بررسی قابلیت روش زمین آمار کریجینگ در پهنه بندی حجم سرپای جنگل (پژوهش موردی: منطقه هفتخال)

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 232

This Paper With 9 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:

JR_IFEJ-10-20_012

تاریخ نمایه سازی: 18 آبان 1401

Abstract:

چکیده مبسوط مقدمه و هدف: تعیین موجودی حجمی جنگل از اساسی ترین اهداف و وظایف مدیریت جنگل است، که به علت پیچیده بودن این فرایند همیشه با چالش ­هایی برای بخش اجرا همراه بوده است. تهیه نقشه حجم سرپای جنگل نقش مهمی در مدیریت پایدار جنگل­ها ایفا می ­نماید. در طرح­های جنگل­داری شمال کشور، از آماربرداری تصادفی منظم و روش میانگین حسابی حجم سرپای قطعات نمونه هر پارسل برای برآورد موجودی سرپای هر پارسل استفاده می­گردد ولی روابط مکانی بین قطعات نمونه در نظر گرفته نمی ­شود. هدف از این مطالعه، مقایسه روش کریجینگ و روش معمول در تهیه نقشه موجودی جنگل در طرح جنگل­داری هفتخال می­ باشد. مواد و روش ­ها: برای این ­منظور تعداد۲۴۳ قطعه نمونه دایره­ای به مساحت ۱۰ آر و با شبکه منظم تصادفی ۲۰۰ * ۱۵۰ متر، آماربرداری شد و نقشه تولید شده به ­روش میانگین حسابی قطعات نمونه آماربرداری (روش معمول سازمان جنگل­ها) و نقشه حجم سرپا به­روش کریجینگ مقایسه گردید. برای بررسی قابلیت نقشه تهیه شده به­روش کریجینگ به­ عنوان نقشه مورد استناد، ابتدا نرمال بودن داده­ ها به ­روش سمی­واریوگرام و هیستوگرام­ ها و شاخص ­های آن بررسی شد. سپس ۳۰ درصد قطعات نمونه (۷۳  قطعه نمونه) به­ عنوان نقاط کنترل زمینی به­روش تصادفی جدا شد و با استفاده از نقاط باقیمانده و روش معمولی، پارامترهای اپتیمم Lag Size، Nugget و PartialSill برای تولید نقشه کریجینگ مورد­نظر بررسی شد. در نهایت بهترین حالت ممکنه انتخاب گردید. سپس نقشه تهیه شده با قطعات نمونه کنترل زمینی (۷۳ قطعه نمونه) بررسی شد و حجم سرپای قطعات نمونه کنترل کننده با حجم سرپای محاسبه شده با روش کریجینگ به­صورت نقاط متناظر بررسی شد و میزان اختلاف آنها مشخص گردید. یافته ­ها: صحت نقشه کریجینگ تولید شده، با استفاده از قطعات نمونه کنترل زمینی بررسی شد. در این تحقیق، بهترین مدل، دارای ریشه میانگین مجذور خطا ۳۰ درصد و اریبی۰/۱۱ درصد بود. با استفاده از آزمون همبستگی داده ­ها در نرم ­افزار SAS مشخص گردید که اطلاعات نقشه کریجینگ در سطح احتمال ۹۹ درصد با قطعات نمونه واقعیت زمینی مطابقت دارد ولی میزان همبستگی اطلاعات روش میانگین حسابی قطعات نمونه در سطح احتمال ۹۵ درصد نیز با اطلاعات قطعات نمونه واقعیت زمینی مطابقت ندارد و همبستگی آنها معنی­دار نیست. آزمون T-test نیز نتایج مشابهی را نشان داد. نتیجه ­گیری: در مجموع نتایج نشان داد روش زمین ­آمار کریجینگ دارای قابلیت بهتری نسبت به ­روش­ های معمول سنتی در تهیه نقشه پهنه ­بندی حجم سرپای جنگل می­ باشد.  

Authors

علیرضا حسین پور

Sari Agricultural Sciences and Natural Resources University

اصغر فلاح

Sari Agricultural Sciences and Natural Resources University

مریم نیک نژاد

دانشگاه علوم کشاورزی و منابع طبیعی ساری

محمد حجازیان

Sari Agricultural Sciences and Natural Resources University

سیاوش کلبی

Sari Agricultural Sciences and Natural Resources University

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Abbasi, Y., F. Mirzaei and T. Sohrabi. ۲۰۱۸. Exploring distribution ...
  • Aertsen, W., V. Kint, K. Von Wilpert, D. Zirlewagen, B. ...
  • Ahadi, Z., S.J. Alavi and S.M. Hoseini. ۲۰۱۷. Preparation of ...
  • Akhavan, R., M. Zobeiri, G.h. Zahedi, M. Namiranian and D. ...
  • Akhavan, K., M. Karami and J. Soosani. ۲۰۰۹. Application of ...
  • Akhavan, R., H. Kia-Daliri, V. Etemad, M. Hassani and Kh. ...
  • Asakereh, H. ۲۰۰۸. Application of the Kriging method in precipitation ...
  • Biondi, F., D.E. Myers and C.C. Avery. ۱۹۹۴. Geostatistically modeling ...
  • Fakhire, A. and M. Najafi Zilaie. ۲۰۱۴. Comparison of Different ...
  • Fazelnia, G., Y. Hakimodost and Y. Balyani. ۲۰۱۴. Comprehensive Guide ...
  • Freeman, E.A. and G.G. Moisen. ۲۰۰۷. Evaluating kriging as a ...
  • Gunnarsson, F., S. Holm, P. Holmgren and T. Thuresson. ۱۹۹۸. ...
  • Houlong, J., W. Daibin, X. Chen, L. Shuduan, W. Hongfeng, ...
  • kravchenko, A. and D.G. Bullok. ۱۹۹۹. A comparative study of ...
  • Lu, G.Y. and D.W. Wong. ۲۰۰۸. An adaptive inverse-distance weighting ...
  • Meng, Q., C. Cieszewski and M. Madden. ۲۰۰۹. Large area ...
  • Montes, F., M.J. Hernandez and I. Canellas. ۲۰۰۵. A geostatistical ...
  • Pierce Jr, K.B., J.L. Ohmann, M.C. Wimberly, M.J. Gregory and ...
  • Robinson, T.P. and G. Metternicht. ۲۰۰۵. Testing the performance of ...
  • Samra, J.S., H.S. Gill and V.K. Bhatia. ۱۹۸۹. Spatial stochastic ...
  • Symeonakis, E., R. Bonifacio and N. Drake. ۲۰۰۹. A comparison ...
  • Tuominen, S., S. Fish and S. Poso. ۲۰۰۳. Combining remote ...
  • نمایش کامل مراجع