رويه يادگيري برمبناي نمونه وزني تشابه براي مدل‌سازي پتانسيل انتقال پوشش اراضي و كاربرد آن در سند طراحي پروژه REDD

كاهش انتشارات ناشي از جنگل‌زدايي و تخريب جنگل (Reducing Emissions from Deforestation and Forest Degradation (REDD))، راهكاري براي تعديل تغييرات اقليمي است كه به‌منظور كاهش شدت جنگل‌زدايي و انتشار گازهاي گلخانه‌اي به‌كار گرفته مي‌شود. در چند دهه­ي اخير تغييرات شديد كاربري اراضي در استان مازندران باعث كاهش ميزان چشمگيري از جنگل‌هاي هيركاني شده است. تحقيق حاضر بر اساس اهداف پروژه‌هاي REDD، به بررسي تغييرات پوشش جنگل در محدوده‌اي از بخش‌هاي كجور و مرزن آباد در استان مازندران با استفاده از تصاوير ماهواره‌اي لندست متعلق به سال‌هاي 1363، 1379 و 1393 پرداخته است. در اين مطالعه، براي اولين بار در ايران با استفاده از رويه يادگيري برمبناي نمونه وزني مشابهت، مدل‌سازي تغييرات پوشش جنگل صورت گرفت و به‌منظور اعتبارسنجي از آماره­هاي مشخصه عملكرد نسبي، نسبت موفقيت به هشدار خطا و عدد شايستگي استفاده شد. در پايان با استفاده از روش‌شناسي استاندارد كربن اختياري ميزان انتشار گاز CO2 براي 30 سال آينده (تا سال 1423) محاسبه گرديد. نتايج نشان داد كه به ترتيب طي سال‌هاي 1379-1363 و 1393-1379 حدود 4008 و 3635 هكتار پوشش جنگل تخريب شده است. نتايج اعتبارسنجي نشان داد كه ميزان مشخصه عملكرد نسبي برابر با 95/0، عدد شايستگي 26 درصد و نسبت موفقيت به هشدار خطا 82 درصد بيانگر صحت بالاي مدل مي‌باشد. در نهايت نتايج اجراي پروژه REDD نشان داد كه تحت سناريو خط‌مبنا، tCO2e705336 طي 30 سال آينده به اتمسفر انتشار خواهد يافت كه با اجراي پروژه REDD مي‌توان از انتشار tCO2e 91/491697 جلوگيري نمود. با توجه به افزايش روند تخريب جنگل‌هاي هيركاني و نقش مهم آنها در تعديل تغييرات اقليمي، با استفاده از روش‌شناسي تحقيق حاضر مي‌توان تغييرات پوشش اراضي و تأثير پروژه‌هاي REDD در ميزان كاهش انتشار گازهاي گلخانه‌اي را برآورد و پيش‌بيني نموده و در سند طراحي پروژه‌هاي مكانيسم توسعه پاك در كشور استفاده نمود. .

Reducing Emissions from Deforestation and Forest Degradation (REDD) is a climate change mitigation strategy employed to reduce the intensity of deforestation and GHGS emissions. In recent decades, drastic land use changes in Mazandaran province caused a substantial reduction in the amount of Hyrcanian forests. The present research based on objectives of REDD projects paid to identify of forest cover changes in a range of Marzan Abad and Kojour Districts in the Mazandaran province using of Landsat satellite images from 1984, 2000 and 2014. In this study, for the first time in Iran, using similarity weighted instance–based learning (SimWeight) approach, forest cover changes modeling was performed, and for validation, statistics of relative operating characteristic (ROC), ratio of hits/false alarms and figure of merit was applied. Finally, using voluntary carbon standard (VCS) methodology CO2 emissions for the 30 next years (until 2044) was calculated. The results showed that forest cover decreased about 4008 hectares and 3635 hectares during 1984-2000 and 2000-2014. The validation results indicated that ROC equal to 0.95, the figure of merit equal to 26 percent and the ratio of hit/false alarms equal to 82 percent reflects high accuracy of the model. Eventually, REDD project's implementation results designated that under the baseline scenario about 705336 tCO2e will release into the atmosphere over the 30 next years that REDD project can prevent the release of 491697.91 tCO2e. With respect to increasing deforestation in Hyrcanian forests and their important role in the mitigation of climate change, using the methodology offered can be estimated and predicted land cover changes and the impact of REDD projects on reducing GHGS emissions, and the REDD results can be used to complete the Project Design Document (PDD) of Clean Development Mechanism (CDM) in the country Key