مقایسۀ روش‌های عددی طبقه‌بندی پوشش‌گیاهی در بررسی بوم‌شناختی مراتع شمال شرق سمنان

نوع مقاله : پژوهشی

نویسندگان

1 دانشجوی دکتری دانشکده مرتع و آبخیزداری دانشگاه کشاورزی و منابع طبیعی گرگان

2 استاد دانشکده منابع طبیعی دانشگاه تهران

چکیده

جزیه کمّی روابط پوشش‌گیاهی و عوامل محیطی ابزاری ضروری در زمینه تحقیقات مدرن بوم‌شناسی پوشش‌گیاهی است. هدف از این  پژوهش تفکیک قطعات نمونه برای تشکیل واحدهای جامعه‌شناسی گیاهی در تعیین گروه‌های بوم‌شناختی مراتع شرق سمنان با استفاده از روش‌های عددی و مقایسۀ این روش‌هاست. نمونه‌برداری از پوشش‌گیاهی به روش تصادفی- سیستماتیک در 6 تیپ گیاهی و مجموع 270 پلات انجام شد. برای جمع‌آوری اطلاعات پوشش‌گیاهی در هر واحد، نمونه‌برداری در طول 3 ترانسکت 750 متری صورت گرفت. در طول هر ترانسکت، 15 پلات با ابعادی که به روش حداقل سطح تعیین گردید، به فاصلة 50 متر قرار داده شد. در هر پلات نوع گونه‌های موجود، تراکم و درصد تاج پوشش‌ آنها تعیین شد. در این پژوهش طبقه‌بندی پوشش گیاهی با روش‌های تجزیة دوطرفه گونه‌های شاخص (TWINSPAN)، تجزیة خوشه‌ای و تجزیه‌ و ‌تحلیل گونه‌های معرف انجام شد. با توجه به نظریۀ پیوستگی جوامع گیاهی، تجزیة تطابق کانونیک (CCA) و تجزیه تطبیقی قوس‌دار (DCA) برای تفکیک قطعات نمونه استفاده شد. در این تحقیق برای تعیین بهینه خوشه‌ها، روش تجزیه و تحلیل گونه‌های معرف به همراه آزمون مونت‌کارلو به‌کار گرفته شد. نتایج نشان داد در صورتی‌که در طبقه‌بندی پوشش‌گیاهی منطقه مورد مطالعه حاصل از تجزیه و تحلیل خوشه‌ای و TWINSPAN، شش خوشه یا گروه انتخاب شود، تعداد گونه‌های معرفی که دارای ارزش معنی‌داری باشند، حداکثر خواهد بود. بنابراین شش گروه به‌عنوان تعداد بهینة گروه‌های بوم‌شناختی مراتع شرق سمنان تعیین شد. روش تجزیة دوطرفۀ گونه‌های شاخص با توجه به همبستگی بالا، مقادیر ویژۀ بالا در گروه‌ها (65/0 تا 85/0) و تفکیک قطعات نمونه از دقت بالاتری برخوردار است و کاربرد آن نسبت به سایر روش‌ها به‌دلیل دقت بالاتر و تأیید روش بوسیله آنالیز گرادیان بهتر است. همچنین نتایج نشان داد که روش DCA با مقادیر ویژه بالای محورهای اول و دوم (63/0 و 193/0) نتایج طبقه‌بندی را با تفکیک بیشتری نسبت به روش CCA تأیید می‌کند.

کلیدواژه‌ها


عنوان مقاله [English]

Comparing of numerical classification of survey the vegetation ‎ecological of east rangeland of Semnan

نویسندگان [English]

  • L. Khalasi Ahvazi 1
  • M.A. Zare Chahouki 2
1 pHD student, Faculty of Natural Resources, University of Gorgan
2 Professor, Faculty of Natural Resources, University of Tehran
چکیده [English]

Quantitative analysis of ecological relationships between vegetation and the environment has become an essential means in the field of research of modern vegetation ecology. The main of this study using the numerical method for Individuation plots for the formation of phyto sociology units and comparing these methods in east rangeland of Semnan. Sampling of vegetation was performed in 270 plots using randomized systematic method. Sampling was done within each unit of sampling parallel transects and 1 vertical transect with 750m length, each containing 15 quadrates (according to vegetation variations) with a distance of 50 m from each other, were established. Quadrate size was determined for each vegetation type using the minimal area method. Vegetation data including density and cover percentage were estimated quantitatively within each quadrat. In this study separation of plots based on Euclidian distance and using TWINSPAN analysis, Cluster analysis and Indicator species analysis in order to classify vegetation.  Indicator species analysis accompanied with Monte Carlo test was used to choose the optimum number of the clusters. Results showed that if six clusters were selected in the vegetation classification of vegetation communities in the study area based on cluster analysis, the number of indicator species, which had significant indicator values, would be maximum. Therefore, six groups could be introduced as the optimum number of ecological groups of east rangeland of Semnan.  TWINSPAN analysis was used for classification, is better than other by higher eighen value (0.65 until 0.85) and DCA analysis was better than CCA Axis 1 and axis 2 were highly associated (0.63,0.193).

کلیدواژه‌ها [English]

  • CCA
  • DCA
  • Euclidian distance
  • Randomized systematic
  • TWINSPAN