دوره 12، شماره 1 - ( بهار و تابستان 1403 )                   جلد 12 شماره 1 صفحات 98-88 | برگشت به فهرست نسخه ها


XML English Abstract Print


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

Karamshahi A. (2024). Efficiency of the Transects Branch-Sampling Line Method to Estimate the Canopy and Number of Trees per Hectare in Zagros Forests (Case Study: Karazan Forest of Ilam). Ecol Iran For. 12(1), 88-98. doi:10.61186/ifej.12.1.88
URL: http://ifej.sanru.ac.ir/article-1-521-fa.html
کرمشاهی عبدالعلی. کارایی روش نمونه برداری خط نمونه شاخه ای در برآورد تاج پوشش و تعداد در هکتار درختان در جنگل های زاگرس (مطالعه موردی: جنگل کارزان ایلام) بوم شناسی جنگل های ایران (علمی- پژوهشی) 1403; 12 (1) :98-88 10.61186/ifej.12.1.88

URL: http://ifej.sanru.ac.ir/article-1-521-fa.html


گروه جنگلداری دانشکده کشاورزی دانشگاه ایلام- ایران
چکیده:   (717 مشاهده)
چکیده مبسوط
مقدمه و هدف: از پارامترهای اساسی در مدیریت جنگل، اطلاع دقیق از موجودی سرپای درختان جهت برنامهریزی است که با آماربرداری جنگل مقدور و عملی میشود. دخالت و وابستگی بیش از حد انسان به جنگلها، ساختار طبیعی آنها را تغییر داده است.گرچه شرایط برداشت چوب در این جنگلها فراهم نیست، اما نقش آنها در حفظ خاک و آب، معیشت مردم محلی و بهبود محیط زیست ضروری است.روشهای نمونهبرداری باید بهگونهای باشند که ضمن داشتن دقت لازم و هزینه کم، اجرای آنها در طبیعت آسان باشد. هدف اصلی این تحقیق ارائه یک روش نمونهبرداری جدید با عنوان ترانسکت شاخهای در جنگلهای زاگرس ایران و جنگلهای مشابه است. از ویژگیهای این روش جدید داشتن دقت مناسب، اجرای آسان در طبیعت، سادگی محاسبات آماری و کم هزینه بودن است. تعداد درختان در هکتار (تراکم) در یک جامعه جنگلی بیانگر وضعیت موجود بوده و پایش آن، در ارزیابی تغییرات تودههای جنگلی بسیار اهمیت دارد. استفاده از روشهای نمونهبرداری فاصلهای بخصوص در جنگلهای تنک، بهدلیل کاهش هزینههای آماربرداری و داشتن دقت مطلوب در سالهای اخیر رو به گسترش است. هدف اصلی تحقیق ارزیابی کارایی یک روش فاصلهای پیشنهادی (خط نمونه شاخهای یا ترانسکتهای با شاخههای جانبی) با قابلیت اجرای آسان و داشتن دقت مطلوب، در شبکه آماربرداری 100*100 متری و در محیط جیایاس است.
مواد و روشها: منطقه مورد مطالعه در بخش جنوب غربی منطقه حفاظت شده مانشت و قلارنگ در شهرستان ایلام قرار دارد. ابتدا یک منطقه جنگلی با مساحت 90 هکتار آماربرداری صد در صد شد، سپس از خط نمونههای 10 و 20 متری با شاخههای فرعی حداکثر 20 متری استفاده شد (90 نقطه نمونهبرداری). در این تحقیق برای اولین بار از روش نمونهبرداری خط نمونه با شاخههای جانبی 2، 4 و 6 شاخه استفاده شده است. در ارزیابی روشها با آماربرداری صد در صد از معیارهای درصد صحت استفاده شد. در این روش از یک ترانسکت استفاده میشود که خود از چند شاخه یا ترانسکت جانبی یا فرعی تشکیل شده است. طول ترانسکت اصلی، ترانسکت فرعی، تعداد درختان مورد اندازهگیری در هر ترانسکت فرعی و تعداد شاخههای فرعی در این روش قابل تغییرند و بر اساس همگنی، ناهمگنی، تراکم، ساختار جنگل و ابعاد تاج درختان قابل تغییر است. و با توجه به وضعیت جنگل و نظرکارشناسی تعیین میشوند. بهطور کلی، زمانیکه جنگل متراکمتر یا همگنتر باشد، میتوان تعداد شاخههای فرعی و درختان را کمتر در نظر گرفت. بهتر است در جنگل‌های غیر انبوه مانند جنگل‌های زاگرس، زیرشاخه‌های بیشتری در نظر گرفته شود تا سطح وسیع‌تری در برآورد موجودی قرار گیرد و تعداد قابل قبولی درخت بهصورت ترانسکت بررسی شود. با توجه به اینکه هدف اصلی تحقیق ارائه یک روش نمونهبرداری جدید برای جنگلهای زاگرس میباشد، میبایست نتایج حاصل از این روش، برای یک احتمال معین، با یک مقدار واقعی مقایسه گردد تا بتوان در مورد دقت آماربرداری در روشهای مورد مطالعه قضاوت نمود. در منطقه مورد مطالعه ابتدا آماربرداری صد در صد انجام شد و در مراحل بعدی نتایج دادههای آماربرداری در هر روش نمونهبرداری با مقدار واقعی یعنی نتایج حاصل از آماربرداری صد در صد منطقه، مورد مقایسه قرار گرفت.
یافتهها: نرمال بودن دادهها با استفاده از آزمون کایاسکوار و آزمون تی غیرجفتی (تیتست) برای مقایسه میانگین تعداد و تاج درختان در هکتار، حاصل از نمونهبرداری با نتایج حاصل از آماربرداری مقدار واقعی (100 درصد موجودی) مورد آزمون قرار گرفت. با توجه به نتایج حاصل از آماربرداری صد در صد (12079 اصله درخت) تعداد در هکتار درختان 141 اصله و تاج ­پوشش (62/32) در هکتار 3074 مترمربع بهدست آمد. خط نمونه 6 شاخه دو درختی با تعداد در هکتار 141 اصله و روش چهار شاخه یک درختی با تاجپوشش 3815 مترمربع در هکتار نسبت به میانگین واقعی بهترین نتایج را نشان داد. تجزیه و تحلیل یافتهها نشان میدهد اکثر روشهای نمونهبرداری مورد تحقیق (خط نمونه شاخهای با شش روش مختلف (6b2t- 6b1t- 2b1t- 2b2t- 4b2t-4b1t ) نتایج قابلقبولی جهت ارزیابی جنگلهای تنک دارند ولی روشهای خط نمونه شاخهای در اکثر شبکهها دارای درصد خطای آماربرداری کمتر و از نظر میانگین تعداد در هکتار نیز مقدار واقعی نزدیکترند.
نتیجهگیری کلی: در مجموع روش خط نمونه شاخهای جهت برآورد تعداد در هکتار در اکثر شبکهها دارای درصد صحت در محدوده 10 درصد و از نظر میانگین تعداد در هکتار نیز با احتمال 95 درصد اختلاف معنیداری با مقدار واقعی نداشت و نسبت به دیگر روشهای فاصلهای موردمطالعه در این تحقیق (نسبت به روشهای شاخهای برای برآورد تاجپوشش) از دقت و صحت مطلوبتری برخوردار بود. با توجه به جدید بودن روش نمونهبرداری ارائه شده موردی جهت مقایسه وجود نداشت بهعبارتی روش ترانسکت شاخهای در مناطق دیگر انجام نشده که بتوان با نتایج این بررسی ارزیابی گردد. در نهایت نتایج این بررسی برای پارامترهای تعداد و مساحت تاج پوشش درختان در هکتار و مقایسه آن با مقدار واقعی و انعطافپذیری این روش (قابل تغییر بودن تعداد شاخهها، تعداد درختان هر شاخه و طول ترانسکتهای اصلی و فرعی) نشان میدهد روشی مناسب برای نمونهبرداری در جنگلهای تنک و حتی جنگلهای نرمال میباشد.

 
متن کامل [PDF 1324 kb]   (203 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: تخصصي
دریافت: 1402/5/13 | پذیرش: 1402/8/6

فهرست منابع
1. Abedi, R. and Ostad Hashemi, R. (2021). Estimation of Density using Plotless Density Estimator Criteria in Arasbaran Forest. Ecology of Iranian Forests, 8(16), 39-47 (In Persian). DOI:10.52547/ifej.8.1639 [DOI:10.52547/ifej.8.16.39]
2. Abedi, R. (2023). Quantifying the Competition Concerning Trees Quantitative Characteristics of Natural Stands in Arasbaran Forest. Iranian Journal of Applied Ecology, 1(12). [DOI:10.47176/ijae.12.1.11525]
3. Buckland, S.T., Borchers, D.L., Johnston, A., Henrys, P.A. and Marques, T.A. (2007). Line transect methods for plant surveys. Journal of the international Biometrics society, 63(4), 989-998. [DOI:10.1111/j.1541-0420.2007.00798.x]
4. Erfanifard,S.Y. (2013). Efficiency of LTS and LIS methods for density estimation of wild pistachio (Pistacia atlantica Desf). Trees in Zagros woodlands, Iran. Journal of Wood & Forest Science and Technology, 20(2), 33-40 (In Persian).
5. Fallah, A., Zobeiri, M., Sisakht, A.R and Naghavi, H. (2012). Investigation on Four Sampling Methods for Canopy Cover Estimation in Zagros Oak Forests (Case study: Mehrian Forests of Yasuj City). Iranian Journal of Forest and Poplar Research, 20(2), 194 -203 (In Persian).
6. Gilabert, H., & McDill, ME. (2010). Optimizing inventory and yield data collection for forest management planning. Forest Science, 56, 578-591. [DOI:10.1093/forestscience/56.6.578]
7. Gregoire, T. G., and Valentine, H. (2008). Sampling strategies for natural resources and the environment. Chapman and Hall/CRC, Boca Raton. [DOI:10.1201/9780203498880]
8. Heidari, R.H., Zobeiri, M., Namiranian, M. and Sobhani, H. (2007). Application of T-square sampling method in Zagross forests (Case Study: Kermanshah province). Iranian Journal of Forest and Poplar Research, 15(1) (In Persian).
9. Heidari, R.H., M. Zobeiri, M. Namiranian, H. Sobhani and A. Safari. 2011. Study of accuracy of nearest individual sampling method in Zagross forests. Iranian Journal of Forest, 2(4), 323 -330 (In Persian).
10. Hui, Z., Cai, Z., Xu, P., Xia, Y. and Cheng, P. (2023). Tree Species Classification Using Optimized Features Derived from Light Detection and Ranging Point Clouds Based on Fractal Geometry and Quantitative Structure Model. Forests, 14(6). [DOI:10.3390/f14061265]
11. Karamshahi, A., Zobeiri, M., Namiranian, M. and Feghhi, J. (2012). Investigation on application of k-NN (k-Nearest Neighbor) sampling method in Zagros forests (Case study: Karzan forest,Ilam). Iranian Journal of Forest and Poplar Research, 19(4), 453-465 (In Persian).
12. Karamshahi A, Alihoseini Z, Mirzaei J & Jafarzadeh, A. (2017). Interval sampling methods in Zagros forests using GIS. Journal of Forestry Research, 28(6), 1261-1266. DOI 10.1007/s11676-03900-y [DOI:10.1007/s11676-017-0390-y]
13. Karamshahi A. (2019). A New Sampling Method in the Zagros Forests Using GIS (Case Study:Ilam Forests of Iran). Journal of Forestry Research, 30(6). DOI 10.1007/s11676-018-0781-8 [DOI:10.1007/s11676-018-0781-8]
14. Keller, G. (2015). Statistics for Management and Economics, Abbreviated. Cengage Learning.
15. Knapp, N., Fischer, R., Cazcarra-Bes, V. and Huth, A. (2020). Structure metrics to generalize biomass estimation from lidar across forest types from different continents. Remote Sensing of Environment, 237, 111597. [DOI:10.1016/j.rse.2019.111597]
16. Levin, R. I. (2011). Statistics for management. Pearson Education India.
17. Magnussen, S., Kleinn, C. and Picard, N. (2008). Two new density estimators for distance sampling. European Journal Forest Research, 213-224. [DOI:10.1007/s10342-007-0197-z]
18. Magnussen, S. (2012). A new composite k-tree estimator of stem density. European Journal of Forest Research, 131(5), 1513-1527. DOI: 10.1007/s10342-012-0619-4 [DOI:10.1007/s10342-012-0619-4]
19. Mandallaz, D. (2008). Sampling techniques for forest inventories. Chapman and Hall/CRC, Boca raton. [DOI:10.1201/9781584889779]
20. Melville, G., Christine, S. and Russell, T. (2015). Application of LiDAR data to maximise the efficiency of inventory plots in softwood plantations. New Zealand Journal of Forestry Science, 45(9),1-16. [DOI:10.1186/s40490-015-0038-7]
21. Yousofvand Mofrad. M., Soosani, J., Naghavi, H., Abrari Vajari, K and Shaabanian, N. (2023). Estimation of Biomass and Its Reduction in Forests Affected by Decline in DadAbad Region, Lorestan Province Ecology of Iranian Forest. 11(21), 170-178. DOI:10.61186/ifej.11.21.170
22. Nikolas, v. L. and Joachim, S. (2014). Combining double sampling for stratification and cluster sampling to a three-level sampling design for continuous forest inventories. European Journal Forest Research, 133(1), 89-100. DOI 10.1007/s10342-013-0743-9 [DOI:10.1007/s10342-013-0743-9]
23. Pfeifer, N., Gorte, B., Winterhalder, D. (2004). Automatic Reconstruction of Single Trees from Terrestrial Laser Scanner Data. Int. Arch. Photogramm. Remote Sensing, 35(1), 114-119.
24. Sarndal, C. E., Swensson, B. & Wretman, J. (2003). Model assisted survey sampling. Springer, Berlin. 695 pp.
25. Southwood, T.R.E. and Henderson, P.A. (2000). Ecological Methods. Blackwell science, 575 pp. http://www. blackwell science.com/Southwood.
26. tahmasebi M, Bordbar, S. K., porhashemi. M. and Najafifar, A. (2023). The Impact of Aspect on Forest Structural Characteristics in Zagros Forests (Case Study: Tangdalab forests of Ilam province). Ecology of Iranian Forest. 11(22), 32-43 (In Persian).
27. West, P.W. (2015). Tree and forest measurement, 3rd edn. Springer, Basel. [DOI:10.1007/978-3-319-14708-6]
28. Xi, Z., Hopkinson, C., Rood, S.B., Peddle, D.R. (2020). See the forest and the trees: Effective machine and deep learning algorithms for wood filtering and tree species classification from terrestrial laser scanning. ISPRS. Journal of Photogrammetry and Remote Sensing, 168, 1-16. doi.org/10.1016/ j.isprsjprs. 2020.08.001 [DOI:10.1016/j.isprsjprs.2020.08.001]
29. Zobeiri, M. (2007). Forest Biometry, University of Tehran Press, 405pp (In Persian).

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

© 2024 CC BY-NC 4.0 | Ecology of Iranian Forest

Designed & Developed by : Yektaweb