ارزیابی حساسیت تولید ناخالص اولیه مرتع به خشکسالی با استفاده از مدل سازی اکوسیستمی

سابقه و هدف: تولید ناخالص اولیه (gpp) یکی از فاکتورهای بسیار مهم در چرخه کربن اکوسیستم ها است. با افزایش گرمایش جهانی، فراوانی وقوع خشکسالی و پاسخ منحصر به فرد پوشش های گیاهی مختلف به این تغییرات، ضروری است که ارتباط بین داده های اقلیمی و تولید ناخالص اولیه اکوسیستم در مناطق خشک، شناسایی و کمی سازی شود. هدف این تحقیق تعیین پاسخ پوشش گیاهی به خشکسالی از طریق آنالیز تولید ناخالص اولیخ منطقه بردخون واقع در جنوب غرب ایران به خشکسالی است. این مطالعه ضمن معرفی یک مدل اکوسیستمی جدید، با تمرکز بر دو هدف اصلی: (1) شبیه سازی تولید ناخالص اولیه از طریق مدل سازی اکوسیستم و (2) پاسخ تولید ناخالص اولیه به خشکسالی در طول فصل رشد، کارائی این مدل در منطقه خشک بررسی شد. مواد و روش ها: این تحقیق در سه مرحله، مشخص کردن شرایط خشکسالی هواشناسی در دوره 16 ساله با استفاده از شاخص بارش استاندارد شده (spi)، شبیه سازی تولید ناخالص اولیه (gpp) با بکارگیری مدل جدید اکوسیستمی bgc-man (bio-geo-chemistry management model) و اعتبار سنجی تصاویر ماهواره ای مودیس و در نهایت کمی کردن پاسخ تولید اکوسیستم به خشکسالی در طول فصل رشد پوشش گیاهی برای دوره 2000 تا 2015 انجام شد. بعد از مشخص کردن الگوی زمانی (ماه های فصل رشد طی 16 سال) و الگوی مکانی تولید ناخالص اولیه و خشکسالی در منطقه، ارتباط بین gpp و spi از طریق ضریب همبستگی پیرسون با استفاده از نرم افزار spss مورد آنالیز قرار گرفت. اعتبارسنجی این مدل با استفاده از محصول gpp مودیس با فاصله زمانی 16 روزه (mod13a3) در بازه زمانی مشابه با خشکسالی انجام شد. کار ارزیابی در این پژوهش با تاکید بر پاسخ انواع فرم پوشش گیاهی علفی و بوته ای به خشکسالی تعریف شد و لذا درصد تحت پوشش هر یک از فرم های رویشی در 29 نقطه نمونه برداری (مجموعا 290 پلات بود ) مورد استفاده قرار گرفت. نتایج: نتایج تجزیه و تحلیل آماری نشان داد که ضریب همبستگی بین gpp مدلسازی شده با gpp برآورد شده از تصاویر ماهواره مودیس در مقیلاس ماهانه معنی دار (p < 0.05, r^2 = 0.14) است. آنالیز زمانی وضعیت خشکسالی در دوره 16 ساله نشان داد که منطقه مورد مطالعه شاهد خشکسالی های پی در پی با درجات متفاوت شدت خشکسالی، در سال های متوالی هست و تئوزیع مکانی شدت خشکسالی نسشان داد که به ترتیب 48.79 و 51.21 درصد منطقه مورد مطالعه در وضعیت خشمکسالی نرمال و متوسط قرار دارد. نتایج آنالیز تغییرات زمانی تولید ناخالص اولیه در فصل رشد، نشان داد که روند کاهشی در بیشتر ماه های فصل رشد به جز دی ماه وجود دارد. همچنین نتایج همبستگی بین تولید ناخالص اولیه و خشکسالی نشان داد که در فرم رویشی علفی در ماه های بهمن، اسفند و فروردین . برای فرم رویشی بوته ای تنها در ماه فروردین همبستگی مثبت معنا دار وجود دارد. نتیجه گیری: نتایج نشان داد که در شرایط خشکسالی، پوشش گیاهی علفی بیشترین همبستگی را در میانه فصل رشد (دی و بهمن) (r = 0.29) دارد در حالیکه بیشترین همبستگی برای پوشش گیاهی بوته ای در ماه های انتهای فصل رشد (اسفند و فروردین) (r = 0.28) بدست آمد که این امر حاکی از حساسیت متفاوت آنها به کمبود آب در مرحله رشد دارد. نتایج اشاره به این دارند که مدل سازی اکوسیستمی، می تواند یک روش جایگزین در برآورد تولید اکوسیستم باشد و پتانسیل شبیه سازی در منطقه خشک را دارد، هر چند کارائی مدل پیشنهادی باید در مناطق دیگر مورد ارزیابی قرار گیرد. 

analysis of land use changes in the middle taleghan watershed during a thirtyyear period

background and objectives: primary gross productivity (gpp) is a crucial factor in the carbon cycle of ecosystems. with the increasing occurrence of droughts due to global warming and the unique response of plant cover ages to these changes, it is necessary to identify and quantify the relationship between climate data and ecosystem's primary gross productivity. this research aims to determine the plant cover's response to drought by analyzing the region's primary gross productivity in the bordekhun region in southwest iran. this study introduces a new ecosystem model, focusing on two objectives: (1) simulating primary gross productivity through ecosystem modeling and (2) examining the response of primary gross productivity to drought during the growth season, evaluating the effectiveness of this model in an arid region. methodology: the research was conducted in three stages, including determining meteorological drought conditions over a 16-year period using the standardized precipitation index (spi), simulating primary gross productivity (gpp) using the new ecosystem model bgc-man (bio-geo-chemistry management model), and validating it with modis satellite images. the quantification of the ecosystem's response to drought during the vegetation growth season was performed for the period from 2000 to 2015. the relationship between gpp and spi was analyzed using the pearson correlation coefficient, and the model was validated using the modis gpp product. the evaluation focused on the response of various grass and shrub vegetation forms to drought, with the percentage of coverage for each vegetation form utilized in 29 sampling points. results: the statistical analysis revealed a significant correlation coefficient (p < 0.05, r^2 = 0.14) between the modeled gpp and the gpp estimated from modis satellite images on a monthly scale. the temporal analysis of drought conditions over the 16-year period indicated consecutive droughts with varying severity, and the spatial distribution of drought severity showed that 48.79% and 51.21% of the study area were in normal and moderate drought states, respectively. the temporal analysis of changes in primary gross productivity during the growth season demonstrated a decreasing trend in most months except for december, with notable variations. the correlation analysis between primary gross productivity and drought showed a significant positive correlation in grass forms during the months of january, february, and march, while for shrub forms, a significant positive correlation was observed only in the month of march. conclusion: the results indicated that grass showed the highest correlation in the middle of the growing season (december and january) (r = 0.29), while shrubs showed the highest correlation at the end of the growing season (february and march) (r = 0.28), indicating their different sensitivity to water scarcity during the growth season. the study also revealed that ecosystem modeling could be an alternative approach to estimating gpp with the potential to simulate spatial gpp in arid regions. however, the proposed model's performance in other regions still requires further verification.