پهنه بندی زیست اقلیم گیاهی مریم نخودی شرقی (Teucrium orientale L.) در استان اصفهان با استفاده از روشهای آماری چند متغیره و سیستم اطلاعات جغرافیایی (GIS)
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 175
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJMAPR-31-4_007
تاریخ نمایه سازی: 17 مهر 1400
Abstract:
کشاورزی و منابع طبیعی بشدت به آب و هوا و اقلیم وابسته اند و از این رو تنوع اقلیمی و تغییرات آن، چه در کوتاه مدت (در طول دوره رشد گیاه) و چه در درازمدت، نقش تعیین کننده ای در میزان تولید و پایداری آن دارد. هدف از این پژوهش، بررسی و تعیین مهمترین عناصر اقلیمی موثر بر پراکنش گونه مریم نخودی شرقی (Teucrium orientale L.) و در نهایت، پهنه بندی زیست اقلیم آن در استان اصفهان بود. بدین منظور، ابتدا اقدام به ایجاد پایگاهی مرکب از ۱۶ متغیر اقلیمی ایستگاه های هواشناسی استان اصفهان طی دوره آماری مشترک ۴۰ ساله (۲۰۰۹-۱۹۷۰) که از اهمیت بیشتری در ارتباط با اکولوژی گیاهی برخوردار بودند، گردید. از روش تحلیل عاملی با دوران واریمکس، به منظور کاهش ابعاد ماتریس داده ها و از روش تحلیل خوشه ای سلسله مراتبی به طریق وارد، برای پهنه بندی زیست اقلیم گونه مریم نخودی شرقی در استان استفاده شد و ۵ پهنه اقلیم رویشی منطبق بر ارتفاعات استان برای گونه شناسایی و نامگذاری شدند. به منظور بررسی فضایی متغیرهای اقلیمی ممیز، نتایج حاصل از تحلیل عاملی به محیط GIS وارد و با استفاده از سیستم اطلاعات جغرافیایی، پهنه بندی این عوامل نیز انجام شد. یافته های این تحقیق نشان داد، ۴ عامل اول ۶/۹۳% از پراش متغیرهای اولیه را بیان می کند. این عوامل عبارت بودند از: بارش، روز یخبندان، تابش و سرعت باد که به ترتیب ۴۳/۴۲، ۹۳/۳۱، ۴۰/۱۰ و ۸۳/۸ درصد از تغییرات را نشان دادند.
Keywords:
Authors
ریحانه حیدری
دانش آموخته کارشناسی ارشد اقلیم شناسی، دانشگاه پیام نور اصفهان، اصفهان، ایران
مرتضی خداقلی
استادیار اقلیم شناسی، مرکز تحقیقات منابع طبیعی و کشاورزی استان اصفهان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اصفهان، ایران
مرضیه زارعان
دانش آموخته کارشناسی ارشد اقلیم شناسی، دانشگاه پیام نور اصفهان، اصفهان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :