بررسی استفاده از تکنیک رگرسیون کریجینگ در تهیه نقشه توان تولید رویشگاه های جنگلی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 834
فایل این مقاله در 10 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:
DEVELOPMENT02_103
تاریخ نمایه سازی: 14 آذر 1394
چکیده مقاله:
ارزیابی توان تولید رویشگاههای جنگلی نیز مقوله بسیار مهمی در مطالعه های جنگلداری در دنیا می باشد که در کشور ما کمتر به آن توجه شده است و آن عبارت است از ارائه شاخصی که پتانسیل رویشگاه را در ایفای نقش های مختلف جنگل همانند تولید چوب، ترسیب کربن، حفظ خاک، کنترل سیلاب، حفظ تنوع زیستی و تأمین آب نشان میدهد. نقشه های توان تولید که معمولا معرف شاخص توان تولید یک گونه خاص می باشند، به جنگلبانان اجازه میدهد که رشد درخت را در کل منطقه مورد نظر پیش بینی نمایند و از این رو مناسب ترین محل را برای استقرار ترکیب خاص از گونه ها انتخاب کنند. به منظور تحلیل ساختار مکانی متغیر فرم رویشگاه، از واریوگرام استفاده می گردد. واریوگرافی اولین قدم در مدل سازی ساختار مکانی است که نمودار واریانس بر مبنای فاصله بین نمونه ها می باشد. کریجینگ روش درون یابی و برآورد در زمین آمار است که قادر است براساس مدل برازش داده شده بر واریوگرام تجربی و نمونه های اندازه گیری شده در جامعه، نقاط نمونه برداری نشده را بدون اریبی و با حداقل واریانس برآورد کند. روش کوکریجینگ برای به دست آوردن مقادیر متغیر هدف، از داده های متغیر ثانویه و با درنظر گرفتن همبستگی موجود بین آنها استفاده می گردد. رگرسیون کریجینگ که در متون زمین آماری کریجینگ جهانی (universal kriging) و یا کریجینگ با روند خارجی (kriging with external drift) نیز نامیده می شود، ترکیبی از دو رویکرد مبتنی بر محل و خصوصیت می باشد که در آن ابتدا تکنیک های مدل سازی بر روی اطلاعات متغیرهای کمکی که برای کل منطقه در دسترس می باشد، اعمال می شود.
کلیدواژه ها:
نویسندگان
زهرا احدی
دانشجوی کارشناسی ارشد دانشگاه تربیت مدرس
سید جلیل علوی
استادیار گروه جنگلداری دانشگاه تربیت مدرس
محمد جواد حیدری
دانشجوی کارشناسی ارشد دانشگاه تربیت مدرس
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 :