بومشناسي کاربردي/ سال پنجم / شماره چهارم / زمستان ۱۳۹۵

تأثیر عوامل اقلیمی بر گسترش گونه Taverniera glabra در ایران با استفاده از روشهاي آماري چند متغیره

رسول خطیبی1*، سعید سلطانی1 و مرتضی خداقلی2

(تاریخ دریافت: 25/8/1394 ؛ تاریخ پذیرش: 9/8/1395)
DOI: 10.18869/acadpub.ijae.5.18.27

چكيده
بهمنظور بررسی تأثیر عوامل اقلیمی بر گسترش گونه Taverniera glabra در مراتع ایران، متغیرهاي اقلیمی که از نظر اقلیم روی شـی اهمیـت داشتند، انتخاب و با استفاده از روش تحلیل عاملی، عوامل مؤثر بر پراکنش این گونه مورد بررسی قرار گرفت، سپس نقشه پراکنش فضـا یی تمام این عوامل در کل سطح ایران ترسیم گردید. نتایج تحلیل عاملی نشان داد که 9 عامل درجه حرارت، رطوبت نسبی، بـارش زمسـتانه، بارش تابستانه، روزهاي نیمهابري، متوسط سرعت باد، تندر و روزهاي برفی با مقدار ویـ ژه بـ یش از یـ ک بـه ترتیـب 71/29، 32/22، 58/9، 52/7، 80/6، 22/6، 25/4، 69/3 و22/2 درصد و در مجموع 35/92 درصد از کل واریانس دادهها را توضی ح میدهنـد. در نها یـ ت عوامـل اقلیمی درجه حرارت، رطوبت نسبی، متوسط سرعت باد و تندر از مهمترین عوامل مؤثر بر پراکنش ت یـپ هـاي گ یـاهی کـه در آنهـا گونـه Taverniera glabra غالب هستند مشخص شد. عوامل درجه حرارت، بارش تابستانه، متوسط سرعت باد و تندر از عوامل اقلی مـی مـؤثر بـر پراکنش تیپهاي گیاهی که در آنها گونه فوق بهصورت همراه حضور دارند بهدست آمد. در پایان مشخص شد این عوامل باعـث پـراکنش این گونه در مناطق جنوب شرق ایران شده است.

واژههاي كليدي: عوامل اقلیمی، تحلیل عاملی، روشهاي آماري چند متغیره، گونه Taverniera glabra

۱. گروه مرتع و آبخيزداری، دانشکده منابع طبيعي، دانشگاه صنعتي اصفهان
۲. بخـش تحقيقـات حفاظـت خـاک و آبخيـزداري، مرکـز تحقيقـات و آمـوزش کشـاورزي و منـابع طبيعـي اسـتان اصـفهان، سـازمان تحقيقـات، آمـوزش و ترويج کشاورزي، اصفهان
*: مسئول مكاتبات، پست الكترونيكي: r_khatibi60@yahoo.com
مقدمه
گیاهان در طبیعت و در اکوسیستمهاي طبیعی اثرات محی طـی را بهخوبی نشان میدهند و چون مکان تقریبـاً ثـابتی دارنـد بـراي تفکیک و جداسازي اقالیم رویش حیاتی مناسب هستند، تمـا می عناصر آب و هوایی و تغییـ رات آنهـا از عوامـل محـدود کننـدهانتشار و پراکندگی رستنیها بهحساب میآیند (2). البتـه تمـامی گیاهان براي بررسی طبقات اقلیمی مناسب نخواهنـد بـود بلکـه هرچه میدان اکولوژیک گیاهان وسیعتر باشند کمتر در تشخیص پهنههاي رویشی بهکار میرونـد و بـالعکس، هـر چـه محـدوده(میدان) اکولوژیک گونههاي گیاهی محـدودتر باشـند بیشـتر درتشـخیص و تفکیـک اقـالیم رویشـی مؤثرنـد (2). اگـر میـدان اکولوژیک نباتی محدود باشد انتشار آن گ یـاه بـه محـیط معی نـی محدود میشود و در ایـ ن راسـتا، شـاخص آب و هـوا و اقلـ یم معینی شده و در تقسیمات اقلی مـی بیشـتر مـورد اسـتفاده قـرارمیگیرد از اینرو گیاهان بومی، چندساله نسبت به یکسـاله هـا و گیاهان زراعی براي تفکیک و تشخیص اقالیم رویشی مناسبتر هستند (2). پهنهبندي اقلیمی یعنی تفکیک و گروهبندي مناطق با ویژگــیهــاي اقلیمــی مشــابه، کــه از د یربــاز مــورد توجــهاکولولوژیستها بوده است (3). پوشش گیاهی نقـش مه مـی در پهنهبندي اقلیمـی دارد و در اصـل مـی توانـد بـه عنـوان معـرف مجموعهاي از الگوهاي اقلیمی و توپوگرافی در مناطق مختلـفباشد، آخانی (1) در ارتباط با این موضوع بـه ایـ ن نکتـه اشـارهمیکند که میتوان از تطبیق نقشههاي پوشش گیاهی و اقلیم بـریکدیگر، براي شناسایی مناطق زیست اقلیمی اسـتفاده کـرد. درارتباط با این موضوع پـژوهش هـاي مختلفـی بـراي گونـه هـاي مختلف و در نقاط مختلف ایران و جهان انجام شـد ه اسـت کـهمهمترین آنها به شرح زیر اسـت: ی غمـایی و همکـاران (10) بـااستفاده از روشهاي آماري چند متغیره، به تأثیر عوامـل اقل یمـی بر گسترش ت یـپ هـاي جنگلـی اسـتان چهارمحـال و بخت یـاري پرداختند و عوامـل بـارش و دمـاي گرمای شـی را از مهـم تـرین عوامل مؤثر بر گسترش گونـه هـا و ت یـپ هـاي جنگلـی معرفـی کردنـد. صـبوحی و خـداقلی (6) در بررسـی خـواقلیمی گونـه Bromus Tommentellus در اسـتان اصـفهان بـهترتیـب چهـار عامل: بارش، دمـا، بـاد و سـاعات آفتـابی را بـه عنـوان عوامـلتأثیرگذار در پراکنش و گسترش این گونه مرتعی معرفی کردند. گاو یلان (11) به کاربرد پارامترهاي اقلیمی در پوشـش گ یـاهی پرداخت. در این مطالعه بالغ بر 100 شاخص اقلیمـی مـؤثر بـر پراکنش پوشش گیاهی، که از 260 ایستگاه هواشناسی بـه ثبـترسیده بودند، در منطقه اي بهنام ایبر در اسپانیا مورد ارزیابی واقع شد. در این تحقیق، روش آماري چند متغیره و تجزیه و تحل یـل تخمینی را به کار گرفتند، نتایج طبقـه بنـدي سـطوح متفـاوتی از همبستگی را بین پارامترهاي اقلیمی نشـان دادنـد، 111 پـارامتراقلیمی به 5 گروه بزرگتر تقسیم شـدند . همـان طـور کـه انتظـارمیرفت بارندگی و درجه حرارت متغیرهاي مؤثر بر پهنـه بنـدي پوشش گیاهی بودند. مارتینز و همکـارانش ( 13) بـا روش هـاي آماري چند متغیره به پهنهبندي اقلیمی مکزیکو سیتی پرداختنـد،براي این کار دادههاي اقلیمی از 37 ایستگاه هواشناسی در طول 30 سال برداشت شدند. براسـاس وی ژگـی هـاي مشـابه اقلیمـی مشاهده کردند 2 منطقه بزرگ اقلیمی در منطقه وجـود دارد کـهخود به 4 منطقه کوچـ ک اقلی مـی تقسـیم مـی شـود. مهـم تـرین پارامترهاي اقلیمی که پهنهبندي براساس آنها انجام گرفت شامل: درجه حرارت، بارندگی، روزهاي همراه با مه و شبنم، روزهـا ي همراه با رعـد و بـرق، روزهـاي همـراه بـا تگـرگ و روزهـاي یخبندان بودند.
هدف از این پژوهش، بررسی عوامل اصلی اقلیمی مؤثر بـر
پراکنش گونه گیاهی Taverniera glabra (شکل 1) و همچنین تهیه نقشه هـاي عوامـل اقل ی مـی در سـطح ا یـران بـا اسـتفاده ازروشهاي آماري چند متغیره میباشد.

مواد و روشها
در تحقیق حاضر با استفاده از اطلاعـات اخـذ شـده از سـازمان هواشناسی کشور 137 متغیر اقلیمی کـه از نظـر اقلـیم رویشـیاهمیت بیشتري داشتند، انتخاب شدند. این دادهها پس از کنتـرل صحت (با استفاده از آمار ایستگاههاي سینوپتیک معتبر منطقـه) ، جهت ایجاد پایگاه اطلاعاتی این پـژوهش مـورد اسـتفاده قـرار گرفتند. براي بررسی همگنی و نرمال بودن دادههـا بـه ترتیـب از آزمونهاي ران تــست و آزمون کلمــوگروف – اســـمیرونوف استفاده شد. ایستگاههاي مورد استفاده جهت تول یـد ایـن پایگـاه اطلاعاتی، کلیه ایستگاههاي سـینوپتیک و کلیمــاتولوژي داخـل ایران اســت. طــول ســالهاي آمــاري در ایستگاههاي مـورد استفاده از 1951 تا 2010 میباشد. بهطور کلـی نتـایج تجزیـه وتحلیل اقلیمی زمانی قابل تعمیم به پهنههاي گسترده خواهد بود که با استفاده از روشهاي میانیـاب ی (Interpolation) دادههـا ي نقطه اي به دادههاي پهنـه اي تبدیل شود (5). بنابراین با توجه به تــراکم و تغییرپـــذیري متغیرهــاي انتخــابی و بــا اســتفاده ازمتغیرترین پارامتر که بارندگی است اقدام به تحلیـل واریـوگرامبراي تعیین اندازه فاصله مناسب ابعاد شـبکه شـد کـه براسـاس نتایج تحلیل واریـوگرام فاصله مناسب (دامنه) براي تعیین اندازه این شبکه مشخص گردیــد . بنـابراین، انـدازه 35×35 کیلـومتر براي ایران انتخاب و با توجه به این ابعاد ماتریسی با 137 ستون (متغیرها) و 1267(ردیف) براي سرتاسر ایران، حاصل و مقادیر متغیرهـاي اقلیمی بهروش کریجنیـگ در هـر یـک از مکـان هـا (گرهگـاههاي شبکه کریجنیـگ )، بـرآورد گردیـ د (نقشـه 2). بـا توجه به اینکه واحدهاي سنجش هرکدام از متغیرهاي اقلیمی بـاهم تفاوت دارد، لذا جهت مقایسه صحیح متغیرها بـا همـدیگر، کلیه آنهـا بـه نمـرات Z اسـتاندارد شـده تبـدیل مـی شـوند ، تـا بهصورت هم واحد درآیند و پس از ایجـاد مـاتریس اسـتاندارد
شده، تحلیل عاملی (Factor Analysis) صورت گرفـت. تحلیـلعاملی روشی براي تفسیر وجود همبستگی درونی بین تعـدادي صفت قابل مشاهده از طریق عواملی که قابـل مشـاهده نی سـتند، میباشد. هدف ایـن روش کـاهش حجـم داده هـا و اسـتفاده ازپیشبینیهاي مربوط به عوامل غیرقابل مشاهده حاصـل از ایـنروش و بهکار بردن آنها در تحلیلها ي آماري بعـدي اسـت . دو بین عاملهاي حاصل از تحلیل عاملی و متغیرها ي اصلی را که براي ساختن عاملها مورد اسـتفاده قـرار مـیگیرنـد توضـیح مـیدهـد وماتریس دیگر، ماتریس امتیاز عاملی است که الگوي مکانی عوامل را در سـطح ا یـران نشـان مـی دهـد و بـــراي ترســـیم نقـــشههـا ي عامــلها و همچنین بهعنـوان دادههـا ي اولیـــه جهـــت تحلیـ ـل خوشــهاي اســتفاده میشـــود . در ایـن تحقیــق، تحلیـل عـاملی بـهروش مؤلفـه هـا ي اصـلی (Principal Component Analysis) و دوران واریمــــاکس (Varimax Rotation) روي ماتریس داده هـاي اولیه انجام گرفت و با استفاده از آن تعداد متغیرهـا کـاهش یافــت.
عاملها یی که واریانس یا مقدار ویژه آنها کوچکتـر از یـک اسـت، بهتـر از یـک متغیـر لاصـ ی نیسـتند زیـرا هـر متغیــر لاصـ ی داراي واریـانس یک است (7). بنابراین در این تحقیق عاملها یی که داراي مقادیر ویژه بیش از یک بودند، انتخاب شدند. سپس بـراي بررسـی کــارایی تحلیــل عـــامل ی از روش KMO اسـتفاده شـــد .KMO شاخصی براي مقای سـه مقـدار همبسـتگی مشـاهده شـده بـا مقـدار همبستگی هاي جزئی است. مقدار این ضریب بین صفر و یک است.
یعنی 1<KMO< میباشد. اگر یک همبسـتگی خطـی و قـوي بـینمتغیرها وجود داشته باشد نزدیک به یک خواهد بود. کایزر (1974) مقدار KMO را بهصورت زیر تقسیم نمود:
اگر 9/0 >KMO باشد تجزیه به عاملها بسیار مف یـد اسـت.
اگر 9/0 <KMO < 8/0 باشد تجزیه به عاملها خوب است .
اگر 5/0< KMO باشد در آنصورت تجزیه به عاملها مفید نخواهد بود (8).
در مرحله بعد نقشه پوشش گیاهی که توسـط سـازمان جنگـلهـا ، مراتع و آبخیزداري کشور براساس گونـه هـاي غالـب در سرتاسـرایران، آماده شده است، نیز بهروش کریجنیگ شبکهبنــدي شـده و پوشش گیـاهی موجود در هر یـک از 1267 مکـان ( ســلول هـاي شبکهبندي) مشـخص شـ د. سـپس اطلاعـات اقلی مـی مربـوط بـهپیکسلهاي پراکنش گونه Taverniera glabra استخراج و بهعنوان
مــاتریس بــار عــاملی (Factor Loading)و امتیـــاز عــاملی وروديهاي تحلیل عاملی و ارزیابی وضعیت اقلیمی منطقـه مـورد (Factor Score) هدف نهـایی تجزیـه عـاملی هسـتند کـه کلیـه مطالعه استفاده گردید و به این ترتیب بـا اسـتفاده از روش تحل یـل تفسیرها روي این دو ماتریس انجام میگیـرد. بار عاملها همبستگی تشخیصی (Discriminant Analysis) در نرمافزار SPSS امتیـازات

شکل 1. پراکنش گونه Taverniera glabra در تیپهاي گیاهی ایران

سلول هاي تیپ گونه T. glabra با هم جمع و میانگین متغیرهـا و عوامل براي سلولهایی که گونه موردنظر به صـورت غالـب وهمراه بودند جداگانه محاسبه شد.

نتایج
اولین مرحله براي ورود به مرحله تحلیل عاملی، بررسی کارایی این روش میباشد کـه بـا محاسـبه ضـریب KMO یـ ا ضـر یب کفایت نمونهگیري امکان پـذیر اسـت، در ایـ ن تحقیـ ق ضـر یب نمونهگیري برابـر 81% بـه دسـت آمـد، کـایزر (1974) ضـر یب کفایـت نمونـهگیـري بـین 8% و 9% را خیلـی خـوب ارزیـابی میکند (8).
در مرحله بعد، نتایج عاملی نشان داد که رو یـش و پـراکنشگونه گیاهی T. glabraدر ایران حاصل تعامل 9 عامل مختلـفمـیباشـد کـه در جـدول 1 آمـدهانـد، ایـن عوامـل بـا مقـادیر ویژهEigen Value) ) بیش از یـ ک، 35/92 درصـد از وار یـ انس کل را توجی ه میکنند (جدول 1).
در ادامه این تحقیق، به عوامل اقلیمی حاصله از نتایج تحلیل عاملی، اشاره شده است و براي هر عامل اقلیمی، نقشـه مربـوطبه آن عامل نی ز براساس اطلاعات حاصل از سلول هـاي 35×35 کیلومتر و بهروش کریجینـگ (لگـاریتمی) در نـرم افـزار سـرفر (Surfer) تهیه شـده اسـت. بـه طـور کلـی، بـررو ي هرکـدام ازنقشههاي عامل، اعداد برروي خطوط هـم مقـدار آنهـا، ترسـیم شده است که با توجه به اینکه مقادیر عاملهـا براسـاس توزیـعنرمال استاندارد میباشند، مقـادیر مربـوط بـه هـر عامـل داراي محدوده پراکنش 3+ تا 3- است و 68 درصد مقادیر هـر عامـلاستاندارد بین 1+ و 1- قرار میگیرند، بنابراین محـدوده 1+ تـا1- از نظر آماري حالت نزدیک به میانگین و مقادیر بالاتر از 1+ و کمتر از 1- مقادیر شدیداً مثبت و یا شـد یداً منفـی تـأثیر هـرعامل را نشان میدهند.
براي نامگذاري عوامل از متغیرهایی که بیشترین همبسـتگ ی با عامل مربوطه برخوردار بودند استفاده شده است ایـ ن عوامـلعبارتند از:

1- عامل درجه حرارت
جدول 1. مقادیر ویژه، درصد واریانس و واریانس تجمعی هر یک از عوامل
واریانس تجمعی
Cumulative (%) درصد واریانس
Variance (%) مقدار ویژه

(Eigen Value) عوامل
29/71
52/04
61/62
69/15
75/95
82/17
86/43
90/12
92/35 29/71
22/32
9/58 7/52
6/80
6/22 4/25 3/69
2/22 46/13
19/80
8/16 5/72
3/95 3/13
2/27 2
1/79 1
2
3
4
5
6
7
8
9

این عامل بهتنهایی 71/29 درصد از واریانس کل را توجی ه میکند، طبق جدول 2 سی و سه متغیر با این عامل همبستگی مثبت بـ یش از 7/0 دارند (جدول 2). از آنجاییکه تمامی متغیرهاي مربوط بـهدرجه حرارت (حـداکثر درجـه حـرارت ماهانـه، حـداقل درجـهحرارت ماهانه، درجه حرارت روزانه 12 ماه و…) همچنین سالانه تمامی ای ن متغیرها در این زیرگروه قرار دارنـد ایـ ن عامـل درجـهحرارت نام گرفت، شکل 2 پراکندگی فضایی این عامل را در کـلایران نشان میدهد. تفسیر این نقشهها به این صورت میباشـد کـهبه اعداد نقش بسته برروي خطوط هم مقدار بایستی به دقت نگـاهکرده، مرز صفر بهعنوان پایه قضاوت انتخاب میشود، جاهایی که از صفر بهطرف 1- قرار میگی رند یعنی مقدار عامـل منفـی و کـممیباشد و بالعکس جاهایی که از صفر بهطرف 1+ قرار میگیرنـدیعنی مقدار آن عامل مثبت و در حال افزایش هستند. بهعنوان مثال در این نقشه که مرتبط با عامل درجه حرارت در ایران مـیباشـد، ملاحظه میشود که مناطق مرکزي و کویري ایران داراي مرز صفر هستند و از مرز صفر بهطرف 1+ در حال افزای ش میباشند که این نشاندهنده گرم شدن این مناطق است و با واقعیـ ت جغراف یـایی و اقلیمی این مناطق هم مطابقت دارد. در مناطق غرب و شمال غرب و شمال شرق ایران مشاهده میشود که از مرز صفر بـه طـرف 1- در حــال افــزایش هســتند، دقیقــاً ایــن منــاطق مرتفــع و داراي کوهستانهاي مه مـی مثـل رشـته کـوه هـاي زاگـرس در غـرب وهمچنین رشته کوههاي شمال شرق و شمال غرب ایـ ران هسـتند . در این مناطق بهطور میانگین عامل درجه حرارت در حال کـاه ش میباشد و این هم با واقعیـ ت جغراف یـایی و اقلی مـی ا یـران کـاملاً مطابقت دارد و نشاندهنده صحت کار میباشد. نقشههاي عـاملی که در این پژوهش، توسط نرمافزار سرفر تهیه شـده اسـت کـاملاً صحی ح میباشد، چرا که مثلاً اگر در مناطق کویري و مرکزي ایران بهطرف شرق و جنوب شرق بهجاي قرارگیـري مـرز صـفر و 1+ برروي خطوط هممقدار این نقشـه، اعـداد بـهطـرف 1- در حـالافـزایش بودنـد، نش اندهن ده ع دم صـحت و س قم ک ار ب ود.
جدول 2. ماتریس بار عاملی دوران یافته بزرگتر از 7/0 

عاملها (1) (2) (3) (4) (5) (6) (7) (8) (9)
متغیرها
حداقل حرارت ژانویه 9/0 – – – – – – –
حداقل حرارت فوریه 9/0 – – – – – – -حداقل حرارت مارس 9/0 – – – – – – – – حداقل حرارت اکتبر 9/0 – – – – – – – –
-219458-966958

حداقل حرارت نوامبر 9/0 – – – – – – -حداقل حرارت دسامبر 9/0 – – – – – – – – حداقل حرارت سالیانه 9/0 – – – – – – – – روزهاي یخبندان ژانویه 9/0- – – – – – – – – روزهاي یخبندان فوریه 9/0- – – – – – – – – روزهاي یخبندان دسامبر 9/0- – – – – – – – – روزهاي یخبندان سالیانه 9/0- – – – – – – – – حداکثر حرارت مارس 8/0 – – – – – – – – حداکثر حرارت آوریل 8/0 – – – – – – – – حداکثر حرارت می 8/0 – – – – – – – – حداکثر حرارت ژوئن 8/0 – – – – – – – – حداکثر حرارت ژولاي 7/0 – – – – – – – – حداکثر حرارت آگوست 7/0 – – – – – – – – حداکثر حرارت سپتامبر 8/0 – – – – – – – – حداکثر حرارت اکتبر 9/0 – – – – – – – – حداکثر حرارت سالیانه 8/0 – – – – – – – – حرارت روزانه ژانویه 9/0 – – – – – – – – حرارت روزانه فوریه 9/0 – – – – – – – – حرارت روزانه مارس 9/0 – – – – – – – – حرارت روزانه آوریل 9/0 – – – – – – – – حرارت روزانه ژوئن 9/0 – – – – – – – – حرارت روزانه ژولاي 9/0 – – – – – – – – حرارت روزانه آگوست 9/0 – – – – – – – – حرارت روزانه سپتامبر 9/0 – – – – – – – – حرارت روزانه اکتبر 9/0 – – – – – – – – حرارت روزانه نوامبر 9/0 – – – – – – – – حرارت روزانه دسامبر 9/0 – – – – – – – – حرارت روزانه سالیانه 9/0 – – – – – – – – رطوبت نسبی مارس – 8/0 – – – – – – – رطوبت نسبی آوریل – 8/0 – – – – – – – رطوبت نسبی می – 9/0 – – – – – – – رطوبت نسبی ژوئن – 9/0 – – – – – – – رطوبت نسبی سپتامبر – 9/0 – – – – – – – رطوبت نسبی اکتبر – 9/0 – – – – – – – رطوبت نسبی سالیانه – 9/0 – – – – – – – حداکثر رطوبت نسبی مارس – 7/0 – – – – – – –
حداکثر رطوبت نسبی آوریل حداکثر رطوبت نسبی می حداکثر رطوبت نسبی ژوئن – 7/0 – – – – – – –
– – – – – – 0/8 –
– – – – – – 0/9 –
– – – – – – 0/9 –
– – – – – – 0/9 –

حداکثر رطوبت نسبی سپتامبر حداکثر رطوبت نسبی اکتبر
ادامه جدول 2. ماتریس بار عاملی دوران یافته بزرگتر از 7/0 
عاملها (1) (2) (3) (4) (5) (6) (7) (8) (9)
متغیرها
-149362-347712

حداکثر رطوبت نسبی سالیانه – 9/0 – – – – – – – حداقل رطوبت نسبی مارس – 9/0 – – – – – – – حداقل رطوبت نسبی آوریل – 8/0 – – – – – – – حداقل رطوبت نسبی می – 8/0 – – – – – – – حداقل رطوبت نسبی ژوئن – 9/0 – – – – – – – حداقل رطوبت نسبی سپتامبر – 9/0 – – – – – – – حداقل رطوبت نسبی اکتبر – 9/0 – – – – – – – حداقل رطوبت نسبی سالیانه – 9/0 – – – – – – – بارش ماهانه ژانویه – – 9/0 – – – – – – بارش ماهانه فوریه – – 9/0 – – – – – – بارش ماهانه مارس – – 8/0 – – – – – – بارش ماهانه نوامبر – – 7/0 – – – – – – بارش ماهانه دسامبر – – 9/0 – – – – – – بارش ماهانه سالیانه – – 8/0 – – – – – – روزهاي با بارش ژولاي – – – 7/0 – – – – – روزهاي با بارش آگوست – – – 7/0 – – – – – روزهاي با بارش سپتامبر – – – 7/0 – – – – – روزهاي با تندر می – – – – – – – 7/0 – روزهاي با تندر سالیانه – – – – – – – 7/0 – روزهاي با گرد و غبار آوریل – – – – – – 7/0 – – روزهاي با گرد و غبار می – – – – – – 7/0 – – روزهاي با گرد و غبار ژوئن – – – – – – 7/0 – – روزهاي با گرد و غبار ژولاي – – – – – – 7/0 – – روزهاي با گرد و غبار آگوست – – – – – – 8/0 – – روزهاي با گرد و غبار سپتامبر – – – – – – 8/0 – – روزهاي با گرد و غبار سالیانه – – – – – – 7/0 – – متوسط سرعت باد آوریل – – – – – 8/0 – – – متوسط سرعت باد می – – – – – 9/0 – – – متوسط سرعت باد ژوئن – – – – – 8/0 – – – متوسط سرعت باد ژولاي – – – – – 7/0 – – – متوسط سرعت باد آگوست – – – – – 8/0 – – – متوسط سرعت باد سپتامبر – – – – – 9/0 – – – متوسط سرعت باد اکتبر – – – – – 9/0 – – – متوسط سرعت باد نوامبر – – – – – 8/0 – – – متوسط سرعت باد دسامبر – – – – – 7/0 – – – متوسط سرعت باد سالیانه – – – – – 9/0 – – – روزهاي نیمهابري دسامبر – – – – 7/0 – – – – بارش بیش از10 میلیمتر زمستان – – 9/0 – – – – – – بارش بیش از 10 میلیمتر تابستان – – – 7/0 – – – – – بارش بیش از 10 میلیمتر پاییز – – 8/0 – – – – – – بارش بیش از 5 میلیمتر زمستان – – 9/0 – – – – – – بارش بیش از 5 میلیمتر تابستان – – – 7/0 – – – – – بارش بیش از 5 میلیمتر پاییز – – 7/0 – – – – – – روزهاي با برف فصل زمستان – – – – – – – – 9/0 روزهاي با برف فصل بهار – – – – – – – – 9/0 روزهاي با برف فصل پاییز – – – – – – – – 9/0

شکل 2. نقشه پراکندگی فضایی امتیازات عاملی درجه حرارت

بهطورکلی و براي تفسیر ایـن 9 عامـل اقلی مـی در سرتاسـرایران، و با توجه به نقشههاي ترسیم شده هر عامل، به این نحـو عمل میشود که سه مرز صفر، 1+ و 1- را برروي خطـوط هـم مقدار نقشهها بهدقت نگاه کرده، مناطقی که از مرز صفر بهطرف 1+ در حال افزایش باشند در آن مناطق، مقدار آن عامل در حال ازدیاد میباشد و بالعکس، مناطقی که از مرز صفر بـه طـرف 1- در حال افزایش باشند در آن منـاطق، مقـدار آن عامـل در حـال کاهش میباشد.

عامل رطوبت نسبی
این عامل بهتنهایی 32/22 درصد از واریانس متغیرهاي اولیـ ه را بی ان میکند. طبق جـدول 2 بیسـ ت متغیـ ر بـا ایـ ن عامـل دارا ي همبستگی بیش از 7/0 دارند (جدول 2) و با توجه به اینکه کلیه متغیرهاي مرتبط با رطوبت نسبی در این زیر گـروه قـرار دارنـداین عامـل بـهنـام عامـل رطوبـت نسـبی نـام گرفـت. شـکل 3 پراکندگی فضایی این عامل را در کل سطح ایران نشان میدهد. همانطور که مشـاهده مـی شـود در منـاطق سـواحل شـمالی و جنوبی و مناطق نزدیک به سواحل، عامل رطوبت نسبی در حال افزای ش است و این بهراحتی از روي اعداد خطوط هم مقدار که بهطرف مثبت سیر میکنند، قابل تشخیص است.

عامل بارش زمستانه
این عامل 58/9 درصد از کل واریانس متغی رهـاي اولیـ ه را ب یـان میکند، متغیرهاي بارش ماهانه فصل زمستان و پاییز و ماه هـاي ژانویه، فوریه، مارس، بـارش ماهانـه نـوامبر، دسـامبر، و بـارشسالانه، روزهاي با بارندگی بیش از 10 میلیمتـر و 5 میلـی متـر فصل زمستان و فصل پاییز، در این گروه جاي دارند. بـه ه مـی ن دلیل این عامل بهنام عامل بارش زمستانه نام گرفـت هـم چنـین طبق شکل 4 نقشه پراکندگی فضـایی ایـ ن عامـل در کـل ایـ ران نمایش داده میشود. همانطور که ملاحظه میشود مناطق غرب و همچنین منـاطقی در شـمال ایـ ران (خصوصـاً منـاطق اسـتانگیلان) بارش فصول سرد سال بیشتري نسبت بـه سـایر منـاطقایران دارند.

عامل بارش تابستانه
این عامل به تنهایی 52/7 درصد از کل واریانس متغیرهاي اولیهرا بیان میکند، علت نامگذاري این عامل به این نام، قرار گرفتن متغیرهایی چون بارش ماهانه ماههاي جولاي، آگوست، سپتامبر، روزهــاي بــا بــارش فصــل تابســتان و روزهــاي بــا بــارش

شکل 3. نقشه پراکندگی فضایی امتیازات عاملی رطوبت نسبی

شکل 4. نقشه پراکندگی فضایی امتیازات عاملی بارش زمستانه
بیش از 5 میلیمتر فصل تابسـتان کـه داراي همبسـتگی قـوي وبیش از 7/0 میباشند در یک زیـر گـروه هسـتند هـم چنـین درشکل 5 نقشه پراکندگی فضاي این عامل در ایـران نمـایش دادهشده است. طبق این نقشه ملاحظه میشود که بیشترین منـاطق ی که عامل بارش فصل گرم سال زیادتري نسبت به جاهاي دیگـرایران دارند فقط مناطق شمالی ایران میباشند که در فصول بهـارو تابستان که بهطـور کلـی، بـارش تابسـتانه نامیـ ده مـی شـوند ، داراي مقادیر زیادي از این عامل هستند. هـم چنـین نکتـه قابـلتوجه در این نقشه این است که در مناطق شرق و جنوب شـرقایران مقدار این عامل رو به افزای ش میباشد (نسـبت بـه بـارشزمستانه) که این امر بسیار منطقی به نظر میرسد.

عامل روزهاي نیمهابري
این عامل فقط با متغیر روزهاي نیمـه ابـري مـاه دسـامبر، دارايهمبستگی قوي و بیش از 7/0 نشان داد و علت نامگـذاري ایـنعامل بودند که با توجه بهشکل 6 نقشه پراکندگی این عامـل درکل ایران بهوضوح نشان داده شده است.

عامل میانگین سرعت باد

1227530-2779847

شکل 5. نقشه پراکندگی فضایی امتیازات عاملی بارش تابستانه

این عامل با تمامی متغیرهاي مربوط به متوسط سرعت بـاد چـهبهصورت ماهانه و سالانه داراي همبستگی قوي و بـ یش از 7/0 نشان دادند و نقش این عامل کلیدي و مهم را در تأثیرپذیر بودن جهت تفکیک پهنـه هـایی بـا اقـالیم روی شـی در یـ ک منطقـه وخصوصاً ایران نشان دادند در ای ن تحقیق 10 متغیر مربوطه عامل فوق 22/6 درصد از کل واریانس اولیه را بی ان میکنند و مطـابقبا شکل 7 نقشه پراکندگی فضایی این عامل در کل سطح ایـران بهوضوح نمایش داده شده است. همانطور که ملاحظه می شـودمناطق بادخیز ای ران برروي این نقشه، بهراحتی معلوم میشـوند،اولین محدوده که شامل مناطق بادي زی اد میباشد منطقه جنوب شرق ایران (شمال استان سیستان و بلوچستان و جنوب و شرق استان خراسان جنوبی) هستند، همانطور که دیـده مـیشـود در این مناطق اعداد خطوط هم مقدار از مرز صـفر بـه طـرف 1+ و 2+ و 3+ در حال افزایش هستند، محدوده بعدي بـرروي نقشـهایران که شامل مناطق بادي زیاد میشود محدوده جنوب اسـتان گیلان و مناطق مجاور آن میباشد (خصوصاً منجیل و رودبـار).
همانطور که ملاحظه میشود تیـپ هـاي گیـاهی مـورد مطالعـه در این تحقیـق در منـاطقی قـرار مـیگیرنـد کـه از لحـاظ ایـن عامل، بیشتر تحتتأثیر قرار میگیرند و بـا شـرایط بـادي زیـادسازگار یافتهاند و در طول سالیان متمادي به حیات خـود ادامـهمیدهند.

عامل گرد و غبار

شکل 6. نقشه پراکندگی فضایی امتیازات عاملی روزهاي نیمهابري

شکل 7. نقشه پراکندگی فضایی امتیازات عاملی میانگین سرعت باد
این عامل 25/4 درصد از کل واریانس متغی رهـاي اولیـ ه را بیـ ان میکند، متغیرهاي روزهاي با گرد و غبار ماه هـاي آور یـل، مـی، ژوئن، جولاي، آگوسـت ، سـپتا مبر و روزهـا ي بـا گـرد و غبـارسالانه در این زیرگروه قـرار گرفتنـد و نشـان دادنـد کـه داراي همبستگی قوي و بیش از 7/0 هستند پس این عامل به نام گـردو غبار نامگذاري شد، ضمناً شکل 8 نقشه پراکندگی فضایی این عامل را در کل سطح ایران نمایش داده است. طبق نقشه عاملی این عامل، مناطقی که از این عامـل بهـره بی شـتري مـیگیرنـد ومیزان عامل گرد و غبار آن مناطق خیلی بالا است، مناطق جنوب شرقی ایران هستند و بعد از آن، یکسري منـاطق در جنـوب وجنوب غرب ایران هم خصوصاً در استان خوزستان میزان گرد وغبار بیشتري نسبت به سایر مناطق ایران دارند کـه صـد درصـدمیزان پوشش گیاهی این مناطق را نیز تحت تأثیر قرار میدهنـد.همانطور که در نقشه (1) ملاحظه میشـو د تیـپ هـا ي گیـاهیمورد مطالعه در این تحقیق در مناطقی قرار میگیرند کـه میـز ان گرد و غبار کمتري دارند و بیشتر مناطق شرق و چسبیده به مرز افغانستان که شمال استان سیستان و بلوچستان را در بر دارند از میزان بالاي گرد و غبار برخوردار هستند.
عامل تندر (رعد و برق)
این عامل بهتنهایی 22/2 درصد از کل واریانس اولیـه را تفسـیرمیکند و متغیرهاي روزهاي با تندر ماه ژوئن و روزهاي با تندر سالیانه داراي همبستگی قوي و بـیش از 7/0 را نشـان دادنـد ووجه تسمیه این عامل بودند. شکل 9 نقشه پراکندگی عامل تندر را در کل سطح ایران نشان مـی دهنـد. همـان طـور کـه ملاحظـهمیشود مناطق شمال غربی ایران و همچنـین منـاطقی در جنـوبشرقی ایران (خصوصاً مناطق جنوبی استان سیستان و بلوچسـتان) شامل میزان بالاتري از این عامل میشوند و در این منـاطق اعـدادقرار گرفته برروي خطوط هممقدار از صفر بهطرف مثبت، در حال افزایش هستند و این نشاندهنده این است که در این مناطق میزان عاملی این عامل در حال ازدیاد است و برروي پراکنش و پوشـشگیاهی این مناطق مؤثر هسـتند، هماننـد دو نقشـه قبلـی پوشـشگیاهی مورد مطالعه در این تحقیق نیز در مناطقی قر ار میگیرند که عامل اقلیمی تندر برروي آنها مؤثر است.

عامل برف (روزهاي برفی)

شکل 8. نقشه پراکندگی فضایی امتیازات عاملی گرد و غبار

این عامل بهعنـوان عـاملی تأثیرگـذار و نهـایی در ایـ ن تحقیـ ق نامگذاري گردید و 29/1 درصد از کل واریانس اولیـ ه ناشـی از این عامل بود، متغیرهایی مثل روزهاي بـا بـارش بـرف فصـولزمستان- بهار و پاییز داراي همبستگی بالاي 7/0 با هم بودند و مطابق با شکل 10 نقشه پراکنـدگ ی فضـایی ا یـن عامـل در کـلسطح ایران به نمایش گذاشته شده است.

بررسی تأثیر عوامل اقلیمی بر گسترش گونه T .glabra با استفاده از اطلاعات مربوط به سلولهاي تشـکیل دهنـده هـرتیپ، متوسط امتیاز متغیرهاي مؤثر بر گونه T. glabra و متوسط امتیاز عوامل 9 گا نه مؤثر بر ایـن گونـه در هـر دو تیـپ تعیـینگردید که در جدولهاي 4 و 5 ارائه شده است. تشریح تیپهـابه شرح ذیل است:

شکل 9. نقشه پراکندگی فضایی امتیازات عاملی تندر

شکل 10. نقشه پراکندگی فضایی امتیازات عاملی روزهاي برفی
تیپهاي گیاهی با حضور گونه T. glabra بهصورت غالب در این تیپ، جنس Taverniera با گیاهانی مثـل Cymbopgon Sp، Pennisetum Sp و Tephrosia Sp بـه صـورت غالـب مشـاهدهمیشود. وضعیت مراتع در این تیپها ضعیف و خیلـی ضـعیفهستند، بهطوريکه رویشگاههایی که این گونه بهصورت غالـبدر آنجا حضور دارد، در حدود 2/209933 هکتار از مراتع ایران را تشکیل میدهند و مطـ ابق بـا شـکل 1 در منـاطق جنـوبی ومتمایل بـه جنـوب شـرق ایـران و خصوصـاً در جنـوب اسـتانسیستان و بلوچستان مشاهده میشوند که خصوصیات اقلیمهاي نیمهخشک معتدل را دارند. با توجه بـه جـداول 4 و 5 مشـاهدهمیشود که عوامل بارش زمستانه و تابستانه، روزهاي نیمه ابـري، گرد و غبار و



قیمت: تومان


پاسخ دهید