تعیین طرح نمونه‌برداری خوشه‌ای بهینه در برآورد مشخصه‌های کمّی جنگل‌های زاگرس (جنگل‌های سامان عرفی اولادقباد)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دکتری جنگلداری، دانشکدۀ منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری

2 استاد، گروه جنگلداری، دانشکدۀ منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری

3 محقق، گروه جنگلداری، دانشگاه کشاورزی و منابع طبیعی سوئد، اومئو

4 استادیار، گروه جنگلداری، دانشکدۀ کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم‌آباد

5 استاد، گروه علوم و مهندسی جنگل، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری

چکیده

 
حفاظت و حمایت از جنگل‌ها نیازمند دسترسی به اطلاعات و آگاهی از ویژگی‌های ساختاری مانند تعداد در هکتار و تاج‌پوشش درختان است. پژوهش حاضر با هدف انتخاب طرح نمونه‌برداری خوشه‌ای بهینه در برآورد مشخصه‌های کمّی جنگل‌های زاگرس با توجه به سه مؤلفة دقت، صحت و زمان لازم برای نمونه‌برداری انجام گرفت. در راستای این پژوهش 30 هکتار از جنگل‌های سامان عرفی اولادقباد در غرب استان لرستان انتخاب شد. سپس در محیط نرم‌افزار 2014 Matlab موقعیت همۀ پایه‌ها شبیه‌سازی و طرح‌های مختلف نمونه‌برداری خوشه‌ای (مثلثی، مربعی، ستاره‌ای یک، خطی، ال‌شکل، ستاره‌ای دو) با در نظر گرفتن تعداد نمونه‌ها (30، 60 و 90) و برای سه فاصله (10، 20 و 30 متر) با تکرار 10000 مرتبه تعریف شد. نتایج نشان داد که اختلاف معنی‌داری بین میانگین برآوردشده از طرح‌های مختلف روش نمونه‌برداری خوشه‌ای وجود ندارد. براساس تعداد نمونه و فاصلۀ تحت بررسی، مشخص شد که اشتباه نمونه‌برداری برای طرح خطی از دیگر طرح‌ها کمتر است. کمترین مقدار شاخص  E%2×T(حاصل‌ضرب مربع درصد اشتباه نمونه‌برداری در زمان) برای مشخصۀ تعداد درختان در هکتار و تاج‌پوشش درختان، به‌ترتیب برای طرح‌های مربعی (99/770) و خطی (2347) برآورد شد. بررسی میزان صحت طرح‌های مختلف نیز نشان داد که برای هر دو مشخصۀ مذکور طرح ستاره‌ای دو کمترین میزان اریبی را داشته است. در مجموع با در نظر گرفتن نتایج به‌دست‌آمده می‌توان اذعان داشت که طرح‌های خطی و ستاره‌ای دو به‌ترتیب از نظر شاخص E%2×T و صحت، طرح‌های بهینه برای برآورد مشخصه‌های کمّی جنگل است.

کلیدواژه‌ها


عنوان مقاله [English]

Assessing the Optimum Cluster Sampling Plan for Estimating the Quantitative Characteristics of Zagros Forests (Case study: watershed Olad Ghobad forests)

نویسندگان [English]

  • N. Nazariani 1
  • A. Fallah 2
  • H. Ramezani 3
  • H. Naghavi 4
  • Hamid Jalilvand or Djalilvand 5
1 Ph.D. of Forestry., Dept. of Forestry, Faculty of Natural Resources, Sari University of Agricultural Sciences and Natural Resources, Sari, I. R. Iran
2 Prof., Dept. of Forestry, Faculty of Natural Resources, Sari Agricultural Sciences and Natural Resources University, Sari, Iran
3 Researcher., Dept. of Forestry, Faculty of Economics, Sweden University of Agriculture and Natural Resources, Umeau, Sweden
4 Assistant Prof., Dept. of Forestry, Faculty of Agriculture and Natural Resources, University of Lorestan, Khoramabad, Iran.
5 Professor/ Department of Science and Forest Engineering, Faculty of Natural Resources, Sari Agricultural Sciences and Natural Resources University
چکیده [English]

 
Protection and conservation of forests require access to information and awareness of structural features such as number per hectare and canopy cover of trees. This study aimed to select the optimal cluster sampling design in estimating the quantitative characteristics of the forest according to the three measures including accuracy, precision, and time required for the sampling. For this purpose, 30 hectares of watershed Olad Ghobad forests in the west of Lorestan province were selected. The Cartesian coordinates of all the trees in them were determined. In Matlab2014 software environment, the position of all trees was simulated. Then different cluster sampling designs (triangular, square, star 1, linear, L-shaped, star 2) were  defined in the research  by taking into account the number of samples (30, 60, and 90) and three distances (10, 20, and 30 meters). These processes repeated 10,000 times. The results showed that there was no significant difference between the estimated mean of different designs of cluster sampling methods of the study area. Based on the number of samples and the distance studied, it was found that sampling error for linear design has the highest accuracy compared to other designs. The results of estimating the E%2× T index for the characteristic number of trees per hectare and canopy cover showed the lowest values for the square (770.99) and linear (2347) designs, respectively. The results of accuracy estimation for both mentioned characteristics of Star 2 Design showed the lowest values (18.83) and (-5.54), respectively. The results of accuracy estimation for both mentioned characteristics of Star 2 Design showed the lowest values (18.83) and (-5.54), respectively.

کلیدواژه‌ها [English]

  • Canopy cover
  • Cost
  • E%2× T Index
  • Forest inventory
  • Number per hectare
  • Precision
 
Amini, M., Amini, R., Sagheb Talebi, K.h., & Khornkeh, S. (2016). Estimation of tree number and structure determination of forest stands in two clustering and random ordering methods. Iranian Journal of Forest and Poplar Research, 23(4), 719-731.
Aune-Lundberg, L., & Strand, G.H. (2014). Comparison of variance estimation methods for use with two-dimensional systematic sampling of land use/land covers data. Environmental modelling & software, 61, 87-97.
Bonyad, A. A. (2015). Forest sampling methods. Guilan University Press, Rasht, Iran, 403 p.
Burkhart, H.E., & Gregoire, T.G. (1994). Forest biometrics. Handbook of Statistics, 12, pp.377-407.
Eshagh Nimvari, J., Zobeyri, M., Sobhani, H., & Pourshafi Zanganeh, H. (2003). A Comparison of Randomized -Systematic Sampling with Circule shape Plot and Transect Method, Based on Precision and Cost in West Oak Forest. Iranian Journal of Natural Resources, 56 (4), 383-395.
Esmaeeli, Z., Pilehvar, B.A. Kaboodi, B., & Mirazadi, Z. (2017). The Appropriate Sampling Method for Estimating Density and Crown Canopy of Declined Oak Stands in Dinarkooh Protected Forest, Abdanan, Ilam. Ecology of Iranian Forests, 5(10), 53-60.
Fehrmann, L. (2013). Wiki on forest monitoring. http://wiki.awf. forst.uni-goettingen.de/wiki, visited October 2013.
Fereidoni, S., Soleimani, N., & Derikvand, B. (2005). National Report on Providing Vegetation Map of Lorestan Province. Natural Resources Office of Lorestan Province. 57 p.
Grafström, A., Zhao, X., Nylander, M., & Petersson, H. (2017). A new sampling strategy for forest inventories applied to the temporary clusters of the Swedish national forest inventory. Canadian Journal of Forest Research, 47(9), 1161-1167.
Kleinn, C. (1994). Comparison of the performance of line sampling to other forms of cluster sampling. Forest ecology and management, 68(2-3), 365-373.
Korhonen, K.T., & Maltamo, M. (1991). The evaluation of forest inventory designs using correlation functions. Silva Fennica, 25(2), 77-83.
Miao, N., Liu, L., Yu, H., Shi, Z., Moermond, T., & Liu, Y. (2014). Spatial analysis of remnant tree effects in a secondary Abies-Betula forest on the eastern edge of the Qinghai–Tibetan Plateau, China. Forest Ecology and Management, 313, 104–111.
Moradi Imam Qaisi, A., Bonyad, A. A., & Hassanzad Navroodi, A. (2017). Evaluation of the accuracy of cluster sampling and regularization sampling methods in estimating quantitative characteristics of Ardel Protected Forests. Forest Resource Planning, 1(2), 1-10.
Moreno-Sanchez, R., Carver, D.P., Torres-Rojo, J.M., & Anthamatten, P. (2021). Assessment of the classification accuracy of the Globeland30 Forest class for the temperate and tropical forests of Mexico. Applied Geomatics, 13(2), 147-163.
Naghavi, H. (2015). Application of Quickbird Satellite Images in Estimation of Canopy Level of Zagros Forests (Case Study: Ghaleh Khorramabad Area), PhD Thesis, Faculty of Natural Resources, Sari University of Agriculture and Natural Resources, Sari, Iran, 120 p.
Naghavi, H., Fallah, A., Jalilvand, H., & Soosani, J. (2009). Determination of the most appropriate transect length for estimation of quantitative characteristics in Zagros forests. Iranian Journal of Forest, 1(3), 229-238.
Nouraldini, A., & Pourshakouri, F. (2011). Classification of forest canopy on aerial photos using histological analysis (Case study: Lorestan Tawforest Forest). Remote Sensing and GIS Iran, 3 (4), 46-33.
Sagheb Talebi, Kh., Sajedi, T., & Yazdian, F, (2005). Forests of Iran. Published by Research Institute of Forest and Rangelands, Tehran, 56p
Salehi, A., & Taheri Sarteshnizi, M.J. (2014). Comparison of accuracy assessment of canopy cover density using a device similar to Cajanus tube and line intersect sampling in a Persian oak stand. Iranian Journal of Forest, 6(3), 309-320.
Salmani, A., Poursaeed, A.R., Bayramzadeh, V., & Eshraghi Samani, R. (2021). Explaining the criteria and indicators of sustainable management of forests in Zagros basin from the point of view of forest specialists and experts.  Iranian Journal of Forest, 13(1), 43-58.
Sheikholeslami, N., Erfani Fred, S., Fallah, Y., Shamsi, S., Masoudi, R.M., & Khosravi, A. (2017). The Effect of Spatial Patterns of Trees on the Efficiency of Distance and Sampling Sampling Methods in Zagros Firms. Iranian Forest Journal, Iranian Forestry Association, 9,101-117.
South wood, T.R.E., & Henderson, P.A. (2000). Ecological Methods. Blackwell science. http://www.blackwell science.com/south wood, 575pp.
Yim, J.S., Shin, M.Y., Son, Y., & Kleinn, C. (2015). Cluster plot optimization for a large area forest resource inventory in Korea. Forest Science and Technology, 11, 139-146.
Zobeiri, M. (2007). Forest Biometrics. TehranUniv. Press, 405 p.
دوره 14، شماره 1
خرداد 1401
صفحه 37-48
  • تاریخ دریافت: 17 فروردین 1400
  • تاریخ بازنگری: 14 مرداد 1400
  • تاریخ پذیرش: 16 شهریور 1400
  • تاریخ اولین انتشار: 01 خرداد 1401