ارزيابي همگني توزيع مكاني درختان در توده آميخته كهور ايراني (Prosopis cineraria) در منطقه حفاظت شده بارچاه استان هرمزگان

Evaluation of homogeneity of tree spatial distribution in a mixed mesquite (Prosopis cineraria) stand in Barchah protected area, Hormozgan province

سابقه و هدف: الگوي مكاني درختان در يك توده نتيجه فرآيندهاي مختلفي از جمله نوع برهمكنش آنها با يكديگر، پراكنش بذر و ناهمگني محيطي است. بنابراين آگاهي از الگوي مكاني گونه‌هاي گياهي به منظور درك عميق‌تر فرضيه‌هاي مختلف در بوم‌شناسي حائز اهميت است. با توجه به اين اهميت، شناخت نااريب الگوهاي مكاني گونه‌هاي گياهي در بوم‌شناسي با استفاده از راهبردهاي قابل اطمينان ضروري است. آماره‌هاي اختصاري كه در تحليل الگوي نقطه‌اي براي دستيابي به الگوي مكاني گياهان طراحي شده‌اند بر اساس فرآيند پوآسون همگن (تصادفي مكاني كامل) طراحي شده‌اند. بنابراين بررسي همگني توزيع مكاني درختان پيش از تحليل الگوي مكاني آنها ضروري است. با توجه به اين موضوع، مطالعه حاضر با هدف ارزيابي همگني توزيع مكاني درختان در يك توده آميخته كهور ايراني در ناحيه رويشي خليج‌عماني با استفاده از دو روش انجام شد. همچنين بررسي تأثير عدم توجه به پيش فرض تصادفي مكاني كامل بر تحليل الگوي مكاني درختان هدف ديگر اين مطالعه بود. مواد و روش‌ها: يك قطعه‌نمونه با مساحت 49 هكتار (700 متر × 700 متر) از يك توده آميخته كهور ايراني در منطقه حفاظت شده بارچاه استان هرمزگان انتخاب شد. موقعيت مكاني همه درختان و درختچه‌هاي با ارتفاع بيش از ۰/۵ متر قطعه‌نمونه ثبت شده و ارتفاع و مساحت تاج آنها اندازه‌گيري شد. همچنين يك قطعه‌نمونه ديگر با شرايط محيطي و تعداد درخت مشابه با توزيع مكاني همگن و الگوي مكاني كپه‌اي درختان شبيه‌سازي شد. دو روش آزمون كاي اسكوئر مبتني بر كوادرات به همراه شاخص باقيمانده پيرسون و آزمون كولموگروف اسميرنوف براي تشخيص همگني توزيع مكاني درختان در دو قطعه‌نمونه به كار رفتند. همچنين براي تحليل الگوي مكاني در دو قطعه نمونه از تابع همبستگي جفتي همگن و ناهمگن استفاده شد. يافته‌ها: قطعه‌نمونه مورد مطالعه پوشيده از 498 درخت و درختچه بود كه از 149 پايه كهور ايراني، 248 پايه آكاسياي چتري و 101 پايه دهير تشكيل شده بودند. نتايج نشان داد كه آزمون كاي اسكوئر تنها با تركيب 4 × 4 كوادرات توانست همگني قطعه نمونه شبيه سازي را تشخيص دهد. ميانگين شاخص باقيمانده پيرسون نيز نتوانست تفاوت همگني در دو قطعه‌نمونه را شناسايي نمايد. در حالي كه آزمون كولموگروف اسميرنوف تفاوت توزيع مكاني درختان در قطعه‌نمونه واقعي (۰/۰۰۱>p-value) و شبيه سازي (۰/۲۵=p-value) را در مقايسه با فرآيند پراسون همگن تاييد نمود. اگر چه تابع g همگن نتوانست الگوي مكاني در قطعه نمونه واقعي با توزيع مكاني ناهمگن گياهان را نشان دهد، تابع g ناهمگن بيانگر الگوي مكاني معني دار كپه اي گياهان تا فاصله سه متر و الگوي مكاني پراكنده در مقياس مكاني پراكنده در مقياس مكاني استفاده از تابع g ناهمگن اريب بود. در حالي كه تابع g همگن الگوي مكاني كپه اي معني دار گياهان تا فاصله ۱۵ را تاييد نمود. نتيجه‌گيري: به طور كلي، نتيجه‌گيري شد كه آزمون كولموگروف اسميرنوف روشي قابل اطمينان در ارزيابي همگني توزيع مكاني گياهان در منطقه مورد مطالعه بود. همچنين نشان داده شد كه كارايي تابع g در شناسايي الگوي مكاني گياهان از همگني توزيع مكاني آنها تأثير گرفته و استفاده از شكل نامناسب تابع g، منجر به ارائه نتايج اريب در تحليل الگوي مكاني در منطقه مورد مطالعه شد.

Background and objectives: Spatial pattern of trees in a stand is the outcome of different processes such as their interactions, seed dispersal, and environmental heterogeneity. In consequence, knowledge of spatial pattern of plant species is important for deeper understanding of different hypotheses in ecology. Considering the importance, unbiased recognition of spatial pattern of plant species using reliable techniques is essential in ecology. Summary statistics used in point pattern analysis to explore spatial pattern of plants are based on the null model of homogeneous Poisson process (Complete spatial randomness: CSR). So it seems necessary to investigate homogeneity of tree spatial distribution before analyzing their spatial pattern. Considering this issue, this study was aimed to evaluate the homogeneity of tree spatial distribution in a mixed mesquite stand in Khalij-Omanian vegetation zone using two methods. Moreover, it was also aimed to investigate the impact of ignoring the CSR null model on spatial pattern analysis of trees in the plot. Materials and methods: A 49-ha study plot (700 m × 700 m) was selected in a mixed mesquite stand in Barchah protected area in Hormozgand province. The spatial location of all trees and shrubs with height > 0.5 m was registered and their height and crown area were measured. Furthermore, another plot with the similar number of plants and environmental conditions was simulated with homogeneous spatial distribution and clustered spatial pattern of plants. Two methods of Chi-squared test based on quadrat accompanied with Pearson residuals and Kolmogorov-Smirnov test were applied to explore homogeneity of tree spatial distribution. Moreover, homogeneous and inhomogeneous pair correlation functions were used to analyze spatial patterns in two plots. Results: The study plot was covered by 498 trees and shrubs including 149 mesquites, 248 umbrella thorns (Acacia tortilis), and 101 desert thorns (Lycium shawii). The results showed that Chi-squared test only with 4 × 4 quadrats could recognize homogeneity of the simulated plot. Mean of Pearson residuals also did not characterize the homogeneity difference of two plots. While Kolmogorov-Smirnov test explored the difference between tree spatial distribution of the true plot (p-value<0.001) and simulated plot (p-value=0.25) compared to homogeneous Poisson process. Although homogeneous g(r) did not show spatial patterns in the true plot, inhomogeneous g(r) revealed the significant clustered spatial pattern of plants up to 3 m and dispersed spatial pattern at 3.5-10 m spatial scale. In addition, recognized spatial pattern in the simulated plot with homogeneous spatial distribution of plants using inhomogeneous g(r) was biased, although homogenous g(r) showed the significant clustered spatial pattern of plants up to 15 m distance. Conclusion: In general, it was concluded that Kolmogorov-Smirnov test is a reliable method to assess homogeneity of plant spatial distribution in the study area. Moreover, it was revealed that efficiency of g(r) in spatial pattern recognition of plants was influenced by homogeneity of their spatial distribution and application of inappropriate form of g(r) resulted in biased spatial pattern analysis at the study site.