کارایی آماره های اختصاری مختلف در مدل سازی الگوی نقطه ای مکانی درختان کنار (Ziziphus spina-christi (L.) Wild.)
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 42
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_IJFPR-23-3_004
تاریخ نمایه سازی: 25 دی 1402
چکیده مقاله:
درک فرایندهای بوم شناختی نهفته در توزیع مکانی درختان با شبیه سازی ساختار مکانی آنها در یک توده امکانپذیر است. آماره های اختصاری قادر هستند الگوی نقطه ای مکانی درختان را مدلسازی کرده و نمایش موثری از ارتباط بین الگوهای نقطه ای با فرایندهای بوم شناختی ارائه کنند. در پژوهش پیش رو، پنج آماره اختصاری درجه اول (تابع تراکم/𝜆(x))، درجه دوم (تابع همبستگی جفتی/g(r))، با درجه بالا (تابع T/T(r))، نزدیکترین همسایه (تابع توزیع نزدیکترین همسایه/D(r)) و ریخت شناختی (تابع توزیع تماس کروی/Hs(r)) برای مدل سازی الگوی مکانی درختان کنار (Ziziphus spina-christi (L.) Wild.) در جنوب استان فارس استفاده شدند. یک قطعه نمونه واقعی و دو قطعه نمونه شبیه سازی شده ۲۰۰×۲۰۰ مترمربعی همگن برای بررسی عملکرد این تابعها انتخاب شدند. نتایج نشان داد که 𝜆(x) به طور معنی داری از فرایند پواسون همگن پیروی میکند و توزیع مکانی درختان کنار را در سه قطعه نمونه شناسایی کرد. همچنین نتایج نشان داد که g(r) غیرتجمعی است و نسبت به الگوهای درختان در مقیاسهای مختلف حساس است. اگرچه T(r) پراکندگی، تصادفی و کپه ای بودن درختان در قطعه نمونه ها را تشریح کرد، اما توان آن در بیان الگوهای ساختاری کوچک با توجه به تراکم کم درختان در قطعه نمونه ها مشخص نشد. فاصله تا نزدیکترین درخت توسط D(r) محاسبه شده و آنها در هر سه قطعه نمونه در حدود ۲۰ متری از یکدیگر قرار داشتند. درنهایت، مقدار Hs(r) الگوی غیرتصادفی درختان را در قطعه نمونه ها به وضوح نشان داد. به طور کلی نتیجه گیری شد که آماره های اختصاری مختلف، ویژگیهای آماری متفاوتی از الگوهای نقطه ای مکانی را در بوم شناسی گیاهان توصیف می کنند.
کلیدواژه ها:
نویسندگان
سید یوسف عرفانی فرد
استادیار، دانشکده کشاورزی، دانشگاه شیراز
نرگس کریمی نژاد
دانشجوی کارشناسی ارشد، دانشکده کشاورزی، دانشگاه شیراز
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 :