پهنه‌بندي زيست‌اقليم گياهي مريم‌نخودي شرقي (Teucrium orientale L.) در استان اصفهان با استفاده از روشهاي آماري چند متغيره و سيستم اطلاعات جغرافيايي (GIS)

Bioclimatic zoning of Teucrium orientale L. in Isfahan province using multivariable statistical methods and GIS (Geographical Information System)

كشاورزی و منابع طبیعی بشدت به آب و هوا و اقلیم وابسته‌اند و از این‌رو تنوع اقلیمی و تغییرات آن،‌ چه در كوتاه‌مدت (در طول دوره رشد گیاه) و چه در درازمدت، نقش تعیین‌كننده‌ای در میزان تولید و پایداری آن دارد. هدف از این پژوهش، بررسی و تعیین مهمترین عناصر اقلیمی مؤثر بر پراكنش گونه مریم‌نخودی شرقی (Teucrium orientale L.) و در نهایت، پهنه‌بندی زیست‌اقلیم آن در استان اصفهان بود. بدین منظور، ابتدا اقدام به ایجاد پایگاهی مركب از 16 متغیر اقلیمی ایستگاه‌های هواشناسی استان اصفهان طی دوره‌ آماری مشترك 40 ساله (2009-1970) كه از اهمیت بیشتری در ارتباط با اكولوژی گیاهی برخوردار بودند، گردید. از روش تحلیل عاملی با دوران واریمكس، به‌منظور كاهش ابعاد ماتریس داده‌ها و از روش تحلیل خوشه‌ای سلسله مراتبی به طریق وارد، برای پهنه‌بندی زیست‌اقلیم گونه مریم‌نخودی شرقی در استان استفاده شد و 5 پهنه اقلیم رویشی منطبق بر ارتفاعات استان برای گونه شناسایی و نامگذاری شدند. به‌منظور بررسی فضایی متغیرهای اقلیمی ممیز، نتایج حاصل از تحلیل عاملی به محیط GIS وارد و با استفاده از سیستم اطلاعات جغرافیایی، پهنه‌بندی این عوامل نیز انجام شد. یافته‌های این تحقیق نشان داد، 4 عامل اول 6/93% از پراش متغیرهای اولیه را بیان می‌كند. این عوامل عبارت بودند از: بارش، روز یخبندان، تابش و سرعت باد كه به‌ترتیب 43/42، 93/31، 40/10 و 83/8 درصد از تغییرات را نشان دادند.

Agriculture and natural resources are strongly dependent on weather and climate; therefore, climate variation and its changes have a key role on production rate and sustainability. The goal of this study was to investigate and determine the most important climatic elements affecting the distribution of Teucrium orientale L. as well as bioclimatic zoning of this species in Isfahan province. Initially, a database of 16 climate variables, which were more important in connection with plant ecology, was established during a 40-year statistical period (1970-2009). To decrease the dimensions of data matrix, factor analysis method with Varimax Rotation was used, and for the bio-climate zoning of Teucrium orientale L., Ward’s Hierarchical Clustering method was applied. As a result, five bioclimatic zones, based on the heights of the province, were identified and labeled. To investigate the climatic variables spatially, the results of the factor analysis were entered into GIS environment and the zoning of these factors was done. The results of this study showed that the first four factors explained 93.6% of the primary variation. These factors included precipitation, frost day, radiation, and wind speed, showing 42.43%, 31.93%, 10.40%, and 8.83% of variations, respectively.