بررسی شایستگی مدل رگرسیون حداقل مربعات در مدلسازی ارتفاع گونه راش نسبت به متغیرهای محیطی در جنگل آموزشی و پژوهشی دانشگاه تربیت مدرس

Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 39

This Paper With 14 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_IJF-8-1_009

تاریخ نمایه سازی: 11 دی 1402

Abstract:

در پژوهش حاضر، به منظور مدلسازی ارتفاع گونه راش به عنوان یک مولفه مهم توان تولید رویشگاه نسبت به متغیرهای محیطی در جنگل آموزشی و پژوهشی دانشگاه تربیت مدرس از مدل رگرسیون حداقل مربعات استفاده شد. به این منظور به روش منظم – تصادفی ۱۲۳ قطعه نمونه دایره ای ۱/۰ هکتاری در منطقه مستقر گردید و در هر یک از قطعات نمونه، ارتفاع کل و قطر برابرسینه تمام درختان راش با قطر بیشتر از ۵/۷ سانتی متر اندازه گیری شد. در مرکز قطعات نمونه، از عمق ۰تا۱۰ سانتی متر نمونه های خاک برداشته شده و مجموعه ای از خصوصیات فیزیکی و شیمیایی خاک در محل استقرار قطعات نمونه اندازه گیری شد. همچنین ارتفاع از سطح دریا، درصد شیب و آزیموت قطعات نمونه نیز ثبت شد. نتایج پژوهش حاضر نشان داد هرچند مدل رگرسیون خطی برحسب ضریب تبیین، کارایی به نسبت خوبی در مدلسازی ارتفاع گونه راش دارد، به کارگیری شاخص موران I نشان می دهد که مسئله خودهمبستگی مکانی در مدل رگرسیون وجود دارد. به کارگیری مدل های خودرگرسیونی با وقفه مکانی و خطای مکانی به عنوان رویکردهای جایگزین برای حذف پدیده خودهمبستگی نشان داد که این مدل ها ازنظر معیارهای ضریب تبیین، معیار اطلاعاتی آکائیک و لگاریتم درست نمایی کارایی بهتری نسبت به مدل رگرسیون خطی دارند. مقایسه دو مدل خودرگرسیونی توامان با وقفه مکانی و خطای مکانی با استفاده از آماره های فوق نیز نشان می دهد که مدل خود رگرسیونی با خطای مکانی بهتر از مدل با وقفه مکانی است. پژوهش حاضر بر اهمیت بررسی و کنترل خودهمبستگی مکانی در مطالعات بوم شناسی جنگل تاکید می ورزد و دستورالعملی را برای مدلسازی عملکرد گونه راش نسبت به متغیرهای محیطی فراهم می کند.

Authors

سید جلیل علوی

دانشگاه تربیت مدرس

وریا مردان پور

گروه جنگلداری، دانشکده منابع طبیعی دانشگاه تربیت مدرس

Carsten Dormann

گروه تحلیل سیستم های محیطی و بیومتری، دانشگاه فرایبورگ، آلمان