تهیه نقشه و ارزیابی بیابان زایی با استفاده از مدل مدالوس و شبکه های باور بیزین

STUDENT

DEGREE

YEAR

Desertification refers to the conditions that soil loses its fertility forever due to ecological and management changes. This phenomena has widely occurred in different regions with various climatic conditions throughout the world. Till now, scientist have utilized various models to assess desertification processes including FAO-UNEP, MEDALUS, ICD, MICD and IMDPA. In this study, for the first time in Iran, we used Bayesian Belief Networks () along with MEDALUS to assess desertification processes. While a desert manager faces uncertainty in results and predictions obtained from different assessing models, it is completely cumbersome for him to take a proper action in order to truly manage a desert region. can accommodate uncertainties in its prediction properly. This study aimed to integrate and MEDALUS models to assess desertification level as well as introducing a decision support tool in 30000 ha areas of Seghzi region located in Isfahan province. Regarding literature review and field assays, six criteria including climatic condition, vegetative cover, soil condition, underground water quality, wind erosion and management policies were selected to build the models. Then, we defined the most important indices affecting each criteria, and weighted based on the MEDALUS procedure. The status of all the used indices and criteria in MEDALUS were mapped using geometric mean in Arc GIS9. All the layers were then combined to produce the risk of desertification in the study area. approach was used to sketch cause and effects models for soil condition, underground water and wind erosion status criteria. The conditions of the geomorphologic units were inserted in these models and the soil condition, underground water and wind erosion status of these working unites were evaluated. Eventually, we introduced the final desertification model for the study area. In order to have a comparison between results obtained from MEDALUS and , we employed the same variables to construct the models. The results of models were verified and compared with MEALUS and sensitivity analysis were also used to evaluate the models performance. MEDALUS showed that 13 % and 78.87 % of the study area is intensively and severely desertified respectively. The sensitivity analysis of the models revealed that climatic conditions and wind erosion status are the two most influencing factors to lead the region through desertified conditions. This study showed that due to their abilities to take the cause and effects relationships between desertification variables into account as well as accommodating uncertainty of the predicted system, can work as a valuable tool to predict desertification conditions. Therefore it could be considered as a decision support tool for decision makers to manage desert regions. Keywords: desertification, MEDALUS, Bayesian belief Networks, modeling, sensitivity analysis, decision support tool

بیابان‌زایی به معنی از دست رفتن توانایی حاصل خیزی دائمی اراضی به دلیل تغییرات شرایط اکولوژیکی و مدیریتی است که بطور وسیعی در اراضی مختلف جهان و در مناطق مختلف آب و هوایی روی داده است. کارشناسان از مدل های مختلفی برای ارزیابی بیابان زایی در داخل و خارج کشور استفاده می کنند که مدل های موسسه تحقیقات بیابان ترکمنستان، فائو-یونپ، مدالوس و مدل‌های ایرانیICD،MICD و IMDPA از آن جمله می باشند. در این مطالعه با استفاده از مدل مدالوس و برای اولین بار در کشور از مدل شبکه های باور بیزین برای ارزیابی بیابان زایی استفاده شده است. در شرایطی که نتیجه و پیش بینی روش های ارزیابی بیابان زایی نامطمئن است و یا به عبارتی عدم اطمینان در نتایج آنها وجود دارد، تصمیم گیری برای ارایه راهکار مناسب برای مدیران، جهت مدیریت اراضی بیابانی مشکل است. شبکه های باور بیزین ، یکی از روش هایی است که می تواند این عدم قطعیت در پیش بینی مدل ها را در مواجه با شرایط گوناگون فراهم نماید. این پژوهش با هدف پهنه بندی و ارزیابی کمی بیابان زایی در منطقه سگزی با گستره ای حدود 30 هزار هکتار در استان اصفهان و به منظور ایجاد یک ابزار پشتیبان تصمیم گیری با تلفیق نتایج مدل مدالوس و روش شبکه باور بیزین انجام شده است. در آغاز با بررسی مطالعات صورت گرفته در منطقه سگزی و همچنین بازدید های صحرایی 6 عامل اقلیم ، پوشش گیاهی، خاک ، آب زیرزمینی ، فرسایش بادی و مدیریت و سیاست به عنوان معیارهای ارزیابی بیابان زایی انتخاب شدند. سپس برای هر لایه یا معیار اصلی، مهم ترین شاخص های موثر در کیفیت آن معیار، بررسی و با شیوه مدل مدالوس وزن دهی انجام شد و با محاسبه میانگین هندسی شاخص ها و بهره گیری از نرم افزار Arc GIS، نقشه های مربوطه به وضعیت هر شاخص یا معیار تهیه شد. در پایان با تلفیق نقشه های معیارها و بهره گیری از میانگین هندسی، نقشه وضعیت فعلی بیابان زایی در منطقه مورد بررسی تولید شد. سپس با استفاده از شبکه های باور بیزین برای معیارهای خاک ، آب زیرزمینی و فرسایش بادی که تصمیمات مدیریتی بیشتر در آنها دخیل بوده مدلی طراحی شد و در سطح واحد کاری مدل ها اجرا و خصوصیات خاک ، آب زیرزمینی و فرسایش بادی مورد ارزیابی قرار گرفت و در نهایت مدل کلی بیابان زایی منطقه تهیه گردید. برای مقایسه خروجی مدل بیزین با معیارهای مدل مدالوس می بایست متغیرهای موجود در هر دو مدل یکسان انتخاب شوند. بر همین اساس متغیرهای مدل بیزین ، همان شاخص های معیارهای مدل مدالوس در نظر گرفته شد. ارزیابی مدل شبکه باور بیزین از طریق بازبینی مجدد مدل، تجزیه و تحلیل حساسیت و مقایسه آن با نتایج مدل مدالوس صورت گرفت. نتایج مدل مدالوس نشان داد که 13 درصد از سطح منطقه در کلاس شدید بیابان زایی و 87/78 درصد از سطح منطقه نیز در کلاس بیابان زایی بسیار شدید قرار گرفت. همچنین آنالیز حساسیت مدل بیزین و نتایج مدل مدالوس گویای این واقعیت بودند که معیارهای اقلیم و فرسایش بادی مهمترین عوامل در بیابانی شدن منطقه می باشند. این مطالعه نشان دادکه شبکه های باور بیزین به دلیل اینکه می توانند روابط علی و معلولی بین متغیرهای موثر در پروسه بیابانزایی را نشان دهند و همچنین میزان عدم قطعیت از پیش بینی سیستم را ارایه کنند، می توانند به عنوان ابزاری ارزشمند جهت پیش بینی تغییرات بیابان زایی استفاده شده و کمک شایانی به کارشناسان مربوطه جهت تصمیم hy;گیری و مدیریت این مناطق ارایه دهند. کلمات کلیدی : بیابان زایی ، مدل مدالوس ، شبکه های باور بیزین ، مدل سازی ، حساسیت سنجی