اثر مونه‌بندی روی تصاویر ماهواره‌ای قبل از نمونه‌برداری خوشه‌ای در افزایش دقت برآورد مشخصات کمی جنگل‌ (مطالعۀ موردی: باینگان، کرمانشاه)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، گروه جنگلداری، دانشکدۀ منابع طبیعی دانشگاه یزد، یزد

2 استادیار گروه جنگلداری، دانشکدۀ منابع طبیعی دانشگاه یزد، یزد

3 استادیار گروه مدیریت بیابان، دانشکدۀ منابع طبیعی دانشگاه یزد، یزد

چکیده

در تحقیق حاضر از مونه‌بندی قبل از نمونه‌برداری خوشه‌ای برای برآورد مشخصات کمی جنگل‌های بلوط در بخش باینگان کرمانشاه استفاده شد. ابتدا مونه‌بندی روی تصاویر ماهوارۀ لندست 8 انجام گرفت و منطقه به چهار مونه از نظر NDVI تقسیم شد. تعداد نمونۀ مورد نیاز برای کل جنگل، با نمونه‌برداری اولیه و براساس دقت محاسبه و با توجه به ناهمگنی بین مونه‌ها تقسیم شد. در مجموع 34 خوشۀ پنج‌نمونه‌ای شامل 170 قطعه‌ نمونۀ 90×90 متر در سطح 30 هزار هکتار از جنگل به‌صورت تصادفی برداشت شد. نتایج محاسبات با مونه‌بندی نشان داد که تراکم جنگل‌های منطقۀ مورد مطالعه 49/149 پایه، تاج‌پوشش 62/1367 متر مربع (67/13 درصد) و سطح مقطع 21/3 متر مربع در هکتار با اشتباه نمونه‌برداری به‌ترتیب 74/1، 65/2 و 14/3 درصد است. اما در حالت بدون مونه‌بندی تراکم، تاج‌پوشش و سطح مقطع در هکتار جنگل به‌ترتیب 8/221، 5/2013 و 77/4 با اشتباه نمونه‌برداری به‌ترتیب 11/9، 14/9 و 33/9 درصد بود. بنابراین اشتباه نمونه‌برداری با مونه‌بندی بسیار کمتر از روش خوشه‌ای بدون مونه‌بندی بود، اگرچه برآوردهای انجام‌گرفته از مشخصات کمی جنگل نیز کمتر بودند. این تفاوت به‌واسطۀ نقش زیاد مونه نخست در محاسبۀ میانگین جنگل بوده که مساحت (وزن) زیاد اما تراکم و تاج‌پوشش کم داشته است. مونه‌بندی قبل از نمونه‌برداری تعداد نمونۀ مورد نیاز برای رسیدن به خطای 10 درصد را 80-66 درصد کاهش داد. بر این اساس و با توجه به ناهمگنی موجود در ترکیب، تراکم و پوشش جنگل‌های غرب کشور، می­توان گفت استفاده از مونه‌بندی قبل از نمونه‌برداری موجب افزایش دقت شده و در کارهای اجرایی نیز قابل توصیه است. 

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Effect of pre-stratification on increasing the precision of cluster sampling method to estimate forest attributes (Case study: Bayangan, Kermanshah)

نویسندگان [English]

  • A. Nouri 1
  • Bahman Kiani 2
  • mohammad hossein hakimi meibodi 3
  • M.H. Mokhtari 3
1 M.Sc. of Forestry, Faculty of Natural Resources, University of Yazd, Yazd, I. R. Iran
2 Assistant Prof., Department of Forestry, Faculty of Natural Resources, University of Yazd, Yazd, I. R. Iran
3 Assistant Prof., Department of Desert Management, Faculty of Natural Resources, University of Yazd, Yazd, I. R. Iran
چکیده [English]

In this study a pre-stratification was applied to estimate quantitative attributes of oak forests by cluster sampling method in Bayangan district, Kermanshah province. Firstly stratification was conducted according to NDVI on landsat-8 images and four strata were determined. Sample size was computed according to allowable error and samples were allocated to three strata with regard to their heterogeneity. Totally 34 five-plot clusters include 170 samples with 90×90 meter dimensions were measured in 30000 ha area of study area. Crown diameter and diameter at breast height (DBH) were measured and finally density, crown cover and basal area per unit area were computed. Results of stratified sampling showed 149.5 tree, 1367.6 m2.ha-1 (13.67 percent) and 3.21 m2.ha-1 for density, crown cover and basal area respectively. While this measures for cluster sampling without stratification were 221.8, 2013.5 and 4.77 respectively. This was due to high acreage (weight) but low density and crown cover in the first strata with huge effect on forest mean. Error percent was 1.74, 2.65 and 3.14 for pre-stratification status and 9.11, 9.14 and 9.33 for cluster sampling without stratification. It can be said that pre-stratification can decrease sample size from 66 to 80 percent. We conclude that with regards to heterogeneity of Zagros forests in type, density and crown cover, pre-stratification can improve precision of cluster sampling and is recommended for general inventories.

کلیدواژه‌ها [English]

  • Basal area
  • Crown cover
  • Density
  • Sampling
  • Zagros