ارزیابی روش میکروپلات برای برآورد تراکم زادآوری گیلاس وحشی (Prunus avium L.)
محل انتشار: فصلنامه پژوهش و توسعه جنگل، دوره: 7، شماره: 3
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 71
فایل این مقاله در 13 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_JFRD-7-3_007
تاریخ نمایه سازی: 13 آذر 1402
چکیده مقاله:
هدف این پژوهش، بررسی دقت و صحت روش میکروپلات منفرد در برآورد زادآوری گونه نادر گیلاس وحشی و معرفی روش جایگزین بوده است. برای این منظور، ابتدا با انجام جنگلگردشی، سه پارسل از سری هفت شفارود که دارای درختان مادری و زادآوری طبیعی گیلاس وحشی بودند، انتخاب شدند. تعداد ۵۰ قطعه نمونه دایرهای هریک به مساحت ۱۰۰۰ متر مربع، بهصورت منظم تصادفی، در شبکهای به ابعاد ۲۰۰×۱۵۰ متر برداشت شد. در هر قطعه نمونه، چهار میکروپلات، هریک به شعاع دو متر مشخص و نهال های گیلاس وحشی موجود در آنها، که ارتفاع کمتر از ۳۰/۱ متر داشتند، شمارش شدند. در هر قطعه نمونه، یک ترانسکت به عرض ۲/۰ و طول ۱۰ متر نیز مشخص و نهال های گیلاس وحشی موجود در آن شمارش شد. در مساحت ۱۰۰۰۰ متر مربع مشتمل بر ۱۰ قطعه نمونه، کلیه نهال های گیلاس وحشی شمارش و تراکم بهدست آمده، بهعنوان شاهد در نظر گرفته شد. بر اساس نتایج، خطای نمونهبرداری در روش میکروپلات خوشهای حداقل (۶۹/۱۸ درصد) و در روش ترانسکت حداکثر (۶۲/۴۵ درصد) بود. همچنین، روش میکروپلات خوشهای بیشترین صحت (۷۲/۱۵ درصد) و روش ترانسکت کمترین صحت (۷۴/۱۱۱ درصد) را در برآورد تراکم داشت. آزمون t تک نمونه نشان داد که اختلاف معنی داری بین روش های نمونهبرداری ترانسکت عریض و میکروپلات منفرد با شاهد در سطح پنج درصد وجود دارد. درحالی که روش میکروپلات خوشهای از نظر آماری اختلافی با شاهد نداشت. از اینرو، روش میکروپلات خوشهای نسبت به میکروپلات منفرد، بهواسطه برآورد دقیقتر و صحیحتر زادآوری گونههای نادری مانند گیلاس وحشی، ارجحیت دارد.
کلیدواژه ها:
نویسندگان
Kiyan Yegandoost
دانشجوی کارشناسی ارشد جنگلداری، دانشکده منابع طبیعی، دانشگاه یزد، یزد، ایران
Bahman Kiani
دانشیار گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه یزد، یزد، 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 :