پوشش گیاهی (تیپ و تراکم پوشش گیاهی) را یکی از معیارهای مهم در ارزش زیبایی‌شناسی منطقه معرفی کردند. رحیمی و فاخران (8)، با بررسی تغییرپذیری تراز فشار صوتی در امتداد مناطق طبیعی- شهری بخش مرکزی استان اصفهان دریافتند که شرایط محیطی و نوع کاربری زمین نقش بسزایی در میزان تراز فشار صوت دارد. جعفری و همکاران (4)، با مدل‌سازی رابطه فضای سبز با آلودگی صوتی، دریافتند که فضای سبز دارای اثر کاهشی بر میزان آلودگی صوتی است. خدایاری و حامی (6)، با مطالعه عملکرد ویژگی‌های بصری و زیبایی‌شناختی گیاهان در کاهش اثرات آلودگی صوتی دریافتند که پوشش گیاهی علاوه بر کاهش صوت با افزایش جذابیت‌های بصری، سطح تحمل افراد را نسبت به صداهای مزاحم افزایش می‌دهد. نصیری و همکاران (35) با ارزیابی اثر گیاهان پهن‌برگ و سوزنی‌برگ (تیپ گیاهی) بر کاهش آلودگی صوتی، به این نتیجه رسیدند که گیاهانی با نسبت کم ارتفاع درخت و تاج پهن به‌منظور کاهش آلودگی صدا مناسب‌تر هستند. بل‌وایه و پلاملانی (22)، با ارزیابی سطح آلودگی صوتی در کاربری‌های مختلف در نیجریه دریافتند که نوع کاربری زمین بر سطح آلودگی صوتی بسیار اثرگذار است. ساکیه و همکاران (39)، با مدل‌سازی ارتباط بین انتشار آلودگی صوتی، ساختارهای شهری و پوشش‌های گیاهی دریافتند که نوع کاربری و پوشش زمین تأثیرقابل‌توجهی در میزان انتشار آلودگی صوتی دارد. کانگ و همکاران (30) و جانسون و همکاران (28) در مطالعات خود بر نقش کاربری زمین در عرضه خدمات اکوسیستمی تأکید کردند. به طور کلی در این مطالعه براساس میزان عرضه و پراکنش مکانی خدمات اکوسیستمی 4 خوشه شناسایی شد که در هریک از خوشه‌ها، هریک از خدمات اکوسیستمی از الگوی خاصی پیروی می‌کرد. خوشه 2 دارای بیشترین وسعت در منطقه مطالعاتی بود درحالی‌که خوشه 1 کمترین وسعت را داشت. با توجه به این‌که میانگین درصد زیرساخت‌های انسانی در خوشه 2 نسبت به سایر خوشه‌ها بیشتر بود میزان عرضه خدمات اکوسیستمی در این خوشه کمتر بود. بررسی پارامترهای محیطی- اجتماعی در هر یک از خوشه‌ها نشان داد که در بیشتر موارد رابطه مستقیمی بین این پارامترها و عرضه خدمات اکوسیستمی وجود دارد. نتایج این مطالعه نشان داد که بررسی مناطق همگن عرضه خدمات اکوسیستمی می‌تواند در بهبود برنامه‌ریزی و مدیریت کاربری زمین مؤثر واقع شود. هر یک از خوشه‌ها، بیانگر یک ناحیه همگن در سطح منطقه مطالعاتی است که به مدیران سرزمین امکان می‌دهد دامنه تصمیم‌گیری خود را از یک محدوده وسیع به محدوده‌های کوچک‌تری در سطح مناطق همگن کاهش دهند. این امر، سهولت تصمیم‌گیری، ارزیابی و تصمیم‌گیری و نیز صرفه‌جویی در هزینه و زمان مدیریت را به دنبال دارد. با توجه به این‌که در این مطالعه تنها سه خدمت اکوسیستمی از زیرشاخه‌های خدمات اکوسیستمی فرهنگی و تنظیمی مورد بررسی قرار گرفت، لازم است تا سایر خدمات اکوسیستمی و از چهار زیرشاخه خدمات اکوسیستمی (تنظیمی، فرهنگی، فراهم‌سازی و حمایتی) مورد بررسی قرار گیرد و میزان عرضه و هم‌چنین الگوهای مکانی آن‌ها بررسی شود تا امر تصمیم‌گیری و برنامه‌ریزی سیمای سرزمین به‌منظور دستیابی به توسعه پایدار با دقت و اطمینان بیشتری صورت گیرد. هم‌چنین پیشنهاد می‌شود که به‌منظور بررسی دقیق‌تر پارامترهای محیطی پژوهش دیگری در ادامه این مطالعه با استفاده از سایر روش‌های آماری همچون تحلیل مؤلفه اصلی و یا رگرسیون چندمتغیره صورت گیرد و با استفاده از تحلیل‌های آماری و نه تنها تحلیل‌های ادراکی میزان اهمیت هر یک از پارامترهای محیطی در خوشه‌های خدمات اکوسیستمی بررسی شود.

 

تشکر و قدردانی

این مطالعه در قالب بخشی از یک طرح پژوهشی مصوب و با حمایت صندوق حمایت از پژوهشگران و فناوران کشور انجام شد که بدین‌وسیله قدردانی می‌گردد.

 

منابع مورداستفاده

1. آلیانی، ح.، س. بابایی کفاکی، ا. صفاری. و س. م. منوری. 1395. ارزیابی توان سرزمین برای شناسایی مناطق مناسب توسعه گردشگری با استفاده از فرایند تحلیل شبکه­ای (ANP)، سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 7 (4): 17-1

2. احمدی میرقائد، ف.، م. محمدزاده، ع. سلمان ماهینی. و س. ح. میرکریمی. 1395. تلفیق عناصر بصری و محیط­زیستی با استفاده از روش­های فازی و چندمعیاری در ارزیابی کیفیت زیبایی­شناختی حوزه آبخیز قره­سو، استان گلستان. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 7 (3): 60- 46 

3. جعفری، ض.، ع. میکائیلی تبریزی، م. محمدزاده. و ا. عبدی. 1390. ارزیابی توان طبیعت‌گردی پارک ملی گلستان با استفاده از روش ارزیابی چندمعیاره و GIS، مجله تحقیقات منابع طبیعی تجدیدشونده، 2(4): 37- 25

4. جعفری، ش.، ا. علیزاده شعبانی، م. معین‌الدینی، ا. دانه‌کار. و ا. علم‌بیگی. 1397. مدل‌سازی رابطه فضای سبز شهری با آلودگی هوا، صوت و دما با استفاده از سنجه‌های سیمای سرزمین. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 9 (2): 59-75

5. جهانشاهی، ا.، ک. شاهدی، ک. سلیمانی. و ع. مقدم‌نیا. 1398. تعیین مناطق همگن هیدرولوژیکی در غرب حوضه هامون-جازموریان، تحقیقات منابع آب ایران، 15(1): 223-235

6. خدایاری، ن. و ا. حامی. 1396. عملکرد ویژگی‌های بصری و زیبایی‌شناختی گیاهان در کاهش اثرات آلودگی صوتی، مجله علمی ترویجی گل و گیاهان زینتی، 2 (2): 37-47

7. درویش‌صفت، ع. و م. پیر باوقار. 1391. سامانه اطلاعات جغرافیایی کاربردی، سازمان انتشارات جهاد دانشگاهی، تهران. 236 صفحه.

8. رحیمی، م. و س. فاخران. 1393. بررسی تغییرپذیری تراز فشار صوتی SPL)) در امتداد مناطق طبیعی- شهری (مطالعه موردی: منطقه مرکزی استان اصفهان). کنفرانس بین‌المللی توسعه پایدار، راهکارها و چالش‌ها با محوریت کشاورزی، منابع طبیعی، محیط‌زیست و گردشگری، پنجم تا هفتم اسفند ماه، تبریز، ایران.

9. سعیدی، س.، م. محمدزاده، ع. سلمان ماهینی. و س. ح. میرکریمی. 1393. ارزیابی و مدل‌سازی ارزش منظره­ای سیمای سرزمین به روش ترکیب خطی وزنی (مطالعه موردی: مسیرهای پیاده‌روی آبخیز زیارت استان گلستان)، نشریه محیط‌زیست طبیعی، منابع طبیعی ایران، شماره 3: 311-301.

10. سعیدی، س.، م. محمدزاده، ع. سلمان ماهینی. و س. ح. میرکریمی. 1395. عوامل عینی و ذهنی مؤثر بر درک ارزش زیبایی‌شناختی سیمای سرزمین. نشریه حفاظت و بهره‌برداری از منابع طبیعی، جلد پنجم. شماره 1: 36- 17

11. سعیدی، س. م. محمدزاده، ع. سلمان ماهینی. و س. ح. میرکریمی، 1395. کاربرد روش رگرسیون لجستیک در مدل‌سازی کیفیت زیبایی‌شناختی سیمای سرزمین (مطالعه موردی: آبخیز زیارت استان گلستان)، محیط‌شناسی، دوره 42، شماره 2: 439-427.

12. سعیدی، س.، س. ح. میرکریمی، م. محمدزاده و ع. سلمان ماهینی.و 1397. بررسی آثار ناشی از توسعه شهر گرگان بر تناسب پهنه‌های دارای ارزش زیبایی‌شناسی. مجله آمایش جغرافیایی فضا، 8 (30): 135-148

13. شوهانی، ن. م. نیک‌سرشت. و م. احمدی. 1397. ارزیابی توان محیطی برای توسعه طبیعت‌گردی در شهرستان ایلام با استفاده از مدل AHP، فصلنامه علمی- ترویجی فرهنگ ایلام، 19 (59/58): 77-93

14. عبداللهی، ص.، ع. ایلدرمی، ع. سلمان ماهینی.و س. فاخران. 1397. تعیین و کمی‌سازی ارزش زیبایی‌شناسی سیمای سرزمین در بخش مرکزی استان اصفهان، مجله بوم‌شناسی کاربردی، 4: 42 -31.

15. عبداللهی، ص.، ع. ایلدرمی، ع. سلمان ماهینی.و س. فاخران. 1398. ارزیابی الگوهای همبستگی مکانی خدمات اکوسیستمی در بخش مرکزی استان اصفهان با رویکرد آمار فضایی، مطالعات علوم محیط‌زیست، 4 (2): 1235-1225

16. کسمایی، ز. و ا. دانش­یار. 1395. دستورالعمل اندازه­گیری سر و صدا در محیط، انتشارات سازمان محیط­زیست، تهران، 66 صفحه.

17. محمدی ده‌چشمه، م. و ع. زنگی‌آبادی. 1387. امکان‌سنجی توانمندی‌های اکوتوریسم استان چهارمحال و بختیاری به روش SWOT، محیط‌شناسی، شماره 47: 10-1.

18. میرکریمی، س. ح.، س. سعیدی، م. محمدزاده.و ع. سلمان ماهینی. 1393. کاربرد روش PCA در ارزیابی کیفیت بصری سیمای سرزمین (مطالعه موردی: حوزه زیارت استان گلستان)، محیط‌شناسی، دوره 40، شماره 2: 462 -451

19. مهدوی، ع.، م. نیک‌نژاد.و ا. کرمی. 1393. ارزیابی چندمعیاره اراضی به‌منظور توسعه طبیعت‌گردی (مطالعه موردی: شهرستان خرم‌آباد، لرستان)، بوم‌شناسی جنگل‌های ایران، 2 (4): 69- 56

20. محمدی، پ.، ا. فاخری‌فرد، ی. دین‌پژوه. و ا. اسدی. 1396. پهنه‌بندی تأثیر بارش‌های فصلی بر عملکرد دیم در شرق دریاچه ارومیه با روش وارد و KMeans. اکوهیدرولوژی، 4(2): 489-498

21. Balvanera P, Castillo A,Martínez-Harms M J. 2011. Ecosystem Services in Seasonally Dry Tropical Forests, PP. 259- 277, Ecology and Conservation, R. Dirzo etal (eds), Island Press,Washington, D.C. United States.

22. Baloye O D, Palamuleni G L. 2015. A Comparative Land Use-Based Analysis of Noise Pollution Levels in Selected Urban Centers of Nigeria, International Journal of Environmental Research and Public Health, 12, 12225-12246.

 23. Chawanji Sh, Masocha M, Dube T. 2018. Spatial assessment of ecosystem service trade-offs and synergies in Zimbabwe, Transactions of the Royal Society of South Africa, 73 (2): 172-179

24. Davies D L, Bouldin DW. 1979. “A cluster separation measure”, IEEE Transaction on Pattern Analysis and Machine Intelligence, 1(4), pp. 224-227.

 25.Fang Q, Zhang L, Hong H, Zhang L, Bristow F. 2006. Ecological function zoning for environmental planning at different levels, Environmental Development Sustainability, Vol, 10: 41- 49.

26. Halkidi M, Batistakis Y, Vazirgiannis M. 2001. On clustering validation techniques, Journal of Intelligent Information systems, 17 (2/3): 107–145.

27. Han J, Kamber M. 2006. Data Mining: Concepts and Techniques, 2nd Edition, Morgan Kaufmann Publishers, San Francisco. 743p.

28. Johnson S A, Steele J, Pillay R, O’Donoughue P. 2015. Spatial Patterns of Ecosystem Services across Landscape Gradients, Application to Florida. University of Florida, Gainesville, Florida USA.

29.Kim DW, Lee K H, Lee D. 2004. “On cluster validity index for estimation of the optimal number of fuzzy clusters, Pattern Recognition, 37 (4): 2009-2025.

30. Kong L, Zheng H, Xiao Y, Ouyang Z, Li C, Zhang J, Huang B. 2018. Mapping Ecosystem Service Bundles to Detect Distinct Types of Multifunctionality within the Diverse Landscape of the Yangtze River Basin, China, Sustainability, 10 (3): 857873

31. Layke C, apendembe A, Brown C, Walpole M, Winn J, 2011. Indicators from the global and sub-global Millennium Ecosystem Assessments: an analysis and next steps. Ecological Indicators, 17: 77–87.

32. MacQueen J. 1967. Some methods for classification and analysis of multivariate observations. InProceedings of the fifth Berkeley symposium on mathematical statistics and probability, 1 (14): 281-297

33. Millennium Ecosystem Assessment. 2005. Ecosystem and human well-being: Scenarios; finding of the Scenarios Working Group, Vol, 2. Island Press, Washington, D.C. United States.

34. Martín-López B, Iniesta-Arandia I, García-Llorente M, Palomo I, Casado-Arzuaga I, Amo, DGD, Gómez-Baggethun E, Oteros-Rozas E, Palacios-Agundez I, Willaarts B, 2012. Uncovering ecosystem service bundles through social preferences. PLoS ONE, 7 (6): e38970. doi: 10.1371/journal.pone.0038970

35. Nasiri M, Fallah A, Nasiri B. 2013. The effects of tree species on reduction of the rate of noise pollution at the edge of Hyrcanian forest roads, Environmental Engineering and Management Journal, Vol, 14 (5): 1021-1026.

36. Queiroz C, Meacham M, Richter K, Norström AV, Andersson E, Norberg J, Peterson G.2015. Mapping bundles of ecosystem services reveals distinct types of multifunctionality within a Swedish landscape. Ambio, 44: 89–101.

37. Ryngnga P K. 2008. Ecotourism prioritization: A geographic information system approach. South Asian Journal of Tourism and Heritage 1: 50-56.

38. Raudsepp-Hearne C, Peterson G D, Bennett EM. 2010. Ecosystem service bundles for analyzing tradeoffs in diverse landscapes. Proceedings of the National Academy of Sciences of the United States,107: pp. 5242–5247.

39. Sakieh Y, Jaafari Sh, Ahmadi M, Danekar A. 2017. Green and calm: Modeling the relationships between noise pollution propagation and spatial patterns of urban structures and green covers, Urban Forestry& Urban Greening, 24: 195–211

40. Theodoridis S, Koutroumbas K. 2008. Pattern Recognition, 4th Edition, Elsevier Press, USA, 984p.

41. Van der Heijden F, Duin R P W, de Ridder D, Tax D M J. 2004. Classification, Parameter Estimation and State Estimation. First Edition, John wiley & sons Ltd, England, 423p

42. Valente J O, Pedrycz W. 2007. Advances in Fuzzy Clustering and Its Applications. 1th Edition, John Wiley & Sons Ltd, England, 434p.

43. Yang G, Ge Y, Xue H, Yang W, Shi Y, Peng C, Du Y, Fan X, Ren Y, Chang J. 2015. Using ecosystem service bundles to detect trade-offs and synergies across urban–rural complexes. Landscape&Urban Planning. 136: 110–121.

44. Yanchi L, Zhongmou L, Hui X, Xuedong G, Junjie W, Sen W, 2013. “Understanding and Enhancement of Internal Clustering Validation Measures, IEEE Trans. Cybern. 43 (3: 982–994.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Determination of Homogenous Regions for Ecosystem Services Supply in the Central Part of Isfahan Province

 

 

Abstract

Determining and identifying homogeneous regions for ecosystem services supply is an effective and useful step in improving land management. Therefore, in this study, the K-Means clustering method using IBM SPSS software was applied to identify homogeneous areas of ecosystem services supply. To do so, we quantified and mapped aesthetic values, recreational values and noise reduction service and then defined homogenous areas using GIS. Finally, to investigate the effective parameters on ecosystem services supply, the mean slope, mean altitude, population density, distance from access routes, distance from river, percentage of available land uses and distance from the center of the largest urban region were extracted for each homogeneous region or cluster. Based on Davis-Bouldin cluster validation index, the optimum number of clusters was calculated at four. Cluster number two with the area of 686.27 Km2 was the largest, while cluster number one with the area of 119.75 Km2 was the smallest in the area. Investigation of the socio-environmental parameters showed that the land use has the highest impact on ecosystem services provision. On the other hand, the results showed often there is a direct relationship between these parameters and ecosystem services supply in each cluster. Based on the results of this study, investigation of homogeneous areas of ecosystem services can be effective to improve land use planning and management.

 

Key words: Ecosystem Services, KMeans Clustering, Spatial Zonning, Land Management

 

 

پاسخ به داور 1 

1- علت انتخاب ساعت 9 تا 13 دسترسی و امکان اندازه گیری بود، ضمن اینکه به تدریج با رسیدن به ساعت 13 بر ترافیک نیز افزود می شد و این کار باعث می گردید بتوانیم در طیفی از تراکم ترافیک اندازه­گیری را انجام دهیم تا در مراحل بعد روند آن را در صورت نیاز مشخص کنیم. البته بنابر برنامه ریزی ها قرار بود که از ساعت 7 بعدازظهر تا ساعت 11 شب نیز اندازه­گیری­ها را انجام دهیم که با توجه به محدودیت ها این کار انجام نشد.

2- در متن بیان شده است که اندازه­گیری­ها به مدت چهار ماه از اول شهریور تا پایان آذر ماه انجام گرفت و از میان روزهای هفته نیز اندازه­گیری از شنبه تا 4 شنبه صورت گرفته است. آنچه مسلم است هر چه شرایط جوی و محیطی پایدارتر و یکنواخت­تر باشد. اندازه­گیری پارامترهای صوتی از دقت بیشتری برخوردار است. دلیل انتخاب این چهار ماه برای اندازه­گیری نیز دسترسی و امکان اندازه­گیری و محدودیت زمانی انجام کار بود. (قرار بر این بود که فصل تابستان انداره­گیری صورت گیرد) که با توجه به این که امکانات لازم برای اندازه­گیری (دستگاه صوت­سنج) در آن زمان در دسترس نبود چهار ماه شهریور تا پایان آذر ماه برای اندازه­گیری انتخاب گردید. اگر می خواستیم اندازه­گیری را به تابستان سال بعد موکول کنیم در انجام بخش وسیعی از کار پایان نامه و طرح با محدودیت زمانی شدید مواجه می­شدیم.   

 

اصلاحات انجام شده هایلایت گردیده است. 

 

 

---