New stopping rules for dendrogram classification in TWINSPAN

Authors

Department of Forestry, Faculty of Natural Resources and Marine Sciences, Tarbiat Modares University, Noor, Iran

Abstract

The aim of this study is to propose a modification of TWINSPAN algorithm with introducing new stopping rules for TWINSPAN. Modified TWINSPAN combines the analysis of heterogeneity of the clusters prior to each division to prevent the imposed divisions of homogeneous clusters and it also solved the limitation of classical TWINSPAN in which the number of clusters increases power of two. For this purpose, ecological groups of Box tree stands in Farim forests were classified with using classical and modified TWINSPAN basis of plant species cover percentage of 60 plots with 400 m2 surface area which were made by releve method (by consideration of indicator stand concept). In this relation, five different heterogeneity measures including Whittaker’s beta diversity and total inertia, Sorensen, Jaccard and Orlo´ci dissimilarity indices which representing diversity and distance indices respectively were involved. Sample plots were also classified from basis of topographical properties using cluster analysis with emphasizing Euclidean distance coefficient and Wards clustering method. Results showed that using of two sets of heterogeneity indices lead to different classification dendrograms. In this relation, results of Whittaker’s beta with total inertia as diversity indices were similar and the other three dissimilarity indices have shown similar behavior. Finally, our results reiterated that modified TWINSPAN did not alter the logic of the TWINSPAN classification, but it increased the flexibility of TWINSPAN dendrogram with changing the hierarchy of divisions in the final classification of ecological groups of Box tree stands in Farim forests.

Keywords

Main Subjects


مقدمه.
پوشش گیاهی هر منطقه به دلیل ارتباط عمیق و تنگاتنگی که با ویژگی‌ها محیطی مختلف آن منطقه دارد و به عنوان برآیندی از این ویژگی‌ها محسوب می‌شود، توصیف و تحلیل آن، بخش جدایی‌ناپذیر مطالعات اکولوژیک را تشکیل می‌دهد (Moghaddam, 2001). یکی از بهترین روش‌های بررسی و توصیف پوشش گیاهی، روش ترکیب گیاهی یا فلوریستیک است که نتایج کاملاً مفیدی را برای درک و فهم رویشگاه به دست می‌دهد (Jennings et al., 2003). زیرا گیاهان بهترین شاخص شرایط محیطی از لحاظ فیزیکی و زیستی خاک هستند و طبقه‌بندی آنها، کیفیت رویشگاه را با دقت قابل قبولی ارایه می‌کند (Daubenmire, 1952). کلیه روش‌های تشخیص و تعریف جوامع گیاهی در واقع همان روش‌های طبقه‌بندی هستند. هدف از طبقه‌بندی، این است که مجموعه‌ای از افراد (نمونه‌های پوشش گیاهی یا قاب‌ها) بر اساس صفات (ترکیب فلوریستیک) آنها به گروه‌های همگن طبقه‌بندی شوند، که این گروه‌ها معمولاً تحت عنوان جوامع گیاهی منطقه مورد مطالعه قلمداد خواهند شد (Mesdaghi, 2001). طبقه‌بندی عددی به عنوان یک ابزار گسترده به منظور ساده‌سازی روابط پیچیده چند متغیره در مجموعه داده‌های اکولوژیک به کار می‌رود Orloci, 1978)؛ McCune and Grace, 2002؛ Legendre and Legendre, 2012).
طبقه‌بندی سلسله مراتبی در اکولوژی جوامع مقبولیت ویژه‌ای دارد، به این علت که ساختار داده‌ها را به طریقی که مشابه با دید سنتی از روابط سلسله مراتبی در میان جوامع گیاهی باشد را توصیف می‌کند. همچنین، تعداد خوشه یا اجتماع گیاهی مناسب را به کمک انتخاب سطح قطع مناسب پس از اتمام تقسیم‌بندی سلسله مراتبی و بازبینی آنها تعیین می‌کند (Roleček et al., 2009). نکته مهم در طبقه‌بندی سلسله مراتبی این است که خوشه‌بندی در این سیستم به دو شیوه تجمعی یا رسیدن از جزء به کل و مقسمی یا رسیدن از کل به جزء است (Gauch and Whittaker, 1981).
تحلیل گونه‌های شاخص دو طرفه معروف به TWINSPAN .(Two Way Indicator Species Analysis) که توسط Hill و همکاران (1975) توصیف و بسط داده شد، یکی از معروف‌ترین روش‌های خوشه‌بندی مقسمی سلسله مراتبی (hierarchical divisive clustering) در طبقه‌بندی جوامع گیاهی به شمار می‌رود (Tichý et al., 2007). محدودیت روش TWINSPAN این است که
الف) تعداد گروه‌ها در سطوح بعدی همواره باید دو برابر سطح قبلی باشد، یعنی این که پژوهشگر حق انتخاب تعداد گروه دلخواه (3، 5 و 7 گروه) را ندارد و ب) این که طبقه‌بندی گروه‌ها بدون توجه به میزان ناهمگنی آنها انجام می‌شود و در این ارتباط، گروه‌های همگن و ناهمگن به یک نسبت طبقه‌بندی می‌شوند (Roleček et al., 2009). برای رفع این نقص، الگوریتم TWINSPAN اصلاح‌شده (Modified TWINSPAN) معرفی گردید که در آن، با بهره‌گیری از برخی توابع ناهمگنی ضمن این که از تفکیک تحمیلی خوشه (گروه)ها جلوگیری می‌شود، محدودیت روش TWINSPAN معمولی مبنی بر این که تعداد خوشه‌ها در سطوح بعدی همواره باید دو برابر سطح قبلی باشد را نیز بر طرف می‌سازد (Roleček et al., 2009). در این روش، همانند روش TWINSPAN معمولی، ابتدا داده‌ها به دو خوشه تقسیم می‌شود؛ سپس، فرآیند طبقه‌بندی TWINSPAN متوقف شده و با بهره‌گیری از برخی توابع ناهمگنی، میزان ناهمگنی هر یک از خوشه‌ها محاسبه می‌شود. در گام بعدی، تنها خوشه‌ای که حاوی بالاترین میزان ناهمگنی باشد به دو خوشه دیگر تفکیک شده و خوشه دیگر بدون تغییر وارد سطح بعدی می‌شود. بنابراین، در سطح دوم تعداد خوشه‌ها به سه خوشه افزایش می‌یابد. در این سطح، دوباره درجه ناهمگنی برای هر یک از سه خوشه‌ها محاسبه و تنها خوشه‌ای با بالاترین میزان ناهمگنی به دو گروه تقسیم می‌شود. بنابراین، تعداد خوشه‌ها به چهار خوشه در سطح قطع سوم افزایش می‌یابد. این فرآیند تا زمانی که تعداد خوشه‌های مد نظر (از قبل انتخاب شده) توسط پژوهشگر تأیید شود، ادامه می‌یابد (Tichý et al., 2007). بر این اساس، پژوهش حاضر در نظر دارد تا نخست طبقه‌بندی اکولوژیک جنگل های آمیخته راش-شمشاد (Fagus orientalis Lipsky- Buxus hyrcana Pojark.) منطقه فریم را با استفاده از روش TWINSPAN اصلاح‌شده بر اساس شاخص‌های مختلف تنوع بتا ویتاکر و واریانس کل به همراه شاخص‌های عدم تشابه سورنسون، جاکارد و اورلوسی (که به ترتیب معیارهای تنوع و فاصله‌ای در محاسبه درجه ناهمگنی هستند) انجام داده، سپس با تحلیل نیکویی برازش و ضریب تطابق کاپا (Kappa)، میزان انطباق نتایج روش TWINSPAN اصلاح‌شده با روش معمولی آن را ارزیابی کند. همچنین، با استفاده از نتایج تحلیل خوشه‌ای با تأکید بر ویژگی‌های توپوگرافیک رویشگاه که همواره به عنوان بخش مهمی از ویژگی‌های محیطی هر منطقه است و تأثیر زیادی بر گروه‌های گیاهی آن منطقه دارند، کیفیت دارنگاره‌های حاصل از الگوریتم جدید TWINSPAN بر اساس پنج سری از معیارهای اندازه‌گیری ناهمگنی به همراه دارنگاره طبقه‌بندی روش TWINSPAN معمولی ارزیابی گردید. در واقع، تحقیق حاضر برای دستیابی به سه هدف زیر شکل گرفته است:
1- معرفی روش TWINSPAN اصلاح‌شده به عنوان یک روش معمول در حوزه طبقه‌بندی پوشش گیاهی برای نخستین بار در ایران؛
2- بررسی تأثیر متفاوت شاخص‌های ناهمگنی در نتایج روش طبقه‌بندی TWINSPAN اصلاح‌شده؛
3- تعیین این که نتایج روش طبقه‌بندی TWINSPAN اصلاح‌شده بر اساس کدام معیار ناهمگنی انطباق بیشتری با ویژگی‌ها توپوگرافی رویشگاه دارد؟
شاخص‌های اندازه‌گیری ناهمگنی خوشه‌ها.
1- واریانس کل (total inertia): مجموع مقادیر بردار ویژه است که گسترش قطعات نمونه را در اطراف مرکز محورهای مختصاتی نمودار تحلیل تطبیقی (corespondance analysis) یا CA ارایه می‌کند (Greenacre, 2000).
2- شاخص تنوع بتا ویتاکر (Whittaker’s Beta): نسبت تعداد کل گونه‌های گزارش شده در همه قطعات نمونه یک خوشه (گروه) به تعداد متوسط گونه‌های گزارش شده در همان خوشه (رابطه 1) را نشان می‌دهد (Whittaker, 1960).
رابطه 1: β = S/α-1
S= تعداد کل گونه‌های موجود در همه قطعات نمونه یک خوشه، α= تعداد متوسط گونه‌های هر گروه یا میانگین غنای گونه‌ای
3- میانگین عدم تشابه جاکارد (Average Jaccard Dissimilarity) یا (AJD): ابتدا با استفاده از شاخص تشابه جاکارد (رابطه 2) (Medaghi, 2001) برای هر یک از جفت قطعات نمونه هر گروه، اقدام به محاسبه درجه تشابه گونه‌ای شده، سپس متوسط درجه تشابه گونه‌ای جاکارد برای هر گروه (رابطه 3) و در نهایت، میانگین عدم تشابه جاکارد (رابطه 4) برآورد می‌شود.
رابطه 2:
رابطه 3:
رابطه 4: AJS-1 = AJD
Jij= شاخص تشابه گونه‌ای جاکارد، AJS= متوسط درجه تشابه گونه‌ای جاکارد برای هر گروه، n= تعداد قطعه نمونه
a= تعداد گونه مشترک در دو قطعه نمونه، b و c= تعداد گونه‌هایی که به ترتیب فقط در قطعه نمونه اول و دوم وجود دارد.
4- میانگین عدم تشابه سورنسون (Average Sorenson Dissimilarity) یا ASD: ابتدا با استفاده از شاخص تشابه سورنسون (رابطه 5) (Medaghi, 2001) برای هر یک از جفت قطعات نمونه هر گروه، اقدام به محاسبه درجه تشابه گونه‌ای شده و سپس متوسط درجه تشابه گونه‌ای سورنسون برای هر گروه (رابطه 6) و در نهایت، میانگین عدم تشابه سورنسون (رابطه 7) برآورد می‌شود.
رابطه 5:
رابطه 6:
رابطه 7: ASS-1 = ASD

5- روش Orloci (1967): این روش به نام تابع فاصله‌ای CRD یا Chord نیز معروف است (Ludwig and Reynolds, 1989) که در آن با استفاده از رابطه 8، کسینوس هر یک از جفت قطعات نمونه بر اساس وفور گونه‌های مشترک محاسبه می‌شود، سپس با استفاده از رابطه 9 ضریب فاصله کسینوس Chord هر یک از جفت قطعات نمونه محاسبه و در نهایت میانگین CRD برای هر گروه محاسبه می‌شود.
رابطه 8:
رابطه 9:
رابطه 10:
Xik: وفور گونه i‌ام در واحد نمونه k‌ام، Xij: وفور گونه i‌ام در واحد نمونه j‌ام

مواد و روش‌ها
منطقه مورد مطالعه: منطقه مورد مطالعه در رویشگاه‌های شمشاد در سری دو بولا (محدوده ارتفاعی 1500 تا 1600 متر از سطح دریا) و شیلاک (محدوده ارتفاعی 1000 تا 1100 متر از سطح دریا) جنگل‌های شرکت سهامی چوب فریم در مختصات جغرافیایی 5 1o36 تا 5 11 o36 عرض شمالی و 158o53 تا 22 27 o53 طول شرقی در جنوب‌غربی شهرستان ساری استان مازندران قرار دارد. متوسط بارندگی سالیانه منطقه حدود 800 میلی‌متر و متوسط دمای سالیانه آن 4/10 درجه سانتیگراد است. اقلیم منطقه بر اساس اقلیم‌نمای آمبرژه در اقلیم مرطوب سرد قرار دارد. سنگ مادر از جنس آهکی مربوط به دوره ژوراسیک تحتانی (رشته‌کوه سنگی)، آهکی ماسه‌سنگ و رس مربوط به دوره کرتاسیک تحتانی تشکیل شده است. از نظر خاک‌شناسی، انواع تیپ خاک از قهوه‌ای جنگلی تا راندزین در این منطقه وجود دارد (Anonymous, 2003).
مطالعه پوشش گیاهی: مطالعه پوشش گیاهی با روش براون-بلانکه معروف، روش رولوه (Braun-Blanquet, 1932) انجام شد. مهم‌ترین نکته در روش براون-بلانکه، تعیین صحیح محل قطعات نمونه است. در پژوهش حاضر تلاش شده است تا ضمن تأکید بر اصل توده معرف (Asri, 2005) به منظور پراکنش مناسب قطعات نمونه در سطح منطقه و لحاظ شدن هر گونه تغییر احتمالی در پوشش گیاهی منطقه که مؤید تغییر در شرایط رویشگاهی آن است، از روش نمونه‌برداری سیستماتیک نیز برای پیاده‌سازی قطعات نمونه استفاده شود. برای این منظور، نخست ترانسکت‌هایی با فواصل مشخص به عنوان خطوط مبنا در جهت شیب تغییرات ارتفاع از سطح دریا (عمود بر خطوط منحنی میزان) در نظر گرفته و تعداد 60 قطعه نمونه به صورت انتخابی با فواصل تقریبی 200 و 400 متری از یکدیگر در امتداد ترانسکت‌ها پیاده شد. قطعات نمونه به صورت انتخابی و در نقاط تخریب‌نشده و نقاطی که وضعیت کنونی پوشش گیاهی آنها بیانگر ویژگی‌های پوشش گیاهی بالقوه (جامعه اوج) منطقه بوده، یا نزدیک به آن باشند پیاده شدند. در واقع، نمونه‌گیری پوشش گیاهی با روش سیستماتیک-انتخابی انجام شد (Mesdaghi, 2005). اندازه قطعات نمونه مطابق اندازه قطعه نمونه پیشنهادی برای مطالعه پوشش‌های جنگلی نواحی معتدله، 400 متر مربع (2020 متر) در نظر گرفته شد (Dengler et al., 2008). در هر قطعه نمونه ابتدا موقعیت جغرافیایی، ارتفاع از سطح دریا، شیب و جهت دامنه ثبت و سپس فهرست کلیه گونه‌های گیاهی به همراه میزان وفور یا درصد تاج پوشش آنها به صورت تخمینی و بر اساس ضرایب فراوانی-غلبه وان در مارل ثبت شد (Mesdaghi, 2001).
تحلیل داده‌ها: اطلاعات پوشش گیاهی منطقه در نرم‌افزار TURBOVEG به عنوان بانک اطلاعاتی ذخیره شد. طبقه‌بندی جوامع گیاهی شمشاد با استفاده از تحلیل TWINSPAN معمولی و اصلاح‌شده (Roleček et al., 2009)، بر اساس مقادیر درصد تاج پوشش گونه‌ها و بر مبنای سطوح قطع: 0، 1، 5/2، 5، 5/12، 25، 50، 75 و 100 با بهره‌گیری از بسته نرم‌افزاری Juice (Tichý, 2002) انجام شد. برای این منظور، نخست طبقه‌بندی گروه‌های اکولوژیک منطقه با روش TWINSPAN معمولی انجام شد و سطح قطع دوم که به ایجاد چهار گروه منجر می‌شود، مد نظر قرار گرفت. سپس، گروه‌های اکولوژیک منطقه با روش TWINSPAN اصلاح‌شده بر مبنای هر یک از پنج شاخص ناهمگنی به تفکیک تعیین شد. در نهایت، میزان انطباق نتایج حاصل از طبقه‌بندی TWINSPAN اصلاح‌شده به وسیله هر یک از این شاخص‌های ناهمگنی با دارنگاره روش TWINSPAN معمولی بر مبنای عضویت‌پذیری مشابه قطعات نمونه در هر یک از گروه‌های چهارگانه برآورد گردید.
همچنین، با استفاده از نتایج تحلیل خوشه‌ای بر اساس ویژگی‌های فیزیوگرافی قطعات نمونه، کیفیت نتایج طبقه‌بندی TWINSPAN معمولی و اصلاح‌شده ارزیابی گردید. در این ارتباط، بر مبنای نتایج جدول توافقی، میزان انطباق گروه‌بندی هر یک از روش‌ها با نتایج گروه‌بندی تحلیل خوشه‌ای با استفاده از آزمون نیکویی برازش مربع کای و ضریب تطابق کاپا (Kappa) برآورد گردید. تحلیل خوشه‌ای بر مبنای ضریب فاصله اقلیدسی و روش خوشه‌بندی واریانس حداقل یا روش واردز (Wards) و بسته نرم‌افزاری
Pc-ord نسخه 5 (McCune and Mefford, 1999) انجام شد. در تحلیل خوشه‌ای نیز یک سطح معادل (تعداد چهار گروه) در نظر گرفته شد تا حداکثر تشابه با گروه‌بندی TWINSPAN ایجاد شود.

نتایج
در نتیجه اجرای تحلیل TWINSPAN معمولی بر اساس مقادیر درصد تاج‌پوشش کلیه گونه‌ها و بر اساس سطح قطع دوم، چهار گروه اکولوژیک طبقه‌بندی گردید (شکل 1).
در طبقه‌بندی گروه‌های اکولوژیک منطقه با روش TWINSPAN اصلاح‌شده بر مبنای توابع پنج‌گانه ناهمگنی، مشخص شد که نتایج دو شاخص تنوع بتا ویتاکر و واریانس کل و نتایج سه شاخص عدم تشابه سورنسون، جاکارد و اورلوسی که به ترتیب به عنوان شاخص‌های تنوع و فاصله‌ای در محاسبه درجه ناهمگنی هستند، کاملاً شبیه هم هستندد. بنابراین، نتایج به دست آمده از دو سری از شاخص‌های ناهمگنی تنوع و فاصله‌ای در قالب تنها دو نمودار ارایه گردید. در طبقه‌بندی گروه‌های اکولوژیک منطقه با روش TWINSPAN اصلاح‌شده بر مبنای دو سری از شاخص‌های ناهمگنی تنوع بتا ویتاکر و واریانس کل (شکل 2-A) و شاخص‌های فاصله‌ای عدم تشابه سورنسون، جاکارد و اورلوسی (شکل 2-B) در سطح قطع سوم، تعداد چهار گروه اکولوژیک قابل تفکیک است.



شکل 1- دارنگاره طبقه‌بندی گروه‌های اکولوژیک منطقه با استفاده از تحلیل TWINSPAN معمولی

 

 


شکل 2- دارنگاره طبقه‌بندی گروه‌های اکولوژیک منطقه با استفاده از تحلیل TWINSPAN اصلاح‌شده بر مبنای شاخص‌های ناهمگنی تنوع (A) و فاصله‌ای (B)


در بررسی درجه تشابه نتایج طبقه‌بندی TWINSPAN اصلاح‌شده با استفاده از دو سری از شاخص‌های ناهمگنی تنوع (جدول 1) و فاصله‌ای (جدول 2) با نتایج روش TWINSPAN معمولی مشخص شد که میزان انطباق دارنگاره روش TWINSPAN معمولی و اصلاح‌شده بر مبنای شاخص‌های فاصله‌ای (7/96 درصد) همواره در سطح بالاتری نسبت به شاخص‌های تنوع (3/68 درصد) قرار دارد.

جدول 1- عضویت‌پذیری مشابه قطعات نمونه در گروه‌های طبقه‌بندی شده با دو روش TWINSPAN معمولی و اصلاح‌شده با استفاده از شاخص ناهمگنی تنوع (بتا ویتاکر و واریانس کل). میانگین وزنی درصد انطباق= 3/68 درصد
گروه‌های TWINSPAN اصلاح‌شده
با استفاده از شاخص‌های ناهمگنی تنوع گروه‌های روش TWINSPAN معمولی تعداد قطعه نمونه درصد انطباق
1 2 3 4
گروه 1 5 16 0 0 21 81/23
گروه 2 0 0 3 0 3 0
گروه 3 0 0 7 0 7 100
گروه 4 0 0 0 29 29 100

جدول 2- عضویت‌پذیری مشابه قطعات نمونه در گروه‌های طبقه‌بندی شده از دو روش TWINSPAN معمولی و اصلاح‌شده با استفاده از شاخص ناهمگنی فاصله‌ای (شاخص عدم تشابه سورنسون، جاکارد و اورلوسی). میانگین وزنی درصد انطباق= 7/96 درصد
گروه‌های TWINSPAN اصلاح‌شده
با استفاده از شاخص‌های ناهمگنی تنوع گروه‌های روش TWINSPAN معمولی تعداد قطعه نمونه درصد انطباق
1 2 3 4
گروه 1 5 1 0 0 6 33/83
گروه 2 0 14 1 0 15 33/93
گروه 3 0 0 10 0 10 100
گروه 4 0 0 0 29 29 100


دارنگاره طبقه‌بندی خوشه‌ای قطعات نمونه بر مبنای ویژگی‌ها توپوگرافیک رویشگاه و نمایش گروه‌های معرفی شده توسط روش TWINSPAN اصلاح‌شده با استفاده از دو سری از شاخص‌های ناهمگنی تنوع و فاصله‌ای به تفکیک در شکل‌های 3 و 4 به نمایش در آمده است. سطح قطع در تحلیل CA به گونه‌ای در نظر گرفته شد تا تعداد گروه‌های حاصل معادل تعداد گروه‌های حاصل از روش TWINSPAN باشد. بر این اساس، در سطح قطع سوم تعداد چهار خوشه (گروه) 14، 12، 13 و 21 قطعه نمونه‌ای تقسیم گردید. نقطه توقف برای ایجاد این چهار خوشه بر مبنای ضریب فاصله اقلیدوسی 249998 به دست آمد.




شکل 3- دارنگاره تحلیل خوشه‌ای قطعات نمونه گروه‌های معرفی شده توسط روش TWINSPAN اصلاح‌شده بر مبنای شاخص‌های ناهمگنی تنوع (بتا ویتاکر و واریانس کل)

شکل 4- دارنگاره تحلیل خوشه‌ای قطعات نمونه گروه‌های معرفی شده توسط روش TWINSPAN اصلاح‌شده بر مبنای شاخص‌های ناهمگنی فاصله‌ای (شاخص عدم تشابه سورنسون، جاکارد و اورلوسی)


بررسی میزان انطباق نتایج به دست آمده از روش TWINSPAN اصلاح‌شده بر مبنای دو سری از شاخص‌های ناهمگنی تنوع (جدول 3) و فاصله‌ای (جدول 4)، با نتایج طبقه‌بندی خوشه‌ای بر اساس عضویت‌پذیری مشابه قطعات نمونه در گروه‌های چهارگانه نشان می‌دهد که میزان انطباق دارنگاره روش خوشه‌ای با دارنگاره روش TWINSPAN اصلاح‌شده بر مبنای شاخص‌های فاصله‌ای (3/58 درصد) همواره در سطح پایین‌تری نسبت به شاخص‌های تنوع (75 درصد) قرار دارد. در این ارتباط، تعداد قطعات نمونه‌ای که به طور یکسان در گروه‌های حاصل از دو سری تحلیل طبقه‌بندی قرار گرفتند، به صورت حروف درشت و زیر خط‌دار مشخص شده‌اند.

جدول 3- عضویت‌پذیری مشابه قطعات نمونه در گروه‌های طبقه‌بندی شده از دو روش خوشه ای و TWINSPAN اصلاح‌شده با استفاده از شاخص ناهمگنی تنوع (بتا ویتاکر و واریانس کل). میانگین وزنی درصد انطباق= 75 درصد
گروه‌های روش TWINSPAN اصلاح‌شده
با استفاده از شاخص‌های ناهمگنی تنوع گروه‌های تحلیل خوشه‌ای تعداد قطعه نمونه گروه‌ها درصد انطباق
1 2 3 4
گروه 1 14 3 4 0 21 67/66
گروه 2 0 3 0 0 3 100
گروه 3 0 0 7 0 7 100
گروه 4 0 2 6 21 29 41/72

جدول 4- عضویت‌پذیری مشابه قطعات نمونه در گروه‌های طبقه‌بندی شده از دو روش خوشه‌ای و TWINSPAN اصلاح‌شده با استفاده از شاخص ناهمگنی فاصله‌ای (شاخص عدم تشابه سورنسون، جاکارد و اورلوسی). میانگین وزنی درصد انطباق= 3/58 درصد
گروه‌های روش TWINSPAN اصلاح‌شده
با استفاده از شاخص‌های ناهمگنی فاصله‌ای گروه‌های تحلیل خوشه‌ای تعداد قطعه نمونه گروه‌ها درصد انطباق
1 2 3 4
گروه 1 4 1 0 0 6 80
گروه 2 10 2 3 0 15 3/13
گروه 3 0 3 8 0 11 73/72
گروه 4 0 0 8 21 29 41/72


در بررسی میزان انطباق نتایج دو روش طبقه‌بندی TWINSPAN اصلاح‌شده بر مبنای شاخص‌های ناهمگنی تنوع و تحلیل خوشه‌ای بر اساس نتایج جدول توافقی و آزمون نیکویی برازش مربع کای (2/89 =2χ) مشخص گردید که نتایج دو روش طبقه‌بندی با احتمال 99 درصد از یکدیگر مستقل نبوده، با یکدیگر انطباق دارند. در این ارتباط، میزان تطابق دو روش مذکور بر مبنای ضریب کاپا 7/64 درصد برآورد گردید (جدول 5). این در حالی است که بر اساس نتایج آزمون نیکویی برازش مربع کای (6/63 =2χ) و معیار کاپا (9/42= K) مشخص گردید که میزان انطباق نتایج روش طبقه‌بندی خوشه‌ای با روش TWINSPAN اصلاح‌شده بر مبنای شاخص‌های ناهمگنی فاصله‌ای در سطح پایین‌تری نسبت به روش‌های تنوع قرار دارد (جدول 6).


جدول 5- ضریب کاپا و همبستگی اسپیرمن در بررسی میزان انطباق و همبستگی دو روش خوشه‌ای و TWINSPAN اصلاح‌شده با استفاده از شاخص ناهمگنی تنوع (بتا ویتاکر و واریانس کل). **: 001/0>P (انطباق و همبستگی در سطح 99 درصد)
مقدار ضریب کاپا اشتباه معیار معنی‌داری
647/0 073/0 **000/0
ضریب همبستگی اسپیرمن= 866/0 **000/0

جدول 6- ضریب کاپا و همبستگی اسپیرمن در بررسی میزان انطباق و همبستگی دو روش خوشه‌ای و TWINSPAN اصلاح‌شده با استفاده از شاخص ناهمگنی فاصله‌ای (شاخص عدم تشابه سورنسون، جاکارد و اورلوسی). **: 001/0>P (انطباق و همبستگی در سطح 99 درصد)
مقدار ضریب کاپا اشتباه معیار معنی‌داری
429/0 075/0 **000/0
ضریب همبستگی اسپیرمن= 862/0 **000/0


بحث و نتیجه‌گیری.
نتایج تحقیق حاضر نشان داد که قواعد جدید ارایه شده در روش TWINSPAN اصلاح‌شده، منطق طبقه‌بندی روش TWINSPAN را تغییر نمی‌دهد بلکه تقسیمات سلسله مراتبی را در دارنگاره طبقه‌بندی اصلاح و بهبود می‌بخشد. اما آنچه که روش TWINSPAN اصلاح‌شده را نسبت به روش معمولی آن متمایز می‌سازد، این است که تعداد خوشه (گروه)ها در این روش برخلاف روش معمولی TWINSPAN لزوماً به صورت دو دویی نیست، بلکه پژوهشگر در آن می‌تواند به تعداد دلخواه خوشه یا گروه ایجاد نماید. به بیان دیگر، روش TWINSPAN اصلاح‌شده نسبت به روش معمولی آن از انعطاف‌پذیری بیشتری در انتخاب گروه‌ها برخوردار است (Roleček et al., 2009). همان‌ طور که در شکل 2 مشخص است در سطح قطع دوم دارنگاره طبقه‌بندی روش TWINSPAN اصلاح‌شده امکان انتخاب تعداد سه گروه وجود دارد، در صورتی که روش TWINSPAN معمولی قادر به ارایه سه گروه نیست و تعداد گروه‌ها همواره در سطوح بالاتر مضربی از عدد دو است. این قابلیت روش TWINSPAN اصلاح‌شده در تعداد گروه‌های بیشتر (5، 6 و 7 گروه) چشمگیرتر است (نتایج ارایه نشده است) و راهبرد روش مزبور مبنی بر اجتناب از طبقه‌بندی تحمیلی گروه‌ها در سطوح بالاتر طبقه‌بندی را بیشتر رهنمون می‌سازد (Luther-Mosebach et al., 2012؛ (Uğurlu et al., 2012.
انطباق صد درصدی گروه‌های تفکیک شده از روش‌های TWINSPAN معمولی و TWINSPAN اصلاح‌شده در سطح قطع اول (ایجاد دو گروه اکولوژیک) به همراه انطباق 7/96 درصدی گروه‌های حاصل از روش TWINSPAN معمولی و TWINSPAN اصلاح‌شده بر مبنای شاخص‌های ناهمگنی فاصله‌ای نیز مؤید این مسأله است که دو روش مزبور از نظر ماهیت طبقه‌بندی مشابه هستند. در واقع، نتایج تحقیق حاضر نشان داد: الف) نتایج طبقه‌بندی حاصل از روش TWINSPAN اصلاح‌شده با استفاده از شاخص‌های عدم تشابه جاکارد، سورنسون و اورلوسی با همدیگر به همراه نتایج حاصل از دو شاخص تنوع کل و بتا ویتاکر با یکدیگر که به ترتیب به عنوان معیار ناهمگنی فاصله‌ای (سه شاخص اول) و تنوع (دو شاخص دوم) معرفی شدند، با یکدیگر مشابه است.
Koleff و همکاران (2003) نیز در معرفی معیارهای اندازه‌گیری تنوع زیستی گیاهی بتا نشان دادند که نتایج دو معیار تنوع واریانس کل و تنوع بتا ویتاکر مشابه است. Roleček و همکاران (2009) نیز اعتقاد دارند که رفتار شاخص‌های فاصله‌ای اورلوسی، جاکارد و سورنسون در طبقه‌بندی گروه‌های اکولوژیک مشابه است. ب) در طبقه‌بندی چهار گروه، نتایج روش TWINSPAN اصلاح‌شده بر مبنای شاخص‌های ناهمگنی فاصله‌ای تقریباً مشابه نتایج طبقه‌بندی با روش TWINSPAN معمولی است. در این ارتباط، میزان انطباق گروه‌های حاصل از روش TWINSPAN اصلاح‌شده بر مبنای شاخص‌های ناهمگنی تنوع با نتایج روش‌های TWINSPAN معمولی و TWINSPAN اصلاح‌شده بر مبنای شاخص‌های ناهمگنی فاصله‌ای 3/68 درصد برآورد گردید.
در ارزیابی کیفیت نتایج طبقه‌بندی TWINSPAN اصلاح‌شده حاصل از دو سری از شاخص‌های ناهمگنی (فاصله‌ای و تنوع) بر مبنای نتایج تحلیل خوشه‌ای (که بر اساس ویژگی‌های توپوگرافیک رویشگاه انجام شد) و با استفاده از آزمون نیکویی برازش مربع کای و ضریب کاپا مشخص گردید که میزان انطباق دارنگاره روش خوشه‌ای با دارنگاره روش TWINSPAN اصلاح‌شده بر مبنای شاخص‌های تنوع (2/89= 2χ و 7/64= K) همواره در سطح بالاتری نسبت به شاخص‌های فاصله‌ای قرار (7/64= 2χ و 9/42= K) دارد. ایده استفاده از متغیرهای توپوگرافیک در ارزیابی دقت نتایج دو روش TWINSPAN معمولی و اصلاح‌شده یا ارزیابی دقت نتایج طبقه‌بندی TWINSPAN اصلاح‌شده با استفاده از دو سری از شاخص‌های ناهمگنی (فاصله‌ای و تنوع) به تأسی از این مسأله که ترکیب و ساختار جوامع جنگلی به ویژه در نواحی کوهستانی تا حد زیادی تحت کنترل و تأثیر ویژگی‌ها توپوگرافی رویشگاه نظیر ارتفاع از سطح دریا، جهت و شیب دامنه قرار دارد (Asadi et al., 2011)، اقتباس گردید.
عامل ارتفاع از سطح دریا با تأثیر میزان دما، بارندگی و رطوبت نسبی هوا به طور غیرمستقیم بر حضور و میزان رشد گیاهان تأثیر می‌گذارد. جهت دامنه با تأثیر بر میزان دریافت انرژی خورشید، میزان ابرناکی و رطوبت رویشگاه و عامل شیب دامنه نیز با تأثیر بر عمق خاک، بافت خاک، عمق آب زیرزمینی و میزان رطوبت خاک (He et al., 2007) همواره حضور و عملکرد یا درصد تاج پوشش گونه‌های گیاهی را تحت کنترل دارد و به این ترتیب در پراکنش گروه‌های گیاهی هر منطقه، نقش تعیین کننده‌ای دارد و به همین دلیل، همواره در مطالعات اکولوژی پوشش گیاهی مد نظر قرار می‌گیرند (Boublík et al., 2007). انطباق نتایج طبقه‌بندی دو روش TWINSPAN (به ویژه TWINSPAN اصلاح‌شده) و خوشه‌ای که به ترتیب بر مبنای ترکیب پوشش گیاهی و ویژگی‌های توپوگرافیک شکل گرفته است نیز گویای آن است که ایده گروه‌های اکولوژیک به دلیل لحاظ کردن ویژگی‌ها توپوگرافیک رویشگاه می‌تواند دستاوردی مهم در طبقه‌بندی رویشگاه‌های جنگلی باشد Esmailzadeh et al., 2007)؛ (Asadi et al., 2011.
به طور کلی، نتایج پژوهش حاضر تصریح می‌کند که روش TWINSPAN اصلاح‌شده مانع از تقسیمات تحمیلی خوشه‌های همگن در تقسیمات سلسله مراتبی روش TWINSPAN می‌شود و بر این اساس ضمن فراهم شدن امکان انتخاب تعداد گروه دلخواه توسط پژوهشگر، کیفیت نتایج طبقه‌بندی گروه‌ها نیز بهبود می‌یابد Tichý et al., 2007)؛ Luther-Mosebach et al., 2012). همچنین نتایج پژوهش حاضر نشان داد که از میان شاخص‌های مختلف اندازه‌گیری ناهمگنی خوشه‌ها، کاربرد دو شاخص تنوع بتا ویتاکر و واریانس کل در فرآیند طبقه‌بندی با روش TWINSPAN اصلاح‌شده نسبت به سه شاخص دیگر نتایج مناسب‌تری را ارایه می‌دهد. Roleček و همکاران (2009) نیز این دو شاخص را به عنوان بهترین شاخص‌های اندازه‌گیری ناهمگنی خوشه‌ها معرفی کرده و بر این اساس در سال‌های اخیر استفاده از معیارهای ناهمگنی تنوع در روش TWINSPAN اصلاح‌شده در طبقه‌بندی اکولوژیکی رویشگاه‌های گیاهی معمول گردید
Hrivnák, et al., 2013)؛ Lötter et al., 2013؛ Naqinezhad et al., 2013؛ Świerkosz et al., 2014).

سپاسگزاری.
نگارندگان از آقای مهندس بهروز محمدی ناظر مسؤول محترم جنگل‌های حوزه چوب فریم به پاس همه حمایت‌هایی که در فرآیند نمونه‌برداری از جنگل مبذول داشتند، کمال تشکر و امتنان را دارند.

منابع.
Anonymous (2003) Sangedeh forest management plans. Forest Rangeland and Watershed Organization, Sari (in Persian).
Asadi, H., Hosseini, S. M. and Esmailzadeh, O. (2011) Introduction of Khybus plant communities and their relation to physiographical factors and biodiversity indices. Iranian Journal of Natural of Resources 64(2): 107-127 (in Persian).
Asri, Y. (2005) Phytosociology. Payam Noor University Publications, Tehran (in Persian).
Boublík, K., Petřík, P., Sádlo, J., Hédl, R., Willner, W., Černý, T. and Kolbek, J. (2007) Calcicolous beech forests and related vegetation in the Czech Republic: a comparison of formalized classifications. Preslia 79(2): 141-161.
Braun-Blanquet, J. (1932) Plant sociology: the study of plant communities. McGraw-Hill Companies, Inc., New York.
Daubenmire, R. (1952) Forest vegetation of northern Idaho and adjacent Washington and its bearing on concept of vegetation classification. Ecological Monographs 22(4): 301-330.
Dengler, J., Chytry, M. and Ewald, J. (2008) Phytosociology. In: Encyclopedia of ecology, general ecology (Eds. Jørgensen, S. E. and Fath, B. D.) 4: 2767-2779. Elsevier, Oxford.
Esmailzadeh, O., Hosseini, S. M. and Tabari, M. (2007) A phytosociological study of English yew (Taxus baccata L.) in Afratakhteh reserve. Pajouhesh va Sazandegi, 20(1): 17-24 (in Persian).
Gauch, H. G. and Whittaker, R. H. (1981) Hierarchical classification of community data. Journal of Ecology 69(2): 537-557.
Greenacre, M. (2000) Correspondence analysis of square asymmetric matrices. Journal of the Royal Statistical Society: Series C (Applied Statistics) 49: 297-310.
He, M. Z., Zheng, J. G., Li, X. R. and Qian, Y. L. (2007) Environmental factors affecting vegetation composition in the Alxa Plateau, China. Journal of Arid Environments 69(3): 473-489.
Hill, M. O., Bunce, R. G. H. and Shaw, M. W. (1975) Indicator species analysis, a divisive polythetic method of classification and its application to a survey of native pinewoods in Scotland. Journal of Ecology 63(2): 597-613.
Hrivnák, R., Košťál, J., Slezák, M., Petrášová, A. and Feszterová, M. (2013) Black Alder dominated forest vegetation in the western part of central Slovakia - species composition and ecology. Hacquetia 12(2): 23-37.
Jennings, M., Loucks, O., Glenn-Lewin, D., Peet, R., Faber-Langendoen, D., Grossman, D., Damman, A., Barbour, M., Pfister, R., Walker, M., Talbot, S., Walker, J., Hartshorn, G., Waggoner, G., Abrams, M., Hill, A., Roberts, D., Tart, D. and Rejmanek, M. (2003) Guidelines for describing associations and alliances of the U.S. national vegetation classification, version 2. The Ecological Society of America Vegetation Classification Panel, Washington, DC.
Koleff, P., Gaston, K. J. and Lennon, J. J. (2003) Measuring beta diversity for presence-absence data. Journal of Animal Ecology 72: 367-382.
Legendre, P. and Legendre, L. (2012) Numerical ecology, 3rd edition. Elsevier, Amsterdam.
Lötter, M. C., Mucina, L. and Witkowski, E. T. (2013) The classification conundrum: species fidelity as leading criterion in search of a rigorous method to classify a complex forest data set. Community Ecology 14(1): 121-132.
Ludwig, J. A. and Reynolds, J. F. (1989) Statistical ecology: a primer on methods and computing. John Wiley and Sons Publication, New York.
Luther-Mosebach, J., Dengler, J., Schmiedel, U., Röwer, I. U., Labitzky, T. and Gröngroft, A. (2012) A first formal classification of the Hardeveld vegetation in Namaqualand, South Africa. Applied Vegetation Science 15(3): 401-431.
McCune, B. and Grace, J. B. (2002) Analysis of ecological communities. MjM Software Design, Oregon, USA.
McCune, B. and Mefford, M. J. (1999) PC-ORD. Multivariate analysis of ecological data, version 5. MjM Software, Gleneden Beach.
Mesdaghi, M. (2001) Vegetation description and analysis, a practical approach. Jahad Daneshgahi, Ferdowsi University of Mashhad Press, Mashhad (in Persian).
Mesdaghi, M. (2005) Plant ecology. Jahad Daneshgahi, Ferdowsi University of Mashhad Press, Mashhad (in Persian).
Moghaddam, M. R. (2001) Quantitative plant ecology. Tehran University Press, Tehran (in Persian).
Naqinezhad, A., Zare-Maivan, H., Gholizadeh, H. and Hodgson, J. G. (2013) Understory vegetation as an indicator of soil characteristics in the Hyrcanian area, N. Iran. Flora 208(1): 3-12.
Orloci, L. (1967) An agglomerate method for classification of plant communities. Journal of Ecology 55(1): 193-206.
Orloci, L. (1978) Multivariate analysis in vegetation research, 2nd edition. Springer, Germany.
Roleček, J., Tichý , L., Zelený, D. and Chytrý, M. (2009) Modified TWINSPAN classification in which the hierarchy respects cluster heterogeneity. Journal of Vagatation Science 20: 596-602.
Świerkosz, K., Reczyńska, K. and Boublík, K. (2014) Variability of Abies alba-dominated forests in central Europe. Central European Journal of Biology 9(5): 495-518.
Tichý, L. (2002) JUICE, software for vegetation classification. Journal of Vegetation Science 13(3): 451-453.
Tichý, L., Roloček, D., Zelený, C. and Chytrý, M. (2007) New stopping rules for TWINSPAN. European Vegetation Survey, 16th workshop, Rome, Italy.
Uğurlu, E., Roleček, J. and Bergmeier, E. (2012) Oak woodland vegetation of Turkey, a first overview based on multivariate statistics. Applied Vegetation Science 15(4): 590-608.
Whittaker, R. H. (1960) Vegetation of the Siskiyou Mountains, Oregon and California. Ecological Monographs 30(3): 279-338.