ارتقاء سطح حفاظت از تنوع زيستي با بهبود وضعيت شبكه تحت حفاظت كشور، برنامه ريزي سيستماتيك حفاظت با استفاده از الگوريتم Zonation

Improving biodiversity conservation with expansion of protected area network in Iran, systematic conservation planning applying Zonation algorithm

انتخاب مناطق حفاظت شده، يكي از مهمترين اقدامات براي حفاظت از تنوع زيستي محسوب مي شود. رويكردهاي تك منظوره و يا مبتني بر انتخاب گونه‌هاي كاريزماتيك منجر به تشكيل شبكه‌ حفاظتي غير معرف از تنوع زيستي يك كشور مي‌گردد. براي رفع اين مشكل، رويكرد برنامه‌ريزي سيستماتيك حفاظت معرفي شده است. با توجه به اينكه طبق پيشنهاد مطرح شده توسط UNEP تا سال 2020 سطح مناطق تحت حفاظت كشور بايد از 10 درصد تا 17 درصد افزايش يابد، در اين پژوهش، الگوريتم Zonation براي اولويت بندي مناطق جديد براي افزوده شدن به شبكه حفاظتي كنوني به كار گرفته شد. به اين منظور 36 گونه‌هاي جايگزين تنوع زيستي متشكل از گونه‌هاي آندميك و يا در رده تهديد فهرست سرخ IUCN متعلق به پستانداران، پرندگان، خزندگان و دوزيستان انتخاب شدند. مدل مطلوبيت زيستگاه با روش بيشينه بي نظمي تهيه شد. سپس، الگوريتم Zonation با سه قانون حذف پيكسل‌ زون بندي منطقه هسته‌اي، تابع افزاينده فايده و برنامه ريزي مبتني بر هدف و با ثابت نگاه داشتن شبكه حفاظتي فعلي بر روي نقشه هاي مطلوبيت زيستگاه گونه هاي پياده شد. انتخاب 20 درصد از مناطق با بالاترين اولويت حفاظتي پيشنهاد شده توسط هر سه روش، حفاظت از زيستگاه گونه هاي جايگزين را حداقل 16 درصد افزايش مي‌دهد. مناطق پيشنهادي توسط روش تابع افزاينده فايده به طور متوسط 34/98 درصد از زيستگاه‌هاي گونه‌هاي جايگزين را در بر مي‌گيرند كه بيش از دو روش زون بندي منطقه هسته‌اي (28/74 درصد) و برنامه ريزي مبتني بر هدف (31/1 درصد) است.

Designation of protected areas is the most important action in conservation of biodiversity. Previous Ad hoc methods and focusing on charismatic species resulted in unrepresentative networks of protected areas. To compensate this problem systematic conservation planning is introduced and applied. Nearly, 10 percent of Iran is designated as protected areas that should be added up to 17% until 2020, as suggested by UNEP. Therefore, we applied Zonation conservation prioritization algorithm to introduce new high priority areas to be added to the current network. We chose 36 endemic and globally threatened enlisted in IUCN red list mammals, birds, reptiles and amphibians as surrogate species. We developed maximum entropy modeling on surrogates to develop habitat suitability models. Zonation approach was applied with all of the three cell removal rules of additive benefit function (ABF), core area zonation (CAZ) and Target based planning (TBP). The current area network was included in all the rules. Selection of the 20% of country area with highest conservation rank based on each rule lead to increase of species habitat conservation by an average of 16%. The ABF is the most efficient rule with conservation of 34.98% of surrogate habitats on average in comparison with CAZ (28.74%) and TBP (31.1%).