مدل سازی تاثیر خشک دارهای ریز افتاده بر غنای گونه های گیاهی با استفاده از درخت رگرسیون تقویت شده

مقدمه و هدف: با وجود آن که خشک دارهای ریز حجم زیادی از بوم­سازگان جنگلی معتدله در شمال کشور را به خود اختصاص می دهد، نسبت به خشک دارهای بزرگ کمتر مورد توجه قرار گرفته است. خشک دارهای ریز، جزئی از جنگل های طبیعی هستند که علاوه بر افزایش بهره وری درختان جنگلی، کمک به زادآوری درختان، حفظ و بالا بردن رطوبت و مواد غذایی خاک و ذخیره سازی بلندمدت کربن، با تقویت عملکرد زیستگاه های نوظهور، نقشی مهم در غنای گونه های گیاهی زیرآشکوب برعهده دارند. از این رو، عدم توجه به خشک دارهای ریز، سبب برآورد اشتباه، کل حجم خشک دار و نقش کلیدی آن بر عملکرد بوم­سازگان جنگل می شود. بنابراین پژوهش پیش رو در نظر دارد از روش درخت رگرسیون تقویت شده برای مدل سازی تغییرات غنای گیاهی در ارتباط با مشخصات خشک دار ریز در یک توده جنگلی کمتر دست خورده استفاده کند.مواد و روش ها: بدین منظور، پس از استقرار ۳۰ قطعه­نمونه ۴۰۰ مترمربعی (۲۰ در ۲۰ متر) در توده بلوط – ممرزستان در جنگل های لوه در شرق استان گلستان، نوع و درصد پوشش علفی بر مبنای شاخص براون – بلانکه ثبت شد. در ادامه، تعداد گونه های علفی ثبت شده در هر قطعه نمونه، مبنای محاسبه غنای گونه ای قرار گرفت. برای اندازه گیری حجم خشک دارهای ریز، راستای اضلاع قطعه نمونه ۴۰۰ مترمربعی مبنای محاسبه قرار داده شد. از این رو، در راستای اضلاع هر قطعه نمونه و در قالب یک خط­نمونه با مجموع طولی ۸۰ متر (برابر با محیط هر قطعه نمونه)، خشک دارهای ریز متقاطع با خط­نمونه شناسایی شد. نوع گونه درختی هر یک از خشک دارهای ریز مشخص و با توجه به قطر متقاطع با خط­نمونه، خشک دارهای ریز در یکی از سه طبقه قطری ۱ تا ۵/۲ سانتی متر، ۵/۲ تا ۵/۴ سانتی متر و ۵/۴ تا ۵/۷ سانتی متر قرار گرفت. برای اندازه گیری درصد رطوبت و ماده آلی خاک، نمونه خاک از عمق صفر تا ۱۵ سانتی متر مرکز هر قطعه­نمونه، برداشت شد. درصد رطوبت خاک با استفاده از اختلاف بین وزن تر و خشک خاک و همچنین مقدار ماده آلی خاک با روش والکی-بلاک در آزمایشگاه به­دست آمد. برای برازش مدل درخت رگرسیون تقویت شده از بسته gmb در زبان برنامه نویسی R استفاده شد. از این رو در این روش از ترکیب دو الگوریتم "درخت رگرسیون و طبقه بندی" و "تقویت" استفاده شد. در این پژوهش برای رسیدن به تعداد درخت بهینه، عدد ۱۰۰۰ مبنای شروع کار قرار گرفت. در این پژوهش، مقدار غنای گونه ای در هر قطعه­نمونه به­عنوان متغیر پاسخ و متغیرهای درصد شیب، جهت شیب، ارتفاع از سطح دریای آزاد، درصد رطوبت خاک، درصد ماده آلی خاک، میانگین کل حجم خشک دار ریز، میانگین حجم خشک دار ریز در درجه اول پوسیدگی، میانگین حجم خشک دار ریز در درجه دوم پوسیدگی و نوع گونه خشک دار ریز به­عنوان متغیرهای پیشگو در نظر گرفته شد.یافته ها: بر اساس نتایج، مدل اولیه برازش داده شده در تعداد درخت برابر ۷۷۰۰ بالاترین دقت را نشان داد. لیکن، با توجه به عدم تاثیرگذاری برخی از متغیرها در مدل، متغیرهای شیب، جهت شیب، ارتفاع از سطح دریا، نوع گونه خشک دار ریز و میانگین حجم خشک دار ریز کلاس پوسیدگی اول، این متغیرها بر اساس تغییرات انحراف به وجود آمده، از مدل کنار گذاشته و مدل مجدد در تعداد درخت بهینه ۷۸۰۰ برازش داده شد. به استناد مدل نهایی درخت رگرسیون تقویت شده، با افزایش ماده آلی خاک به بیش از ۱۵/۲ درصد و در رطوبت خاک بالای ۳۰ درصد، بیشترین اندازه شاخص غنای گونه ای ثبت شد. همچنین، اندازه بالای خشک دار از کلاس قطری اول و با درجه دارای پوسیدگی، سبب افزایش غنای گیاهی در منطقه موردبررسی شد. در این پژوهش، ثبت ضریب تببین بالای ۹۹۲/۰ با مجذور میانگین مربعات خطای ۰۳۹/۰، نشان دهنده دقت بالای مدل درخت رگرسیون تقویت شده است.نتیجه گیری کلی: یافته های تحقیق نشان داد که خشک دارهای ریز با ایجاد شرایط زیستگاهی مطلوب، غنای گیاهان علفی را افزایش داده و حفظ این مولفه در افزایش ماده آلی خاک جنگل دارای اهمیت است. نرخ تجزیه بالا در خشک دارهای ریز نسبت به خشک دارهای بزرگ سبب می شود تا ضمن حفظ و افزایش رطوبت خاک، در مدت زمان کوتاهی مواد آلی موجود در چوب در اختیار لایه خاک قرار گیرد. در سالیان اخیر، برخی از کارشناسان حوزه منابع طبیعی، به جمع آوری خشک دارهای ریز و استفاده از آنها در صنایع سلولزی تاکید داشته اند. بخش بزرگی از این نظرات در سایه کوچک نمایی حجم و نقش خشک دار ریز و نبود اطلاعات کافی در مورد این مولفه بسیار مهم، وجاهت علمی نیز پیدا کرده است. درصورتی­که یافته های این تحقیق به­صورت کاملا مشخص نشان می دهد که جمع آوری و حذف خشک دارهای ریز، حداقل بر رطوبت و ماده آلی خاک و در نتیجه بر غنای گونه های گیاهی تاثیر منفی بر جای خواهد گذاشت. انجام پژوهش­های مشابه و تکمیلی با در نظر گرفتن متغیرهای غذایی خاک و همچنین دیگر شاخص های پوشش گیاهی، می تواند در تایید یا رد این نتیجه کمک قابل توجهی نماید.

Keywords:

ترانسکت , درجه پوسیدگی , زیرآشکوب , یادگیری ماشین