طبقه بندی جوامع گیاهی و ارتباط آنها با عوامل فیزیوگرافیک در جنگل دارابکلای استان مازندران
محل انتشار: فصلنامه بوم شناسی کاربردی، دوره: 10، شماره: 3
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 186
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJAE-10-3_002
تاریخ نمایه سازی: 8 اسفند 1400
چکیده مقاله:
هدف پژوهش حاضر شناسایی و تشریح واحدهای جامعه شناختی جنگل آموزشی و پژوهشی دانشکده منابع طبیعی واقع در شرق شهرستان ساری، استان مازندران است. برای این منظور تعداد ۱۳۹ قطعه نمونه ۴۰۰ مترمربعی به صورت سیستماتیک- انتخابی با ابعاد شبکه ۴۰۰ متری با تاکید بر اصل توده معرف، در سطح منطقه پیاده شد. طبقه بندی جوامع گیاهی با استفاده از روش TWINSPAN اصلاح شده و روش سنتز جدولی براون-بلانکه منجر به شناسایی پنج جامعه گیاهی انجیلی-ممرزستان، آزاد- بلوطستان، تاج ریزی جنگلی-راشستان، پلت- انجیلیستان و فرفیون جنگلی-راشستان به همراه چهار زیرجامعه تیپیک بلندمازو، راش، ممرز و لرگ شد. نمایش جوامع گیاهی در امتداد دو محور اول تحلیل تطبیقی قوس گیری شده (DCA) نشان داد که قطعات نمونه هر یک از جوامع گیاهی جنگل دارابکلا حاشیه مخصوص به خود را داشته و از یکدیگر متمایز هستند. نتایج تحلیل رگرسیون چندگانه عوامل فیزیوگرافیکی، نشان داد که عامل ارتفاع از سطح دریا به صورت معنی دار و با ضریب تبیین بالایی با دو محور اول DCA همبستگی دارد. به طور کلی، نتایج این پژوهش افزون بر معرفی و تشریح جوامع گیاهی جنگل دارابکلا، می تواند قابل استفاده در مطالعه ی زیر بنایی سایر تحقیقات به منظور شناخت بهتر جنگل داربکلا و درک قوانین بوم شناختی موجود در آن باشد.
کلیدواژه ها:
Vegetation Classification ، Modified TWINSPAN ، Braun-Blnquet method ، Darabkola forest ، طبقه بندی پوشش گیاهی ، روش براون-بلانکه ، TWINSPAN اصلاح شده ، جنگل داربکلای مازندران
نویسندگان
حامد اسدی
Sari Agricultural Sciences and Natural Resources University
حمید جلیلوند
Sari Agricultural Sciences and Natural Resources University
سید مصطفی مسلمی سید محله
Sari Agricultural Sciences and Natural Resources University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :