تعیین ارتفاع مناسب کشت گونه‌های درختی غیربومی در جنگل‌های شمال ایران‌ بر مبنای شاخص های گرمایی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو هیأت علمی گروه هواشناسی دانشکده مهندسی و فناوری کشاورزی دانشگاه تهران

2 دانشجوی دوره دکتری

چکیده

چکیده
سابقه و هدف
پوشش گیاهی به‫عنوان یکی از اجزاء مهم اکوسیستم‫های طبیعی تاثیرپذیری بسیار زیادی از شاخص‫های اقلیمی دارد. ‬‬‬‬‬‬در این راستا شاخص‫ها و مدل‫های بسیاری با هدف روشن ساختن ارتباط اقلیم و پوشش گیاهی ارائه شده‫اند.‬‬‬‬‬‬ از میان عوامل مختلف اقلیمی تغییرات دمای هوا در مدیریت توزیع پوشش گیاهی در مناطق مرطوب نقش مهمی دارد. از آن‫جا که اغلب مطالعات صورت‫گرفته در ایران در رابطه با پوشش گیاهی برمبنای روش‫های آماری و سنجش‫‫ازدور بوده است و تنها به پایش تغییرات پوشش گیاهی می‫پردازند لذا معرفی و ارائه شاخص‫های اقلیمی جهت پیش‫بینی پوشش گیاهی طبیعی ضروری است. ‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬هدف از این بررسی ارزیابی و معرفی مناسبترین شاخص اقلیمی دمایی و استفاده از آن به‫منظور پیش‫بینی ارتفاع مناسب جهت کشت گونه‫های جنگلی غیربومی به‫خصوص سوزنی برگان در جنگل‫های شمال ایران است.‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬
مواد و روش‫ها‬‬‬
این مطالعه در دو مقیاس مکانی انجام شده است. در گام اول سه شاخص WI (شاخص گرمایی)، BWI (شاخص گرمایی زیستی) و EWI (شاخص گرمایی موثر) با استفاده از داده‫های اقلیمی دمای متوسط ماهانه ۳۴ ایستگاه سینوپتیک نوار شمالی کشور در دوره آماری ده ساله (۲۰۱۴-۲۰۰۵) محاسبه شد. ‬‬تغییرات ارتفاعی شاخص‫ها بصورت روابط گرادیان ارتفاعی به‫دست آمد و نقشه‫های تغییرات ارتفاعی هر شاخص ترسیم شد. ‬‬‬‬‬‬در گام دوم به‫منظور بررسی دقیق کارائی شاخص‫های محاسبه شده در تعیین گسترشگاه پوشش گیاهی، منطقه مورد مطالعه کوچکتر و محدود به جنگل آموزشی پژوهشی خیرود شد. ‬‬‬‬در این مرحله نقشه‌های گسترشگاه تیپ‌های جنگلی منطقه‌ی خیرود جمع‌آوری‌شده و با نقشه‌های پوشش گیاهی پیش‌بینی‌شده توسط شاخص‌ها مورد مقایسه قرار گرفت.‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬

یافته‫ها‬‬‬
در این بررسی مطالعه تطبیقی چند شاخص دمایی جدید با توزیع پوشش گیاهی و درختی سه استان گلستان، مازندران و گیلان صورت گرفته و پوشش درختی پیش‌بینی شده توسط این شاخص‌ها با نقشه موجود گسترشگاه تیپ‌های جنگلی منطقه پاتم و بهاربن مقایسه شده است. با توجه به گونه‌های ثبت شده منطقه تمامی شاخص‌ها پیش‌بینی خوبی از پوشش درختی و جنگلی منطقه ارائه می‌دهند. تحلیل‌های آماری نشان دادند که شاخص گرمایی موثر (EWI) با بیشترین میزان همبستگی (R2=0.964)و کمترین مقدار خطا (RMSE=3.87 ) مناسبترین شاخص جهت برآورد پتانسیل پوشش گیاهی منطقه مورد مطالعه است. این شاخص با درنظر گرفتن توام دامنه و میانگین سالانه دما، پیش‌بینی دقیق‌تری (تفکیک بهتر) از پوشش گیاهی بویژه در مناطقی با اختلاف ناچیز در مقادیر شاخص WI، ارائه می‌دهد. همچنین با ارائه روابط گرادیان ارتفاعی شاخص‌ها، ارتفاع مناسب از لحاظ شرایط دمایی جهت کشت گونه‌های درختی غیربومی که پتانسیل دمایی را برای ورود به جنگل‌های شمال ایران دارند، پیشنهاد شده‌است.
نتیجه‫گیری‬‬‬
پوشش گیاهی پیش‌بینی‌شده توسط شاخص EWI نسبت به سایر شاخص‌ها همپوشانی بیشتری با پوشش گیاهی شمال کشور داشته است. علاوه بر این با خطای کمتر در تخمین ارتفاع مرزهای تغییرات هر شاخص، پیش‌بینی دقیق‌تری جهت ورود گونه‌های غیربومی به منطقه ارائه می‌دهد. با توجه گذشت به حدود 5 دهه از ورود گونه‌های سوزنی‌برگ به جنگل‌های شمال و کشت آن‌ها در ارتفاعات مختلف و ناموفق بودن اکثر جنگل‌کاری‌هایی که در ارتفاعات متوسط کمتر از 900 متر از سطح دریا انجام‌شده‌است پیشنهاد می‌شود در ادامه‌ی جنگل‌کاری‌های آتی ارتفاعات مناسب پیش‌بینی‌شده از سطح دریا توسط شاخص EWI مدنظر قرار گیرد.

کلیدواژه‌ها


عنوان مقاله [English]

Determining the suitable elevation for exotic tree species in north of Iran forest based on thermal indices

نویسندگان [English]

  • Zahra Aghashariatmadari 1
  • Mahdi Helmijadid 2
1 Zahra Shariatmadari Assistant Prof., Irrigation & Reclamation Engrg. Dept. University of Tehran Karaj, Iran.
چکیده [English]

Determining the suitable elevation for exotic tree species in north of Iran forest based on thermal indices
Abstract
Background and objectives
Plant cover as a major element of natural ecosystems has high influence from climatic indices. In this regard many models and indices were produced with the aim of clarifying the relationship between climate and plant cover. The air temperature variations have a major role in management of plant cover distribution especially in humid region. The most studies about Plant cover in Iran were based on statistical methods and remote sensing technology and only monitor vegetation changes. So presentation of climatic indices for prediction of natural plant cover is necessary. The aim of this study is evaluation and introduction of most suitable climatic thermal index and use of this for prediction the appropriate elevation for exotic species cultivation especially conifers in north of Iran forests.

Materials and methods
In the first step, three indices of WI (Warmth Index), BWI (Biological Warmth Index) and EWI (Effective Warmth Index) were calculated based on monthly mean temperature data of 34 north strip synoptic stations of Iran in decade of (2005-2014). Variation of indices with elevation was achieved as altitudinal gradient relations and the variation map of them was drawn. In second step to investigate the efficiency of calculated indices in determination the plant cover distribution, the study region was smaller and limited to educational and research Kheirud forest. In this stage the forest type’s distribution maps of Kheirud was collected and compared with indices predicted plant cover distribution maps.

Results
In this research, some new thermal indices with plant and tree cover distribution in Golestan, Mazandaran and Gilan provinces have been comparatively studied and predicted tree cover by these indices was compared with available map of Habitats forest types of Patom and Baharbon. With respect to recorded species of the region, all of the indices present good predictions for the plant cover of the region under study. The results of statistical analysis showed that effective warmth index (EWI) with highest correlation (R2=0.964) and a lowest error value (RMSE=3.87 ) is the best indicator for estimation the plant cover of the region. This index by considering both range and average of the annual temperature presents the most accurate prediction (better differentiation) for plant cover especially in region that their WI index is similar. As well, the changes of indices with elevation were studied and related regression equation was presented. Furthermore suitable height in terms of temperature conditions was proposed for exotic species that have thermal potential for importing to the north of Iran forests.

Conclusion
Predicted plant cover by EWI index has more overlapping with north of Iran plant cover in compare to other two indices. Furthermore with lower error in estimation the elevation of boundary variation has more accurate prediction. With respect to the passage of 5 decades from entering coniferous species in northern forests and cultivation of them in various elevation and The failure of most forest cultivation that conducted on the average height of less than 900 meters above sea level, Based on this study proposed that in future forestry the best elevation will estimated with respect to more suitable predicted elevation by EWI index.

کلیدواژه‌ها [English]

  • thermal indices
  • tree species
  • north of Iran
  • plant cover
1.Chiu, C.A., Lin, P.H., Hsu, C.K., and Shen, Z.H. 2012. A novel thermal index improves
prediction of vegetation zones: associating temperature sum with thermal seasonality.
Ecological Indicators. 23: 668-674.
2.Chiu, C.A., Lin, H.C., Liao, M.J., and Zeng, Y.H. 2008. A physiognomic classification
scheme of potential vegetation of Taiwan. Q. J. For. Res. 30: 89-112.
3.Coulson, D., and Joyce, L. 2006. Indexing variability: a case study with climate change
impacts on ecosystems. Ecol. Indicators. 6: 749-769.
4.Darvishsefat, A.A., and Saroei, S. 2003. Evaluation of the potential of Landsat ETM+ for
forest density mapping in Zagros forests of Iran. In Geoscience and Remote Sensing
Symposium, 2003. IGARSS'03. Proceedings. 2003 IEEE International. 4: 2529-2531.
5.De Martonne, E. 1926. L’indice d’aridit´e. Bull Assoc Geogr Fr. 9: 3-5.
6.Fang, J.Y. 2001. Re-discussion about the forest vegetation zonation in eastern China. Acta.
Bot. Sin. 43: 522-533.
7.Gavilan, R.G. 2005. The use of climatic parameters and indices in vegetation. A case study in
the Spanish Sistema Central. Int. J. Biometeorol. 50: 111-120.
8.Gorji Bahri, Y., Farajipul, R., and Kiadaliri, Sh. 2013. Evaluation black pine silvics in north of
Iran forestry. Quar. J. For. Range. 97: 1. 51-57. (In Persian)
9.Gholizadeh, M. 2000. Preliminary results (6 years old) of experimental design coniferous in
the Kheirudkenar forest of Noshahr. 239: 4. 53-88. (In Persian)
10.Grisebach, A. 1838. Ueber den einfluss des climats auf die Begr¨anzung der naturlichen
floren. Linnaea. 12: 159-200.
11.Joibary, S., Darvishsefat, A.A., and Kellenberger, T.W. 2007. Forest type mapping using
incorporation of spatial models and ETM+ data. Pak. J. Biol. Sci. PJBS. 10: 14. 2292-2299.
12.Kheyroud Educational and Research Forest. http://kheyrud.ut.ac.ir/map.aspx.
13.Kira, T. 1991. Forest ecosystems of east and Southeast Asia in a global perspective.
Ecol. Res. 6: 185-200.
14.Masuda, K. 2000. A note on the climatic factors controlling the global distribution of
vegetation. Geogr. Rep. Tokyo Metropolitan Univ. 35: 21-30.
15.Meshkatee, A., Kordjazi, M., and Babaeian, I. 2010. Evaluation of LARS-WG model in
simulation of some observed meteorological parameters in Golestan province (1993-2007).
16: 19. 81-96. (In Persian)
16.Miller, J., Franklin, J., and Aspinall, R. 2007. Incorporating spatial dependence in predictive
vegetation models. Ecol. Model. 202: 225-242.
17.Mousavi Garmestani, A., Rasouli, M., and Nazari, M. 1995. Study of coniferous in north of
Iran forestry. Inter. J. For. Range. 1: 78-109. (In Persian)
18.Ni, J. 1997. Development of Kira’s indices and its application to vegetation-climate
interaction study of China. J. Appl. Ecol. 8: 2. 161-170. (In Chinese with English abstract)
19.Bryan, G. 1998. Improving ecological communication: the role of ecologists in
environmental policy formation. Ecological Applications. 8: 2. 350-364.
20.Parmesan, C. 2006. Ecological and evolutionary responses to recent climate change. Annual
Review of Ecology, Evolution and Systematics. 3: 637-669.
21.Peng, C. 2000. From static biogeographical model to dynamic global vegetation model: a
global perspective on modelling vegetation dynamics. Ecol. Model. 135: 33-54.
22.Rafieyan, O., Darvishsefat, A.A., and Namiranian, M. 2003. Forest area change detection
using ETM+ data in northern forest of Iran. In Proceedings of the First International
Conference on Envir. Rese. Asset. Bucharest, Romania.
23.Smith, T.M., Shugart, H.H., Bonan, B., and Smith, G.B.J.B. 1992. Modelling the potential
response of vegetation to global climate change. Adv. Ecol. Res. 22: 93-116.
24.Su, H.J. 1984a. Studies on the climate and vegetation types of the natural forests in Taiwan
(1): analysis of the variation in climatic factors. Q. J. Chin. For. 17: 1-14.
25.Su, H.J. 1984b. Studies on the climate and vegetation types of the natural forests in Taiwan
(2): altitudinal vegetation zone in relation to temperature gradient. Q. J. Chin. For. 17: 57-73.
26.Tuhkanen, S. 1980. Climatic parameters and indices in plant geography. Acta Phytogeogr
Suecica. 67: 1-110.
27.Von Humboldt, A. 1807. Ideen zu einem Geographie der Pflazen nebst einem naturgem¨alde
der Tropel¨ander. T¨ubingen.
28.Wahlenberg, G. 1811. Kamtschadalische Laub und Lebermoose, gesammelt auf der
russischen Entdeckungsreise von dem Herrn Hofrath Tilesius und untersucht. Mag Ges
Narutf Fr. 5: 289-297.
29.Walther, G., Post, E., Convey, P., Menzel, A., Parmesan, C., Beebee, T.J.C., Fromentin,
J.M., Hoegh-Guldberg, O., and Bairlein, F. 2002. Ecological responses to recent climate
change. Nature. 416: 389-395.
30.Whittaker, R.H. 1975. Communities and Ecosystems, 2nd ed. Macmilland, NY, USA.
352: 60-65.