کاربرد شاخص های آماری در انتخاب طول مناسب ترانسکت، برای اندازه گیری پوشش گیاهی (مطالعه موردی: مراتع نیمه استپی آریز سنندج)
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 153
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJRDR-26-1_020
تاریخ نمایه سازی: 24 فروردین 1402
Abstract:
برای مدیریت صحیح و برنامه ریزی مناسب در مرتع، نیاز به جمع آوری اطلاعات کمی می باشد. از راه های دسترسی به این اطلاعات، انتخاب روش های مناسب نمونه برداری و تعیین طول مناسب ترانسکت برای اندازه گیری پوشش گیاهیست. با این دیدگاه، این پژوهش در مراتع آریز واقع در شمال غربی سنندج در فصل رویش سال ۱۳۹۵ انجام شد. برای این منظور، ترانسکت هایی با طول ۲۰، ۵۰، ۱۰۰، ۱۵۰، ۲۰۰،۳۰۰ و ۴۰۰ متر، با چهار تکرار، در دو جهت عمود بر شیب و موازی شیب در تیپ گیاهی Festuca ovina- Bromus tomentellus مستقر شد. ترانسکت ۴۰۰ متری به عنوان ترانسکت شاهد برای کنترل محاسبات در نظر گرفته شد. نتایج حاصل از نمونه برداری به وسیله طول های مختلف ترانسکت با نتایج قطعات شاهد، توسط آزمون تجزیه واریانس مقایسه شد. نتایج حاصل از طول های مختلف ترانسکت نیز با استفاده از شاخص دقت ((E%)۲×T) با یکدیگر مقایسه شدند. مقایسات میانگین درصد پوشش گیاهی ترانسکت ها، با استفاده از آزمون تی انجام شد. نتایج نشان داد که ترانسکت های ۲۰، ۵۰، ۱۰۰ و ۱۵۰ متری با ترانسکت شاهد (۴۰۰ متری) به لحاظ شاخص دقت دارای اختلاف معنی دار هستند. همچنین تفاوتی بین ترانسکت های با طول ۲۰۰، ۳۰۰ و ۴۰۰ متری از نظر شاخص دقت وجود نداشت. بنابراین با توجه به در نظر گرفتن دقت و زمان صرف شده، کاربرد ترانسکت های ۲۰۰ متری برای اندازه گیری پوشش گیاهی مراتع مورد پژوهش توصیه می شود.
Keywords:
Authors
بهرام قلی نژاد
استادیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران
آریان فرهادی
دانش آموخته کارشناسی ارشد مرتع داری، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران
پرویز کرمی
استادیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران
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 :