معرفی روابط آلومتریک برای تعیین حجم درختان چندساقه کیکم Acer monspessulanum subsp Cinerascens Boiss.
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 655
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICSDA02_376
تاریخ نمایه سازی: 9 مرداد 1395
Abstract:
جهت آگاهی از حجم سرپای درختان چندساقه کیکم، در گسترشگاه این گونه نمونه برداری به روش ترانسکت انجام شد. در مجموع ۲۰ درخت به صورت تصادفی انتخاب شدند. مشخصات درختان در حالت سرپا شامل: معدل قطریقه، ارتفاع، تعداد جست، قطر تاج و مساحت تاج اندازه گیری و سپس درختان قطع شدند. اجزای مختلف درخت شامل تنه و سرشاخه تفکیک و توزین گردید و جهت تعیین نسبت وزن خشک به وزن تر و نیز دانسیته چوب، دیسکهایی از قسمتهای مختلف تنه درختان گرفته و به آزمایشگاه منتقل شد. بر اساس وزن مخصوص به دست آمده در آزمایشگاه، حجم تنه ها و حجم کل درختان نیز محاسبه گردید. تحلیل رگرسیون خطی برای پیش بینی حجم درختان بر اساس متغیرهای اندازه گیری شده در عرصه انجام شد. نتایج نشان داد که رابطه قوی و معنی داری بین حجم درختان کیکم و مشخصات کمی سرپا وجود دارد. بهترین روابط بین حجم درخت با قطر و مساحت تاج (83/0R2=) و نیز بین حجم درخت با معدل قطریقه (80/0R2=) وجود داشت. در خصوص حجم تنه ضرایب تعیین کمتر بود که نشان می دهد روابط آلومتریک برای پیش بینی حجم کل مناسب تر هستند. مقدار نرمال شده ریشه مربعات خطا (NRMSE) برای تمام مدل ها زیر ۲۰ درصد بود که نشان دهنده دقت مناسب آنها می باشد. در مجموع می توان گفت حجم درختان کیکم که فاقد تنه واحد هستند با دقت مناسبی قابل برآورد بوده و برخی مشخصات سرپای این درختان که اندازه گیری آنها ساده و کم هزینه است حدود ۸۰ درصد از تغییرات را می توانند پیش بینی نمایند
Keywords:
Authors
علی افروزنده
دانشجوی کارشناسی ارشد جنگلداری دانشکده منابع طبیعی دانشگاه یزد
بهمن کیانی
استادیارگروه جنگلداری دانشکده منابع طبیعی دانشگاه یزد
پدرام عطارد
دانشیارگروه محیط زیست دانشکده منابع طبیعی دانشگاه تهران
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 :