تأثير حذف گونه هاي نادر بر آناليز مؤلفۀ اصلي (بررسي موردي: سري جمند نوشهر)

The Elimination's effect of rare species on principle component Analysis (Case Study: Jamand district, Nowshahr)

از آنجا كه تعداد گونه ­ها بر روي نتايج رسته ­بندي پوشش گياهي تأثير مي­ گذارند، هدف از اين تحقيق، بررسي تأثير حذف گونه ­هاي نادر براي بهبود نتايج آناليز مؤلفۀ اصلي در جوامع راش (Fagus orientalis) است. براي اين منظور براي بررسي پوشش گياهي با روش نمونه­ برداري منظم تصادفي با ابعاد شبكه 100×200 متر، 13 قطعه‌نمونه در پارسل مديريت‌شده و 13 قطعه‌نمونه در پارسل شاهد برداشت شد. نوع و درصد پوشش گونه‌هاي گياهي بر اساس مقياس براون بلانكه تخمين زده شد. آناليز مؤلفۀ اصلي براي تجزيه و تحليل بين داده ­هاي مختلف پوشش گياهي به كار گرفته شد و براي مقايسۀ نتايج از آناليز Procrust در نرم ­افزار R استفاده شد. نتايج نشان داد با حذف گونه­ هاي نادري كه در كمتر از 10 درصد قطعات نمونه حضور داشتند، مقدار واريانس افزايش يافته و مقدار ويژه به­ صورت جزئي كاهش مي­ يابد. همچنين همبستگي بالايي بين مجموعه داده­ هاي خام و حذف گونه­ هاي نادر با كمتر از 10 درصد حضور وجود دارد؛ اما تفاوتي بين نتايج آناليز داده خام و آناليز داده ها با حذف گونه ­هاي نادري كه در كمتر از پنج درصد از واحدهاي نمونه ­برداري حضور دارند، وجود ندارد؛ بنابراين مي­ توان نتيجه گرفت با حذف گونه‌هاي نادر با كمتر از پنج درصد حضور، بدون از دست دادن اطلاعات و با حذف گونه­ هاي نادر با كمتر از ده درصد حضور، با از دست دادن اطلاعات جزئي از ايجاد خطاي احتمالي در آناليز مؤلفه­ هاي اصلي جلوگيري مي­ شود. لازم به ذكر است كه نتايج اين تحقيق در جوامع جنگلي مشابه قابل استفاده است و كاربرد آن در مناطق مرتعي نيازمند تحقيق بيشتر است.

Given the influence of number of species on the results of vegetation ordination, this study aims to evaluate how the removal of rare species will impact the results of Principle Component Analysis (PCA) in beech communities in the Hyrcanian Forests of northern Ian. Using random-systematic sampling method with 100*200 m network dimension, 26 sample plots were equally established in managed and control compartments. Percentage cover of each plant species was recorded using Braun-Blanquet scale. PCA was applied to determine the relationship between vegetation and environmental variables. Data were analyzed using Procrustan analysis in the R software. The results showed that the removal of rare species with less than 10% abundance in each sample plot will increases the variance but decrease the Eigen value and that there is a high correlation between the raw datasets and rare species removal. But no significant difference was seen for rare species having less than 5% abundance in each sample plot. It might therefore be concluded that the elimination of rare species with <5% abundance does not significantly influence on the loss of information. Results of this research can be used for forest communities with similar structure and composition but caution should be made in applying these results for rangelands.