دوره 8، شماره 16 - ( پاییز و زمستان 1399 )
جلد 8 شماره 16 صفحات 47-39 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Abedi R, ostad hashemi R. (2020). Estimation of Density using Plotless Density Estimator Criteria in Arasbaran Forest. Ecol Iran For. 8(16), 39-47. doi:10.52547/ifej.8.16.39
URL: http://ifej.sanru.ac.ir/article-1-355-fa.html
URL: http://ifej.sanru.ac.ir/article-1-355-fa.html
عابدی رؤیا، استادهاشمی راهله. برآورد مشخصه تراکم توده با استفاده از شاخص های برآوردکننده روش نمونه برداری بدون قطعه نمونه در جنگل‌های ارسباران بوم شناسی جنگل های ایران (علمی- پژوهشی) 1399; 8 (16) :47-39 10.52547/ifej.8.16.39
1- گروه جنگلداری، دانشکده کشاورزی و منابع طبیعی اهر، دانشگاه تبریز، ایران
2- بخش تحقیقات جنگل‌ها و مراتع، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی آذربایجان شرقی، سازمان تحقیقات، آموزش و ترویج کشاورزی، تبریز، ایران
2- بخش تحقیقات جنگل‌ها و مراتع، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی آذربایجان شرقی، سازمان تحقیقات، آموزش و ترویج کشاورزی، تبریز، ایران
چکیده: (3509 مشاهده)
روش‌های نمونه برداری در جنگل دارای مبنای نظری هستند که باید در عرصه های مختلف جنگلی عملیاتی و اجرا شوند تا با انتخاب یک روش نمونه برداری مناسب در دقت برآورد مشخصه‌های جنگل مؤثر باشند. هدف پژوهش حاضر برآورد تراکم (تعداد در هکتار) توده در جنگل‌های ارسباران با استفاده از انواع برآوردکننده های روش نمونه برداری بدون قطعه نمونه یا موسوم به نزدیکترین درختان همسایه شامل نزدیکترین فرد، نزدیکترین همسایه، دومین نزدیکترین همسایه، ترکیبی، نقطه مشترک و نزدیکترین همسایه های پیوسته بود تا مناسب ترین برآوردکننده در منطقه مورد مطالعه معرفی شوند. به‌این منظور شمارش صد درصد تعداد پایه ها در هکتار در قطعه نمونه های یک هکتاری (به‌عنوان مقدار شاهد) انجام شد. سپس در شبکه‌بندی منظم تصادفی در هر هکتار نقاط نمونه‌برداری تعیین و اندازه‌گیری فاصله افقی درختان نسبت به نقطه نمونه برداری و نسبت به یکدیگر تا پنج درخت همسایه انجام شد و برآوردکننده‌های تراکم در هر روش محاسبه شدند. مقادیر محاسبه شده با تراکم واقعی با آزمون t تک نمونه ای در سطح احتمال 05/0 و براساس معیار صحت مقایسه شد. در نهایت الگوی پراکنش مکانی درختان با شاخص های جانسون-زایمر و هاپکینز تعیین شد. نتایج نشان داد که از بین برآوردکننده‌ها، موریسیتا و کوتام در روش نزدیکترین فرد، بیث و ریپلی و کوتام و کورتیس 1 در روش نزدیکترین همسایه و چهارمین و پنجمین همسایه در روش نزدیکترین همسایه پیوسته تراکم را بدون اختلاف معنی‌دار (05/0p≤) با تراکم واقعی برآورد کردند که در این میان نیز برآورد کننده پنجمین همسایه پیوسته عملکرد بهتری داشت. پراکنش مکانی درختان نیز الگوی تصادفی را نشان داد. بنابراین با توجه به نتایج حاصل از پژوهش حاضر، بررسی صحت این برآوردکننده برای سایر مشخصه‌های کمَی در توده‌های جنگلی ارسباران پیشنهاد می‌شود.
فهرست منابع
1. Abedi, R., A. Bonyad and A. Shahbahrami. 2017. Forest density classification using IRS satellite image and non-parametric KNN method. Journal of Forest and Wood Products, 69(4): 667-677 (In Persian).
2. Akhavan, R. and M. Hassani, 2018. Efficiency of C-NN distance sampling method in comparison to sampling with fixed area plot for estimation of forest stem basal area in Kheyroud forests of northern Iran. Iranian Journal of Forest, 10(1): 111-122 (In Persian).
3. Askari, Y., M. Zobeiri, H. Sohrabi, and M. Heydari. 2013. Comparison of five distance sampling methods for estimating quantitative characteristics of Zagros Forests. Iranian Journal of Forest and Poplar Research, 21(2): 316-328 (In Persian).
4. Basiri, R., M. Moradi, B. Kiani and M.M. Babaarabi. 2018. Evaluation of distance methods for estimating population density in Populus euphratica Olivier natural stands (case study: Maroon riparian forests, Iran). Journal of Forest Science, 64(5): 230-244. [DOI:10.17221/146/2017-JFS]
5. Byth, K. and B.D. Ripley. 1980. On sampling spatial patterns by distance methods. Biometrics, 36: 279-284. [DOI:10.2307/2529979]
6. Cottam, G. and J.T. Courtis. 1956. Some sampling characteristic of a series of aggregated population. Ecology, 38(4): 610-622. [DOI:10.2307/1943127]
7. Cottam, G., J.T. Curtis and B. Wild Hale. 1953. Some sampling characteristics of a population of randomly dispersed individuals, Ecology, 34(4): 741-757. [DOI:10.2307/1931337]
8. Diggle, P.J. 1975. Robust density estimation using distance methods. Biometrika, 62: 39-48. [DOI:10.1093/biomet/62.1.39]
9. Engerman, R.M., R.T. Sugihara, L.F. Pank and W.E. Dusenberry. 1994. A comparison of plotless density estimators using Monte Carlo simulation. Ecology, 75(6): 1769-1779. [DOI:10.2307/1939636]
10. Erfanifard, Y., F. Mahdian, R. Fallah Shamsi and K. Bordbar. 2012. The efficiency of distance- and density-based indices in estimating the spatial pattern of trees in forests (Case study: Wild Pistachio Research Forest, Fars province, Iran. Iranian Journal of Forest and Poplar Research, 20(3): 379-392 (In Persian).
11. Fallah, A., M. Zobeiri, A.R. Sisakht and H. Naghavi. 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).
12. Hassanzad Navroodi, I., H. Ahmadzadeh and A.E. Bonyad. 2019. A Study on the Accuracy and Precision of Estimation of the Number, Basal Area and Standing Trees Volume per Hectare Using of some Sampling Methods in Forests of Nav Asalem. Ecology of Iranian forest, 7(13): 1-10 (In Persian). [DOI:10.29252/ifej.7.13.1]
13. Heydari, 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).
14. Haidari, R.H., M. Gholami and S.M. Masomei. 2016. Study of Distance Sampling Methods Accuracy to Estimation of Mediterranean Stinkbush Species (Anagyris Foetida L.) Density (Case Study: Forests of Kasakaran, Gilanegharb). Ecology of Iranian forest, 4(7): 26-34 (In Persian).
15. Karamshahi, A., M. Zobeiri, M. Namiranian and J. Feghhi. 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).
16. Kiani, B., A. Fallah, M. Tabari, S.M. Hosseini and M.H. Iran-Nejad Parizi. 2013. Comparing Distance-based and Quadrate-based Methods to Identify Spatial Pattern of Saxaul Haloxylon ammodenderon C.A.Mey (Siah-Kooh Region, Yazd Province). Journal of Natural Environment, Iranian Journal of Natural Resources, 65(4): 475-486 (In Persian).
17. Lee, D. and J. Choi. 2019. Evaluating maximum stand density and size-density relationships based on the Competition Density Rule in Korean pines and Japanese larch, Forest Ecology and Management, 446: 204-213. [DOI:10.1016/j.foreco.2019.05.017]
18. Magnussen, S. 2014. Robust fixed-count density estimation with virtual plots. Canadian Journal of Forest Research, 44: 377-382. [DOI:10.1139/cjfr-2013-0288]
19. Morisita, M. 1957. A new method for the estimation of density by the spacing method applicable to none randomly distributed populations. Physiological Ecology, 7(2): 134-144.
20. McRoberts, R.E. 2012. Estimating forest attribute parameters for small areas using nearest neighbors techniques. Forest Ecology and Management, 272: 3-12. [DOI:10.1016/j.foreco.2011.06.039]
21. Moselou, M. and S.Y. Erfanifard. 2016. Comparing different k-NN sampling methods for density estimation of wild pistachio (Pistacia atlantica Desf.) with clustered spatial pattern in a Zagros open stand. Journal of Forest and Poplar Research, 23(4): 626-636 (In Persian).
22. Netto, S., A.L. Pelissari, V.C. Cysneiros, M. Bonazza and C.R. Sanquetta. 2017. Sampling procedures for inventory of commercial volume tree species in amazon forest. Annals of the Brazilian Academy of Sciences, 89(3): 1829-1840. [DOI:10.1590/0001-3765201720160760]
23. R Core Team. 2013. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL http://www.R-project.org/.
24. Safari, M., K. Sefidi, A. Alijanpour, and M.R. Elahian. 2020. Efficiency evaluation of the plotless method methods for estimating the spatial structure of Persian oak (Quercus macranthera) stands in Arasbaran forests. Journal of Forest Research and Development, 5(4): 599-612 (In Persian).
25. Steinke I. and K.J. Hennenberg. 2006. On the power of plotless density estimators for statistical comparisons of plant populations. Canadian Journal of Botany, 84(3): 421-432. [DOI:10.1139/b05-135]
26. Southwood, T.R.E. and P.A. Henderson. 2000. Ecological Methods. Blackwell science, 575 pp.
27. White, N.A., R.M, Engeman, R.T. Sugihara and H.W. Krupa. 2008. A comparison of plotless density estimators using Monte Carlo simulation on totally enumerated field data sets. BMC Ecology, 8(6): 1-11. [DOI:10.1186/1472-6785-8-6]
28. Zare, L., S.Y. Erfanifard, M. Taghvaei and N. Kariminejad. 2016. Efficiency of distance sampling methods in estimation of biometric characteristics of wild pistachio (Pistachio atlantica subsp. mutica) open stands in Zagros. Journal of Wood and Forest Science and Technology, 23(3): 1512-1537 (In Persian).
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
