دوره 12، شماره 2 - ( پاییز و زمستان 1403 )                   جلد 12 شماره 2 صفحات 25-15 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Hosseini S F, Jalilvand H, Fallah A, Asadi H, Tafazoli M. (2024). Does the Frequency of Fog Affect the Structural Properties of Fagus orientalis in the Hyrcanian Forest?. Ecol Iran For. 12(2), 15-25. doi:10.61186/ifej.12.2.15
URL: http://ifej.sanru.ac.ir/article-1-546-fa.html
حسینی سیده فاطمه، جلیلوند حمید، فلاح اصغر، اسدی حامد، تفضلی محیا. آیا فراوانی وقوع مه بر ویژگی ‎های ساختاری راش در جنگل‎ های هیرکانی تأثیر دارد؟ بوم شناسی جنگل های ایران (علمی- پژوهشی) 1403; 12 (2) :25-15 10.61186/ifej.12.2.15

URL: http://ifej.sanru.ac.ir/article-1-546-fa.html

آیا فراوانی وقوع مه بر ویژگی ‎های ساختاری راش در جنگل‎ های هیرکانی تأثیر دارد؟
سیده فاطمه حسینی1، حمید جلیلوند1، اصغر فلاح1، حامد اسدی*1 ، محیا تفضلی1
1- گروه علوم و مهندسی جنگل، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
چکیده:   (1582 مشاهده)
چکیده مبسوط
مقدمه و هدف: راش (Fagus orientalis Lipsky) از مهمترین گونه‎های صنعتی جنگل‎های هیرکانی است که از غرب تا شرق این جنگل‌ها گسترش دارد. فعالیت‎های انسانی باعث آسیب قابل‎توجهی به جنگل‎های هیرکانی شده و این موضوع اهمیت شناسایی عوامل مؤثر بر ویژگی‎های ساختاری درختان به‌ویژه راش را در مدیریت بهینه این جنگل‎ها و احیاء مناطق تخریب شده بیش از پیش مشخص می‎کند. با توجه به تأثیر عوامل محیطی روی ویژگی‎های ساختاری (سطح مقطع و تعداد در هکتار) و پراکنش درختان، آگاهی از خواهش‎های بوم‎شناختی آن ها می‎تواند به‎منظور تدوین برنامه‎های حفاظت، احیاء و توسعه منابع جنگلی مورد استفاده قرار گیرد. پژوهش‎های پیشین در خصوص عوامل مؤثر بر پراکنش این گونه روی متغیرهای توپوگرافی و اثرات تغییر اقلیم متمرکز بود و تاکنون پژوهشی در مورد اثر فراوانی وقوع مه بر ویژگی‎های ساختاری این گونه انجام نشده است. بنابراین در پژوهش حاضر اثر متغیرهای توپوگرافی (ارتفاع از سطح دریا، شیب، جهت)، دما، رطوبت نسبی و مه روی تعداد در هکتار، سطح مقطع و حضور گونه راش با استفاده از مدل خطی تعمیم یافته بررسی شد. نتایج حاصل از تحقیق حاضر و همچنین سایر مطالعات آتی بر روی داده‎هایی که در آینده از جنگل‎های شمال کشور تهیه خواهد شد، می‎تواند برای پیش‎بینی تغییرات احتمالی در پراکنش گونه‎ها به‌ویژه گونه راش تحت تأثیر گرمایش جهانی مؤثر باشد.
مواد و روش‎ها: برای انجام این پژوهش داده‎های گونه راش از بانک داده‎های آماربرداری جنگل‎های شمال کشور تهیه شد. با توجه به این‌که ایستگاه هواشناسی برای کل منطقه جنگل هیرکانی وجود ندارد، بنابراین داده‎های هواشناسی از پروژه POWER مربوط به سازمان ملی هوانوردی و فضایی ایالات متحده آمریکا تهیه شد. از آنجایی‎که مه به‌عنوان قطرات آب معلق در نزدیکی سطح زمین تعریف می‎شود که دید افقی را به کمتر از یک کیلومتر کاهش می‎دهد، وقوع مه با استفاده از شاخص دید افقی تعیین شد. پس از تهیه داده‎ها، ابتدا تعداد در هکتار درختان و سپس سطح مقطع درختان در هر قطعه نمونه محاسبه شد. همچنین داده‎های جمع‎آوری شده بر اساس حضور و عدم حضور راش نیز تفکیک شد. در نهایت تجزیه و تحلیل‎ داده‎ها با استفاده از مدل خطی تعمیم یافته و روش ارزیابی متقابل در نرم‎افزار R و بسته caret انجام شد.
یافته‎ها: نتایج بررسی همبستگی بین متغیرهای مستقل نشان داد که مقدار بارش با رطوبت نسبی همبستگی معنی‎دار و بالایی داشت، بنابراین در ادامه محاسبات متغیر بارش حذف شد. مدل خطی تعمیم یافته دقت قابل قبولی برای پیش‎بینی تعداد در هکتار (0.16=R2)، سطح مقطع (0.16=R2) و حضور گونه راش (AUC=0.75) داشت. متغیرهای مه، ارتفاع از سطح دریا و رطوبت نسبی هوا رابطه مثبت با هر سه ویژگی تعداد در هکتار، سطح مقطع و حضور گونه راش داشت؛ درحالی‎که دما فقط با حضور گونه راش رابطه منفی داشت. همچنین متغیر جهت نیز رابطه مثبت و معنی‎داری با تعداد در هکتار و سطح مقطع درختان راش داشت ولی با حضور این گونه رابطه معنی‎داری نداشت. متغیر ارتفاع از سطح دریا بالاترین اهمیت را برای پیش‎بینی تعداد در هکتار، سطح مقطع و حضور گونه راش داشت. رطوبت نسبی دومین متغیر مهم برای پیش‎بینی تعداد در هکتار و سطح مقطع بود درحالی‎که برای حضور گونه راش، مه دومین متغیر مهم ارزیابی شد. متغیرهای دما، شیب و جهت اهمیت نسبی کمتر از 20 درصد داشتند.
نتیجه‎گیری: دلیل اهمیت نسبی ارتفاع از سطح دریا می‎تواند ناشی از این مسأله باشد که شرایط بهینه برای رشد درخت راش دمای پایین و بارندگی زیاد است؛ که این شرایط ارتباط مستقیمی با ارتفاع از سطح دریا دارد. همچنین نتایج پژوهش حاضر اهمیت رطوبت نسبی و وقوع مه را در پراکنش گونه راش مشخص کرد. دلیل اهمیت بالای متغیر رطوبت نسبی ممکن است به‎دلیل این واقعیت باشد که راش به‎طور کلی به‎عنوان سازگار با شرایط سایه کامل تا نیمه‎سایه توصیف می‎شود. از آنجایی‎که جهت شمالی (در نیمکره شمالی) عموماً کمتر نور مستقیم خورشید را دریافت می‎کند و معمولاً خنک‎تر است، این گونه معمولاً در جهت شمالی در جنگل هیرکانی مستقر می‎شود. از سوی دیگر، از آنجایی‎که با کاهش دما، رطوبت نسبی افزایش می‎یابد، می‎توان نتیجه گرفت که راش رطوبت نسبی بیشتر را ترجیح می‎دهد. در جنگل‎های نواحی کوهستانی و نزدیک به ساحل، به‎دلیل بالا بودن رطوبت هوا و ارتفاع، تعداد رخدادهای مه زیاد است. در نهایت این پدیده منجر به مه بارش می‎شود مقدار آب رسیده به کف جنگل را افزایش می‎دهد. بنابراین می‎توان بیان کرد که با توجه به نیاز رطوبتی بالای درختان راش، وقوع مه و تولید مه‎بارش نقش بسیار مهمی در تأمین نیاز آب درختان راش دارد. با توجه به اهمیت بالای رطوبت نسبی هوا و وقوع مه در پراکنش گونه راش، انجام مطالعات تکمیلی درخصوص تخمین دقیق وقوع مه و میزان مه‎بارش در جنگل‎های هیرکانی لازم و ضروری به‎نظر می‎رسد. مطالعات در مورد مه و تأثیر آن بر پوشش گیاهی، به‎ویژه در مناطق معتدل، می‎تواند بینش ارزشمندی در مورد مزایای بالقوه مه برای این گونه ارائه دهد. همچنین با توجه به کمبود مطالعات پیشنهاد می‎شود اثر سایر عوامل محیطی از جمله ویژگی‎های خاک روی پراکنش گونه راش نیز مورد توجه قرار گیرد.

 
واژه‌های کلیدی: پراکنش گونه راش، مه ‎بارش، شاخص دید افقی، تغییر اقلیم، مدل خطی تعمیم یافته
متن کامل [PDF 480 kb]   (651 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: اکولوژی جنگل
دریافت: 1402/11/23 | پذیرش: 1403/2/28
فهرست منابع
1. American Meteorological Society. (2012). Fog. Glossary of Meteorology. Retrieved January 2020, from http://glossary.ametsoc.org/wiki/Fog
2. Asadi, H., Jalilvand, H., & Moslemi, S. M. (2021). Vegetation Classification of Darabkola Forest and Their Relation to Physiographic Factors. Iranian Journal of Applied Ecology, 10(3), 17-33. [DOI:10.47176/ijae.10.3.13521]
3. Atalay, I. (1992). Kayın Ormanlarının Ekolojisi ve Tohum Transferi Açısından Bölgelere Ayrımı. The ecology of beech (Fagus orientalis Lipsky) forests and their regioning in terms of seed transfer. The Improvement Institute of Forest Trees and Seeds, Forest Ministry, 5, 54-59.
4. Baguskas, S. A., Peterson, S. H., Bookhagen, B., & Still, C. J. (2014). Evaluating spatial patterns of drought-induced tree mortality in a coastal California pine forest. Forest Ecology and Management, 315, 43-53. [DOI:10.1016/j.foreco.2013.12.020]
5. Barbeta, A., Camarero, J.J., Sangüesa-Barreda, G., Muffler, L., & Peñuelas, J. (2019). Contrasting effects of fog frequency on the radial growth of two tree species in a Mediterranean-temperate ecotone. Agricultural and Forest Meteorology, 264, 297-308. [DOI:10.1016/j.agrformet.2018.10.020]
6. Butler, H. J., & Montzka, S. A. (2018). National Oceanic & Atmospheric Administration.
7. Cáceres, L., Gómez‐Silva, B., Garró, X., Rodríguez, V., Monardes, V., & McKay, C. P. (2007). Relative humidity patterns and fog water precipitation in the Atacama Desert and biological implications. Journal of Geophysical Research: Biogeosciences, 112(G4). [DOI:10.1029/2006JG000344]
8. Dagtekin, D., Şahan, E. A., Denk, T., Köse, N., & Dalfes, H. N. (2020). Past, present and future distributions of Oriental beech (Fagus orientalis) under climate change projections. PLoS One, 15(11), e0242280. [DOI:10.1371/journal.pone.0242280]
9. Dawson, T. E. (1998). Fog in the California redwood forest: ecosystem inputs and use by plants. Oecologia, 117, 476-485. [DOI:10.1007/s004420050683]
10. Dezhban, A., Attarod, P., Zahedi Amiri, G., Grant Pypker, T., & Nanko, K. (2019). Fog precipitation and rainfall interception in a pure natural oriental beech (Fagus orientalis L.) stand in the Hyrcanian Forests, North of Iran. Forest and Wood Products, 72(2), 89-100.
11. Duarte, Y.C. & Sentelhas, P.C. (2020). NASA/POWER and DailyGridded weather datasets-how good they are for estimating maize yields in Brazil?. International Journal of Biometeorology, 64, 319-329. [DOI:10.1007/s00484-019-01810-1]
12. Ertekin, M., Kırdar, E., & Ayan, S. (2015). The effects of exposure, elevation and tree age on seed characteristics of Fagus orientalis Lipsky. South-east European forestry: SEEFOR, 6(1), 15-23. [DOI:10.15177/seefor.15-03]
13. Esen, D. (2000). Ecology and control of Rhododendron (Rhododendron ponticum L.) in Turkish eastern beech (Fagus orientalis Lipsky) forests (Doctoral dissertation, Virginia Polytechnic Institute and State University).
14. Esmailzadeh, O., Hosseini, S. M., Tabari, M., & Asadi, H. (2011). Classification system analysis in classification of forest plant communities (Case study: Darkola's beech forest). Iranian Journal of Plant biology, 3(7), 11-28.
15. Eugster, W., Burkard, R., Holwerda, F., Scatena, F. N., & Bruijnzeel, L. S. (2006). Characteristics of fog and fogwater fluxes in a Puerto Rican elfin cloud forest. Agricultural and Forest Meteorology, 139(3-4), 288-306. [DOI:10.1016/j.agrformet.2006.07.008]
16. Fang, J., & Lechowicz, M. J. (2006). Climatic limits for the present distribution of beech (Fagus L.) species in the world. Journal of Biogeography, 33(10), 1804-1819. [DOI:10.1111/j.1365-2699.2006.01533.x]
17. Fazlollahi Mohammadi, M., Tobin, B., Jalali, S. G., Kooch, Y., & Riemann, R. (2022). Fine-scale topographic influence on the spatial distribution of tree species diameter in old-growth beech (Fagus orientalis Lipsky.) forests, northern Iran. Scientific reports, 12(1), 7633. [DOI:10.1038/s41598-022-10606-0]
18. Fischer, D. T., Still, C. J., Ebert, C. M., Baguskas, S. A., & Park Williams, A. (2016). Fog drip maintains dry season ecological function in a California coastal pine forest. Ecosphere, 7(6), e01364. [DOI:10.1002/ecs2.1364]
19. Gadow, K. V., Zhang, C. Y., Wehenkel, C., Pommerening, A., Corral-Rivas, J., Korol, M., ... & Zhao, X. H. (2012). Forest structure and diversity. Continuous cover forestry, 29-83. [DOI:10.1007/978-94-007-2202-6_2]
20. Gu, Y., Kusaka, H., Doan, V. Q., & Tan, J. (2019). Impacts of Urban Expansion on Fog Types in Shanghai, China: Numerical Experiments by WRF Model. Atmos Res, 220, 57-74. [DOI:10.1016/j.atmosres.2018.12.026]
21. Gutiérrez, E. (1988). Dendroecological study of Fagus silvatica L. in the Montseny mountains (Spain). ACTA OECOL. (OECOL. PLANT.), 9(3), 301-309.
22. Hojjati, S. M., Darzi, A., Asadi, H., & Tafazoli, M. (2021). Changes in soil properties and plant biodiversity after 12 years of rehabilitating livestock farms in the Hyrcanian Forests. Agroforestry Systems, 95, 1493-1503. [DOI:10.1007/s10457-021-00658-y]
23. Ingraham, N. L., & Matthews, R. A. (1995). The importance of fog-drip water to vegetation: Point Reyes Peninsula, California. Journal of Hydrology, 164(1-4), 269-285. [DOI:10.1016/0022-1694(94)02538-M]
24. Jafari, A., Mortazavi, S., & Hosseini, S. M. (2022). Investigation the effectiveness of protected areas in Hyrcanian forests, Iran. Ecology of Iranian Forest, 10(20), 151-161. [DOI:10.52547/ifej.10.20.151]
25. Kahyaoğlu, N., Kara, Ö., & Güvendi, E. (2020). Effects of Elevation on The Aboveground Biomass and Carbon Stock in The Oriental Beech (Fagus Orientalis Lipsky) Forests of The Sinop Region, Turkey. Applied Ecology & Environmental Research, 18(6). [DOI:10.15666/aeer/1806_80498063]
26. Kavianpour., S. (2023). Quantification of fog precipitation of pure beech stands (Fagus orientalis L.) in high altitudes of Hyrcanian forests. Master of Science Thesis. Tehran University, 70 pages.
27. Kuhn, M., Wing, J., Weston, S., Williams, A., Keefer, C., Engelhardt, A., ... & Team, R. C. (2020). Package 'caret'. The R Journal, 223(7), 48.
28. Lendzion, J., & Leuschner, C. (2008) Growth of European Beech (Fagus sylvatica L.) Saplings is Limited by Elevated Atmospheric Vapour Pressure Deficits. Forest Ecology and Management, 256, 648-655. [DOI:10.1016/j.foreco.2008.05.008]
29. Liu, W., Han, Y., Li, J., Tian, X., & Liu, Y. (2018). Factors Affecting Relative Humidity and its Relationship with the Long-term Variation of Foghaze Events in the Yangtze River Delta. Atmos Environ, 193, 242-250 [DOI:10.1016/j.atmosenv.2018.09.015]
30. Long, Q., Wu, B., Mi, X., Liu, S., Fei, X., & Ju, T. (2021). Review on Parameterization Schemes of Visibility in Fog and Brief Discussion of Applications Performance. Atmosphere, 12(12), 1666. [DOI:10.3390/atmos12121666]
31. Martin‐Benito, D., Pederson, N., Köse, N., Doğan, M., Bugmann, H., Mosulishvili, M., & Bigler, C. (2018). Pervasive Effects of Drought on Tree Growth Across a Wide Climatic Gradient in the Temperate Forests of the Caucasus. Global Ecology and Biogeography, 27(11), 1314-1325. [DOI:10.1111/geb.12799]
32. Marvi-Mohadjer, M. R. (2006). Silviculture. Tehran University Press
33. Naderi, M., Kialashaki, A., Veisi, R., Sheykheslami, A., & Tafazoli, M. (2021). Effect of Site on Soil Properties and Carbon Sequestration in Populus deltoids Stand in Sari. Ecology of Iranian Forest, 9(18), 187-195. [DOI:10.52547/ifej.9.18.187]
34. Negishi, M., & Kusaka, H. (2022). Development of statistical and machine learning models to predict the occurrence of radiation fog in Japan. Meteorological Applications, 29(2), e2048. [DOI:10.1002/met.2048]
35. Nilo, S. T., Cimini, D., Di Paola, F., Gallucci, D., Gentile, S., Geraldi, E., ... & Romano, F. (2020). Fog Forecast using WRF Model Output for Solar Energy Applications. Energies, 13(22), 6140. [DOI:10.3390/en13226140]
36. Oladi, R., Elzami, E., Pourtahmasi, K., & Bräuning, A. (2017). Weather Factors Controlling Growth of Oriental Beech are on the Turn Over the Growing Season. European Journal of Forest Research, 136(2), 345-356. [DOI:10.1007/s10342-017-1036-5]
37. Packham, J. R., Thomas, P. A., Atkinson, M. D., & Degen, T. (2012). Biological Flora of the British Isles: Fagus sylvatica. Journal of ecology, 100(6), 1557-1608. [DOI:10.1111/j.1365-2745.2012.02017.x]
38. Papageorgiou, A. C., Vidalis, A., Gailing, O., Tsiripidis, I., Hatziskakis, S., Boutsios, S., ... & Finkeldey, R. (2008). Genetic Variation of Beech (Fagus sylvatica L.) in Rodopi (NE Greece). European Journal of Forest Research, 127, 81-88. [DOI:10.1007/s10342-007-0185-3]
39. Peters, R., & Peters, R. (1997). Beech forests: woody species composition, populations and spatial aspects. Beech forests, 89-130. [DOI:10.1007/978-94-015-8794-5_6]
40. Pohl, M. J., Lehnert, L., Bader, M. Y., Gradstein, S. R., Viehweger, J., & Bendix, J. (2021). A new fog and low stratus retrieval for tropical South America reveals widespread fog in lowland forests. Remote Sensing of Environment, 264, 112620. [DOI:10.1016/j.rse.2021.112620]
41. Rangwala, I., & Miller, J. R. (2012). Climate change in mountains: a review of elevation-dependent warming and its possible causes. Climatic change, 114, 527-547. [DOI:10.1007/s10584-012-0419-3]
42. Rohani, K., Hosseini Nasr, S. M., Asadi, H., & Tafazoli, M. (2022). The effect of recreation, rural population and forest roads on the diversity of forest‎ understory species (case study: Zarin Abad Forests of Sari)‎. Forest Research and Development, 8(2), 165-179.
43. Salman, A. G., & Kanigoro, B. (2021). Visibility forecasting using autoregressive integrated moving average (ARIMA) models. Procedia Computer Science, 179, 252-259. [DOI:10.1016/j.procs.2021.01.004]
44. Scholl, M., Eugster, W., & Burkard, R. (2011). Understanding the role of fog in forest hydrology: stable isotopes as tools for determining input and partitioning of cloud water in montane forests. Hydrological Processes, 25(3), 353-366. [DOI:10.1002/hyp.7762]
45. Sparks, A. H. (2018). nasapower: a NASA POWER global meteorology, surface solar energy and climatology data client for R. Journal of Open Source Software, 3(30), 1035. [DOI:10.21105/joss.01035]
46. Tafazoli, M., Hojjati, S. M., Biparva, P., Kooch, Y., & Lamersdorf, N. (2021). Using nano-scale Fe0 particles and organic waste to improve the nutritional status of tree seedlings growing in heavy metal-contaminated soil. iForest-Biogeosciences and Forestry, 14(5), 447. [DOI:10.3832/ifor3821-014]
47. Tolle, G., Polastre, J., Szewczyk, R., Culler, D., Turner, N., Tu, K., ... & Hong, W. (2005). A Macroscope in the Redwoods. In Proceedings of the 3rd international conference on Embedded networked sensor systems (pp. 51-63). [DOI:10.1145/1098918.1098925]
48. Valizadeh, E., Asadi, H., Jaafari, A., & Tafazoli, M. (2023). Machine Learning Prediction of Tree Species Diversity using Forest Structure and Environmental Factors: a Case Study from the Hyrcanian forest, Iran. Environmental Monitoring and Assessment, 195(11), 1334. [DOI:10.1007/s10661-023-11969-1]
49. WMO, G. (1996). Guide to meteorological instruments and methods of observation.
50. Wu, J., Zha, J., Zhao, D., & Yang, Q. (2018). Changes in Terrestrial Near-Surface Wind Speed and their Possible Causes: an Overview. Climate dynamics, 51(5-6), 2039-2078. [DOI:10.1007/s00382-017-3997-y]
51. Yang, Q., Zhang, H., Wang, L., Ling, F., Wang, Z., Li, T., & Huang, J. (2021). Topography and Soil Content Contribute to Plant Community Composition and Structure in Subtropical Evergreen-Deciduous Broadleaved Mixed Forests. Plant Diversity, 43(4), 264-274. [DOI:10.1016/j.pld.2021.03.003]
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به بوم‏شناسی جنگل‏های ایران می‌باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | Ecology of Iranian Forest

Designed & Developed by: Yektaweb