مدل سازی پراکنش راش در جنگل های کران رودی با استفاده از مدل HOF
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 41
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJFPR-23-4_013
تاریخ نمایه سازی: 25 دی 1402
Abstract:
هدف پژوهش پیش رو مدل سازی پراکنش راش و تعیین مقدار بهینه و دامنه بردباری آن در جنگلهای کرانرودی حاشیه رودخانه صفارود رامسر بود. بدین منظور، از خط نمونه های عمود بر جریان آب در هر دو طرف رودخانه برای جمع آوری داده ها استفاده شد. طول هر خط نمونه ۲۰۰ متر و فاصله بین خط نمونه ها نیز ۲۰۰ متر انتخاب شد. در هر خط نمونه از پنج کوادرات ۴۰۰ مترمربعی با فواصل ۵۰ متری در پنج نقطه صفر، ۵۰، ۱۰۰، ۱۵۰ و ۲۰۰ متر استفاده شد و در آن ها تعداد درختان راش با قطر برابر سینه بیشتر از ۷/۵ سانتیمتر اندازه گیری شد. در هر قطعه نمونه از سه نقطه از عمق صفر تا ۳۰ سانتیمتر نمونه خاک برداشت شد و برای تعیین خصوصیات آن به آزمایشگاه منتقل شد. درمجموع، از ۴۴ خط نمونه و ۲۲۰ کوادرات برای جمع آوری داده ها استفاده شد. برای بررسی پاسخ راش به عوامل خاکی از مدل HOF توسعه یافته و تعیین بهترین مدل از معیار اطلاعات آکائیک تصحیح شده (AICc) استفاده شد. در هر یک از پنج فاصله، مدلی که کمترین مقدار AICc را در میان مدل های هفتگانه داشت، به عنوان بهترین مدل انتخاب شد. محاسبات با استفاده از بسته eHOF در نرم افزار R ver. ۳.۱.۳ انجام شد. نتایج نشان داد که تنها ۲۷/۵ درصد از مدل های به دست آمده دارای توزیع نرمال بودند، درحالیکه ۷۲/۵ درصد از مدل های به دست آمده از مدل های خطی یا نامتقارن تبعیت می کردند. مدل های VI و VII در هیچ یک از پاسخ ها مشاهده نشد. پیشنهاد می شود در آینده مطالعات بیشتری درمورد جنگلهای کرانرودی و همچنین استفاده از مدل HOF انجام شود.
Keywords:
Authors
محمدنقی عادل
دانشجوی دکتری علوم جنگل (اکولوژی)، دانشکده منابع طبیعی، دانشگاه گیلان
حسن پوربابایی
استاد، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه گیلان
سیدجلیل علوی
استادیار، گروه جنگلداری، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس
علی صالحی
دانشیار، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه گیلان
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 :