مدل‌سازي ترسيب كربن آلي خاك در ارتباط با تنوع زيستي گياهي در جنگل‌هاي طبيعي آميخته راش

Modeling Soil Organic Carbon Sequestration in Relation to Plant Biodiversity in the Natural Mixed-Beech Forests

جنگل­هاي طبيعي آميخته راش با غني­ترين تنوع زيستي گياهي داراي ذخاير كلان كربن آلي در عمق­هاي مختلف خاك مي­باشند. هدف تحقيق حاضر مدل­سازي ترسيب كربن خاك در جنگل­هاي مذكور برحسب شاخص­هاي تنوع زيستي براي مديريت بهينه تغييرات مخازن كربن خاك در رابطه با روند پايداري، حاصلخيزي، چرخه كربن و برنامه ­ريزي براي رويارويي با تغييرات آب و هوايي در سطح محلي يا منطقه ­اي مي­باشد. پس از انجام عمليات ميداني براي اندازه­ گيري و محاسبه شاخص­ هاي تنوع زيستي و فاكتور كربن خاك از تحليل رگرسيون خطي ساده، رگرسيون خطي چندگانه و رگرسيون به‌روش تخمين منحني براي فرآيند مدل­سازي استفاده شد. نتايج تحليل رگرسيون مبتني بر ضريب تبيين، اشتباه معيار تخمين و ضريب اطلاعات آكاييك (AIC) نشان داد تحليل رگرسيون خطي ساده و چندگانه داراي دقت برآوردي قابل ملاحظه ­اي نبودند (151/74+= AICmin). برمبناي تحليل مدل­هاي غيرخطي، مدل منحني (S) شامل غلبه‌ گونه­ اي پوشش علفي به‌عنوان بهترين پيشگو با حداقل خطاي تخميني و حداكثر قطعيت (171/23-= AICmin) براي برآورد ذخاير كربن آلي خاك در جنگل مورد مطالعه محسوب شد. در ادامه مدل­سازي نتايج نشان داد، مدل­هاي تبديلي چندگانه حاصل از تبديل لگاريتم مدل­هاي پايه با افزايش تعداد پارامتر اگرچه داراي اعتبار محاسباتي بودند (10>VIF) ولي دقت برآورد كمتري نسبت به مدل بهينه مذكور داشتند.

Having the richest plants biodiversity, Hyrcanian natural mixed-beech forests contribute to the huge carbon pool in the different soil layers. This research aims to develop modeling soil carbon sequestration in terms of the plant biodiversity indices to manage soil carbon stock with respect to trend of sustainability, fertility, carbon cycle, and planning to face with climate change in local/ regional scales. After measuring plants biodiversity indices and soil carbon factor over the field operations, simple and multiple linear regressions as well as curve estimation regression were applied in the process of modeling. According to Adj.R2, SEE and AIC, simple and multiple linear regressions had no considerable accuracy (AICmin = +151.74). Analysis of non-linear models showed that model S including index of species dominance belonging to herbal coverage was the best predictor with the least error and highest certainty (AICmin= -171.23) to estimate soil carbon pool in the studied forests. In the following, the results showed that although the log-transformed models with increasing the parameters and adding the correlated explanatory variables were valid (VIF < 10), the accuracy of the estimates was less than the optimal model.