معیارهای مؤثر در ارزیابی آسیب‌پذیری اکولوژیکی سواحل انزلی

نوع مقاله : مقاله پژوهشی

نویسنده

ارزیابی و آمایش سرزمین، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، دانشکده ی محیط زیست و منابع طبیعی

10.30474/jmti.2019.104353

چکیده

تعیین معیارهای مؤثر در آسیب‌پذیری سواحل، رویکردی مرسوم و منطقی در ایجاد پشتوانة علمی برای مدیریت و حفاظت از سواحل به‌شمار می‌رود. متآسفانه علی‌رغم ارزش زیست‌محیطی بالا، در سال‌های اخیر سواحل انزلی مورد بهره‌برداری‌های بی‌رویه قرار گرفته و آسیب‌های زیادی را متحمل شده است. بنابراین با توجه به اهمیت زیاد این سواحل، در این تحقیق آسیب‌پذیری اکولوژیک سواحل انزلی با روش‌های ارزیابی چندمعیاره بر پایةGISانجام گرفت. انتخاب معیارها بر اساس روش دلفی انجام، و اطلاعات مربوط به آنها در محیط GIS وارد شد. وزن‌دهی معیارها به روش AHP صورت گرفت. استانداردسازی لایه‌ها بر اساس روش گامای فازی صورت پذیرفت و در نهایت لایه‌ها تلفیق گردید و نقشة نهایی پهنه‌بندی آسیب‌پذیری اکولوژیک سواحل انزلی بر اساس آن تهیه شد. با توجه به 7 معیار مؤثر در آسیب‌پذیری اکولوژیکی سواحل انزلی شامل خاک، اثرات دریایی، آب‌های زیرزمینی، عوامل اقلیمی، توپوگرافی، کاربری اراضی و پوشش گیاهی با روش دلفی، نتایج وزن‌دهی معیارها با روش AHP نشان می‌دهد که معیار خاک با وزن 26/0 بیشترین وزن و پس از آن کاربری اراضی با 24/0 بالاترین اهمیت را  در ارزیابی آسیب‌پذیری منطقة مطالعاتی دارند، در حالی که معیار توپوگرافی، کمترین وزن (04/0) را به خود اختصاص داده است. نتایج پهنه‌بندی منطقة مطالعاتی نیز نشان داد حدود یک چهارم از منطقة مطالعاتی دارای ریسک آسیب‌پذیری اکولوژیک بالا می‌باشد و مناطق دارای آسیب‌پذیری کم یا بدون آسیب‌پذیری، در کل حدود 53% منطقه را شامل می‌شود. بررسی‌های اکولوژیک نظیر آنچه در این پژوهش انجام شد می‌تواند برای اصلاح و یا تدوین قوانین و استانداردهای مدیریت سواحل به‌کار گرفته شود.

کلیدواژه‌ها

1- مقدمه

پهنة آبی دریای کاسپین با مساحت 371000 کیلومتر مربع ﺑه عنوان بزرگ‌ترین پیکره آبی محصور ﺟﻬﺎﻥ ﺑﺎ ﻣﻨﺎﺑﻊ ﻋﻈﯿﻢ اﻧﺮژی، وﯾﮋﮔﯿ‌ﻬﺎی زﯾﺴﺖ‌ﺑﻮﻣﯽ ﻣﻨﺤﺼﺮ ﺑﻪ ﻓﺮد و ﺷﺮاﯾﻂ ژئوپولیتیکی خاص و داشتن ﺷﺮاﯾﻂ اﺟﺘﻤﺎﻋﯽ ﺑﻪ ﻋﻠﺖ ﺗﺮاﮐﻢ ﺟﻤﻌﯿﺖ بالا در سواحل و ﮔﺴﺘﺮش ﻣﺮاﮐـﺰ ﻣـﺴﮑﻮﻧﯽ ﺑـﻪ وﯾـﮋه در ﺳﻮاﺣﻞ ﺟﻨﻮﺑﯽ در ﻣﺠﻤﻮع وﺿـﻌﯿﺖ ﺧﺎﺻـﯽ را ﺑـﻪ وﺟـﻮد آورده اﺳﺖ (Imani et al., 2014؛ کولایی و گودرزی، 1388). این اکوسیستم ارزشمند دارای 800 کیلومتر خط ساحلی در مجاورت ایران می‌باشد. اما فعالیت‌های انسانی و بهره‌برداری پرشتاب به خصوص در سنوات اخیر تخریب اکوسیستم طبیعی و آلودگی محیط زیست آن را به دنبال داشته است (Jafari, 2010). مناطق ساحلی کرانة کاسپین محدودة انواع کاربری‌ها و اکوسیستم‌ها شامل علفزارها، تالاب‌ها، زمین‌های کشاورزی، اراضی جنگلی، شیلات و فعالیت‌های بندری، گردشگری و یکی از پرتراکم‌ترین مناطق کشور ایران از نظر جمعیتی به‌شمار می‌رود (Ramezani Gourab and Foroughe, 2010).

به طور کلی محیط زیست ساحلی، محیطی طبیعی و اکوتونی بین خشکی و دریا است که تحت تأثیر اثرات متقابل دو اکوسیستم قرار داشته و محل زندگی و تأمین معاش، تجارت، تغذیه، تفرج و توسعة درصد زیادی از انسان‌ها در ﺟﻬﺎن ﺑﻪ‌ﺷﻤﺎر ﻣﻲ‌رود (Craig and Ruhl, 2010؛ رمضانی و طالقانی، 1390). با این وجود ﻧﻮاﺣﯽ ﺳﺎﺣﻠﯽ درﯾﺎﯾﯽ از ﻟﺤﺎظ اﮐﻮﻟﻮژﯾﮏ از ﻣﻨﺎﻃﻖ ﺑﺴﯿﺎر ﺣﯿﺎﺗﯽ و آسیب‌پذیر ﻣﯽﺑﺎﺷﻨﺪ زیرا ﮐﻪ ﺗﺤﺖ ﺗﺄﺛﯿﺮ انواع تنش‌ها قرار دارند (Sharifipour and Mahmodi, 2012; Mani Murali et al., 2013). انواع آلاینده‌ها، افزایش جمعیت ساکن در سواحل، صنعتی‌شدن، گردشگری از عوامل مهم در فشار و شدت بهره‌برداری‌ها از این مناطق می‌باشد (خدادوست و همکاران، 1395). علاوه بر این، مخاطرات طبیعی مانند تغییرات اقلیمی، نوسانات سطح آب دریاها، فرسایش سواحل، طوفان‌ها و غیر آن، همراه با اثرات فعالیت‌های انسانی، تبعات مضاعف تخریبی را بر مناطق ساحلی تحمیل می‌کنند (Andalecio, 2010; Craig and Ruhl, 2010; Tahri et al., 2017; Wu et al., 2018؛ داور و همکاران، 1393؛ رمضانی و طالقانی، 1390). پذیرفته‌شده‌ترین تعریف در مورد آسیب‌پذیری عبارت از درجه یا مقداری است که یک سیستم به وسیله آشفتگی‌ها در معرض تغییر/ استرس/ فشار یا تحت تأثیر آن قرار می‌گیرد (Beroya-Eitner, 2016؛ دهشور و همکاران، 1393). به تبع آن آسیب‌پذیری اکولوژیک درجه‌ای است که سیستم به اختلالات و تنش‌های خارجی اعم از محیطی یا انسانی پاسخ می‌دهد و توانایی و ظرفیت سازگاری با آنها را دارد (Wu et al., 2018; Sudha Rani et al., 2015).

1-1- بیان مسئلهو ضرورتانجام پژوهش

بیشتر سواحل ایران از جمله سواحل جنوبی دریای کاسپین ناشناخته مانده است. طول نوار ساحلی دریای کاسپین محل تمرکز اکوسیستم‌های ارزشمند مانند مصب‌ها، تالاب‌ها، زیستگاه‌های مهم حیات وحش و غیر آن است که نیازمند مدیریت خاص می‌باشد. نوسانات سطح آب دریای کاسپین، ﮔﺴﺘﺮﺵ ﺭﻭﺯﺍﻓﺰﻭﻥ ﻓﻌﺎﻟست‌های ﺗﻮﺳﻌﻪ‌ای ﺑﺪﻭﻥ ﻟﺤﺎﻅ ﻧﻤﻮﺩﻥ ﻣﻼﺣﻈﺎﺕ ﺯﻳﺴﺖ‌ﻣﺤﻴﻄﻲ ﺩﺭ ﺳﻮﺍﺣﻞ و تغییرات کاربری‌ها، کاهش تنوع زیستی، بهره‌برداری نادرست از منابع طبیعی، ﺻﯿﺪ ﺑﯽ‌روﯾﻪ، فرسایش نواحی ساحلی، لرزه‌خیزی بالای منطقه، اﺳﺘﺨﺮاج و اﮐﺘﺸﺎﻓﺎت ﻧﻔﺖ ﺑﻨﺎدر و ﻟﻨﮕﺮﮔﺎه‌ها، نبود سیستم مناسب تصفیه فاضلاب‌های خانگی، صنعتی، کشاورزی و فقدان زمین مناسب برای دفع پسماند و مواد زائد به دلیل بالا بودن سطح آب زیرزمینی از جمله مهم‌ترین نقاط ضعف و معضلات این پهنه ساحلی می‌باشند (Koolai and Goodarzi, 2009؛ لطفی و همکاران، 1395).

 به همین دلیل، شناسایی مناطق آسیب‌پذیر در سواحل به منظور اعمال سیستم مدیریتی پایدار و متناسب با توان اکولوژیکی منطقه، از راه‌حل‌های مؤثر برای مدیریت فجایع و پیشگیری از تخریب فزآینده این مناطق است (Sankari et al., 2015; Zhang et al., 2017; Doukakis, 2005). با توجه به مفاهیم آسیب‌پذیری اکولوژیکی سواحل و به منظور بهره‌وری و مدیریت پایدار و لزوم تعیین مناطق حساس، تعیین معیارهای موثر در آسیب‌پذیری اکولوژیک این سواحل که در این تحقیق به آن پرداخته شده است، می‌تواند راهبردی ارزشمند در مدیریت این منابع زیستی ارزشمند باشد. به این منظور در این تحقیق از یک فرآیند نوین بر اساس به‌کارگیری روش دلفی، روش گامای فازی و فرآیند تحلیل سلسله‌مراتبی (AHP[1])، در سواحل کاسپین (ساحل انزلی) استفاده شد.

1-2- پیشینة تحقیق

وو و همکاران (2018) به منظور تعیین آسیب پذیری اکولوژیک دلتای رود زرد در چین از روش FAHP و 21 شاخص اقدام به تهیه نقشة آسیب‌پذیری اکولوژیک نمودند. بیشتر مطالعاتی که تاکنون در مورد شناسایی مناطق حساس و آسیب‌پذیر سواحل انجام شده است بر اساس شاخص [2]CVI بوده است (Doukakis, 2005; Mani Murali et al., 2013; Sankari et al., 2015; Zhang et al., 2017؛ دهشور و همکاران، 1393). اما در این مطالعه تلاش بر آن بود تا با توجه به دخیل بودن انواع پارامترهای اکولوژیکی و اقتصادی اجتماعی در ارزیابی آسیب‌پذیری اکولوژیک سواحل (Tahri et al., 2017; Mani Murali et al., 2013) روش‌های ارزیابی چندمعیاره[3] در محیط GIS به منظور تهیه نقشة پهنه‌بندی معیارهای مؤثر در آسیب‌پذیری سواحل کاسپین مورد تجربه قرار گیرد. روش‌های ارزیابی چندمعیاره بر پایة GIS یک روش و ایدة مورد قبول جهانی برای کمک به تصمیم‌گیران و طراحان برای ارزیابی، طبقه‌بندی و انتخاب مناطق بر اساس سیستم ارزش‌گذاری معیارها و گزینه‌ها است (Tahri et al., 2017; Andalecio, 2010؛ خدادوست و همکاران، 1395).

تا کنون در مطالعات اندکی از روش‌های ارزیابی چندمعیاره بر پایه GIS به‌منظور ارزیابی آسیب‌پذیری و ریسک سواحل استفاده نموده‌اند. از جمله مطالعة نقشة آسیب‌پذیری فیزیکی منطقة ساحلی Languedoc-Roussillon در شمال غرب سواحل مدیترانه در فرانسه با استفاده از روش AHP، مطالعه‌ای است که توسط Cozannet و همکاران (2013) انجام شده است که بر اساس نقشة آسیب‌پذیری در 3 طبقه از آسیب‌پذیری کم، متوسط تا زیاد سواحل شرقی منطقه، مناطق را با ریسک بالا توصیف نمودند.

2- روش تحقیق

این مقاله از نوع تحقیقات کاربردی و توسعه‌ای است که در چارجوب تحقیقات توصیفی استنباطی و استنتاجی به شرح زیر انجام می‌شود. بهترین کار در انتخاب معیارهای مؤثر در آسیب‌پذیری اکولوژیک سواحل آن است که بر اساس بازدیدهای میدانی و نظرات خبرگان زیست‌محیطی و مهندسی سواحل برای هر منطقه به صورت خاص تعیین گردد تا دقت و کیفیت انتخاب مکان‌های حساس و آسیب‌پذیر افزایش یابد. در گام اول این مطالعه به منظور بررسی و شناسایی معیارهای مؤثر در تعیین آسیب‌پذیری سواحل انزلی با بررسی منابع داخلی و خارجی، گزارشات اکولوژیکی سازمان حفاظت محیط زیست ایران و بررسی معضلات و مشاهدات میدانی، این معیارها در منطقه شناسایی شدند. بر این اساس و بر مبنای روش دلفی، اقدام به تهیه پرسشنامه‌هایی حاوی معیارهای انتخاب‌شده برای نظرسنجی از متخصصان گردید (Tahri et al., 2017; Chang et al., 2012؛ خدادوست و همکاران، 1395). با طراحی و توزیع پرسشنامه‌های مقایسة زوجی و نظرسنجی از خبرگان محیط زیست، اساتید دانشگاه و مهندسین و مدیران بخش‌های ساحلی، زیرمعیارهای هر شاخص تعیین و با نمره‌دهی به آنها از 1 تا 9 وزن‌دهی این معیارها و زیرمعیارها انجام شد (Mani Murali et al., 2013; Cozannet et al., 2013). در واقع پس از جمع‌بندی مجموع نظرات کارشناسان 7 معیار اصلی شامل عوامل اقلیمی، پوشش گیاهی، منابع آب‌های زیرزمینی، خاک، توپوگرافی، کاربری اراضی و تعامل با دریا به همراه زیرمعیارهای مربوطه انتخاب گردید که در جدول (1) ارائه شده است. نقشه پایة زیرمعیارها در شکل‌های (2) تا (4) آورده شده است. سپس از ورود لایه‌های اطلاعاتی مربوط به معیارها به محیط GIS، وزن معیارها بر اساس نرم‌افزارCalculator  AHP به‌دست آمد. در واقع ماتریس مقایسات زوجی نمره‌دهی‌شده توسط متخصصین، به عنوان ورودی نرم‌افزار و جدول (2) به عنوان وزن‌های به‌دست آمده از ماتریس مقایسات زوجی و خروجی نرم‌افزار حاصل شد. در گام بعدی با استفاده از وزن‌های مرحلة قبل، استانداردسازی این وزن‌ها و توزیع آنها بین صفر و یک با استفاده از روش گامای فازی به‌دست آمد. در مرحله بعد نقشه‌های فازی‌شده معیارهای تصمیم‌گیری در محیط GIS ایجاد شد که خروجی آن در جدول (3) قابل مشاهده است. در واقع روش گامای فازی بر اساس رابطة (6)‌ نقشه‌های حاصل از جمع و ضرب جبری را با یکدیگر تلفیق می‌نماید. سرانجام در مرحلة نهایی تلفیق لایه‌ها به‌منظور دسترسی به مکان‌های آسیب‌پذیر نقشة نهایی ارزیابی آسیب‌پذیری سواحل انزلی در محیط GIS  به‌دست آمد (Wu et al., 2018) و نقشة نهایی مناطق با آسیب‌پذیری اکولوژیک متفاوت در سواحل انزلی ایجاد شد.

 

 

 

شکل (1): موقعیت منطقه مطالعاتی

3- تجزیه‌وتحلیل داده‌ها

در مطالعة حاضر بر اساس روش‌های ارزیابی چندمعیاره بر پایة GIS اقدام به پهنه‌بندی معیارهای مؤثر در آسیب‌پذیری سواحل انزلی در جنوب دریای کاسپین گردید که نتایج آن در جدول (1) و شکل‌های (1)، (2) و (3) شرح داده شده است. منابع اطلاعاتی و روش‌های محاسباتی برخی از معیارها و زیرمعیارهای مربوطه نیز در جدول (1) آورده شده است. در ادامه پایگاه اطلاعاتی از همة معیارها بر اساس سیستمUTM  و بر پایة WGS 1984 زمین مرجع گردید و به یک فرمت براساس مقیاس و رزولوشن مکانی مشترک (30×30 متر) در محیط GIS تبدیل گردیدند.

جدول (1): معیارها و زیرمعیارهای انتخاب‌شده و منابع اطلاعاتی آنها برای ارزیابی آسیب‌پذیری اکولوژیک سواحل انزلی

معیار

زیر معیار

منبع

توابع، روش‌های محاسباتی و فرمول‌ها

خاک

بافت خاک

نقشه بافت خاک ایران

 

شوری خاک

تصاویر OLI لندست 8 و EC نمونه برداری از خاک منطقه

 

کیفیت خاک

طبقه بندی موسسه آب و خاک ایران

 

تعامل با دریا

فاصله از خط ساحلی

 فاصله اقلیدوسی GIS

تابع Euclidian Distance در GIS

شاخص فرسایش ساحلی

آشکارسازی جابجای خط ساحلی با استفاده تصاویر لندست طی دوره 2000 و 2018

تصویر OLI لندست 8 برای می سال 2018، تصویر TM لندست 5 برای می سال 2000

آب های زیرزمینی

سطح تراز آب زیرزمینی

چاه های نمونه برداری

Ordinary Kriging Interpolation Model در GIS

کیفیت آب های زیرزمینی

چاه های نمونه برداری

Ordinary Kriging Interpolation Model در GIS

عوامل اقلیمی

میانگین دمای سالانه

ایستگاه های هواشناسی منطقه

Ordinary Kriging Interpolation Model در GIS

مجموع بارش سالانه

ایستگاه های هواشناسی منطقه

Ordinary Kriging Interpolation Model در GIS

شاخص خشکسالی

شاخصبارش استاندارد شده

شاخص SPI پیکسلی:

توپوگرافی

ارتفاع

مدل ارتفاعی STRM-DEM

 

اشکال ژئومورفولوژیک عمده

نقشه ژئومورفولوژی سراسری ایران

 

کاربری اراضی

پوشش اراضی

محصول MOD12Q1 سنجنده MODIS

 

پوشش گیاهی

 

شاخص NDVI

Sentinel -2

 

 

 

 

 

 

 

 

 

 

 

 

الف: مجموع بارش سالانه

ب: شاخص خشکسالی

   

ج:کیفیت خاک

د: میانگین دمای سالانه

   

ه: بافت خاک

و: شوری خاک

شکل (2): نقشة پایة زیرمعیارهای الف: مجموع بارش سالانه، ب: شاخص خشکسالی

ج: کیفیت خاک، د: میانگین دمای سالانه، ه: بافت خاک، و: شوری خاک

 

 

   

الف: کیفیت آب های زیرزمینی

ب: سطح تراز آب زیرزمینی

   

ج: اشکال ژئومورفولوژیک عمده

د: ارتفاع

   

ه: پوشش گیاهی

                                         و: کاربری اراضی

شکل (3): نقشة پایة زیرمعیارهای الف: کیفیت آب‌های زیرزمینی، ب: سطح تراز آب‌های زیرزمینی

ج: اشکال ژئوموفولوژیک عمده، د: ارتفاع، ه: پوشش گیاهی، و: کاربری اراضی

 

 

شکل (4): نقشة پایة زیرمعیار شاخص فرسایش ساحلی

 

معیارها و زیرمعیارها با روش دلفی انتخاب شدند. سپس برای مطالعه و شناخت بیشتر از منطقة مطالعاتی، نقشه‌های پایة هر کدام از معیارها و زیرمعیارها از منابع ذکرشده در جدول (1) به‌دست آمد. تا بررسی‌های دقیق و میدانی از معیارهای مؤثر در آسیب‌پذیری اکولوژیکی سواحل انزلی صورت گیرد.

 به‌منظور وزن‌دهی به معیارهای مطالعه از روش AHP استفاده شد. به‌کارگیری این روش مستلزم اجرای گام‌های زیر است (Chang et al., 2012; Wu et al., 2018; Andalecio, 2010، مشیری، 1380) که در این پژوهش، توسط نرم‌افزار AHP Calculator صورت گرفت:

مرحله اول: تعریف مسئله مورد نظر و معرفی تمام اهداف حل مسئله و تعیین معیارهای مؤثر،

مرحله دوم: ایجاد ساختاربندی معیارها در یک فرآیند تحلیلی سلسله مراتبی و تشکیل درخت تصمیم‌گیری و

مرحله سوم: تشکیل ماتریس مقایسات زوجی (Pair wise comparison matrix).

در این مرحله یک ماتریس مقایسات زوجی از معیارها بر اساس اهمیت نسبی یک معیار تعیین شد. ماتریس حاصل n×n عضو خواهد داشت که از این تعداد، نصف آن معکوس نیمه دیگر است. اهمیت نسبی عنصر iام در مقایسه با عنصر jام سایر مقادیر روی باقی قسمت‌های ماتریس را تشکیل می‌دهد. بنابراین  در جایی که  . A. در رابطة (1) یک نمونه ماتریس مقایسات زوجی n×n  را نشان می‌دهد. با پرکردن نیمة پایینی این ماتریس، نیمه بالایی آن نیز تکمیل می‌شود:

 

رابطه (1)       

 

مرحله چهارم: استخراج ضرایب اهمیت ماتریس‌ها و وزن معیارها

در این مرحله وزن‌ها با در نظر گرفتن بردار ویژه حاصل از مقایسات زوجی بین معیارهای ماتریس مربعی متقارن به‌دست می‌آیند. محاسبة میانگین هندسی نظرات کارشناسان به منظور برآورد یک بردار ویژه انجام می‌شود. وقتی  اهمیت نسبی معیار iام باشد. رابطة (2) مطرح می‌شود.

   رابطه (2)

روش تعیین وزن معیارها مقایسه دو دویی است که بر اساس قضاوت ترجیحی با مقادیر 1 تا 9 و جدول ساعتی (Chang et al., 2012; Saaty, 1990) ارائه می شود.

مرحله پنجم: آزمون سازگاری ماتریس مقایسات زوجی

در روش AHP چون تصمیم‌گیرنده شناختی نسبت به بردار W و اجزای این بردار ندارد، بنابراین قادر نیست وزن‌های نسبی زوجی ماتریس A را با دقت 100% تعیین کند. بنابراین ماتریس A منطقاً ناسازگار است. تخمین بردار W که با  نشان داده می‌شود درحقیقت یک مقدار بردار ویژة متناظر با مقدار ویژة λ است که از رابطة (3) محاسبه می‌گردد.  مقایسه دو به دویی عوامل که از سوی تصمیم گیرنده ارائه می‌شود.

    رابطه (3)                  

اختلاف  و بعد ماتریس (n) نشان‌دهندة میزان ناسازگاری ماتریس مقایسه زوجی می‌باشد. ساعتی این مرحله را توسط شاخص سازگاری تحت عنوان نسبت سازگاری ([4]CR) بیان می کند که به صورت رابطة (5) محاسبه می‌گردد. [5]CI شاخص سازگاری می باشد که احتمال تولید تصادفی نسبت‌های ماتریس را برای تمامی ماتریس‏های مقایسات زوجی نشان می‌دهد که به صورت رابطه 4 می‌باشد. [6]RI شاخص تصادفی یا ضریب ناسازگاری ماتریس تصادفی است که بر اساس جدول ارائه‌شده توسط ساعتی و وارگاس (2006) به دست می‌آید. این محاسبات در نرم‌افزار AHP Calculator محاسبه می‌گردد.

رابطه (4)

 

رابطه (5)                                                  CR=CI/RI

مرحله ششم: تعیین امتیاز یا اهمیت نسبی گزینه‌های تصمیم‏گیری و رتبه‌بندی آنها در رابطه با معیارها و هدف کلی بر اساس امتیازات به‌دست آمده (Wu et al., 2018; Andalecio, 2010).

ماتریس مقایسات زوجی معیارها و زیرمعیارهای رتبه‌دهی‌شده توسط متخصصین که به عنوان ورودی نرم‌افزار AHP Calculator  استفاده شده در شکل (5) آورده شده است.

 

 

 

 

شکل (5): ماتریس مقایسات زوجی معیارها و زیر معیارها

 

در این مطالعه پس از ورود لایه‌های اطلاعاتی مربوط به معیارها به محیط GIS، وزن معیارها بر اساس روش AHP به‌دست آمد که در جدول (2) نشان داده شده است. بر اساس نتایج، وزن تعیین شده به این روش نشان می‌دهد که معیار خاک با وزن 26/0 بیشترین وزن و پس از آن کاربری اراضی با وزن 24/0 بالاترین اهمیت را در بین پارامترهای مطرح در ارزیابی آسیب‌پذیری منطقه مطالعاتی داشته‌اند، در حالی که معیار توپوگرافی، کمترین وزن 04/0 را به خود اختصاص داده است.

جدول (2): وزن‌های به‌دست‌آمده از ماتریس مقایسه زوجی

معیارهای اصلی

وزن بین‌عاملی

زیرمعیارها

وزن  نسبی درون‌عاملی

وزن انباشته درون‌عاملی

خاک

26/0

بافت خاک

15/0

043/0

شوری خاک

45/0

117/0

کیفیت خاک

4/0

1/0

اثرات دریایی

06/0

فاصله از خط ساحلی

3/0

018/0

شاخص فرسایش ساحلی

7/0

042/0

آب های زیرزمینی

18/0

سطح تراز آب زیرزمینی

57/0

010/0

کیفیت آب های زیرزمینی

43/0

08/0

عوامل اقلیمی

07/0

میانگین دمای سالانه

25/0

0175/0

مجموع بارش سالانه

48/0

0336/0

شاخص خشکسالی

17/0

12/0

توپوگرافی

04/0

ارتفاع

92/0

0368/0

اشکال ژئومورفولوژیک عمده

08/0

0032/0

کاربری اراضی

24/0

پوشش اراضی

1

1

پوشش گیاهی

0.1515/0

شاخص NDVI

1

1

 

پس از آن، اقدام به استانداردسازی این لایه‌ها با استفاده از تکنیک منطق فازی گردید. در منطق فازی هر لایه در مقیاسی بین صفر و یک درجه‌بندی می‌شود که هرچه به یک نزدیک‌تر باشد، مطلوبیت منطقه بر اساس معیار مورد نظر افزایش خواهد یافت (Wu et al., 2018). به منظور طراحی و اجرای توابع عضویت فازی[7] جهت استانداردسازی لایه‌های معیار در این مطالعه از روش گامای فازی، نقشة نهایی فازی‌شده هر کدام از معیارها در محیط GIS به‌دست آمد. فازی گاما بر اساس رابطة (6)‌ نقشه‌های حاصل از جمع و ضرب جبری را با یکدیگر تلفیق می‌نماید. دامنة مقادیر توابع عضویت فازی استفاده‌شده برای معیارهای مطالعه در جدول (3) آمده است که تعاریف این کلاسه‌ها بر اساس نظرات کارشناسان و مطالعات دیگران می‌باشد (Mani Murali et al., 2013).

 

رابطه (6)

در رابطة (6)  لایة گامای فازی، و حاصل فازی  Fuzzyproductضرب در لایه‌های فازی شده، Fuzzysum جمع جبری لایه‌های فازی‌شده و گاما در محدودة بین صفر تا یک انتخاب می شود.

 

جدول (3): توابع عضویت فازی تعریف‌شده برای معیارها و زیرمعیارهای به‌کار رفته در مطالعه

معیار

بافت خاک

 

عدد تابع عضویت

شوری خاک

 

عدد تابع عضویت

کیفیت خاک

عدد تابع عضویت

خاک

Sand

0.7

Non

0.0

Best

0.0

Sandy Loam

0.6

Slight

0.1

Good

0.2

Silty Cly Loam

0.6

Heavy

0.5

Moderate

0.5

Silty Loam

0.4

Sever

0.8

Bad

0.7

لندیوز

NDVI

مورفولوژی

 

کاربری اراضی

عدد تابع عضویت

پوشش گیاهی (NDVI)

عدد تابع عضویت

اشکال مورفولوژیک عمده

عدد تابع عضویت

Build up

0.5

Non

0.8

دشت

0.1

farmland

0.4

Moderate

0.3

نواحی کوهستانی ملایم و تپه ماهوری

0.2

forest

0.0

Dense

0.0

 

 

grassland

0.3

 

 

 

 

Water body

0.2

 

 

 

 

wetland

0.4

 

 

 

 

آب زیرزمینی-

ارتفاع

سطح ایستابی

عدد تابع عضویت

شوری آب

عدد تابع عضویت

ارتفاع

عدد تابع عضویت

2> متر

0.4

600 >میکروموس بر سانتیمتر

0.2

100>

0.3

2-5 متر

0.3

600-800

0.5

100-300

0.4

بیش از 5 متر

0.3

800<

0.7

300>

0.5

اقلیم

مجموع بارش سالانه

عدد تابع عضویت

میانگین دمای سالانه

عدد تابع عضویت

شاخص خشکسالی

عدد تابع عضویت

1000< میلیمتر در سال

0.1

13-15.1

0.3

Non

0.0

15.1<

0.2

Slight

0.1

Moderate

0.4

تعامل با دریا

فرسایش خط ساحلی

عدد تابع عضویت

فاصله از خط ساحلی

عدد تابع عضویت

 

 

منطقه جابجا شده

0.7

کمتر از 5 کیلومتر

0.8

 

 

جابجا نشده

0.2

بیش از 5کیلومتر

0.3

 

 

 

سرانجام در مرحله نهایی تلفیق لایه‌ها به‌منظور دسترسی به مکان‌های آسیب‌پذیر نقشة نهایی ارزیابی آسیب‌پذیری سواحل انزلی در محیط GIS به‌دست آمد (Wu et al., 2018) و نقشة نهایی مناطق با آسیب‌پذیری اکولوژیک در سواحل انزلی ایجاد شد.

 

 

شکل (6): نقشة نهایی ارزیابی آسیب‌پذیری اکولوژیک سواحل انزلی

 

 

 

شکل (7): مساحت و درصد هرکدام از طبقات آسیب‌پذیری اکولوژیکی در سواحل انزلی

 

شکل (6) پهنه‌بندی درجة آسیب‌پذیری اکولوژیک سواحل انزلی در منطقة مورد مطالعه که در 5 طبقه بدون آسیب‌پذیری، آسیب‌پذیری کم، آسیب‌پذیری متوسط، آسیب‌پذیری شدید و آسیب‌پذیری خیلی شدید طبقه‌بندی شده است، را نشان می‌دهد. بر اساس شکل های (6) و (7) از کل منطقة موردمطالعه 22616.6 هکتار دارای پتانسیل آسیب‌پذیری شدید و خیلی شدید (25% کل منطقه) و 19179.9 هکتار (21% از منطقه) دارای درجه آسیب‌پذیری متوسط می‌باشد. این در حالی است که 22502.4 هکتار از منطقه (25% کل منطقه) بدون پتانسیل آسیب‌پذیری و 24848.5 هکتار معادل 28% از سواحل انزلی دارای پتانسیل آسیب‌پذیری کم تشخیص داده شده است که بیشترین مساحت را تشکیل می‌دهد.

4- نتیجه‌گیری

اکوسیستم‌های ساحلی، در بسیاری از نقاط دنیا با تهدیدهایی از قبیل فعالیت‌های تجاری، صنعتی و غیر آن، در مناطق ساحلی مواجه‌اند که معمولاً اثرات نامطلوب بر محیط زیست می‌گذارند. به همین دلیل ضرورت دارد تا این سیستم های طبیعی و گرانبها با توجه به توان‌های زیست محیطی و اکولوژیکی و به خاطر نسل‌های کنونی و آینده مدیریت و حفاظت شوند. بنابراین به منظور اعمال مدیریت یکپارچه جهت حفاظت این مناطق اقدام به تهیة نقشة آسیب‌پذیری اکولوژیک این مناطق در سواحل انزلی واقع در جنوب دریای کاسپین گردید. پس از نهایی‌سازی معیارهای هدف بر اساس روش دلفی، انتخاب مهم‌ترین معیارها بر اساس روش AHP و استانداردسازی لایه‌های معیار بر اساس روش گامای فازی، نقشة نهایی ارزیابی درجه آسیب‌پذیری اکولوژیک سواحل انزلی با  5 کلاسه طبقه‌بندی در محیط GIS ساخته شد. از بین 7 معیار مؤثر در آسیب‌پذیری اکولوژیکی سواحل انزلی شامل خاک، اثرات دریایی، آب‌های زیرزمینی، عوامل اقلیمی، توپوگرافی، کاربری اراضی و پوشش گیاهی با روش دلفی، نتایج وزن‌دهی معیارها با روش AHP نشان می‌دهد که معیار خاک با وزن 26/0 بیشترین وزن و پس از آن کاربری اراضی با وزن 24/0 بالاترین اهمیت را  در ارزیابی آسیب‌پذیری منطقة مطالعاتی داشته، در حالی که معیار توپوگرافی، کمترین وزن (04/0) را به خود اختصاص داده است.

بر اساس نتایج به دست آمده 25% از سطح منطقة ساحلی یادشده بدون درجه آسیب‌پذیری، به ترتیب 8% و 17% از منطقه دارای پتانسیل آسیب‌پذیری خیلی زیاد و زیاد بوده است که بیشتر در مناطق اطراف تالاب انزلی و مناطق حفاظت‌شده مجاور آن قرار دارد. تنوع درجات آسیب‌پذیری در منطقه و پراکنش ناهمگون مکانی آن کاملاً مشهود است. در بیشتر نقاط با فاصله از خط ساحلی ریسک آسیب‌پذیری کاهش نشان می‌دهد. بیشترین مساحت را مناطق با آسیب‌پذیری کم (24848.5 هکتار) اشغال نموده است. کاربری اراضی پس از خاک مهم‌ترین پارامتر در ارزیابی ریسک آسیب‌پذیری سواحل انزلی بوده است. در نهایت نتایج این مطالعه، کاربری روش‌های ارزیابی چندمعیاره را در ارزیابی آسیب‌پذیری اکولوژیک سواحل تأیید می‌کند و نقشه پهنه‌بندی به دست آمده می‌تواند به عنوان راهنمایی برای تصمیم گیران باشد تا علاوه بر کاهش آسیب‌های انسانی در مناطق حساس، در هنگام تصمیم‌گیری در مورد گسترش سواحل و ایجاد سایر کاربری‌ها در منطقه، این مناطق حساس ساحلی در نظر گرفته شوند و به حفاظت محیط زیست و تعادل اکوسیستم منطقه ساحلی کمک شود. علاوه بر آن، این مناطق می‌تواند تحت برنامه‌های نظارت، پایش و حفاظتی مؤثر قرار گیرند تا از وارد آمدن فشار ناشی از عوامل تهدیدکننده بر این مناطق پیشگیری به عمل آید.



[1]. Analytical hierarchy process

[2]. coastal vulnerability index

[3]. multi criteria decision making

[4]. Consistency Ratio

[5]. Consistency Index

[6]. Random Index

[7]. Fuzzy Membership Function

  1. خدادوست، حامد؛ وفایی، فریدون؛ هادی‌پور، وحید. (1395). تعیین اولویت‌ها و تولید نقشه خطرپذیری مناطق ساحلی به ریزش‌های نفتی با مقایسة روش‌های تحلیل سلسله مراتبی و تحلیل شبکه‌ای ـ مطالعه موردی سواحل استان بوشهر، نشریه مهندسی دریا، 12(23): 57-68.
  2. داور، لیدا؛ عزیزی جلیلیان، منا؛ رفیعی، رضا؛ دانه کار، افشین. (1393). پهنه‌بندی آسیب‌پذیری نوار ساحلی استان سیستان و بلوچستان بر اساس کانون‌های تهدیدکننده. محیط زیست طبیعی، منابع طبیعی ایران، 67(3): 289-300.
  3. دهشور، طهورا؛ دانه کار، افشین؛ منوری، مسعود؛ ریاضی، برهان؛ خیرخواه زرکش، مسعود. (1393). تحلیلی بر روش‌های سنجش آسیب‌پذیری در محیط زیست ساحلی. فصلنامه انسان و محیط زیست، 28: 42-62.
  4. رمضانی، بهمن؛ طالقانی، محمد. (1390). رویکرد به مدیریت یکپارچه محیطی در سازماندهی سواحل کشور (فرصت‌ها، چالش‌ها و راهکارها). مجله سپهر، 21 (84): 90-94.
  5. کولایی، الهه؛ گودرزی، م. (1388). تهدیدهای زیست‌محیطی دریای مازندران و نقش کنوانسیون تهران در مقابله با آن. مجله علوم محیطی، 7(1): 69-94.
  6. لطفی، حیدر؛ منفرد، هاشم؛ نصری، فرامرز؛ امیری، بازرگان. (1395). نقش مدیریت یکپارچه مناطق ساحلی (ICZM) در ارتقای امنیت ملی جمهوری اسلامی ایران. فصلنامه علمی ـ پژوهشی جغرافیا (برنامه‌ریزی منطقه‌ای)، 7 (1): 17-32.

مشیری، اسماعیل. (1380). مدل تعدیل شده AHP برای نظرسنجی و تصمیم‌گیری‌های گروهی. مجله دانش مدیریت، 14(52): 63-92. 

دوره 5، شماره 4
اسفند 1398
صفحه 4-15
  • تاریخ دریافت: 15 مهر 1397
  • تاریخ پذیرش: 22 مهر 1398