Investigation of firing effect in rangelands on soil organic carbon changes using remotely sensed based indices
Subject Areas : Agriculture, rangeland, watershed and forestrySomayeh Saati Zarei 1 , Behnaz Attaeian 2
1 - MSc Student of Rangeland Management, Faculty of Natural Resources and Environment, University of Malayer, Iran
2 - Assistant Professor, Department of Nature Engineering, Faculty of Natural Resources and Environment, University of Malayer, Iran
Keywords: remote sensing, Rangeland, Firing, Spectral indices, Soil organic carbon,
Abstract :
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.
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.
_||_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.
بررسی اثر آتشسوزی در مراتع بر تغییرات کربن آلی خاک با استفاده از شاخصهای مبتنی بر سنجش از دور (مطالعه موردی: ناحیه صنعتی گنبد همدان)
چکیده
آتشسوزی یک عامل طبیعی در مراتع به شمار میرود که طی آن اکثر پوششهای طبیعی موجود میسوزند. تحقیق انجام شده به منظور بررسی تغییرات کربن آلی خاک در دو سایت شاهد (بدون آتشسوزی) و آتشسوزی شده در مراتع منطقه گنبد شهرستان همدان میباشد. از هر سایت 20 نمونه خاک از عمق 0-10 سانتیمتری (در مجموع 40 نمونه) برداشت شد. ارتباط آماری بین مناطق شاهد با مناطق آتش سوزی با آزمون t مستقل مورد بررسی و تجزیهوتحلیل قرار گرفت. برآورد غیرمستقیم میزان کربن آلی خاک سطحی و روند تغییرات آن در هر دو سایت با استفاده از سنجش از دور تصاویر ماهوارهای انجام شد. نتایج آماری نشان داد که تفاوت معنیداری در میزان کربن آلی خاک، هدایت الکتریکی و اسیدیته در دو منطقه وجود ندارد. همچنین با بررسی نتایج حاصل از آزمون همبستگی پیرسون مشخص گردید در کوتاه مدت در بین تمام شاخصهای طیفی تنها شاخص HI با کربن آلی خاک در کوتاه مدت و در منطقه شاهد همبستگی داشته است. همچنین در بین تمام شاخصها، شاخصهای BI، NDBI، NDVI، SAVI، VCI و VHI با مقدار EC در سایت شاهد همبستگی داشتند که پس از وقوع آتشسوزی این همبستگی از بین رفته است. همچنین شاخصهای BI، GEMI و TCI در کوتاه مدت در اثر آتشسوزی با pH خاک همبستگی پیدا کردهاند. مشخص گردید پس از گذشت شش ماه از وقوع آتشسوزی، میزان همبستگی بین شاخصهای طیفی و کربن خاک تغییری نکرده و همبستگی مثبت یا منفی مشاهده نشده است. عدم تغییر این نتایج پس از گذشت یک سال بیانگر این است که اثرات آتشسوزی در دورهای کوتاه مدت از بین نرفته و زمان طولانیتری برای بازگشت شرایط به حالت طبیعی نیاز است.
واژههای کلیدی: آتشسوزی، مرتع، کربن آلی خاک، شاخصهای طیفی، سنجش از دور.
مقدمه
مراتع یکی از بزرگترین اکوسیستمهای جهان هستند که تخمین زده میشود بیش از 50 درصد مساحت زمین را مراتع و چراگاهها پوشاندهاند (15) و محتوی بیش از یک سوم ذخایر کربن سطح و زیرزمین میشوند (23). مراتع جزء آن دسته از زیست بومهای طبیعی هستند که بخش مهمی از ذخایر کربن خاک را به خود اختصاص دادهاند و علاوه بر آن به عنوان ذخیره ژنتیکی بسیار متنوعی، تضمین کننده پویایی اکوسیستم میباشند. مراتع منابع مهم علوفه دام، زیستگاه ضروری حیاتوحش، تأمین منابع آب، کنترل فرسایش و در صورت مدیریت صحیح تعدیلکننده فعالیت آتش هستند (22). افق آلی خاک به عنوان موثرترین عامل پایداری اکوسیستمهای مرتعی و جنگلی، لایه محافظ خاک در برابر فرسایش، تنظیم کننده درجه حرارت، فراهم کننده رویشگاه و مواد غذایی برای موجودات خاکزی، مکان اصلی معدنی شدن عناصر غذایی، ذخیرهگاه عناصر غذایی و تنظیمکننده تبادل آنها بین گیاه و میکروارگانیزمها، پایداری ساختمان خاک و تشکیل خاکدانه میباشد (26).
آتشسوزی یک عامل طبیعی در مراتع به شمار میرود که طی آن اکثر پوششهای طبیعی موجود میسوزند. آتشسوزی با سوزاندن پوشش گیاهی سطح خاک، از مقدار علوفه در دسترس میکاهد و میتواند موجب اثرات منفی و یا مثبت بر خصوصیات خاک و پوشش گیاهی شود (13). تغییر ویژگیهای فیزیکی، شیمیایی و بیولوژیکی خاک و ساختار ترکیب پوشش گیاهی یکی از بارزترین پیامدهای آتش سوزی بر روی خاک در اکوسیستمهای طبیعی از جمله مراتع میباشد (24). ﺗﺄﺛﻴﺮات ﻏﻴﺮﻣﺴﺘﻘﻴﻢ آﺗﺶﺳﻮزي شامل تغییراتی میشوند ﻛﻪ واﺑﺴﺘﻪ ﺑﻪ ﺗﻐﻴﻴﺮات در ﭘﻮﺷﺶگیاهی میباشد. آﺗﺶ ﺗﺠﻤﻊ ﻣﻮاد ﺧﺸﻚ را ﺗﻨﻈﻴﻢ ﻣﻲﻛﻨﺪ ﻛﻪ اﻳﻦ اﻣﺮ ﺳﺒﺐ ﻛﻨﺘﺮل ﺷﺪت ﺳﻮﺧﺘﮕﻲ ﮔﺮدﻳﺪه و ﺑﺮ ﺗﺮاﻛﻢ و ﺗﺮﻛﻴﺐ ﭘﻮﺷﺶﮔﻴﺎﻫﻲ و ﺑﻪ دﻧﺒﺎل آن ﺑﺮﻛﻴﻔﻴﺖ روﻳﺸﮕﺎه ﺗﺄﺛﻴﺮ ﻣﻲﮔﺬارد. ﺗﺄﺛﻴﺮات ﻣﺴﺘﻘﻴﻢ آﺗﺶﺳﻮزي شامل ﺗﻐﻴﻴﺮات ﺧﺼﻮﺻﻴﺎت ﻓﻴﺰﻳﻜﻲ و ﺷﻴﻤﻴﺎﻳﻲ ﺧﺎك و ﻛﺎﻫﺶ ﻣﻴﺰان ﻧﻔﻮذﭘﺬﻳﺮي ﺧﺎك ﺳﻄحی میشود (17). وقوع رواناب و هدر رفت رسوبات بعد از آتشسوزی، تا حد زیادی به زمان و مکان بستگی دارد (14). البته مواردی نیز مشاهده شده است که خصوصیات فیزیکی خاک از جمله جرم مخصوص ظاهری، جرم مخصوص حقیقی و بافت خاک، قبل و بعد از آتش سوزی ثابت بوده و تغییری نداشتهاند (3 و 27).
چگونگی تاثیر آتش سوزی بر مقدار ماده آلی خاک دارای تغییرپذیری زیادی است و به عوامل گوناگونی از جمله شدت آتش، درصد رطوبت خاک، نوع خاک، نوع مواد سوختنی و شیب زمین بستگی دارد (10). بیشترین اثر آتش بر خاک، از دست رفتن مواد آلی خاک و افزودن خطر فرسایش در مراحل بعد و همچنین تاثیر بر زادآوری گونههای گیاهی و شرایط محیط زیستی است (17). در اثر افزوده شدن خاکستر به خاک، میزان قلیاییت زیاد شده، در نتیجه حلالیت کربن افزایش مییابد که این امر منجر به افزایش آبشویی کربن از پروفیل خاک میگردد (13). زمان آتشسوزی نیز میتواند در محتوای کربن خاک بسیار موثر باشد. درحالیکه به نظر میرسد آتشسوزیهای یکساله بهاره تاثیری در میزان کربن سطحی خاک ندارند، اما آتشسوزیهای پاییزه و زمستانه منجر به کاهش کربن خاک شدهاند (9). در آتش سوزی بهاره بقایای باقی مانده میتوانند به وسیله موجودات خاکزی تجزیه شده و تا قبل از زمستان به خاک منتقل گردند، اما از طرف دیگر در آتشسوزیهای پاییزه و زمستانه سطح خاک بدون پوشش در معرض قرار میگیرد و بقایای موجود دچار فرسایش میشوند (13).
بررسی اثرات مثبت و منفی آتشسوزی بر اکوسیستم به ویژه بر خصوصیات خاک محققین را بر آن داشته تا به دنبال روشهای جایگزینی، به جای روشهای مستقیم و میدانی که عموما بسیار پرهزینه و وقتگیر هستند، باشند. از جمله روشها و فناوریهای نوینی که در زمینه منابع طبیعی بسیار پر کاربرد و مفید هستند میتوان به سنجش از دور تصاویر ماهواره و سیستم اطلاعات جغرافیایی اشاره کرد. اساس سیستمهای سنجش از دوری بر اندازهگیری نوعی از انرژی است که انرژی الکترومغناطیس نامیده میشود. این انرژی از طرف اشیاء به سمت سنجنده حرکت میکند و توسط سنجنده دریافت گردیده و ثبت میگردد (8). سنجش از دور علاوه بر اینکه مشکل دسترسی به محل و حضور فیزیکی در آن را که لازمه روشهای زمینی و سنتی است مرتفع ساخته و آن را به حداقل رسانده است، با ایجاد پوشش خوبی از منطقه مورد مطالعه، امکان دید کلی و عامتر از آن را فراهم میسازد (6). وقوع آتشسوزی در مراتع، تغییر در مقدار مواد آلی و تاثیر بر خصوصیات خاک از جمله عواملی هستند که میتوانند بر جذب و انتشار انرژی حرارتی خورشید در سطح زمین تغییر ایجاد کرده و باعث تغییر دمای سطح زمین گردند (21).
اشرفی سعیدلو و رسولی صدقیانی (1) در پژوهشی اثر آتشسوزی بر مقدار کربن خاک و همچنین میزان pH آن را با استفاده از سنجش از دور بررسی کرده و گزارش نمودند میزان آن اندکی افزایش داشته است، همچنین با گذشت زمان اثبات شده است که کربن آلی خاک میتواند روندی صعودی داشته باشد. از طرفی دای و همکاران (5) گزارش نمودند در عمق 10-20 سانتیمتری آتشسوزی تاثیری در میزان کربن آلی خاک نداشته است. نظری و همکاران (17) نیز مشخص کردند که سه ماه پس از آتشسوزی درصد کربن آلی خاک به صورت معنیداری کاهش داشته است؛ همچنین حیدری و همکاران (12) در بررسی اثر آتشسوزی بر کربن آلی خاک با سنجش از دور مشخص کردند که در منطقه دچار آتشسوزی نسبت به منطقه شاهد در یک سال و دو سال پس از آتشسوزی میزان کربن آلی خاک کاهش معنیداری داشته است. از آنجا که اثر آتش سوزی بر خصوصیات فیزیکی و شیمیایی خاک به شدت تحت تاثیر شدت آتشسوزی، رطوبت خاک، اقلیم و پوشش گیاهی میباشد (2 و 28) لذا تمام این عوامل منجر به حصول نتایج متفاوت در بررسی تاثیر آتشسوزی بر کربن آلی خاک گردیده است. پژوهش حاضر سعی بر این دارد تا با استفاده از سنجش از دور و شاخصهای مبتنی بر آن تاثیر آتش بر کربن آلی، اسیدیته و قلیاییت خاک و همچنین مقایسه تاثیر زمانی آتشسوزی بر اکوسیستم مرتعی منطقه صنعتی گنبد در شهرستان همدان را مورد بررسی قرار داده و زمینه مناسبی برای مدیریت این پدیده طبیعی بر اکوسیستم (بخصوص مراتع) فراهم نماید.
روش تحقیق
منطقه مورد مطالعه
منطقه مورد مطالعه از مراتع ناحیه صنعتی گنبد در شهرستان همدان است که فاصله آن از شهر همدان در حدود 25 کیلومتر بوده و مساحت آن برابر با 69/447 هکتار است. این ناحیه از دیدگاه مدیریت منابع در بخش جنوبی حوزه آبخیز دشت همدان-بهار و خط الراس ارتفاعات الوند و محدودههای مطالعاتی ممنوعه ملایر و تویسرکان واقع گردیده است (شکل 1). بر اساس اطلاعات ثبت شده در ایستگاه هواشناسی سد اکباتان که نزدیکترین ایستگاه به منطقه مطالعاتی است (ایستگاه سینوپتیک اصلی همدان)، متوسط بارندگی سالانه معادل 3/324 میلیمتر در طول دوره آماری 30 ساله (از سال 1364 الی 1393) بوده که متوسط درجه حرارت منطقه نیز برابر 2/11 درجه سانتیگراد است و گرمترین ماه سال مرداد و سردترین ماه سال بهمن ماه است. مجموع متوسط تبخیر سالانه (دوره آماری30 ساله) در ایستگاه سد اکباتان حدود 5/1858 و حداکثر سالانه دوره آماری 2276 میلیمتر نیز میباشد.
شکل 1. موقعیت منطقه مطالعاتی ناحیه صنعتی گنبد (همدان)
Fig. 1. Location of the study area of Gonbad industrial area (Hamedan)
روند اجرای پژوهش
تحقیق انجام شده به منظور بررسی تغییرات کربن آلی خاک در دو سایت شاهد (بدون آتشسوزی) و دچار آتشسوزی در مراتع منطقه گنبد شهرستان همدان میباشد. به همین دلیل از هر سایت 20 نمونه خاک از عمق 0-10 سانتیمتری (در مجموع 40 نمونه) برداشت و با دستگاه GPS مختصات تک تک نقاط نمونهبرداری ثبت گردیدند. نمونهبرداریها در فاصله 15 الی 20 روز پس از وقوع آتشسوزی در اوایل مهر ماه انجام پذیرفت. نمونهها پس از انتقال به آزمایشگاه جهت اندازهگیری میزان کربن آلی خاک با روش والکلی بلک (19) مورد آزمایش قرار گرفتند. همچنین به منظور اندازهگیری هدایت الکتریکی خاک (EC) در شرایط گل اشباع از دستگاه EC متر و از دستگاه pH متر در شرایط گل اشباع برای اندازهگیری اسیدیته نمونهها استفاده گردید. سپس ارتباط آماری بین مناطق شاهد با مناطق دچار آتشسوزی با آزمون t مستقل مورد بررسی و تجزیهوتحلیل قرار گرفت. همچنین برآورد غیرمستقیم میزان کربن آلی خاک سطحی در دو سایت شاهد و دچار آتشسوزی شده و همچنین بررسی روند تغییرات آنها با استفاده از سنجش از دور تصاویر ماهوارهای مورد ارزیابی قرار گرفت. به همین منظور پس از انجام پردازشهای لازم بر روی دادههای ماهوارهای، مقادیر متناظر بازتاب طیفی هر پیکسل با نقاط نمونهبرداری در طول موجها و شاخصهای طیفی مختلف استخراج و میزان همبستگی و ارتباط رگرسیونی هر یک از آنها با میزان کربن با استفاده از نرمافزار SAS مورد تجزیهوتحلیل قرار گرفت. نمودار مراحل اجرای این پروژه در شکل 2 نمایش داده شده است.
شکل 2. نمودار روند پژوهش
Fig. 2. Flow Chart of the research methodology
دادههای مورد نیاز
به منظور بررسی تغییرات کربن آلی خاک با استفاده از تصاویر ماهوارهای، دادههای تصاویر لندست 8 از وبسایت http://www.earthexplorer.usgs.gov تهیه گردیدند (جدول 1) و پس از پردازشهای لازم مورد استفاده قرار گرفتند. ماهواره لندست به دلیل قدرت تفکیک رادیومتریک، مکانی و زمانی مناسب، دارای پوشش کاملی از سطح زمین بوده و برای پایش مطالعات مرتبط با منابع طبیعی کاملا مناسب است. همچنین دادههای مرتبط با کربن آلی، pH و EC خاک پس از اندازهگیریهای آزمایشگاهی تعیین گردیده و مورد بررسی قرار گرفتند.
جدول 2. مشخصات تصاویر لندست 8 در منطقه مورد مطالعه ناحیه صنعتی گنبد
Table2. Landsat 8 images charactristics of the study area of Gonbad industrial area
تاریخ میلادی ثبت تصویر | تاریخ شمسی ثبت تصویر | ردیف | مسیر عبور | سنجنده | ماهواره |
8 October 2016 | 17 مهر 1395 | 36 | 166 | OLI-TIRS | لندست 8 |
18 April 2017 | 29 فروردین 1396 | 36 | 166 | OLI-TIRS | لندست 8 |
11 October 2017 | 20 مهر 1396 | 36 | 166 | OLI-TIRS | لندست 8 |
پیشپردازش و آمادهسازی دادههای مبتنی بر سنجش از دور
تصاویر خام سنجش از دوری همیشه دارای خطاهایی در مقادیر ثبت شده برای پیکسلها میباشند که به منظور حذف خطاهای رادیومتریک و اتمسفری تصاویر لندست 8، با استفاده از فایل متادیتا هر تصویر، مقادیر درجات خاکستری در محیط نرمافزار ENVI به مقادیر انعکاسی بالای اتمسفر تبدیل شدند. ماهواره لندست به دلیل قدرت تفکیک رادیومتریک، مکانی و زمانی مناسب، دارای پوشش کاملی از سطح زمین بوده و برای پایش مطالعات مرتبط با منابع طبیعی کاملا مناسب است. در بسیاری از موارد استفاده از باندهای اصلی تصویر برای استخراج اطلاعات مورد نظر کافی نیستند و باید پردازشهای مختلفی روی آنها صورت گیرد. شاخصهای گیاهی در سنجش از دور، آن دسته از شاخصها هستند که بر اساس میزان بازتاب طیفی پدیده بر روی سطح زمین و برای تفکیک پوشش گیاهی مورد استفاده قرار میگیرند. از آنجا که پوشش گیاهی و بقایای آن اثر مستقیم بر خاک و به ویژه میزان کربن آلی خاک دارد، لذا میتوان با استفاده از شاخصهای گیاهی و سنجش از دور برآورد مستقیمی از میزان پوشش گیاهی و متعاقبا به صورت غیرمستقیم برآوردی از کربن خاک به دست آورد. شاخصهای طیفی که در این پژوهش مورد استفاده قرار گرفتند (جدول 2)، به دلیل بهره بردن از طیف مادون قرمز نزدیک و موثر بودن آن در شناسایی مواد آلی خاک و پوشش گیاهی (6 و 27) و همچنین طیف نور مرئی شامل قرمز، سبز و آبی در تخمین کربن آلی خاک (20 و 23) مورد استفاده گفتند. همچنین نوع روابط و محاسبات طیفی مورد استفاده در شاخصها، بخصوص تقسیم تصاویر که بهطورویژه به منظور بارزسازی تفاوتها توسعه یافتهاند، مورد استفاده قرار گرفتند.
جدول 2. مشخصات شاخصهای طیفی
Table 2. Spectral Indices characteristics
منبع | معادله | نام کامل شاخص | نام شاخص | |||
فاطمی و رضایی، 1391 |
| Normalized Difference Vegetation Index | NDVI | |||
فاطمی و رضایی، 1391 |
| Soil Adjusted Vegetation Index | SAVI | |||
Denhi & Lounis, 2012 |
| Brightness Index | BI | |||
Denhi & Lounis, 2012 |
| Normalize Difference Brightness Index | NDBI | |||
Pinty and Verstraete, 1992 |
| Global Environmental Monitoring Index | GEMI | |||
Sholihah et al., 2016 |
| Vegetation Condition Index | VCI | |||
Sholihah et al., 2016 |
| Temperature Condition Index | TCI | |||
Sholihah et al., 2016 |
| Vegetation Health Index | VHI | |||
Escuin et al., 2008 |
| Normalized Burned Ratio | NBR | |||
| (2*RED-Green-Blue)/(Green-Blue) | Hue Index | HI | |||
متغیر | p | انحراف معیار | میانگین | تعداد نمونه |
شاهد SOC | 06/0 | 37/3 | 91/8 | 20 |
آتشسوزی SOC | 15/0 | 89/4 | 87/10 | 20 |
شاهد pH | 15/0 | 32/0 | 78/7 | 20 |
آتشسوزی pH | 15/0 | 22/0 | 98/7 | 20 |
شاهد EC | 15/0 | 44/0 | 63/1 | 20 |
آتشسوزی EC | 15/0 | 39/0 | 77/1 | 20 |
نتایج آزمون آماری t مستقل دو منطقه شاهد و دچار آتش سوزی نشان میدهد (جدول 4) که تفاوت معنیداری در میزان کربن آلی، هدایت الکتریکی و اسیدیته خاک در دو منطقه وجود ندارد (p>05/0)؛ بنابراین میتوان نتیجه گرفت که آتشسوزی تغییر معنیداری در میزان کربن آلی خاک در سایت دچار آتشسوزی نسبت به سایت شاهد در کوتاه مدت ایجاد نکرده است.
جدول 4. نتایج آزمون t مستقل کربن آلی خاک در دو سایت مطالعاتی ناحیه صنعتی گنبد
Table 4. Results of independent soil organic carbon t-test of two study sites of Gonbad industrial area
متغیر | p >|t| | T Value | درجه آزادی | واریانسها |
pSOC | 1474/0 | 48/1- | 38 | برابر |
pSOC | 1484/0 | 48/1- | 7/33 | نابرابر |
EC | 3420/0 | 96/0- | 36 | برابر |
EC | 3391/0 | 97/0- | 36 | نابرابر |
pH | 0334/0 | 21/2- | 38 | برابر |
pH | 0342/0 | 21/2- | 5/33 | نابرابر |
به منظور بررسی میزان همبستگی بین شاخصهای طیفی مربوط به تصاویر زمان نمونهبرداری از عرصه در کوتاه مدت و پارامترهای اندازهگیری شده خاک، از روش همبستگی پیرسون استفاده شد (جدول 5). بدین منظور همبستگی بین شاخصها و پارامترهای خاک در دو زمان متفاوت مورد بررسی قرار گرفت. ابتدا تصویر همزمان با زمان نمونهبرداری صحرایی تهیه گردید و پس از پردازشات مربوطه، شاخصهای طیفی برای آن محاسبه گردید و در نهایت میزان بازتاب هر شاخص با توجه به نقاط نمونهبرداری متناظر استخراج گردید (شکل 3 و 4). همبستگی مقادیر حاصل از شاخصهای طیفی حاصل از تصاویر ماهوارهای، با مقادیر دادههای آزمایشگاهی شامل کربن آلی خاک، pH و هدایت الکتریکی در دو سایت شاهد و آتشسوزی با استفاده از آزمون پیرسون انجام گرفت. نتایج حاصل از آزمون همبستگی پیرسون نشان داد که در بین تمام شاخصها طیفی تنها شاخص HI با کربن آلی خاک در کوتاه مدت و در منطقه شاهد همبستگی داشته است. همچنین در بین تمام شاخصها، شاخصهای BI، NDBI، NDVI، SAVI، VCI و VHI با مقدار EC در سایت شاهد همبستگی داشتند.
در سایت شاهد بین اکثر شاخصهای طیفی و EC خاک همبستگی معنیداری وجود داشت که پس از آتشسوزی این همبستگی در سایت آتشسوزی از بین رفته بود. در مورد همبستگی بین pH و شاخصهای طیفی مشاهده گردید بین برخی از شاخصهای طیفی و pH همبستگی به وجود آمده است. در این بین همبستگی مثبت معنیداری بین شاخصهای BI و GEMI و pH به ترتیب به میزان 546/0 و 452/0، و همچنین همبستگی منفی معنیداری بین شاخص TCI و pH به میزان 464/0- مشاهده گردید. این نتایج متفاوت در اثر آتشسوزی بوجود آمده است که به وضوح قابل مشاهده است. در واقع میتوان نتیجه گرفت که آتشسوزی باعث تغییر بزرگی در میزان انعکاس و انتشار امواج از سطح خاک گردیده است به گونهای که در سایت شاهد شاخصها با EC همبستگی داشتند اما در سایت آتشسوزی همبستگی بین شاخصها و EC به طور کامل از بین رفته است و در عوض بین شاخصها و pH همبستگی ایجاد گردیده است. در پژوهشهای گذشته عمده بررسی صورت گرفته، بررسی تغییرات خصوصیات فیزیکی و شیمیایی خاک در اثر آتشسوزی بوده است اما در پژوهش حاضر مشخص گردید که آتشسوزی تاثیر عمدهای بر روی میزان جذب، انعکاس و انتشار امواج و انرژی از سطح خاک دارد. این امر با توجه به تاثیر در روش پوشش گیاهی میتواند به عنوان فاکتور جدیدی در کنار خصوصیاتی که در گذشته بررسی شدهاند لحاظ گردد.
جدول 5. همبستگی پیرسون شاخصهای طیفی در مهر 1395 و پارامترهای خاک
Table 5. Pearson Correlation of spectral indices in October 2016 and soil parameters
سایت آتشسوزی شده | سایت شاهد |
| ||||
pH | EC | SOC | pH | EC | SOC |
|
032/0 | *540/0 | 00/1 | 305/0 | 197/0 | **00/1 | SOC |
007/0- | 00/1 | *540/0 | 419/0 | **00/1 | 197/0 | EC |
1 | 007/0- | 032/0 | **00/1 | 419/0 | 305/0 | pH |
*546/0 | 217/0 | 002/0- | 268/0 | *474/0 | 119/0- | BI |
*452/0 | 285/0 | 061/0 | 265/0 | *538/0 | 211/0- | GEMI |
069/0- | 149/0- | 175/0- | 161/0 | 241/0 | 137/0- | NBR |
420/0- | 249/0- | 002/0- | 273/0- | *503/0- | 153/0 | NDBI |
352/0 | 371/0 | 163/0 | 217/0 | *524/0 | 303/0- | NDVI |
352/0 | 371/0 | 163/0 | 217/0 | *524/0 | 303/0- | SAVI |
*464/0- | 199/0 | 072/0- | 027/0 | 154/0 | 228/0- | TCI |
352/0 | 371/0 | 163/0 | 217/0 | *524/0 | 303/0- | VCI |
329/0 | 375/0 | 158/0 | 216/0 | *523/0 | 304/0- | VHI |
279/0 | 873/0 | 954/0 | 075/0 | 020/0- | *445/0- | HI |
**سطح معنیداری 01/0 *سطح معنیداری 05/0
همچنین جهت بررسی میزان همبستگی بین شاخصهای طیفی فروردین 1396 و پارامترهای خاک در دو سایت شاهد و آتشسوزی شامل کربن آلی خاک، pH و هدایت الکتریکی، از آزمون همبستگی پیرسون استفاده شد. بر اساس نتایج جدول 6 هیچ یک از شاخصهای طیفی در سایت شاهد با SOC همبستگی مثبت یا منفی معنیداری نداشتند و نتایج بیانگر این موضوع بود که پس از گذشت شش ماه از وقوع آتشسوزی تغییرات کربن خاک به گونهای نبوده است که بتوان با شاخصهای طیفی روند آن را بررسی کرد. بر اساس نتایج جدول 6 مشخص گردید که هیچ یک از شاخصهای طیفی در سایت آتشسوزی شده با SOC پس از گذشت شش ماه همبستگی مثبت یا منفی معنیداری نداشتند و تغییرات کربن خاک در اثر آتشسوزی پس از شش ماه به گونهای نبوده است که بتوان با شاخصهای طیفی روند آن را بررسی کرد. با مقایسه نتایج جداول 5 و 6 مشخص شد که در اثر وقوع آتشسوزی چه در ابتدای زمان وقوع و چه پس از گذشت شش ماه از وقوع آن، میزان همبستگی بین شاخصهای طیفی و کربن خاک تغییری نکرده و همبستگی مثبت یا منفی مشاهده نشده است.
شکل 3. نقشه شاخصهای طیفی GEMI، NDBI، BI و NDVI منطقه مورد مطالعه ناحیه صنعتی گنبد
Fig. 3. Map of GEMI, NDBI, BI and NDVI spectral indices of the study area of Gonbad industrial area
شکل 4. نقشه شاخصهای طیفی SAVI، VCI، VHI، NBR و TCI منطقه مورد مطالعه ناحیه صنعتی گنبد
Fig. 4. Map of SAVI, VCI, VHI, NBR and TCI spectral indices of the study area of Gonbad industrial area
در مورد همبستگی بین EC خاک و شاخصهای طیفی مشخص گردید که شاخصهای GEMI، NBR، NDBI، NDVI، SAVI و VCI دارای همبستگی معنیداری با EC خاک در سایت شاهد بودند. در این بین شاخصهای GEMI و NBR به ترتیب دارای همبستگی معنیدار 609/0 و 483/0- بودند که بیانگر رابطه مستقیم شاخص GEMI و رابطه معکوس شاخص NBR با شوری خاک است. شاخصهای NDBI، NDVI، SAVI و VCI نیز دارای همبستگی معنیداری در سطح پنج درصد بوده که در این بین شاخص NDBI دارای رابطه معکوس و سه شاخص دیگر رابطه مثبتی با میزان شوری خاک داشتند. در مقایسه نتایج مهر 1395 (جدول 5) با نتایج فروردین 1396 (جدول 6) در سایت شاهد مشخص گردید که پس از گذشت شش ماه شاخص NBR همبستگی معنیداری با میزان EC پیدا کرده است اما شاخصهای BI و VHI همبستگی خود را از دست دادهاند. با توجه به بحث صورت گرفته در مورد شاخص NBR و حضور باند SWIR2 در آن به نظر میرسد با گذشت 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. از آنجا که مقدار انرژی بازتابی از سطح زمین به عوامل متعددی نظیر رطوبت خاک، تغییر محتوی ماده آلی خاک و پوشش سطح وابسته است لذا باید تاثیر این عوامل را در فصل رویش بر روی بازتاب خاک مد نظر قرار داد.
در بررسی pH نیز مشخص شد که هیچ کدام از شاخصها همبستگی مثبت یا منفی معنیداری با pH خاک در سایت شاهد نداشتهاند و این عدم همبستگی نتایج در جدول 5 آمده است. همچنین با بررسی همبستگی بین شاخصهای طیفی و EC خاک مشخص گردید که در سایت آتشسوزی شده بر خلاف سایت شاهد همبستگی معنیداری وجود ندارد. این نتایج با نتایج موجود در جدول 5 یکسان هستند که نشان دهنده اثر آتشسوزی بر همبستگی بین شاخصهای طیفی و EC خاک میباشد. از طرفی نتایج جدول 6 نشان دادند که آتشسوزی باعث شده است تا بین اکثر شاخصهای طیفی و pH خاک همبستگی معنیداری به وجود بیاید. در این بین شاخصهای BI و GEMI دارای همبستگی مثبت معنیداری در سطح یک درصد و شاخصهای NDBI، TCI و VHI دارای همبستگی منفی معنیداری در سطح یک درصد بودند. بیشترین همبستگی متعلق به شاخص BI به میزان 719/0 و کمترین میزان همبستگی مربوط به شاخص VHI به میزان 614/0- بوده است. همچنین در سایت شاهد بین برخی شاخصهای طیفی و EC همبستگی وجود داشته که پس از وقوع آتشسوزی این همبستگی از بین رفته است و در عوض بین شاخصهای طیفی و pH همبستگی ایجاد گردیده است. عدم تغییر این نتایج پس از گذشت شش ماه میتواند این موضوع را به اثبات برساند که اثرات مثبت و منفی آتشسوزی در دورهای کوتاه مدت در حد شش ماه از بین نرفته و زمان طولانیتری برای بازگشت شرایط به حالت طبیعی نیاز است.
جدول 6. همبستگی پیرسون شاخصهای طیفی فروردین 1396 و پارامترهای خاک
Table 6. Pearson correlation of spectral indices in April 2017 and soil parameters
سایت آتش سوزی شده | سایت شاهد |
| ||||
pH | EC | SOC | pH | EC | SOC |
|
032/0 | *540/0 | **00/1 | 305/0 | 197/0 | **00/1 | SOC |
032/0 | **00/1 | *540/0 | 419/0 | **00/1 | 197/0 | EC |
**00/1 | 032/0 | 032/0 | **00/1 | 419/0 | 305/0 | pH |
**719/0 | 325/0 | 185/0 | 214/0 | 435/0 | 154/0- | BI |
**656/0 | 251/0 | 184/0 | 305/0 | **609/0 | 261/0- | GEMI |
252/0- | 120/0- | 072/0- | 023/0- | *483/0- | 117/0 | NBR |
**706/0- | 320/0- | 181/0- | 247/0 | *496/0- | 190/0 | NDBI |
258/0- | 223/0- | 061/0- | 297/0 | *558/0 | 268/0- | NDVI |
258/0- | 224/0- | 061/0- | 297/0 | *558/0 | 268/0- | SAVI |
**625/0- | 062/0- | 236/0- | 005/0 | 090/0 | 033/0- | TCI |
258/0- | 223/0- | 061/0- | 297/0 | *558/0 | 268/0- | VCI |
**614/0- | 097/0- | 225/0- | 190/0 | 268/0 | 197/0- | VHI |
488/0 | 962/0 | 985/0 | 127/0 | 098/0 | 393/0 | HI |
**سطح معنیداری 01/0 *سطح معنی داری 05/0
بررسی همبستگی خصوصیات خاک نشان داد در سایت آتشسوزی بین EC و کربن آلی خاک همبستگی در سطح 5 درصد وجود دارد اما کربن با هیچ یک از شاخصهای طیفی همبستگی نداشته است. همچنین نتایج نشان دادند در سایت آتشسوزی هیچ یک از شاخصهای طیفی با EC همبستگی نداشتهاند اما بین pH و شاخصهای BI، GEMI، NBR، NDBI، TCI و HI همبستگی معنادار وجود داشته است (جدول 7). در سایت شاهد شاخصهای GEMI، NDBI، NDVI، SAVI، VCI و VHI همگی با EC همبستگی داشتهاند و بیشترین همبستگی بین NDVI و SAVI با EC بوده است درحالیکه در سایت شاهد هیچ یک از شاخصها با pH و SOC همبستگی نداشتهاند.
جدول 7. همبستگی پیرسون شاخصهای طیفی اثرات یک ساله آتشسوزی در مهر 1396 و پارامترهای خاک
Table 7. Pearson correlation of spectral indices of one-year effects of fire in October 2017 and soil parameters
سایت آتش سوزی شده | سایت شاهد |
| ||||
pH | EC | SOC | pH | EC | SOC |
|
032/0 | *540/0 | 1 | 305/0 | 197/0 | 1 | SOC |
007/0- | 1 | *540/0 | 419/0 | 1 | 197/0 | EC |
1 | 007/0- | 032/0 | 1 | 419/0 | 305/0 | pH |
**654/0 | 371/0 | 178/0 | 146/0 | 4/0 | 059/0- | BI |
**598/0 | 331/0 | 241/0 | 190/0 | *532/0 | 202/0- | GEMI |
**678/0- | 035/0- | 243/0- | 072/0- | 287/0- | 150/0- | NBR |
**638/0- | 374/0- | 185/0- | 161/0- | *448/0- | 1/0 | NDBI |
391/0 | 339/0 | 268/0 | 191/0 | *540/0 | 296/0- | NDVI |
391/0 | 339/0 | 268/0 | 191/0 | *540/0 | 296/0- | SAVI |
**558/0- | 009/0 | 214/0- | 057/0- | 29/0- | 141/0- | TCI |
391/0 | 225/0 | 268/0 | 185/0 | *520/0 | 296/0- | VCI |
389/0 | 225/0 | 267/0 | 185/0 | *520/0 | 296/0- | VHI |
**562/0- | 271/0- | 162/0- | 130/0 | 106/0 | 054/0 | HI |
**سطح معنیداری 01/0 *سطح معنی داری 05/0
به منظور بررسی و مقایسه میانگین شاخصهایی که دارای همبستگی مناسب بودهاند از آزمون آنالیز واریانس یک طرفه استفاده گردید. با توجه به اینکه در بین تمام شاخصهای طیفی تنها شاخص HI دارای همبستگی مناسب با کربن آلی در خاک در سایت شاهد بود لذا آنالیز واریانس تنها برای این شاخص در هر سه دوره مورد مطالعه صورت گرفت (جدول 8). همچنین بررسی نتایج آنالیز واریانس یک طرفه برای مقایسه شاخصهای طیفی در سه دوره مورد مطالعه نشان داد که تنها در شاخص HI میانگین بازتاب طیفی در سه دوره با هم برابر بوده است (جدول 9).
جدول 8. تحلیل واریانس یک طرفه برای مقایسه شاخص HI در سه دوره مهر 1395، فروردین 1396 و مهر 1396 در سایت شاهد
Table 8. One-way ANOVA to compare HI index in three periods of October 2016, April 2017 and October 2017 of non-burned site
P | F | انحراف استاندارد | میانگین | دوره مورد مطالعه |
119/0 | 21/2 | 03/29 | 69/9 | مهر 1395 |
37/13 | 34/5 | فروردین 1396 | ||
64/39 | 54/14- | مهر 1396 |
جدول 9. تحلیل واریانس یک طرفه برای مقایسه شاخصهای در سه دوره مهر 1395، فروردین 1396 و مهر 1396 در سایت آتشسوزی
Table 9. One-way ANOVA to compare indices in three periods of October 2016, April 2017 and October 2017 of burned site
p | F | انحراف استاندارد | میانگین | دوره مورد مطالعه | شاخص ها |
0 | 52/44 | 024/0 | 23/0 | مهر 1395 | BI |
|
| 019/ | 20/0 | فروردین 1396 | |
|
| 025/0 | 27/0 | مهر 1396 | |
0 | 64/6 | 016/0 | 35/0 | مهر 1395 | GEMI |
|
| 023/0 | 34/0 | فروردین 1396 | |
|
| 022/0 | 36/0 | مهر 1396 | |
0 | 20/82 | 023/0 | 030/0 | مهر 1395 | NBR |
|
| 026/0 | 050/0 | فروردین 1396 | |
|
| 011/0 | 114/0 | مهر 1396 | |
0 | 19/31 | 0001/0 | 998/0 | مهر 1395 | NDBI |
|
| 0001/0 | 998/0 | فروردین 1396 | |
|
| 0001/0 | 998/0 | مهر 1396 | |
0 | 91/20 | 006/0 | 11/0 | مهر 1395 | NDVI |
|
| 019/0 | 13/0 | فروردین 1396 | |
|
| 011/0 | 10/0 | مهر 1396 | |
0 | 91/20 | 01/0 | 17/0 | مهر 1395 | SAVI |
|
| 02/0 | 19/0 | فروردین 1396 | |
|
| 01/0 | 15/0 | مهر 1396 | |
0 | 118/251 | 71/5 | 90/15 | مهر 1395 | TCI |
|
| 75/4 | 95/30 | فروردین 1396 | |
|
| 65/5 | 14/15 | مهر 1396 | |
0 | 99/1061 | 13/1 | 58/49 | مهر 1395 | VCI |
|
| 32/3 | 69/52 | فروردین 1396 | |
|
| 1/1 | 65/49 | مهر 1396 | |
0 | 36/646 | 15/3 | 74/32 | مهر 1395 | VHI |
|
| 66/2 | 82/41 | فروردین 1396 | |
|
| 21/3 | 12/94 | مهر 1396 | |
287/0 | 277/1 | 23/9 | 69/2- | مهر 1395 | HI |
|
| 02/6 | 6/6 | فروردین 1396 | |
|
| 74/9 | 82/2 | مهر 1396 |
بحث و نتیجهگیری
تحقیق انجام شده به منظور بررسی تغییرات کربن آلی خاک در دو سایت شاهد و آتشسوزی شده در مراتع منطقه گنبد شهرستان همدان بوده است. مطابق با بررسیهای صورت گرفته مشخص گردید که ذخیره کربن آلی خاک در مراتع آتشسوزی شده با مراتع شاهد دارای تفاوت معنیداری نمیباشد. تغییر شکل و تثبیت مواد آلی خاک در اثر آتش توسط محققین زیادی مورد بررسی و توجه قرار گرفته است (18، 11 و 4) اما تبدیل و دگرگونی ماده آلی خاک در اثر آتشسوزی، اغلب منجر به نتایج ناهمگون و متفاوتی گردیده است. همچنین در بررسی همبستگی بین شاخصهای طیفی و کربن آلی خاک مشخص گردید تنها شاخص HI با کربن آلی خاک در سایت شاهد معنیدار بوده است اما در سایت دچار آتشسوزی هیچگونه همبستگی مشاهده نشده است. این امر را میتوان به بررسی طیف طول موجهای 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. موندال و همکاران (16) با استفاده از شاخصهای طیفی اقدام به تخمین میزان کربن آلی خاک نمودند و با استفاده از روشهای تلفیقی نتایج رضایت بخشی به دست آوردند. با توجه به نتایج سایر محققین (2، 5، 12، 17 و 28) به نظر میرسد تخمین کربن آلی خاک با استفاده از سنجش از دور دارای پیچیدگیهای خاصی میباشد. از آنجا که کربن آلی خاک با بیشترین تاثیر خود را بر روی رنگ خاک میگذارد، لذا اگر مقدار آن کم باشد با استفاده از سنجش از دور امکان تخمین آن ضعیف میباشد (14). وقوع آتشسوزی در منطقه تاثیر عمدهای بر بازتاب طیفی خاک سطحی داشته به نحوی که پس از آتشسوزی در کوتاه مدت همبستگی شاخص HI با کربن آلی خاک از بین رفته است. با توجه به پژوهشهای مطرح شده و نتایج تحقیق حاضر به نظر نکته اصلی در مورد تاثیر آتشسوزی بر کربن آلی خاک گذشت زمان و فرصت به خاک برای تغییر و تحول است.
در بررسی شرایط EC و pH خاک در دو سایت شاهد و آتشسوزی شده نتایج متفاوتی به دست آمد. با توجه به اینکه بجز شاخصهای HI، NBR و TCI سایر شاخصها با مقدار EC در سایت شاهد همبستگی داشتند لذا باید علت را در نوع محاسبات باندی و طیف طول موجهای مورد استفاده در شاخصها جستجو کرد. با بررسی تمام شاخصها مشخص شد آنچه که بین آنها مشترک است وجود باندهای قرمز (با طول موج 64/0 تا 67/0 میکرومتر) و مادون قرمز نزدیک (با طول موج 85/0 تا 88/0 میکرومتر) است. به نظر این دو طیف طول موج که در تمام شاخصهای دارای همبستگی به طور مستقیم یا غیرمستقیم حضور دارند، با میزان EC خاک همبستگی بالایی دارند. از آنجا که EC نیز خود در اثر املاح محلول خاک تغییر میکند در نتیجه میتوان استنتاج کرد که تغییرات املاح محلول خاک را میتوان با طول موجهای قرمر و مادون قرمز بررسی کرد (28). از طرفی تجزیهوتحلیل خاکهای مختلف نشان داده است که پس از وقوع آتش سوزی pH خاک میتواند تا سه واحد افزایش یابد (2). این افزایش به دلیل تولید اکسیدهای سدیم و پتاسیم، هیدروکسیدها و کربناتها میباشد. از آنجا که محیط خاک همانند یک بافر قوی عمل میکند و تغییرات pH در آن به سختی رخ میدهد (19) لذا با وقوع آتش سوزیهای پراکنده و یا در زمان کوتاهی نمیتوان شاهد تغییرات گسترده در pH خاک بود. هنگامی که pH خاک میل به سمت قلیایی بودن میکند، با آزاد شدن یونهای H+ مقادیر pH به سمت خنثی شدن میل میکند و بالعکس هنگامی که شرایط محلول خاک میل به سمت اسیدی شدن میکند یونهای OH- و بی کربنات به درون محلول خاک آزاد شده و pH محلول را به سمت خنثی شدن سوق میدهند. در نهایت با توجه به شرایط محیطی، اقلیم، شیب منطقه، بافت و ساختمان خاک و عوامل مرتبط با آتشسوزی نظیر شدت و مدت آن، مقدار کربن خاک تغییر میکند. برای مثال در صورت وقوع آتشسوزی متوسط شرایط برای رویش مجدد پوشش گیاهی سریعتر فراهم گردیده است اما در صورت وقوع آتشسوزیهای شدید به طور کلی تمام لایه آلی سطح خاک از بین رفته است و به مرور کربن کاهش داشته است. همچنین روشهای دورسنجی نیز با توجه به توانایی ثبت انعکاس طیفی پدیدههای سطح زمین نظیر تغییر در رنگ خاک میتوانند به عنوان ابزاری مفید در برآورد تغییرات کربن خاک مورد بررسی استفاده قرار گیرند.
منابع مورد استفاده
1. Ashrafi-Saeidlou S, Rasouli-Sadaghiani M H. 2015. The effects of fire on soil organic carbon quantity and nutrients availability in Sardasht Oak forests. Applied Soil Research, 2(2): 28-39. (In Persian) https://doi.org/10.17221/13/2018-JFS
2. Caon L, Vallejo V R, Ritsema C J, Geissen V. 2014. Effects of wildfire on soil nutrients in Mediterranean ecosystems. Earth-Science Reviews, 139: 47-58. https://doi.org/10.1016/j.earscirev.2014.09.001
3. 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
4. Certini G. 2005. Effects of fire on properties of forest soils: a review. Oecologia, 143(1): 1-10. https://link.springer.com/article/10.1007/s00442-004-1788-8
5. Dai X, Boutton T W, Glaser B, Ansley R J, Zech W. 2005. Black carbon in a temperate mixed-grass savanna. Soil Biology and Biochemistry, 37(10): 1879-1881. https://doi.org/10.1016/j.soilbio.2005.02.021
6. 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. https://doi.org/10.1016/j.proeng.2012.01.1193
7. 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. https://doi.org/10.1080/01431160701281072
8. Fatemi S B, Rezaie Y. 2018. Principles of Remote Sensing. Azadeh Publisher. Tehran. 350 pages. https://isa.ir/s/mfaotF
9. Fynn R W S, Haynes R J, O'connor T G. 2003. Burning causes long-term changes in soil organic matter content of a South African grassland. Soil Biology and Biochemistry, 35(5): 677-687. https://doi.org/10.1016/S0038-0717(03)00054-3
10. 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. (In Persian) https://www.sid.ir/en/Journal/ViewPaper.aspx?ID=455022
11. González-Pérez J A, González-Vila F J, Almendros G, Knicker H. 2004. The effect of fire on soil organic matter—a review. Environment international, 30(6): 855-870. https://doi.org/10.1016/j.envint.2004.02.003
12. Heidary J, Ghorbani Dashtaki Sh, 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. (In Persian) https://water-soil.tabrizu.ac.ir/mobile/article_901.html?lang=en
13. Knicker H. 2007. How does fire affect the nature and stability of soil organic nitrogen and carbon? A review. Biogeochemistry, 85(1): 91-118. https://link.springer.com/article/10.1007/s10533-007-9104-4
14. 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. https://doi.org/10.1016/j.catena.2016.05.023
15. Mohammadian A, Asadi borujeni E, Ebrahimi A, Tahmasebi P, Naghipour A. 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 Rangeland and Desert Research. 27(1): 84-97. (In Persian) https://www.cabdirect.org/cabdirect/abstract/20203321071
16. 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. https://doi.org/10.1016/j.ejrs.2016.06.004
17. 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. (in Persian) https://www.cabdirect.org/cabdirect/abstract/20133071198
18. Neary D G, Klopatek C C, DeBano L F, Ffolliott P F. 1999. Fire effects on belowground sustainability: a review and synthesis. Forest ecology and management, 122(1-2): 51-71. https://doi.org/10.1016/S0378-1127(99)00032-8
19. Pansu M, Gautheyrou J. 2007. Handbook of soil analysis: mineralogical, organic and inorganic methods. Springer Science & Business Media. https://doi.org/10.1017/S0014479707005042
20. Pinty B, Verstraete M M. 1992. GEMI: a non-linear index to monitor global vegetation from satellites. Vegetatio, 101(1): 15-20. https://link.springer.com/article/10.1007/BF00031911
21. Rani M, Kumar P, Pandey P C, Srivastava P K, Chaudhary B S, Tomar V, Mandal V P. 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. https://doi.org/10.1016/j.rsase.2018.03.007
22. Rigge M, Homer C, Cleeves L, Meyer D K, Bunde B, Shi H, ... Bobo M. 2020. Quantifying Western US Rangelands as fractional components with multi-resolution remote sensing and in situ data. Remote Sensing, 12(3): 412. https://www.mdpi.com/2072-4292/12/3/412#
23. Schuman G E, Janzen H H, Herrick J E. 2002. Soil carbon dynamics and potential carbon sequestration by rangelands. Environmental pollution, 116(3): 391-396. https://doi.org/10.1016/S0269-7491(01)00215-9
24. Shi H, Rigge M, Homer C G, Xian G, Meyer D K, 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. https://link.springer.com/article/10.1007/s10021-017-0191-3
25. Sholihah R I, Trisasongko B H, Shiddiq D, La Ode S I, Kusdaryanto S, Panuju D R. 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. https://doi.org/10.1016/j.proenv.2016.03.051
26. 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. http://www.iaees.org/publications/journals/piaees/articles/2012-2(3)/impact-of-forest-fire.pdf
27. 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. https://doi.org/10.1016/j.scitotenv.2018.02.204
28. Zhang Y, Biswas A. 2017. The effects of forest fire on soil organic matter and nutrients in boreal forests of North America: A review. In Adaptive soil management: From theory to practices (pp. 465-476). Springer, Singapore. https://link.springer.com/chapter/10.1007/978-981-10-3638-5_21
Investigation of firing effect in rangelands on soil organic carbon changes using remotely sensed based indices (Case study: Gonbad industrial area of Hamadan)
Abstract
Fire is a natural factor in the rangeland, in which most of the existing natural environments burn. The research was carried out to investigate the changes of soil organic carbon in two control sites including non-burned and burned rangelands of Gonbad industrial area of Hamadan. From each site, 20 soil samples were taken from a depth of 0-10 cm (a total of 40 samples). Then, the statistical relationship between the non-burned and burned area by independent t-test was analyzed. An indirect estimation of soil organic carbon in two sites was carried out using satellite remote sensing as well. The results of independent t-test in non-burned and burned rangelands showed that there were no significant differences in the soil organic carbon content, electrical conductivity and acidity. Besides, by examining the results of Pearson correlation test, it turned out that, only the HI index had a positive significant correlation with soil organic carbon in short time in the non-burned rangeland (and not the burned area). On the other hand among all indices, BI, NDBI, NDVI, SAVI, VCI and VHI indices were correlated with the EC value in the non-burned site, which has disappeared after the firing, and therefore, there has been a correlation between spectral indices and pH. Due to firing, BI, GEMI and TCI indices have been correlated with soil pH in the short period. It has revealed that the correlation between spectral indices and soil carbon has not changed after six month and no positive or negative correlation has been observed. No change in these results, by passing one year, indicates that the effects of the fire have not disappeared in a short period time and longer survey is needed for the rangeland ecosystem to return to normal situation.
Keywords: firing, rangeland, soil organic carbon, spectral indices, remote sensing
عنوان فارسی چکیده مبسوط: بررسی اثر آتشسوزی در مراتع بر تغییرات کربن آلی خاک با استفاده از شاخصهای مبتنی بر سنجش از دور (مطالعه موردی: ناحیه صنعتی گنبد همدان)
چکیده مبسوط
طرح مسئله: مراتع جزء آن دسته از زیستبومهای طبیعی هستند که بخش مهمی از ذخایر کربن خاک را به خود اختصاص دادهاند و علاوه بر آن به عنوان ذخیره ژنتیکی بسیار متنوعی، تضمین کننده پویایی اکوسیستم میباشند. آتشسوزی یک عامل طبیعی در مراتع به شمار میرود که طی آن اکثر پوششهای طبیعی موجود میسوزند. آتشسوزی پوشش گیاهی مراتع به طور مستقیم از راه سوزاندن میکروارگانیسمهای خاک و به طور غیر مستقیم از راه کاهش مواد آلی، تغییر کیفیت ماده آلی خاک و سایر خصوصیات خاک، فعالیت میکروبی در خاک را دچار تغییر میکند. بررسی اثرات مثبت و منفی آتشسوزی بر اکوسیستم به ویژه بر خصوصیات خاک محققین را بر آن داشته تا به دنبال روشهای جایگزینی، به جای روشهای مستقیم و میدانی که عموما بسیار پرهزینه و وقت گیر هستند، باشند. از جمله روشها و فناوریهای نوینی که در زمینه منابع طبیعی بسیار پر کاربرد و مفید هستند میتوان به سنجش از دور اشاره کرد.
هدف: هدف از پژوهش حاضر بررسی اثر کوتاهمدت 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 آتشسوزی است.
روش تحقیق: در این تحقیق از هر سایت 20 نمونه خاک از عمق 0-10 سانتیمتری (در مجموع 40 نمونه) برداشت شد و با دستگاه GPS مختصات تک تک نقاط نمونهبرداری ثبت گردید. نمونه برداریها در فاصله 15 الی 20 روز پس از وقوع آتش سوزی در اوایل مهر ماه انجام پذیرفت. نمونهها پس از انتقال به آزمایشگاه جهت اندازهگیری میزان کربن آلی خاک مورد استفاده قرار گرفتند. سپس ارتباط آماری بین مناطق شاهد با مناطق دچار آتش سوزی با آزمون t مستقل مورد بررسی و تجزیه و تحلیل قرار گرفت. همچنین برآورد غیر مستقیم میزان کربن آلی خاک سطحی در دو سایت شاهد و دچار آتش سوزی شده و همچنین بررسی روند تغییرات آنها با استفاده از سنجش از دور تصاویر ماهوارهای مورد ارزیابی قرار گرفت. به همین منظور پس از انجام پردازشهای لازم بر روی دادههای ماهوارهای، مقادیر متناظر بازتاب طیفی هر پیکسل با نقاط نمونهبرداری در طول موجها و شاخصهای طیفی مختلف استخراج، و میزان همبستگی و ارتباط رگرسیونی هر یک از آنها با میزان کربن مورد تجزیه و تحلیل قرار گرفت.
نتایج و بحث: نتایج حاصل از آزمون همبستگی پیرسون نشان داد که در بین تمام شاخصها طیفی تنها شاخص HI با کربن آلی خاک در کوتاه مدت و در منطقه شاهد همبستگی داشته است. همچنین در بین تمام شاخصها، شاخصهای BI، NDBI، NDVI، SAVI، VCI و VHI با مقدار EC در سایت شاهد همبستگی داشتند. در سایت شاهد بین اکثر شاخصهای طیفی و EC خاک همبستگی معنیداری وجود داشت که پس از آتشسوزی این همبستگی در سایت آتشسوزی از بین رفته بود. در مورد همبستگی بین pH و شاخصهای طیفی مشاهده گردید بین برخی از شاخصهای طیفی و pH همبستگی به وجود آمده است. در واقع میتوان نتیجه گرفت که آتش سوزی باعث تغییر بزرگی در میزان انعکاس و انتشار امواج از سطح خاک گردیده است به گونهای که در سایت شاهد شاخصها با EC همبستگی داشتند اما در سایت آتشسوزی همبستگی بین شاخصها و EC به طور کامل از بین رفته است و در عوض بین شاخصها و pH همبستگی ایجاد گردیده است. همچنین هیچ یک از شاخصهای طیفی در فروردین 1396 در سایت شاهد با SOC همبستگی مثبت یا منفی معنیداری نداشتند و نتایج بیانگر این موضوع بود که پس از گذشت شش ماه از وقوع آتشسوزی تغییرات کربن خاک به گونهای نبوده است که بتوان با شاخصهای 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 معنیداری با میزان EC پیدا کرده است اما شاخصهای BI و VHI همبستگی خود را از دست دادهاند. با توجه به بحث صورت گرفته در مورد شاخص NBR و حضور باند SWIR2 در آن به نظر میرسد با گذشت شش ماه از وقوع آتش سوزی، در سایت شاهد تغییراتی به وجود آمده که منجر به ایجاد همبستگی بین این شاخص و EC خاک گردیده است. از آنجا که مقدار انرژی بازتابی از سطح زمین به عوامل متعددی نظیر رطوبت خاک، تغییر محتوی ماده آلی خاک و پوشش سطح وابسته است لذا باید تاثیر این عوامل را در فصل رویش بر روی بازتاب خاک مد نظر قرار داد. عدم تغییر این نتایج پس از گذشت شش ماه میتواند این موضوع را به اثبات برساند که اثرات مثبت و منفی آتشسوزی در دورهای کوتاه مدت در حد شش ماه از بین نرفته و زمان طولانیتری برای بازگشت شرایط به حالت طبیعی نیاز است.
نتیجهگیری: مطابق با بررسیهای صورت گرفته مشخص گردید که ذخیره کربن آلی خاک در مراتع آتشسوزی شده با مراتع شاهد دارای تفاوت معنیداری نمیباشد. تغییر شکل و تثبیت مواد آلی خاک در اثر آتش توسط محققین زیادی مورد بررسی و توجه قرار گرفته است اما تبدیل و دگرگونی ماده آلی خاک در اثر آتش سوزی، اغلب منجر به نتایج ناهمگون و متفاوتی گردیده است. مشخص شده است در عمق 10-20 سانتیمتری آتشسوزی تاثیری در میزان کربن آلی خاک نداشته است اما محققین دیگری مشخص کردند 6 ماه پس از آتش سوزی در خاکهای سوخته در مقایسه با خاکهای شاهد میزان کربن افزایش داشته است. همچنین مشخص شده است که سه ماه پس از آتشسوزی درصد کربن آلی خاک به صورت معنیداری کاهش داشته است. همچنین در بررسی دیگری بر روی اثر آتش سوزی بر کربن آلی خاک مشخص شده است که در منطقه دچار آتشسوزی نسبت به منطقه شاهد در یک سال و دو سال پس از آتشسوزی میزان کربن آلی خاک کاهش معنیداری داشته است. از آنجا که اثر آتشسوزی بر خصوصیات فیزیکی و شیمیایی خاک به شدت تحت تاثیر شدت آتش سوزی، رطوبت خاک، اقلیم و پوشش گیاهی میباشد لذا تمام این عوامل منجر به حصول نتایج متفاوت در بررسی تاثیر آتشسوزی 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 آتش سوزی متوسط شرایط برای رویش مجدد پوشش گیاهی سریعتر فراهم گردیده است اما در صورت وقوع آتش سوزیهای 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 شاخصهای طیفی و کربن آلی خاک مشخص گردید تنها شاخص HI با کربن آلی خاک در سایت شاهد معنیدار بوده است اما در سایت دچار آتش سوزی هیچگونه همبستگی مشاهده نشده است. این امر را میتوان به بررسی طیف طول موجهای 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 میرسد تخمین کربن آلی خاک با استفاده از سنجش از دور دارای پیچیدگیهای خاصی میباشد. از آنجا که کربن آلی خاک با بیشترین تاثیر خود را بر روی رنگ خاک میگذارد، لذا اگر مقدار آن کم باشد با استفاده از سنجش از دور امکان تخمین آن ضعیف میباشد. وقوع آتش سوزی در منطقه تاثیر عمدهای بر بازتاب طیفی خاک سطحی داشته به نحوی که پس از آتش سوزی در کوتاه مدت همبستگی شاخص HI با کربن آلی خاک از بین رفته است. با توجه به پژوهشهای مطرح شده و نتایج تحقیق حاضر به نظر نکته اصلی در مورد تاثیر آتش سوزی بر کربن آلی خاک گذشت زمان و فرصت به خاک برای تغییر و تحول است.
واژگان کلیدی: آتشسوزی، مرتع، کربن آلی خاک، شاخصهای طیفی، سنجش از دور
Title English: Investigation of firing effect in rangelands on soil organic carbon changes using remotely sensed based indices (Case study: Gonbad industrial area of Hamadan)
Abstract
Statement of the Problem: Rangelands are one of the natural ecosystems that have an important part of soil carbon reservoirs and also, as a 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.
Purpose: 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 Gonbad region of Hamadan, and to investigate the capability of remotely sensed data in indirect estimation of soil surface carbon in semi-arid rangelands after fire.
Methodology: 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 independent t-test. Indirect estimation of soil surface organic carbon at non-burned and burned sites was also investigaetd 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 Pearson correlation test showed that among all spectral indices, only HI index was correlated with soil organic carbon in the short time and in the non-burned site. Beside, 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, 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 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 has 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. 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.
Keywords: firing, rangeland, soil organic carbon, spectral indices, remote sensing
Related articles
The rights to this website are owned by the Raimag Press Management System.
Copyright © 2021-2025