انجمن علمی مدیریت و کنترل مناطق بیابانی ایران مدیریت بیابان 2476-3985 13 4 2026 02 20 Predicting the Grazing Capacity of Mountainous Rangelands Using a Machine Learning Approach with Emphasis on Climate Change پیش بینی ظرفیت چرایی مراتع کوهستانی با رویکرد یادگیری ماشین با تاکید بر تغییر اقلیم 1 20 735552 10.22034/jdmal.2026.2081279.1522 FA محمدرضا نجیب زاده 1. دانش آموختۀ دکتری مرتعداری، گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران. 2. مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی آذربایجان شرقی، تبریز، ایران. حسین ارزانی استاد گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران. حمیدرضا کشتکار استادیار گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران. 0000-0001-5023-3118 شهرام خلیقی سیگارودی دانشیار گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران. جواد معتمدی دانشیار بخش تحقیقات مرتع، مؤسسه تحقیقات جنگل‌ها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران. Journal Article 2025 12 19 Mountain rangelands are vital for forage supply, biodiversity, and the carbon cycle. This research aimed to forecast the long-term grazing capacity of summer rangelands in the Arshad Chaman Kandovan Sahand area and assess climate change effects on vegetation production and cover. Data were gathered from six transects over 16 years (2006–2021). Vegetation measurements included canopy cover and forage yield across three palatability categories (I, II, III), along with soil surface conditions. Climate data—covering minimum, maximum, and average temperatures and precipitation—were sourced from Tabriz, Sahand, and Maragheh stations and analyzed with SPI and SPEI drought indices. GCM data were downscaled using SDSM under RCP scenarios. Machine learning models such as XGBoost, Random Forest, and Linear Regression then simulated grazing capacity. Results showed forage production decreased from 1250 kg/ha in 2006 to 1054 kg/ha in 2021, a 15.6% decline. Similarly, available forage reduced from 408.2 to 316.7 kg/ha, a 22.4% drop. Consequently, short-term grazing capacity fell from 7.3 to 5.7 Animal Unit Months per hectare (AUM/ha). For future projections, the XGBoost model (R² = 0.96) estimated a 3.5% decline by 2051, while the Random Forest model (R² = 0.85) predicted a 3.0% decrease. Based on these outcomes, reducing livestock numbers by about 20% by 2051 is recommended. Additionally, vegetation improvement programs—such as seeding and grazing management—should be implemented with local community participation, along with ongoing monitoring. مراتع کوهستانی، نقش کلیدی در تأمین علوفه، حفظ تنوع زیستی و تنظیم چرخه‌ کربن دارند. هدف پژوهش حاضر، پیش‌بینی ظرفیت بلندمدت چرایی مراتع ییلاقی منطقه ارشد چمن کندوان سهند و بررسی تأثیر تغییر اقلیم بر تولید و پوشش گیاهی بود. داده‌های میدانی طی دورۀ ۱۶ ساله از ۱۳۸۵ تا ۱۴۰۰، از شش نوار (ترانسکت) جمع‌آوری شدند. شاخص‌های پوشش گیاهی شامل درصد پوشش و تولید علوفه در سه طبقه خوشخوراکی I، II وIII و همچنین وضعیت سطح خاک اندازه‌گیری شدند. داده‌های اقلیمی شامل دمای کمینه، بیشینه و میانگین و بارش از ایستگاه‌های تبریز، سهند و مراغه استخراج و با شاخص‌های خشکسالی SPI و SPEI تحلیل شدند. داده‌های مدل‌های گردش عمومی جو با مدل SDSM و سناریوهای RCP ریز‌مقیاس‌سازی شد و برای شبیه‌سازی ظرفیت چرایی از مدل‌های یادگیری ماشین XGBoost، جنگل تصادفی و رگرسیون خطی بهره‌گیری‌شد. نتایج نشان داد تولید علوفه مرتع از kg/ha ۱۲۵۰ در سال ۱۳۸۵ به kg/ha۱۰۵۴ در سال ۱۴۰۰ کاهش یافته است که معادل کاهش 6/15% است و علوفه در دسترس نیز از 2/408 به kg/ha7/316 کاهش داشته است که معادل کاهش 4/22% است. در نتیجه، ظرفیت چرایی کوتاه‌مدت از 3/7 به 7/5 واحد دامی در هکتار در ماه کاهش یافت. در پیش‌بینی ظرفیت چرایی، مدل XGBoost با R² برابر 96/0کاهش 5/3% تا سال ۱۴۳۰ و خوارزمیک جنگل تصادفی با R² برابر 85/0 کاهش 3% را نشان داد. بر اساس این نتایج، پیشنهاد می‌شود تعداد دام تا سال ۱۴۳۰ حدود 20% کاهش یابد، طرح‌های غنی‌‌سازی پوشش گیاهی توسط عملیات اصلاح مرتع (مانند بذرپاشی و مدیریت چرا)، با مشارکت جوامع محلی اجرا و پایش مداوم ادامه یابد.

https://www.jdmal.ir/article_735552_21582bc63016189c7909e892f53bbba8.pdf