بررسی میزان دقت (کارآیی) روش آماربرداری تصادفی- سیستماتیک با قطعات نمونه یک هزارمترمربعی برای برآورد مقدار و توزیع سطح مقطع برابرسینه، حجم و تعداد درخت در طبقات قطری
سال انتشار: 1386
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 90
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-15-3_002
تاریخ نمایه سازی: 26 دی 1402
چکیده مقاله:
پس از سپری نمودن یک یا دو پریود بیست ساله، بیشتر طرحهای جنگل داری، حتی با اجرای دقیق برنامه و دستورات کتابچه طرح با مشکلات فنی و برنامه ریزی روبرو شده اند. یکی از عوامل موثر در ایجاد این مشکلات، نحوه تهیه اطلاعات و فرآیند پردازش داده ها می باشد. در این تحقیق، فرضیه احتمال وجود تفاوت بین واقعیت جنگل و نتایج آماربرداری با روش تصادفی- سیستماتیک در قطعات نمونه با وسعت یک هزار مترمربع به آزمون گذاشته شده است. به این منظور در بخشی از طرح جنگل داری نکا- ظالمرود به وسعت ۱۰۰ هکتار دو روش آماربرداری صددرصد و قطعات نمونه به مساحت ده آر تحت شبکه تصادفی- سیستماتیک اجرا شدند. برای هر روش میانگین و توزیع حجم سرپا، رویه زمینی (سطح مقطع برابر سینه) و تعداد درخت در طبقات قطری محاسبه گردید. مقایسه توزیع ها با آزمونهای ویلکاکسون و T جفتی انجام شد. نتایج بدست آمده از روش نمونه برداری در جنگل مورد مطالعه، برای گونه های هیزمی و ممرز از دقت قابل اعتماد برخوردارند. برای راش و سایر گونه های صنعتی به نسبت افزایش میانگین قطری و نیز پراکنش جغرافیایی آنها، به عبارت دیگر فقدان پیوستگی مکانی تیپهای همگن در عرصه جنگل، دقت روش یادشده کاهش می یابد. همبستگی رویه زمینی با حجم بسیار قوی است. بنابراین توصیه می شود در برنامه ریزیها، رویه زمینی به جای متغیر حجم مورد استفاده قرار گیرد. آماربرداری پس از تشریح قطعات و تفکیک تیپها انجام شود و روش آماری طبقه بندی تصادفی- سیستماتیک جایگزین روش تصادفی- سیستماتیک گردد.
کلیدواژه ها:
نویسندگان
محمد امینی
عضو هیات علمی مرکز تحقیقات کشاورزی و منابع طبیعی استان مازندران
هاشم حبشی
عضو هیات علمی دانشگاه گلستان
روجا امینی
دانشجوی کارشناسی ارشد جنگل شناسی، دانشگاه گلستان
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 :