دوره 12، شماره 2 - ( پاییز و زمستان 1403 )                   جلد 12 شماره 2 صفحات 72-59 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
seyed mousavi S Z, mohamadi J, darvishzadeh R, shtaee Jouibary S, rahmani R, ghorbani K. (2024). The Effects of Changes in the Forest Structure’s Quantitative Traits on the Leaf Area Index in Hyrcanian Forests, Golestan Province. Ecol Iran For. 12(2), 59-72. doi:10.61186/ifej.12.2.59
URL: http://ifej.sanru.ac.ir/article-1-556-fa.html
سید موسوی سیده زهرا، محمدی جهانگیر، درویش زاده روشنک، شتایی جویباری شعبان، رحمانی رامین، قربانی خلیل. اثر تغییرات مشخصه‎ های کمی ساختار توده ‎های جنگلی بر روی شاخص سطح برگ در جنگل‎ های هیرکانی، استان گلستان بوم شناسی جنگل های ایران (علمی- پژوهشی) 1403; 12 (2) :72-59 10.61186/ifej.12.2.59

URL: http://ifej.sanru.ac.ir/article-1-556-fa.html

اثر تغییرات مشخصه‎ های کمی ساختار توده ‎های جنگلی بر روی شاخص سطح برگ در جنگل‎ های هیرکانی، استان گلستان
سیده زهرا سید موسوی* 1، جهانگیر محمدی1، روشنک درویش زاده2، شعبان شتایی جویباری1، رامین رحمانی3، خلیل قربانی4
1- گروه مدیریت جنگل، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
2- گروه علوم اطلاعات جغرافیایی و رصد زمین (ITC)، دانشگاه توئنته، هلند
3- گروه جنگل‎ شناسی و اکولوژی جنگل، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
4- گروه مهندسی آب، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
چکیده:   (272 مشاهده)
چکیده مبسوط
مقدمه و هدف: شاخص سطح برگ در بین شاخص‎های ساختاری توده، به‎عنوان یک متغیر کلیدی در وضعیت اکوسیستم‎های جنگلی می‎باشد این شاخص از مهم‎ترین شاخص‎های ساختاری جنگل است که در فرآیندهای تبخیر و تعرق و پایش رشد درختان نقش مهمی دارد. نقش شاخص سطح برگ در بررسی تغییرات مشخصه‎های کمی ساختار توده‎های جنگلی بسیار مهم است. ارتباط کلی بین شاخص سطح برگ با مشخصه‎های کمی توده وجود دارد. سطح برگ هر درخت می‎تواند با استفاده از معادلات آلومتریک مشخصه‎های کمی برآورد شود. این پژوهش اثر تغییرات مشخصه‎های کمی حجم در هکتار، تعداد در هکتار، رویه زمینی در هکتار، مساحت تاج در هکتار، حجم تاج در هکتار و میانگین قطر و ارتفاع بر شاخص سطح برگ و تهیه معادلات آلومتریک آن‎ها در جنگل‎های پهن‎برگ استان گلستان را مورد ارزیابی قرار می‎دهد.
مواد و روش‎ها: در این مطالعه جهت برداشت اطلاعات زمینی شاخص سطح برگ 227 قطعه‌نمونه دایره‎ای شکل به مساحت 1000 مترمربع با روش نمونه‌برداری سیستماتیک و شبکه 100×100 متر در پنج رویشگاه از غرب به شرق (کردکوی، شصت کلاته، زرین گل، سرخداری و لوه) پیاده شد. در مرکز هر قطعه‌نمونه تله برداشت برگ با ابعاد 60×60 سانتی‎متر برای اندازه‎گیری شاخص سطح برگ استفاده شد. مرکز جغرافیایی هر قطعه‌نمونه با استفاده از دستگاه سیستم موقعیت‌یاب جهانی تفاضلی ثبت شد. در هر قطعه‎نمونه نوع گونه، قطر برابرسینۀ بیشتر از 12/5 سانتی‌متر، ارتفاع درختان،  قطر بزرگ و قطر کوچک تاج اندازه‌گیری شد سپس حجم در هکتار، تعداد در هکتار، رویه زمینی در هکتار، مساحت تاج در هکتار، حجم تاج در هکتار و میانگین قطر و ارتفاع واقع در هر قطعه‌نمونه محاسبه شد. برای محاسبه شاخص سطح برگ ابتدا لازم است سطح ویژه برگ تمامی گونه‎ها در منطقه مورد مطالعه اندازه‎گیری شود. برای محاسبه شاخص سطح برگ نیز از هرگونه‌ی درختی در هر رویشگاه 20 درخت و از هر درخت پنج نمونه برگ در چهار جهت جغرافیایی جدا شد. در پنج رویشگاه در مجموع بیش از15000 نمونه برگ آنالیز و اسکن شد. مساحت هر برگ با استفاده از نرم‌افزار ImageJ اندازه‌گیری شد. وزن‌تر و خشک و مساحت سطح به‌طور هم‌زمان با استفاده از ترازوی دیجیتالی با دقت 0/01 اندازه‌گیری و سپس با اسکنر با وضوح بالا اسکن شد. برگ‎ها پس از اسکن در دمای 72 درجه سانتی‌گراد به‎مدت 48 ساعت در آون خشک شدند و وزن خشک آن‌ها توزین شدند. جهت بررسی روابط بین شاخص سطح برگ و مشخصه‎های ساختاری توده از مدل‎های غیرخطی رشنال فانکشن، گوسین، هایپر بولیک، هیت کاپاسیتی و نمایی استفاده شد.
یافته‎ها: نتایج آنالیز آماره‎های توصیفی نشان داد که میزان حداقل، حداکثر، میانگین و انحراف معیار شاخص سطح برگ برای 227 قطعه‌نمونه به‎ترتیب (1/86، 13/45، 6/33 و 2/33) محاسبه شد. نتایج آنالیز آماره‎های توصیفی همچنین نشان داد که میانگین و انحراف معیار برای مشخصه‎های حجم در هکتار، تعداد در هکتار، رویه زمینی در هکتار، مساحت تاج در هکتار، حجم تاج در هکتار و میانگین قطر و ارتفاع نیز به‎ترتیب (298/96 و 205/18)، (24/05 و 12/82)، (24/05 و 12/82)، (148/51و 155/54)، (781/2 و 95/05)، (36/41 و 9/97) و (25/81و 4/93) محاسبه شد. نتایج بررسی روابط بین شاخص سطح برگ با مشخصه‎های کمی حجم در هکتار، تعداد در هکتار، رویه زمینی در هکتار، مساحت تاج در هکتار، حجم تاج در هکتار و میانگین قطر و ارتفاع میزان ضرایب تبین را بین (0/96 - 0/36R2 =) و میزان میانگین مربعات خطا را بین (2/06- 0/48= MSE) نشان داد. نتایج همچنین نشان داد که در بین مشخصه‎های کمی بررسی شده، مشخصه‎های کمی میانگین ارتفاع، حجم تاج در هکتار و حجم در هکتار بیشترین ضریب تبیین (0/96- 0/9R2 =) و میانگین مربعات خطا (0/56 – 0/48 = MSE) محاسبه شد. با مدل‎های آلومتریک گوسین، ریچارد و هیت کاپاسیتی و مشخصه تعداد در هکتار با مدل آلومتریک گوسین کمترین میزان ضریب تبیین (0/36R2 =) و میانگین مربعات خطا (2/06 = MSE) را در بررسی با شاخص سطح برگ داشتند. نتایج همچنین نشان داد که برای مشخصه‎های حجم تاج در هکتار تا 400 متر مکعب سیر تغییرات شاخص سطح برگ زیاد و سپس بعد از آن سیر یکنواختی دارد. برای مشخصه میانگین ارتفاع تا 40 متر سیر تغییرات شاخص سطح برگ زیاد می‎باشد. برای مشخصه حجم در هکتار نیز تا 800 متر مکعب شاخص سطح برگ با سیر صعودی افزایش می‎یابد و سپس بعد از آن تا 1200 متر مکعب سیر یکنواخت و حتی نزولی دارد.
نتیجه‎گیری: نتایج حاصل از این تحقیق نشان داده شد که سه مشخصه کمی حجم تاج در هکتار، میانگین ارتفاع و حجم در هکتار بیشترین تأثیر را بر روی تغییرات شاخص سطح برگ دارند و این سه مشخصه بهتر می‎توانند شاخص سطح برگ را تبیین کنند. با استفاده از این سه مشخصه حجم تاج در هکتار، میانگین ارتفاع و حجم در هکتار می‎توان شاخص سطح برگ را برآورد نمود. نتایج همچنین نشان داد که بر اساس مشخصه‎های مشخصه حجم تاج در هکتار، میانگین ارتفاع و حجم در هکتار می‎توان شاخص سطح برگ را در مقیاس وسیع تبیین کرد و نتایج برآوردی را می‎توان در مدل‎های اقلیمی و تدوین سیاست‌های مناسب تغییرات اقلیمی مورد بررسی قرار داد.
 
واژه‌های کلیدی: شاخص سطح برگ، حجم در هکتار، میانگین ارتفاع، ریچارد، گوسین، استان گلستان
متن کامل [PDF 1031 kb]   (103 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: اکولوژی جنگل
دریافت: 1403/1/29 | پذیرش: 1403/4/5
فهرست منابع
1. Ahmadi, K., Kalantar, B., Saeidi, V., Harandi, E. K., Janizadeh, S., & Ueda, N. (2020). Comparison of machine learning methods for mapping the stand characteristics of temperate forests using multi-spectral sentinel-2 data. Remote Sensing, 12(18), 3019. (In Persian). [DOI:10.3390/rs12183019]
2. Anonym. (2007). Loveh Forestry Plan Booklet, Golestan Province General Department of Natural Resources, 262 pp.
3. Anonym. (2007). Sorkhdary Forest Management Plan, Forest, Range and Watershed Manegement organization Press, 253 pp (In Persian).
4. Anonym. (2008). Zarrin gol Forestry Plan Booklet, Golestan Province General Department of Natural Resources, 240 pp.
5. Babaei Kafaki, S., Khademi, A., & Mataji, A. (2009). Relationship between leaf area index and phisiographical and edaphical condition in a Quercus macranthera stand (Case study: Andebil's forest, Khalkhal). Iranian Journal of Forest and Poplar Research, 17(2), 289-280 (In Persian).
6. Bormann, B. T. (1990). Diameter-based biomass regression models ignore large sapwood-related variation in Sitka spruce. Canadian Journal of Forest Research, 20(7), 1098-1104. [DOI:10.1139/x90-145]
7. Bradshaw, J. D., Rice, M. E., & Hill, J. H. (2007). Digital analysis of leaf surface area: effects of shape, resolution, and size. Journal of the Kansas Entomological Society, 80(4), 339-347 [DOI:10.2317/0022-8567(2007)80[339:DAOLSA]2.0.CO;2]
8. Buchmann, N., & Schulze, E. D. (1999). Net CO2 and H2O fluxes of terrestrial ecosystems. Global Biogeochemical Cycles, 13(3), 751-760. doi: 0886-6236/99/1999GB900016512.00 [DOI:10.1029/1999GB900016]
9. Chason, J., Baldocchi, D., & Hutson, M. (1991). A comparison of direct and indirect methods for estimating forest leaf area. Agric For Meteorol, 57, 107-28. [DOI:10.1016/0168-1923(91)90081-Z]
10. Chaturvedi, R. K. & Raghubanshi, A.S. (2015). Allometric models for accurate estimation of aboveground biomass of teak in tropical dry forests of India. Forest Science, 61, 938-949. [DOI:10.5849/forsci.14-190]
11. Chaturvedi, R. K., Singh, S., Singh, H., & Raghubanshi, A. S. (2017). Assessment of allometric models for leaf area index estimation of Tectona grandis. Tropical Plant Research, 4(2), 274-285. [DOI:10.22271/tpr.2017.v4.i2.037]
12. DOI: 10.22271/tpr.2017.v4.i2.037. [DOI:10.22271/tpr.2017.v4.i2.037]
13. Doctor Bahramnia Forestry plan Management. (2009). Forest Science Faculty, Gorgan university of Agricultural Sciences and Natural Recourses, 478p (In Persian).
14. Eermak, J. (1998). Leaf distribution in large trees and stands of the floodplain forest in southern Moravia. Tree Physiol, 18, 727-737. [DOI:10.1093/treephys/18.11.727]
15. Fava, F., Colombo, R., Bocchi, S., Meroni, M., Sitzia, M., Fois N., & Zucca, C. (2009). Identification of hyperspectral vegetation indices for mediterranean pasture characterization. International Journal of Applied Earth a Geoinformation, 11, 233-243. doi:10.1016/j.jag.2009.02.003 [DOI:10.1016/j.jag.2009.02.003]
16. Kamal, M., Phinn, S., Johansen, K., & Adi, N.S. (2016). Estimation of Mangrove leaf area index from ALOS AVNIR-2 data (A comparison of tropical and sub-tropical mangroves). Advances of Science and Technology for Society: Proceedings of the 1st International Conference on Science and Technology, 11-13 November, ogyakarta, Indonesia, 040005-1-040005-6. https://doi.org/10.1063/1.4958480 [DOI:10.1063/1.4958480.]
17. Kenefic, L. S., & Seymour, R. S. (1999). Leaf area prediction models for Tsuga canadensis in Maine. Canadian Journal of Forest Research, 29(10), 1574-1582. [DOI:10.1139/x99-134]
18. Kordkoy management of forestry project. (2008). Forests, Range and Watershed Organization. 249 pp.
19. Le Dantec, V., Epron, D., & Dufrêne, E. (1999). Soil CO 2 efflux in a beech forest: comparison of two closed dynamic systems. Plant and Soil, 214, 125-132. [DOI:10.1023/A:1004737909168]
20. Li, Y., Johnson, A.D., Su, Y., Cui, J., & Zhang, T. (2005) Specific leaf area and leaf dry matter content of plants growing in sand dunes. Botanical Bulletin of Academia Sinica, 46(2), 127-134.
21. Marshall, J. D., & Waring, R. H. (1986). Comparison of methods of estimating leaf-area index in old-growth Douglas-fir. Ecology, 67, 975-979. doi:10.1093/forestry/cpaa037. [DOI:10.1093/forestry/cpaa037]
22. McDowell, N. G., Phillips, N., Lunch, C., Bond, B. J., & Ryan, M. G. (2002). An investigation of hydraulic limitation and compensation in large, old Douglas-fir trees. Tree Physiology, 22(11), 763-774. [DOI:10.1093/treephys/22.11.763]
23. Mohammadi, J., & Masoudi, N. (2022). Estimation beech (Fagus Orientalis L) and hornbeam (Carpinus betulus L) trees height using nonlinear models and mixed-effects model. Forest and Wood Products, 74(4), 433-443. https://doi.org/ 10.22059/JFWP.2021.327204.1176. [DOI:10.22059/JFWP.2021.327204.1176.]
24. Peper, P. J., McPherson, E. G., & Moriz, S. M. (2001). Equation for predicting diameter, height, crown width, and laef area of San Joaquin Valley street. Journal of Arboriculture, 327, 6. [DOI:10.48044/jauf.2001.034]
25. Pourhashemi, M., Eskandari, S., Dehghani, M., Najafi, T., Asadi, A., & Panahi, P. (2012). Biomass and leaf area index of Caucasian Hackberry (Celtis caucasica Willd.) in Taileh urban forest, Sanandaj, Iran. Iranian Journal of Forest and Poplar Research, 19(4), 609-620 (In Persian).
26. Pretzsch, H., & Mette, T. (2008). Linking stand-level self-thinning allometry to the tree-level leaf biomass allometry. Trees, 22(5), 611-622. [DOI:10.1007/s00468-008-0231-x]
27. Rahmani, R., Ghorbani, S., & Naghash Zargaran, M. (2014). Measurement and modelling litter biomass and leaf area index using allometry in a Beech-Hornbeam stand in the mid-elevation of the Hyrcanian region, Iran. Iranian Journal of Forest and Poplar Research, 22(4), 687-701 (In Persian).
28. Sarvazad, A., Fallah, A., & Vadedi, A. A. (2023). Investigation the Effect of Dead Trees on the Trend of Changes in Soil Carbon Storage Across an Altitudinal Gradient of Western Quercus Forests (Case study: Qalajeh Forest). Ecol Iran For, 11(22), 130-137 (In Persian). doi:10.61186/ifej.11.22.130 [DOI:10.61186/ifej.11.22.130]
29. Tahmasebi, M., Bordbar, S. K., Porhashemi, M., & Najafifar, A. (2023). The Impact of Aspect on Forest Structural Characteristics in Zagros Forests (Case Study: Tangdalab forests of Ilam province). Ecol Iran For, 11(22), 32-43 (In Persian). doi:10.61186/ifej.11.22.32 [DOI:10.61186/ifej.11.22.32]
30. Tian, L., Qu, Y., & Qi, J. (2021). Estimation of forest LAI using discrete airborne LiDAR: a review. Remote Sensing, 13(12), 2408. dio: 10.3390/rs13122408 [DOI:10.3390/rs13122408]
31. Tobin, B., Black, K., Osborne, B., Reidy, B., Bolger, T., & Nieuwenhuis, M. (2006). Assessment of allometric algorithms for estimating leaf biomass, leaf area index and litter fall in different-aged Sitka spruce forests. Forestry, 79(4), 453-465. [DOI:10.1093/forestry/cpl030]
32. Tran, P. (2014). Allometry, Biomass and litter decomposition of the New Zealand mangrove Avicennia marina var. australasica. MSc thesis. School of Applaied Sciences. New Zealand, 63p. http://dx.doi.org/10.5849/forsci.11- 120
33. Turner, D.P., Cohen, W.B., Kennedy, R.E., Fassnacht, K.S., & Briggs, J.M. (1999). Relationships between leaf area index and TM spectral vegetation indices across three temperate zone sites. Remote Sens. Environ, 70, 52-68. [DOI:10.1016/S0034-4257(99)00057-7]
34. Valipour, A., Namiranian, M., Ghazanfari, H., Heshmatol Vaezin, S. M., Lexer, M. J., & Plieninger, T. (2013). Relationships between forest structure and tree's dimensions with physiographical factors in Armardeh forests (Northern Zagros). Iranian journal of Forest and Poplar research, 21(1), 30-47 (In Persian). https://doi:10.22092/IJFPR.2013.3336
35. Vyas, D., Mehta, N., Dinakaran, J., & Krishnayya, N. (2010) Allometric equations for estimating leaf area index (LAI) of two important tropical species (Tectona grandis and Dendrocalamus strictus). Journal of Forest Research, 21, 197-200. DOI: 10.1007/s11676-010-0032-0 [DOI:10.1007/s11676-010-0032-0]
36. Waring, R. H., (1983). Estimating forest growth and efficiency in relation to canopy leaf area. In: Macfadyen, A., Ford, E.D. (Eds.), Advances in Ecological Research, vol. 13. Academic Press, San Diego, 327-354. https://doi.org/10.1016/S0065-2504(08)60111-7 [DOI:10.1093/treephys/12.10.314]
37. Welles, J., & Norman, J. (1991). Instrument for indirect measurement of canopy architecture. Agron. J. 83, 818-825. [DOI:10.2134/agronj1991.00021962008300050009x]
38. Wilby, R. L., & Dawson, C.W. (2013). "The statistical downscaling model :insights from one decade of application". International Journal of Climatology, 33(7), 1707-1719. [DOI:10.1002/joc.3544]
39. Zhu, Z., Kleinn, C., & Nölke, N. (2021). Assessing tree crown volume-A review. Forestry: An International Journal of Forest Research, 94(1), 18-35. [DOI:10.1093/forestry/cpaa037]
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 می‌باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

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

Designed & Developed by: Yektaweb