دوره 10، شماره 20 - ( پاییز و زمستان 1401 1401 )                   جلد 10 شماره 20 صفحات 128-120 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Hoseinpour A, fallah A, niknejad M, hejazian M, kalbi S. Investigating of Kriging Geostatistic Method Capability for Forest Stand Volume Zoning (Case Study: Haftkhal Area). ifej 2022; 10 (20) :120-128
URL: http://ifej.sanru.ac.ir/article-1-249-fa.html
حسین پور علیرضا، فلاح اصغر، نیک نژاد مریم، حجازیان محمد، کلبی سیاوش. بررسی قابلیت روش زمین آمار کریجینگ در پهنه بندی حجم سرپای جنگل (پژوهش موردی: منطقه هفتخال). بوم شناسی جنگل های ایران (علمی- پژوهشی) 1401; 10 (20) :128-120

URL: http://ifej.sanru.ac.ir/article-1-249-fa.html


دانشگاه علوم کشاورزی و منابع طبیعی ساری
چکیده:   (348 مشاهده)
چکیده مبسوط
مقدمه و هدف: تعیین موجودی حجمی جنگل از اساسی ترین اهداف و وظایف مدیریت جنگل است، که به علت پیچیده بودن این فرایند همیشه با چالش ­هایی برای بخش اجرا همراه بوده است. تهیه نقشه حجم سرپای جنگل نقش مهمی در مدیریت پایدار جنگل­ها ایفا می ­نماید. در طرح­های جنگل­داری شمال کشور، از آماربرداری تصادفی منظم و روش میانگین حسابی حجم سرپای قطعات نمونه هر پارسل برای برآورد موجودی سرپای هر پارسل استفاده می­گردد ولی روابط مکانی بین قطعات نمونه در نظر گرفته نمی ­شود. هدف از این مطالعه، مقایسه روش کریجینگ و روش معمول در تهیه نقشه موجودی جنگل در طرح جنگل­داری هفتخال می­ باشد.
مواد و روش ­ها: برای این ­منظور تعداد243 قطعه نمونه دایره­ای به مساحت 10 آر و با شبکه منظم تصادفی 200 * 150 متر، آماربرداری شد و نقشه تولید شده به ­روش میانگین حسابی قطعات نمونه آماربرداری (روش معمول سازمان جنگل­ها) و نقشه حجم سرپا به­روش کریجینگ مقایسه گردید. برای بررسی قابلیت نقشه تهیه شده به­روش کریجینگ به­ عنوان نقشه مورد استناد، ابتدا نرمال بودن داده­ ها به ­روش سمی­واریوگرام و هیستوگرام­ ها و شاخص ­های آن بررسی شد. سپس 30 درصد قطعات نمونه (73  قطعه نمونه) به­ عنوان نقاط کنترل زمینی به­روش تصادفی جدا شد و با استفاده از نقاط باقیمانده و روش معمولی، پارامترهای اپتیمم Lag Size، Nugget و PartialSill برای تولید نقشه کریجینگ مورد­نظر بررسی شد. در نهایت بهترین حالت ممکنه انتخاب گردید. سپس نقشه تهیه شده با قطعات نمونه کنترل زمینی (73 قطعه نمونه) بررسی شد و حجم سرپای قطعات نمونه کنترل کننده با حجم سرپای محاسبه شده با روش کریجینگ به­صورت نقاط متناظر بررسی شد و میزان اختلاف آنها مشخص گردید.
یافته ­ها: صحت نقشه کریجینگ تولید شده، با استفاده از قطعات نمونه کنترل زمینی بررسی شد. در این تحقیق، بهترین مدل، دارای ریشه میانگین مجذور خطا 30 درصد و اریبی0/11 درصد بود. با استفاده از آزمون همبستگی داده ­ها در نرم ­افزار SAS مشخص گردید که اطلاعات نقشه کریجینگ در سطح احتمال 99 درصد با قطعات نمونه واقعیت زمینی مطابقت دارد ولی میزان همبستگی اطلاعات روش میانگین حسابی قطعات نمونه در سطح احتمال 95 درصد نیز با اطلاعات قطعات نمونه واقعیت زمینی مطابقت ندارد و همبستگی آنها معنی­دار نیست. آزمون T-test نیز نتایج مشابهی را نشان داد.
نتیجه ­گیری: در مجموع نتایج نشان داد روش زمین ­آمار کریجینگ دارای قابلیت بهتری نسبت به ­روش­ های معمول سنتی در تهیه نقشه پهنه ­بندی حجم سرپای جنگل می­ باشد.


 
متن کامل [PDF 1520 kb]   (61 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1397/3/21 | پذیرش: 1398/7/28 | انتشار: 1401/8/1

فهرست منابع
1. Abbasi, Y., F. Mirzaei and T. Sohrabi. 2018. Exploring distribution of heavy metals in wastewater-irrigated agricultural soil using kriging method and Hydrus model. Health and environment Journal, 11(3): 351-364 (In Persian).
2. Aertsen, W., V. Kint, K. Von Wilpert, D. Zirlewagen, B. Muys and J. Van Orshoven. 2012. Comparison of location-based, attribute-based and hybrid regionalization techniques for mapping forest site productivity. Forestry, 85(4): 539-550. [DOI:10.1093/forestry/cps050]
3. Ahadi, Z., S.J. Alavi and S.M. Hoseini. 2017. Preparation of the map of eastern beech area production using Kriging and reverse weighted distances. Forest and Wood Products, 70(1): 93-102 (In Persian).
4. Akhavan, R., M. Zobeiri, G.h. Zahedi, M. Namiranian and D. Mandallaz. 2006. Spatial structure and estimation of forest growing stock Using Geostatistical Approach in the Caspian Region of Iran. Iranian Journal Natural Resource, 59(1): 89-102 (In Persian).
5. Akhavan, K., M. Karami and J. Soosani. 2009. Application of Kriging and IDW methods in mapping of crown cover and density of coppice oak forests. Iranian Journal of Forest, 3(4): 303-318 (In Persian).
6. Akhavan, R., H. Kia-Daliri, V. Etemad, M. Hassani and Kh. Mirakhorlou. 2014. Geostatistically estimation and mapping of forest stock in a natural unmanaged forest in the Caspian region of Iran. Iranian Journal of Forest and Poplar Research, 22(2): 188-203 (In Persian).
7. Asakereh, H. 2008. Application of the Kriging method in precipitation modification. Geography and Development Magazine, (12): 25-42 (In Persian).
8. Biondi, F., D.E. Myers and C.C. Avery. 1994. Geostatistically modeling stem size and increment in an old-growth forest. Canadian Journal of Forest Research, 24: 1354-1368. [DOI:10.1139/x94-176]
9. Fakhire, A. and M. Najafi Zilaie. 2014. Comparison of Different Kriging Methods to Estimate the Tree Density, 20(7): 204-212 (In Persian).
10. Fazelnia, G., Y. Hakimodost and Y. Balyani. 2014. Comprehensive Guide to GIS Application Models in Urban, Rural and Environmental Planning (Vol. I). Azadeh Pima Publishing. Zabol, 249 pp (In Persian).
11. Freeman, E.A. and G.G. Moisen. 2007. Evaluating kriging as a tool to improve moderate resolution maps of forest biomass. Environmental Monitoring and Assessment, 128: 395-410. [DOI:10.1007/s10661-006-9322-6]
12. Gunnarsson, F., S. Holm, P. Holmgren and T. Thuresson. 1998. On the potential of kriging for forest management planning. Scandinavian Journal of Forest Research, 13: 237-245. [DOI:10.1080/02827589809382981]
13. Houlong, J., W. Daibin, X. Chen, L. Shuduan, W. Hongfeng, Y. Chao, L. Najia, C. Yiyin and G. Lina. 2016. Comparison of kriging interpolation precision between grid sampling scheme and simple random sampling scheme for precision agriculture. Eurasian Journal Soil Science, 5(1): 62-73. [DOI:10.18393/ejss.2016.1.062-073]
14. kravchenko, A. and D.G. Bullok. 1999. A comparative study of interpolation methods for mapping soil properties. Agron Journal, 91: 393-400. [DOI:10.2134/agronj1999.00021962009100030007x]
15. Lu, G.Y. and D.W. Wong. 2008. An adaptive inverse-distance weighting spatial interpolation technique. Computers and Geosciences, 34: 1044-1055. [DOI:10.1016/j.cageo.2007.07.010]
16. Meng, Q., C. Cieszewski and M. Madden. 2009. Large area forest inventory using Landsat ETM+: a geostatistical approach. ISPRS Journal of Photogrammetry and Remote Sensing, 64(1): 27-36. [DOI:10.1016/j.isprsjprs.2008.06.006]
17. Montes, F., M.J. Hernandez and I. Canellas. 2005. A geostatistical approach to cork production sampling in Quercus suber forests. Canadian Journal of Forest Research, 35: 2787-2796. [DOI:10.1139/x05-197]
18. Pierce Jr, K.B., J.L. Ohmann, M.C. Wimberly, M.J. Gregory and J.S. Fried. 2009. Mapping wildland fuels and forest structure for land management: a comparison of nearest neighbor imputation and other methods. Canadian Journal of Forest Research, 39(10): 1901-1916. [DOI:10.1139/X09-102]
19. Robinson, T.P. and G. Metternicht. 2005. Testing the performance of spatial interpolation techniques for mapping soil properties. Computers and Electrnics in Agric, 50: 97-108. [DOI:10.1016/j.compag.2005.07.003]
20. Samra, J.S., H.S. Gill and V.K. Bhatia. 1989. Spatial stochastic modeling of growth and forest resource evaluation. Forest Science, 35: 663-676.
21. Symeonakis, E., R. Bonifacio and N. Drake. 2009. A comparison of rainfall estimation techniques for sub-saharan Africa, International journal of applied earth abservation and geoinformation, 1(11). [DOI:10.1016/j.jag.2008.04.002]
22. Tuominen, S., S. Fish and S. Poso. 2003. Combining remote sensing, data from earlier inventories and geostatistical interpolation in multi-source forest inventory. Canadian Journal of Forest Research, 33: 624-634. [DOI:10.1139/x02-199]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به بوم‏شناسی جنگل‏های ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2023 CC BY-NC 4.0 | Ecology of Iranian Forest

Designed & Developed by : Yektaweb