| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شمارهها | 3,188 |
| تعداد مقالات | 35,336 |
| تعداد مشاهده مقاله | 51,466,552 |
| تعداد دریافت فایل اصل مقاله | 91,333,741 |
تغییرپذیری زمانی-مکانی اثر شاخصهای فشار، حالت و پاسخ بر سلامت آیندة آبخیزهای کشور | ||
| پژوهش های آبخیزداری | ||
| مقاله 4، دوره 39، شماره 2 - شماره پیاپی 151، تیر 1405، صفحه 44-62 اصل مقاله (1.66 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/wmrj.2025.371015.1638 | ||
| نویسندگان | ||
| سیدحمیدرضا صادقی* 1؛ علی نصیری خیاوی2؛ رضا چمنی3؛ نگین بهنیا3؛ وحید موسوی4؛ حمید نوری5؛ پدیدهالسّادات صادقی6؛ محمدحسین شوشتری7؛ عبدالواحد خالدیدرویشان4؛ مهدی وفاخواه1؛ حمیدرضا مرادیرکابدارکلائی1 | ||
| 1استاد گروه مهندسی آبخیزداری، دانشکده منابعطبیعی، دانشگاه تربیت مدرس، نور، ایران | ||
| 2پژوهشگر مرکز تحقیقات و آموزش کشاورزی و منابعطبیعی استان اردبیل، اردبیل، ایران | ||
| 3پژوهشگر پسادکتری گروه مهندسی آبخیزداری، دانشکده منابعطبیعی، دانشگاه تربیت مدرس، نور، ایران | ||
| 4دانشیار گروه مهندسی آبخیزداری، دانشکده منابعطبیعی، دانشگاه تربیت مدرس، نور، ایران | ||
| 5دانشیار گروه مرتع و آبخیزداری، دانشکده منابعطبیعی، دانشگاه ملایر، ملایر، ایران | ||
| 6دانشآموخته کارشناسیارشد گروه مهندسی آبخیزداری، دانشکده منابعطبیعی، دانشگاه تربیت مدرس، نور، ایران | ||
| 7دانش آموخته دکتری مؤسسه ژئوفیزیک دانشگاه تهران، ایران | ||
| چکیده | ||
| مقدمه و هدف سلامت آبخیز یک واژه گسترده و دربرگیرندة منابع آبی، کیفیت بومشناختی ازجمله پوشش گیاهی، جامعههای گیاهی و جانوری، گیاهان بومی، ویژگیهای زمینریختشناسی، فرآیندهای بارش-رواناب، ویژگیهای ریختشناسی است. امنیت آبی و غذایی کشور بهعنوان اصلیترین اهداف کلان ملی بهدلیل مدیریت ناصحیح منابع آب و سرزمین، در معرض تهدید است. از سوی دیگر، ارزیابی و مدیریت جامع آبخیزها، در جامعههای علمی بینالمللی بهعنوان رویکردی مؤثر و کارا برای مدیریت آب، سرزمین و منابع وابسته به آنها و ایجاد تعادل میان نیازهای اقتصادی-اجتماعی جامعههای آبخیزنشین و سلامت و پایداری بومسازگانها بهشمار میآید. افزون بر این، آگاهی از سلامت آبخیزها یکی از مهمترین و اساسیترین بخشها در مدیریت پایدار و جامع آبخیزها بهشمار میآید. ازاینرو، در این پژوهش اثر شاخصهای فشار، حالت و پاسخ بر سلامت آبخیزهای رده سوم کشور، پیشبینی شد. مواد و روشها برای دستیابی به هدف پژوهش، بیش از 520 معیار مختلف مرتبط با شاخص های فشار، حالت و پاسخ از عاملهای محیطی، اقلیمی و انسانی برای حدود 640 آبخیز شناسایی و جمعآوری شد. سپس، بهدلیل همبستگی درونی معیارها، از آزمون تورم پراکنش برای کاهش دادهها و حذف معیارهای همراستا استفاده شد. در پایان، شاخصهای نهایی در دو دسته ایستا و پویا تعریف شدند. در ادامه، معیارهای اثرگذار بر وضعیت سلامت و امنیت آبخیزها با دقت مکانی مطلوب زیرآبخیزها و در مدل PSR استخراج و اندازة معیارها برای شرایط کنونی (2023) محاسبه شد. پس از تعیین معیارهای پویا، از روشهای مختلف شامل وایازی، مدل SARIMA و الگوریتمهای یادگیری ماشین استفاده شد و معیارهای پویا برای سال های 2033، 2043 و 2053 پیشبینی شد. پس از پیشبینی معیارهای پویا، دوباره مدل مفهومی PSR برای سال های آینده استفاده شد و سلامت آبخیزهای رده سوم کشور در نرمافزار ARC-GIS نسخه 10/8 پهنهبندی شد. برای ارزیابی وضعیت آینده، پیشبینی شاخصهای پویا بر اساس دادههای زمانی سالهای 2033، 2043 و 2053 انجام شد و اثر هر شاخص بر سلامت آبخیز تحلیل شد. نتایج و بحث تحلیل پهنهبندی سلامت آبخیزهای رده سوم کشور در سالهای 2033، 2043 و 2053 نشاندهندة توزیع ناهمگون وضعیت سلامت آبخیزها بود. در مناطق شمالی (گیلان، مازندران) بهدلیل بارندگی زیاد و پوشش گیاهی متراکم، سلامت آبخیزها مطلوب (60 تا70 درصد در طبقات خوب و بسیارخوب) بود. از سوی دیگر، وضعیت مناطق جنوبی (هرمزگان، سیستان و بلوچستان) بهدلیل کمبارشی و فعالیتهای نامناسب انسانی، ضعیفتر (40 تا50 درصد در طبقات متوسط تا ضعیف) بود. بر این اساس در سالهای آینده، سلامت مناطق شمالغربی نسبتاً کاهش خواهد یافت، درحالیکه مناطق شرقی (مانند خراسانرضوی) بهدلیل خشکسالی و برداشت بیرویه آب، بهشدت آسیب خواهد دید و سلامت آنها به کمتر از 20 درصد خواهد رسید. در مجموع نتایج نشان داد اثر شاخص پاسخ (حدود 60 درصد) در مقایسه با شاخصهای فشار و حالت بر سلامت سامانه آبخیزهای مطالعهشده بسیار بیشتر بود. ازاینرو، میتوان گفت در سالهای آینده (سالهای 2033، 2043 و 2053) اندازة اثرگذاری تغییرات شاخصهای مدل PSR بر شاخص سلامت آبخیز، قابلتوجه نخواهد بود. نتیجهگیری و پیشنهادها بر پایة نتایج این پژوهش، مدیریت آبخیزها در آینده باید بر واکنشپذیری سریع استوار باشد زیرا، این مدیریت بهطور فزایندهای به اقدامات انطباقی مانند احیای پوشش گیاهی و مهار سیلاب وابسته خواهند شد. افزون بر این، اگرچه اثر فشارهای انسانی (حدود 20 درصد) نسبتاً پایدار است، اما نوسانات آن نیازمند مدیریت یکپارچه فعالیتهای بشری مانند کشاورزی و توسعه شهری است. از سوی دیگر، پایداری نسبی شاخص حالت (حدود 19درصد) بیانگر لزوم توجه به راهبردهای بلندمدت مانند حفاظت از منابع خاک و آب است. ازاینرو، ترکیب اقدامات کوتاهمدت انعطافپذیر با سیاستهای پایدار حفاظتی، ابزار مدیریت بهینه آبخیزها در تغییرات محیطی آینده خواهد بود. بهطورکلی، یافتههای این پژوهش مؤید رویکرد پویا و سازگار در مدیریت آبخیزها است، به شیوهای که ترکیب راهبردهای کوتاهمدت واکنشی مبتنی بر پایش (مانند تغییر موقت الگوی کشت در پاسخ به خشکسالی) و راهبردهای بلندمدت حفاظتی، بازخوردی برای اصلاح و تقویت راهبردهای بلندمدت و پایدار (مانند احیای بومسازگان و مدیریت جامع منابع آب) و زمینهساز ایجاد یک رویکرد مدیریت سازگار است و سبب همبستگی سامانهای میان این دو سطح شده و یا با بهبود آن ضامن حفظ سلامت آبخیزها در برابر تغییرات آینده است. بر اساس نتایج به دست آمده پیشنهاد میشود که نهادهای حاکمیتی مانند سازمان منابعطبیعی و آبخیزداری کشور و وزارت نیرو، از یافتههای این پژوهش در قالب آییننامههای تخصیص بودجه برای طرحهای آبخیزداری بهرهگیرند. | ||
| کلیدواژهها | ||
| پیشبینی سلامت آبخیز؛ رویکرد مفهومی PSR؛ مدلسازی پویا؛ مدیریت جامع آبخیز | ||
| عنوان مقاله [English] | ||
| Spatio-Temporal Variability of the Effect of Pressure, State, and Response Indices on the Future Health of Iran's Watersheds | ||
| نویسندگان [English] | ||
| Seyed Hamidreza Sadeghi1؛ Ali Nasiri Khiavi2؛ Reza Chamani3؛ Negin Behnia3؛ Vahid Moosavi4؛ Hamid Noori5؛ Padidehsadat Sadeghi6؛ Mohammad Hossein Shoushtari7؛ Abdulvahed Khaledi Darvishan4؛ Mehdi Vafakhah1؛ Hamidreza Moradi Rekabdarkolaei1 | ||
| 1Professor, Department of Watershed Management Engineering, Faculty of Natural Resources, Tarbiat Modares University, Noor, Iran | ||
| 2Ardabil Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Ardabil, Iran | ||
| 3Postdoctoral Fellow, Department of Watershed Management Engineering, Faculty of Natural Resources, Tarbiat Modares University, Noor, Iran | ||
| 4Associate Professor, Department of Watershed Management Engineering, Faculty of Natural Resources, Tarbiat Modares University, Noor, Iran | ||
| 5Associate Professor, Department of Range and Watershed Management, Faculty of Natural Resources, Malayer University, Iran | ||
| 6Former M.Sc., Department of Watershed Management Engineering, Faculty of Natural Resources, Tarbiat Modares University, Noor, Iran | ||
| 7Former Ph.D. Student, Institute of Geophysics, University of Tehran, Tehran, Iran | ||
| چکیده [English] | ||
| Introduction and Goal Watershed health is a broad term that encompasses water resources, ecological quality (including vegetation, plant and animal communities, native plants, geomorphological features, and precipitation-runoff processes), and morphological features. The country's water and food security, as the main national goals, are under threat due to improper management of water and land resources. Comprehensive assessment and management of watersheds are considered effective and efficient approaches by international scientific communities for managing water, land, and their dependent resources, and for balancing the socio-economic needs of watershed communities with the health and sustainability of ecosystems. Also, awareness of watershed health is considered one of the most fundamental aspects of sustainable, comprehensive watershed management. Therefore, in this study, the effects of pressure, state, and response indicators on the health of the country's third-order watersheds were predicted. Materials and Methods To achieve the research aim, more than 520 criteria related to pressure, state, and response indicators from environmental, climatic, and human factors were identified and collected for about 640 watersheds. Then, due to correlations among criteria, the variance inflation factor test was used to reduce the data and eliminate criteria with severe multicollinearity. Finally, the indicators were divided into two categories: static and dynamic. Next, the criteria affecting the health and security status of watersheds were extracted with appropriate spatial accuracy at the sub-watershed and PSR model levels, and their values were calculated for the current conditions (2023). After determining the dynamic criteria, various methods, including regression, the SARIMA model, and machine learning algorithms, were used to predict dynamic criteria for 2033, 2043, and 2053. After predicting the dynamic criteria, the PSR conceptual model was applied to future years, and the health zoning of the country's third-order watersheds was conducted in ArcGIS 10.8. To assess future status, dynamic indicators were predicted from time-series data for 2033, 2043, and 2053, and the effects of each indicator on watershed health were analyzed. Results and Discussion A spatial zoning analysis of the health of the country's third-order watersheds in 2033, 2043, and 2053 showed that health status was heterogeneous. In the northern regions (Gilan, Mazandaran), high rainfall and dense vegetation cover result in favorable watershed health (60-70% in the good and very good classes). In contrast, the southern regions (Hormozgan and Sistan and Baluchestan) have poorer status (40-50% in the moderate to poor classes) due to low rainfall and inappropriate human activities. Accordingly, in the coming years, the health of northwestern regions is expected to decline somewhat, while eastern regions (such as Khorasan Razavi) will be severely affected by drought and excessive water extraction, with health declining to below 20%. Overall, the results showed that the response index (about 61%) had a greater effect on the health of the study watershed system than the pressure and state indices. Therefore, no significant change was observed in the future study years (2033, 2043, and 2053) in the impact of the PSR model indices on the watershed health index. Conclusion and Suggestions The analysis showed that future watershed management should be based on rapid responsiveness, as it will increasingly rely on adaptive measures such as vegetation restoration and flood control. Also, although the impact of human pressures (about 20%) is relatively stable, its fluctuations require integrated management of human activities such as agriculture and urban development. On the other hand, the relative stability of the state index (about 19%) indicates the need to focus on long-term strategies, such as soil and water resource conservation. Therefore, combining flexible short-term measures with sustainable conservation policies will be the key to optimal watershed management in the face of future environmental changes. Overall, the findings of this study support a dynamic and adaptive approach to watershed management, in which the combination of short-term, reactive strategies based on monitoring (such as temporary changes in cropping patterns in response to drought) and long-term conservation strategies provides feedback for modifying and strengthening long-term, sustainable strategies (such as ecosystem restoration and integrated water resources management) and paves the way for the creation of an adaptive management approach, leading to a systemic correlation between these two levels or, by improving it, ensuring the health of watersheds against future changes. According to the study's results, it is recommended that governing bodies, such as the Natural Resources and Watershed Management Organization and the Ministry of Energy of Iran, use these findings to develop regulations for budget allocation to watershed management projects. | ||
| کلیدواژهها [English] | ||
| Dynamic modeling, integrated watershed management, PSR conceptual framework, watershed health prediction | ||
| مراجع | ||
|
Abubakar A, Chiroma H, Zeki A, Uddin M. 2016. Utilising key climate element variability for the prediction of future climate change using a support vector machine model. International Journal of Global Warming. 9(2):129–151. https://doi.org/10.1504/IJGW.2016.074952 Chamani R, Sadeghi SHR, Zare S, Shekohideh H, Mumzaei A, Amini H, Hemmati L, Zarei R. 2023. Flood-oriented watershed health and ecological security conceptual modeling using PSR approach for the Sharghonj Watershed, South Khorasan Province, Iran. Natural Resource Modeling. e12385. https://doi.org/10.1111/nrm.12385 Dai Q, Chuobin L, Sha X, Xue L, Zheng Z, Junliang T, Guoliang W. 2007. Health diagnoses of ecosystems subject to a typical erosion environment in Zhifanggou watershed, north-west China. Frontiers of Forestry in China. 2:241–250. https://link.springer.com/article/10.1007/s11461-007-0040-1 Gatgash ZE, Sadeghi SHR. 2024. Comparative effect of conventional and adaptive management approaches on watershed health. Soil and Tillage Research. 235:105869. https://doi.org/10.1016/j.still.2023.105869 Hazbavi Z, Jantiene EM, Nunes J, Keesstra S, Sadeghi SHR. 2018. Changeability of reliability, resilience and vulnerability indicators with respect to drought patterns. Ecological Indicators. 87:196–208. https://doi.org/10.1016/j.ecolind.2017.12.054 Hazbavi Z, Sadeghi SHR, Gholamalifard M, Davudirad AA. 2020. Watershed health assessment using the pressure--state--response (PSR) framework. Land Degradation and Development. 31(1):3–19. https://doi.org/10.1002/ldr.3420 Hazbavi Z, Sadeghi SHR. 2017. Watershed health (Part two): Pressure, state and response conceptual model. Extension and Development of Watershed Management. 4(15):25–30. https://www.wmji.ir/article_696852.html?lang=en Jat MK, Khare D, Garg PK, Shankar V. 2009. Remote sensing and GIS-based assessment of urbanisation and degradation of watershed health. Urban Water Journal. 6(3):251–263. https://doi.org/10.1080/15730620801971920 Khiavi AN, Tavoosi M, Khodamoradi H, Kuriqi A. 2024. Integration of watershed eco-physical health through algorithmic game theory and supervised machine learning. Groundwater for Sustainable Development. 101216. https://doi.org/10.1016/j.gsd.2024.101216 Liang P, Liming D, Guijie Y. 2010. Ecological security assessment of Beijing based on PSR model. Procedia Environmental Sciences. 2:832–841. https://doi.org/10.1016/j.proenv.2010.10.094 Liang P, Liming D, Guijie Y. 2010. Ecological security assessment of Beijing based on PSR model. Procedia Environmental Sciences. 2: 832-841. https://doi.org/10.1016/j.proenv.2010.10.094 Mao X, Wang X, Chen Q, Yin X. 2014. A PSR-framework-based health assessment of Ulansuhai Lake in China. Polish Journal of Environmental Studies. 23:2093–2102. https://www.pjoes.com/A-PSR-Framework-Based-Health-Assessment-r-nof-Ulansuhai-Lake-in-China,89399,0,2.html Momenian P, Nazarnejhad H, Miryaghoubzadeh M, Mostafazadeh R. 2018. Assessment and prioritizing of subwatersheds based on watershed health scores (Case study: Ghotorchay, Khoy, West Azerbaijan). Journal of Watershed Management Research. 9(17):1–13. https://doi.org/10.29252/jwmr.9.17.1 Nasiri Khiavi A, Tavoosi M, Khodamoradi H, Kuriqi A. 2024. Integration of watershed eco-physical health through algorithmic game theory and supervised machine learning. Groundwater for Sustainable Development. 101216. https://doi.org/10.1016/j.gsd.2024.101216 Parkes MW, Morrison KE, Bunch MJ, Hallström LK, Neudoerffer RC, Venema HD, Waltner-Toews D. 2010. Towards integrated governance for water, health and social--ecological systems: The watershed governance prism. Global Environmental Change. 20(4): 693–704. https://doi.org/10.1016/j.gloenvcha.2010.06.001 Rajabi MR, Vafakhah M, Sadeghi SHR. 2024. Predicting the effect of hydro-climatic and land-use dynamic variables on watershed health status. Environmental Science and Pollution Research. 31(31):44150–44168. https://doi.org/10.1007/s11356-024-34071-6 Sadeghi SHR, Chamani R, Silabi MZ, Tavosi M, Katebikord A, Darvishan AK, Moosavi V, Sadeghi PS, Vafakhah M, Rekabdarkolaei HM. 2023a. Watershed health and ecological security zoning throughout Iran. Science of The Total Environment. 905:167123. https://doi.org/10.1016/j.scitotenv.2023.167123 Sadeghi SHR, Hazbavi Z, Gholamalifard M. 2019. Zonation of health dynamism for the Shazand Watershed based on low and high flow discharges. Watershed Engineering and Management. 11(3):589–608. https://doi.org/10.22092/ijwmse.2018.120288.1427 Sadeghi SHR, Zabihi Silabi M, Sarvi Sadrabad H, Riahi M, Modarresi Tabatabaei S. 2023b. Watershed health and ecological security modeling using anthropogenic, hydrologic, and climatic factors. Natural Resource Modeling, e12371. https://doi.org/10.1111/nrm.12371 Wu D, Chen, T, Zhang L, Ling H, Yang J, Shen C. 2024. Ecological risk assessment under the PSR framework and its application to shallow urban lakes. Environmental Science and Pollution Research. 31(16):23568–23578. https://doi.org/10.1007/s11356-024-32651-0 Yazd HRGH, Salehnia N, Kolsoumi S, Hoogenboom G. 2019. Prediction of climate variables by comparing the k-nearest neighbor method and MIROC5 outputs in an arid environment. Climate Research. 77(2):99–114. https://doi.org/10.3354/cr01545 | ||
|
آمار تعداد مشاهده مقاله: 92 تعداد دریافت فایل اصل مقاله: 24 |
||