بررسی روابط آماری بین شاخص های ترکیبی بیابان‌زایی با استفاده از آزمون های ناپارامتریک

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 دانشجوی دانشگاه فردوسی

2 منابع طبیعی دانشگاه فردوسی مشهد

3 استادیار

چکیده

سابقه و هدف: بیابان‌زایی، تخریب‌زمین در مناطق خشک، نیمه‌خشک و خشک نیمه‌مرطوب در نتیجه‌ی عوامل مختلفی از قبیل تغییرات اقلیمی و فعالیت‌های انسانی تعریف می‌شود. بیابانی شدن را می‌توان نمود عینی فروپاشی اکوسیستم در محیط‌های شکننده که آسیب‌پذیری بالاتری در برابر تغییرات و اغتشاشات محیطی دارند، دانست. در سال‌های اخیر نیز بدلیل تغییرات کاربری اراضی و فعالیت‌های غیر اصولی انسان، دربسیاری از نقاط ایران، دامنه ارتجاع‌پذیری اکوسیستم‌ها تا حد ممکن تقلیل یافته است و درنتیجه باعث تشدید تخریب منابع محیطی گردیده است. بدین جهت بیشتر تلاش‌ها جهت پیاده‌سازی و کاربرد یک روش کمی برای انجام ارزیابی بیابان‌زایی با استفاده از مفاهیم و تعاریف موجود در شاخص‌های ارزیابی است.
ارزیابی حساسیت‌پذیری منطقه به بیابان‌زایی با استفاده از ترکیب چندین شاخص و با بهره‌گیری از از روش‌ها و آنالیز‌های استاندارد، موجب درک جامع‌تری از شرایط بیابانی‌شدن یک منطقه می‌شود. هدف از این پژوهش بررسی روابط آماری بین شاخص‌های ترکیبی بیابان‌زایی با استفاده از آزمون‌های ناپارامتریک در استان خراسان‌رضوی می‌باشد.
مواد و روش‌ها: در این مطالعه ابتدا 6 شاخص، پوشش‌گیاهی، بارش، دمای سطح زمین، میانگین رطوبت‌خاک و میانگین دمای خاک در اعماق 0-100سانتی‌متر و تبخیر (تبخیر و تعرق، تبخیر از زمین) برای چهار دوره‌ی زمانی 2001، 2005، 2009 و 2013 با دامنه‌ی تفاوت چهار‌ساله با استفاده از داده‌های ماهواره‌ای TERRA سنجنده‌یMODIS ، MERRA و TRMM تهیه‌گردید. لذا جهت انجام تحلیل‌های آماری در ارتباط با متغیر‌های در نظر گرفته شده، از آزمون همبستگی اسپیرمن بین شاخص پوشش‌گیاهی با سایر شاخص‌ها و جهت تعیین اختلاف هر شاخص در4 دوره زمانی، از آزمون ناپارامتری تجزیه واریانس کروسکال والیس استفاده شد.
یافته‌ها: نتایج از آزمون همبستگی اسپیرمن بیانگر بیشترین همبستگی بین شاخص پوشش‌گیاهی با شاخص تبخیر از زمین و تبخیر و تعرق در سال 2009 بصورت مثبت و مستقیم و کمترین همبستگی بین شاخص پوشش‌گیاهی و شاخص میانگین رطوبت‌خاک در عمق 40-100 سانتی‌متری در سال 2013 بصورت منفی و معکوس بدست آمد. نتایج آزمون ناپارامتری کروسکال والیس نیز بیانگر بیشترین اختلاف در جوامع (که دوره‌های زمانی مورد نظر است) مربوط به شاخص تبخیر و تعرق، بارش و پوشش‌گیاهی می‌باشد.
در این مطالعه بیشترین همبستگی بین شاخص‌ها که مثبت و مستقیم بود بیانگر شرایط اقلیمی نرمال در سال 2009 می‌باشد که باعث افزایش رطوبت در منطقه و در نتیجه افزایش تبخیر و تعرق بدلیل افزایش پوشش‌گیاهی شده‌است و کمترین همبستگی که منفی و معکوس می‌باشد می‌تواند بیانگر کاهش پوشش‌گیاهی بدلیل شرایط اقلیمی حاکم در منطقه و یا دخالت‌های انسانی و درنتیجه افزایش رطوبت‌خاک بدلیل کاهش پوشش‌گیاهی باشد. بیشترین اختلاف برای متغیر‌های بارش، تبخیر و تعرق و پوشش-گیاهی بدلیل شرایط اقلیمی متفاوت حاکم در این چهار دوره‌ی زمانی در منطقه می‌باشد. بیشترین اختلاف برای متغیر بارش و پوشش‌گیاهی در دوره‌ی زمانی 2001-2005 و برای متغیر تبخیر‌و‌تعرق در دوره‌ی زمانی 2001-2013 است که این شرایط در سال 2001 بدلیل میانگین بارش در ماه‌های مورد مطالعه برای شرایط خشکسالی و و در سال 2013 با شرایط تقریبا نرمال در منطقه می‌باشد.
نتیجه‌گیری: با توجه اینکه بخش وسیعی از استان خراسان‌رضوی در معرض ریسک بیابان‌زایی می‌باشد، بدین منظور استفاده از شاخص‌های ترکیبی روشی مناسب جهت تعیین روابط پنهان و نهفته میان فاکتور‌های پیش‌برنده و موثر در بیابان‌زایی است. روش‌های بکار برده شده در این مقاله ممکن است روشی موثر جهت 1) انتخاب متغیر مناسب در ارتباط با بیابان‌زایی 2) شناسایی تغییرات مکانی-زمانی متغیر‌ها با استفاده از داده های دور‌سنجی برای چندین دوره زمانی 3) تحلیل روابط و همبستگی بین متغیر‌ها بر اساس آزمون‌های آماری بکار برده شده، باشد. با استفاده از تحلیل‌های آماری میان متغیر‌ها می‌توان متغیر‌هایی که بیشترین تاثیر و حساسیت را به بیابان‌زایی دارند را شناسایی نمود و جهت برنامه‌ریزی، در برنامه‌های مقابله با بیابانی شدن استفاده نمود.

کلیدواژه‌ها

عنوان مقاله [English]

Investigation of statistical analysis of desertification integrated indicators by using the ANOVA Non-Parametric tests

نویسندگان [English]

  • maryam Pashaei 1
  • Alireza Rashki 2
  • Adel Sepehr 3
1
2
3
چکیده [English]

Background and objectives
Desertification defines land degredation in the arid, semi arid and subhumid dry regions in consequence of some parameters such as climate change, and human activities. Assessment of sensitivity of a region to desertification by combination of indeces and utilization of methods and standard analysis, leading us to understanding more about desertefication. Many studies have done to assess desertification by combination of desertification indicators. Kasmas et al (2014), analysised correlation between some variables and DESIRE project to considere desertification of a region and found significant correlation between some of such variables. Salvati et al. (2014), studied risk assessment of soil degradation and desertification in the Mediterranean by using nonparametric Kruskal-Wallis test and found that 20 variables from 47 variables have greatest impacts on desertification. Kairis et al. (2013) found that indicators with correlation coefficient of greater than 0.4 (P value = 0.05) are most effective indicators to evaluate risk assessment of desertification and land degredation.
This study aim to evaluate statistical correlation of indicators, effecting desertification by using nonparametric analysis in Khorasan e Razavi province at eastern Iran.
Materials and methods
In this study, six indecators include Vegetation cover, Precipitation, Surface temperature, Soil moisture, soil temperature at 0-100 cm underground and Evaporation (evapotranspiration, soil evaporation) for four periods of 2001, 2005, 2009 and 2013 were used. These indeces were products of MODIS, MERRA and TRMM sensors onboard on TERRA satellite. In order to do statistical analysis of the variables, the Spearman correlation tests were used between vegetation index and the other indicators. Nonparametric analysis of Kruskal-Wallis tests were also used to determine variance in different indicators at the four periods,
Results and discussion
High correlation between the vegetation index and the evapotranspiration in 2009 shows that increase in vegetation cover causes increasing in evapotranspiration due to a specific climate condition over this area. The same but converse correlation showed less vegetation consequence increase humidity in the subsurface depths to 2013. Kruskal-Wallis test results also showed that there are significant differences in the study time periods for rainfall, evapotranspiration and vegetation due to different climatic conditions prevailing in the region. Highest significant difference is for evapotranspiration in 2001 -2013 due to transition of drought period to a normal climate.
Conclusion
Since a large part of Khorasan e Razavi province is at desertification risk, combination indicators is an appropriate method to estimate potential relationships among of factors contributing to desertification. Methods used in this study may be an effective method to 1) choice appropriate variables associated to desertification 2) Identify spatiotemporal changes of variables by using remote sensing for different periods 3) analysis between variables Based on statistical test. Statistical analysis of variables can be identified the most influence and sensitive variables to desertification
Key words: Integrated Index, Non-Parametric Tests, Desertification Vulnerability

کلیدواژه‌ها [English]

  • Integrated Index
  • Non-Parametric Tests
  • Desertification Vulnerability

مراجع

1.Abbaszade Tehrani, N., and Saberi, N. 2013. Seasonal Land Cover Change Assessment Using Remote Sensing Data Analysis. International Conference on the 3 Environmental Planning Management (ACEPM2013), November 26-27, 2013 Tehran.[M1] 
2.Arami, A.H., Ownegh, M., and Sheikh, V.B. 2014. Assessment of desertification hazard by using the 9 criteria IMDPA model in Semi-arid Agh-Band region, Golestan Province. J. Water Soil Cons.21: 2. 153-172.
3.Akbari, M.R., Karimzadeh, H., Modarres, R., and Chakoshi, B. 2007. Assessment and classification of desertification using RS & GIS techniques (Case study: the Arid Region, in the north of Isfahan). Iran. J. Range Des. Res. 14: 2. 124-142.
4.Ekhtesasi, M., and Sepehr, A. 2011. Methods and models of desertification assessment and mapping. Yazd Uiversity. Press, 288p. (In Persian)
5.Hadian, F., Hoseini, Z., and Hasani, M. 2014. Monitoring of vegetation changes using
the rainfall data and NOAA AVHRR satellite images over Kermanshah. Iran. J. Range.
1: 1. 46-62.
6.Imbrenda, V., D’Emilio, M., Lanfredi, M., Simoniello, T., Ragosta, M., and Macchiato, M. 2013. Integrated Indicators for the estimation of vulnerability to land degradation. J. INTECH. 65: 6. 907-923.
7.Kosmas, C., Kairis, O., Karavitis, C., Acikalin, S., Alcalá, M., Alfama, P., Atlhopheng, J., Barrera, J., Belgacem, A., Solé-Benet, A., Brito, J., Chaker, M., Chanda, R., Darkohd, M., Ermolaeva, O., Fassouli, V., Fernandez, F., Gokceoglu, C., Gonzalez, D., Gungor, H., Hessel, R., Khatteli, H., Khitrov, N., Kounalaki, A., Laouina, A., Magole, L., Medina, L., Mendoza, M., Mulale, K., Ocakoglu, F., Ouessar, M., Ovalle, C., Perez, C., Perkins, J., Pozo, A., Prat, C., Ramos, A., Ramos, J., Riquelme, J., Ritsema, C., Romanenkov, V., Sebego, R., Sghaier, M., Silva, N., Sizemskaya, M., Sonmez, H., Taamallah, H., Tezcanj, L., De Vente, J., Zagal, E., Zeiliguer, A., and Salvati, L. 2014. An Exploratory Analysis of land abandonment drivers in areas Prone to desertification. CATENA 128: 252-261.
8.Kosmas, C., Kairis, O., Karavitis, Ch., Ritsema, C., Salvati, L., Acikalin, S., Alcala´, M., Alfama, P., Atlhopheng, J., Barrera, J., Belgacem, A., Sole´-Benet, A., Brito, J., Chaker, M., Chanda, R., Coelho, C., Darkoh, M., Diamantis, I., Ermolaeva, O., Fassouli, V., Fei, W., Feng, J., Fernandez, F., Ferreira, A., Gokceoglu, C., Gonzalez, D., Gungor, H., Hessel, R., Juying, J., Khatteli, H., Khitrov, N., Kounalaki, A., Laouina, A., Lollino, P., Lopes, M., Magole, L., Medina, L., Mendoza, M., Morais, P., Mulale, K., Ocakoglu, F., Ouessar, M., Ovalle, C., Perez, C., Perkins, J., Pliakas, F., Polemio, M., Pozo, A., Prat, C., Qinke, Y., Ramos, A., Ramos, J., Riquelme, J., Romanenkov, V., Rui, L., Santaloia, F., Sebego, R., Sghaier, M., Silva, N., Sizemskaya, M., Soares, J., Sonmez, H., Taamallah, H., Tezcan, L., Torri, D., Ungaro, F., Valente, S., DeVente, J., Zagal, E., Zeiliguer, A., Zhonging, W., and Ziogas, A. 2013. Evaluation and selection of indicators for land degradation and desertification monitoring: methodological approach. Springer J. Environ. Manage. 54: 951-970.
9.Kairis, O., Kosmas, C., Karavitis, Ch., Ritsema, C., Salvati, L., Acikalin, S., Alcala, M., Alfama, P., Atlhopheng, J., Barrera, J., Belgacem, A., Sole´-Benet, A., Brito, J., Chaker,  M., Chanda, R., Coelho, C., Darkoh, M., Diamantis, I., Ermolaeva, O., Fassouli, V., Fei, W., Feng, J., Fernandez, F., Ferreira, A., Gokceoglu, C., Gonzalez, D., Gungor, H., Hessel, R., Juying, J., Khatteli, H., Khitrov, N., Kounalaki, A., Laouina, A., Lollino, P., Lopes, M., Magole, L., Medina, L., Mendoza, M., Morais, P., Mulale, K., Ocakoglu, F., Ouessar, M., Ovalle, C., Perez, C., Perkins, J., Pliakas, F., Polemio, M., Pozo, A., Prat,  C., Qinke, Y., Ramos, A., Ramos, J., Riquelme, J., Romanenkov, V., Rui, L., Santaloia Sebego, R., Sghaier, M., Silva, N., Sizemskaya, M., Soares, J., Sonmez, H., Taamallah, H., Tezcan, L., Torri, D., Ungaro, F., Valente, S., de Vente, J., Zagal, E., Zeiliguer, A., Zhonging, W., and Ziogas, A. 2013. Evaluation and selection of indicators for land degradation and desertification monitoring: Types of degradation, Causes, and implications for management. Springer J. Environ. Manage. 54: 971-982.
10.Mabbutt, J. 1986. Desertification indicators. J. Clim. Change. 9: 113-122.
11.Mesdaghi, M. 2011. Statistical and regression methods. Emam Reza University. Press, 421p. (In Persian)
12.Molinari, P. 2014. A geographic information system gis with integrated models:
a new approach for assessing the vulnerability and risk of desertification in Sardinia (Italy). J. Global Bioethic. 25: 1. 27-41.
 
13.Salvati, L., Kosmas, C., Kairis, O., Karavitis, C., Acikalin, S., Belgacem, A., Solé-Benet, A., Chaker, M., Fassouli, V., Gokceoglu, C., Gungor, H., Hessel, R., Khatteli, H., Kounalaki, A., Laouina, A., Ocakoglu, F., Ouessar, M., Ritsema, C., Sghaier, M., Sonmez, H., Taamallah, H., Tezcan, L., and De Vente, J. 2014. Unveiling soil degradation and desertification risk in the mediterranean basin: a data mining analysis of the relationships between biophysical and socioeconomic factors in agro-forest landscapes. J. Environ. Plan. Manage. 54: 10. 1-15.
14.Salvati, L., and Zitti, M. 2009. The environmental risky region: identifying land degradation processes through integration of socio-economic and ecological indicators in a multivariate regionalization model. J. Environ. Manage. 47: 3. 280-291.
15.Santini, M., Caccamo, G., Laurenti, A., Noce, S., and Valentini, R. 2009. A multi-component gis framework for desertification risk assessment by an integrated index. J. Elsevier. 22p.
16.Sepehr, A., and Zucca, C. 2012. Ranking desertification indicators using TOPSIS algorithm. J. Nat. Hazards. 62: 1137-1153.
17.Sepehr, A., Ekhtesasi, M., and Almodaresi, A. 2011. Development of desertification indicator system base on DPSIR (Take advantages of Fuzzy-TOPSIS). Geograph. Environ. Plan. J. 45: 1. 33-50.
18.Sepehr, A., and Parvian, N. 2012. Desertification vulnerability mapping and prioritize confronting strategies in Khorasan Razavi province based on the nartbh pramsh algorithm. Earth Sci. Res. J. 8: 58-71.
19.Silakhori, E., Ownegh, M., Sadoddin, A., and Filekesh, E. 2014. Comparing efficiency of iranian desert hazard assessment models, namely MICD and IMDPA (Case study: Sabzevar region). J. Water Soil Cons. 5: 89-99.
20.Sommer, S., Zucca, C., Grainger, A., Cherlet, M., Zougmore, R., Sokona, Y., Hill, J., Della Peruta, R., Roehrig, J., and Wang, G. 2011. Application of indicator systems for monitoring and assessment of desertification from national to global scales. J. Land Deg. Dev. 22: 184-197.
21.Thomas, G., and David, S. 1997. Science and the desertification debate. J. Arid Environ.
37: 599-608.
22.Zolfaghari, F., Shahriari, A.R., Fakhireh, A., Rashki, A.R., Noori, S., and Khosravi, H. 2011. Assessment of desertification potential using IMDPA model in Sistan plain. Watershed Management Research (Pajouhesh and Sazandegi). 91: 97-107. (In Persian( 
مجله پژوهش‌های حفاظت آب و خاک
دوره 23، شماره 3
مرداد 1395
صفحه 257-272

فایل ها

هم رسانی

ارجاع به این مقاله

آمار