کاربرد آمار مکانی در ارزیابی تغییرات پوشش تاجی گونه مرتعی علف گوسفندی
الموضوعات :
امیر حسین کاویانپور
1
(- دانشجوی دکتری علوم مرتع، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران)
اردوان قربانی
2
(استادیار گروه مرتع و آبخیزداری، دانشکده فناوری کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران)
غلامعلی حشمتی
3
(استاد گروه مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران)
الکلمات المفتاحية: Festuca ovina, تغییرات پوشش‌تاجی, آمار مکانی, کریجینگ, IDW,
ملخص المقالة :
با توجه به وجود تغییرات مداوم در اکوسیستم های طبیعی بویژه مراتع، تنوع عوامل تأثیرگذار و هزینه زیاد اندازه گیری مستقیم، کاربرد تکنیک های جدید در مطالعات مختلف ضروری می باشد. در این تحقیق کارایی تکنیک های آمار مکانی در ارزیابی تغییرات پوشش تاجی گونه Festuca ovina L. مورد بررسی قرار گرفت. پوشش تاجی با استفاده از پلات های نمونه برداری 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 نرم افزارهایGS+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 نقشه های تهیه شده می باشد. 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)، ماده آلی عمق دوم (47710 متر)، رس عمق اول، شن عمق اول و دوم (49400 متر) می باشد. 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 نمونه ها وجود ندارد. به منظور بررسی روابط بین ویژگی های ذکر شده خاک و درصد تاج پوشش گونه F. ovina، فاصله بهینه نمونه برداری را میتوان 47710 تا 49400 متر در نظر گرفت. نتایج این مطالعه نشان داد که از روش آمار مکانی می توان در ارزیابی تغییرات پوشش تاجی گونه های مرتعی استفاده کرد.
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.
