بررسی مقایسه ای روشهای برآورد چوب خالص درتنه درخت راش(Fagus orientalis Libsky )
محل انتشار: مجله صنایع چوب و کاغذ ایران، دوره: 10، شماره: 1
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 179
فایل این مقاله در 9 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_IJWP-10-1_002
تاریخ نمایه سازی: 29 اردیبهشت 1401
چکیده مقاله:
راش خزری با ارزشترین گونه پهن برگ ایران است که عمدتا درشمال ایران پراکنش دارد و تقاضای زیادی برای گرده بینه آن دربازار مخصوصا برای گرده بینه های عاری از گره آن وجود دارد. درجه بندی گرده بینه با اندازه گیری معایب آن مرتبط است. شکل، محل وتعداد معایب درارزیابی گرده بینه ها وچوبهای بریده شده دارای اهمیت هستند. یکی از مهمترین معایب، گره ها می باشند. برای ارزیابی معایب درختان از روشهای مخرب (برش دادن) و روشهای غیر مخرب (سی تی اسکن) استفاده می شود. هدف این مطالعه برآورد مقدار چوب خالص و عاری از گره ساقه درخت راش با استفاده از چهار مدل درمقایسه با روش سی تی اسکن می باشد. دراین بررسی تعداد پانزده ساقه درخت راش خزری انتخاب و مطالعه شد. در تجزیه و تحلیل آماری نتایج از طرح کاملا تصادفی با توجه به تعداد تیمار و تکرار در سطح اطمینان ۹۵ درصد استفاده شده است. نتایج نشان می دهد که قدرت تشخیص سی تی اسکن پزشکی برای قسمتهایی که اختلاف دانسیته زیادی با تنه اصلی دارند بالا است و همجنین دقت برآورد ومحل یابی معایب در روش سی تی اسکن زیاد است. نتایج نشان می دهد که بین تمام روشهای برآورد چوب خالص همبستگی بالایی وجود دارد که بیشترین آن مربوط به همبستگی بین مدل چهارم با سی تی اسکن (r=۰/۹۹۴) می باشد که مقدار برآوردی چوب خالص هر دو روش مشابه است. از بین مدلهای مورد بررسی مدل یک(∆r=Ws-Ls ) که بر اساس پارامتر بیرونی است برای ارزیابی چوب خالص راش در فرآیند درجه بندی گرده بینه مناسبتر است.
کلیدواژه ها:
نویسندگان
جواد ترکمن
دانشیار گروه جنگلداری دانشکده منابع طبیعی دانشگاه گیلان، صومعه سرا، ایران
مژگان وزیری
استادیار دانشکده علوم و مهندسی صنایع چوب دانشگاه Lulea، سوئد
دیک سندبرگ
استاد دانشکده علوم و مهندسی صنایع چوب دانشگاه Lulea، سوئد
سلیمان محمدی لیمایی
دانشیار گروه جنگلداری دانشکده منابع طبیعی دانشگاه گیلان، صومعه سرا، ایران
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 :