کاربرد پویایی شناسی سیستم در ارزیابی کاربری اراضی تحت شرایط تغییر اقلیم در استان کهگیلویه و بویر احمد

جهانشاهی, داریوش; موسوی, سید نعمت الله; کرمی, آیت اله

doi:10.48308/envs.2024.1450

	کاربرد پویایی شناسی سیستم در ارزیابی کاربری اراضی تحت شرایط تغییر اقلیم در استان کهگیلویه و بویر احمد
فصلنامه علوم محیطی
مقاله 14، دوره 23، شماره 3، 1404، صفحه 767-788 اصل مقاله (1.01 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.48308/envs.2024.1450
نویسندگان
داریوش جهانشاهی¹؛ سید نعمت الله موسوی^* ¹؛ آیت اله کرمی²
¹گروه اقتصاد کشاورزی، دانشگاه آزاد اسلامی واحد مرودشت، مرودشت، ایران
²گروه توسعه روستایی، دانشگاه یاسوج، یاسوج، ایران
چکیده
تغییرات در کاربری زمین دارای روندی پویاست و عوامل زیاد اقتصادی-اجتماعی و متغیرهای اقلیمی بر رفتار آن اثرگذارند. افزایش میزان مصرف و تقاضا، جمعیت، تقاضا برای مواد غذایی، تغییر آب ‌و هوا، تغییر در میزان برداشت از منابع همگی عواملی هستند که در طول زمان و به‌صورت مرتبط با یکدیگر بر سیستم کاربری زمین یک منطقه تأثیر می‌گذارند . به منظور دست‌یابی به درکی جامع از این تغییرات در سیستم کاربری زمین، با توجه به وجود روابط متقابل پیچیده و بازخوردها، نیاز به روشی است که بتواند این روابط بازخوردی بین عوامل گوناگون را در نظر بگیرد. با توجه به وضعیت موجود و تأثیرات منفی رشد جمعیت و تغییرات آب ‌و هوا، می‌توان گفت مدیریت کاربری زمین و اطمینان از این که نسل‌های آتی نیز امکان تولید کالا و خدمات (ازجمله امکان تولید غذا) برای تأمین اهداف خود داشته باشند، موضوع بسیار جدی پیش روی سیاست‌گذاران در تمامی استان‌های کشور ازجمله کهگیلویه و بویراحمد است. در برخورد با این مشکلات و برنامه‌ریزی برای آینده نیاز به یک مدل جامع مدیریت کاربرای زمین است که بتواند تقاضای زمین در بخش‌های مختلف از جمله کشاورزی را در آینده برآورد و اثرات متغیرهایی همچون رشد جمعیت، توسعه اقتصادی و تغییرات آب‌ و هوا را بر کاربری‌های مختلف زمین ارزیابی نماید. روش پویایی شناسی سیستم‌ها یکی از روش‌های قدرتمند و موثر در ارزیابی رفتار سیستم‌های پیچیده و دارای بازخورد در طول زمان است. روش پویایی شناسی سیستم روشی برای مطالعه و مدیریت سیستم‌های پیچیده و دارای بازخورد است. این روش مناسب برای نشان دادن الگوهای رفتاری و تحلیل آن‌ها در سیستم‌های پیچیده است و ساخت مدلی نزدیک به جهان واقعیت را به منظور درک بهتر فرآیندهای مؤثر بر سیستم امکان‌پذیر می‌سازد. بنابراین در این مطالعه تلاش شد تا با استفاده از روش پویایی شناسی سیستم‌ها، ضمن طراحی سیستم کاربری اراضی، به مطالعه رفتار متغیرهای کلیدی سیستم کاربری اراضی در استان کهگیلویه و بویر احمد پرداخته شود. در این مطالعه از تست رفتاری و ساختاری به منظور ارزیابی و آزمون مدل طراحی شده بهره گرفته شد. نتایج نشان دهنده همبستگی بالای میان روندهای مشاهده‌ شده (طی سال‌های 2010-2020) و پیش‌بینی‌شده متغیرهای سیستم است. نتایج شبیه سازی متغیرهای کلیدی نشان داد رابطه مستقیمی بین تقاضای آب و رشد جمعیت و همچنین توسعه کشاورزی وجود دارد. بر اساس نتایج شبیه‌سازی، مشاهده شد که در شرایط سناریو اقلیمی میانه، مناطق جنگلی و زراعی به گسترش ادامه می‌دهند و مراتع در داخل استان با شرایط محیطی و اقتصادی اجتماعی فعلی کاهش می‌یابد.با توجه به بهره‌برداری بیش از حد از جنگل‌ها و همچنین مساعدت کاهش تعرفه به کاهش فشار بر جنگل‌های داخلی توصیه می‌شود تعرفه واردات چوب بر اساس یک برنامه زمانی کاهش یابد. در این برنامه زمانی لازم است مواردی مانند امکان تطابق صنایع وابسته مورد توجه قرار گیرد. البته کاهش تعرفه بر اساس الزامات سازمان تجارت جهانی که ایران نیز در جهت عضویت در این سازمان تلاش می‌کند، حائز اهمیت است. با توجه به روند صعودی سطح زراعی در استان طی دوره شبیه سازی، برداشت از ذخیره آب افزایش و مساحت پیکره آبی در این استان روند نزولی را تجربه می‌کند. با توجه به کاهش سطح پوشش گیاهی و پیکره آبی که ناشی از کاهش بارندگی و افزایش دما، افزایش جمعیت و گسترش شتابان مناطق مسکونی در سال‌های آینده است، ضرورت مدیریت صحیح و برنامه‌ریزی دقیق برای استفاده از شیوه‌های صحیح بهره‌برداری منابع آب، خودداری از تبدیل بی‌رویه‌ی اراضی منابع طبیعی به اراضی کشاورزی و واحد‌های صنعتی، مسکونی الزامی است.
کلیدواژه‌ها
شبیه سازی؛ پیچیدگی و پویایی؛ برنامه ریزی کاربری اراضی؛ مدیریت منابع؛ آب
عنوان مقاله [English]
Evaluating land use under climate change by system dynamics in Kohgiluyeh and Boyer Ahmad provinces
نویسندگان [English]
Dariush Jahanshahi¹؛ Seyed Nematohah Mousavi¹؛ Ayatollah Karami²
¹Department of Agricultural Economics, Marvdasht Branch, Islamic Azad University, Marvdasht, Iran
²Department of Rural Development, Yasouj University, Yasouj, Iran
چکیده [English]
Introduction: Land use change represents a dynamic and multidimensional phenomenon shaped by a complex interplay of socio-economic, political, and climatic drivers. These transformations exert profound influences on the integrity of natural resources, the stability of food systems, the quality of the environment, and the broader trajectory of sustainable development. Land use systems are inherently complex, featuring numerous interdependent components and intricate feedback mechanisms—both reinforcing and balancing—that govern their evolution over time. Traditional analytical methods often fall short in capturing such systemic complexity and temporal dynamics. In this context, System Dynamics (SD) has emerged as a robust and effective methodology for modeling and analyzing complex adaptive systems characterized by feedback loops, delays, and nonlinear relationships. Its capacity to simulate long-term behavior makes SD particularly well-suited for investigating land use change dynamics and anticipating future trajectories under varying scenarios. Materials and Methods: This research applied the System Dynamics approach to explore land use behavior in Kohgiluyeh and Boyer-Ahmad Province, located in southwestern Iran. A comprehensive causal-loop and stock-and-flow model was constructed based on a synthesis of multi-source data, including official statistical records, satellite-derived remote sensing imagery, and supplementary field observations. The model incorporated key state variables such as total population, agricultural land area, rangeland coverage, forested zones, surface water bodies, total water demand, and critical climatic indicators—specifically annual precipitation and average temperature. To ensure model credibility, a dual validation strategy was implemented: behavioral validation, which involved comparing simulated outputs against empirical data from the 2010–2020 period, and structural validation, which examined the internal consistency, logical coherence, and plausibility of the causal relationships embedded within the model architecture. Results and Discussion: The validation process confirmed a strong alignment between observed historical trends and model-generated simulations, thereby supporting the model’s reliability. Simulation results indicated a clear and direct linkage among population growth, escalating water demand, and the expansion of agricultural activities. Under a medium climate change scenario—reflecting moderate shifts in temperature and precipitation patterns—the model projected a continued increase in both forested and cultivated areas. Conversely, rangelands are anticipated to undergo significant contraction due to the combined pressures of human-induced land conversion and adverse climatic conditions. The expansion of agriculture intensifies reliance on water resources, resulting in heightened extraction from both surface and groundwater systems and a consequent notable decline in the area of lakes, rivers, and other water bodies. Critically, the convergence of declining vegetation cover, reduced rainfall, rising temperatures, accelerated urban sprawl, and population growth may initiate a self-reinforcing cycle of environmental degradation. This negative feedback loop could amplify land degradation and exacerbate water scarcity in the coming decades. Given these projections, the necessity of adopting scientifically informed, adaptive, and integrated land and water management strategies becomes evident. Conclusion: The findings highlight an urgent imperative for intelligent, forward-looking natural resource management and meticulous spatial planning at the provincial level. Unregulated transformation of ecologically sensitive lands—especially rangelands and forests—into agricultural, industrial, or residential zones, without due consideration of hydroclimatic limits and water sustainability, poses a serious threat of triggering irreversible environmental crises. Consequently, future policy frameworks must be firmly rooted in principles of ecological sustainability, prioritizing the conservation of natural ecosystems and the efficient, equitable use of water resources. This study reaffirms the value of System Dynamics as an integrative modeling tool capable of supporting evidence-based decision-making in land use planning and climate resilience strategies
کلیدواژه‌ها [English]
Simulation, complexity and dynamics, land use planning, resource management, water

مراجع
Aspinall, R., & Staiano, M. (2017). A conceptual model for land system dynamics as a coupled human–environment system. Land, 6(4), 81. Atherton, J. T. (2013). A System Dynamics Approach to Water Resources and Food Production in the Gambia (Doctoral Dissertation, the University of Western Ontario). Bahmanpouri, S., Bakhshoodeh, M., & Zibaei, M. (2023). Effect of Climate Change on Land Use and Land Cover in Fars Province: Application of System Dynamics Approach. Agricultural Economics Research, 15(3), 56-69. doi: 10.30495/jae.2023. 28473.2263 Balali, H., & Viaggi, D. (2015). Applying a System Dynamics Approach for Modeling Groundwater Dynamics to Depletion under Different Economical and Climate Change Scenarios. Water, 7, 5258-5271. Bottero, M., Datola, G., & Angelis, E. (2020). A System Dynamics Model and Analytic Network Process: An Integrated Approach to Investigate Urban Resilience. Debolini, M., Marraccini, E., Dubeuf, J. P., Geijzendorffer, I. R., Guerra, C., Simon, M., ... & Napoléone, C. (2018). Land and farming system dynamics and their drivers in the Mediterranean Basin. Land use policy, 75, 702-710. Dokhani, S. and Karimzadeh, H. (2008). Investigating the extent and nature of land use and vegetation changes using aerial photographs. 87th Geomatics Conference and the Fourth Conference on the Standardization of Geographical Names, Tehran.Food and Agriculture Organization (FAO). (2023) Ford, F. A. (1999). Modeling the environment: an introduction to system dynamics models of environmental systems. Island Press. Girma, R., Fürst, C., & Moges, A. (2022). Land use land cover change modeling by integrating artificial neural network with cellular Automata-Markov chain model in Gidabo river basin, main Ethiopian rift. Environmental Challenges, 6, 100419. Gohari, A., Mirchi, A., & Madani, K. (2017). System Dynamics Evaluation of Climate Change Adaptation Strategies for Water Resources Management in Central Iran. Water Resources Management, 31, 1413-1434. Haghani, A., Lee, S. Y., & Byun, J. H. (2003). A system dynamics approach to land use/transportation system performance modeling part I: Methodology. Journal of advanced transportation, 37(1), 1-41. Hosseini, S.S. and Nazari, M. (2015). Assessing the economic vulnerability of the country's agricultural sector to climate change. Third National Communication on Climate Change to be submitted to the UNFCCC Secretariat. 144-1. Kotir, J. H., Smith, C., Brown, G., Marshall, N., & Johnstone, R. (2016). A system dynamics simulation model for sustainable water resources management and agricultural development in the Volta River Basin, Ghana. Science of the Total Environment, 573, 444-457. Layani, G., Bakhshoodeh, M., Zibaei, M., & Viaggi, D. (2021). Sustainable water resources management under population growth and agricultural development in the Kheirabad river basin, Iran. Bio-based and Applied Economics, 10(4), 305-323. Li, Q., Wei, X., Zhang, M., Liu, W., Fan, H., Zhou, G., ... & Wang, Y. (2017). Forest cover change and water yield in large forested watersheds: A global synthetic assessment. Ecohydrology, 10(4), e1838. Liu, D., Zheng, X., & Wang, H. (2020). Land-use Simulation and Decision-Support system (LandSDS): Seamlessly integrating system dynamics, agent-based model, and cellular automata. Ecological Modelling, 417, 108924. Liu, D., Zheng, X., Zhang, Ch., & Wang, H. (2017). A new temporal–spatial dynamics method of simulating land-use change. Ecological Modelling, 350(2017), 1–10. Madani, K., & Mariño, M. A. (2009). System dynamics analysis for managing Iran’s Zayandeh-Rud river basin. Water Resources Management, 23, 2163-2187. Moran, D., MacLeod, M., Wall, E., Eory, V., McVittie, A., Barnes, A., ... & Moxey, A. (2011). Developing carbon budgets for UK agriculture, land-use, land-use change and forestry out to 2022. Climatic change, 105, 529-553. Oliver, V., Cochrane, N., Magnusson, J., Brachi, E., Monaco, S., Volante, A., & Teh, Y. A. (2019). Effects of water management and cultivar on carbon dynamics, plant productivity and biomass allocation in European rice systems. Science of the Total Environment, 535, 126-139. Parker, D. C., Manson, S. M., Janssen, M. A., Hoffmann, M. J., & Deadman, P. (2003). Multi-agent systems for the simulation of land-use and land-cover change: a review. Annals of the Association of American Geographers, 93(2), 314-337. Ronizi, S. R. A., Negahban, S., & Mokarram, M. (2022). Investigation of land use changes in rural areas using MCDM and CA-Markov chain and their effects on water quality and soil fertility in south of Iran. Environmental Science and Pollution Research, 29(59), 88644-88662. Saadin, B. and Afifi, M.E. (2022). Investigating the trend of land use changes in Aslawiya city between 1989 and 2019 and predicting the changes using remote sensing and CA-Markov and LCM models. Geography and Urban and Regional Studies, 12(48), 19-6. Shen, Q., Chen, Q., Tang, B. S., Yeung, S., Hu, Y., & Cheung, G. (2009). A system dynamics model for the sustainable land use planning and development. Habitat international, 33(1), 15-25. Song, X. P., Hansen, M. C., Stehman, S. V., Potapov, P. V., Tyukavina, A., Vermote, E. F., & Townshend, J. R. (2018). Global land change from 1982 to 2016. Nature, 560(7720), 639-643. Sterman, J. D. (2001). System dynamics modeling: tools for learning in a complex world. California Management Review, 43, 8-25. Sušnik, J., Vamvakeridou-Lyroudia, L. S., Savić, D. A., & Kapelan, Z. (2012). Integrated System Dynamics Modelling for water scarcity assessment: Case study of the Kairouan region. Science of the Total Environment, 440, 290-306. Wang, Z., Li, X., Mao, Y., Li, L., Wang, X., & Lin, Q. (2022). Dynamic simulation of land use change and assessment of carbon storage based on climate change scenarios at the city level: A case study of Bortala, China. Ecological Indicators, 134, 108499. Yang, H., Huang, J., & Liu, D. (2020). Linking climate change and socioeconomic development to urban land use simulation: Analysis of their concurrent effects on carbon storage. Applied Geography, 115(2020), 1-12. Yao, H., Shen, L., Tan, Y., Hao, J. (2011). Simulating the impacts of policy scenarios on the sustainability performance of infrastructure projects. Automation in Construction. 20(8), 1060-1069. Ye, J., Hu, Y., Zhen, L., Wang, H., & Zhang, Y. (2021). Analysis on Land-Use Change and its driving mechanism in Xilingol, China, during 2000–2020 using the google earth engine. Remote Sensing, 13(24), 5134. Zarandian, A., Mohammadyari, F., Mirsanjari, M. M., & Visockiene, J. S. (2023). Scenario modeling to predict changes in land use/cover using Land Change Modeler and InVEST model: a case study of Karaj Metropolis, Iran. Environmental monitoring and assessment, 195(2), 273. Zhang, P., Liu, L., Yang, L., Zhao, J., Li, Y., Qi, Y., ... & Cao, L. (2023). Exploring the response of ecosystem service value to land use changes under multiple scenarios coupling a mixed-cell cellular automata model and system dynamics model in Xi'an, China. Ecological Indicators, 147, 110009.
آمار تعداد مشاهده مقاله: 2,219 تعداد دریافت فایل اصل مقاله: 1,550

سامانه مدیریت نشریات علمی دانشگاه شهید بهشتی

کاربرد پویایی شناسی سیستم در ارزیابی کاربری اراضی تحت شرایط تغییر اقلیم در استان کهگیلویه و بویر احمد