تحلیلی بر سناریوهای توسعۀ کشاورزی براساس روش ترکیب خطی وزنی در محیط سامانۀ اطلاعات جغرافیایی (GIS) (مطالعۀ موردی: شهرستان ارومیه)

مرادی, نصرت; نوری, سید هدایت اله

doi:10.22108/sppl.2023.135885.1680

تحلیلی بر سناریوهای توسعۀ کشاورزی براساس روش ترکیب خطی وزنی در محیط سامانۀ اطلاعات جغرافیایی (GIS) (مطالعۀ موردی: شهرستان ارومیه)

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ دکترای تخصصی گروه جغرافیا و برنامه‌ریزی روستایی، دانشکده علوم جغرافیایی و برنامه‌ریزی، دانشگاه اصفهان، اصفهان، ایران

² استاد گروه جغرافیا و برنامه‌ریزی روستایی، دانشکده علوم جغرافیایی و برنامه‌ریزی، دانشگاه اصفهان، اصفهان، ایران

10.22108/sppl.2023.135885.1680

چکیده

هدف این پژوهش، طراحی یک مدل ارزیابی تناسب زمین براساس روش ارزیابی چندمعیاره-سناریو محور در محیط سامانۀ اطلاعات جغرافیایی (GIS) برای توسعۀ کشاورزی در شهرستان ارومیه واقع در شمال غرب ایران است. در این رویکرد چندمرحله‌ای، ابتدا، مهم‌ترین ویژگی‌های فیزیکی زمین ازجمله توپوگرافی مطالعه شد. در مراحل بعدی، محدودیت‌های طبیعی و انسانی و درنهایت، سناریوهای محیط‌زیستی و اجتماعی-اقتصادی برای تهیۀ سناریوی توسعۀ کشاورزی پایدار ارزیابی شد. نتایج مستخرج از تهیۀ نقشۀ پایۀ محدودیت‌های توسعۀ کشاورزی براساس مدل بولین و فازی نشان‌دهندۀ آن بود که تنها حدود 12 درصد از کل مساحت شهرستان برای توسعۀ کشاورزی بدون محدودیت است؛ در حالی که حدود 64 درصد از کل مساحت شهرستان در کلاس محدودیت متوسط تا شدید قرار دارد. نتایج ارزیابی زمین در دو سناریوی محیطزیستی و اجتماعی- اقتصادی نشان از آن داشت که با توجه به شرایط حاکم بر منطقه و بحران محیط‌زیستی دریاچۀ ارومیه، سناریوی توسعۀ کشاورزی پایدار به‌عنوان یک آلترناتیو مؤثر توسعه در نواحی دور از دریاچه، از تمرکز فزایندۀ فعالیت‌ها در حاشیۀ دریاچه کاسته و در کاهش مشکلات دریاچۀ ارومیه و حفاظت از آن مؤثر است.

کلیدواژه‌ها

20.1001.1.22287485.1401.12.3.7.1

موضوعات

جغرافیا و برنامه ریزی روستایی

عنوان مقاله [English]

An Analysis of Agricultural Development Scenarios Using Weighted Linear Combination in the Geographic Information System Environment (Case Study: Urmia County)

نویسندگان [English]

Nosrat Moradi ¹
Hedayatollah Nouri ²

¹ PhD, Department of Geography and Rural Planning, Faculty of Geographical Science and Planning, University of Isfahan, Isfahan, Iran

² Professor, Department of Rural Planning, Faculty of Geographical Sciences University of Isfahan, Isfahan, Isfahan, Iran

چکیده [English]

Abstract
The purpose of the current study is to design a land suitability evaluation model using Multi-Criteria Evaluation (MCE) and a multi-stage scenario-based analysis in the Geographic Information System (GIS) environment for agricultural development in Urmia County, North West of Iran. In this multi-stage procedure, firstly, the leading physical characteristics of the region, including topography, is studied. Then, to prepare a sustainable agricultural development scenario, physical and man-made restrictions, socio-economy, and finally, environmental scenarios were evaluated. The results of the Base Map, based on the Boolean Model, showed that only 12 percent of Urmia County is classified as a highly suitable class for agricultural development; whereas around 64% of the total region contains moderate to highly restricted lands. The results of the land evaluation, based on the socio-economy and environmental scenarios, showed that a sustainable agricultural development scenario, as an alternative, can play an important role in decreasing activities from the surrounding area of Urmia Lake, and consequently act as a crucial factor for conservation of Urmia Lake.

Introduction
In recent years, Urmia Lake has experienced severe drying and faced an ecological crisis. The concentration of the urban population and activities, such as agricultural development, has been recognized as the main factor of this crisis (Valiallahi, 2020). The present study aimed to evaluate land suitability for agricultural development using Multi-Criteria Evaluation (MCE) and a multi-stage scenario-based analysis in the Geographic Information System (GIS) environment. It is assumed that consideration of the situation of the National Park of Urmia Lake with agricultural development scenarios not only can lead to decentralization of population in the surrounding area of Urmia Lake but also play an important role in spatial imbalances and activities, and consequently decrease ecological pressure on Urmia Lake.

Materials and Methods
Multi-Criteria Decision Analysis (MCDA) includes alternatives that are inconsistent and heterogeneous with quantitative and qualitative nature (Malczewski, 1999; Reynolds, 2014). MCDA can be used both in vector and raster features (Pereira & Duckstein, 1993). There are many MCDA analyses (Malczewski & Rinner, 2015). Weighed Linear Combination (WLC) and Boolean Logic are among the most important and widely used procedures (Chen, Blong, et al., 2001; Malczewski & Rinner 2005; Malczewski, 2006; Lafortezza, Chen, et al., 2008; Boroushaki & Malczewski 2008; Jelokhani-Niaraki & Malczewski, 2015).

Research Findings
After preparing base and constraints maps, agricultural development is evaluated under different scenarios (Pourebrahim et al., 2011, p. 90). In socio-economic, results extracted from the final map indicate that lands with no or marginal limitations are mostly located in the eastern part of Urmia County, where the region slope is low and soil is highly suitable for agriculture. In the environmental scenario, out of 61 percent of the suitable area (Booleans region 1), 12 percent is classified as highly suitable, 25 percent as suitable, 27 percent as marginal suitable, and 36 percent as low and very low suitable classes. Out of the total area of Urmia County (5274 square kilometers), 7 percent is classified as highly suitable, 14 percent as suitable, 15.5 percent as marginal suitable, and 63.5 percent as low and very low suitable classes. So, the results show that severe limitation is the main constraint for agricultural development nearly in one-third of the total area. In the sustainable development scenario, the results extracted from the final map showed that 14.61 percent of the Boolean region is located in highly suitable areas, 24.6 percent in suitable areas, 24.94 in marginally suitable areas, and nearly 36 percent in low and very low suitable areas. The results also showed that out of the total area of Urmia County, 8 percent is classified as highly suitable, 14 percent as suitable, 14 percent as marginal suitable, and 64 percent in low and very low classes.

Discussion of Results and Conclusions
Based on the results, the majority of suitable lands are located in the western parts of Urmia County, Hovasin, Gangachin, and Ziveh deserts. Based on the environmental and geographical characteristics of the region and also the results of the current study, the characteristics of the region's land are determinants and prerequisites for any development plan in Urmia County. In regions similar to Urmia, which enjoy high environmental and man-made potentials, land suitability using MCE-GIS and a multi-stage-scenario-based procedure can lead to spatial balances, decrease environmental and ecological pressure, and also change the current crisis into land use and spatial planning by planners.

Keywords: Scenario, Sustainable Agricultural, Urmia, Land Suitability.

References
English References
- Akıncı, H., Özalp, A. Y., & Turgut, B. (2013). Agricultural land use suitability analysis using GIS and AHP technique. Journal of Computers and Electronics in Agriculture, 97, 71-82.
- Arabsahebi, R., Voosoghi, B., & Tourian, M. J. (2020). A denoising–classification–retracking method to improve spaceborne estimates of the water level–surface–volume relation over the Urmia Lake in Iran. International Journal of Remote Sensing, 41(2), 506-533.
- ASTER (2019). Global Digital Elevation Model. Retrieved from: https://asterweb.jpl.nasa.gov
- Farahmand, N., & Sadeghi, V. (2020). Estimating soil salinity in the dried lake bed of Urmia lake using optical Sentinel-2 images and nonlinear regression models. Journal of the Indian Society of Remote Sensing, 48(4), 675-687.
- Jelokhani-Niaraki, M., & Malczewski, J. (2015). A group multicriteria spatial decision support system for parking site selection problem: A case study. Journal of Land Use Policy, 42, 492-508.
- Liu, H., Zheng, L., Wu, J., & Liao, Y. (2020). Past and future ecosystem service trade-offs in Poyang Lake Basin under different land use policy scenarios. Arabian Journal of Geosciences, 13, 46-57.
- Mendas, A., Delali, A., Khalfallah, M., Likou, L., Gacemi, M. A., Boukrentach, H., … & Mahmoudi, R. (2014). Improvement of land suitability assessment for agriculture—application in Algeria. Arabian Journal of Geosciences, 7(2), 435-445.
- Mosadeghi, R., Warnken, J., Tomlinson, R., & Mirfenderesk, H. (2015). Comparison of Fuzzy-AHP and AHP in a spatial multi-criteria decision making model for urban land-use planning. Journal of Computers, Environment and Urban Systems, 49, 54-65.
- Nouri, H., Mason, R. J., & Moradi, N. (2017). Land suitability evaluation for changing spatial organization in Urmia County towards conservation of Urmia Lake. Journal of Applied Geography, 81, 1-12.
- Ohashi, H., Fukasawa, K., Ariga, T., Matsui, T., & Hijioka, Y. (2019). High‐resolution national land use scenarios under a shrinking population in Japan. Journal of Transactions in GIS, 23(4), 786-804.
- Pilehforooshha, P., Karimi, M., & Taleai, M. (2014). A GIS-based agricultural land-use allocation model coupling increase and decrease in land demand. Journal of Agricultural Systems, 130, 116-125.
- Pourebrahim, S., Hadipour, M., & Mokhtar, M. B. (2011). Integration of spatial suitability analysis for land use planning in coastal areas; Case of Kuala Langat District, Selangor, Malaysia. Journal of Landscape and Urban Planning, 101(1), 84-97.
- Sahle, M., Saito, O., Fürst, C., Demissew, S., & Yeshitela, K. (2019). Future land use management effects on ecosystem services under different scenarios in the Wabe River catchment of Gurage Mountain chain landscape, Ethiopia. Sustainability Science, 14, 175-190.
- Salmeron, J. L., Vidal, R., & Mena, A. (2012). Ranking fuzzy cognitive map based scenarios with TOPSIS. Journal of Expert Systems with Applications, 39(3), 2443-2450.
- Sarindizaj, E. E., & Zarghami, M. (2019). Sustainability assessment of restoration plans under climate change by using system dynamics: Application on Urmia Lake, Iran. Journal of Water and Climate Change, 10(4), 938-952.
- Shoyama, K., Matsui, T., Hashimoto, S., Kabaya, K., Oono, A., & Saito, O. (2019). Development of land-use scenarios using vegetation inventories in Japan. Journal of Sustainability Science, 14, 39-52.
- Tobias, S., & Price, B. (2020). How effective is spatial planning for cropland protection? An assessment based on land-use scenarios. Land, 9(2), 43.
- Valiallahi, J. (2020). Evaluating groundwater level and water-quality variation in Oshnaveh–Naqadeh Plain, Urmia Lake basin, northwestern Iran. International Journal of Energy and Water Resources, 4(1), 27-35.
- Vannier, C., Bierry, A., Longaretti, P. Y., Nettier, B., Cordonnier, T., Chauvin, C., … & Lavorel, S. (2019). Co-constructing future land-use scenarios for the Grenoble region, France. Journal of Landscape and Urban Planning, 190, 103614.
Persian References
- Deputy of Planning of the West Azerbaijan Governorate (2011). Related data of the province. (n.p).
- General Department of Natural Resources and Watershed Management of Western Azerbaijan Province (2011). Related data of the province. (n.p).
- Statistical Center of Iran (2016). Results of the national population and housing census of West Azerbaijan Province. (n.p).

کلیدواژه‌ها [English]

Scenario
Sustainable Agricultural
Urmia
Land Suitability

اصل مقاله

مقدمه

دریاچۀ ارومیه یکی از زیستگاه‌های طبیعی مهم، میراث تاریخی ایران و چشم‌اندازی مهم در محیط‌زیست است که نقش مهمی در توسعۀ اقتصادی-اجتماعی در منطقه دارد (Arabsahebi et al., 2020). این دریاچه که بیستمین دریاچۀ بزرگ دنیا و دومین دریاچۀ فوق شور به شمار می‌رود، به‌خاطر ویژگی‌های کم‌نظیر اکولوژیکی، در سال 1971 به‌وسیلۀ یونسکو در کنوانسیون رامسر، به‌عنوان ذخیره‌گاه زیست کره و پارک ملی تعیین شده است (Farahmand & Sadeghi, 2020; Sarindizaj & Zarghami, 2019). دریاچه در سال‌های اخیر خشکی شدیدی را تجربه کرده و با بحران اکولوژیکی شدیدی مواجه شده است (Nouri, Mason et al., 2017).

این بحران اکولوژیکی در چند سال گذشته به بزرگ‌ترین چالش محیط‌زیستی شهرستان ارومیه تبدیل شده است. ناحیۀ حاشیۀ دریاچه در شهرستان ارومیه با 25 درصد مساحت شهرستان (1336 کیلومترمربع)، 86 درصد جمعیت شهرستان را در خود جای داده است. این تمرکز شدید جمعیتی، که در سال‌های اخیر اتفاق افتاده است، از یک طرف، مربوط به توسعۀ شهری است که بدون توجه به پارامترهای زیست‌‌محیطی در ناحیۀ مدنظر صورت گرفته و از طرف دیگر، ناشی از تراکم شدید جمعیت ناحیه‌ای است که همراه با توسعۀ فشردۀ کشاورزی و باغداری در طول دهه‌های گذشته بوده است. بهره‌برداری بیش‌ازحد از آب‌های زیرزمینی نیز دریاچه را از منابع ورودی آب اصلی محروم و فشار اکولوژیکی زیادی به آن وارد کرده است (Valiallahi 2020). این عوامل باعث کاهشی در حدود 80 درصد در سطح آب دریاچه در طول 40 سال گذشته و 70 درصد در 14 سال گذشته و همچنین 65 درصد در یک دهۀ گذشته شده است (Arabsahebi et al., 2020; Valiallahi, 2020).

با توجه به وضعیت کنونی شهرستان ارومیه در زمینۀ مسائل محیطی و پراکنش جمعیت در پهنۀ شهرستان، این واقعیت روشن می‌شود که اجرای برنامه‌های توسعه‌ای این منطقه (مانند هر منطقۀ دیگر)، بدون اطلاع از توان‌ها و محدودیت‌های محیطی و در نظر گرفتن معیارهای طبیعی، باعث برهم‌خوردن تعادل اکولوژیکی و درنهایت، شکست برنامه‌های توسعه در بلندمدت خواهد شد و نتیجۀ آن، به وجود آمدن مشکلات و بحران‌هایی ‌محیط‌زیستی خواهد بود؛ مانند آنچه در حال حاضر وجود دارد. محققان این پژوهش با در نظر گرفتن این مسائل بر این باور بودند که معرفی مناطق مناسب برای توسعۀ کشاورزی براساس سناریوهای مختلف در راستای کاهش فشار اکولوژیکی بر منطقۀ پرتراکم کشاورزی در ناحیۀ غربی دریاچۀ ارومیه و درنهایت، تعادل جمعیت در منطقه مؤثر است. برای کارآمدکردن نتایج این ارزیابی سناریوهای مختلف توسعۀ کشاورزی در چهارچوب نیل به کشاورزی پایدار موردتوجه قرار گرفت. این ارزیابی با بهره‎گیری از سامانۀ اطلاعات جغرافیایی انجام شده است.

سناریوهای کاربری زمین در سال‌های اخیر موضوع پژوهش‌های بسیاری بوده که در مجموعۀ وسیعی از یافته‌های علمی منتشر شده است. این پژوهش‌ها اغلب سناریوهای کاربری‌های زمین را در ارتباط با متغیرهای جمعیتی، اکوسیستم‌ها، کشاورزی و چشم‎اندازها موردتوجه قرار داده‎اند (Liu et al., 2020; Tobias & Price, 2020; Sahle et al., 2019; Shoyama et al., 2019; Ohashi et al., 2019) در این پژوهش تلاش شده است، با بهره‌گیری از سامانۀ اطلاعات جغرافیایی (GIS)، روش ارزیابی چند معیاره چندمرحله‌ای – سناریومحور، با در نظر گرفتن عوامل مختلف ازجمله وضعیت توپوگرافی، جمعیت‌شناسی و همچنین محیط‌زیستی منطقه ازجمله وضعیت دریاچۀ ارومیه و تناسب زمین برای توسعۀ کشاورزی بررسی شود. این پژوهش بر این فرضیه استوار است که سناریوهای توسعۀ کشاورزی این منطقه با در نظر گرفتن وضعیت پارک ملی دریاچۀ ارومیه به تحقق برنامۀ کاهش قطب‌گرایی شدید جمعیتی در اطراف این دریاچه کمک کرده و بدین طریق نقش مهمی در برنامه‌ریزی برای تعادل فضایی جمعیت، فعالیت‌ها و کاهش فشار اکولوژیکی ناشی از این امر ایفا می‌کند.

مواد و روش

محدودۀ مطالعه

طبق سرشماری عمومی نفوس و مسکن 1395، از کل جمعیت 1040560 نفری شهرستان ارومیه، 750805 ساکن نقاط شهری و 289755 نفر ساکن نقاط روستایی بوده‌اند (مرکز آمار ایران، 1395). دشت ارومیه که یکی از مهم‌ترین مناطق کشاورزی و صنعتی ایران است، توسعۀ زیادی را در طول چند دهۀ گذشته تجربه کرده است. به‌طوری‌که توسعۀ شهری – صنعتی هم‌زمان با توسعۀ کشاورزی در مناطق نزدیک به دریاچۀ ارومیه در کنار شرایط کوهستانی مناطق دورتر به دریاچه، باعث تمرکز جمعیت انسانی در محدودۀ حاشیۀ دریاچه شده است (Nouri, Mason et al. 2017). در شکل (1) نقشۀ موقعیت شهرستان ارومیه نمایش داده شده است.

شکل (1) موقعیت جغرافیایی شهرستان ارومیه

Figure (1) Locator map of Urmia County

تهیۀ داده‌ها

در فرآیند ارزیابی تناسب زمین به‌عنوان بخش محوری ارزیابی زمین، از پارامترهای ارزیابی استفاده می‌شود. توسعۀ هر کاربری و فعالیتی در یک منطقه نیازمند تحقق الزامات و پیش‌نیازهایی است که یک فعالیت به آن وابسته است. در این پژوهش، پس از بررسی و شناخت اولیه از محدودۀ موردمطالعه، تحلیل وضع موجود و مطالعۀ جامع ادبیات تحقیق، پارامترهای لازم برای ارزیابی تناسب زمین به‌منظور توسعۀ کشاورزی شناسایی، تعریف و دسته‌بندی و لایه‌های موردنیاز از سازمان‌های مربوطه تهیه شدند (جدول 1). با تهیۀ داده‌ها و رقومی‌سازی برخی از آن‌ها، پایگاه دادۀ جغرافیایی ایجاد شد.

جدول (1) گروه‌بندی پارامترهای شناسایی‌شده برای توسعۀ کشاورزی

Table (1) Classifying of identified parameters for agricultural development

عوامل اصلی	پارامتر
ژئومورفولوژی و ویژگی‌های زمین	ارتفاعات، شیب، جهت شیب، لندفرم و تیپ‌های اراضی
ویژگی‌های خاک و قابلیت حاصلخیزی زمین	نوع خاک، عمق خاک، بافت خاک، کلاس‌بندی قابلیت‌های کشت زمین، زیرکلاس‌های قابلیت کشت زمین، محدودیت‌های اساسی موجود در اراضی و درجۀ فرسایش خاک
اقلیم	میانگین دما و بارش
منابع آبی/ هیدرولوژی	وضعیت آب، کیفیت آب، فاصله از رودخانه‌های اصلی، فاصله از آبراهه، فاصله از چاه‌های عمیق و نیمه عمیق، فاصله از چشمه و فاصله از قنات‌ها
پوشش زمین	نوع پوشش زمین، درصد تاج پوشش جنگلی
کاربری زمین	انواع کاربری‌های موجود
‌محیط‌زیستی (سازگاری با کاربری‌های مجاور)	دوربودن از اکوسیستم‌های باارزش
وجود زیرساخت‌ها و دسترسی به خدمات	دسترسی به شبکۀ جاده‌ای، تراکم جمعیت و نزدیکی به مراکز دهستانی
مخاطرات	خطر فرسایش
محدودکننده‌ها	شیب (بیشتر از 30 درصد)، پوشش زمین، تاج پوشش گیاهی (50-75 درصد)، خاک‌های در معرض فرسایش خیلی شدید، کاربری‌های اراضی موجود (محدودۀ شهری)، ذخایر و پهنه‌های آبی

منبع داده‌های پایه: معاونت برنامه‌ریزی استانداری آذربایجان غربی

روش‌ها

روش ترکیب خطی وزنی^[1] (WLC)

از مهم‌ترین، پرکاربردترین و بنیادی‌ترین روش‌های MCE-GIS، یکی، عملیات همپوشانی بولین و دیگری، ترکیب خطی وزنی (WLC) است. این دو روش، رویکردهایی هستند که در تحلیل تناسب زمین بیشتر از روش‌های دیگر استفاده شدند (Jelokhani-Niaraki & Malczewski, 2015).

در نرم‌افزارArcGIS Desktop ، برای استانداردسازی فاکتورها انواع مختلفی از توابع عضویت فازی ازجمله سیگمودیال، j شکل، خطی و غیره فراهم شده است. در پژوهش حاضر، از روش فازی خطی (Linear) استفاده شده است؛ به‎عنوان مثال، در لایه‌هایی نظیر ارتفاع، شیب و تراکم سیستم‌ زهکشی و سایر لایه‌هایی که ماهیت پیوسته دارند، استانداردسازی مقادیر آنها به‎صورت مستقیم با روش فازی انجام گرفت؛ ولی در لایه‌هایی نظیر تیپ اراضی، جهت شیب و سایر لایه‌هایی که ماهیت گسسته داشتند، براساس اهمیت آنها بین 1 تا 9 امتیازدهی شد. سپس این امتیازها براساس روش فازی خطی استانداردسازی شدند؛ بنابراین به کلیۀ داده‌ها (اعم از پیوسته و گسسته) با روش فازی خطی برای پردازش نهایی امتیاز بین 0 تا 1 تعلق گرفته است (Nouri et al., 2017).

در پژوهش حاضر، برای وزن‌دهی به پارامترها از روش مقایسۀ دو به دو استفاده شده است. بدین صورت با توجه به فرآیندهای همپوشانی لایه‌ها و ارزیابی چندمرحله‌ای، وزن پارامترها براساس چند قانون کلی انجام گرفته است: در زمینۀ تهیۀ نقشۀ پایه که در ابتدا، دو نقشۀ شیب و ارتفاع با یکدیگر همپوشانی شدند، برای هرکدام از این دو پارامتر با توجه به اهمیت آنها امتیاز 5/0 در نظر گرفته شده است. پس از همپوشانی این دو پارامتر در مراحل بعدی، برای پارامتر جدید امتیاز 25/0 و برای لایۀ ترکیبی امتیاز 75/0 تعلق گرفته است (Nouri et al., 2017). این قانون برای همپوشانی پارامترها تا مرحلۀ نهایی تهیۀ نقشه پایه انجام شده است. در ارزیابی و مقایسۀ پارامترها براساس سناریوهای مختلف، در ابتدا، برای سهولت وزن‌دهی، با توجه به سنخیتی که پارامترهای هر فعالیت با یکدیگر داشتند، این پارامترها به چند دسته تقسیم‌بندی شدند؛ به‌عنوان مثال، پارامترهای منابع آب و خاک. برای پارامترهای هر دسته از عوامل امتیاز یکسانی در نظر گرفته شده است. سپس خروجی همۀ این عوامل با یکدیگر همپوشانی شدند. برای هر سناریو تعدادی از عوامل و پارامترها به‌عنوان «عوامل تعیین‌کننده» در نظر گرفته شده‌ است؛ به‌عنوان مثال، در سناریوی اجتماعی- اقتصادی پارامترهای اجتماعی- اقتصادی و در سناریوی ‌محیط‌زیستی پارامترهای ‌محیط‌زیستی. به‌طور کلی دو نوع عوامل تعیین‌کننده در نظر گرفته شده است: یکی، عوامل مرتبط با کشاورزی که تأثیر مستقیمی بر توسعۀ کشاورزی دارند و دومی، پارامترهای مرتبط با خود آن سناریو. برای هر دو دستۀ این پارامترها امتیاز 75/0 در نظر گرفته شده است. در مرحلۀ بعد و آخرین مرحله از همپوشانی پارامترها برای تهیۀ نقشه، پایۀ زمین دخیل شده که برای این نقشه امتیاز 5/0 تعیین شده است.

به‌منظور انجام تحلیل‌های فضایی در محیط ArcGIS لازم است، کلیۀ لایه‌ها با اندازۀ پیکسل یکسانی تبدیل به رستر شوند و کار تبدیل داده‌ها در محیط ArcGIS صورت می‌گیرد. اندازۀ پیکسل لایه‌ها با توجه به اندازۀ پیکسل لایۀ DEM تعیین شد که مقدار آن 27×27 متر بود. با انجام این فرآیند و منتسب‌کردن مقادیر نرمال‌شده به هر لایه، لایه‌ها برای همپوشانی نهایی آماده شدند.

بعد از رسترسازی (Rasterizing) لایه‌ها، نقشه‌های رستری نرمال‌شده در محیط ArcGIS با روش Weighted Sum ترکیب و عمل تجمیع روی آ‌نها صورت گرفت. برای انجام این فرآیند، کلیۀ پارامترها وارد محیط Model Builder نرم‌افزار ArcGIS، مدل‌ تحلیل پارامترها در این محیط ساخته و عملیات تجمیع داده‌ها براساس دستورات Model Builder پردازش شد. درنهایت، نقشه‌های طبقات تناسب توسعۀ کشاورزی در فرآیندی چندمرحله‌ای با همپوشانی و اضافه‌کردن پارامترها در پنج کلاس بسیار متناسب، متناسب، تناسب محدود، تناسب بسیار پایین و نامتناسب طبقه‌بندی شد.

تحلیل‌ مبتنی بر سناریو

سناریوها به تبیینات منسجم دربارۀ آینده گفته می‌شوند که به ما اجازۀ کشف یکسری از آینده‌های محتمل را می‌دهند. فرآیندهای مبتنی بر سناریو، راه‌حل‌های خلاقانه‌ای را نسبت‌به مشکلات محیط‌زیستی ایجاد می‌کند (Vannier et al., 2019). استفاده از نتایج حل مسئله مبتنی بر سناریو، تصمیم‌گیران را قادر می‌کند که مجموعه‌ای از گزینه‌ها و خروجی‌های مرتبط با یک موضوع را در اختیار داشته باشند که ممکن است در آینده اتفاق بیفتند (Salmeron et al., 2012). در پژوهش حاضر پس از شناسایی و تعیین طبقات مناسب زمین برای توسعۀ کشاورزی، طبقات تناسب زمین براساس عوامل مهم ارزیابی نظیر محیط‌زیستی و عوامل اقتصادی-اجتماعی تحلیل شد و نقشه‌های تناسب زمین با در نظر گرفتن تک‌تک این عوامل یا تمامی آنها تهیه و هر یک از حالت‌ها به‌عنوان سناریوهای مختلف تشریح خواهند شد.

بحث و یافته‌ها

تهیۀ نقشۀ پایه

با مطالعه و بررسی‌های اولیه در زمینۀ ویژگی‌های جغرافیای طبیعی ارومیه و توجه به این مهم که ویژگی‌های فیزیکی زمین نظیر توپوگرافی و شرایط لندفرم‌ها، ایجادکنندۀ محدودیت‌های شدیدی برای توسعۀ فعالیت‌های مختلف در منطقۀ کوهستانی ارومیه است، در فرآیند ارزیابی و تحلیل تناسب زمین برای توسعۀ کشاورزی به نظر می‌رسد، قبل از هرچیزی و در وهلۀ اول تهیۀ یک نقشۀ پایه – به‌عنوان پیش‌شرط بنیادی و محدودکنندگی برای توسعۀ هر نوع فعالیتی - که در آن فقط ویژگی‌های فیزیکی زمین مشارکت داشته باشند، نقش تسهیل‌کنندگی مهمی برای مطالعه و ارزیابی بیشتر زمین به‌منظور تعیین کاربری‌های مختلف فراهم می‌کند. برای نیل به این مهم، با مطالعۀ ویژگی‌های ساختاری و استخراج پارامترهای فیزیکی زمین، نقشۀ پایۀ توسعۀ فعالیت‌ها و کاربری‌های مختلف تهیه شده است. در ادامه، پارامترهای ارزیابی، فرآیند چندمرحله‌ای تهیۀ نقشۀ پایه، نتایج آن براساس روش MCE-GIS و روش همپوشانی WLC تشریح خواهد شد.

در جدول (2) پارامترهای ارزیابی، در شکل (2) مدل تجمیع لایه‌ها برای تهیۀ نقشۀ پایه و در شکل (3) نقشۀ پایۀ مطالعه نشان داده شده است.

جدول (2) منبع و نوع داده‌ پارامترهای مورداستفاده

Table (2) Source and types of used parameters

پارامتر	نوع داده	منبع
ارتفاع	رستر	ASTER GDEM*
شیب	رستر	مستخرج از ASTER GDEM
جهت شیب	رستر	مستخرج از ASTER GDEM
تیپ اراضی	وکتور	ادارۀ کل منابع طبیعی و آبخیزداری استان آذربایجان غربی
شبکه زهکشی	وکتور	ادارۀ کل منابع طبیعی و آبخیزداری استان آذربایجان غربی
سکونتگاه	وکتور	معاونت برنامه‌ریزی استانداری آذربایجان غربی

^* ASTER Global Digital Elevation Model

شکل (2) مدل تجمیع لایه‌های استانداردسازی‌شده برای تهیۀ نقشۀ پایه

Figure (2) Model of Standardized layers combination for preparation of Base Map

شکل (3) نقشه پایه

Figure (3) Base map

جدول (3) اطلاعات آماری نقشه پایه

Table (3) Statistical information of Base Map

طبقات تناسب زمین	تعداد پیکسل	مساحت (کیلومترمربع)
طبقات تناسب زمین	تعداد پیکسل	مقدار	درصد
نامتناسب	921895	29/702	33/13
تناسب بسیار پایین	1779402	52/1355	72/25
تناسب محدود	1946657	94/1482	14/28
متناسب	1476015	41/1124	34/21
بسیار متناسب	794008	86/604	48/11

بررسی تأثیر محدودکننده‌ها

در قسمت پیشین، نقشۀ ویژگی‌های فیزیکی زمین (نقشه پایه) در پنج کلاس به‌عنوان نقشۀ فازی تناسب زمین تهیه شد. در این بخش با اصل قراردادن محدودیت‌های محیطی در 5 کلاس محدودیت و همچنین توجه به این‌که فعالیت‌های خاص دارای محدودکننده‌های خاص خود برای توسعۀ آن فعالیت هستند، لایۀ محدودکنندۀ جداگانه در محیط GIS برای توسعۀ کشاورزی تهیه شد. پس از تهیۀ محدودکننده‌های محیطی و انسانی کاربری‌ها و همپوشانی آنها با نقشۀ پایه، براساس منطق بولین محدودۀ موردمطالعه به دو ناحیۀ صفر و یک تقسیم‌بندی شد. درواقع، ناحیۀ صفر همان ناحیۀ محدودکننده است که برای فعالیت خاصی مناسب نیست و ناحیۀ یک قلمرو توسعۀ کاربری‌ها و فعالیت‌هاست. در این بخش از تحلیل تناسب زمین براساس محدودیت‌ها، در درجۀ اول، مهم‌ترین محدودکننده‌های زمین برای توسعۀ کشاورزی در شهرستان ارومیه شناسایی می‌شوند. در درجۀ دوم، نحوۀ اثرگذاری محدودکننده‌ها و محدودیت‌ها، در شکل‌گیری طبقه‌های تناسب زمین برای توسعۀ فعالیت‌ کشاورزی در این منطقه ارزیابی می‌شوند. در فرآیند تعیین پارامترهای ارزیابی، با مطالعۀ جامع خصوصیات جغرافیای منطقه و ادبیات تحقیق (Pourebrahim et al., 2011; Mendas & et al., 2013; Akinci & et al., 2013; Pilehforooshha & et al., 2014; Mosadeghi 2015; Nouri et al., 2017)، محدودکننده‌های توسعۀ کشاورزی - اعم از محیطی و انسانی- شناسایی و انتخاب شدند (جدول 4).

جدول (4) منبع، نوع داده‌ و ویژگی‌های محدودکننده‌ها

Table (4) Source, type of data and characteristics of constraints

منبع	مقدار/ نوع محدودکننده	نوع داده	پارامتر
منبع	مقدار/ نوع محدودکننده	نوع داده	پارامتر
ادارۀ کل منابع طبیعی و آبخیزداری استان آذربایجان غربی	داخل دشت سیلابی	وکتور	دشت سیلابی
مستخرج از ASTER GDEM	30%<	رستر	شیب
این مطالعه	>250 متر	رستر	فاصله از گسل
ادارۀ کل منابع طبیعی و آبخیزداری استان آذربایجان غربی	کفه‌های نمکی	وکتور	پوشش زمین و کاربری‌های اراضی
	پوشش‌های بومی و باتلاقی
	تالاب
	منابع و ذخایر آبی
	دریاچه‌های دائمی
	مناطق مسکونی
	راه اصلی
	فرودگاه و تأسیسات
	اراضی شور و مرطوب
	محدوده‌های شهری
	پوشش گیاهی با تاج 75-50 درصد
	خاک‌های با فرسایش	وکتور	فرسایش خاک

با توجه به لایه‌های محدودکننده‌ها، نقشۀ بولین توسعۀ کشاورزی منطقه تهیه شد که در آن مناطق مناسب و نامناسب نمایش داده شده است (شکل 4). مطابق نتایج مدل بولین (جدول 5)، از مجموع مساحت محدوده، 9/61 درصد برای توسعۀ کشاورزی مناسب و 38 درصد برای این فعالیت مناسب نیست. نامناسب‌بودن این مقدار از مساحت شهرستان به علت شیب زیاد و نامناسب‎بودن وضعیت توپوگرافی برای فعالیت‌های کشاورزی است.

جدول (5) مساحت زمین‌های مناسب و نامناسب برای توسعۀ کشاورزی براساس مدل بولین

Table (5) Area of suitable and unsuitable lands for agricultural development based on Boolean Model

مدل بولین	مساحت (کیلومترمربع)	درصد مساحت
مناسب (1)	504/3247	904/61
نامناسب (0)	541/1998	096/38

شکل (4) زمین‌های مناسب و نامناسب برای توسعۀ کشاورزی

Figure (4) Suitable and unsuitable lands for agricultural development

در شکل (5) نقشۀ طبقه‌بندی محدودیت توسعۀ کشاورزی براساس توابع عضویت فازی و مدل بولین نمایش داده شده است. طبق اطلاعات آماری این نقشه (جدول 6)، تنها 12 درصد از کل مساحت شهرستان برای توسعۀ کشاورزی محدودیتی ندارد؛ اما حدود 64 درصد مساحت، دارای محدودیت‌های متوسط تا شدید برای توسعۀ کشاورزی است.

شکل (5) محدودیت‌های توسعۀ کشاورزی براساس مدل بولین و توابع عضویت فازی

Figure (5) Constraints of agricultural development based on the Boolean and Fuzzy Logic

جدول (6) اطلاعات آماری نقشۀ نهایی طبقه‌بندی محدودیت توسعۀ کشاورزی براساس توابع عضویت فازی

Table (6) Statistical information of classified final map of restrictions for agricultural development based on the Fuzzy Membership Functions

شدت محدودیت زمین	مساحت (کیلومترمربع)	درصد مساحت
محدودیت بسیار شدید	35/445	61/13
محدودیت شدید	83/780	86/23
محدودیت متوسط	21/875	74/26
محدودیت ناچیز	03/770	53/23
بدون محدودیت	72/401	27/12

تدوین سناریوهای توسعۀ فعالیت‌ها

پس از تهیۀ نقشۀ پایۀ زمین به‌طور عام و براساس محدودیت‌های فیزیکی زمین و همچنین محدودکننده‌ها به‌طور خاص، در این مرحله از پژوهش، تناسب زمین مبتنی بر سناریو، نقشه‌های توسعۀ کشاورزی در سناریوهای مختلف تهیه می‌شوند (Pourebrahim et al., 2011)؛ بنابراین در ادامه، با شناسایی پارامترهای اختصاصی‌تری و پیاده‌سازی آنها بر روی نقشه‌هایِ نهاییِ تولیدشده در مرحلۀ قبل، تناسب زمین در سه سناریوی اقتصادی-اجتماعی، ‌محیط‌زیستی و توسعۀ پایدار در محیط Model Builder نرم‌افزار ArcGIS اجرا شد و تناسب زمین برای توسعۀ کشاورزی در هریک از این سناریوها تحلیل می‌شود؛ همان‌طور که پیش‌تر اشاره شد، نحوۀ ایجاد سناریو بدین صورت بوده است که برای هر سناریو براساس مطالعۀ ادبیات تحقیق (Pourebrahim et al., 2011) و ویژگی‌های منطقه و پارامترهای شناسایی‌شده برای ارزیابی، دسته‌ای از پارامترها به‌عنوان پارامترهای تعیین‌کنندۀ آن سناریو در نظر گرفته ‌شده و در وزن‌دهی به مجموعه این پارامترها در همۀ سناریوها امتیاز 75/0 در نظر گرفته شده است.

براساس مثلث توسعۀ پایدار سه ستون شامل اجتماعی، اقتصادی و ‌محیط‌زیستی است. به‌خاطر ارتباط تنگاتنگی که دو مفهوم اجتماعی و اقتصادی با یکدیگر دارند، این دو مفهوم در قالب یک سناریو به‌عنوان سناریوی اجتماعی- اقتصادی به کار گرفته شده است (Pourebrahim et al., 2011)؛ بنابراین در فرآیند ارزیابی، نخستین سناریوی تناسب زمین، تحت عنوان سناریوی اجتماعی- اقتصادی استفاده می‌شود. دومین سناریو، با عنوان سناریوی ‌محیط‌زیستی برای حفاظت از منابع و همچنین کاهش آثار ‌محیط‌زیستی توسعۀ فعالیت‌ها، تناسب زمین را از منظر پارامترهای تعیین‌کننده ‌محیط‌زیستی تحلیل می‌کند. در آخرین سناریو با همپوشانی تناسب زمین براساس در نظر گرفتن مجموعه‌ای از ملاحظات اجتماعی- اقتصادی و ‌محیط زیستی، نقشۀ نهایی تناسب زمین براساس سناریوی توسعۀ پایدار به دست می‌آید. در ادامه، به تشریح جزئیات این سناریوها و تحلیل آنها توجه می‌شود.

سناریوی اقتصادی- اجتماعی

بدون تردید در توسعۀ هر فعالیتی ازجمله کاربری‌های زمین، عوامل و پارامترهای اقتصادی و اجتماعی نقش تعیین‌کننده‌ و مهمی دارند. این مسئله در منطقه‌ای مانند ارومیه با شرایط توپوگرافی و ویژگی‌های خاص جغرافیایی اهمیت مضاعفی پیدا می‌کند. بدین معنا همان‌طور که در نقشۀ پایۀ زمین مشاهده شد، در بیشتر زمین‌های این منطقه به دلیل حاکم‌بودن محدودیت‌های شدید محیطی، توسعۀ برخی فعالیت‌ها ممکن است تنها با به‌کارگیری برخی از تکنولوژی‌های خاص یا گران‌قیمت امکان‌پذیر باشد که به‌لحاظ اقتصادی چندان مقرون‌به‌صرفه نیست؛ بنابراین در این قسمت از پژوهش با توجه به ویژگی‌های منطقه و اهمیت عوامل اقتصادی و اجتماعی، سناریوی اقتصادی-اجتماعی تعریف و پارامترهای مرتبط با آن استخراج و تحلیل شدند.

در شکل (6) مدل اجرای پارامترهای توسعۀ کشاورزی و فرآیند همپوشانی آن‌ها درج شده است. برای اجرای این مدل از چهار دسته پارامتر تحت عناوین منابع آب، منبع خاک، کاربری زمین-پوشش زمین و پارامترهای تعیین‌کنندۀ اجتماعی-اقتصادی استفاده شده است. اجرای این مدل در دو مرحله صورت گرفته است. بدین صورت که در مرحلۀ اول پارامترهای منابع آب، خاک و کاربری زمین- پوشش زمین با در نظر گرفتن ارزش یکسان همپوشانی شده‌اند. در مرحلۀ دوم، با دخیل‎کردن پارامترهای تعیین‌کنندۀ اجتماعی- اقتصادی و اختصاص‌دادن ارزش 75/0 برای آنها، عمل همپوشانی صورت گرفته است. در پایان با واردکردن نقشۀ مهم پایه در فرآیند اجرای مدل، نقشۀ نهایی تناسب زمین برای توسعۀ کشاورزی تهیه شده است. امتیاز پارامترها، زیرپارامترها و وزن آ‌نها در جدول (7) تا (11) درج شده است.

شکل (6) مدل همپوشانی پارامترها در سناریوی اجتماعی- اقتصادی

Figure (6) Model of parameters overlay in socio-economy scenario

جدول (7) دامنۀ کلاس‌ها/اطلاعات توصیفی، امتیاز، مقادیر عضویت فازی و وزن نهایی پارامترهای منابع خاک

Table (7) Classes range/ descriptive information, score of fuzzy membership and final weights of soil source parameters

پارامتر	دامنۀ کلاس‌ها/اطلاعات توصیفی	امتیاز	مقادیر عضویت فازی	وزن
نوع خاک	calcaric gleisoil, gleyic solonchaks, lithosols, lithosols-calcaric regosols, lithosols-calcic cambisols, Urmia Lake	1	0	25/0
	calcaric regosoil, calcaric regosols, calcic cambisols, orthic solonchaks-gleyic solonchaks	3	25/0
	calcic cambisols-calcaric regosolscalcic cambisols-calcaric regos	5	5/0
	calcic cambisols-calcaric gleisoil, calcic cambisols-calcaric regosols	7	75/0
	calcic cambisols-calcaric fluvisoil	9	1
عمق خاک	بسیار کم‌عمق تا کم‌عمق، خیلی کم‌عمق، کم‌عمق تا نیمه عمیق	1	0	25/0
	کم‌عمق تا عمیق، نیمه عمیق	3	25/0
	نیمه عمیق تا عمیق	5	5/0
	عمیق	7	75/0
	عمیق تا بسیار عمیق	9	1
بافت خاک	بدون پوشش خاکی، بافت سبک	1	0	25/0
	بافت سنگین تا خیلی سنگین، بافت بسیار سنگین	3	25/0
	بافت سنگین	5	5/0
	بافت متوسط تا سنگین	9	1
طبقه‌بندی فرسایش	V	1	0	25/0
	IV	3	25/0
	III	5	5/0
	II	7	75/0
	I	9	1

جدول (8) دامنۀ کلاس‌ها/اطلاعات توصیفی، امتیاز، مقادیر فازی و وزن نهایی پارامترهای پوشش زمین- کاربری زمین

Table (8) Classes range/ descriptive information, score of fuzzy membership and final weights of land use/cover parameters

پارامتر	دامنۀ کلاس‌ها/اطلاعات توصیفی	امتیاز	مقادیر عضویت فازی	وزن
پوشش زمین	مرتع متراکم - جنگل و بیشۀ نیمه متراکم	1	0	5/0
	مرتع کم تراکم - اراضی فرسایش‌یافته و نامرغوب- جنگل و بیشۀ کم تراکم- مرتع نیمه متراکم	3	25/0
	مخلوط دیم و مرتع	5	5/0
	مخلوط باغ و مجتمع درختی	7	75/0
	کشاورزی آبی- مخلوط زراعت آبی و باغ	9	1
کاربری زمین	پهنه‌های آبی – جزیره - تأسیسات صنعتی، نظامی، قبرستان - شوره‌زار - مرتع عالی - مناطق شهری و مسکونی- زمین بایر	1	0	5/0
	مرتع متوسط - مخلوط زراعت دیم و مرتع متوسط- مخلوط زراعت دیم، آیش و مرتع متوسط- مخلوط مرتع متوسط، زراعت دیم و آیش – مخلوط زراعت دیم، آیش و مرتع عالی- مرتع فقیر	3	25/0
	مخلوط باغ، زراعت دیم، آیش و مرتع عالی- مخلوط زراعت دیم و آیش - مخلوط زراعت دیم، آیش و مرتع فقیر- مخلوط مرتع فقیر و باغ	5	5/0
	مخلوط باغ و مرتع عالی- مخلوط باغ و مرتع متوسط- مخلوط کشاورزی و آیش	7	75/0
	باغ – کشاورزی - مخلوط باغ و زراعت	9	1

جدول (9) دامنۀ کلاس‌ها/اطلاعات توصیفی، امتیاز، مقادیر عضویت فازی و وزن نهایی پارامترهای منابع آب

Table (9) Classes range/ descriptive information, score of fuzzy membership and final weights of water source parameters

پارامتر	دامنۀ کلاس‌ها/اطلاعات توصیفی	امتیاز	مقادیر عضویت فازی	وزن
میزان بارش (میلی‌متر)	573-268	-	1-0	125/0
وضعیت آبدهی	بسیار ضعیف، ضعیف، فاقد آب دهی	1	0	125/0
	ضعیف تا متوسط، متوسط تا ضعیف	3	25/0
	خوب تا متوسط	5	5/0
	خوب، نسبتاً خوب	7	75/0
	بسیار خوب، اغلب عالی	9	1
کیفیت آب	فاقد آب دهی	1	0	125/0
	بد	3	25/0
	متوسط	5	5/0
	به‌نسبت خوب	7	75/0
	خوب، اغلب خوب	9	1
فاصله از چاه (متر)	29410-0	-	1-0	125/0
فاصله از چشمه (متر)	32207-0	-	1-0	125/0
فاصله از قنات (متر)	58425-0	-	1-0	125/0
آب‌های زیرزمینی	103-4	-	1-0	125/0
فاصله از رودخانه‌های اصلی	33055-0	-	1-0	125/0

شکل (7) مرحله اول همپوشانی

Figure (7) First phase of overlay

جدول (10) دامنۀ کلاس‌ها/اطلاعات توصیفی، امتیاز، مقادیر عضویت فازی و وزن نهایی پارامترهای اجتماعی-اقتصادی

Table (10) Classes range/ descriptive information, score of fuzzy membership and final weights of socio-economy parameters

پارامتر	دامنۀ کلاس‌ها/اطلاعات توصیفی	امتیاز	مقادیر عضویت فازی	وزن
فاصله از مراکز دهستان (متر)	23668-0	-	1-0	333/0
فاصله از خطوط نیرو (برق) (متر)	16478-0	-	1-0	333/0
فاصله از شبکه ارتباطی (متر)	16478-0	-	1-0	333/0

شکل (8) مرحله دوم همپوشانی

Figure (8) Second phase of overlay

نتایج مستخرج از نقشۀ نهایی تناسب زمین برای توسعۀ کشاورزی در سناریوی اجتماعی- اقتصادی (جدول 11) نشان‌دهندۀ آن بود که در محدودۀ مناسب بولین – که شامل 9/61 درصد از کل مساحت شهرستان است- طبقه‌های بسیار متناسب و متناسب به‌ترتیب 38/27 و 39/28 درصد مساحت را به خود اختصاص داده‌اند. در مقیاس شهرستانی، این مقدار برای کلاس بسیار متناسب 07/16 و برای کلاس متناسب 66/16 درصد است؛ بنابراین در 32 درصد از زمین‌های شهرستان با حداقل هزینه‌های اجتماعی- اقتصادی و محدودیت‌ها فعالیت‌های کشاورزی توسعه داده می‌شود. در مابقی دوسوم زمین‌های محدوده، محدودیت‌های شدید محیطی یا هزینه‌های زیاد اقتصادی- اجتماعی توسعۀ فعالیت‌های کشاورزی را با چالش اساسی مواجه کرده است؛ همان‌طور که در نقشۀ نهایی تناسب زمین مشخص است، بیشتر زمین‌های بدون محدودیت یا دارای محدودیت بسیار کم برای توسعۀ کشاورزی، در قسمت‌های شرقی شهرستان ارومیه - جایی که زمین دارای شیب و خاک بسیار مناسب است- قرار دارد. اگرچه کناره‌های دریاچۀ ارومیه در سناریوی اجتماعی – اقتصادی دارای تمرکز حداکثری برای توسعۀ کشاورزی است، به نظر می‌رسد، این تمرکز فشار اکولوژیکی مضاعفی را بر این منطقه تحمیل کرده است که این امر در وهلۀ اول توجه برنامه‌ریزان را به استفاده از سایر سناریوها و آلترناتیوهای برای توسعۀ کاربری‌های این منطقه معطوف خواهد ساخت و در مرحلۀ بعد، با در نظر گرفتن تمامی ملاحظات و شرایط براساس اولویت‌های مناسب، کاربری‌ها را در این منطقه توسعه خواهد داد. درنهایت، کلاس مناسب و به‌نسبت وسیع دیگری که برای توسعۀ کشاورزی مناسب شناسایی شد، شامل زمین‌های واقع در دشت‌های هوسین، گنگچین و سیلواناست که در مقایسه با زمین‌های کنارۀ دریاچۀ ارومیه دارای فشار اکولوژیکی و تمرکز کمتری است؛ بنابراین به نظر می‌رسد، از مناطق بسیار مناسب برای توسعۀ فعالیت‌های کشاورزی در محدودۀ موردمطالعه باشد.

جدول (11) اطلاعات آماری نقشۀ نهایی تناسب زمین در سناریوی اقتصادی- اجتماعی

Table (11) Statistical information of final map of land suitability in socio-economy scenario

طبقات تناسب زمین	تعداد پیکسل	مساحت (کیلومترمربع)^*
طبقات تناسب زمین	تعداد پیکسل	مقدار	درصد
نامتناسب	117955	93/88	89/2
تناسب بسیار پایین	583854	69/442	37/14
تناسب محدود	1090911	99/830	98/26
متناسب	1145780	40/874	39/28
بسیار متناسب	1107417	29/843	38/27

* طبق نتایج شکل (4)، محدودۀ مناسب در مدل بولین به‌عنوان محدوده‌های تحلیلی در مدل فازی استفاده شده و مساحت طبقات تناسب زمین فقط شامل این محدوده است و محدودۀ محدودکننده را در برنمی‌گیرد.

شکل (9) نقشۀ نهایی تناسب زمین در سناریوی اجتماعی- اقتصادی

Figure (9) Final map of land suitability in socio-economy scenario

سناریوی ‌محیط‌زیستی

در مرحلۀ پیشین پژوهش، تناسب زمین در سناریوی اجتماعی- اقتصادی شناسایی و تحلیل شد. اگرچه ممکن است برای بسیاری از برنامه‌ریزان توسعۀ کاربری‌ها، توسعۀ کشاورزی براساس این سناریو در اولویت باشد، با توجه به شرایط منطقه و مشکلات ‌محیط‌زیستی به‌ویژه فشارهای اکولوژیکی موجود ازجمله دریاچۀ ارومیه ـ که نشان‌دهندۀ توسعۀ افسارگسیخته بدون در نظر گرفتن اولویت‌های ‌محیط‌زیستی و اصول آمایش سرزمین است ـ به نظر می‌رسد، توسعۀ کشاورزی براساس در اولویت قراردادن ملاحظات ‌محیط‌زیستی اهمیت بسیاری برای بسیاری از برنامه‌‌ریزان دارد. در این راستا، در سناریوی ‌محیط‌زیستی با فرض تعیین‌کنندگی پارامترهای ‌محیط‌زیستی، تناسب زمین برای توسعۀ کشاورزی مطالعه شده است.

در شکل (10) نحوۀ اجرای مدل توسعۀ کشاورزی در سناریوی ‌محیط‌زیستی نمایش داده شده است. بر‌اساس این مدل، تهیۀ نقشۀ تناسب زمین در دو مرحله انجام شده است. پارامترهای تعیین‌کنندۀ ‌محیط‌زیستی در این مدل شامل تراکم چاه‌های منطقه، تراکم جمعیت و عوارض ‌محیط‌زیستی هستند. انواع عوارض ‌محیط‌زیستی در جدول (12) آورده شده است. شکل‌های (11) و (12) نقشه‌های هر مرحله و در شکل (13)نشان‌دهندۀ نقشۀ نهایی سناریوی محیط‌زیستی بود.

جدول (12) انواع عوارض پارامتر ‌محیط‌زیستی

Table (12) Type of environmental features

پارامتر	دامنۀ کلاس‌ها/اطلاعات توصیفی
پوشش زمین/کاربری زمین	جنگل و بیشۀ نیمه متراکم - مرتع متراکم - مخلوط باغ و مرتع عالی - مخلوط باغ و مرتع متوسط - مخلوط باغ، زراعت دیم، آیش و مرتع عالی - مرتع عالی
فرسایش خاک	V
وضعیت آبدهی	ضعیف - بسیار ضعیف - فاقد آبدهی
کیفیت آب	فاقد آبدهی

شکل (10) مدل همپوشانی پارامترها در سناریوی ‌محیط‌زیستی

Figure (10) Model of parameters overlay in environmental scenario

شکل (11) مرحلۀ اول همپوشانی

Figure (11) First phase of overlay

شکل (12) مرحلۀ دوم همپوشانی در سناریوی محیط‌زیستی

Figure (12) Second phase of overlay

از مجموع 61 درصد محدودۀ مناسب (منطقۀ 1 بولین) برای توسعۀ کشاورزی، 12 درصد بسیار متناسب، 25 درصد متناسب، 27 درصد با تناسب محدود و 36 درصد با تناسب بسیار پایین و نامتناسب شناسایی شد (جدول 13). از مجموع مساحت شهرستان (5274 کیلومترمربع)، 7 درصد در محدودۀ بسیار متناسب، 14 درصد متناسب، 5/15 درصد دارای تناسب محدود و نزدیک 5/63 درصد دارای تناسب بسیار پایین و نامتناسب است. بر این اساس، همان‌طور که نتایج نشان‌دهندۀ آن است، در نزدیک دوسوم زمین‌های شهرستان ارومیه، محدودیت‌های شدید مانع توسعۀ فعالیت‌های کشاورزی است. با توجه به این‌که در شکل مشاهده می‌شود، در قسمت‌های مختلف شهرستان پراکنده شده‌اند. به نظر می‌رسد، در نظر گرفتن مجموعه‌ای از پارامترها و عوارض ‌محیط‌زیستی در به دست آمدن این نتیجه تأثیر تعیین‌کننده‌ای داشته است.

جدول (13) اطلاعات آماری نقشۀ نهایی تناسب زمین در سناریوی ‌محیط‌زیستی

Table (13) Statistical information of final map of land suitability in environmental scenario

طبقات تناسب زمین	تعداد پیکسل	مساحت (کیلومترمربع)
طبقات تناسب زمین	تعداد پیکسل	مقدار	درصد
نامتناسب	556933	98/422	96/13
تناسب بسیار پایین	862777	22/655	63/21
تناسب محدود	1074218	18/819	04/27
متناسب	993409	22/761	13/25
بسیار متناسب	486972	73/370	24/12

شکل (13) نقشۀ نهایی تناسب زمین در سناریوی ‌محیط‌زیستی

Figure (13) Final map of land suitability in environmental scenario

سناریوی توسعۀ پایدار

در قسمت‌های پیشین پژوهش، ارزیابی تناسب زمین در دو سناریوی اجتماعی- اقتصادی و ‌محیط‌زیستی بررسی و تحلیل شد. در این بخش تناسب زمین براساس سناریوی توسعۀ پایدار و در نظر گرفتن هم‌زمان همۀ پارامترهای ‌محیط‌زیستی و اجتماعی- اقتصادی -که روی ارتقای شرایط ‌محیط‎زیستی و اجتماعی- اقتصادی تأکید می‌کند- تحلیل می‌‌شود. به عبارت دیگر، تناسب زمینِ پیشنهادی در سناریوی توسعۀ پایدار به‌عنوان نقشۀ راه توسعۀ کاربری‌ کشاورزی برای برنامه‌ریزان در بلندمدت در نظر گرفته می‌شود.

همان‌طور که از اطلاعات نقشۀ نهایی تناسب زمین برای توسعۀ کشاورزی پیداست (جدول 14)، 61/14 درصد محدودۀ مناسبِ توسعۀ فعالیت‌های کشاورزی (منطقۀ 1 بولین) در محدودۀ بسیار متناسب، 6/24 درصد در محدودۀ متناسب، 94/24 درصد در محدودۀ تناسب محدود و نزدیک 36 درصد در محدوده‌های تناسب بسیار پایین و نامتناسب واقع شده است. از کل مساحت شهرستان، 8 درصد در محدودۀ بسیار متناسب، 14 درصد در محدودۀ متناسب، 14 درصد در محدودۀ تناسب محدود و 64 درصد در محدوده‌های بسیار پایین، نامتناسب و محدودکننده قرار گرفته است؛ همان‌طور که بر روی نقشه مشخص است، زمین‌های مناسب برای توسعۀ کشاورزی بیشتر در قسمت‌های غربی شهرستان، دشت‌های هوسین، گنگچین و زیوه واقع شده است.

جدول (14) اطلاعات آماری نقشۀ نهایی تناسب زمین در سناریوی توسعۀ پایدار

Table (14) Statistical information of final map of land suitability in sustainable development scenario

طبقات تناسب زمین	تعداد پیکسل	مساحت (کیلومترمربع)
طبقات تناسب زمین	تعداد پیکسل	مقدار	درصد
نامتناسب	466575	89/358	89/11
تناسب بسیار پایین	940697	65/723	96/23
تناسب محدود	981273	22/753	94/24
متناسب	968937	83/742	60/24
بسیار متناسب	578426	02/441	61/14

شکل (14) نقشۀ نهایی تناسب زمین در سناریوی توسعۀ پایدار

Figure (14) Final map of land suitability in sustainable development scenario

نتیجه‌گیری

این پژوهش به‌منظور ارزیابی و تحلیل تناسب زمین برای توسعۀ کشاورزی در چند سناریو تدوین شد. نتیجۀ ارزیابی مدل بولین برای توسعۀ کشاورزی نشان‌دهندۀ آن بود که از مجموع مساحت محدوده، 9/61 درصد برای توسعۀ کشاورزی مناسب و 38 درصد برای این فعالیت نامناسب است. پس از تهیۀ نقشۀ پایۀ زمین و پایه براساس محدودیت‌های فیزیکی زمین و همچنین محدودکننده‌های توسعه، تناسب زمین در سناریوهای مختلف ارزیابی شد. مدل همپوشانی پارامترهای توسعۀ کشاورزی در سناریوی اجتماعی- اقتصادی با چهار دسته پارامتر تحت عناوین منابع آب، خاک، کاربری زمین-پوشش زمین و پارامترهای تعیین‌کنندۀ اجتماعی-اقتصادی اجرا شد. نتایج اجرای این مدل نشان‌دهندۀ آن بود که در محدودۀ مناسب بولین – که شامل 9/61 درصد از کل مساحت شهرستان است- طبقات بسیار متناسب و متناسب به‌ترتیب 38/27 و 39/28 درصد مساحت را به خود اختصاص دادند. در مقیاس شهرستانی، این مقدار برای کلاس بسیار متناسب 07/16 و برای کلاس متناسب 66/16 درصد به دست آمد. براساس این نتایج، در 32 درصد از زمین‌های شهرستان با حداقل هزینه‌های اجتماعی- اقتصادی و محدودیت‌ها فعالیت‌های کشاورزی توسعه داده می‌شوند. براساس نتیجۀ این تحلیل، در مابقی دوسوم زمین‌های محدوده، محدودیت‌های شدید محیطی یا هزینه‌های زیاد اقتصادی- اجتماعی توسعۀ فعالیت‌های کشاورزی را با چالش اساسی مواجه کرده است. نتایج نقشۀ نهایی تناسب زمین نشان‌دهندۀ آن بود که بیشتر زمین‌های بدون محدودیت یا دارای محدودیت بسیار کم برای توسعۀ کشاورزی، در قسمت‌های شرقی شهرستان ارومیه - جایی که زمین دارای شیب و خاک بسیار مناسب است- قرار دارد. کلاس مناسب و به‌نسبت وسیع دیگری که براساس این سناریو برای توسعۀ کشاورزی مناسب شناسایی شد، شامل زمین‌های واقع در دشت‌های هوسین، گنگچین و سیلواناست که در مقایسه با زمین‌های کنارۀ دریاچۀ ارومیه فشار اکولوژیکی و تمرکز کمتری دارد که براساس این تحلیل به نظر می‌رسد، از مناطق بسیار مناسب برای توسعۀ فعالیت‌های کشاورزی در محدودۀ موردمطالعه است.

نتیجۀ اجرای مدل توسعۀ کشاورزی در سناریوی ‌محیط‌زیستی نشان‌دهندۀ آن بود که از مجموع 61 درصد محدودۀ مناسب (منطقه 1 بولین) برای توسعۀ کشاورزی، 12 درصد بسیار متناسب، 25 درصد متناسب، 27 درصد دارای تناسب محدود و 36 درصد دارای تناسب بسیار پایین و نامتناسب است. از مجموع مساحت شهرستان (5274 کیلومترمربع)، 7 درصد در محدودۀ بسیار متناسب، 14 درصد متناسب، 5/15 درصد دارای تناسب محدود و نزدیک 5/63 درصد دارای تناسب بسیار پایین و نامتناسب شناسایی شد. براساس نتایج، در نزدیک دوسوم زمین‌های شهرستان ارومیه، محدودیت‌های شدید مانع توسعۀ فعالیت‌های کشاورزی است.

نتیجۀ ارزیابی تناسب زمین برای توسعۀ فعالیت‌های کشاورزی در سناریوی توسعۀ پایدار نشان‌دهندۀ آن بود که 61/14 درصد محدودۀ مناسب توسعۀ فعالیت‌های کشاورزی (منطقه 1 بولین) در محدودۀ بسیار متناسب، 6/24 درصد در محدودۀ متناسب، 94/24 درصد در محدودۀ تناسب محدود و نزدیک 36 درصد در محدوده‌های تناسب بسیار پایین و نامتناسب واقع شده است. از کل مساحت شهرستان، 8 درصد در محدودۀ بسیار متناسب، 14 درصد در محدودۀ متناسب، 14 درصد در محدودۀ تناسب محدود و 64 درصد در محدوده‌های بسیار پایین، نامتناسب و محدودکننده قرار گرفته است. براساس نتایج پژوهش، زمین‌های مناسب برای توسعۀ کشاورزی بیشتر در قسمت‌های غربی شهرستان، دشت‌های هوسین، گنگچین و زیوه واقع شده است.

درنهایت، با توجه به ویژگی‌های محیطی و جغرافیایی منطقه و همچنین نتایج حاصل از پژوهش حاضر، تأکید بر زمین و محدودیت‌های آن پیش‌شرط و تعیین‌کنندۀ اولیۀ توسعۀ هر فعالیت و کاربری در شهرستان ارومیه است. در مناطق کوهستانی همانند ارومیه با برخورداری از توانمندی‌های محیطی و انسانی و همچنین پیچیدگی‌های جغرافیایی خاص خود، ارزیابی تناسب زمین به روش ارزیابی چند معیاره چندمرحله‌ای سناریومحور – همانند آنچه در پژوهش حاضر ارائه شد- بی‌سازمانی فضایی، فشارهای محیطی و اکولوژیکی و همچنین بحران‌های موجود را به آمایش و سازمان‌دهی فضایی توسط گروه‌های مرتبط با برنامه‌ریزی تبدیل می‌کند.

[1]. Weighted Linear Combination

مراجع

منابع

ادارۀ کل منابع طبیعی و آبخیزداری استان آذربایجان غربی (1390).

مرکز آمار ایران (1395)، نتایج سرشماری عمومی نفوس و مسکن استان آذربایجان غربی.

معاونت برنامه‌ریزی استانداری آذربایجان غربی (1390).

References

Akıncı, H., Özalp, A. Y., & Turgut, B. (2013). Agricultural land use suitability analysis using GIS and AHP technique. Journal of Computers and Electronics in Agriculture, 97, 71-82.

Arabsahebi, R., Voosoghi, B., & Tourian, M. J. (2020). A denoising–classification–retracking method to improve spaceborne estimates of the water level–surface–volume relation over the Urmia Lake in Iran. International Journal of Remote Sensing, 41(2), 506-533.

ASTER (2019). Global Digital Elevation Model. Retrieved from: https://asterweb.jpl.nasa.gov

Deputy of Planning of the West Azerbaijan Governorate (2011). Related data of the province. (n.p).

Farahmand, N., & Sadeghi, V. (2020). Estimating soil salinity in the dried lake bed of Urmia lake using optical Sentinel-2 images and nonlinear regression models. Journal of the Indian Society of Remote Sensing, 48(4), 675-687.

General Department of Natural Resources and Watershed Management of Western Azerbaijan Province (2011). Related data of the province. (n.p).

Jelokhani-Niaraki, M., & Malczewski, J. (2015). A group multicriteria spatial decision support system for parking site selection problem: A case study. Journal of Land Use Policy, 42, 492-508.

Liu, H., Zheng, L., Wu, J., & Liao, Y. (2020). Past and future ecosystem service trade-offs in Poyang Lake Basin under different land use policy scenarios. Arabian Journal of Geosciences, 13, 46-57.

Mendas, A., Delali, A., Khalfallah, M., Likou, L., Gacemi, M. A., Boukrentach, H., … & Mahmoudi, R. (2014). Improvement of land suitability assessment for agriculture—application in Algeria. Arabian Journal of Geosciences, 7(2), 435-445.

Mosadeghi, R., Warnken, J., Tomlinson, R., & Mirfenderesk, H. (2015). Comparison of Fuzzy-AHP and AHP in a spatial multi-criteria decision making model for urban land-use planning. Journal of Computers, Environment and Urban Systems, 49, 54-65.

Nouri, H., Mason, R. J., & Moradi, N. (2017). Land suitability evaluation for changing spatial organization in Urmia County towards conservation of Urmia Lake. Journal of Applied Geography, 81, 1-12.

Ohashi, H., Fukasawa, K., Ariga, T., Matsui, T., & Hijioka, Y. (2019). High‐resolution national land use scenarios under a shrinking population in Japan. Journal of Transactions in GIS, 23(4), 786-804.

Pilehforooshha, P., Karimi, M., & Taleai, M. (2014). A GIS-based agricultural land-use allocation model coupling increase and decrease in land demand. Journal of Agricultural Systems, 130, 116-125.

Pourebrahim, S., Hadipour, M., & Mokhtar, M. B. (2011). Integration of spatial suitability analysis for land use planning in coastal areas; Case of Kuala Langat District, Selangor, Malaysia. Journal of Landscape and Urban Planning, 101(1), 84-97.

Sahle, M., Saito, O., Fürst, C., Demissew, S., & Yeshitela, K. (2019). Future land use management effects on ecosystem services under different scenarios in the Wabe River catchment of Gurage Mountain chain landscape, Ethiopia. Sustainability Science, 14, 175-190.

Salmeron, J. L., Vidal, R., & Mena, A. (2012). Ranking fuzzy cognitive map based scenarios with TOPSIS. Journal of Expert Systems with Applications, 39(3), 2443-2450.

Sarindizaj, E. E., & Zarghami, M. (2019). Sustainability assessment of restoration plans under climate change by using system dynamics: Application on Urmia Lake, Iran. Journal of Water and Climate Change, 10(4), 938-952.

Shoyama, K., Matsui, T., Hashimoto, S., Kabaya, K., Oono, A., & Saito, O. (2019). Development of land-use scenarios using vegetation inventories in Japan. Journal of Sustainability Science, 14, 39-52.

Statistical Center of Iran (2016). Results of the national population and housing census of West Azerbaijan Province. (n.p).

Tobias, S., & Price, B. (2020). How effective is spatial planning for cropland protection? An assessment based on land-use scenarios. Land, 9(2), 43.

Valiallahi, J. (2020). Evaluating groundwater level and water-quality variation in Oshnaveh–Naqadeh Plain, Urmia Lake basin, northwestern Iran. International Journal of Energy and Water Resources, 4(1), 27-35.

Vannier, C., Bierry, A., Longaretti, P. Y., Nettier, B., Cordonnier, T., Chauvin, C., … & Lavorel, S. (2019). Co-constructing future land-use scenarios for the Grenoble region, France. Journal of Landscape and Urban Planning, 190, 103614.