تعيين ارتباط بين گونه هاي گياهي غالب با عوامل محيطي و داده هاي ماهواره اي به كمك رگرسيون لجستيك (مطالعه موردي: مراتع رينه استان مازندران)

Determination of relationships between dominant plant species with environmental factors and satellite data using logistic regression (case study: Rineh Rangeland, Mazandaran province)

تعيين ارتباط بين پراكنش گونه هاي مرتعي غالب و عوامل محيطي در مراتع رينه واقع در دامنه جنوبي كوه دماوند هدف اصلي اين تحقيق بود. براي نمونه برداري از روش نمونه گيري طبقه بندي تصادفي مساوي استفاده شد. با طبقه بندي منطقه به كمك عوامل ارتفاع، شيب و جهت، منطقه به 37 واحد نمونه برداري تقسيم شد. در سراسر منطقه 750 پلات 1 مترمربعي و 75 پلات 25 مترمربعي مستقر شد. 150 نمونه خاك نيز از عمق 0-30 سانتي متري از كل منطقه جمع آوري گرديد و در آزمايشگاه، 16 عامل خاكي شامل نيتروژن، ماده آلي، pH، فسفر، نقطه پژمردگي، ظرفيت زراعي، آب قابل دسترس، ظرفيت نگهداري آب، پتاسيم، آهك، رطوبت اشباع، وزن مخصوص ظاهري، وزن مخصوص حقيقي، درصد شن، سيلت و رس اندازه گيري شد. بعد از جمع آوري داده هاي اقليمي 16 عامل اقليمي شامل ميانگين رطوبت نسبي، ميانگين بارندگي، ميانگين دماي روزانه، ميانگين حداقل دما، ميانگين حداكثر دماي فصل بهار، تابستان و سالانه به همراه تعداد روزهاي يخبندان سالانه، براي مطالعه انتخاب و اقدام به بازسازي داده هاي ناقص شد. تصاوير IRS شامل باند قرمز و مادون قرمز نزديك و باند PAN به همراه تعدادي از باندهاي تركيبي حاصل از نسبت گيري طيفي، تجزيه مولفه اصلي و تركيب باند رنگي با سياه و سفيد به عنوان داده هاي مورد بررسي انتخاب شدند. سپس به كمك رگرسيون لجستيك براي هر گونه رابطه رگرسيون چند متغيره تهيه شد. نتايج نشان داد كه از عوامل مورد مطالعه بيشتر عوامل خاكي و شيب، جهت شيب، ميانگين حداقل دماي فصل بهار، تعداد روزهاي يخبندان، ميانگين دماي روزانه تابستان و بيشتر عوامل خاكي وارد روابط رگرسيوني شدند، همچنين داده هاي ماهواره اي نيز به عنوان ابزار مفيدي در نمايش حضور گونه‌هاي گياهي بكار رفتند.

This research was aimed to investigate the relationships between dominant rangeland species and environmental factors in the Rineh rangelands located on the southern slope of Damavand Mountain. Stratified random sampling method was applied and the study area was classified to 37 sample units based upon elevation, slop and aspect. In the study area, 750 plots 1m2 and 75 plots 25m2 were established. One hundred and fifty soil samples were dug at the depth of 0-30 cm and 16 soil properties including pH, CaCo3, bulk density, particle density, total phosphorus, total nitrogen, absorbed potassium, organic matter, saturation moisture, soil texture, field capacity, permanent wilting point, available water capacity and water holding capacity were measured in laboratory. After collecting the climate data, 16 climate factors including average relative humidity, average rainfall, average temperature, average minimum temperature, average maximum temperature in spring, summer and annual as well as annual frost days were selected to reconstruct the missing data. IRS images including red and near-infrared bands and PAN band as well as combined bands derived from RVI, NDVI, and PCA were selected. Regression equation was developed for each species using logistic regression. Results indicated that most of the factors including slop, aspect, average minimum temperature in spring, number of frost days, average daily temperature in summer, and most of the soil factors were entered in regression models. Also, satellite data were used as effective tools in showing the presence of plant species.