مدل‌سازی تولید خالص اولیه سطح زمین مراتع سبلان با استفاده از شاخص‌های گیاهی و رگرسیون غیرخطی

سابقه و هدف: امروزه با پیشرفت سنجنده‌های ماهواره‌ای، نقش آن‌ها در کسب اطلاعات و بررسی عوارض و پدیده‌های زمین اهمیتی روز افزون یافته است. یکی از این اطلاعات ارزشمند که مبنای بسیاری از برنامه‌ریزی‌ها و تصمیم‌گیری‌ها را در مراتع تشکیل می‌دهد تولید خالص اولیه سطح زمین است. روش سنتی برآورد تولید، استفاده از اندازه‌گیری زمینی است. هزینه بالا، زمان‌بر و طاقت‌فرسا بودن جمع‌آوری داده‌های زمینی از محدودیت‌های روش سنتی می باشد و این روش را برای برآورد تولید مناطق با وسعت بالا فوق العاده مشکل و پرهزینه می‌نماید. از این‌رو هدف این تحقیق مدل‌سازی تولید خالص اولیه سطح زمین با استفاده از شاخص‌های گیاهی است.مواد و روش‌ها: نمونه‌برداری از پوشش گیاهی در مراتع ارتفاعات سبلان در استان اردبیل و محدوده ارتفاعی 1500 تا 3300 متر در سال 1395 انجام گرفت. در مجموع 9 سایت در منطقه انتخاب و در هر سایت 3 ترانسکت 100 متری با فاصله 50 متر از یکدیگر قرار گرفت. در امتداد هر ترانسکت 5 پلات 1 متر مربعی با فاصله 20 متر از یکدیگر مستقر و در هر پلات تولید خالص اولیه به تفکیک فرم رویشی شامل بوته‌ها، گندمیان و پهن‌برگان علفی برداشت شد. نمونه‌های تولید خالص اولیه سطح زمین به مدت 24 ساعت در آون و در دمای 70 درجه سلسیوس قرار داده شد و سپس به‌منظور تعیین وزن خشک آن‌ها، توزین شدند. هم‌چنین شاخص‌های گیاهی شامل ndvi، pvi3، rvi و savi با استفاده از تصاویر ماهواره لندست 8، سنجنده oli مربوط به سال 1394 محاسبه شد. با توجه به اینکه حداکثر رشد گیاهان در منطقه در ماه خرداد است، تصاویر برای ماه خرداد انتخاب شدند. سپس با استفاده از مدل جمعی تعمیم یافته در نرم افزار r، رابطه تولید خالص اولیه کل و فرم‌های رویشی با شاخص‌های گیاهی به‌صورت انفرادی و ترکیبی به‌دست آمد. در نهایت تولید خالص اولیه سطح زمین با استفاده از روش‌ رگرسیون غیرخطی مدل‌سازی شد.نتایج: به‌کارگیری مدل‌های جمعی تعمیم‌یافته برای هر یک از شاخص‌های گیاهی و تولید خالص اولیه کل و فرم رویشی به‌صورت انفرادی نشان می‌دهد که شاخص‌های گیاهی ndvi، pvi3 و rvi دارای رابطه غیرخطی با تولید کل و فرم‌های رویشی هستند. اما شاخص savi با تولید خالص اولیه سطح زمین کل و گندمیان دارای رابطه خطی است. هم‌چنین همه‌ شاخص‌های گیاهی دارای رابطه معنی‌دار با تولید خالص اولیه هستند. رتبه‌بندی شاخص‌های گیاهی اثرگذار بر تولید خالص اولیه براساس ضریب تبیین نشان می‌دهد که با اهمیت‌ترین و کم اهمیت‌ترین شاخص گیاهی به‌ترتیب برای بوته savi و pvi3، گندمیان، پهن‌برگان علفی و کل pvi3 و savi هستند. در تحقیق حاضر بر خلاف انتظار شاخص پوشش گیاهیndvi ، که در زمینه مطالعات پوشش گیاهی کاربردهای فراوانی دارد و افزایش مقادیر آن بیانگر وجود پوشش گیاهی بیش تر در منطقه است، در مدل جمعی تعمیم‌یافته و بررسی توامان رابطه شاخص‌های گیاهی و anpp رابطه معنی‌داری را نشان نداد. نتایج مدل‌سازی نشان داد که رگرسیون غیرخطی به‌طور قابل توجهی باعث افزایش صحت برآورد anpp با استفاده از شاخص‌های گیاهی شده است. میزان ضریب تبیین برای تولید کل (0.80) بیش تر از بوته‌ها (0.74)، گندمیان (0.75)، پهن‌برگان علفی (0.56) است و از میان فرم‌های رویشی پهن‌برگان علفی کم‌ترین مقدار ضریب تبیین را دارند. نتیجه‌گیری: براساس نتایج شاخص گیاهی مناسب به‌منظور برآورد تولید فرم‌های رویشی مختلف متفاوت است. همچنین برآورد anpp با استفاده از شاخص‌های گیاهی در سطح کل دقیق‌تر از فرم‌های رویشی است. با توجه به نتایج به دست آمده از این تحقیق، تصویر oli و استفاده از مدل‌های رگرسیونی غیرخطی توانستند به مقدار مناسبی anpp را در منطقه پژوهش برآورد کنند. از این‌رو در صورت کسب نتایج مشابه در دیگر مناطق اردبیل، امکان تعمیم نتایج و زمینه برآورد این شاخص اکولوژیکی مهم با صرف زمان و هزینۀ کم‌تر فراهم خواهد شد. هم‌چنین از این ابزار می‌توان جهت تامین اطلاعات از میزان تولید علوفه و در نتیجه تعیین ظرفیت و میزان دام و هم‌چنین میزان تخریب مرتع، استفاده کرد.

Modelling Above ground net primary production of Sabalan rangelands using vegetation index and non-linear regression

Background and objectives: Alongside with the progresss in satellite sensors, their role on obtaining information and study of the environmental events and phenomena have become increasingly important. One of these precious data which is the basis for many planning and decision making in rangelands, is the above ground net primary production assements. The traditional method of estimating ANPP is clipping and weighing. The high cost, time compseation and difficulty in cliping are the limitations of the traditional method, which makes it extremely difficult and expensive to estimate the ANPP of large areas. Thus, the aim of this study was to estimate above ground net primary production (ANPP) using vegetation indices.Methodology: Sampling of vegetation was performed in rangelands of Sabalan elevations in Ardabil province in altitude ranges from 1500 to 3300 meters in 2016. Nine sites were selected in study area and in each site three 100 m transects were placed with 50 m interval. Along each transect 5 plots (1 square meter) with 20 m from each other was placed and in each plot, total production and life forms including shrubs, grasses and forbs ANPP were measured. The initial net production samples were placed in an oven at 70 ° C for 24 hours and then weighed to determine their dry weight. Furthermore, veg/etation indices including NDVI, PVI3, RVI and SAVI were calculated using data of Landsat 8 Operational Land Imager (OLI) images for 2015. Due to the fact that the maximum growth of vegetation in the region is in June, the images were also selected at the same time. Then using general additive model in software R, curve of relationship between ANPP and vegetation was analyzed in two way Individual and Combined data. Finally, ANPP was modeled using nonlinear regression.Results: The application of generalized additive models for each of the vegetation indices with total ANPP and life forms separately shows that NDVI, PVI3 and RVI have a nonlinear relationship with total ANPP and life forms. However, the SAVI index has a linear relationship with the ANPP of total and grasses. Also, all vegetation indices have a significant relationship with ANPP. The ranking of vegetation indices affecting the ANPP based on the coefficient of determination shows that the most important and least important plant indices are SAVI and PVI3 for shrubs, and PVI3 and SAVI for grasses, forbs and total ANPP. In the present study, contrary to expectations, NDVI vegetation index, which has many applications in the vegetation studies and its increase indicates the presence of more vegetation in the region, in the generalized additive model and the combined study of vegetation index and ANPP show a nonsignificant relationship. Results showed that nonlinear regression significantly increased the accuracy of ANPP estimation using vegetation indices. The coefficient of determination for total ANPP (0.80) is more than shrubs (0.74), grasses (0.75), and forbs (0.56) and among the life forms, forbs have the lowest coefficient of determination. Conclusion: Based on the results, suitable vegetation index for estimate the ANPP of life forms are different. Also, ANPP estimation using vegetative indices at the total level is more accurate than life forms. According to The results, the OLI image and the use of nonlinear regression models were able to adequately estimate the ANPP in the study area. Therefore, if similar results are obtained in other areas of Ardabil, it will be possible to generalize the results and estimate this important ecological indicator with less time and cost. This tool can also be used to provide information on the amount of forage production and thus determine the stocking rate, as well as the degree of pasture degradation.