عنوان پایان‌نامه
بررسی ارتباط بین فاکتورهای کلیدی اقتصادی - اجتماعی و سنجه های بوم شناسی سیمای سرزمین در استان های مازندران و گیلان
- رشته تحصیلی
- مهندسی منابع طبیعی - محیط زیست
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 5818;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 62201
- تاریخ دفاع
- ۲۶ بهمن ۱۳۹۲
- دانشجو
- بهاره غفوری
- استاد راهنما
- افشین علیزاده شعبانی, بهمن جباریان امیری
- چکیده
- بوم¬شناسی سیمای سرزمین با خط مشی چند رشته¬ای خود، هم به مطالعات پایه¬ای و هم به پژوهش¬های کاربردی در زمینه مدیریت سرزمین، آمایش سرزمین، مدیریت حیات وحش، مدیریت اکوسیستم و زیست¬شناسی حفاظت اهمیت می¬دهد. نیروهای اقتصادی- اجتماعی از محرک¬های اصلی پویایی سیمای سرزمین و خود نیز تحت تأثیر الگوی سیمای سرزمین هستند. به عبارت دیگر الگو و فرآیندهای موجود در هر یک بر روی الگو و فرآیندهای دیگری اثر می¬گذارد. بنابراین خصوصیات ساختاری و عملکردی سیمای سرزمین در پیوستگی شدیدی با فاکتورهای طبیعی و اجتماعی است. کمی¬سازی الگوی سیمای سرزمین اساس درک و تلاش برای بررسی ارتباطات موجود در زمینه¬ی بوم¬شناسی سیمای سرزمین است. در این پژوهش هدف بررسی ارتباط بین فاکتورهای اقتصادی- اجتماعی و سنجه¬های بوم¬شناسی سیمای سرزمین به عنوان معرف الگوی سیمای سرزمین و شناسایی سنجه¬های مناسب برای مدلسازی این ارتباطات بود. در این راستا با استفاده از نقشه کاربری/پوشش سرزمین و نرم افزار Patch Analyst سنجه¬های بوم-شناسی سیمای سرزمین در سطح طبقه (کلاس) در هر یک از شهرستان¬های استان مازندران و گیلان محاسبه شدند و سنجه-های تراکم آبراهه¬ها با استفاده از مدل رقومی ارتفاع و تراکم جاده¬ها با استفاده از نقشه¬ی جاده¬های اصلی به طور جداگانه محاسبه شدند و مهمترین سنجه¬ها با استفاده از آزمون همبستگی و تحلیل عاملی انتخاب شدند. سپس همبستگی این سنجه¬ها با فاکتورهای اقتصادی- اجتماعی بررسی و رابطه آنها با استفاده از رگرسیون خطی چندمتغیره در نرم-افزار SPSS مدلسازی شد. به طور کلی نتایج نشان داد که بین فاکتورهای اقتصادی- اجتماعی و سنجه¬های بوم¬شناسی سیمای سرزمین ارتباط معنی¬دار وجود دارد و می¬توان از داده¬های کاربری/پوشش سرزمین برای مدلسازی فاکتورهای اقتصادی- اجتماعی استفاده کرد. از بین سنجه¬های مورد استفاده سنجه¬های تراکم جاده¬ها، میانگین اندازه لکه، میانگین فاصله از نزدیکترین همسایه و به طور ویژه درصد مساحت طبقه در سیمای سرزمین در پیش¬بینی این فاکتورها دارای اهمیت بودند. نتایج نشان داد داده¬های پوشش سرزمین برای پیش¬بینی فاکتورهای دموگرافیک مناسب¬تر هستند. به طور کلی سنجه¬های تراکم جاده و درصد طبقه شهری برای پیش-بینی فاکتورهای اقتصادی- اجتماعی شهری و سنجه¬های درصد طبقات کشاورزی و جنگل برای پیش¬بینی فاکتورهای اقتصادی- اجتماعی روستایی مناسب هستند.
- Abstract
- Landscape ecology, with its multidisciplinary approach, emphasizes both basic and applied researches in land management, land use planning, wildlife management, ecosystem management and conservation biology. Socio-economic forces are among the main drivers of landscape dynamics and are also influenced by landscape patterns themselves. In other words, patterns and processes existing in each of them affect those of the other. Therefore, landscape structure and functions are closely related to natural and social factors. Increased accessibility to spatial data has made numerous opportunities for investigation and application of landscape ecological metrics. This is because quantification of landscape pattern is the basic for understanding and investigating the existing relationships in landscape ecology. The objective of this research was to investigate the relationships between socio-economic factors and landscape ecological metrics as landscape pattern indicators and to identify suitable metrics for modeling these relationships. In this respect, landscape ecological metrics were calculated for each county of Mazandaran and Guilan provinces using land use/cover maps and Patch Analyst software in class level and stream network metrics were calculated using digital elevation model (DEM) and road density metrics were calculated using map of main roads separately and important metrics were selected according to results of correlation and factor analysis. Then we tested the correlations between these metrics and socio-economic factors and their relationships were modeled with multiple linear regressions in SPSS software. In general, our results showed that there are significant relationships between socio-economic factors and landscape ecological metrics and land use/cover data are useful for modeling socio-economic factors. Among the metrics used in this study, road density, mean patch size, mean nearest neighbor distance and specially percentage of class in landscape were important metrics for predicting socio-economic factors. Results showed that land use/cover data are more appropriate for predicting demographic factors. Results also indicated that road density metric and percentages of urban class are useful for predicting urban socio-economic factors and percentage of agriculture and forest classes are suitable metrics for predicting rural socio-economic factors.
