مدل‌سازی نسبت تاجی درختان بلوط ایرانی در جنگل‌های دالاب ایلام

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری جنگلداری دانشکده منابع طبیعی دانشگاه گیلان

2 عضو هیات علمی - دانشگاه گیلان

3 دانشیار پژوهش، بخش تحقیقات جنگل، مؤسسه تحقیقات جنگل‌ها و مراتع کشور، تهران، ایران

4 2- استاد گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه گیلان، صومعه سرا، ایران.

چکیده

نسبت تاجی درختان، نسبت طول تاج درخت به ارتفاع درخت است. نسبت تاجی شاخص مفید برای نشان دادن تنومندی درخت، کیفیت چوب، ثبات و استحکام در مقابل باد، تراکم توده و در مدیریت بسیاری از منابع غیرچوبی شامل زیستگاه حیات‌وحش و تفریح و تفرج است. هدف این پژوهش مدل‌سازی نسبت تاجی درختان بلوط ایرانی و همچنین ارزیابی مدل‌های به‌دست‌آمده در جنگل‌های طبیعی استان ایلام با استفاده از روش رگرسیون غیرخطی بود. بدین منظور منطقه‌ای به وسعت 509 هکتار از جنگل‌های طبیعی استان ایلام انتخاب شد. سپس براساس روش نمونه‌برداری منظم تصادفی، 100 قطعه ‌نمونۀ دایره‌ای 10 آری در شبکه‌ای به ابعاد 250×200 متر اندازه‌گیری شد. در داخل هر قطعه نمونه متغیرهای مستقل قطر یقه، قطر برابرسینه، ارتفاع تنه، ارتفاع کل، سطح تاج، طول تاج، قطر تاج، سطح مقطع، ضریب قدکشیدگی درخت و متغیر وابسته نسبت تاجی درختان اندازه‌گیری شد. در مجموع 1113 اصله از درختان بلوط ایرانی اندازه‌گیری شدند. از رگرسیون‌های غیرخطی نمایی، لجستیک و چاپمن- ریچارد به‌منظور مدل‌سازی نسبت تاجی درختان بلوط ایرانی استفاده شد. برای ارزیابی مدل‌های به‌دست‌آمده از ضریب تبیین (R2)، آزمون t جفتی و از چهار آمارۀ ارزیابی صحت میانگین خطا، جذر میانگین مربعات خطا، میانگین خطای نسبی و جذر میانگین مربعات خطای نسبی استفاده شد. نتایج آماره‌های ارزیابی صحت نشان داد که هر سه مدل بررسی‌شده از صحت کافی در برآورد متغیر نسبت تاجی درختان بلوط ایرانی برخوردارند. اما نتایج ضریب تبیین نشان داد که مدل نمایی نسبت به دیگر مدل‌ها از ضریب تبیین بیشتری برخوردار است (60/0R2=). همچنین نتایج آزمون t جفتی نشان داد که تنها میانگین برآوردی به‌دست‌آمده از مدل نمایی اختلاف معنی‌داری با میانگین واقعی ندارد. بنابراین مدل نمایی به‌عنوان بهترین مدل برای برآورد مشخصۀ نسبت تاجی درختان بلوط ایرانی در جنگل‌های دالاب ایلام انتخاب شد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Crown Ration Modelling of Quercus Brantii Trees in Dalab Forests of Ilam

نویسندگان [English]

  • Mehrdad Mirzaei 1
  • amireslam bonyad 2
  • Reza Akhavan 3
  • Ramin Naghdi 4
2 a scientific mission of Guilan university
3 Associate Professor, Forest Research Division, Research Institute of Forests and Rangelands, Tehran, I. R. Iran
4 Professor, Faculty of Natural Resources, University of Guilan, Someh sara, Iran
چکیده [English]

Crown ratio is the ratio of live crown length to the tree height. Crown ratio is a useful indicator for tree vigor, wood quality, wind firmness, stand density. It is also useful in managing many non-timber resources including wildlife habitat and recreation. The objective of the study was to model the crown ratio of oak trees and evaluate the obtained models in natural forests of Ilam province based on nonlinear regression method. For this purpose, 509 hectares of Dalab forests was selected in which 100 circular plots (1000 m2) were established as systematic-random sampling pattern with 200 m × 250m dimension. Within each sample plots, such variables as collar diameter, DBH, stem height, total height, crown area, crown length, crown diameter, basal area, tree Slenderness coefficient and crown ratio were measured. In total, 1113 oak trees were measured. Several nonlinear equations including logistics, Chapman Richard and exponential functions were used for crown ratio modelling of oak trees. These functions were evaluated in terms of coefficient of determination (R2), paired t-test, ME, RMSE, MEr and RMSEr. The results of accuracy statistics showed that all of the models are suitable. But results of R2 showed that exponential model perform better than other models. Also the results of t-test showed that there is no significant difference between of actual mean and estimated mean of crown ratio derived from exponential models. Therefore, exponential model was selected as the best one to estimate the crown ratio of oak trees in Dalab forests.

کلیدواژه‌ها [English]

  • Quercus brantii
  • crown canopy
  • Zagros forests
  • nonlinear regression