
تعداد نشریات | 13 |
تعداد شمارهها | 622 |
تعداد مقالات | 6,491 |
تعداد مشاهده مقاله | 8,612,684 |
تعداد دریافت فایل اصل مقاله | 8,201,691 |
بررسی روابط آماری بین شاخص های ترکیبی بیابانزایی با استفاده از آزمون های ناپارامتریک | ||
مجله پژوهشهای حفاظت آب و خاک | ||
مقاله 14، دوره 23، شماره 3، مرداد 1395، صفحه 257-272 اصل مقاله (932.24 K) | ||
نوع مقاله: مقاله کامل علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/jwfst.2016.3197 | ||
نویسندگان | ||
مریم پاشایی1؛ علیرضا راشکی* 2؛ عادل سپهر3 | ||
1دانشجوی دانشگاه فردوسی | ||
2منابع طبیعی دانشگاه فردوسی مشهد | ||
3استادیار | ||
چکیده | ||
سابقه و هدف: بیابانزایی، تخریبزمین در مناطق خشک، نیمهخشک و خشک نیمهمرطوب در نتیجهی عوامل مختلفی از قبیل تغییرات اقلیمی و فعالیتهای انسانی تعریف میشود. بیابانی شدن را میتوان نمود عینی فروپاشی اکوسیستم در محیطهای شکننده که آسیبپذیری بالاتری در برابر تغییرات و اغتشاشات محیطی دارند، دانست. در سالهای اخیر نیز بدلیل تغییرات کاربری اراضی و فعالیتهای غیر اصولی انسان، دربسیاری از نقاط ایران، دامنه ارتجاعپذیری اکوسیستمها تا حد ممکن تقلیل یافته است و درنتیجه باعث تشدید تخریب منابع محیطی گردیده است. بدین جهت بیشتر تلاشها جهت پیادهسازی و کاربرد یک روش کمی برای انجام ارزیابی بیابانزایی با استفاده از مفاهیم و تعاریف موجود در شاخصهای ارزیابی است. ارزیابی حساسیتپذیری منطقه به بیابانزایی با استفاده از ترکیب چندین شاخص و با بهرهگیری از از روشها و آنالیزهای استاندارد، موجب درک جامعتری از شرایط بیابانیشدن یک منطقه میشود. هدف از این پژوهش بررسی روابط آماری بین شاخصهای ترکیبی بیابانزایی با استفاده از آزمونهای ناپارامتریک در استان خراسانرضوی میباشد. مواد و روشها: در این مطالعه ابتدا 6 شاخص، پوششگیاهی، بارش، دمای سطح زمین، میانگین رطوبتخاک و میانگین دمای خاک در اعماق 0-100سانتیمتر و تبخیر (تبخیر و تعرق، تبخیر از زمین) برای چهار دورهی زمانی 2001، 2005، 2009 و 2013 با دامنهی تفاوت چهارساله با استفاده از دادههای ماهوارهای TERRA سنجندهیMODIS ، MERRA و TRMM تهیهگردید. لذا جهت انجام تحلیلهای آماری در ارتباط با متغیرهای در نظر گرفته شده، از آزمون همبستگی اسپیرمن بین شاخص پوششگیاهی با سایر شاخصها و جهت تعیین اختلاف هر شاخص در4 دوره زمانی، از آزمون ناپارامتری تجزیه واریانس کروسکال والیس استفاده شد. یافتهها: نتایج از آزمون همبستگی اسپیرمن بیانگر بیشترین همبستگی بین شاخص پوششگیاهی با شاخص تبخیر از زمین و تبخیر و تعرق در سال 2009 بصورت مثبت و مستقیم و کمترین همبستگی بین شاخص پوششگیاهی و شاخص میانگین رطوبتخاک در عمق 40-100 سانتیمتری در سال 2013 بصورت منفی و معکوس بدست آمد. نتایج آزمون ناپارامتری کروسکال والیس نیز بیانگر بیشترین اختلاف در جوامع (که دورههای زمانی مورد نظر است) مربوط به شاخص تبخیر و تعرق، بارش و پوششگیاهی میباشد. در این مطالعه بیشترین همبستگی بین شاخصها که مثبت و مستقیم بود بیانگر شرایط اقلیمی نرمال در سال 2009 میباشد که باعث افزایش رطوبت در منطقه و در نتیجه افزایش تبخیر و تعرق بدلیل افزایش پوششگیاهی شدهاست و کمترین همبستگی که منفی و معکوس میباشد میتواند بیانگر کاهش پوششگیاهی بدلیل شرایط اقلیمی حاکم در منطقه و یا دخالتهای انسانی و درنتیجه افزایش رطوبتخاک بدلیل کاهش پوششگیاهی باشد. بیشترین اختلاف برای متغیرهای بارش، تبخیر و تعرق و پوشش-گیاهی بدلیل شرایط اقلیمی متفاوت حاکم در این چهار دورهی زمانی در منطقه میباشد. بیشترین اختلاف برای متغیر بارش و پوششگیاهی در دورهی زمانی 2001-2005 و برای متغیر تبخیروتعرق در دورهی زمانی 2001-2013 است که این شرایط در سال 2001 بدلیل میانگین بارش در ماههای مورد مطالعه برای شرایط خشکسالی و و در سال 2013 با شرایط تقریبا نرمال در منطقه میباشد. نتیجهگیری: با توجه اینکه بخش وسیعی از استان خراسانرضوی در معرض ریسک بیابانزایی میباشد، بدین منظور استفاده از شاخصهای ترکیبی روشی مناسب جهت تعیین روابط پنهان و نهفته میان فاکتورهای پیشبرنده و موثر در بیابانزایی است. روشهای بکار برده شده در این مقاله ممکن است روشی موثر جهت 1) انتخاب متغیر مناسب در ارتباط با بیابانزایی 2) شناسایی تغییرات مکانی-زمانی متغیرها با استفاده از داده های دورسنجی برای چندین دوره زمانی 3) تحلیل روابط و همبستگی بین متغیرها بر اساس آزمونهای آماری بکار برده شده، باشد. با استفاده از تحلیلهای آماری میان متغیرها میتوان متغیرهایی که بیشترین تاثیر و حساسیت را به بیابانزایی دارند را شناسایی نمود و جهت برنامهریزی، در برنامههای مقابله با بیابانی شدن استفاده نمود. | ||
کلیدواژهها | ||
شاخصهای ترکیبی؛ آزمونهای ناپارامتریک؛ حساسیت پذیری بیابانزایی | ||
مراجع | ||
1.Abbaszade Tehrani, N., and Saberi, N. 2013. Seasonal Land Cover Change Assessment Using Remote Sensing Data Analysis. International Conference on the 3 Environmental Planning Management (ACEPM2013), November 26-27, 2013 Tehran.[M1]
2.Arami, A.H., Ownegh, M., and Sheikh, V.B. 2014. Assessment of desertification hazard by using the 9 criteria IMDPA model in Semi-arid Agh-Band region, Golestan Province. J. Water Soil Cons.21: 2. 153-172.
3.Akbari, M.R., Karimzadeh, H., Modarres, R., and Chakoshi, B. 2007. Assessment and classification of desertification using RS & GIS techniques (Case study: the Arid Region, in the north of Isfahan). Iran. J. Range Des. Res. 14: 2. 124-142.
4.Ekhtesasi, M., and Sepehr, A. 2011. Methods and models of desertification assessment and mapping. Yazd Uiversity. Press, 288p. (In Persian)
5.Hadian, F., Hoseini, Z., and Hasani, M. 2014. Monitoring of vegetation changes using the rainfall data and NOAA AVHRR satellite images over Kermanshah. Iran. J. Range. 1: 1. 46-62. 6.Imbrenda, V., D’Emilio, M., Lanfredi, M., Simoniello, T., Ragosta, M., and Macchiato, M. 2013. Integrated Indicators for the estimation of vulnerability to land degradation. J. INTECH. 65: 6. 907-923.
7.Kosmas, C., Kairis, O., Karavitis, C., Acikalin, S., Alcalá, M., Alfama, P., Atlhopheng, J., Barrera, J., Belgacem, A., Solé-Benet, A., Brito, J., Chaker, M., Chanda, R., Darkohd, M., Ermolaeva, O., Fassouli, V., Fernandez, F., Gokceoglu, C., Gonzalez, D., Gungor, H., Hessel, R., Khatteli, H., Khitrov, N., Kounalaki, A., Laouina, A., Magole, L., Medina, L., Mendoza, M., Mulale, K., Ocakoglu, F., Ouessar, M., Ovalle, C., Perez, C., Perkins, J., Pozo, A., Prat, C., Ramos, A., Ramos, J., Riquelme, J., Ritsema, C., Romanenkov, V., Sebego, R., Sghaier, M., Silva, N., Sizemskaya, M., Sonmez, H., Taamallah, H., Tezcanj, L., De Vente, J., Zagal, E., Zeiliguer, A., and Salvati, L. 2014. An Exploratory Analysis of land abandonment drivers in areas Prone to desertification. CATENA 128: 252-261.
8.Kosmas, C., Kairis, O., Karavitis, Ch., Ritsema, C., Salvati, L., Acikalin, S., Alcala´, M., Alfama, P., Atlhopheng, J., Barrera, J., Belgacem, A., Sole´-Benet, A., Brito, J., Chaker, M., Chanda, R., Coelho, C., Darkoh, M., Diamantis, I., Ermolaeva, O., Fassouli, V., Fei, W., Feng, J., Fernandez, F., Ferreira, A., Gokceoglu, C., Gonzalez, D., Gungor, H., Hessel, R., Juying, J., Khatteli, H., Khitrov, N., Kounalaki, A., Laouina, A., Lollino, P., Lopes, M., Magole, L., Medina, L., Mendoza, M., Morais, P., Mulale, K., Ocakoglu, F., Ouessar, M., Ovalle, C., Perez, C., Perkins, J., Pliakas, F., Polemio, M., Pozo, A., Prat, C., Qinke, Y., Ramos, A., Ramos, J., Riquelme, J., Romanenkov, V., Rui, L., Santaloia, F., Sebego, R., Sghaier, M., Silva, N., Sizemskaya, M., Soares, J., Sonmez, H., Taamallah, H., Tezcan, L., Torri, D., Ungaro, F., Valente, S., DeVente, J., Zagal, E., Zeiliguer, A., Zhonging, W., and Ziogas, A. 2013. Evaluation and selection of indicators for land degradation and desertification monitoring: methodological approach. Springer J. Environ. Manage. 54: 951-970.
9.Kairis, O., Kosmas, C., Karavitis, Ch., Ritsema, C., Salvati, L., Acikalin, S., Alcala, M., Alfama, P., Atlhopheng, J., Barrera, J., Belgacem, A., Sole´-Benet, A., Brito, J., Chaker, M., Chanda, R., Coelho, C., Darkoh, M., Diamantis, I., Ermolaeva, O., Fassouli, V., Fei, W., Feng, J., Fernandez, F., Ferreira, A., Gokceoglu, C., Gonzalez, D., Gungor, H., Hessel, R., Juying, J., Khatteli, H., Khitrov, N., Kounalaki, A., Laouina, A., Lollino, P., Lopes, M., Magole, L., Medina, L., Mendoza, M., Morais, P., Mulale, K., Ocakoglu, F., Ouessar, M., Ovalle, C., Perez, C., Perkins, J., Pliakas, F., Polemio, M., Pozo, A., Prat, C., Qinke, Y., Ramos, A., Ramos, J., Riquelme, J., Romanenkov, V., Rui, L., Santaloia Sebego, R., Sghaier, M., Silva, N., Sizemskaya, M., Soares, J., Sonmez, H., Taamallah, H., Tezcan, L., Torri, D., Ungaro, F., Valente, S., de Vente, J., Zagal, E., Zeiliguer, A., Zhonging, W., and Ziogas, A. 2013. Evaluation and selection of indicators for land degradation and desertification monitoring: Types of degradation, Causes, and implications for management. Springer J. Environ. Manage. 54: 971-982.
10.Mabbutt, J. 1986. Desertification indicators. J. Clim. Change. 9: 113-122.
11.Mesdaghi, M. 2011. Statistical and regression methods. Emam Reza University. Press, 421p. (In Persian)
12.Molinari, P. 2014. A geographic information system gis with integrated models: a new approach for assessing the vulnerability and risk of desertification in Sardinia (Italy). J. Global Bioethic. 25: 1. 27-41. 13.Salvati, L., Kosmas, C., Kairis, O., Karavitis, C., Acikalin, S., Belgacem, A., Solé-Benet, A., Chaker, M., Fassouli, V., Gokceoglu, C., Gungor, H., Hessel, R., Khatteli, H., Kounalaki, A., Laouina, A., Ocakoglu, F., Ouessar, M., Ritsema, C., Sghaier, M., Sonmez, H., Taamallah, H., Tezcan, L., and De Vente, J. 2014. Unveiling soil degradation and desertification risk in the mediterranean basin: a data mining analysis of the relationships between biophysical and socioeconomic factors in agro-forest landscapes. J. Environ. Plan. Manage. 54: 10. 1-15.
14.Salvati, L., and Zitti, M. 2009. The environmental risky region: identifying land degradation processes through integration of socio-economic and ecological indicators in a multivariate regionalization model. J. Environ. Manage. 47: 3. 280-291.
15.Santini, M., Caccamo, G., Laurenti, A., Noce, S., and Valentini, R. 2009. A multi-component gis framework for desertification risk assessment by an integrated index. J. Elsevier. 22p.
16.Sepehr, A., and Zucca, C. 2012. Ranking desertification indicators using TOPSIS algorithm. J. Nat. Hazards. 62: 1137-1153.
17.Sepehr, A., Ekhtesasi, M., and Almodaresi, A. 2011. Development of desertification indicator system base on DPSIR (Take advantages of Fuzzy-TOPSIS). Geograph. Environ. Plan. J. 45: 1. 33-50.
18.Sepehr, A., and Parvian, N. 2012. Desertification vulnerability mapping and prioritize confronting strategies in Khorasan Razavi province based on the nartbh pramsh algorithm. Earth Sci. Res. J. 8: 58-71.
19.Silakhori, E., Ownegh, M., Sadoddin, A., and Filekesh, E. 2014. Comparing efficiency of iranian desert hazard assessment models, namely MICD and IMDPA (Case study: Sabzevar region). J. Water Soil Cons. 5: 89-99.
20.Sommer, S., Zucca, C., Grainger, A., Cherlet, M., Zougmore, R., Sokona, Y., Hill, J., Della Peruta, R., Roehrig, J., and Wang, G. 2011. Application of indicator systems for monitoring and assessment of desertification from national to global scales. J. Land Deg. Dev. 22: 184-197.
21.Thomas, G., and David, S. 1997. Science and the desertification debate. J. Arid Environ. 37: 599-608. 22.Zolfaghari, F., Shahriari, A.R., Fakhireh, A., Rashki, A.R., Noori, S., and Khosravi, H. 2011. Assessment of desertification potential using IMDPA model in Sistan plain. Watershed Management Research (Pajouhesh and Sazandegi). 91: 97-107. (In Persian( | ||
آمار تعداد مشاهده مقاله: 1,422 تعداد دریافت فایل اصل مقاله: 1,443 |