آنالیز حساسیت پارامترهای موثر بر رشد و نمو جنگلهای بلوط مطالعه موردی: استان کردستان

Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 477

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NACONF10_242

تاریخ نمایه سازی: 22 مرداد 1399

Abstract:

جنگل های غرب ایران از لحاظ اقتصادی، اجتماعی، تفرجگاهی، ذخیره منابع آبی و حفاظت خاک حائز اهمیت است [1] و نقش مهمی در سلامت اکولوژیکی منطقه ایفا می کند[7]. بلوط از جمله گونه های با ارزش در مناطق غربی کشور است. لین گونه به صورت درخچه و درختی است که تاج پوشش زیادی دارد و مانع از برخورد مستقیم قطرات باران با ذرات خاک می شود. با توجه به مسائل اقتصادی و اجتماعی، عدم مدیریت صحیح، دخل و تصرف این جنگل ها رو به زوال رفته و و با تغییرات آب هوایی تعادل اکولوژیکی آن بهم خورده است و لازم است با مدیریت صحیح مانع آن شد [8]. برای این نیل،لازم است عوامل مختف در رشد و نمو جنگل های غرب کشور شناسایی شود. با کمک روش سنجش از دوری و GIS میتوان عوامل موثر بر رشد و نمو جنگل را را پایش کرد. برای اندازه گیری اثر یک پارامتر یا عامل در خروجی یک مدل از آنالیز حساسیت استفاده میشود [9][10]. آنالیز حساسیت اهمیت نسبی و میزان اثر هر پارامتر ورودی مدل را مشخص می کند [11]. مدل های آنالیز حساسیت به طور کلی به دو دسته تقسیم میشود: الف) مدل های محلی این مدل ها برای پرامترهای خطی به کار می رود، ب) مدل جهانی: این مدل ها برای پارامترهای غیر خطی و پیچیده به کار می ورد [12] برای مدل های پیچیده ای که با تعداد ورودی زیاد که می تواند غیر خطی باشد مدل های محلی نتایج خوب ارائه نمی دهند و استفاده از روش های جهانی نتایج بهتری ارائه می دهد [13] که میتواند پارامترهای موثر در مدل را شناسایی کند و قابلیت اطمینان مدل را افزایش دهد [14]. برای سیستم های جنگل از مدل های کامپیوتری استفاده میشود که دلیل آن توانایی بالا در تجزیه و تحلیل و پیچیدگی عوامل موثر در جنگل است [15]. در این تحقیق از رگرسیون وزن دار جغرافیایی برای در نظر گرفتن تاثیر پارامتر های دما، بارش و ارتفاع بر روی مدل کردن جنگل بلوط استفاده شده است. رگرسیون وزن دار جغرافیایی یک مدل فضایی است که روابط بین متغیرهایی که به عوارض جغرافیایی مربوط می شوند را مدل سازی می کند و امکان پیش بینی مقادیر متغیر نامعلوم و فهم بهتر عواملی که بر یک متغییر اثر دارند را بررسی و میزان اثر، شدت و ضعف روابط را بررسی می کند [2].

Authors

علی محمدی

دانشجوی کارشناسی ارشد گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه تهران

سیدآرمان صمدی

دانشجوی کارشناسی ارشد گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه تهران