دوره 12، شماره 2 - ( پاییز و زمستان 1403 )
جلد 12 شماره 2 صفحات 14-1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Hamidi S K, Fallah A. (2024). Evaluation of the Performance of Climatic Scenarios in the Basal Area Model of Trees (Case Study: the Farim Forest). Ecol Iran For. 12(2), 1-14. doi:10.61186/ifej.12.2.1
URL: http://ifej.sanru.ac.ir/article-1-459-fa.html
URL: http://ifej.sanru.ac.ir/article-1-459-fa.html
حمیدی سیده کوثر، فلاح اصغر. بررسی عملکرد سناریوهای اقلیمی در مدل سطح مقطع درختان (مطالعه موردی: جنگل فریم) بوم شناسی جنگل های ایران (علمی- پژوهشی) 1403; 12 (2) :14-1 10.61186/ifej.12.2.1
سیده کوثر حمیدی* 
1، اصغر فلاح1
1، اصغر فلاح1
1- گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
چکیده: (248 مشاهده)
چکیده مبسوط
مقدمه و هدف: امروزه جنگلها نهتنها بهعنوان قطب اقتصادی بلکه بهعنوان پشتوانه بقای دیگر بخشها نیز مورد توجه قرار گرفتهاند. بر این اساس تصمیمگیری بهعنوان جوهره مدیریت جز جداییناپذیر وظایف مدیران و برنامهریزان در واحدهای منابع طبیعی است. برنامه‌ریزی مدیریت جنگل ابزار مهم تصمیمگیری در جنگلداری بوده و نتیجه نهایی آن، یک طرح مدیریتی است که در آن فعالیتهای پیشبینی شده، زمانبندی آنها و کنترل برای رسیدن به اهداف مدیریت جنگل در یک منطقه جنگلی ارائه می‌شود. از طرفی تغییرات اقلیمی در طول زمان بر روی شرایط زیستی و اکولوژیکی جوامع گیاهی تأثیرگذار است و با توجه به اهمیت توسعه پایدار، لزوم توجه به آن و در نظر گرفتن ارزیابی و ارائه راهکارهای سازگاری با این تغییرات و کاهش مخاطرات امری ضروری بهنظر میرسد. در حال حاضر، تغییرات اقلیمی جهان با افزایش دما و سطح دیاکسیدکربن اتمسفر و همچنین تغییر در میزان بارش، در حال افزایش کلی است. این تغییرات همچنین بر خدمات اکوسیستم جنگلی، مدلهای رشد و محصول و ساختار جنگل تأثیر میگذارد و چالشهای جدیدی را برای اکوسیستم جنگل ایجاد میکند. در این راستا پیشبینی رویش آتی جنگل و عملکرد آن تحت سناریوهای مختلف یک عنصر کلیدی در برنامه‌ریزی مدیریت پایدار جنگل بهشمار میرود، همچنین بررسی و مدل‌سازی ویژگیهای کمی جنگل به‌منظور هدایت اکوسیستم به‌سوی اهداف مطلوب و اجرای اقدامات حفاظتی و احیایی از موارد مهم بهشمار می‌آید. بنابراین هدف از اجرای این پژوهش ارزیابی مدل رویش سطح مقطع درختان تحت اثرات اقلیم برای پنج دهه آینده می‌باشد.
مواد و روشها: این مطالعه در بخش جوجاده از جنگل فریم واقع در استان مازندران انجام شد. این بخش حدود 2803 هکتار با ارتفاعات بین 782 تا 1750 متر ارتفاع از سطح دریا را پوشش می‌دهد. اقلیم منطقه بر اساس روش ایوانف بهعنوان منطقه مرطوب طبقهبندی شده است. بارندگی سالانه حدود 833 میلیمتر و میانگین دمای سالانه حدود 11 درجه سانتیگراد می‌باشد. گونههای جنگلی شامل گونه راش بههمراه ممرز، توسکا، بلندمازو، افرا و سایر گونه‌ها می‌باشد. در این مطالعه قطعات نمونه ثابت دایرهای شکل 10 آر در جنگل پهنبرگ و ناهمسال فریم پیاده و اندازهگیری گردید. یک شبکه آماربرداری مستطیل شکل به ابعاد 200 × 150 متر در جنگل ایجاد شد. قطر برابر سینه و نوع گونه همه درختان زنده با قطر بیشتر از 12/5 سانتیمتر با استفاده از خطکش دوبازو (کالیپر) اندازهگیری گردید. سطح مقطع درختان و سطح مقطع قطورترین درختان دو عامل رقابتی مهمی بودند که در این مطالعه بهعنوان متغیرهای مستقل مورد استفاده قرار گرفت. درختانی که در اول دوره اندازهگیری شدهاند دوباره در آخر دوره (10 سال بعد) اندازهگیری و مشخص گردید، در نهایت میزان رویش جنگل و مدل رویشی محاسبه شد. با استفاده از مدل رویشی سطح مقطع منطقه مورد مطالعه و اطلاعات اقلیمی منطقه، رابطه بین این عوامل تعیین گردید. با استفاده از داده‌های مدل گردش عمومی، HadCM3 با سه سناریوی A1B، A2 و B1 رابطه بین رویش سطح مقطع با عوامل اقلیمی برای 50 سال آتی در نرمافزار R برنامهنویسی و تجزیه و تحلیل شد.
یافتهها: نتایج این تحقیق نشان داد که مدل رویش سطح مقطع با همبستگی 95 %، دارای دقت مناسبی است، همچنین سطح مقطع برابر سینه، سطح مقطع قطورترین درختان و بارندگی مهمترین مشخصهها در تغییرات رویش در سطح قطعه نمونه بودند. نتایج پیشبینی اقلیم در 50 سال آتی نیز به تفکیک گونه‌ها بررسی شد که نتایج حاکی از آن است که هر سناریو شرایط متفاوتی برای هر گونه ایجاد میکند که موضوع مهمی در مدیریت جنگل است، زیرا هر گونه با توجه به شرایط زیستی و رویشگاهی خود عکسالعمل متفاوتی را در منطقه میگذارد و به این دلیل هرکدام از گونه‌ها نسبت به هر سناریوی مختلف، واکنش متفاوتی دارند. با توجه به افزایش دما در منطقه رقابت در گونههای نورپسند بیشتر می‌شود و بههمان میزان در آینده گونههای سایهپسند کمتر در منطقه دیده می‌شود.
نتیجهگیری: نتایج این پژوهش میتواند بهعنوان ابزاری مناسب برای کمک به تصمیمگیری مدیریتی و طرحهای حفاظتی و احیا در جنگلهای هیرکانی استفاده شود، بهصورتیکه این تصمیمگیریها و طرحها سازگار با اثرهای تغییر اقلیم باشند زیرا بر اساس روند شرایط اقلیمی، احتمال میرود در استان مازندران در دهههای آتی بارشهای رگباری و سیلآسا نسبت به وضعیت کنونی و گذشته افزایش چشمگیری نداشته باشد و افزایش دما سرعت بیشتری به خود بگیرد. طبق نتایج بهدست آمده روند مدلهای رویشی سطح مقطع درختان بسیار تحت تاثیر متغیرهای اقلیمی مخصوصاً بارش می‌باشد که در راستای مدیریت جنگل باید به آن توجه نمود. از آنجاییکه تغییرات اقلیمی یکی از عوامل مهم در رشد درختان محسوب می‌شود، انجام چنین مطالعاتی در جهت شناخت تغییرات آتی توده‌های جنگلی تحت تاثیر این پدیده و کاربرد آن در مدیریت و برنامه‌ریزی جنگل و پرورش آن بسیار راهگشا خواهد بود.
مقدمه و هدف: امروزه جنگلها نهتنها بهعنوان قطب اقتصادی بلکه بهعنوان پشتوانه بقای دیگر بخشها نیز مورد توجه قرار گرفتهاند. بر این اساس تصمیمگیری بهعنوان جوهره مدیریت جز جداییناپذیر وظایف مدیران و برنامهریزان در واحدهای منابع طبیعی است. برنامه‌ریزی مدیریت جنگل ابزار مهم تصمیمگیری در جنگلداری بوده و نتیجه نهایی آن، یک طرح مدیریتی است که در آن فعالیتهای پیشبینی شده، زمانبندی آنها و کنترل برای رسیدن به اهداف مدیریت جنگل در یک منطقه جنگلی ارائه می‌شود. از طرفی تغییرات اقلیمی در طول زمان بر روی شرایط زیستی و اکولوژیکی جوامع گیاهی تأثیرگذار است و با توجه به اهمیت توسعه پایدار، لزوم توجه به آن و در نظر گرفتن ارزیابی و ارائه راهکارهای سازگاری با این تغییرات و کاهش مخاطرات امری ضروری بهنظر میرسد. در حال حاضر، تغییرات اقلیمی جهان با افزایش دما و سطح دیاکسیدکربن اتمسفر و همچنین تغییر در میزان بارش، در حال افزایش کلی است. این تغییرات همچنین بر خدمات اکوسیستم جنگلی، مدلهای رشد و محصول و ساختار جنگل تأثیر میگذارد و چالشهای جدیدی را برای اکوسیستم جنگل ایجاد میکند. در این راستا پیشبینی رویش آتی جنگل و عملکرد آن تحت سناریوهای مختلف یک عنصر کلیدی در برنامه‌ریزی مدیریت پایدار جنگل بهشمار میرود، همچنین بررسی و مدل‌سازی ویژگیهای کمی جنگل به‌منظور هدایت اکوسیستم به‌سوی اهداف مطلوب و اجرای اقدامات حفاظتی و احیایی از موارد مهم بهشمار می‌آید. بنابراین هدف از اجرای این پژوهش ارزیابی مدل رویش سطح مقطع درختان تحت اثرات اقلیم برای پنج دهه آینده می‌باشد.
مواد و روشها: این مطالعه در بخش جوجاده از جنگل فریم واقع در استان مازندران انجام شد. این بخش حدود 2803 هکتار با ارتفاعات بین 782 تا 1750 متر ارتفاع از سطح دریا را پوشش می‌دهد. اقلیم منطقه بر اساس روش ایوانف بهعنوان منطقه مرطوب طبقهبندی شده است. بارندگی سالانه حدود 833 میلیمتر و میانگین دمای سالانه حدود 11 درجه سانتیگراد می‌باشد. گونههای جنگلی شامل گونه راش بههمراه ممرز، توسکا، بلندمازو، افرا و سایر گونه‌ها می‌باشد. در این مطالعه قطعات نمونه ثابت دایرهای شکل 10 آر در جنگل پهنبرگ و ناهمسال فریم پیاده و اندازهگیری گردید. یک شبکه آماربرداری مستطیل شکل به ابعاد 200 × 150 متر در جنگل ایجاد شد. قطر برابر سینه و نوع گونه همه درختان زنده با قطر بیشتر از 12/5 سانتیمتر با استفاده از خطکش دوبازو (کالیپر) اندازهگیری گردید. سطح مقطع درختان و سطح مقطع قطورترین درختان دو عامل رقابتی مهمی بودند که در این مطالعه بهعنوان متغیرهای مستقل مورد استفاده قرار گرفت. درختانی که در اول دوره اندازهگیری شدهاند دوباره در آخر دوره (10 سال بعد) اندازهگیری و مشخص گردید، در نهایت میزان رویش جنگل و مدل رویشی محاسبه شد. با استفاده از مدل رویشی سطح مقطع منطقه مورد مطالعه و اطلاعات اقلیمی منطقه، رابطه بین این عوامل تعیین گردید. با استفاده از داده‌های مدل گردش عمومی، HadCM3 با سه سناریوی A1B، A2 و B1 رابطه بین رویش سطح مقطع با عوامل اقلیمی برای 50 سال آتی در نرمافزار R برنامهنویسی و تجزیه و تحلیل شد.
یافتهها: نتایج این تحقیق نشان داد که مدل رویش سطح مقطع با همبستگی 95 %، دارای دقت مناسبی است، همچنین سطح مقطع برابر سینه، سطح مقطع قطورترین درختان و بارندگی مهمترین مشخصهها در تغییرات رویش در سطح قطعه نمونه بودند. نتایج پیشبینی اقلیم در 50 سال آتی نیز به تفکیک گونه‌ها بررسی شد که نتایج حاکی از آن است که هر سناریو شرایط متفاوتی برای هر گونه ایجاد میکند که موضوع مهمی در مدیریت جنگل است، زیرا هر گونه با توجه به شرایط زیستی و رویشگاهی خود عکسالعمل متفاوتی را در منطقه میگذارد و به این دلیل هرکدام از گونه‌ها نسبت به هر سناریوی مختلف، واکنش متفاوتی دارند. با توجه به افزایش دما در منطقه رقابت در گونههای نورپسند بیشتر می‌شود و بههمان میزان در آینده گونههای سایهپسند کمتر در منطقه دیده می‌شود.
نتیجهگیری: نتایج این پژوهش میتواند بهعنوان ابزاری مناسب برای کمک به تصمیمگیری مدیریتی و طرحهای حفاظتی و احیا در جنگلهای هیرکانی استفاده شود، بهصورتیکه این تصمیمگیریها و طرحها سازگار با اثرهای تغییر اقلیم باشند زیرا بر اساس روند شرایط اقلیمی، احتمال میرود در استان مازندران در دهههای آتی بارشهای رگباری و سیلآسا نسبت به وضعیت کنونی و گذشته افزایش چشمگیری نداشته باشد و افزایش دما سرعت بیشتری به خود بگیرد. طبق نتایج بهدست آمده روند مدلهای رویشی سطح مقطع درختان بسیار تحت تاثیر متغیرهای اقلیمی مخصوصاً بارش می‌باشد که در راستای مدیریت جنگل باید به آن توجه نمود. از آنجاییکه تغییرات اقلیمی یکی از عوامل مهم در رشد درختان محسوب می‌شود، انجام چنین مطالعاتی در جهت شناخت تغییرات آتی توده‌های جنگلی تحت تاثیر این پدیده و کاربرد آن در مدیریت و برنامه‌ریزی جنگل و پرورش آن بسیار راهگشا خواهد بود.
فهرست منابع
1. Askarizadeh, D., Arzani, H., Jaffari, M., Bazrafshan, J., & Prentice., I.C. (2018). Surveying of the past, present and future of vegetation changes in the central Alborz ranges in relation to climate change. RS & GIS for Natural Resources, 9(3), 1-18.
2. Balapour, S., & Kazemi, S.M. (2012). Effects of climate variables (temperature and precipitation) on annual growth of Zelkova carpinifolia. Iranian Journal of Wood and Paper Science Research, 27(1), 69-80 (In Persian).
3. Bayat, M., Burkhart, H., Namiranian, M., Hamidi, S.K., Heidari, S., & Hassani, M. (2021). Assessing Biotic and Abiotic Effects on Biodiversity Index Using Machine Learning. Forests, 12, 461. [DOI:10.3390/f12040461]
4. Chu, J.T., Xia, J., Xu, C. Y., & Singh, V. P. (2010). Statistical downscaling of daily mean temperature, pan evaporation and precipitation for climate change scenarios In Haihe River, China. Theoretical and Applied Climatology, 99, 149-161. [DOI:10.1007/s00704-009-0129-6]
5. Etzold, S., Zieminska, K., Rohner, B., Bottero, A., Bose, A. K., Ruehr, N. K., Zingg, A., & Rigling, A. (2019). One century of forest monitoring data in Switzerland reveals species- and site-specific trends of climate-induced tree mortality. Front. Plant Science, 10, 307. [DOI:10.3389/fpls.2019.00307]
6. Fan, C., Tan, L., Zhang, P., Liang, J., Zhang, C., Wang, J., Zhao, X. & Gadow, K. (2017). Determinants of mortality in a mixed broad-leaved Korean pine forest in northeastern China. European Journal Forest Research, 136, 457-469. [DOI:10.1007/s10342-017-1045-4]
7. Fiseha, B. M., Melesse, A. M., Romano, E., Volpi, E., & Fiori, A. (2012). Statistical Downscaling of Precipitation and Temperature for the Upper Tiber Basin in Central Italy. International Journal of Water Sciences, 1(17), 1-14.
8. Froese, R. E. & Robinson, A. P. (2007). A validation and evaluation of the Prognosis individual-tree basal area increment model. Can. J. For. Res. 37, 1438-1449. [DOI:10.1139/X07-002]
9. Juneja, A., Ceballo, R. M., & Murthy, G. S. (2013). Effects of Environmental Factors and Nutrient Availability on the Biochemical Composition of Algae for Biofuels Production: A Review. Energies, 6(9), 4607-4638.
https://doi.org/10.3390/en6094607 [DOI:10.3390/en6094607.]
10. Hai, F. Z., Xue, M. S., Zhi, Y. Y., Peng, X., Yan, X. & Hua, T. (2011). August temperature variability in the southeastern Tibetan Plateau since A.D.1385 inferred from tree rings. PALAEO, 5, 703.
11. Hahn, J.T. (1984). Tree Volume and Biomass Equations for the Lake States. Research Paper NC-250, USDA Forest Service, North Central Forest Experiment Station, St. Paul, MN. [DOI:10.2737/NC-RP-250]
12. Hamidi, S.K., Fallah, A., Bayat, M., & Hosseini yekani, S. A. (2017). Determining the Forest Volume Growth using Permanent Sample Plots (Case Study: Farim Forest, Jojadeh District). Ecology of Iranian Forest, 4(8),1-8 (In Persian).
13. Hamidi, K., Fallah, A., Bayat, M. & Hosseini yekani, S. A. (2019). Investigating the diameter and height models of beech trees in uneven age forest of northern Iran (Case study: Forest Farim), Iranian Forest Ecology, 3(11), 373-386 (In Persian).
14. Hamidi, K., Zenner, E., Bayat M., & Fallah, A. (2021). Analysis of Plot-level Volume Increment Models Developed from Machine Learning Methods Applied to an Uneven-aged Mixed Forest. Annals of forest science. 78, 4 [DOI:10.1007/s13595-020-01011-6]
15. Hamidi, S. K., Weiskittel, A., Bayat, M., & Fallah. A. (2021). Development of individual tree growth and yield model across multiple contrasting species using nonparametric and parametric methods in the Hyrcanian forests of northern Iran. European Journal of Forest Research, https://doi.org/ 10.30466/JFRD.2020.120877
https://doi.org/10.1007/s10342-020-01340-1 [DOI:10.30466/JFRD.2020.120877]
16. Hamidi, S.K., Fallah, A., Bayat, M., & de Luis, M. (2021). The effects of climate variables (temperature and precipitation) on growth characteristics of trees (case study: Farim forest). Journal of Forest Research and development, 6(4), 593-607 (In Persian) [DOI:10.1007/s10342-020-01340-1]
17. Hamidi, S. K., de Luis, M., Bourque, C. P. A., Bayat, M., & Serrano-Notivoli, R. (2023). Projected biodiversity in the Hyrcanian Mountain Forest of Iran: An investigation based on two climate scenarios. Biodiversity and Conservation, 32(12), 3791-3808. [DOI:10.1007/s10531-022-02470-1]
18. IPCC. (2007). The Physical Science Basis. Contribution of I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 996 p.
19. IPCC. (2019). Summary for policymakers. In: Abe-Ouchi, A., Gupta, K., Pereira, J. (Eds.), IPCC Sea Level Rise and Implications for Low-Lying Islands, Coasts and Communities.
20. Karamzadeh, S., Pourbabaii, H., & Torkman, J. (2012). Dendroclimatology of Quercus castaneifolia (C.A.Mey) in Saravan forests of Guilan. Iranian Journal of Forest and Poplar Research, 19(1), 15-26 (In Persian).
21. Liang, E., Xuemei, S., & Ningsheng, Q. (2007). Tree - ring based summer temperature reconstruction for the source region of the Yangtze River on the Tibetan Plateau. Global and Planetary Change, (16), 313-320. [DOI:10.1016/j.gloplacha.2007.10.008]
22. Liu, J., Yang, B., & Qin, C. (2011). Tree-ring based annual precipitation reconstruction since AD 1480 in south central Tibet. Quaternary International, 236(1-2), 75-81. [DOI:10.1016/j.quaint.2010.03.020]
23. Mathys, A.S., Brang, P., Stillhard, J., Bugmann, H., & Hobi, M. L. (2021). Long-term tree species population dynamics in Swiss forest reserves influenced by forest structure and climate. Forest Ecology and Management, 481, 118666. [DOI:10.1016/j.foreco.2020.118666]
24. Mathys, A.S., Coops, N.C., Simard, S.W., Waring R.H., & Aitken, S.N. (2018). Diverging distribution of seedlings and mature trees reflects recent climate change in British Columbia. Ecol. Model, 384, 145-153. [DOI:10.1016/j.ecolmodel.2018.06.008]
25. Pokharel, B. (2008). A critical evaluation of diameter increment modelling in the Great Lakes region. Ph.D. Dissertation, School of Forest Resources and Environmental Science, Michigan Technological University, Houghton, MI, 148 pp.
26. Pokharel, B., & Froese. R.E. (2009). Representing site productivity in the basal area increment model for FVS-Ontario. Forest Ecology and Management, 258, 666-675. [DOI:10.1016/j.foreco.2009.04.040]
27. Portahmasi, K., Parsapazhoh, D., Mohajer, M., & Sodabeh, A. (2009). Evaluation of Radial Growth of Juniperus Polycarpos C.Koch in Three Areas of Iran Using Tree Chronology, Journal of Forest and Poplar Researches Iran, 16(2), 327-342 (In Persian).
28. Richard, G. N. & Stavins. R. N. (2006). Climate changes and forest sinks: Factors affecting the costs of carbon sequestration, Journal of Environmental Economics and Management, 40, 122-151.
29. Sharma, M., & Parton, J. (2007). Height-diameter equations for boreal tree species in Ontario using a mixed-effects modeling approach. For. Ecol. Manage, 249, 187-198. [DOI:10.1016/j.foreco.2007.05.006]
30. Tabari, M., Espahbodi, K., & Pourmajidian. M. R. (2007). Composition and structure of a Fagus orientalis-dominated forest managed with shelter wood aim: a case study in the Caspian forests, northern Iran. Caspian Journal of Environmental Sciences, 5, 35-40 (In Persian).
31. Vahedi, A. A., Fallah, A., Akhavan, R., Nazariani, N., Khatibnia, E., & Hamidi, S. K. (2024). Spatial Analyses for Fine Woody Debris Volume Stock in the Hyrcanian Research Forest of Kheyrood-Kenar. Ecology of Iranian Forest, 12(1), 73-87 (In Persian). doi:10.61186/ifej.12.1.73 [DOI:10.61186/ifej.12.1.73]
32. Vargas-Larreta, B., Castedo-Dorado, F., Alvarez-Gonzalez, J.G., Barrio-Anta, M., & Cruz-Cobos, F. (2009). A generalized height-diameter model with random coefficients for uneven-aged stands in El Salto, Durango (Mexico). Forestry, 82, 445-462. [DOI:10.1093/forestry/cpp016]
33. Wykoff, W. R. (1986). Supplement to the user's guide for the stand Prognosis model: Version 5.0. General Technical Report INT-208, USDA Forest Service, Intermountain Research Station, Ogden, UT 36 pp. [DOI:10.2737/INT-GTR-208]
34. Wykoff, W. R. (1990). A basal area increment model for individual conifers in the northern Rocky Mountains. For. Sci, 36, 1077-1104. [DOI:10.1093/forestscience/36.4.1077]
35. Yagi, A., & Primicerio, M. (2014). A modified forest kinematic model. Vietnam Journal of Mathematical Applications, 12, 107- 118.
36. Yang, R. C., Monserud, R. A. and Huang, S. (2004). An evaluation of diagnostic tests and their roles in validating forest biometric models. Canadian Journal of Forest Research, 34, 619-629. [DOI:10.1139/x03-230]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
