مرکز منطقه ای اطلاع رسانی علوم و فناوریپژوهش و فناوری محیط زیست2676-306011192026523Geographical distribution of Sida rhombifolia L. in Guilan Province پراکنش جغرافیایی گونه گیاهی .Sida rhombifolia L در استان گیلانfaسمیهتکاسیبخش تحقیقات گیاهپزشکی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گیلان، سازمان تحقیقات، آموزش و ترویج کشاورزی، رشت، ایران0000000236378887محمودبیدارلردبخش تحقیقات جنگل‌ها، مراتع و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گیلان، سازمان تحقیقات، آموزش و ترویج کشاورزی، رشت، ایران0000-0002-9331-35022025810Alien species, due to their rapid growth, high adaptability and competitive ability, pose a significant threat to biodiversity. Sida rhombifolia has been observed as an alien plant species in the habitats of Gilan province. The provision of suitable strategies for the management of invasive species is contingent upon precise knowledge of their regional distribution. This study aimed to accurately identify this species and its map geographical distribution across Gilan province. Field surveys were conducted during 2023 and 2024 in various habitats throughout the province and distribution data were collected using GPS devices and the spatial distribution map was generated using ArcGIS software. Results revealed that S. rhombifolia has a widespread distribution in numerous locations across rural roadsides of Gilan province including Amlash, Siahkal, Langrud, Rudsar, Fuman, Rasht, Talesh, Astara and Soumesara. It is also proliferating in the tea plantation. The high frequency of records suggests that this plant is capable of effectively competing with native flora, suggesting the risk of it becoming invasive and posing significant challenges to farmers in future. Therefore, continuous monitoring and management planning are essential to mitigate its potential impacts on biodiversity and habitat structure.گونه های بیگانه، به دلیل ویژگی هایی مانند رشد سریع، توان رقابتی و سازگاری بالا، تهدیدی جدی برای تنوع زیستی محسوب میشوند. گیاه Sida spp.، به عنوان گونه گیاهی بیگانه، اخیراً در رویشگاه های استان گیلان مشاهده شده است. شناسایی و کنترل گیاهان مهاجم با هدف حفاظت از گیاهان بومی، امری ضروری است. این پژوهش با هدف شناسایی دقیق گونه و تعیین پراکنش جغرافیایی آن در سطح استان گیلان انجام شد. بازدیدهای میدانی در سال&zwnj;های 1402 و 1403 از زیستگاه های مختلف استان گیلان انجام شد و داده های پراکنش با استفاده از دستگاه GPS جمع آوری شد و نقشه پراکنش مکانی با کاربرد نرم افزار ArcGIS ایجاد شد. نتایج نشان داد که گونه S. rhombifolia در اغلب شهرستان های استان گیلان شامل املش، سیاهکل، لنگرود، رودسر، فومن، رشت، تالش، آستارا و صومعه سرا پراکنش داشت. در شهرستان املش، این گونه در حال نفوذ در باغ های چای بود. حضور این گونه در زیستگاه های متنوع استان گیلان، بیانگر توان رقابتی بالا در مقابل گونه های بومی و احتمال تبدیل شدن آن به گونه ای مهاجم در منطقه است. بنابراین، پایش مستمر و برنامه ریزی مدیریتی برای کاهش اثرات احتمالی آن بر تنوع زیستی و ساختار زیستگاه های منطقه، ضروری است.

http://journal.eri.acecr.ir/en/Article/Download/51128

مرکز منطقه ای اطلاع رسانی علوم و فناوریپژوهش و فناوری محیط زیست2676-306011192026523Analysis of Factors Affecting the Development of Rural Handicraft Businesses Toward Sustainable Development and the Green Economy: A Case Study of Guilan Provinceتحلیل عوامل مؤثر بر توسعه کسب‌وکارهای صنایع دستی روستایی در راستای توسعه پایدار و اقتصاد سبز؛ مطالعه موردی استان گیلانfa سیده محدثه حاتمی شاه خالیسرپرست معاونت دانشجویی فرهنگی موسسه آموزش عالی جهاد دانشگاهی استان گیلان، رشت، ایرانسیده فاطمهامامیپژوهشگر پسادکتری، گروه جغرافیا، دانشگاه گیلان، رشت، ایرانفرزانهنصیری جان آقاپژوهشگر، جغرافیا و برنامه‌ریزی روستایی، پژوهشکده محیط زیست جهاد دانشگاهی گیلان، رشت، ایران0000000156692905حبیبمحمودی چناریاستادیار و عضو هیات علمی پژوهشکده محیط زیست، جهاد دانشگاهی، رشت، ایران20251021Today, small and medium-sized enterprises (SMEs) are widely recognized as the backbone of national economies and play a vital role in employment creation and income generation. Accordingly, the present study aimed to investigate the factors affecting the development of rural handicraft business clusters. To achieve this objective, the major obstacles and challenges in this field were identified and analyzed. This applied research employed both qualitative and quantitative approaches. Initially, the existing barriers were examined based on the opinions of experts and specialists. Subsequently, the influencing factors were identified, and path analysis was performed using SPSS version 26 to evaluate the direct and indirect effects of each factor. The findings indicate that, considering the identified barriers and challenges, business development, awareness-raising, accessibility, service provision, proximity to key development centers, investor attraction, financial facilities, economic stability, establishment of credit funds, support from relevant organizations, provision of advisory services, and the availability of infrastructural and supporting facilities are among the most influential factors contributing to the development of businesses in the cultural heritage sector.امروزه کسب&zwnj;وکارهای کوچک و متوسط هسته اصلی اقتصاد هر کشوری محسوب می&zwnj;شوند و نقش بسزایی در ایجاد اشتغالزایی و درآمدزایی افراد دارند. بر این اساس هدف از پژوهش حاضر بررسی و عوامل موثر بر توسعه کانون&zwnj;های کسب و کار صنایع دستی است. بدین&zwnj;منظور موانع و چالش&zwnj;ها در این حوزه مورد بررسی قرار گرفته است. تحقیق حاضر از لحاظ هدف کاربردی  و از دو روش کیفی و کمی استفاده شده است و به منظور تجزیه و تحلیل داده&zwnj;ها ابتدا با توجه به نظر خبرگان و کارشناسان متخصص موانع موجود بررسی شد و پس از آن عوامل موثر شناسایی و به منظور بررسی اثرگذاری هر یک از عوامل به صورت مستقیم و غیرمستقیم از روش تحلیل مسیر در نرم افزار SPSS ورژن 26 استفاده شد. با توجه به شناسایی موانع و مشکلات پیش رو،  نتایج تحقیق حاکی از آن است که  توسعه کسب و کار، فرهنگ&zwnj;سازی، دسترسی، ارائه خدمات، دوری و نزدیکی به مراکز برتر، جذب سرمایه&zwnj;گذار، تسهیلات، ثبات اقتصادی، تشکیل صندوق اعتباری، پشتیبانی و حمایت سازمان&zwnj;های ذی&zwnj;ربط، ارائه خدمات مشاوره و امکانات زیربنایی و روبنایی به عنوان مهم&zwnj;ترین عوامل تأثیرگذار در امر توسعه کسب و کارهای حوزه میراث فرهنگی محسوب می&zwnj;شوند.

http://journal.eri.acecr.ir/en/Article/Download/51871

مرکز منطقه ای اطلاع رسانی علوم و فناوریپژوهش و فناوری محیط زیست2676-306011192026523مدل‌سازی زمین‌آماری کیفیت آب زیرزمینی دشت مغان بر اساس شاخص ویلکاکسfaیاسرحسینیاستاد، هیئت علمی علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.20251211This study evaluated the groundwater quality of the Moghan Plain based on the Wilcox Index using geostatistical methods. The evaluation results obtained using the cokriging method showed that the covariograms of the random variables electrical conductivity (EC) and sodium adsorption ratio (SAR) followed the Stable model. For the SAR variable, the covariogram had a nugget effect of 0.01 and a sill of 0.08, whereas these values were 0.02 and 1.07, respectively, for electrical conductivity. These findings indicate the dominance of the structured component of the covariogram over its unstructured component and confirm the strong spatial structure of both random variables. Furthermore, the results showed that geostatistical methods, particularly the simple cokriging model, provided accurate estimates of groundwater quality, with a coefficient of determination (R²) of 0.67 and a normalized root mean square error (NRMSE) of 0.34 for SAR, and an R² of 0.99 and an NRMSE of 0.007 for electrical conductivity. Overall, approximately 1% of the groundwater in the plain was classified as C2S1, indicating its suitability for agricultural use. Among the remaining 99% of the groundwater, which exhibited high salinity and was unsuitable for agriculture, nearly 14% also had excessive sodium levels, making it unsuitable for irrigation.در این تحقیق با استفاده از روش&zwnj;های زمین آماری، کیفیت آب زیرزمینی دشت مغان بر اساس شاخص ویلکاکس مورد ارزیابی قرار گرفت. همان&zwnj;طور که نتایج و آماره&zwnj;های ارزیابی به روش کوکریجینگ نشان داد، کوواريوگرام&zwnj; متغیر تصادفی هدایت الکتریکی و نسبت جذب سدیم از مدل Stable برخوردار بود. برای برآورد متغیر SAR، اين کوواريوگرام&zwnj; از ميزان اثر قطعه&zwnj;اي (01/0) و سقف واريوگرام (08/0) برخوردار بود و برای متغیر هدایت الکتریکی، این مقادیر به ترتیب برابر (02/0) و (07/1) محاسبه شد كه نشان&zwnj;دهنده نقش غالب مؤلفة ساختاردار کوواريوگرام نسبت به مؤلفة بي&zwnj;ساختار آن است که استحكام ساختار فضايي منطقه برای هر دو متغیر تصادفی را نشان داد. همچنین، نتایج نشان داد روش&zwnj;های مبتنی بر زمین آمار و مدل کوکریجینگ ساده، با مقدار ضريب تبيين 67/0 و مجذور ميانگين مربعات خطای نرمال شده 34/0 برای متغیر تصادفی SAR و مقدار ضريب تبيين 99/0 و مجذور ميانگين مربعات خطای نرمال شدة 007/0 برای&zwnj; متغیر هدایت الکتریکی، دارای برآورد دقیقی از کیفیت آب زیرزمینی دشت بود. بطور کلی، می&zwnj;توان گفت تقریبا یک درصد از آب&zwnj;های زیرزمینی دشت در ناحیه C2S1 قراردارند که میتواند برای کشاورزی مورد استفاده قرار گیرد. از 99 درصد باقیمانده که از نظر شوری در سطح بالایی قراردارند و برای کشاورزی مناسب نیستند، نزدیک به 14درصد آن علاوه بر شوری از نظر میزان سدیم نیز برای آبیاری مناسب نیست.

http://journal.eri.acecr.ir/en/Article/Download/52429

مرکز منطقه ای اطلاع رسانی علوم و فناوریپژوهش و فناوری محیط زیست2676-306011192026523Prediction of Landslide Susceptibility in the Polroud Watershed Using Machine Learning Methodsپیش‌بینی حساسیت به زمین‌لغزش حوزه آبخیز پلرود با روش‌های یادگیری ماشینfaمرضیه حیدریدانشجوی کارشناسی ارشد، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه گیلان، صومعه سرا، ایران0009-0003-4935-9487علیفضل الهی استادیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه گیلان، صومعه سرا، ایران0000000312521412سید پدرامنی‌نیوادکتری علوم و مهندسی آبخیزداری (حفاظت آب و خاک)، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران20251229Landslides are among the most significant geomorphological hazards, posing a serious threat to natural resources, infrastructure, and human settlements. The aim of this study was to perform landslide susceptibility zonation in the Polrud Watershed using machine learning algorithms and to evaluate their performance comparatively. For this purpose, three machine learning algorithms—Random Forest (RF), Support Vector Machine (SVM), and Decision Tree (DT)—were employed, and 19 landslide conditioning factors, categorized into topographic, hydrological, and environmental–anthropogenic groups, were utilized in the modeling process. The landslide inventory data were randomly divided into training (70%) and testing (30%) datasets for model evaluation. The performance of the models was evaluated using metrics including the Area Under the Curve (AUC), overall accuracy, sensitivity, specificity, precision, correlation coefficient (R), F1-score, CV-ROC, and Cohen's kappa coefficient. The results showed that the RF algorithm outperformed the other models in identifying the spatial pattern of landslide susceptibility and, by providing a more realistic distribution of high-susceptibility zones, classified approximately 24% of the watershed area as high susceptibility. Accordingly, the AUC value of 0.75 and CV-ROC of 0.97 indicate appropriate model stability, although the overall accuracy of 0.62 reveals the impact of data imbalance. In contrast, the SVM model showed a greater tendency to classify areas as low susceptibility, whereas the DT model exhibited lower stability. Variable importance analysis confirmed the prominent role of the morphometric indices TRI and TPI, as well as the hydrological variables SPI and CN, in controlling slope instability. Overall, the research results confirm the superiority of the RF algorithm and its greater efficiency and reliability in landslide susceptibility zonation.زمین&zwnj;لغزش یکی از مهم&zwnj;ترین مخاطرات ژئومورفولوژیکی است که تهدیدی جدی برای منابع طبیعی، زیرساخت&zwnj;ها و سکونتگاه&zwnj;های انسانی محسوب می&zwnj;شود. هدف این پژوهش، پهنه&zwnj;بندی حساسیت زمین&zwnj;لغزش در حوزه آبخیز پلرود با استفاده از الگوریتم&zwnj;های یادگیری ماشین و ارزیابی تطبیقی عملکرد آن&zwnj;ها بود. بدین منظور، سه الگوریتم جنگل تصادفی (RF)، ماشین بردار پشتیبان (SVM) و درخت تصمیم  (DT) به کار گرفته شد و 19 متغیر مؤثر در قالب عوامل توپوگرافی، هیدرولوژیکی و محیطی - انسانی در فرایند مدل&zwnj;سازی مورداستفاده قرار گرفت. داده&zwnj;های رخداد زمین&zwnj;لغزش به&zwnj;صورت تصادفی به دو بخش 70 درصد برای آموزش و 30 درصد برای ارزیابی مدل&zwnj;ها تقسیم شدند. عملکرد مدل&zwnj;ها با استفاده از شاخص&zwnj;هایی، شامل سطح زیر منحنی (AUC)، دقت کلی، حساسیت، ویژگی، صحت، ضریب همبستگی R، امتیاز F1، CV-ROC و ضریب کاپا ارزیابی شد. نتایج نشان داد الگوریتم RF نسبت به سایر مدل&zwnj;ها توان بالاتری در شناسایی الگوی مکانی حساسیت زمین&zwnj;لغزش داشته و با ارائه توزیع واقع&zwnj;بینانه&zwnj;تر از پهنه&zwnj;های پرخطر، حدود 24 درصد از مساحت حوضه را در کلاس حساسیت زیاد طبقه&zwnj;بندی کرد. لذا، مقدار AUC برابر 75/0 و CV-ROC برابر 97/0 بیانگر پایداری مناسب مدل است، هرچند دقت کلی 62/0 اثر نامتوازن بودن داده&zwnj;ها را نشان می&zwnj;دهد. در مقابل، مدل SVM گرایش بیشتری به طبقه&zwnj;بندی نواحی کم&zwnj;خطر داشت و مدل DT پایداری کمتری نشان داد. تحلیل اهمیت متغیرها نقش&zwnj;برجسته شاخص&zwnj;های مورفومتری TRI و TPI و متغیرهای هیدرولوژیکی SPI و CN را در کنترل ناپایداری دامنه&zwnj;ها تأیید کرد. در مجموع، نتایج پژوهش برتری الگوریتم RF و کارایی و قابلیت اطمینان بیشتر آن در پهنه&zwnj;بندی حساسیت زمین&zwnj;لغزش را تأیید می&zwnj;کند.

http://journal.eri.acecr.ir/en/Article/Download/52667