بررسی مدل های قطر و ارتفاع گونه بلند مازو (Quercus castanefolia) در جنگل های گیلان (مطالعه موردی: جنگل های ناو اسالم)
- سال انتشار: 1397
- محل انتشار: نهمین همایش سراسری محیط زیست انرژی و منابع طبیعی پایدار
- کد COI اختصاصی: ECONF09_137
- زبان مقاله: فارسی
- تعداد مشاهده: 665
نویسندگان
دانشجوی کارشناسی ارشد جنگل داری، دانشکده منابع طبیعی، دانشگاه گیلان
دانشیار گروه جنگل داری، دانشکده منابع طبیعی، دانشگاه گیلان
دانشجوی دکتری مدیریت جنگل، دانشکده منابع طبیعی، دانشگاه گیلان
استادیار گروه آبخیزداری، دانشکده منابع طبیعی، دانشگاه گیلان
چکیده
مدل های قطر ارتفاع به عنوان عاملی مهم در تعیین مقدار رویش، محصول دهی، موجودی کربن، تعیین حجم درختان و تغییرات و تحولات و پویایی توده به شمار می آیند. در این مطالعه از 7 مدل قطر ارتفاع و شبکه عصبی مصنوعی (ANN) ، برای بررسی داده های قطر و ارتفاع درختان بلوط بلند مازو (Quercus castanefolia) ، واقع در جنگل های ناو اسالم استان گیلان استفاده گردید. پس از انتخاب منطقه مورد مطالعه، با استفاده از روش نمونه برداری منظم تصادفی، 11 قطعه نمونه دایره ای شکل به مساحت 10 آر با ابعاد شبکه 120×120 متر پیاده گردید. مجموعا داده های تعداد 717 اصله درخت اندازه گیری و ثبت شد. از این تعداد 58 درصد ( 727 اصله ) به منظور مدل سازی و 18 درصد ( معادل 127 اصله درخت ) برای اعتبارسنجی استفاده شد. 7 مدل قطر ارتفاع با استفاده از رگرسیون غیر خطی و روش حداقل مربعات در نرم افزار 12 SIGMA PLOT برازش و نتایج با مدل سازی انجام شده با شبکه عصبی که در نرم افزار Neuro solutions 5 ، انجام گرفت مقایسه گردید. نتایج نشان داد که با توجه به معیارهای مورد بررسی شامل مجذور میانگین مربعات خطا ( RMSE )، ضریب تبیین ( 2R ) و میانگین قدر مطلق خطا ( AEM )، شبکه عصبی نسبت به مدل های رگرسیونی از دقت بالاتری در برآورد مقدار ارتفاع بر اساس قطر برخوردار بوده است. همچنین در بین روابط غیرخطی قطر ارتفاع مدل های Richards (1959) و Ratkowsky (1990) برای تبیین رابطه بین قطر و ارتفاع درختان مورد مطالعه مناسب بودند. هدف از پژوهش پیش رو مقایسه مدل های مختلف غیر خطی و انتخاب مدل مناسب برای پیش بینی ارتفاع درختان بلند مازو بر اساس قطر برابر سینه در جنگل های طبیعی منطقه ناو اسالم بود.کلیدواژه ها
قطر و ارتفاع، بلندمازو، اسالممقالات مرتبط جدید
- استفاده از مواد دوست دار محیطزیست بهعنوان جایگزین برای صنعت بستهبندی مواد غذایی
- مروری بر کاربرد چارچوبهای فلزی-آلی در جذب دیاکسید کربن
- کنترل بهینه یک مدل دینامیکی امکانات و تسهیلات گردشگری در جهت توسعه پایدار مبتنی بر تاثیرات عوامل محیطی
- بررسی موانع پیاده سازی استانداردهایISO با تاکید بر مدیریت سبز با استفاده از شبکههای عصبی عمیق کانولوشن
- استخراج رمزارز و چالش های آلودگی محیط زیست
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.