بررسی ارتباط تنوع عملکردی و ذخیره کربن جنگل­های زاگرس جنوبی، شهرستان دهدز استان خوزستان

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 23

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IWM-6-1_007

تاریخ نمایه سازی: 29 مهر 1405

چکیده مقاله:

چکیده مبسوطمقدمه: در دهه­های اخیر با افزایش نگرانی­های جهانی در مورد تغییرات اقلیمی و انتشار بی­سابقه گازهای گلخانه­ای، اهمیت ذخیره­سازی کربن به عنوان یکی از راه­های اصلی کاهش تاثیرات منفی این پدیده بیش از پیش آشکار شده ­است. اکوسیستم­ها به ویژه جنگل­ها از طریق فتوسنتز، کربن را جذب کرده و در بافت­های گیاهی و خاک ذخیره می­کنند. این فرآیند به کاهش سطح کربن در اتمسفر و تعدیل اثرات گازهای گلخانه­ای کمک می­کند. با این حال توانایی اکوسیستم­ها در ذخیره­سازی کربن متفاوت بوده و به­طور مستقیم تحت تاثیر تنوع عملکردی آنها است. اکوسیستم­هایی که تنوع عملکردی بالایی دارند مانند جنگل­ها که از گونه­های مختلف گیاهی تشکیل شده و هر یک وظیفه خاصی مثل تثبیت نیتروژن، افزایش ماده آلی خاک و حفاظت از خاک را بر عهده دارند، ظرفیت بیشتری برای حفظ و افزایش ذخیره کربن دارند. بررسی تنوع عملکردی نقش مهمی در شناخت خدمات اکوسیستم دارد زیرا هر اکوسیستم دارای فرآیندی است که به وسیله مولفه­های مختلف تنوع عملکردی اداره می­گردند. از آنجایی که گونه­های گیاهی مختلف دارای ویژگی­های عملکردی متفاوتی هستند، در نتیجه در توانایی جذب، ذخیره و انتشار کربن عملکرد دارند. بنابراین بررسی ارتباط بین تنوع عملکردی و ذخیره کربن از اهمیت ویژه ای برخوردار است. این مطالعه با هدف شناخت عملکردی و ذخیره کربن منطقه جنگلی دهدز بلوط بلند با گونه غالب بلوط ایرانی در شهرستان دهدز استان خوزستان انجام گرفت.مواد و روش ها: برای ارتباط بین مولفه­های مختلف تنوع عملکردی و ذخیره کربن از ۱۶ قطعه نمونه در منطقه جنگلی معرف بلوط ایرانی در شهرستان دهدز استان خوزستان استفاده شد. شش ویژگی­ گیاهی شامل نیتروژن برگ، فسفر برگ، شاخص سطح ویژه برگ، ارتفاع گیاه، وزن مخصوص چوب و محتوای وزن خشک برگ و نیز ذخیره کربن کل، زیتوده، لاشبرگ و خاک در منطقه مورد مطالعه اندازه­گیری شد تا شاخص میانگین وزنی، شاخص واگرایی عملکردی و شاخص پراکندگی عملکردی به عنوان شاخص­های تنوع عملکردی محاسبه شوند. با استفاده از تحلیل مولفه­های اصلی (PCA) مهمترین متغیرهای مستقل جهت ورود به تحلیل رگرسیون خطی چندگانه انتخاب شدند. در این مطالعه از رگرسیون خطی چندگانه به روش گام به گام استفاده شد تا مشخص شود که کدام مولفه تنوع عملکردی، ذخیره کربن را به بهترین وجه تبیین می­کند. نتایج و بحث: میانگین مقدار کربن آلی کل اکوسیستم، زیتوده، لاشبرگ و خاک به ترتیب ۵/۸۹، ۱۱، ۳ و ۴/۷۴ تن در هکتار به دست آمد. مهمترین ویژگی گیاهی بر روی محور اول PCA با واریانس ۹/۴۱ درصد، شاخص میانگین وزنی ارتفاع و بر روی محور دوم PCA با واریانس ۳/۳۴ درصد، شاخص میانگین وزنی سطح ویژه برگ بود. نتایج نشان داد که بهترین متغیر برای پیش بینی کربن لاشبرگ، شاخص واگرایی سطح ویژه برگ می­باشد. همچنین بهترین متغیر برای پیش بینی کربن خاک نیز شاخص میانگین وزنی سطح ویژه برگ می­باشد. شاخص میانگین وزنی نیتروژن برگ و شاخص سطح ویژه برگ و همچنین شاخص واگرایی مربوط به شاخص سطح ویژه برگ از مهمترین مولفه­ها در برآورد ذخیره کربن در منطقه مورد مطالعه بودند. مدل پیش بینی شده نهایی برای زیتوده نشان داد که با افزایش میزان نیتروژن برگ، میزان ذخیره کربن در بخش زیتوده آن بیشتر می شود. بطورکلی اثرات معنی­دار قوی شاخص­های تنوع عملکردی روی برخی از ویژگی­های گیاهی مثل میزان نیتروژن برگ و شاخص سطح ویژه برگ یافت شد.نتیجه گیری: در این مطالعه نقش شاخص­های مبتنی­بر یک ویژگی مثل میانگین وزنی و شاخص واگرایی عملکردی در برآورد ذخیره کربن مهم­تر تشخیص داده شد. همچنین شاخص پراکندگی مبتنی­بر چند ویژگی که پراکنش ویژگی­های گیاهی را در چند بعد نشان می­دهد معنی­دار نشد. از طرفی، شاخص ویژه سطح برگ و میزان نیتروژن برگ به عنوان مهمترین ویژگی­های گیاهی موثر در برآورد کربن تعیین شدند.

نویسندگان

ایمان داوودی

گروه جنگلداری و صنایع سلولزی، دانشکده منابع طبیعی، دانشگاه صنعتی خاتم الانبیاء بهبهان، بهبهان، ایران

مصطفی مرادی

گروه جنگلداری و صنایع سلولزی، دانشکده منابع طبیعی، دانشگاه صنعتی خاتم الانبیاء بهبهان، بهبهان، ایران

رضا بصیری

گروه جنگلداری و صنایع سلولزی، دانشکده منابع طبیعی، دانشگاه صنعتی خاتم الانبیاء بهبهان، بهبهان، ایران

پژمان طهماسبی کهیانی

گروه مرتعداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Abere, F., Belete, Y., Kefalew, A., & Soromessa, T. (۲۰۱۷). ...
  • Imani, F., Moradi, M., & Basiri, R. (۲۰۱۶) The Effect ...
  • https://doi.org/۱۰.۱۰۰۷/۹۷۸-۹۸۱-۹۷-۳۹۰۵-۹_۱۶Junttila, V., Minunno, F., Peltoniemi, M., Forsius, M., Akujärvi, A., ...
  • https://doi.org/۱۰.۱۰۰۷/s۱۳۲۸۰-۰۲۳-۰۱۹۰۶-۴Karami, M., Sheykholeslami, A., Heydari, M., Nimvari, M. E., Omidipour, ...
  • https://doi.org/۱۰.۳۳۸۹/fpls.۲۰۲۰.۰۰۱۴۹Laliberté, E., & Legendre, P. (۲۰۱۰). A distance‐based framework for ...
  • https://doi.org/۱۰.۴۲۳۶/ojf.۲۰۲۲.۱۲۱۰۰۲Mahdavi, A., Saidi, S., Iranmanesh, Y., & Naderi, M. (۲۰۲۰). Biomass ...
  • https://doi.org/۱۰.۱۰۰۷/s۱۱۱۰۴-۰۱۰-۰۶۶۴-zPalosuo, T., Liski, J., Trofymow, J. A., & Titus, B. ...
  • https://doi.org/۱۰.۱۰۰۷/s۴۲۹۶۵-۰۲۲-۰۰۲۷۹-۱Pérez-Harguindeguy, N., Díaz, S., Garnier, E., Lavorel, S., Poorter, H., ...
  • https://doi.org/۱۰.۱۱۱۱/j.۱۴۶۱-۰۲۴۸.۲۰۰۶.۰۰۹۲۴.xRawat, M., Arunachalam, K., Arunachalam, A., Alatalo, J., & Pandey, ...
  • نمایش کامل مراجع