بررسی اثر آتش سوزی در مراتع بر تغییرات کربن آلی خاک با استفاده از شاخص های مبتنی بر سنجش‌ازدور

محورهای موضوعی : کشاورزی، مرتع داری، آبخیزداری و جنگلداری

سمیه ساعتی زارعی ¹ , بهناز عطائیان ²

1 - دانشجوی کارشناسی ارشد مرتع‌داری، دانشکده منابع طبیعی و محیط ‌زیست، دانشگاه ملایر، ایران
2 - استادیار گروه مهندسی طبیعت، دانشکده منابع طبیعی و محیط‌ زیست، دانشگاه ملایر، ایران

تاریخ دریافت : 1399/11/05 تاریخ پذیرش : 1399/12/23 تاریخ انتشار : 1400/07/01

کلید واژه: کربن آلی خاک, سنجش ‌از دور, مرتع, آتش سوزی, شاخص های طیفی,

چکیده مقاله :

پیشینه و هدف مراتع جزء آن دسته از زیست بوم های طبیعی هستند که بخش مهمی از ذخایر کربن خاک را به خود اختصاص داده اند و علاوه بر آن به‌عنوان ذخیره ژنتیکی بسیار متنوعی، تضمین‌ کننده پویایی اکوسیستم می باشند. آتش سوزی یک عامل طبیعی در مراتع به شمار می رود که طی آن اکثر پوشش های طبیعی موجود می سوزند. بررسی اثرات مثبت و منفی آتش سوزی بر اکوسیستم به‌ویژه بر خصوصیات خاک محققین را بر آن داشته تا به دنبال روش های جایگزینی، به‌جای روش های مستقیم و میدانی که عموماً بسیار پرهزینه و وقت گیر هستند، باشند. ازجمله روش ها و فناوری های نوینی که در زمینه منابع طبیعی بسیار پرکاربرد و مفید هستند می توان به سنجش‌ازدور اشاره کرد. هدف از پژوهش حاضر بررسی اثر کوتاه ‌مدت آتش‌سوزی بر ذخیره کربن آلی، اسیدیته و هدایت الکتریکی خاک مراتع در منطقه گنبد همدان و بررسی قابلیت سنجش ‌از دور در برآورد غیرمستقیم کربن خاک سطحی در مراتع نیمه ‌خشک پس از وقوع آتش ‌سوزی است.مواد و روش هادر این تحقیق از هر سایت 20 نمونه خاک از عمق 0-10 سانتی متری (درمجموع 40 نمونه) برداشت شد و با دستگاه GPS مختصات تک تک نقاط نمونه برداری ثبت گردید. نمونه‌برداری ‌ها در فاصله 15 الی 20 روز پس از وقوع آتش ‌سوزی در اوایل مهرماه انجام پذیرفت. نمونه ها پس از انتقال به آزمایشگاه جهت اندازه گیری میزان کربن آلی خاک مورداستفاده قرار گرفتند. سپس ارتباط آماری بین مناطق شاهد با مناطق دچار آتش‌سوزی با آزمون t مستقل موردبررسی و تجزیه‌وتحلیل قرار گرفت. همچنین برآورد غیرمستقیم میزان کربن آلی خاک سطحی در دو سایت شاهد و دچار آتش‌سوزی شده و بررسی روند تغییرات آن ها با استفاده از سنجش‌ازدور تصاویر ماهواره ای مورد ارزیابی قرار گرفت. به همین منظور پس از انجام پردازش های لازم بر روی‌داده‌های ماهواره ای، مقادیر متناظر بازتاب طیفی هر پیکسل با نقاط نمونه برداری در طول‌موج‌ها و شاخص های طیفی مختلف استخراج، و میزان همبستگی و ارتباط رگرسیونی هر یک از آن ‌ها با میزان کربن مورد تجزیه ‌و تحلیل قرار گرفت.نتایج و بحث نتایج حاصل از آزمون همبستگی پیرسون نشان داد که در بین تمام شاخص ها طیفی تنها شاخص HI با کربن آلی خاک در کوتاه ‌مدت و در منطقه شاهد همبستگی داشته است. همچنین در بین تمام شاخص ها، شاخص های BI، NDBI، NDVI، SAVI، VCI و VHI با مقدار EC در سایت شاهد همبستگی داشتند. در سایت شاهد بین اکثر شاخص های طیفی و EC خاک همبستگی معنی داری وجود داشت که پس از آتش سوزی این همبستگی در سایت آتش سوزی از بین رفته بود. در مورد همبستگی بین pH و شاخص های طیفی مشاهده گردید بین برخی از شاخص های طیفی و pH همبستگی به وجود آمده است. درواقع می توان نتیجه گرفت که آتش‌سوزی باعث تغییر بزرگی در میزان انعکاس و انتشار امواج از سطح خاک گردیده است به ‌گونه ‌ای که در سایت شاهد شاخص ها با EC همبستگی داشتند اما در سایت آتش سوزی همبستگی بین شاخص ها و EC به‌طور کامل از بین رفته است و در عوض بین شاخص ها و pH همبستگی ایجاد گردیده است. همچنین هیچ‌یک از شاخص های طیفی در فروردین 1396 در سایت شاهد با SOC همبستگی مثبت یا منفی معنی داری نداشتند و نتایج بیانگر این موضوع بود که پس از گذشت شش ماه از وقوع آتش سوزی تغییرات کربن خاک به‌گونه‌ای نبوده است که بتوان با شاخص های طیفی روند آن را بررسی کرد. در مقایسه نتایج مهر 1395 با نتایج فروردین 1396 در سایت شاهد مشخص گردید که پس از گذشت شش ماه شاخص NBR همبستگی معنی داری با میزان EC پیدا کرده است اما شاخص های BI و VHI همبستگی خود را ازدست ‌داده ‌اند. با توجه به بحث صورت گرفته در مورد شاخص NBR و حضور باند SWIR2 در آن به نظر می رسد باگذشت شش ماه از وقوع آتش‌سوزی، در سایت شاهد تغییراتی به وجود آمده که منجر به ایجاد همبستگی بین این شاخص و EC خاک گردیده است. ازآنجاکه مقدار انرژی بازتابی از سطح زمین به عوامل متعددی نظیر رطوبت خاک، تغییر محتوی ماده آلی خاک و پوشش سطح وابسته است لذا باید تأثیر این عوامل را در فصل رویش بر روی بازتاب خاک مدنظر قرارداد. عدم‌ تغییر این نتایج پس از گذشت شش ماه می تواند این موضوع را به اثبات برساند که اثرات مثبت و منفی آتش سوزی در دوره ای کوتاه‌مدت در حد شش ماه از بین نرفته و زمان طولانی تری برای بازگشت شرایط به حالت طبیعی نیاز است.نتیجهگیری مطابق با بررسی های صورت گرفته مشخص گردید که ذخیره کربن آلی خاک در مراتع آتش سوزی شده با مراتع شاهد دارای تفاوت معنی‌داری نیست. تغییر شکل و تثبیت مواد آلی خاک در اثر آتش توسط محققین زیادی مورد بررسی و توجه قرارگرفته است اما تبدیل و دگرگونی ماده آلی خاک در اثر آتش‌سوزی، اغلب منجر به نتایج ناهمگون و متفاوتی گردیده است. مشخص‌شده است در عمق 20-10 سانتی متری آتش سوزی تأثیری در میزان کربن آلی خاک نداشته است اما محققین دیگری مشخص کردند 6 ماه پس از آتش‌سوزی در خاک های سوخته در مقایسه با خاک های شاهد میزان کربن افزایش داشته است. مشخص‌شده است که سه ماه پس از آتش سوزی درصد کربن آلی خاک به ‌صورت معنی داری کاهش داشته است. همچنین در بررسی دیگری بر روی اثر آتش‌سوزی بر کربن آلی خاک مشخص‌شده است که در منطقه دچار آتش سوزی نسبت به منطقه شاهد در یک سال و دو سال پس از آتش سوزی میزان کربن آلی خاک کاهش معنی داری داشته است. ازآنجاکه اثر آتش سوزی بر خصوصیات فیزیکی و شیمیایی خاک به‌شدت تحت تأثیر شدت آتش ‌سوزی، رطوبت خاک، اقلیم و پوشش گیاهی است. لذا تمام این عوامل منجر به حصول نتایج متفاوت در بررسی تأثیر آتش سوزی بر کربن آلی خاک گردیده است. با توجه به شرایط محیطی، اقلیم، شیب منطقه، بافت و ساختمان خاک و عوامل مرتبط با آتش‌ سوزی نظیر شدت و مدت آن، مقدار کربن خاک تغییر کرده است. برای مثال در صورت وقوع آتش‌سوزی متوسط شرایط برای رویش مجدد پوشش گیاهی سریع تر فراهم گردیده است اما در صورت وقوع آتش‌ سوزی‌ های شدید به ‌طور کلی تمام لایه آلی سطح خاک از بین رفته است و به ‌مرور کربن کاهش داشته است. همچنین در بررسی همبستگی بین شاخص های طیفی و کربن آلی خاک مشخص گردید تنها شاخص HI با کربن آلی خاک در سایت شاهد معنی دار بوده است اما در سایت دچار آتش‌سوزی هیچ‌ گونه همبستگی مشاهده نشده است. این امر را می توان به بررسی طیف طول‌موج ‌های مرئی آبی و سبز در رابطه ریاضی این شاخص بررسی کرد، زیرا تنها در این شاخص از طیف طول ‌موج سبز و آبی استفاده گردیده است. با توجه به نتایج سایر محققین به نظر می رسد تخمین کربن آلی خاک با استفاده از سنجش ‌از دور دارای پیچیدگی های خاصی است. ازآنجاکه کربن آلی خاک با بیشترین تأثیر خود را بر روی رنگ خاک می گذارد، لذا اگر مقدار آن کم باشد با استفاده از سنجش ‌از دور امکان تخمین آن ضعیف است.

چکیده انگلیسی:

Background and ObjectiveRangelands are one of the natural ecosystems that have an important part of soil carbon reservoirs and also, as very diverse genetic reservoirs guarantee the dynamics of the ecosystem. Fire is a natural factor in rangelands burning most of the existing natural cover. Rangeland fires directly alter soil microbial activity by burning soil microorganisms and indirectly by reducing organic matter, altering soil organic matter quality and other soil properties. Investigating the positive and negative effects of fire on ecosystems, especially on soil properties, has led researchers to look for alternative methods, instead of direct methods, which are generally very costly and time-consuming. One of the new methods and technologies that are very useful in the field of natural resources is satellite remote sensing. The purpose of this study was to investigate the short-term effect of fire on organic carbon, acidity, and electrical conductivity of rangeland soils in the Gonbad region of Hamadan, and to investigate the capability of remotely sensed data in the indirect estimation of soil surface carbon in semi-arid rangelands after the fire.   Materials and Methods In this study, 20 soil samples were taken from each site from a depth of 0-10 cm (40 samples in total) and the coordinates of each sampling point were recorded with a GPS device. Sampling was performed 15 to 20 days after the fire in early October. After transferring to the laboratory, the samples were used to measure the amount of soil organic carbon. Then, the statistical relationship between non-burned areas and burned areas was examined and analyzed by an independent t-test. Indirect estimation of soil surface organic carbon at non-burned and burned sites was also investigated and their changes were evaluated using remote sensing satellite imagery. For this purpose, after performing the pre and post-processing on satellite data, the corresponding values ​​of spectral reflectance of each pixel with sampling points at different wavelengths and spectral indices were extracted, and the correlation and regression equation of indices with the Carbon reservoirs were analyzed. Results and Discussion The results of the Pearson correlation test showed that among all spectral indices, only the HI index was correlated with soil organic carbon in the short time and in the non-burned site. Besides, among all indices, BI, NDBI, NDVI, SAVI, VCI, and VHI indices were correlated with the EC value in the non-burned site. At the non-burned site, there was a significant correlation between most spectral indices and soil EC, which was eliminated after the fire at the burned site. Regarding the correlation between pH and spectral indices, it was observed that there is a correlation between some spectral indices and pH. As a matter of fact, it can be concluded that the fire has caused a large change in the rate of reflection and propagation of waves from the soil surface so that in the non-burned site, the indices were correlated with EC, but in the burned site, the correlation between indices and EC was completely eliminated, and instead, a correlation has been established between the indices and the pH. Furthermore, none of the spectral indices in April 2017 at the non-burned site had a significant positive or negative correlation with soil organic carbon, and the results showed that after six months of the fire, the soil carbon changes were not such that the spectral indices could be examined its process. Comparing the results of October 2016 with the results of April 2017 on the non-burned site, it was found that after six months, the NBR index has found a significant correlation with the EC rate, but the BI and VHI indices have lost their correlation. According to the NBR index and the SWIR2 band, it seems that after six months from the occurrence of the fire, changes have occurred in the control site, which has led to a correlation between this index and soil EC. Since the amount of reflected energy from the earth's surface depends on several factors such as soil moisture, changes in soil organic matter content, and surface cover, so the effect of these factors on the soil reflectance should be considered in the growing season. Failure to change these results after six months can prove that the positive and negative effects of the fire have not disappeared in a short period of six months and a longer time is needed for the situation to return to normal. Conclusion According to the results, it was found that soil organic carbon reservoirs in burned rangelands in comparison with non-burned rangelands is not significantly different. Deformation and stabilization of soil organic matter due to fire have been studied by many researchers, but the transformation of soil organic matter by fire has often led to heterogeneous and different results. At a depth of 10-20 cm, the fire was found to have no effect on soil organic carbon content, but other researchers found that 6 months after the fire, the amount of carbon in the burned soils increased compared to the non-burned soils. It was also found that the percentage of soil organic carbon decreased significantly three months after the fire. Moreover, in another study on the effect of fire on soil organic carbon, it was found that in the area affected by the fire compared to the control area in one year and two years after the fire, the amount of soil organic carbon has decreased significantly. Since the effect of fire on the physical and chemical properties of soil is strongly influenced by fire intensity, soil moisture, climate, and vegetation, so all these factors have led to different results in investigating the effect of fire on soil organic carbon. Due to environmental conditions, climate, the slope of the area, soil texture and structure, and factors related to fire such as its intensity and duration, the amount of soil carbon has changed. For example, in the event of a medium-sized fire, the conditions for vegetation regrowth are faster, but in the event of a severe fire, the entire organic layer of the soil surface is generally removed and carbon is reduced over time. Also, in examining the correlation between spectral indices and soil organic carbon, it was found that only the HI index with soil organic carbon was significant at the non-burned site, but no correlation was observed at the burned site. This can be examined by examining the spectrum of visible blue and green wavelengths in the mathematical relationship of this index because only in this index the green and blue wavelength spectrum have been used. According to the results of other researchers, it seems that estimating soil organic carbon using remote sensing has certain complexities. Since soil organic carbon has the greatest impact on soil color, it is difficult to estimate it using remotely sensed data if its amount is low. The occurrence of fire in the region has a major impact on the spectral reflectance of surface soil so that after the fire in a short time the correlation of HI index with soil organic carbon is lost. According to the results of the present research, it seems that the main point about the impact of fire on soil organic carbon is the time and the opportunity for soil to change.

منابع و مأخذ:

Ashrafi-Saeidlou S, Rasouli-Sadaghiani MH. 2015. The effects of fire on soil organic carbon quantity and nutrients availability in Sardasht Oak forests. Applied Soil Research, 2(2): 28-39. https://doi.org/10.17221/17213/12018-JFS. (In Persian).

Caon L, Vallejo VR, Ritsema CJ, Geissen V. 2014. Effects of wildfire on soil nutrients in Mediterranean ecosystems. Earth-Science Reviews, 139: 47-58. doi:https://doi.org/10.1016/j.earscirev.2014.09.001.

Certini G. 2005. Effects of fire on properties of forest soils: a review. Oecologia, 143(1): 1-10. doi:https://doi.org/10.1007/s00442-004-1788-8.

Chansuk U. 1990. Effects of fire frequencies on soil properties in dry dipterocarp forest at Sakaerat, Changwat Nakhon Ratchasima. https://agris.fao.org/agris-search/search.do?recordID=TH9520517.

Dai X, Boutton T, Glaser B, Ansley R, Zech W. 2005. Black carbon in a temperate mixed-grass savanna. Soil Biology and Biochemistry, 37(10): 1879-1881. doi:https://doi.org/10.1016/j.soilbio.2005.02.021

Dehni A, Lounis M. 2012. Remote sensing techniques for salt affected soil mapping: application to the Oran region of Algeria. Procedia Engineering, 33: 188-198. doi:https://doi.org/10.1016/j.proeng.2012.01.1193.

Escuin S, Navarro R, Fernandez P. 2008. Fire severity assessment by using NBR (Normalized Burn Ratio) and NDVI (Normalized Difference Vegetation Index) derived from LANDSAT TM/ETM images. International Journal of Remote Sensing, 29(4): 1053-1073. doi:https://doi.org/10.1080/01431160701281072.

Fatemi SB, Rezaie Y. 2018. Principles of Remote Sensing. Azadeh Publisher Tehran. 350 p. https://isa.ir/s/mfaotF.

Fynn R, Haynes R, O'connor T. 2003. Burning causes long-term changes in soil organic matter content of a South African grassland. Soil Biology and Biochemistry, 35(5): 677-687. doi:https://doi.org/10.1016/S0038-0717(03)00054-3.

Gholami P, Ghorbani J, Abbasi H. 2015. Effect of fire vegetation on some properties of soil in rangelands of Bamo national park in Shiraz. Natural Ecosystems of Iran, 5(2): 41-50. https://www.sid.ir/en/Journal/ViewPaper.aspx?ID=455022. (In Persian).

González-Pérez JA, González-Vila FJ, Almendros G, Knicker H. 2004. The effect of fire on soil organic matter-a review. Environment International, 30(6): 855-870. doi:https://doi.org/10.1016/j.envint.2004.02.003.

Heidary J, Ghorbani Dashtaki S, Raiesi F, Tahmasebi P. 2014. Pool and dynamics of soil carbon after firing the semi steppe rangelands of Chaharmahal and Bakhtiari. Water and Soil Science, 23(4): 251-264. https://water-soil.tabrizu.ac.ir/mobile/article_901.html?lang=en. (In Persian).

Knicker H. 2007. How does fire affect the nature and stability of soil organic nitrogen and carbon? A review. Biogeochemistry, 85(1): 91-118. doi:https://doi.org/10.1007/s10533-007-9104-4.

Mirzaee S, Ghorbani-Dashtaki S, Mohammadi J, Asadi H, Asadzadeh F. 2016. Spatial variability of soil organic matter using remote sensing data. Catena, 145: 118-127. doi:https://doi.org/10.1016/j.catena.2016.05.023.

Mohammadian A, Borujeni E, Ebrahimi A, Tahmasebi P, Naghipour AA. 2020. Effect of integrated fire period and intensity grazing on plant species diversity in the semi-steppe rangeland of Chaharmahal and Bakhtiari province. Iranian Journal of Range and Desert Research, 27(1): 84-97. https://www.cabdirect.org/cabdirect/abstract/20203321071. (In Persian).

Mondal A, Khare D, Kundu S, Mondal S, Mukherjee S, Mukhopadhyay A. 2017. Spatial soil organic carbon (SOC) prediction by regression kriging using remote sensing data. The Egyptian Journal of Remote Sensing and Space Science, 20(1): 61-70. doi:https://doi.org/10.1016/j.ejrs.2016.06.004.

Nazari F, Hosseini V, Shabanian N. 2012. Effect of fire severity on organic carbon, total nitrogen and available phosphorus of forest soils (Case study: Marivan). Iranian Journal of Forest and Poplar Research, 20(1): 25-37. https://www.cabdirect.org/cabdirect/abstract/20133071198. (In Persian).

Neary DG, Klopatek CC, DeBano LF, Ffolliott PF. 1999. Fire effects on belowground sustainability: a review and synthesis. Forest Ecology and Management, 122(1-2): 51-71. doi:https://doi.org/10.1016/S0378-1127(99)00032-8

Pansu M, Gautheyrou J. 2007. Handbook of soil analysis: mineralogical, organic and inorganic methods. Springer Science & Business Media. https://doi.org/10.1017/S0014479707005042.

Pinty B, Verstraete M. 1992. GEMI: a non-linear index to monitor global vegetation from satellites. Vegetatio, 101(1): 15-20. doi:https://doi.org/10.1007/BF00031911.

Rani M, Kumar P, Pandey PC, Srivastava PK, Chaudhary B, Tomar V, Mandal VP. 2018. Multi-temporal NDVI and surface temperature analysis for Urban Heat Island inbuilt surrounding of sub-humid region: A case study of two geographical regions. Remote Sensing Applications: Society and Environment, 10: 163-172. doi:https://doi.org/10.1016/j.rsase.2018.03.007.

Rigge M, Homer C, Cleeves L, Meyer DK, Bunde B, Shi H, Xian G, Schell S, Bobo M. 2020. Quantifying western US rangelands as fractional components with multi-resolution remote sensing and in situ data. Remote Sensing, 12(3): 412. doi:https://doi.org/10.3390/rs12030412.

Schuman G, Janzen H, Herrick J. 2002. Soil carbon dynamics and potential carbon sequestration by rangelands. Environmental Pollution, 116(3): 391-396. doi:https://doi.org/10.1016/S0269-7491(01)00215-9.

Shi H, Rigge M, Homer CG, Xian G, Meyer DK, Bunde B. 2018. Historical cover trends in a sagebrush steppe ecosystem from 1985 to 2013: links with climate, disturbance, and management. Ecosystems, 21(5): 913-929. doi:https://doi.org/10.1007/s10021-017-0191-3.

Sholihah RI, Trisasongko BH, Shiddiq D, La Ode SI, Kusdaryanto S, Panuju DR. 2016. Identification of agricultural drought extent based on vegetation health indices of landsat data: case of Subang and Karawang, Indonesia. Procedia Environmental Sciences, 33: 14-20. doi:https://doi.org/10.1016/j.proenv.2016.03.051.

Verma S, Jayakumar S. 2012. Impact of forest fire on physical, chemical and biological properties of soil: A review. Proceedings of the International Academy of Ecology and Environmental Sciences, 2(3): 168-176. http://www.iaees.org/publications/journals/piaees/articles/2012-2012(2013)/impact-of-forest-fire.pdf.

Wang B, Waters C, Orgill S, Gray J, Cowie A, Clark A, Li Liu D. 2018. High resolution mapping of soil organic carbon stocks using remote sensing variables in the semi-arid rangelands of eastern Australia. Science of the Total Environment, 630: 367-378. doi:https://doi.org/10.1016/j.scitotenv.2018.02.204.

Zhang Y, Biswas A. 2017. The effects of forest fire on soil organic matter and nutrients in boreal forests of North America: A review. Adaptive Soil Management: From Theory to Practices: 465-476. doi:https://doi.org/10.1007/978-981-10-3638-5_21.