کاربرد آمار مکانی در ارزیابی تغییرات پوشش تاجی گونه مرتعی علف گوسفندی

نوع مقاله: پژوهشی

نویسندگان

1 - دانشجوی دکتری علوم مرتع، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

2 استادیار گروه مرتع و آبخیزداری، دانشکده فناوری کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

3 استاد گروه مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

چکیده

با توجه به وجود تغییرات مداوم در اکوسیستم­های طبیعی بویژه مراتع، تنوع عوامل تأثیرگذار و هزینه زیاد اندازه­گیری مستقیم، کاربرد تکنیک­های جدید در مطالعات مختلف ضروری می­باشد. در این تحقیق کارایی تکنیک­های آمار مکانی در ارزیابی تغییرات پوشش تاجی گونه Festuca ovina L. مورد بررسی قرار گرفت. پوشش تاجی با استفاده از پلات­های نمونه­برداری در 45 رویشگاه ثبت شد. سپس از روش معکوس وزنی فاصله و کریجینگ برای درونیابی و تخمین پوشش تاجی گونه مورد مطالعه با استفاده از نرم­افزارهایGS+5  و ArcGIS10 استفاده شد. نتایج نشان داد بهترین واریوگرام، واریوگرام نمایی و بهترین روش میانیابی روش کریجینگ ساده (SK) و معمولی (OK) در مقایسه با سایر روشها با توجه به ارزیابی صحت نقشه­های تهیه شده می­باشد. دامنه تاثیر درصد تاج پوشش گونه F .ovina (48300 متر) نزدیک به دامنه تاثیر برخی خصوصیات فیزیکی و شیمیایی خاک شامل اسیدیته عمق دوم (51500 متر)، ماده­آلی عمق دوم (47710 متر)، رس عمق اول، شن عمق اول و دوم (49400 متر) می­باشد. تغییرات مکانی خصوصیات ذکر شده خاک، درصد تاج پوشش گونه F. ovina را تحت تاثیر قرار داده و در فواصل بیشتر از دامنه تاثیر، وابستگی مکانی بین نمونه­ها وجود ندارد. به منظور بررسی روابط بین ویژگی­های ذکر شده خاک و درصد تاج پوشش گونه   F. ovina، فاصله بهینه نمونه­برداری را میتوان 47710 تا 49400 متر در نظر گرفت. نتایج این مطالعه نشان داد که از روش آمار مکانی می­توان در ارزیابی تغییرات پوشش تاجی گونه­های مرتعی استفاده کرد. 

کلیدواژه‌ها


کاربرد آمار مکانی در ارزیابی تغییرات پوشش تاجی گونه مرتعی علف گوسفندی

 

امیرحسین کاویان­پور[1]*، اردوان قربانی[2]، غلامعلی حشمتی[3]

تاریخ دریافت: 23/5/92          تاریخ پذیرش: 19/4/93

 

چکیده

با توجه به وجود تغییرات مداوم در اکوسیستم­های طبیعی بویژه مراتع، تنوع عوامل تأثیرگذار و هزینه زیاد اندازه­گیری مستقیم، کاربرد تکنیک­های جدید در مطالعات مختلف ضروری می­باشد. در این تحقیق کارایی تکنیک­های آمار مکانی در ارزیابی تغییرات پوشش تاجی گونه Festuca ovina L. مورد بررسی قرار گرفت. پوشش تاجی با استفاده از پلات­های نمونه­برداری در 45 رویشگاه ثبت شد. سپس از روش معکوس وزنی فاصله و کریجینگ برای درونیابی و تخمین پوشش تاجی گونه مورد مطالعه با استفاده از نرم­افزارهایGS+5  و ArcGIS10 استفاده شد. نتایج نشان داد بهترین واریوگرام، واریوگرام نمایی و بهترین روش میانیابی روش کریجینگ ساده (SK) و معمولی (OK) در مقایسه با سایر روشها با توجه به ارزیابی صحت نقشه­های تهیه شده می­باشد. دامنه تاثیر درصد تاج پوشش گونه F .ovina (48300 متر) نزدیک به دامنه تاثیر برخی خصوصیات فیزیکی و شیمیایی خاک شامل اسیدیته عمق دوم (51500 متر)، ماده­آلی عمق دوم (47710 متر)، رس عمق اول، شن عمق اول و دوم (49400 متر) می­باشد. تغییرات مکانی خصوصیات ذکر شده خاک، درصد تاج پوشش گونه F. ovina را تحت تاثیر قرار داده و در فواصل بیشتر از دامنه تاثیر، وابستگی مکانی بین نمونه­ها وجود ندارد. به منظور بررسی روابط بین ویژگی­های ذکر شده خاک و درصد تاج پوشش گونه   F. ovina، فاصله بهینه نمونه­برداری را میتوان 47710 تا 49400 متر در نظر گرفت. نتایج این مطالعه نشان داد که از روش آمار مکانی می­توان در ارزیابی تغییرات پوشش تاجی گونه­های مرتعی استفاده کرد.

 

واژه­های کلیدی: تغییرات پوشش­تاجی، ­آمار مکانی، کریجینگ،IDW،Festuca ovina.

 

 

 

 

 

 

 

 

 


مقدمه

تغییرات مداوم جزو لاینفک هر اکوسیستم است، مراتع نیز به عنوان اکوسیستمهای طبیعی دارای تغییرات هستند. پایش مرتع به مفهوم بررسی مستمر این اراضی با توجه به اهمیت اکولوژیک، کارکردهای اقتصادی و تغییرات دائمی ضروری است. گستردگی مراتع و تنوع عوامل تاثیرگذار در بروز تغییرات و هزینه زیاد اندازه­گیری مستقیم، بکارگیری فنون جدید را ایجاب می­نماید (1). تبدیل کاربری (تغییر مرتع به کاربری­های دیگر) بطور مستقیم با استفاده از تصاویر ماهواره­ای قابل ردیابی است (18)، ولی تغییرات در داخل همان کاربری مانند تغییرات کیفی ناشی از چرای مفرط دام، بوته­کنی و تخریب­های دیگر معمولا به سختی با استفاده از فن­آوری سنجش از دور قابل ردیابی است (16). با ارزیابی و بررسی خصوصیات انعکاس طیفی طول موجهای مختلف امکان تفکیک طبقات مختلف کاربری میسر می­گردد. به­طور مثال تغییرات انعکاس طیفی رویشگاه­های مرتعی به غیر مرتعی از جمله خصوصیاتی است که نوع کاربری و میزان تغییرات پوشش گیاهی را نشان می­دهد. آشکارسازی تغییرات پوشش و کاربری اراضی را با استفاده از تصاویر ETM+ و TM ماهواره لندست برای ٥ شهر در منطقه کوانگ ژو[4] چین انجام شد (5). در ایران در دو دهه گذشته تلاش­های قابل توجهی در ارتباط با استفاده از داده­های سنجش از دور در بررسی­های مختلف منابع زمینی از جمله تغییرات کاربری­ها و پوشش­گیاهی انجام گرفته است. اما این تکنیک به علت فقدان تصاویر جدید و به روز ماهواره­ای و ناتوانی آنها در تحلیل تغییرات صورت گرفته در ایران دارای معایب زیادی است. در چند سال اخیر تکنیک­های جدیدی مانند آمار مکانی با داشتن قابلیت­های زیاد مدنظر کارشناسان در حوزه­های مختلف مطالعات منابع طبیعی بوده و می­توان با کاربرد آن در نواحی مختلف به محاسن و معایب آن پی برد.

زمین آمار ابزاری قوی برای بررسی تغییرات مکانی است که قادر به ارایه مجموعه وسیعی از تخمینگرها به منظور برآورد ویژگی موردنظر در مکان­های نمونه­برداری نشده با استفاده از اطلاعات حاصل از نقاط نمونه­برداری شده است (20). تحلیل نتایج در آمار کلاسیک مبنی بر مستقل بودن نمونه­ها از یکدیگر است و بنابراین وجود یک نمونه هیچ گونه اطلاعی در مورد نمونه بعدی بدست نمی‏دهد، نمونه­هایی که به عنوان معرف جامعه در نظر گرفته می­شوند مستقل از سایر نمونه­ها بوده و وابستگی مکانی ندارند. اما در زمین آمار، نمونه‌ها مستقل از یکدیگر در نظر گرفته نمی‌شوند، بلکه نمونه‏های مجاور تا فاصله معینی بطور مکانی به هم وابستگی دارند و می‏توان وابستگی بین نمونه‏ها را به صورت مدل ریاضی تغییرنمای مکانی بیان کرد (4(. بنابراین روش­های آمار مکانی به دلیل در نظر گرفتن همبستگی و ساختار مکانی داده­ها از اهمیت زیادی برخوردار هستند. اصل اولیه در زمین­آمار این است که شباهت مقادیر یک متغیر ناحیه­ای با افزایش فاصله کاهش می­یابد و یا به عبارت ساده­تر نمونه­های نزدیک شباهت بیشتری به هم دارند تا نمونه­های دورتر (8(. همچنین دارای توانایی تهیه نقشه­های کمی با دقت معلوم در مورد خواص خاک (12)، رواناب و رسوب (13) و احتمالا تغییرات تولید و پوشش گیاهی در گیاهان می­باشد. در تحقیقی که به منظور بررسی تغییرات مکانی تراکم گونه Convolvulus arvensis در جنوب اسپانیا با استفاده از روش آمار مکانی انجام شده است، به این نتیجه رسیدند که نقشه­های به دست آمده توسط کریجینگ برای پهنه­بندی تراکم گونه فوق از دقت بالایی برخوردار است (10). Ghanbari (2008) در تحقیقی حجم و تراکم درختان جنگل شصت­کلاته گرگان را با استفاده از آمار مکانی و GIS بررسی نمود و نتیجه گرفت که این خصوصیات از ساختار مکانی متوسطی برخوردارند و استفاده از روش­های ­آمار مکانی در بهبود دقت آماربرداری­ها می­تواند موثر واقع شود.

بنابراین به نظر می­رسد برای تعیین تغییرات پارامترهای پوشش گیاهی از جمله درصد تاج پوشش، استفاده از ابزارهای مناسب با دقت کافی از اولویت برخوردار باشد. استفاده از روش­های آمار مکانی و مدلسازی عوامل موثر در این تغییرات منجر به ارزیابی­های بهتر و در نتیجه دقت بیشتر در تعیین پارامترهای مذکور می­گردد. با توجه به اهمیت گونه Festuca ovina  از نظر تولید علوفه و حفاظت خاک و مقاومت به چرا و سرمای شدید و پراکنش وسیع در سطح کشور بخصوص در منطقه سبلان (7) که در 15 تیپ از 18 تیپ یکی از گونه­های غالب محسوب می­شود؛ همینطور با توجه به کمبود اطلاعات در ارتباط با تغییرات پوشش تاجی این گونه در منطقه مورد مطالعه، تحقیق حاضر با هدف بررسی قابلیت تکنیک آمار مکانی در وضعیت پراکنش این گونه، تعیین فاصله بهینه نمونه­برداری به منظور تعیین درصد تاج پوشش این گونه و تغییرات پوشش تاجی این گونه انجام شده است. علیرغم اینکه بخش وسیعی از اراضی کشور ایران دارای پوشش گیاهی مرتعی است و با توجه به اینکه این اراضی نقش بسیار مهمی در حفاظت آب و خاک از یک سو و همچنین تولید علوفه، غذا و انرژی از سوی دیگر دارند، ولی مطالعات چندانی در زمینه تغییرات مکانی گیاهان مرتعی صورت نگرفته است و بیشتر مطالعاتی که به این مقوله پرداخته است در زمینه گیاهان زراعی و جنگلی بوده است. با توجه به کاربرد محدود علم آمار مکانی در مطالعات حوزه آبخیز در زمینه تغییرات مکانی داده­های محیطی علی­رغم مزایایی مانند آسانی اندازه­گیری (اندازه­گیری طول و عرض جغرافیایی در کنار متغیر مورد مطالعه)، کاهش هزینه­های تحقیق با تعیین فاصله بهینه نمونه­برداری همچنین امکان تهیه نقشه این متغیرها، این مطالعه به اهمیت ترکیب این علم با سایر روشهای رایج در مطالعات منابع طبیعی تأکید دارد.

 

مواد و روش­ها

منطقه مورد مطالعه:

حوزه آبخیز بالخلوچای در محدوده ارتفاعی 1150 تا 2700 متر از سطح دریا در مختصات جغرافیایی ʹ45 °47 تا ʹ23 °48 طول شرقی وʹ51 °37 تا ʹ22 °38 عرض شمالی قرار دارد. این حوزه از نظر عوامل اکولوژیکی زنده و غیر زنده، بهره­برداری و چگونگی انتشار گونه مورد مطالعه به چهار واحد رویشی اصلی قابل تفکیک است (شکل 1).

الف) واحد رویشی بخش دشتی و دامنه­های پائین با شیب کمتر از 12 درصد (در محدوده ارتفاعی 1150 تا 1500 متر از سطح دریا) که عمدتاً به اراضی زراعی آبی، دیم و مسکونی و صنعتی تغییر کاربری داده است.

ب) واحد رویشی تپه ماهوری حد واسط بین منطقه دشتی و کوهستان سبلان (در محدوده ارتفاعی 1500 تا 2500 متر از سطح دریا) با شیب متنوع و خاک نسبتا عمیق، که دامنه­های منظم آن تبدیل به کاربری زراعی دیم شده است و فقط در دامنه­های نامنظم به حالت طبیعی باقیمانده است.

ج) منطقه کوهستانی که عمدتاً از ارتفاع 2500 متری شروع و تا ارتفاع 3600 متری گسترش دارد. با توجه به محدویت­های ارتفاع، دما و شیب برای کاربری کشاورزی از تبدیل اراضی در امان بوده و عمدتاً به کاربری مرتع اختصاص دارد. این عرصه یکی از منابع اصلی مناطق ییلاقی عشایر مغان بوده و مورد بهره­برداری قرار می­گیرد.

د) واحد رویشی کوهستان مرتفع بالاتر از 3600 متر از سطح دریا که تحت عنوان اثر طبیعی ملی سبلان توسط سازمان محیط زیست در نظر گرفته شده است.

 

 

 

شکل 1- موقعیت منطقه در استان اردبیل و نقشه­ی موقعیت سایت­های مورد مطالعه و پراکنش گونه F.ovina در سطح حوزه (7)

 

 

روش تحقیق:

در داخل رویشگاه­ها بر اساس وسعت و شرایط پوشش گیاهی جمعاً تعداد 45 رویشگاه انتخاب شد. به گونه­ای که جاده دسترسی داشته و سطوح مرتعی متفاوت را دربرگیرد. در داخل رویشگاه­های تعیین شده 3 قطعه نمونه (پلات) بزرگ 10×10 متری در طول ترانسکت 120 متری از پائین دامنه تا ارتفاعات که فاصله هر قطعه نمونه از همدیگر 40 متر بوده است، انتخاب شد (طول ترانسکت و ابعاد قطعات نمونه بسته به شرایط پوشش تعیین گردید). اندازه­گیری پوشش تاجی با استفاده از قطعه نمونه­های با ابعاد کوچک (60×25 سانتی­متر) در داخل قطعه نمونه وسطی صورت گرفت و از قطعه نمونه­های پائین و بالا برای کنترل استفاده شد. محل نمونه­برداری و گونه­های مورد نظر در داخل قطعه نمونه­ها جهت مراجعات بعدی با استفاده از رنگ علامت گذاری شد. بنابراین در 45 نقطه اطلاعات تاج پوشش گونه مورد مطالعه ثبت شد. نمونه برداری خاک نیز در سطح 45 رویشگاه، در عمق­های 0 تا 15 و 15 تا 30 سانتی­متری از داخل ماکروپلات­های (10×10 متری) مرکزی برداشت شد و در آزمایشگاه خاک عناصر فسفر، پتاسیم، اسیدیته، ماده آلی و بافت خاک اندازه گیری شد. موقعیت پلات­ها به صورت لایه نقطه­ای به محیط GIS منتقل و اطلاعات پوشش تاجی گونه مورد مطالعه به آن اضافه شد و سپس با استفاده از نرم­افزارهایGS+5  و ArcGIS10 تجزیه و تحلیل­ها انجام شد.

 

اندازه‏گیری ویژگی­های خاک:

نمونه­های خاک پس از خشک شدن در هوای آزاد، از الک دو میلیمتری عبور داده شدند. سپس آزمایشات مختلف بر روی آنها انجام گرفت. بافت خاک از روش هیدرومتری (9)، اسیدیته در گل اشباع با الکترود pH متر (19)، کربن آلی از روش والکلی- بلاک (21) و درصد ماده آلی نیز با ضرب عدد کربن آلی در عدد 72/1 به دست آمد (21). فسفر در عصاره خاک به روش اولسن با دستگاه اسپکتروفتومتر (22)، پتاسیم قابل جذب و سدیم بعد از استخراج با استات آمونیوم 1 نرمال با اسیدیته 7 اندازه­گیری شد (15).

 

تجزیه و تحلیل مکانی داده‌ها:

از آنجا که توسعه مدل­هایی با حداقل پارامترهای قابل دسترس مورد تاکید پژوهشگران در عرصه های مختلف است، بنابراین در این مطالعه سعی شد تا با به کارگیری مدل های نوین هوشمند و وارد کردن اطلاعات طول و عرض جغرافیایی نقاط برداشت تاج پوشش گیاهی به عنوان ورودی مدل، تخمین ویژگی مورد نظر در نقاط نمونه­برداری نشده صورت گیرد.

در مطالعات زمین­آماری استفاده از داده‏های غیر نرمال ممکن است منجر به نوسان زیاد در تغییرنماها شود و این موضوع سبب کاهش قابلیت اعتماد نتایج می­گردد، بنابراین در صورت نرمال‏ بودن داده‏ها تخمین­های آمار مکانی از دقت بیشتری برخوردار خواهند بود (20). نرمال بودن داده­ها با استفاده از آزمون کولموگروف- اسمیرنوف انجام شد. زمین آمار بر پایه­ی همبستگی مکانی بین مشاهدات استوار است و این چنین همبستگی مکانی را می­توان به وسیله­ی یک مدل ریاضی که تغییرنما نامیده می­شود، بیان کرد. در حقیقت تغییرنما یا  تابعی است که ساختار تغییرات مکانی یک متغیر را توصیف می­نماید و به صورت زیر تعریف می­شود (11).

 

که y(h) نیمه واریانس برای فاصله h و N(h) تعداد زوج نقاط مجزا شده با فاصله گام h Z(xi) وz (xi+h)  مقادیر متغیر اندازه‏گیری شده Z به ترتیب در موقعیت های مکانی I و i+h هستند.

در مرحله­ی بعد برای درون­یابی مکانی و تهیه نقشه مکانی از دو روش کریجینگ و معکوس وزنی فاصله[5] استفاده ‌شد. به طور کلی کریجینگ یک برآورد کننده آماری است که در طی آن به هر یک از مشاهدات، وزن آماری نسبت داده می­شود که ترکیب خطی آنها نااریب شده و حداقل واریانس برآورد را دارا است (14) و به ‌دلیل حداقل کردن واریانس خطا با برآورد نااریب، رایج­ترین روش برآورد زمین آماری است و کاربرد زیادی دارد (23).

 

که در آن  وزن متغیر در نقاط اندازه‏گیری شده و (Z(xi وزن متغیر در نقاط اندازه‏گیری نشده است. پارامترهای واریوگرام با استفاده از نرم­افزار GS+5 (Gamma Design Software, MI,USA) که توانایی قابل توجه و چارچوب ساده و قابل درک­تری را دارا می­باشد استخراج و پهنه بندی مکانی و تهیه نقشه­ها با استفاده از نرم­افزار ArcGIS10 که در مقایسه با نرم­افزار قبلی در این ارتباط از کارایی بالاتری، بخصوص از نظر انواع کریجنگ و کوکریجنگ دارا می باشد انجام شد. برای ارزیابی نتایج به دست آمده، از خطای برآورد (ریشه دوم میانگین مربعات)[6] بین مقادیر مشاهداتی و مقادیر تخمین زده شده استفاده شد (25).

 

 نتایج

تجزیه و تحلیل مکانی خصوصیات خاک و درصد تاج پوشش گونه F. ovina:

مدل‏ معرفی شده در جدول 1، به علت داشتن ساختار بهتر از بین تمامی مدل‌های برازش شده، انتخاب شد. تغییرنمای حاصل از تاج پوشش گونه F. ovina در شکل 2 نشان داده شده است. نتایج نشان داد تاج پوشش گونه   F. ovina وابستگی مکانی نسبتا خوبی در منطقه دارند. جدول 2 و شکل 3 نتایج میانیابی را در منطقه مورد مطالعه نشان می­دهند.تجزیه و تحلیل مکانی خصوصیات خاک در دو عمق 15-0 و 30-15 سانتی­متر نیز در جدول 3 نشان داده شده است.

 

 

 

 

 


فاصله (متر)

 

 

شکل 2- تغییرنمای حاصل از تاج­پوشش گونه F. ovina

 

جدول 1- عامل­های مدل اعمال شده به تغییرنما برای درصد تاج­پوشش گونه F. ovina

               متغیر                 

مدل تغییرنما

C0

C0+C

 C0/C0+C(درصد)

کلاس وابستگی مکانی

 (متر) A0

R2

درصد تاج پوشش

نمایی

154

001/498

92/30

متوسط

48300

439/0

   C0: اثر قطعه­ای، C0+C: سقف، C0/C0+C: نسبت همبستگی، A0: دامنه­ی تأثیر

 

جدول 2- نتایج روش­های مختلف میانیابی

روش

طول گام (متر)

 مدل واریوگرام

توان

ناهمسانگردی

RMSE

IDW

-

-

514/2

-

39/11

Ordinary Kriging

5000

نمایی

-

دارد

27/10

Simple Kriging

5000

نمایی

-

دارد

18/10

 

الف

 

 

درصد

 

 

ج

 

ب

 

 

ج

 

 

شکل 3- نقشه­های میانیابی تاج پوشش گونه F. ovina در منطقه مورد مطالعه (الف)، روش معکوس وزنی فاصله؛ (ب)، روش کریجینگ معمولی؛ (ج)، روش کریجینگ ساده

 

جدول 3- عامل­های مدل اعمال شده به تغییرنما برای ویژگیهای خاک در دو عمق 15-0 و 30-15سانتی­متر

متغیرها

مدل واریوگرام

C0

C0+C

(متر) A0

R2

اسیدیته (15- 0 سانتی­متر)

خطی

114/0

262/1

57800

288/0

اسیدیته (30- 15 سانتی­متر)

خطی

224/0

554/1

51500

395/0

پتاسیم قابل جذب (15- 0 سانتی­متر)

کروی

45290

116743

10000

229/0

پتاسیم قابل جذب (30- 15 سانتی­متر)

خطی

31250

130567

11320

060/0

فسفر کل (15- 0 سانتی­متر)

نمایی

6/20

53/454

87890

501/0

فسفر کل (30- 15 سانتی­متر)

نمایی

1/0

116/467

79400

53/0

ماده آلی (15- 0 سانتی­متر)

نمایی

93/0

295/12

61750

542/0

ماده آلی (30- 15 سانتی­متر)

نمایی

8/0

458/11

47710

564/0

شن (15- 0 سانتی­متر)

خطی

4/90

375/294

49400

311/0

شن (30- 15 سانتی­متر)

خطی

7/101

966/368

49400

42/0

سیلت (15- 0 سانتی­متر)

خطی

8/51

431/156

84900

065/0

سیلت (30- 15 سانتی­متر)

نمایی

26/31

742/125

31800

291/0

رس (15- 0 سانتی­متر)

خطی

18/52

69/136

49400

276/0

رس (30- 15 سانتی­متر)

خطی

1/71

45/214

37000

167/0

 


 

بحث و نتیجه­گیری

 

 


مدل مناسب برازش شده به تاج پوشش گونه F. ovinaنمایی است که جزو مدل­های سقف دار بوده و نمایانگر وجود ساختار فضایی و وابستگی مکانی متغیر مورد مطالعه است. بزرگی قابل ملاحظه دامنه تأثیر به این علت است که ابعاد منطقه مورد مطالعه بزرگ بوده و نمونه­ها به صورت تصادفی و ناهمگن برداشت شده­اند. به طور معمول نسبت اثر قطعه‏ای به سقف می‌تواند برای طبقه‌‌بندی وابستگی مکانی ویژگی­های مورد مطالعه استفاده شود (17). اگر این نسبت کمتر از 25/0 باشد وابستگی مکانی قوی، بین 25/0 تا 75/0 باشد وابستگی متوسط و اگر بیشتر از 75/0 باشد وابستگی ضعیف است (2). با توجه به وسعت بالای منطقه مورد مطالعه، درصد تاج پوشش گونه F. ovina وابستگی مکانی متوسط و قابل قبول در منطقه داشته است که بسیار قابل توجه بوده و مطالعات بیشتری را می­طلبد. با توجه به نقشه ها که نتایج واریوگرافی درصد تاج پوشش گونه F. ovina  را نشان می­دهد، می­توان گفت که ساختار مکانی نسبتاً خوبی بین درصد تاج پوشش این گونه در منطقه مورد مطالعه وجود دارد. در این مطالعه واریوگرام نمایی بهترین واریوگرام تشخیص داده شد و همچنین بهترین روش میانیابی روش کریجینگ معمولی و ساده و به دلیل کمتر بودن خطای برآورد (ریشه دوم میانگین مربعات) این روشها نسبت به روشهای دیگر تشخیص داده شد. لذا با توجه به این روشها و نقشه­های حاصله، از شمال شرق حوزه به جنوب غرب درصد تاج پوشش گونه مورد مطالعه افزایش می­یابد و بیشترین تاج پوشش در جنوب غرب حوزه واقع شده و کمترین آن در شمال شرق در بخش خروجی حوزه که با مشاهدات زمینی و اصول اکولوژیکی نیز مطابقت دارد (شکل 1). این خود بیانگر این است که در مقیاس­های محلی روشهای آمار مکانی بهتر جواب می­دهند. بنابراین بهتر است در بخشهای جنوب غربی که پراکنش این گونه وسیع است یا در بخش شمال غربی حوزه که گونه مورد مطالعه پراکنش همگنی دارد، با انتخاب روشهای مناسب نمونه­برداری و تعیین درصد تاج پوشش، تغییرات پوشش تاجی این گونه را بررسی نموده و نتایج خوبی بدست آورد. بخصوص اگر نمونه­برداری­ها توام با نمونه­گیری از خاک انجام شود، آنگاه با تعیین همبستگی بین خصوصیات خاک و درصد تاج پوشش این گونه می­توان فاکتورهای خاکی تاثیرگذار در تغییرات مکانی درصد تاج پوشش این گونه را تشخیص داد و با نتایجی که از پارامترهای مدل اعمال شده به تغییرنما بخصوص دامنه تاثیر به دست می­آید، فاصله بهینه نمونه­گیری به منظور تعیین درصد تاج پوشش گونه فستوکا را تعیین نمود، چون در فواصل بیشتر از دامنه تاثیر نمونه­ها هیچگونه وابستگی مکانی با هم ندارند (11).

Dowling et al.,(1986)در بررسی که در کوئینزلند انجام دادند، مشاهده کردند که با افزایش­ فاکتورهایی از قبیل ماده­آلی، ازت، گوگرد، پتاسیم، فسفر، کلسیم تبادلی و عمق خاک، درصد پوشش تاجی گونه مورد مطالعه ایشان افزایش می­یابد. Tahmasebi (2003) در مطالعه بر روی ارتباط پوشش گیاهی با فاکتورهای خاکی، به این نتیجه رسید که از بین فاکتورهای خاکی فسفر، رس، اسیدیته و هدایت الکتریکی بیشترین اثر را بر پوشش تاجی و تراکم گونه­ها داشتند. در چنین مطالعاتی می­توان با تعیین اثرگذارترین فاکتورهای خاک بر درصد تاج­پوشش گونه مورد مطالعه، تحلیل آمار مکانی متغیرها را نیز انجام داد و دامنه تاثیر متغیرهای خاکی مورد مطالعه را که نزدیک به درصد تاج پوشش گونه بوده است، فاصله بهینه نمونه­گیری برای برآورد گونه مورد مطالعه لحاظ کرد. با توجه به نتایج تجزیه و تحلیل مکانی خصوصیات خاک (جدول 3)، در بین خصوصیات خاکی مطالعه شده در این تحقیق، برخی ارتباط نزدیکی با درصد تاج پوشش گونه فستوکا دارند. دامنه تاثیر درصد تاج پوشش این گونه (48300 متر) نزدیک به دامنه تاثیر اسیدیته عمق دوم (51500 متر)، ماده آلی عمق دوم (47710 متر)، رس عمق اول، شن عمق اول و دوم (49400 متر)      می­باشد. لذا می­توان اینگونه بیان کرد که تغییرات مکانی خصوصیات ذکر شده خاک، درصد تاج پوشش گونه F. ovina را بیشتر تحت تاثیر قرار می­دهد و با توجه به اینکه در فواصل بیشتر از دامنه تاثیر نمونه­ها هیچگونه وابستگی مکانی با هم ندارند، به منظور بررسی روابط بین ویژگی­های ذکر شده خاک و درصد تاج پوشش گونه F. ovina، فاصله بهینه نمونه برداری را می­توان 47710 تا 49400 متر در نظر گرفت.

با توجه به نتایج این تحقیق در منطقه با چنین وسعتی، تعداد نقاط نمونه­گیری باید افزایش یابد و حداقل 300 نمونه مورد استفاده قرار گیرد. علاوه بر این باید حداقل 50 نقطه نمونه گیری اضافی انجام گیرد تا بررسی صحت و دقت (Cross validation) به صورت کامل انجام گیرد. مطالعات مختلف نشان می­دهند که فاصله نقش تعیین کننده­ای در نتایج آنالیزهای آمار مکانی دارد، بنابراین نیاز است تحقیقات مشابه در مقیاس­های متفاوت با این تحقیق انجام گیرد. در مناطقی که پوشش تاجی از تغییرات زیادی برخوردارند نیاز است با انتخاب رویشگاه­های همگن با توجه به جهت دامنه، شیب و ... همچنین انتخاب شبکه منظم نمونه برداری به نتایج مطلوب­تری دست یافت. همچنین میتوان پیش­فرض­های مختلفی را برای فواصل نمونه­برداری مثلا 50×50 متر، 100×100 متر و 1000× 1000 متر در نظر گرفت و با توجه به نتایج تحلیل­های آمار مکانی، در مورد فاصله بهینه نمونه­برداری با توجه به دامنه تاثیر قضاوت کرد. بطور مثال در تحقیق (2012) Kavianpoor et al., تعداد 110 نمونه خاک به صورت مرکب از عمق 0 تا 30 سانتی­متری خاک بر روی شبکه منظم 30×30 متر مربعی در مرتع ییلاقی نشو برداشت شد و آنالیز­های آمار مکانی برای نشان دادن وابستگی مکانی 18 ویژگی‏ فیزیکی و شیمیایی خاک انجام شد و با استفاده از روش درون­یابی نقشه توزیع مکانی این ویژگی‏ها تهیه گردید و فاصله بهینه نمونه­برداری به منظور برآورد خصوصیات خاک در منطقه مشخص شد. همچنین نتایج قابل قبولی در زمینه برآورد رواناب و هدررفت ­خاک در مراتع با استفاده از تکنیک آمار مکانی توسط Kavianpoor et al., (2013) بدست آمده است، با تعیین پارامترهای خاکی تاثیرگذار بر خصوصیات رواناب و هدررفت خاک؛ با تجزیه و تحلیل­های آمار مکانی فاصله بهینه نمونه­برداری از خصوصیات خاک و رواناب و هدررفت خاک جهت برآورد این متغیرها در منطقه تعیین شد.

به نظر می­رسد می­توان از این تکنیک در تعیین فواصل بهینه نمونه­برداری از خصوصیات پوشش گیاهی که در طول زمان از تغییرات کمتری برخوردارند استفاده نمود. در ارتباط با منطقه مورد مطالعه می­توان گفت چون مراتع سبلان از ثبات اقلیمی برخوردار بوده (بارندگی و دما فاکتورهای اصلی تغییر در پوشش گیاهی نیستند) و از الگوی توالی مرتع پیروی می­کند، آنچه اکوسیستم را تحت تاثیر قرار می­دهد عوامل زنده مثل جمعیت دام چرا کننده است که ترکیب، تاج پوشش گیاهی و تولید را تحت تاثیر قرار می­دهد. ثبات عوامل اکولوژیکی نیاز به ثبات مدیریتی را طلب می­کند. با اعمال مدیریت صحیح به ثبات اقتصادی و اجتماعی نیز دست خواهیم یافت. لازمه آسان کردن مدیریت و افزایش تولید، کاهش ناهمگنی مکانی و زمانی در تولید علوفه می­باشد. با توجه به اهمیت گونه F. ovina در حفاظت آب و خاک همچنین از نظر تغذیه دام، در حال حاضر وضعیت این گونه در ساختار ترکیب و تراکم گونه­ای عرصه مورد مطالعه نگران کننده است بطوری­ که در بخش­هایی کاملا حذف و در مناطق دیگر کاملا تحت تأثیر شدت بهره­برداری قرار گرفته که هم از نظر ترکیبی و هم از نظر تراکمی روند قهقرایی را طی می­کند. بنابراین استفاده از روشهای جدید برای ارزیابی تغییرات پوشش گیاهی گونه­های مرتعی منطقه مورد مطالعه برای مدیریت صحیح امری ضروری به نظر می­رسد. نیاز است تحقیقات مشابهی در نقاط مختلف کشور بر روی سایر گونه­های مرتعی، خصوصیات دیگر پوشش گیاهی از جمله تولید و تراکم و با لحاظ کردن فاکتورهای خاک، به منظور دستیابی به نتایج کاربردی در این زمینه و مقایسه نتایج به دست آمده صورت گیرد.

 

 

References

1-Arzani, H., S.H. Kaboli, H. Mirdavoudi, M. Farahpour, M.S. Azimi, 2008. Reliability of ETM+ and TM data for estimating vegetation cover of arid areas rangelands (case study Markazi province of Iran). Iranian Journal of Range and Desert Research 15 (3): 320-347.

2-Cambardella, C.A., T.B. Moorman, T.B. Parkin, D.L. Karlen, R.F. Turco, A.E. Konopka, 1994. Field scale variability of soil properties in Central Iowa soils. Soil Science Society of America Journal. 58: 1501-1511.

3-Dowling A.J., A.A. Webb, J.C. Scanlon, 1986. Surface soil chemical and physical patterns in a brig low-Dawson gum forest, central Queensland. Journal. of Ecology 11(2):155-162.

4-Einax, J.W., U. Soldt, 1999. Geostatistic and multivariate statistical methods for the assessment of polluted soil-merits and limitations. Chemometrica and Intelligent Laboratory System 49:79-91.

5-Fan, F., Q. Wang., Y. Wang, 2007. Land use and land cover change in Guangzhou, China, from 1998 to 2003, based on Landsat TM/ETM+ imagery. Sensors 7: 1323-1342.

6-Ghanbari, F, 2008. Predicting the spatial distribution of forest allometric characteristics using geostatistics and GIS. MSc Thesis. Gorgan University of agricultural sciences and natural resources, 160 pp.

7-Ghorbani, A., J. Sharifi, A.H. Kavianpoor, B. Malekpour, F. Aghche Gheshlagh, 2013. Iranian Journal of Range and Desert Research 20 (2): 379-396.

8-Goovaerts, P., 1997. Geostatistics for natural resources evaluation. Oxford University Press, New York. 483 pp.

9-Jacob, H., G. Clarke, 2002. " Methods of  Soil Analysis, Part 4, Physical Method", Soil Science Society of America, Inc, Madison, Wisconsin, USA, 1692 pp.

10-Jurado-Exposito, M., F. Lopez-Granados, J.L. Gonzalez-Andujar, L. Garcia-Torres, 2005. Spatial and temporal analysis of Convolvulus arvensis L. populations over four growing seasons. European Journal Agronomy 21 (4): 287–296.

11-Hasani pak, A., 2007. Geostatistics, Tehran University Press, 314 pp. (In Persian)

12-Kavianpoor, A.H., A. Esmali Ouri, Z. Jafarian Jeloudar, A. Kavian, 2012. Spatial Variability of Some Chemical and Physical Soil Properties in Nesho Mountainous Rangelands, American Journal of Environmental Engineering 2(1): 34-44.

13-Kavianpoor, A.H., A. Esmali Ouri, Z. Jafarian Jeloudar, A. Kavian, 2013. Investigation on variability of runoff and soil loss in summer rangeland of Nesho in Mazandaran province, Iran-Watershed Management Science & Engineering 21: 59-66.

14-Kumke, T., A. Schoonderwaldt, U. Kienel, 2005. Spatial variability of sedimentological properties in a large Siberian lake, Aquatic Sciences 67: 86–96.

15-Knudsen, D., G.A. Peterson, P.F. Pratt, 1982. Lithium, sodium, potassium. In Methods of soil analysis, part 2, ed. A. L. Page. Madison, Wisc.: ASA-SSSA.

16-Lefsky, M.A., W.B. Cohen, 2003. Selection of remotely sensed data. In M.A. Wulder and S.E. Franklin (editors), Remote Sensing of Forest Environments: Concepts and case studies, Kluwer Academic Publishers, Boston, USA. 13–46p.

17-Li, H.B. & J.F. Reynolds, 1995. ‘On definition and quantification of heterogeneity’, Oikos73, 280–284.

18-Lu, D., P. Mausel, E. Brondi'Zio, E. Moran, 2004. Change detection techniques. International Journal of Remote Sensing 25: 2365–2407.

19-McLean, E.O., 1982. Soil pH and lime requirement. In Methods of soil analysis, part 2, ed. A. L. Page. Madison, Wisc.: ASA-SSSA.

20-Mohammadi, J., 2006. pedometery (spatial statistics), Pelk Press, 453 pp. (In Persian)

21-Nelson, D.W., L.E. Sommers, 1982. Total carbon and organic matter. In Methods of soil analysis, part 2, ed. A. L. Page. Madison, Wisc.: ASA-SSSA.

22-Olsen, S.R., L.E. Sommers, 1982. Phosphorus. P. 403- 430. In A. L. Page (ed), Methods of soil analysis, Agron. No. 9, Part 2: Chemical and microbiological properties, 2nd ed., Am. Soc. Agron., Madison, WI, USA.

23-Polhaman, H., 1993. Geostatistical modeling of environment data. Catena 20:191-198.

24-Tahmasebi, A., 2003. Study of Vegetation Cover and Soil in Relation to Geomorphology Units Watershed using GIS. Thesis submitted for MSc. Tarbiat modarres University. 67 Pp.

25-Webster, R. & M.A. Oliver, 2000. Geostatistics for Environmental Scientists. John Wiley and sons, Brisbane, Australia. 271pp.

 

 

 

 


Application of spatial statistic in assessing canopy cover variation of rangeland plant species of sheep fescue

 

A. Kavianpoor[7]*, A. Ghorbani[8], G. A. Heshmati[9]

 

Abstract

According to the continuous changes in natural ecosystems, particularly rangelands, and variety of affecting factors and the cost of direct measurement, the application of new techniques in different studies is necessary. In this study the capability of spatial statistical techniques in the assessment of canopy cover variation of Festuca ovina L. species was investigated. Canopy cover was recorded using plots at 45 sites. Then Inverse Distance Weighted (IDW) and Kriging were used for interpolating and estimating of F. ovina canopy cover using GS+5 and ArcGIS10. Results showed that the best variogram was exponential, and simple and ordinary Kriging were the best interpolation methods in comparison with the other methods according to the results maps accuracy assessments. Effective range of F.ovina canopy cover (48300 meter) is close to some chemical and physical soil properties including, acidity in the second depth (51500m), and organic matter in the second depth (47710m), clay in the first depth and sand in the first and second depths (49400m). Spatial variability of mentioned soil characteristics have affected the percentage of F. ovina canopy cover and at the distance greater than effective range, samples have no spatial dependence. To investigate the relationships between mentioned soil characteristics and canopy cover of F. ovina, and the optimal sampling interval can be considered between 47710 to 49400 meters. Results of this study show that spatial statistic can be used for evaluating canopy cover of rangeland species variability.

 

Key Words: Canopy cover changes, spatial statistic, Kriging, IDW, Festuca ovina.

 



[1]- دانشجوی دکتری علوم مرتع، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

* نویسنده مسئول:  Email:   Kavianpoor.a@gmail.com

[2]- استادیار گروه مرتع و آبخیزداری، دانشکده فناوری کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

[3]- استاد گروه مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

[4]-Guangzhow

1- Inverse Distance Weighting

2- Root Mean Square Error                  

*1- Ph.D Student of Range Management, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran.  Kavianpoor.a@gmail.com

2- Assistant Professor, Dept. of Range and watershed Management, Faculty of Agricultural Technology and Natural Resources, University of Mohaghegh Ardabili, Ardabil, Iran

3- Profesor, Dept. of Range and watershed Management; Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran

 

  

کاربرد آمار مکانی در ارزیابی تغییرات پوشش تاجی گونه مرتعی علف گوسفندی

 

امیرحسین کاویان­پور[1]*، اردوان قربانی[2]، غلامعلی حشمتی[3]

تاریخ دریافت: 23/5/92          تاریخ پذیرش: 19/4/93

 

چکیده

با توجه به وجود تغییرات مداوم در اکوسیستم­های طبیعی بویژه مراتع، تنوع عوامل تأثیرگذار و هزینه زیاد اندازه­گیری مستقیم، کاربرد تکنیک­های جدید در مطالعات مختلف ضروری می­باشد. در این تحقیق کارایی تکنیک­های آمار مکانی در ارزیابی تغییرات پوشش تاجی گونه Festuca ovina L. مورد بررسی قرار گرفت. پوشش تاجی با استفاده از پلات­های نمونه­برداری در 45 رویشگاه ثبت شد. سپس از روش معکوس وزنی فاصله و کریجینگ برای درونیابی و تخمین پوشش تاجی گونه مورد مطالعه با استفاده از نرم­افزارهایGS+5  و ArcGIS10 استفاده شد. نتایج نشان داد بهترین واریوگرام، واریوگرام نمایی و بهترین روش میانیابی روش کریجینگ ساده (SK) و معمولی (OK) در مقایسه با سایر روشها با توجه به ارزیابی صحت نقشه­های تهیه شده می­باشد. دامنه تاثیر درصد تاج پوشش گونه F .ovina (48300 متر) نزدیک به دامنه تاثیر برخی خصوصیات فیزیکی و شیمیایی خاک شامل اسیدیته عمق دوم (51500 متر)، ماده­آلی عمق دوم (47710 متر)، رس عمق اول، شن عمق اول و دوم (49400 متر) می­باشد. تغییرات مکانی خصوصیات ذکر شده خاک، درصد تاج پوشش گونه F. ovina را تحت تاثیر قرار داده و در فواصل بیشتر از دامنه تاثیر، وابستگی مکانی بین نمونه­ها وجود ندارد. به منظور بررسی روابط بین ویژگی­های ذکر شده خاک و درصد تاج پوشش گونه   F. ovina، فاصله بهینه نمونه­برداری را میتوان 47710 تا 49400 متر در نظر گرفت. نتایج این مطالعه نشان داد که از روش آمار مکانی می­توان در ارزیابی تغییرات پوشش تاجی گونه­های مرتعی استفاده کرد.

 

واژه­های کلیدی: تغییرات پوشش­تاجی، ­آمار مکانی، کریجینگ،IDW،Festuca ovina.

 

 

 

 

 

 

 

 

 


مقدمه

تغییرات مداوم جزو لاینفک هر اکوسیستم است، مراتع نیز به عنوان اکوسیستمهای طبیعی دارای تغییرات هستند. پایش مرتع به مفهوم بررسی مستمر این اراضی با توجه به اهمیت اکولوژیک، کارکردهای اقتصادی و تغییرات دائمی ضروری است. گستردگی مراتع و تنوع عوامل تاثیرگذار در بروز تغییرات و هزینه زیاد اندازه­گیری مستقیم، بکارگیری فنون جدید را ایجاب می­نماید (1). تبدیل کاربری (تغییر مرتع به کاربری­های دیگر) بطور مستقیم با استفاده از تصاویر ماهواره­ای قابل ردیابی است (18)، ولی تغییرات در داخل همان کاربری مانند تغییرات کیفی ناشی از چرای مفرط دام، بوته­کنی و تخریب­های دیگر معمولا به سختی با استفاده از فن­آوری سنجش از دور قابل ردیابی است (16). با ارزیابی و بررسی خصوصیات انعکاس طیفی طول موجهای مختلف امکان تفکیک طبقات مختلف کاربری میسر می­گردد. به­طور مثال تغییرات انعکاس طیفی رویشگاه­های مرتعی به غیر مرتعی از جمله خصوصیاتی است که نوع کاربری و میزان تغییرات پوشش گیاهی را نشان می­دهد. آشکارسازی تغییرات پوشش و کاربری اراضی را با استفاده از تصاویر ETM+ و TM ماهواره لندست برای ٥ شهر در منطقه کوانگ ژو[4] چین انجام شد (5). در ایران در دو دهه گذشته تلاش­های قابل توجهی در ارتباط با استفاده از داده­های سنجش از دور در بررسی­های مختلف منابع زمینی از جمله تغییرات کاربری­ها و پوشش­گیاهی انجام گرفته است. اما این تکنیک به علت فقدان تصاویر جدید و به روز ماهواره­ای و ناتوانی آنها در تحلیل تغییرات صورت گرفته در ایران دارای معایب زیادی است. در چند سال اخیر تکنیک­های جدیدی مانند آمار مکانی با داشتن قابلیت­های زیاد مدنظر کارشناسان در حوزه­های مختلف مطالعات منابع طبیعی بوده و می­توان با کاربرد آن در نواحی مختلف به محاسن و معایب آن پی برد.

زمین آمار ابزاری قوی برای بررسی تغییرات مکانی است که قادر به ارایه مجموعه وسیعی از تخمینگرها به منظور برآورد ویژگی موردنظر در مکان­های نمونه­برداری نشده با استفاده از اطلاعات حاصل از نقاط نمونه­برداری شده است (20). تحلیل نتایج در آمار کلاسیک مبنی بر مستقل بودن نمونه­ها از یکدیگر است و بنابراین وجود یک نمونه هیچ گونه اطلاعی در مورد نمونه بعدی بدست نمی‏دهد، نمونه­هایی که به عنوان معرف جامعه در نظر گرفته می­شوند مستقل از سایر نمونه­ها بوده و وابستگی مکانی ندارند. اما در زمین آمار، نمونه‌ها مستقل از یکدیگر در نظر گرفته نمی‌شوند، بلکه نمونه‏های مجاور تا فاصله معینی بطور مکانی به هم وابستگی دارند و می‏توان وابستگی بین نمونه‏ها را به صورت مدل ریاضی تغییرنمای مکانی بیان کرد (4(. بنابراین روش­های آمار مکانی به دلیل در نظر گرفتن همبستگی و ساختار مکانی داده­ها از اهمیت زیادی برخوردار هستند. اصل اولیه در زمین­آمار این است که شباهت مقادیر یک متغیر ناحیه­ای با افزایش فاصله کاهش می­یابد و یا به عبارت ساده­تر نمونه­های نزدیک شباهت بیشتری به هم دارند تا نمونه­های دورتر (8(. همچنین دارای توانایی تهیه نقشه­های کمی با دقت معلوم در مورد خواص خاک (12)، رواناب و رسوب (13) و احتمالا تغییرات تولید و پوشش گیاهی در گیاهان می­باشد. در تحقیقی که به منظور بررسی تغییرات مکانی تراکم گونه Convolvulus arvensis در جنوب اسپانیا با استفاده از روش آمار مکانی انجام شده است، به این نتیجه رسیدند که نقشه­های به دست آمده توسط کریجینگ برای پهنه­بندی تراکم گونه فوق از دقت بالایی برخوردار است (10). Ghanbari (2008) در تحقیقی حجم و تراکم درختان جنگل شصت­کلاته گرگان را با استفاده از آمار مکانی و GIS بررسی نمود و نتیجه گرفت که این خصوصیات از ساختار مکانی متوسطی برخوردارند و استفاده از روش­های ­آمار مکانی در بهبود دقت آماربرداری­ها می­تواند موثر واقع شود.

بنابراین به نظر می­رسد برای تعیین تغییرات پارامترهای پوشش گیاهی از جمله درصد تاج پوشش، استفاده از ابزارهای مناسب با دقت کافی از اولویت برخوردار باشد. استفاده از روش­های آمار مکانی و مدلسازی عوامل موثر در این تغییرات منجر به ارزیابی­های بهتر و در نتیجه دقت بیشتر در تعیین پارامترهای مذکور می­گردد. با توجه به اهمیت گونه Festuca ovina  از نظر تولید علوفه و حفاظت خاک و مقاومت به چرا و سرمای شدید و پراکنش وسیع در سطح کشور بخصوص در منطقه سبلان (7) که در 15 تیپ از 18 تیپ یکی از گونه­های غالب محسوب می­شود؛ همینطور با توجه به کمبود اطلاعات در ارتباط با تغییرات پوشش تاجی این گونه در منطقه مورد مطالعه، تحقیق حاضر با هدف بررسی قابلیت تکنیک آمار مکانی در وضعیت پراکنش این گونه، تعیین فاصله بهینه نمونه­برداری به منظور تعیین درصد تاج پوشش این گونه و تغییرات پوشش تاجی این گونه انجام شده است. علیرغم اینکه بخش وسیعی از اراضی کشور ایران دارای پوشش گیاهی مرتعی است و با توجه به اینکه این اراضی نقش بسیار مهمی در حفاظت آب و خاک از یک سو و همچنین تولید علوفه، غذا و انرژی از سوی دیگر دارند، ولی مطالعات چندانی در زمینه تغییرات مکانی گیاهان مرتعی صورت نگرفته است و بیشتر مطالعاتی که به این مقوله پرداخته است در زمینه گیاهان زراعی و جنگلی بوده است. با توجه به کاربرد محدود علم آمار مکانی در مطالعات حوزه آبخیز در زمینه تغییرات مکانی داده­های محیطی علی­رغم مزایایی مانند آسانی اندازه­گیری (اندازه­گیری طول و عرض جغرافیایی در کنار متغیر مورد مطالعه)، کاهش هزینه­های تحقیق با تعیین فاصله بهینه نمونه­برداری همچنین امکان تهیه نقشه این متغیرها، این مطالعه به اهمیت ترکیب این علم با سایر روشهای رایج در مطالعات منابع طبیعی تأکید دارد.

 

مواد و روش­ها

منطقه مورد مطالعه:

حوزه آبخیز بالخلوچای در محدوده ارتفاعی 1150 تا 2700 متر از سطح دریا در مختصات جغرافیایی ʹ45 °47 تا ʹ23 °48 طول شرقی وʹ51 °37 تا ʹ22 °38 عرض شمالی قرار دارد. این حوزه از نظر عوامل اکولوژیکی زنده و غیر زنده، بهره­برداری و چگونگی انتشار گونه مورد مطالعه به چهار واحد رویشی اصلی قابل تفکیک است (شکل 1).

الف) واحد رویشی بخش دشتی و دامنه­های پائین با شیب کمتر از 12 درصد (در محدوده ارتفاعی 1150 تا 1500 متر از سطح دریا) که عمدتاً به اراضی زراعی آبی، دیم و مسکونی و صنعتی تغییر کاربری داده است.

ب) واحد رویشی تپه ماهوری حد واسط بین منطقه دشتی و کوهستان سبلان (در محدوده ارتفاعی 1500 تا 2500 متر از سطح دریا) با شیب متنوع و خاک نسبتا عمیق، که دامنه­های منظم آن تبدیل به کاربری زراعی دیم شده است و فقط در دامنه­های نامنظم به حالت طبیعی باقیمانده است.

ج) منطقه کوهستانی که عمدتاً از ارتفاع 2500 متری شروع و تا ارتفاع 3600 متری گسترش دارد. با توجه به محدویت­های ارتفاع، دما و شیب برای کاربری کشاورزی از تبدیل اراضی در امان بوده و عمدتاً به کاربری مرتع اختصاص دارد. این عرصه یکی از منابع اصلی مناطق ییلاقی عشایر مغان بوده و مورد بهره­برداری قرار می­گیرد.

د) واحد رویشی کوهستان مرتفع بالاتر از 3600 متر از سطح دریا که تحت عنوان اثر طبیعی ملی سبلان توسط سازمان محیط زیست در نظر گرفته شده است.

 

 

 

شکل 1- موقعیت منطقه در استان اردبیل و نقشه­ی موقعیت سایت­های مورد مطالعه و پراکنش گونه F.ovina در سطح حوزه (7)

 

 

روش تحقیق:

در داخل رویشگاه­ها بر اساس وسعت و شرایط پوشش گیاهی جمعاً تعداد 45 رویشگاه انتخاب شد. به گونه­ای که جاده دسترسی داشته و سطوح مرتعی متفاوت را دربرگیرد. در داخل رویشگاه­های تعیین شده 3 قطعه نمونه (پلات) بزرگ 10×10 متری در طول ترانسکت 120 متری از پائین دامنه تا ارتفاعات که فاصله هر قطعه نمونه از همدیگر 40 متر بوده است، انتخاب شد (طول ترانسکت و ابعاد قطعات نمونه بسته به شرایط پوشش تعیین گردید). اندازه­گیری پوشش تاجی با استفاده از قطعه نمونه­های با ابعاد کوچک (60×25 سانتی­متر) در داخل قطعه نمونه وسطی صورت گرفت و از قطعه نمونه­های پائین و بالا برای کنترل استفاده شد. محل نمونه­برداری و گونه­های مورد نظر در داخل قطعه نمونه­ها جهت مراجعات بعدی با استفاده از رنگ علامت گذاری شد. بنابراین در 45 نقطه اطلاعات تاج پوشش گونه مورد مطالعه ثبت شد. نمونه برداری خاک نیز در سطح 45 رویشگاه، در عمق­های 0 تا 15 و 15 تا 30 سانتی­متری از داخل ماکروپلات­های (10×10 متری) مرکزی برداشت شد و در آزمایشگاه خاک عناصر فسفر، پتاسیم، اسیدیته، ماده آلی و بافت خاک اندازه گیری شد. موقعیت پلات­ها به صورت لایه نقطه­ای به محیط GIS منتقل و اطلاعات پوشش تاجی گونه مورد مطالعه به آن اضافه شد و سپس با استفاده از نرم­افزارهایGS+5  و ArcGIS10 تجزیه و تحلیل­ها انجام شد.

 

اندازه‏گیری ویژگی­های خاک:

نمونه­های خاک پس از خشک شدن در هوای آزاد، از الک دو میلیمتری عبور داده شدند. سپس آزمایشات مختلف بر روی آنها انجام گرفت. بافت خاک از روش هیدرومتری (9)، اسیدیته در گل اشباع با الکترود pH متر (19)، کربن آلی از روش والکلی- بلاک (21) و درصد ماده آلی نیز با ضرب عدد کربن آلی در عدد 72/1 به دست آمد (21). فسفر در عصاره خاک به روش اولسن با دستگاه اسپکتروفتومتر (22)، پتاسیم قابل جذب و سدیم بعد از استخراج با استات آمونیوم 1 نرمال با اسیدیته 7 اندازه­گیری شد (15).

 

تجزیه و تحلیل مکانی داده‌ها:

از آنجا که توسعه مدل­هایی با حداقل پارامترهای قابل دسترس مورد تاکید پژوهشگران در عرصه های مختلف است، بنابراین در این مطالعه سعی شد تا با به کارگیری مدل های نوین هوشمند و وارد کردن اطلاعات طول و عرض جغرافیایی نقاط برداشت تاج پوشش گیاهی به عنوان ورودی مدل، تخمین ویژگی مورد نظر در نقاط نمونه­برداری نشده صورت گیرد.

در مطالعات زمین­آماری استفاده از داده‏های غیر نرمال ممکن است منجر به نوسان زیاد در تغییرنماها شود و این موضوع سبب کاهش قابلیت اعتماد نتایج می­گردد، بنابراین در صورت نرمال‏ بودن داده‏ها تخمین­های آمار مکانی از دقت بیشتری برخوردار خواهند بود (20). نرمال بودن داده­ها با استفاده از آزمون کولموگروف- اسمیرنوف انجام شد. زمین آمار بر پایه­ی همبستگی مکانی بین مشاهدات استوار است و این چنین همبستگی مکانی را می­توان به وسیله­ی یک مدل ریاضی که تغییرنما نامیده می­شود، بیان کرد. در حقیقت تغییرنما یا  تابعی است که ساختار تغییرات مکانی یک متغیر را توصیف می­نماید و به صورت زیر تعریف می­شود (11).

 

که y(h) نیمه واریانس برای فاصله h و N(h) تعداد زوج نقاط مجزا شده با فاصله گام h Z(xi) وz (xi+h)  مقادیر متغیر اندازه‏گیری شده Z به ترتیب در موقعیت های مکانی I و i+h هستند.

در مرحله­ی بعد برای درون­یابی مکانی و تهیه نقشه مکانی از دو روش کریجینگ و معکوس وزنی فاصله[5] استفاده ‌شد. به طور کلی کریجینگ یک برآورد کننده آماری است که در طی آن به هر یک از مشاهدات، وزن آماری نسبت داده می­شود که ترکیب خطی آنها نااریب شده و حداقل واریانس برآورد را دارا است (14) و به ‌دلیل حداقل کردن واریانس خطا با برآورد نااریب، رایج­ترین روش برآورد زمین آماری است و کاربرد زیادی دارد (23).

 

که در آن  وزن متغیر در نقاط اندازه‏گیری شده و (Z(xi وزن متغیر در نقاط اندازه‏گیری نشده است. پارامترهای واریوگرام با استفاده از نرم­افزار GS+5 (Gamma Design Software, MI,USA) که توانایی قابل توجه و چارچوب ساده و قابل درک­تری را دارا می­باشد استخراج و پهنه بندی مکانی و تهیه نقشه­ها با استفاده از نرم­افزار ArcGIS10 که در مقایسه با نرم­افزار قبلی در این ارتباط از کارایی بالاتری، بخصوص از نظر انواع کریجنگ و کوکریجنگ دارا می باشد انجام شد. برای ارزیابی نتایج به دست آمده، از خطای برآورد (ریشه دوم میانگین مربعات)[6] بین مقادیر مشاهداتی و مقادیر تخمین زده شده استفاده شد (25).

 

 نتایج

تجزیه و تحلیل مکانی خصوصیات خاک و درصد تاج پوشش گونه F. ovina:

مدل‏ معرفی شده در جدول 1، به علت داشتن ساختار بهتر از بین تمامی مدل‌های برازش شده، انتخاب شد. تغییرنمای حاصل از تاج پوشش گونه F. ovina در شکل 2 نشان داده شده است. نتایج نشان داد تاج پوشش گونه   F. ovina وابستگی مکانی نسبتا خوبی در منطقه دارند. جدول 2 و شکل 3 نتایج میانیابی را در منطقه مورد مطالعه نشان می­دهند.تجزیه و تحلیل مکانی خصوصیات خاک در دو عمق 15-0 و 30-15 سانتی­متر نیز در جدول 3 نشان داده شده است.

 

 

 

 

 


فاصله (متر)

 

 

شکل 2- تغییرنمای حاصل از تاج­پوشش گونه F. ovina

 

جدول 1- عامل­های مدل اعمال شده به تغییرنما برای درصد تاج­پوشش گونه F. ovina

               متغیر                 

مدل تغییرنما

C0

C0+C

 C0/C0+C(درصد)

کلاس وابستگی مکانی

 (متر) A0

R2

درصد تاج پوشش

نمایی

154

001/498

92/30

متوسط

48300

439/0

   C0: اثر قطعه­ای، C0+C: سقف، C0/C0+C: نسبت همبستگی، A0: دامنه­ی تأثیر

 

جدول 2- نتایج روش­های مختلف میانیابی

روش

طول گام (متر)

 مدل واریوگرام

توان

ناهمسانگردی

RMSE

IDW

-

-

514/2

-

39/11

Ordinary Kriging

5000

نمایی

-

دارد

27/10

Simple Kriging

5000

نمایی

-

دارد

18/10

 

الف

 

 

درصد

 

 

ج

 

ب

 

 

ج

 

 

شکل 3- نقشه­های میانیابی تاج پوشش گونه F. ovina در منطقه مورد مطالعه (الف)، روش معکوس وزنی فاصله؛ (ب)، روش کریجینگ معمولی؛ (ج)، روش کریجینگ ساده

 

جدول 3- عامل­های مدل اعمال شده به تغییرنما برای ویژگیهای خاک در دو عمق 15-0 و 30-15سانتی­متر

متغیرها

مدل واریوگرام

C0

C0+C

(متر) A0

R2

اسیدیته (15- 0 سانتی­متر)

خطی

114/0

262/1

57800

288/0

اسیدیته (30- 15 سانتی­متر)

خطی

224/0

554/1

51500

395/0

پتاسیم قابل جذب (15- 0 سانتی­متر)

کروی

45290

116743

10000

229/0

پتاسیم قابل جذب (30- 15 سانتی­متر)

خطی

31250

130567

11320

060/0

فسفر کل (15- 0 سانتی­متر)

نمایی

6/20

53/454

87890

501/0

فسفر کل (30- 15 سانتی­متر)

نمایی

1/0

116/467

79400

53/0

ماده آلی (15- 0 سانتی­متر)

نمایی

93/0

295/12

61750

542/0

ماده آلی (30- 15 سانتی­متر)

نمایی

8/0

458/11

47710

564/0

شن (15- 0 سانتی­متر)

خطی

4/90

375/294

49400

311/0

شن (30- 15 سانتی­متر)

خطی

7/101

966/368

49400

42/0

سیلت (15- 0 سانتی­متر)

خطی

8/51

431/156

84900

065/0

سیلت (30- 15 سانتی­متر)

نمایی

26/31

742/125

31800

291/0

رس (15- 0 سانتی­متر)

خطی

18/52

69/136

49400

276/0

رس (30- 15 سانتی­متر)

خطی

1/71

45/214

37000

167/0

 


 

بحث و نتیجه­گیری

 

 


مدل مناسب برازش شده به تاج پوشش گونه F. ovinaنمایی است که جزو مدل­های سقف دار بوده و نمایانگر وجود ساختار فضایی و وابستگی مکانی متغیر مورد مطالعه است. بزرگی قابل ملاحظه دامنه تأثیر به این علت است که ابعاد منطقه مورد مطالعه بزرگ بوده و نمونه­ها به صورت تصادفی و ناهمگن برداشت شده­اند. به طور معمول نسبت اثر قطعه‏ای به سقف می‌تواند برای طبقه‌‌بندی وابستگی مکانی ویژگی­های مورد مطالعه استفاده شود (17). اگر این نسبت کمتر از 25/0 باشد وابستگی مکانی قوی، بین 25/0 تا 75/0 باشد وابستگی متوسط و اگر بیشتر از 75/0 باشد وابستگی ضعیف است (2). با توجه به وسعت بالای منطقه مورد مطالعه، درصد تاج پوشش گونه F. ovina وابستگی مکانی متوسط و قابل قبول در منطقه داشته است که بسیار قابل توجه بوده و مطالعات بیشتری را می­طلبد. با توجه به نقشه ها که نتایج واریوگرافی درصد تاج پوشش گونه F. ovina  را نشان می­دهد، می­توان گفت که ساختار مکانی نسبتاً خوبی بین درصد تاج پوشش این گونه در منطقه مورد مطالعه وجود دارد. در این مطالعه واریوگرام نمایی بهترین واریوگرام تشخیص داده شد و همچنین بهترین روش میانیابی روش کریجینگ معمولی و ساده و به دلیل کمتر بودن خطای برآورد (ریشه دوم میانگین مربعات) این روشها نسبت به روشهای دیگر تشخیص داده شد. لذا با توجه به این روشها و نقشه­های حاصله، از شمال شرق حوزه به جنوب غرب درصد تاج پوشش گونه مورد مطالعه افزایش می­یابد و بیشترین تاج پوشش در جنوب غرب حوزه واقع شده و کمترین آن در شمال شرق در بخش خروجی حوزه که با مشاهدات زمینی و اصول اکولوژیکی نیز مطابقت دارد (شکل 1). این خود بیانگر این است که در مقیاس­های محلی روشهای آمار مکانی بهتر جواب می­دهند. بنابراین بهتر است در بخشهای جنوب غربی که پراکنش این گونه وسیع است یا در بخش شمال غربی حوزه که گونه مورد مطالعه پراکنش همگنی دارد، با انتخاب روشهای مناسب نمونه­برداری و تعیین درصد تاج پوشش، تغییرات پوشش تاجی این گونه را بررسی نموده و نتایج خوبی بدست آورد. بخصوص اگر نمونه­برداری­ها توام با نمونه­گیری از خاک انجام شود، آنگاه با تعیین همبستگی بین خصوصیات خاک و درصد تاج پوشش این گونه می­توان فاکتورهای خاکی تاثیرگذار در تغییرات مکانی درصد تاج پوشش این گونه را تشخیص داد و با نتایجی که از پارامترهای مدل اعمال شده به تغییرنما بخصوص دامنه تاثیر به دست می­آید، فاصله بهینه نمونه­گیری به منظور تعیین درصد تاج پوشش گونه فستوکا را تعیین نمود، چون در فواصل بیشتر از دامنه تاثیر نمونه­ها هیچگونه وابستگی مکانی با هم ندارند (11).

Dowling et al.,(1986)در بررسی که در کوئینزلند انجام دادند، مشاهده کردند که با افزایش­ فاکتورهایی از قبیل ماده­آلی، ازت، گوگرد، پتاسیم، فسفر، کلسیم تبادلی و عمق خاک، درصد پوشش تاجی گونه مورد مطالعه ایشان افزایش می­یابد. Tahmasebi (2003) در مطالعه بر روی ارتباط پوشش گیاهی با فاکتورهای خاکی، به این نتیجه رسید که از بین فاکتورهای خاکی فسفر، رس، اسیدیته و هدایت الکتریکی بیشترین اثر را بر پوشش تاجی و تراکم گونه­ها داشتند. در چنین مطالعاتی می­توان با تعیین اثرگذارترین فاکتورهای خاک بر درصد تاج­پوشش گونه مورد مطالعه، تحلیل آمار مکانی متغیرها را نیز انجام داد و دامنه تاثیر متغیرهای خاکی مورد مطالعه را که نزدیک به درصد تاج پوشش گونه بوده است، فاصله بهینه نمونه­گیری برای برآورد گونه مورد مطالعه لحاظ کرد. با توجه به نتایج تجزیه و تحلیل مکانی خصوصیات خاک (جدول 3)، در بین خصوصیات خاکی مطالعه شده در این تحقیق، برخی ارتباط نزدیکی با درصد تاج پوشش گونه فستوکا دارند. دامنه تاثیر درصد تاج پوشش این گونه (48300 متر) نزدیک به دامنه تاثیر اسیدیته عمق دوم (51500 متر)، ماده آلی عمق دوم (47710 متر)، رس عمق اول، شن عمق اول و دوم (49400 متر)      می­باشد. لذا می­توان اینگونه بیان کرد که تغییرات مکانی خصوصیات ذکر شده خاک، درصد تاج پوشش گونه F. ovina را بیشتر تحت تاثیر قرار می­دهد و با توجه به اینکه در فواصل بیشتر از دامنه تاثیر نمونه­ها هیچگونه وابستگی مکانی با هم ندارند، به منظور بررسی روابط بین ویژگی­های ذکر شده خاک و درصد تاج پوشش گونه F. ovina، فاصله بهینه نمونه برداری را می­توان 47710 تا 49400 متر در نظر گرفت.

با توجه به نتایج این تحقیق در منطقه با چنین وسعتی، تعداد نقاط نمونه­گیری باید افزایش یابد و حداقل 300 نمونه مورد استفاده قرار گیرد. علاوه بر این باید حداقل 50 نقطه نمونه گیری اضافی انجام گیرد تا بررسی صحت و دقت (Cross validation) به صورت کامل انجام گیرد. مطالعات مختلف نشان می­دهند که فاصله نقش تعیین کننده­ای در نتایج آنالیزهای آمار مکانی دارد، بنابراین نیاز است تحقیقات مشابه در مقیاس­های متفاوت با این تحقیق انجام گیرد. در مناطقی که پوشش تاجی از تغییرات زیادی برخوردارند نیاز است با انتخاب رویشگاه­های همگن با توجه به جهت دامنه، شیب و ... همچنین انتخاب شبکه منظم نمونه برداری به نتایج مطلوب­تری دست یافت. همچنین میتوان پیش­فرض­های مختلفی را برای فواصل نمونه­برداری مثلا 50×50 متر، 100×100 متر و 1000× 1000 متر در نظر گرفت و با توجه به نتایج تحلیل­های آمار مکانی، در مورد فاصله بهینه نمونه­برداری با توجه به دامنه تاثیر قضاوت کرد. بطور مثال در تحقیق (2012) Kavianpoor et al., تعداد 110 نمونه خاک به صورت مرکب از عمق 0 تا 30 سانتی­متری خاک بر روی شبکه منظم 30×30 متر مربعی در مرتع ییلاقی نشو برداشت شد و آنالیز­های آمار مکانی برای نشان دادن وابستگی مکانی 18 ویژگی‏ فیزیکی و شیمیایی خاک انجام شد و با استفاده از روش درون­یابی نقشه توزیع مکانی این ویژگی‏ها تهیه گردید و فاصله بهینه نمونه­برداری به منظور برآورد خصوصیات خاک در منطقه مشخص شد. همچنین نتایج قابل قبولی در زمینه برآورد رواناب و هدررفت ­خاک در مراتع با استفاده از تکنیک آمار مکانی توسط Kavianpoor et al., (2013) بدست آمده است، با تعیین پارامترهای خاکی تاثیرگذار بر خصوصیات رواناب و هدررفت خاک؛ با تجزیه و تحلیل­های آمار مکانی فاصله بهینه نمونه­برداری از خصوصیات خاک و رواناب و هدررفت خاک جهت برآورد این متغیرها در منطقه تعیین شد.

به نظر می­رسد می­توان از این تکنیک در تعیین فواصل بهینه نمونه­برداری از خصوصیات پوشش گیاهی که در طول زمان از تغییرات کمتری برخوردارند استفاده نمود. در ارتباط با منطقه مورد مطالعه می­توان گفت چون مراتع سبلان از ثبات اقلیمی برخوردار بوده (بارندگی و دما فاکتورهای اصلی تغییر در پوشش گیاهی نیستند) و از الگوی توالی مرتع پیروی می­کند، آنچه اکوسیستم را تحت تاثیر قرار می­دهد عوامل زنده مثل جمعیت دام چرا کننده است که ترکیب، تاج پوشش گیاهی و تولید را تحت تاثیر قرار می­دهد. ثبات عوامل اکولوژیکی نیاز به ثبات مدیریتی را طلب می­کند. با اعمال مدیریت صحیح به ثبات اقتصادی و اجتماعی نیز دست خواهیم یافت. لازمه آسان کردن مدیریت و افزایش تولید، کاهش ناهمگنی مکانی و زمانی در تولید علوفه می­باشد. با توجه به اهمیت گونه F. ovina در حفاظت آب و خاک همچنین از نظر تغذیه دام، در حال حاضر وضعیت این گونه در ساختار ترکیب و تراکم گونه­ای عرصه مورد مطالعه نگران کننده است بطوری­ که در بخش­هایی کاملا حذف و در مناطق دیگر کاملا تحت تأثیر شدت بهره­برداری قرار گرفته که هم از نظر ترکیبی و هم از نظر تراکمی روند قهقرایی را طی می­کند. بنابراین استفاده از روشهای جدید برای ارزیابی تغییرات پوشش گیاهی گونه­های مرتعی منطقه مورد مطالعه برای مدیریت صحیح امری ضروری به نظر می­رسد. نیاز است تحقیقات مشابهی در نقاط مختلف کشور بر روی سایر گونه­های مرتعی، خصوصیات دیگر پوشش گیاهی از جمله تولید و تراکم و با لحاظ کردن فاکتورهای خاک، به منظور دستیابی به نتایج کاربردی در این زمینه و مقایسه نتایج به دست آمده صورت گیرد.

 

 

References

1-Arzani, H., S.H. Kaboli, H. Mirdavoudi, M. Farahpour, M.S. Azimi, 2008. Reliability of ETM+ and TM data for estimating vegetation cover of arid areas rangelands (case study Markazi province of Iran). Iranian Journal of Range and Desert Research 15 (3): 320-347.

2-Cambardella, C.A., T.B. Moorman, T.B. Parkin, D.L. Karlen, R.F. Turco, A.E. Konopka, 1994. Field scale variability of soil properties in Central Iowa soils. Soil Science Society of America Journal. 58: 1501-1511.

3-Dowling A.J., A.A. Webb, J.C. Scanlon, 1986. Surface soil chemical and physical patterns in a brig low-Dawson gum forest, central Queensland. Journal. of Ecology 11(2):155-162.

4-Einax, J.W., U. Soldt, 1999. Geostatistic and multivariate statistical methods for the assessment of polluted soil-merits and limitations. Chemometrica and Intelligent Laboratory System 49:79-91.

5-Fan, F., Q. Wang., Y. Wang, 2007. Land use and land cover change in Guangzhou, China, from 1998 to 2003, based on Landsat TM/ETM+ imagery. Sensors 7: 1323-1342.

6-Ghanbari, F, 2008. Predicting the spatial distribution of forest allometric characteristics using geostatistics and GIS. MSc Thesis. Gorgan University of agricultural sciences and natural resources, 160 pp.

7-Ghorbani, A., J. Sharifi, A.H. Kavianpoor, B. Malekpour, F. Aghche Gheshlagh, 2013. Iranian Journal of Range and Desert Research 20 (2): 379-396.

8-Goovaerts, P., 1997. Geostatistics for natural resources evaluation. Oxford University Press, New York. 483 pp.

9-Jacob, H., G. Clarke, 2002. " Methods of  Soil Analysis, Part 4, Physical Method", Soil Science Society of America, Inc, Madison, Wisconsin, USA, 1692 pp.

10-Jurado-Exposito, M., F. Lopez-Granados, J.L. Gonzalez-Andujar, L. Garcia-Torres, 2005. Spatial and temporal analysis of Convolvulus arvensis L. populations over four growing seasons. European Journal Agronomy 21 (4): 287–296.

11-Hasani pak, A., 2007. Geostatistics, Tehran University Press, 314 pp. (In Persian)

12-Kavianpoor, A.H., A. Esmali Ouri, Z. Jafarian Jeloudar, A. Kavian, 2012. Spatial Variability of Some Chemical and Physical Soil Properties in Nesho Mountainous Rangelands, American Journal of Environmental Engineering 2(1): 34-44.

13-Kavianpoor, A.H., A. Esmali Ouri, Z. Jafarian Jeloudar, A. Kavian, 2013. Investigation on variability of runoff and soil loss in summer rangeland of Nesho in Mazandaran province, Iran-Watershed Management Science & Engineering 21: 59-66.

14-Kumke, T., A. Schoonderwaldt, U. Kienel, 2005. Spatial variability of sedimentological properties in a large Siberian lake, Aquatic Sciences 67: 86–96.

15-Knudsen, D., G.A. Peterson, P.F. Pratt, 1982. Lithium, sodium, potassium. In Methods of soil analysis, part 2, ed. A. L. Page. Madison, Wisc.: ASA-SSSA.

16-Lefsky, M.A., W.B. Cohen, 2003. Selection of remotely sensed data. In M.A. Wulder and S.E. Franklin (editors), Remote Sensing of Forest Environments: Concepts and case studies, Kluwer Academic Publishers, Boston, USA. 13–46p.

17-Li, H.B. & J.F. Reynolds, 1995. ‘On definition and quantification of heterogeneity’, Oikos73, 280–284.

18-Lu, D., P. Mausel, E. Brondi'Zio, E. Moran, 2004. Change detection techniques. International Journal of Remote Sensing 25: 2365–2407.

19-McLean, E.O., 1982. Soil pH and lime requirement. In Methods of soil analysis, part 2, ed. A. L. Page. Madison, Wisc.: ASA-SSSA.

20-Mohammadi, J., 2006. pedometery (spatial statistics), Pelk Press, 453 pp. (In Persian)

21-Nelson, D.W., L.E. Sommers, 1982. Total carbon and organic matter. In Methods of soil analysis, part 2, ed. A. L. Page. Madison, Wisc.: ASA-SSSA.

22-Olsen, S.R., L.E. Sommers, 1982. Phosphorus. P. 403- 430. In A. L. Page (ed), Methods of soil analysis, Agron. No. 9, Part 2: Chemical and microbiological properties, 2nd ed., Am. Soc. Agron., Madison, WI, USA.

23-Polhaman, H., 1993. Geostatistical modeling of environment data. Catena 20:191-198.

24-Tahmasebi, A., 2003. Study of Vegetation Cover and Soil in Relation to Geomorphology Units Watershed using GIS. Thesis submitted for MSc. Tarbiat modarres University. 67 Pp.

25-Webster, R. & M.A. Oliver, 2000. Geostatistics for Environmental Scientists. John Wiley and sons, Brisbane, Australia. 271pp.

 

 

 

 


Application of spatial statistic in assessing canopy cover variation of rangeland plant species of sheep fescue

 

A. Kavianpoor[7]*, A. Ghorbani[8], G. A. Heshmati[9]

 

Abstract

According to the continuous changes in natural ecosystems, particularly rangelands, and variety of affecting factors and the cost of direct measurement, the application of new techniques in different studies is necessary. In this study the capability of spatial statistical techniques in the assessment of canopy cover variation of Festuca ovina L. species was investigated. Canopy cover was recorded using plots at 45 sites. Then Inverse Distance Weighted (IDW) and Kriging were used for interpolating and estimating of F. ovina canopy cover using GS+5 and ArcGIS10. Results showed that the best variogram was exponential, and simple and ordinary Kriging were the best interpolation methods in comparison with the other methods according to the results maps accuracy assessments. Effective range of F.ovina canopy cover (48300 meter) is close to some chemical and physical soil properties including, acidity in the second depth (51500m), and organic matter in the second depth (47710m), clay in the first depth and sand in the first and second depths (49400m). Spatial variability of mentioned soil characteristics have affected the percentage of F. ovina canopy cover and at the distance greater than effective range, samples have no spatial dependence. To investigate the relationships between mentioned soil characteristics and canopy cover of F. ovina, and the optimal sampling interval can be considered between 47710 to 49400 meters. Results of this study show that spatial statistic can be used for evaluating canopy cover of rangeland species variability.

 

Key Words: Canopy cover changes, spatial statistic, Kriging, IDW, Festuca ovina.

 



[1]- دانشجوی دکتری علوم مرتع، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

* نویسنده مسئول:  Email:   Kavianpoor.a@gmail.com

[2]- استادیار گروه مرتع و آبخیزداری، دانشکده فناوری کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

[3]- استاد گروه مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

[4]-Guangzhow

1- Inverse Distance Weighting

2- Root Mean Square Error                  

*1- Ph.D Student of Range Management, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran.  Kavianpoor.a@gmail.com

2- Assistant Professor, Dept. of Range and watershed Management, Faculty of Agricultural Technology and Natural Resources, University of Mohaghegh Ardabili, Ardabil, Iran

3- Profesor, Dept. of Range and watershed Management; Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran

 

  

1-Arzani, H., S.H. Kaboli, H. Mirdavoudi, M. Farahpour, M.S. Azimi, 2008. Reliability of ETM+ and TM data for estimating vegetation cover of arid areas rangelands (case study Markazi province of Iran). Iranian Journal of Range and Desert Research 15 (3): 320-347.

2-Cambardella, C.A., T.B. Moorman, T.B. Parkin, D.L. Karlen, R.F. Turco, A.E. Konopka, 1994. Field scale variability of soil properties in Central Iowa soils. Soil Science Society of America Journal. 58: 1501-1511.

3-Dowling A.J., A.A. Webb, J.C. Scanlon, 1986. Surface soil chemical and physical patterns in a brig low-Dawson gum forest, central Queensland. Journal. of Ecology 11(2):155-162.

4-Einax, J.W., U. Soldt, 1999. Geostatistic and multivariate statistical methods for the assessment of polluted soil-merits and limitations. Chemometrica and Intelligent Laboratory System 49:79-91.

5-Fan, F., Q. Wang., Y. Wang, 2007. Land use and land cover change in Guangzhou, China, from 1998 to 2003, based on Landsat TM/ETM+ imagery. Sensors 7: 1323-1342.

6-Ghanbari, F, 2008. Predicting the spatial distribution of forest allometric characteristics using geostatistics and GIS. MSc Thesis. Gorgan University of agricultural sciences and natural resources, 160 pp.

7-Ghorbani, A., J. Sharifi, A.H. Kavianpoor, B. Malekpour, F. Aghche Gheshlagh, 2013. Iranian Journal of Range and Desert Research 20 (2): 379-396.

8-Goovaerts, P., 1997. Geostatistics for natural resources evaluation. Oxford University Press, New York. 483 pp.

9-Jacob, H., G. Clarke, 2002. " Methods of  Soil Analysis, Part 4, Physical Method", Soil Science Society of America, Inc, Madison, Wisconsin, USA, 1692 pp.

10-Jurado-Exposito, M., F. Lopez-Granados, J.L. Gonzalez-Andujar, L. Garcia-Torres, 2005. Spatial and temporal analysis of Convolvulus arvensis L. populations over four growing seasons. European Journal Agronomy 21 (4): 287–296.

11-Hasani pak, A., 2007. Geostatistics, Tehran University Press, 314 pp. (In Persian)

12-Kavianpoor, A.H., A. Esmali Ouri, Z. Jafarian Jeloudar, A. Kavian, 2012. Spatial Variability of Some Chemical and Physical Soil Properties in Nesho Mountainous Rangelands, American Journal of Environmental Engineering 2(1): 34-44.

13-Kavianpoor, A.H., A. Esmali Ouri, Z. Jafarian Jeloudar, A. Kavian, 2013. Investigation on variability of runoff and soil loss in summer rangeland of Nesho in Mazandaran province, Iran-Watershed Management Science & Engineering 21: 59-66.

14-Kumke, T., A. Schoonderwaldt, U. Kienel, 2005. Spatial variability of sedimentological properties in a large Siberian lake, Aquatic Sciences 67: 86–96.

15-Knudsen, D., G.A. Peterson, P.F. Pratt, 1982. Lithium, sodium, potassium. In Methods of soil analysis, part 2, ed. A. L. Page. Madison, Wisc.: ASA-SSSA.

16-Lefsky, M.A., W.B. Cohen, 2003. Selection of remotely sensed data. In M.A. Wulder and S.E. Franklin (editors), Remote Sensing of Forest Environments: Concepts and case studies, Kluwer Academic Publishers, Boston, USA. 13–46p.

17-Li, H.B. & J.F. Reynolds, 1995. ‘On definition and quantification of heterogeneity’, Oikos73, 280–284.

18-Lu, D., P. Mausel, E. Brondi'Zio, E. Moran, 2004. Change detection techniques. International Journal of Remote Sensing 25: 2365–2407.

19-McLean, E.O., 1982. Soil pH and lime requirement. In Methods of soil analysis, part 2, ed. A. L. Page. Madison, Wisc.: ASA-SSSA.

20-Mohammadi, J., 2006. pedometery (spatial statistics), Pelk Press, 453 pp. (In Persian)

21-Nelson, D.W., L.E. Sommers, 1982. Total carbon and organic matter. In Methods of soil analysis, part 2, ed. A. L. Page. Madison, Wisc.: ASA-SSSA.

22-Olsen, S.R., L.E. Sommers, 1982. Phosphorus. P. 403- 430. In A. L. Page (ed), Methods of soil analysis, Agron. No. 9, Part 2: Chemical and microbiological properties, 2nd ed., Am. Soc. Agron., Madison, WI, USA.

23-Polhaman, H., 1993. Geostatistical modeling of environment data. Catena 20:191-198.

24-Tahmasebi, A., 2003. Study of Vegetation Cover and Soil in Relation to Geomorphology Units Watershed using GIS. Thesis submitted for MSc. Tarbiat modarres University. 67 Pp.

25-Webster, R. & M.A. Oliver, 2000. Geostatistics for Environmental Scientists. John Wiley and sons, Brisbane, Australia. 271pp.