دوره 12، شماره 1 - ( بهار و تابستان 1403 )
جلد 12 شماره 1 صفحات 87-73 |
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:
Vahedi A A, Fallah A, Akhavan R, Nazariani N, Khatibnia E, Hamidi S K. (2024). Spatial Analyses for Fine Woody Debris Volume Stock in the Hyrcanian Research Forest of Kheyrood-Kenar. Ecol Iran For. 12(1), 73-87. doi:10.61186/ifej.12.1.73
URL: http://ifej.sanru.ac.ir/article-1-509-fa.html
URL: http://ifej.sanru.ac.ir/article-1-509-fa.html
واحدی علی اصغر، فلاح اصغر، اخوان رضا، نظریانی نسترن، خطیب نیا عزت اله، حمیدی سیده کوثر. تحلیل آمار مکانی موجودی حجم خشک‌دارهای ریز در جنگل پژوهشی خیرودکنار بوم شناسی جنگل های ایران (علمی- پژوهشی) 1403; 12 (1) :87-73 10.61186/ifej.12.1.73
1- بخش تحقیقات منابع طبیعی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان مازندران، سازمان تحقیقات، آموزش و ترویج کشاورزی، ساری، ایران
2- گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، مازندران، ایران
3- مؤسسه تحقیقات جنگل‌ها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
4- دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، مازندران، ایران
2- گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، مازندران، ایران
3- مؤسسه تحقیقات جنگل‌ها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
4- دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، مازندران، ایران
چکیده: (1182 مشاهده)
چکیده مبسوط
مقدمه و هدف: قابل انتظار است که خشک‌دارهای ریز در جنگل‌های هیرکانی سهم قابل ملاحظهای از خدمات بوم‌شناختی را بهخود اختصاص دهد ولی در بخشهای مدیریتی و اجرایی اهمیت زیادی برای آن وجود ندارد. از طرفی با توجه به شاخص پایداری جنگل‌های طبیعی بر اساس تغییرات موجودی کربن و ارزش تولیدات چوبی و همچنین بر مبنای استقبال نظام‌های مدیریتی از اقتصاد سبز، پیش‌بینی می‌شود که خشک‌دارهای ریز بر خلاف ظاهر ناچیز آنها بهعنوان یکی از ذخایر کربن به لحاظ جنگل‌شناسی و حتی اقتصادی از جایگاه ویژه‌ای برخوردار باشد. بنابراین قابل توجیه است که استنباط درستی در رابطه با نحوه انباشت و تغییرات موجودی حجمی خشک‌دارهای مدنظر در نقاط مختلف جنگل‌های هیرکانی را باید دارا بود تا بتوان در ارزیابی‌های مدیریتی جنگل‌های مذکور به‌خصوص برای شرایط پسا تنفس (استراحت جنگل‌های هیرکانی) برای اِعمال عملیات جنگل‌شناسی مؤثر، فنون بهینه مدیریتی (جنگلداری) و افزایش خدمات بوم‌شناختی اقدام متناسبی را انجام داد. مبتنی بر این موارد، هدف اصلی پژوهش پیش رو تحلیل آمار مکانی تغییرات موجودی حجمی خشک‌دارهای ریز در نقاط مختلف جنگل‌های هیرکانی برای اجرای مدیریت بهینه به‌خصوص برای شرایط پسا تنفس است.
مواد و روش‌ها: این پژوهش در جنگل خیرودکنار در گرادیان‌های مختلف ارتفاعی از سطح دریا (1800-100 متر) با استفاده از یک طرح خوشه‌ای انجام شد. تعداد سه قطعه‌نمونه دایره‌ای با شعاع 7/32 متر با زوایای آزیموت 0، 120 و 240 درجه به شکل مثلث یا خوشه با فاصله 36/6 متر از یکدیگر پیاده شده و یک قطعه‌نمونه دیگر نیز با همان مساحت دقیقاً در مرکز این طراحی جانمایی شد. هر خوشه به‌صورت تصادفی با سه تکرار و در مجموع با 12 قطعه‌نمونه در یک گرادیان ارتفاعی از سطح دریا پیاده شد. در این پژوهش پیاده‌سازی قطعات نمونه از دامنه 100 تا 1800 متر ارتفاع از سطح دریا با اختلاف 150 متر انجام شد. سه کلاسه قطری شامل 5/2- 1، 4/5- 2/5 و 7/5- 4/5 سانتیمتر برای خشک‌دارهای ریز در نظر گرفته شد. برای اندازه‌گیری قطر خشک‌دارهای ریز یک ترانسکت خطی با آزیموت ثابت 150 درجه از مرکز هر قطعه‌نمونه دایره‌ای شکل پیاده شده و کلاسه قطری 2/5 – 1 سانتیمتر در فاصله 6/1- 4/27 متر و دیگر کلاسه‌های قطری در فاصله 7/32 – 4/27 متری برداشت شدند. روی هر ترانسکت قطر کلیه خشک‌دارهای ریزی که محور مرکزی آنها منقطع با خط ترانسکت بود با کولیس اندازه‌گیری و ثبت شد. در بدو تحلیل پس از بررسی حضور یا عدم حضور داده‌های پرت، واریوگرام‌های مشاهدات حجم بر اساس مدل‌های مختلف بر حسب فاصله و همبستگی مکانی واریانس برازش داده شدند. مبتنی بر درصد ساختار مکانی، ضریب تبیین (R2) و مجموع مربعات باقیمانده‌ها (RSS) مدل بهینه برای اجرای برآورد درون‌یابی روش کریجینگ معمولی انتخاب شد. بر مبنای برازش مدل‌ها یا عدم تناسب مدل واریوگرام خشک‌دارهای ریز در کلاسه‌های مختلف قطری به‌ترتیب از روش‌های کریجینگ و فاصله معکوس وزنی (IDW) برای درون‌یابی و برآورد متغیرهای پاسخ که در بین فواصل مختلف اندازه‌گیری نشدند، استفاده شد. متعاقباً از روش اثرات متقابل (Cross-validation) برای صحت‌سنجی برآوردهای موجودی حجمی خشک‌دارهای ریز استفاده شد. بر حسب برازش بین رقوم متغیرهای برآورد شده و مقادیر مشاهدات با استفاده از شاخص‌های ضریب تبیین و ریشه میانگین مربعات خطا (RMSE) میزان دقت تخمین و صحت پهنه‌بندی‌های انجام شده ارزیابی شد.
یافته‌ها: در این پژوهش یافته‌ها نشان داد که حجم کل خشمدارهای ریز در جنگل مورد پژوهش 24/3 مترمکعب در هکتار است. نتایج مدل‌سازی‌های واریوگرام نشان داد تغییرات مکانی حجم خشک‌دارهای ریز در کلاسه‌های قطری مختلف دارای ساختار مکانی متوسط بوده ولی به لحاظ مقادیر R2 و RSS دارای برازش مناسبی نبودند. بههمین منوال نتایج تحلیلی و پهنه‌بندی کریجینگ فقط برای خشک‌دارهای ریز کلاسه اول قطری به نسبت سایر کلاسه‌های قطری دارای دقت بیشتری بود ولی دقت برآوردی آن ضعیف بود (6/32RMSE= ،0/16=R2). نتیجه واریوگرافی موجودی حجمی خشک‌دارهای ریز نشان داد که خشک‌دارهای ریز کلاسه اول همسان‌گرد بوده و خشک‌دارهای ریز در دیگر کلاسه‌های قطری ناهمسان‌گرد هستند. با توجه به اینکه روش کریجینگ برای خشک‌دارهای کلاسه‌های دوم و سوم قطری پاسخگو نبود از روش فاصله معکوس وزنی استفاده شد. نتایج حاصل از تکنیک فاصله معکوس وزنی برای ارزیابی مکانی خشک دارهای ریز در کلاسه دوم و سوم قطری نشان داد که دقت برآوردی قابل ملاحظهای وجود ندارد. بدینترتیب مبتنی بر نتایج به‌دست آمده می‌توان عنوان نمود که معرفی انباشت حجمی خشک‌دارهای ریز بستر جنگل مورد پژوهش در گرادیان ارتفاعی از سطح دریا مطرود است.
نتیجه‌گیری: با استنباط از نتایج به‌دست آمده می‌توان عنوان نمود که تغییرات موجودی حجمی انباشت خشک‌دارهای ریز در گرادیان‌های مختلف ارتفاع از سطح دریا در جنگل مورد پژوهش مستقل از خودهمبستگی فاصله‌ای و همبستگی مکانی است. در واقع مبتنی بر نتایج به‌دست آمده می‌توان اذعان نمود که تغییرات موجودی حجمی انباشت خشک‌دارهای ریز در هر دامنه ارتفاع از سطح دریا در جنگل مورد پژوهش تحت تأثیر عوامل مختلف جنگل‌شناسی، بوم‌شناختی و زیستی هستند که در این رابطه وجه اشتراک بارز تأثیرگذار وجود ندارد.
مقدمه و هدف: قابل انتظار است که خشک‌دارهای ریز در جنگل‌های هیرکانی سهم قابل ملاحظهای از خدمات بوم‌شناختی را بهخود اختصاص دهد ولی در بخشهای مدیریتی و اجرایی اهمیت زیادی برای آن وجود ندارد. از طرفی با توجه به شاخص پایداری جنگل‌های طبیعی بر اساس تغییرات موجودی کربن و ارزش تولیدات چوبی و همچنین بر مبنای استقبال نظام‌های مدیریتی از اقتصاد سبز، پیش‌بینی می‌شود که خشک‌دارهای ریز بر خلاف ظاهر ناچیز آنها بهعنوان یکی از ذخایر کربن به لحاظ جنگل‌شناسی و حتی اقتصادی از جایگاه ویژه‌ای برخوردار باشد. بنابراین قابل توجیه است که استنباط درستی در رابطه با نحوه انباشت و تغییرات موجودی حجمی خشک‌دارهای مدنظر در نقاط مختلف جنگل‌های هیرکانی را باید دارا بود تا بتوان در ارزیابی‌های مدیریتی جنگل‌های مذکور به‌خصوص برای شرایط پسا تنفس (استراحت جنگل‌های هیرکانی) برای اِعمال عملیات جنگل‌شناسی مؤثر، فنون بهینه مدیریتی (جنگلداری) و افزایش خدمات بوم‌شناختی اقدام متناسبی را انجام داد. مبتنی بر این موارد، هدف اصلی پژوهش پیش رو تحلیل آمار مکانی تغییرات موجودی حجمی خشک‌دارهای ریز در نقاط مختلف جنگل‌های هیرکانی برای اجرای مدیریت بهینه به‌خصوص برای شرایط پسا تنفس است.
مواد و روش‌ها: این پژوهش در جنگل خیرودکنار در گرادیان‌های مختلف ارتفاعی از سطح دریا (1800-100 متر) با استفاده از یک طرح خوشه‌ای انجام شد. تعداد سه قطعه‌نمونه دایره‌ای با شعاع 7/32 متر با زوایای آزیموت 0، 120 و 240 درجه به شکل مثلث یا خوشه با فاصله 36/6 متر از یکدیگر پیاده شده و یک قطعه‌نمونه دیگر نیز با همان مساحت دقیقاً در مرکز این طراحی جانمایی شد. هر خوشه به‌صورت تصادفی با سه تکرار و در مجموع با 12 قطعه‌نمونه در یک گرادیان ارتفاعی از سطح دریا پیاده شد. در این پژوهش پیاده‌سازی قطعات نمونه از دامنه 100 تا 1800 متر ارتفاع از سطح دریا با اختلاف 150 متر انجام شد. سه کلاسه قطری شامل 5/2- 1، 4/5- 2/5 و 7/5- 4/5 سانتیمتر برای خشک‌دارهای ریز در نظر گرفته شد. برای اندازه‌گیری قطر خشک‌دارهای ریز یک ترانسکت خطی با آزیموت ثابت 150 درجه از مرکز هر قطعه‌نمونه دایره‌ای شکل پیاده شده و کلاسه قطری 2/5 – 1 سانتیمتر در فاصله 6/1- 4/27 متر و دیگر کلاسه‌های قطری در فاصله 7/32 – 4/27 متری برداشت شدند. روی هر ترانسکت قطر کلیه خشک‌دارهای ریزی که محور مرکزی آنها منقطع با خط ترانسکت بود با کولیس اندازه‌گیری و ثبت شد. در بدو تحلیل پس از بررسی حضور یا عدم حضور داده‌های پرت، واریوگرام‌های مشاهدات حجم بر اساس مدل‌های مختلف بر حسب فاصله و همبستگی مکانی واریانس برازش داده شدند. مبتنی بر درصد ساختار مکانی، ضریب تبیین (R2) و مجموع مربعات باقیمانده‌ها (RSS) مدل بهینه برای اجرای برآورد درون‌یابی روش کریجینگ معمولی انتخاب شد. بر مبنای برازش مدل‌ها یا عدم تناسب مدل واریوگرام خشک‌دارهای ریز در کلاسه‌های مختلف قطری به‌ترتیب از روش‌های کریجینگ و فاصله معکوس وزنی (IDW) برای درون‌یابی و برآورد متغیرهای پاسخ که در بین فواصل مختلف اندازه‌گیری نشدند، استفاده شد. متعاقباً از روش اثرات متقابل (Cross-validation) برای صحت‌سنجی برآوردهای موجودی حجمی خشک‌دارهای ریز استفاده شد. بر حسب برازش بین رقوم متغیرهای برآورد شده و مقادیر مشاهدات با استفاده از شاخص‌های ضریب تبیین و ریشه میانگین مربعات خطا (RMSE) میزان دقت تخمین و صحت پهنه‌بندی‌های انجام شده ارزیابی شد.
یافته‌ها: در این پژوهش یافته‌ها نشان داد که حجم کل خشمدارهای ریز در جنگل مورد پژوهش 24/3 مترمکعب در هکتار است. نتایج مدل‌سازی‌های واریوگرام نشان داد تغییرات مکانی حجم خشک‌دارهای ریز در کلاسه‌های قطری مختلف دارای ساختار مکانی متوسط بوده ولی به لحاظ مقادیر R2 و RSS دارای برازش مناسبی نبودند. بههمین منوال نتایج تحلیلی و پهنه‌بندی کریجینگ فقط برای خشک‌دارهای ریز کلاسه اول قطری به نسبت سایر کلاسه‌های قطری دارای دقت بیشتری بود ولی دقت برآوردی آن ضعیف بود (6/32RMSE= ،0/16=R2). نتیجه واریوگرافی موجودی حجمی خشک‌دارهای ریز نشان داد که خشک‌دارهای ریز کلاسه اول همسان‌گرد بوده و خشک‌دارهای ریز در دیگر کلاسه‌های قطری ناهمسان‌گرد هستند. با توجه به اینکه روش کریجینگ برای خشک‌دارهای کلاسه‌های دوم و سوم قطری پاسخگو نبود از روش فاصله معکوس وزنی استفاده شد. نتایج حاصل از تکنیک فاصله معکوس وزنی برای ارزیابی مکانی خشک دارهای ریز در کلاسه دوم و سوم قطری نشان داد که دقت برآوردی قابل ملاحظهای وجود ندارد. بدینترتیب مبتنی بر نتایج به‌دست آمده می‌توان عنوان نمود که معرفی انباشت حجمی خشک‌دارهای ریز بستر جنگل مورد پژوهش در گرادیان ارتفاعی از سطح دریا مطرود است.
نتیجه‌گیری: با استنباط از نتایج به‌دست آمده می‌توان عنوان نمود که تغییرات موجودی حجمی انباشت خشک‌دارهای ریز در گرادیان‌های مختلف ارتفاع از سطح دریا در جنگل مورد پژوهش مستقل از خودهمبستگی فاصله‌ای و همبستگی مکانی است. در واقع مبتنی بر نتایج به‌دست آمده می‌توان اذعان نمود که تغییرات موجودی حجمی انباشت خشک‌دارهای ریز در هر دامنه ارتفاع از سطح دریا در جنگل مورد پژوهش تحت تأثیر عوامل مختلف جنگل‌شناسی، بوم‌شناختی و زیستی هستند که در این رابطه وجه اشتراک بارز تأثیرگذار وجود ندارد.
واژه‌های کلیدی: پهنه‌بندی موجودی حجمی، ذخایر کربن، فاصله معکوس وزنی، کریجینگ، گرادیان ارتفاع از سطح دریا
فهرست منابع
1. Ahadi, Z., Alavi, S.J. & Hosseini, S.M. (2017). Beech forest site productivity mapping using ordinary kriging and IDW (Case study: research forest of Tarbiat Modares University). Forest and Wood Products, 70(1), 93-102 (In Persian).
2. Akhavan, R. & Kleinn, C. (2009). On the potential of kriging for estimation and mapping of forest plantation stock (Case study: Beneshki plantation). Iranian Journal of Forest and Poplar Research, 17(2), 303-318 (In Persian).
3. Akhavan, R., Mahdavi, A. & Kianfar, M. (2018). Analysis of the decline status of Zagrosian oak forests using spatial statistics (Case study: Zarab forests of Ilam). Iranian Journal of Forest and Range Protection Research, 16(2), 129-145.
4. Akhavan, R., Kia-Deliri, H. Etemad, V. Hassani, M. & Mirakhorlou, K.H. (2014). Geostatistically estimation and mapping of forest stock in a natural unmanaged forest in the Caspian region of Iran (Case study: Keyroud forest, Nowshahr). Iranian Journal of Forest and Poplar Research, 22(2), 188-203 (In Persian).
5. Akhavan, R., Zobeiri, M. ZahediAmiri, G.H. Namiranian, M. & Mandallaz, D. (2006). Spatial structure and estimation of forest growing stock using geostatistics in the Caspian region of Iran. Iranian Journal of Natural Resources, 59(1), 89-102 (In Persian).
6. Bangroo, S.A., Najar, G.R. Achin, E. & Truong, P.N. (2020). Application of predictor variables in spatial quantification of soil organic carbon and total nitrogen using regression kriging in the North Kashmir forest Himalayas. Catena, 193, 104632. [DOI:10.1016/j.catena.2020.104632]
7. Bessad, A., Bilger, I. & Korboulewsky, N. (2021). Assessing Biomass Removal and Woody Debris in Whole-Tree Harvesting System: Are the Recommended Levels of Residues Ensured? Forests, 12(6), 1-15. [DOI:10.3390/f12060807]
8. Campbell, J.L., Harmon, M.E. & Mitchell, S.R. (2012). Can fuel-reduction treatments really increase forest carbon storage in the western US by reducing future fire emissions? Frontiers in Ecology and the Environment, 10, 83-90. [DOI:10.1890/110057]
9. Daniel, J., Lennart, N. Thierry, B. & Arve. E. (2010). Plants as bioindicator for temperature interpolation purposes: Analyzing spatial correlation between botany based index of thermophily and integrated temperature characteristics. Ecological Indicator, 10, 990-998. [DOI:10.1016/j.ecolind.2010.02.007]
10. Delcourt, C.J.F. & Veraverbeke, S. (2022). Allometric equations and wood density parameters for estimating aboveground and woody debris biomass in Cajander larch (Larix cajanderi) forests of northeast Siberia. Biogeosciences, 19, 4499-4520. [DOI:10.5194/bg-19-4499-2022]
11. Eldrandaly, K.A. & Abu-Zaid, M.S. (2011). Comparison of six GIS-based spatial
12. interpolation methods for estimating air temperature in Western Saudi Arabia.
13. Journal of Environmental Informatics, 18(1), 38-45.
14. Eräjää, S., Halme, P. Kotiaho, J.S. Markkanen, A. & Toivanen, T. (2010). The volume and composition of dead wood on traditional and forest fuel harvested clear- cuts. Silva Fennica, 44, 203-211. [DOI:10.14214/sf.150]
15. Farooq, I., Bangroo, S. Bashir, O. Islam Shah, T. Malik, A.A. Iqbal, A.M. Nazir, N. & Biswas. A. (2022). Comparison of Random Forest and Kriging Models for Soil Organic Carbon Mapping in the Himalayan Region of Kashmir. Land, 11, 2180. [DOI:10.3390/land11122180]
16. Freeman, E.A. & Moisen. G.G. (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]
17. Harmon, M.E., Woodall, C.W. Fasth, B. & Sexton. J. (2007). Woody Detritus Density and Density Reduction Factors for Tree Species in the United States: A Synthesis. Northern Research Station, 84, 29. [DOI:10.2737/NRS-GTR-29]
18. Hosseinpour, A., Fallah, A. Niknejad, M. Hejazian, M. & Kalbi. S. (2023). Investigating of Kriging Geostatistic Method Capability for Forest Stand Volume Zoning (Case Study: Haftkhal Area). Ecology of Iranian Forests, 10(20), 120-128 (In Persian). [DOI:10.52547/ifej.10.20.120]
19. IBM Corp. Released. (2019). IBM SPSS Statistics for Windows, Version 23.0. Armonk, NY: IBM Corp.
20. IUFRO. (2004). Improvement and Silviculture of Beech, in: Proceedings from the 7th International Beech Symposium, Research Institute of Forests and Rangelands (RIFR), Tehran, Iran.
21. Kambhammettu, B.V.N.P., Allena, P. & King, J.P. (2011). Application and evaluation of universal kriging for optimal contouring of groundwater levels. Journal of Earth System Science, 120(3), 413-422. [DOI:10.1007/s12040-011-0075-4]
22. Korboulewsky, N., Bilger, I. & Bessad, A. (2021). How to Evaluate Downed Fine Woody Debris ncluding Logging Residues? Forests, 12(7), 1-20. [DOI:10.3390/f12070881]
23. López-Senespleda, E., Calama, R. & Ruiz-Peinado, R. (2021). Estimating forest floor carbon stocks in woodland formations in Spain. Science of the Total Environment, 788, 147734. [DOI:10.1016/j.scitotenv.2021.147734]
24. Ma, J., Li, X. Jia, B. Liu, X. Li, T. & Zhang, W. (2021). Spatial variation analysis of urban forest vegetation carbon storage and sequestration in built-up areas of Beijing based on i-Tree Eco and Kriging. Urban Forestry & Urban Greening, 66, 127413. [DOI:10.1016/j.ufug.2021.127413]
25. Mahdavi, A., Aziz, J. & Akhavan, R. (2016). Mapping tree density of Zagros oak forests using Kriging and Worldview-2 satellite images from Google Earth database. Journal of Wood & Forest Science and Technology, 23(4), 87-110 (In Persian).
26. Malmsheimer, R.W., Heffernan, P. Brink, S. Crandall, D. Deneke, F. Galik, C. Gee, E. Helms, J.A. McClure, N. Mortimer, M. Ruddell, S. Smith, M. & Stewart, J. (2008). Forest management solutions for mitigating climate change in the United States. Journal of Forestry, 106, 115-171. [DOI:10.1093/jof/106.3.115]
27. McKinley, D.C., Ryan, M.G. Birdsey, R.A. Giardina, C.P. Harmon, M.E. Heath, L.S. Houghton, R.A. Jackson, R.B. Morrison, J.F. Murray, B.C. Pataki, D.E. & Skog, K.E. (2011). A synthesis of current knowledge on forests and carbon storage in the United States. Ecological Applications, 21, 1902-1924. [DOI:10.1890/10-0697.1]
28. Munyati, C. & Sinthumule, N.I. (2021). Comparative suitability of ordinary kriging and Inverse Distance Weighted interpolation for indicating intactness gradients on threatened savannah woodland and forest stands. Environmental and Sustainability Indicators, 12, 100151. [DOI:10.1016/j.indic.2021.100151]
29. Nadiri, A., Shakoor, S. Asghari Moghadam, A. & Vadiati, M. (2014). Assessment of various interpolations to estimate nitrate pollution in the underground water resources. Hydro geomorphology, 1, 75-92 (In Persian).
30. Nejadkoorki, F. & Nicholson, K. (2012). Integrating passive sampling and interpolation
31. techniques to assess the spatio-temporal variability of urban pollutants using limited
32. data sets. Environmental Engineering and Management Journal, 11(9), 1649-1655.
33. Norden, B., Ryberg, M. Gotmark, F. & Olausson, B. (2004). Relative importance of coarse and fine woody debris for the diversity of wood-inhabiting fungi in temperate broadleaf forests. Biological Conservation, 117, 1-10. [DOI:10.1016/S0006-3207(03)00235-0]
34. Sefidi, K., M.R. Marviemohajer & V. Etemad. (2014). Coarse and fine woody debris accumulation in mixed beech stands, Case study Gorazbon forests. Journal of Forest Sustainable development, 1(2), 137-149 (In Persian).
35. Robertson, G.P. (2000). Gs+: geostatistics for the environmental sciences gamma design software. Michigan: Plainwell.
36. Taghipour, K., Heydari, M. Kooch, Y. Fathizad, H. Heung, B. & Taghizadeh-Mehrhjardi, R. (2022). Assessing changes in soil quality between protected and degraded forests using digital soil mapping for semiarid oak forests, Iran. Catena, 213, 106204. [DOI:10.1016/j.catena.2022.106204]
37. Tangwa, E., Wiktor, T. Wilem. P. & Yisa Ginath. Y. (2021). Predicting plant species richness in forested landslide zones using geostatistical methods. Ecological Indicators, 132, 108297. [DOI:10.1016/j.ecolind.2021.108297]
38. Van Wagner, C.E. 1968. The line intersect method in forest fuel sampling. Forest Science, 14(1), 20-26.
39. Woodall, C. & Williams, M.S. (2005). Sampling Protocol Estimation, and Analysis Procedures for the Down Woody Materials Indicator of the FIA Progam. North Central Research Station Forest Service U.S. Department of Agriculture, 47 pp. [DOI:10.2737/NC-GTR-256]
40. Woodall, C.W. & Liknes, G.C. (2008). Relationships between forest fine and coarse woody debris carbon stocks across latitudinal gradients in the United States as an indicator of climate change effects. Ecological Indicators, 8(5), 686- 690. [DOI:10.1016/j.ecolind.2007.11.002]
41. Woodall, C.W., Walters, B.F. Oswalt, S.N. Domke, G.M. Toney, C. & Gray, A.N. (2013). Biomass and carbon attributes of downed woody materials in forests of the United States. Forest Ecology and Management, 305, 48-59. [DOI:10.1016/j.foreco.2013.05.030]
42. Wu, J., Norvell, W.A. & Welch, R.M. (2006). Kriging on highly skewed data for DTPA extractable soil Zn with auxiliary information for pH and organic carbon. Geoderma, 134, 187-199. [DOI:10.1016/j.geoderma.2005.11.002]
43. Zobeiri, M. (2002). Forest Biometry. Tehran University Press. 411 pp.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
