مقایسه مدل های اصلاح شده Gash در برآورد باران ربایی توده راش شرقی در غرب ناحیه هیرکانی
محل انتشار: مجله جنگل ایران، دوره: 13، شماره: 4
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 65
فایل این مقاله در 12 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_IJF-13-4_001
تاریخ نمایه سازی: 17 مهر 1402
چکیده مقاله:
متداول ترین مدل های برآوردکننده باران ربایی، مدل های فیزیکی مبنا هستند که در میان آنها مدل های Gash بیشترین کاربرد را دارند. هدف این پژوهش، مقایسه بررسی کارایی مدل های فیزیکی مبنای اصلاح شده Gash در برآورد باران ربایی توده راش شرقی (Fagus orientalis Lipsky) در جنگل های سیاهکل استان گیلان بود. در طی دوره یکساله (فروردین تا اسفند ۱۳۹۴)، مقادیر باران، تاج بارش و ساقاب در توده مدنظر اندازه گیری و مقدار باران ربایی محاسبه شد. برای برآورد مقدار باران ربایی، مدل های Gash-۱ و Gash-۲ انتخاب شدند و کارایی این دو مدل طی سنجه های زمانی سالانه، دوره برگ دار و دوره بی برگی بررسی شد. نتایج این پژوهش نشان داد که به صورت کلی، پارامترهای اکوهیدرولوژیک تاج پوشش و تنه در بین سنجه های زمانی مختلف، اختلاف چشمگیری داشتند. در هر سه سنجه زمانی مدنظر، مدل Gash-۲ کارایی بهتری از مدل Gash-۱ داشت و مناسب ترین عملکرد این مدل، در برآورد باران ربایی سالانه بود (خطای برآوردی: ۸/۸+ درصد؛ ضریب کارایی: ۹۲/۰). فرایندهای اکوهیدرولوژی جنگل در توده های پهن برگ خزان کننده باید در سنجه های زمانی متفاوت به صورت مجزا بررسی شود، زیرا رفتار اکوهیدرولوژیک تاج پوشش در زمان، متفاوت است. ضمن اینکه مدل ها نیز در سنجه زمانی، عملکرد مشابه ندارند. بنابراین باید با بررسی های بیشتر، مدل های کارا در هر سنجه زمانی و در هر توده جنگلی مشخص شود تا با تعیین مدل مناسب، به برآورد صحیح باران ربایی در جنگل های هیرکانی کمک شود.
کلیدواژه ها:
نویسندگان
کیومرث سفیدی
دانشیار گروه علوم و مهندسی جنگل، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل
سید محمد معین صادقی
گروه مهندسی جنگل، دانشکده جنگلشناسی و مهندسی جنگل، دانشگاه ترانسیلوانیای براشوو، براشوو، رومانی
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 :