نوع مقاله : مقاله پژوهشی

نویسندگان

• علی محبی محبی
• علیرضا افتخاری
• مهشید سوری
• سعیده ناطقی

استادیار پژوهشی، بخش تحقیقات مرتع، مؤسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران.

چکیده

چکیده مبسوط
سابقه و هدف: تلاش برای مدیریت پایدار مراتع نیازمند ارزیابی و پایش در مقیاس‌های زمانی و مکانی متفاوت است. شناسایی مهمترین تاثیرات اقلیمی و نحوه اثر آنها بر عوامل پوشش گیاهی، در زمینه مدیریت بهینه مراتع، امری ضروریست. قله سبلان سومین قله بلند کشور بوده و مراتع سبلان به عنوان قطب دامداری استان اردبیل شناخته می شود. با توجه به اهمیت مراتع سبلان در اقتصاد و معیشت ساکنان منطقه، حفظ آب و خاک و دیگر خدمات مهم، تنظیم یک برنامه مدیریت مناسب جهت بهره برداری دراز مدت از آن و تعیین مدلی برای پیش بینی درصد تاج پوشش و میزان تولید آن، ضروری می باشد.
مواد و روشها: برای بررسی شرایط فعلی مراتع سبلان و تعیین مدل،  به اطلاعات پایه و سالانه از اطلاعات اقلیمی مانند بارندگی و دما و عوامل گیاهی مانند درصد تاج پوشش، تولید و وضعیت مرتع نیاز است. دستیابی به مدلی که بتواند بدون مراجعه حضوری، درصد تاج پوشش و تولید را با صحت و دقت قابل قبولی برآورد کند؛ از الویت های مدیریت مراتع منطقه می باشد. بر این اساس جهت شناسایی موثرترین عوامل اقلیمی و تعیین مدل مربوطه، به مدت 5 سال (1396-1400) سایت شابیل سبلان در استان اردبیل مورد ارزیابی و پایش قرار گرفت. عوامل گیاهی شامل درصد تاجی پوشش کل و میزان تولید و عوامل عملکردی یا مدیریتی شامل وضعیت و گرایش مرتع، طی دوره 5 ساله، مورد ارزیابی قرار گرفتند. ارزیابی‌ها در یک سایت 50 هکتاری با نام شابیل در دامنه کوه‌های سبلان در بخش لاهرود شهرستان مشکین شهر با تیپ گیاهی  Festuca ovina-Bromus tomentellus-Onobrychis cornuta انجام شد. این سایت به لحاظ صفات گیاهی و عملکردی یک منطقه معرف برای مراتع شمال سبلان می باشد. منطقه معرف دو هکتاری به ارتفاع 2805 متر درون سایت،  برای اجرای طرح و ارزیابی در نظر گرفته شد. میانگین بارندگی دراز مدت 30 ساله منتهی به سال مطالعه آن 460 میلی متر می باشد. جهت تجزیه و تحلیل داده‌ها ازآزمون General Linear Model در نرم افزار Minitab16 استفاده شد. برای بررسی و تعیین همبستگی داده‌های محیطی و پوشش گیاهی و نیز برای شناخت موثرترین عاملها و پیش بینی مدل از آزمون همبستگی پیرسون (Pearson Correlation) و رگرسیون گام به گام (Stepwise regression) استفاده شد.
 نتایج: نتایج تجزیه واریانس درصد تاج پوشش و تولید سالانه (Yield) طی سالهای مورد بررسی در سطح 1 درصد معنی دار بوده و نشان از اختلاف معنی دار بین سالهای مختلف ارزیابی می باشد. نتایج آزمون مقایسه میانگین دانکن در مقادیر پوشش و تولید نشان داد که بیشترین میزان پوشش و تولید در سال 1399 (یک سال بعد از بیشترین میزان بارندگی) و کمترین مقدار آنها در سال 1400 (خشکترین سال مطالعه) به دست آمد. نتایج ارزیابی وضعیت مرتع نیز نشان داد که بیشترین میزان کمیت وضعیت مرتع در سال 1399 و کمترین میزان آن در سال 1400 به دست آمد. در بررسی همبستگی بین شاخص های مورد مطالعه، درصد پوشش گیاهی با بارش پاییزه و زمستان در سطح 5 درصد همبستگی معنی دار مثبتی نشان داد اما تولید با هیچ یک از متغیرهای اقلیمی همبستگی نداشت. نتایج حاصل از انجام رگرسیون گام به گام نیز نشان داد که از بین شاخص های مورد بررسی، بارش پاییزه و زمستانه موثرترین فاکتور در پیش بینی درصد پوشش گیاهی و بارندگی کل و بارش پاییزه و زمستانه نیز موثرترین فاکتورها در پیش بینی تولید در سطح احتمال 5 درصد در منطقه بودند.
نتیجه گیری: سه شاخص مهم درصد تاج پوشش، تولید و وضعیت در نشان دادن تفاوت سالهای مختلف، خوب عمل کرده اند اما شاخص پوشش گیاهی از بیشترین همبستگی برخوردار بوده و با توجه به سهولت ارزیابی پوشش گیاهی نسبت به ارزیابی تولید، لذا ارزیابی سالانه درصد تاج پوشش به عنوان مهمترین فاکتور می تواند در تعیین مدل پیش بینی کمک شایانی نماید. با استمرار داده برداری می توان مدلهای قویتر و با صحت و دقت بیشتری برای برآورد درصد تاج پوشش و میزان تولید به دست 

کلیدواژه‌ها

• ارزیابی مراتع
• مدیریت مراتع
• پیش بینی تولید
• استان اردبیل

عنوان مقاله [English]

Identifying the most effective climatic factors and determining the prediction model for the Biomass of Sabalan rangelands

نویسندگان [English]

• Mohebi Mohebbi
• Alireza Eftekhari
• Mahshid Souri
• Saeedeh Nateghi

Assistant Professor, Range Research Division , Research Institute of Forests and Rangelands, Agricultural Research, Education and Extension, AREEO, Tehran, Iran

چکیده [English]

Extended abstract
Background and objectives: Efforts for sustainable management of rangelands require evaluation and monitoring in different temporal and spatial scales. It is necessary to identify the most important climatic effects and how they affect vegetation factors in the field of optimal rangeland management. Sablan peak is the third highest peak in the country and is known as the livestock hub of Ardabil province. Considering the importance of Sablan rangelands in the economy and livelihood of the residents of the region, maintaining water and soil and other important services, it is necessary to organize a suitable management plan for its long-term use and to determine a model to predict the percentage of canopy cover and its biomass rate.
 
Materials and methods: For this purpose, basic and annual information on canopy percentage, biomass and condition, and climatic information such as rainfall and temperature are needed. Also, obtaining a model that can estimate the percentage of canopy cover and biomass with acceptable accuracy and precision without visiting in person; it is one of the priorities of rangeland management in the region. Based on this, in order to identify the most effective climate factors and determine the relevant model, Shabil Sabalan site in Ardabil province was evaluated and monitored for 5 years (2017-2021). Vegetative factors, including crown percentage of total cover and biomass rate, and functional factors, including rangeland condition and tendency, were evaluated during a 5-year period. Evaluations were carried out in a 50-hectare site named Shabil at the foot of Sablan Mountains in Lahrood section of Meshginshahr city with Festuca ovina-Bromus tomentellus-Onobrychis cornuta plant type. This site is a representative area for rangelands in the north of Sablan in terms of plant and functional traits. The key area of ​​two hectares with a height of 2805 meters inside the site was considered for the implementation of the plan and evaluation. The average long-term rainfall of 30 years leading to the year of its study is 460 mm. To analyze the data, General Linear Model test was used in Minitab 16 software. Pearson correlation test and stepwise regression were used to check and determine the correlation of environmental and vegetation data and to identify the most effective factors and predict the model.
 
 Results: The results of the evaluation of plant factors, the percentage of canopy coverage and biomass showed that the highest amount of coverage and biomass was obtained in one year after with the highest amount of rainfall. Therefore, the analysis of the variance of canopy percentage and biomass during the studied years was significant at the level of 1%. The results of the evaluation of the site-based or environmental factor of the rangeland condition also showed that the best amount of rangeland condition was obtained in years with more rainfall and more coverage and biomass. In examining the correlation between the studied indicators, the percentage of vegetation with autumn and winter rainfall showed a significant positive correlation at the level of 5%, but biomass was not correlated with any of the studied variables. The results of the step-by-step regression also showed that among the analyzed indicators, autumn and winter rainfall is the most effective factor in predicting the percentage of vegetation and total rainfall, and autumn and winter rainfall are also the most effective factors in predicting biomass at a probability level of 5% were in the region.
 
Conclusion: The three important indicators of canopy percentage, biomass and condition have performed well in showing the difference of different years, but the vegetation index has the highest correlation and due to the ease of vegetation evaluation compared to biomass evaluation, therefore the annual evaluation of canopy percentage Coverage as the most important factor can help in determining the prediction model. With the continuation of data collection, stronger and more accurate models can be obtained to estimate the canopy percentage and the amount of biomass

کلیدواژه‌ها [English]

• Rangeland assessment
• Rangeland management
• Production forecast
• Ardabil province