جستجو در مقالات منتشر شده
4 نتیجه برای بنه
نگین بهنیا، سید یوسف عرفانی فرد، سید رشید فلاح شمسی، سید علی اکبر موسوی،
دوره 2، شماره 2 - ( 12-1394 )
دوره 2، شماره 2 - ( 12-1394 )
چکیده
این مطالعه با هدف ارزیابی کارایی روش کوکریجینگ برای تهیه نقشه‌های ویژگی‌های زیست‌سنجی درختزارهای بنه در جنگل‌های زاگرس در مقایسه با روش کریجینگ انجام شد. یک توده پوشیده از درختان بنه به مساحت 45 هکتار در جنگل تحقیقاتی بنه فیروزآباد استان فارس انتخاب و با استفاده از یک شبکه 72 × 72 متر، 87 قطعه نمونه دایره‌ای 8 آری در آن قرار گرفت. ویژگی‌های زیست‌سنجی (ارتفاع، قطر برابر سینه، تعداد در هکتار و درصد تاج پوشش) همه درختان بنه در هر قطعه نمونه اندازه‌گیری شد. سپس روش‌های زمین‌آماریزمین‌آمار کریجینگ و کوکریجینگ برای تهیه نقشه هر یک از ویژگی‌ها به کار رفتند. نتایج نشان داد که مقدار میانگین خطا (ME) و مجذور میانگین مربعات خطا (RMSE) برای ویژگی‌های ارتفاع، قطر برابر سینه و تعداد در هکتار در نقشه‌های حاصل از روش کوکریجینگ کمتر از روش کریجینگ بوده است. همچنین ضریب رگرسیون برای ویژگی‌های ارتفاع، قطر برابر سینه و تعداد در هکتار در روش کوکریجینگ نسبت به روش کریجینگ بیشتر می‌باشد که این امر نشانگر توانایی روش کوکریجینگ در بهبود نتایج برآورد ویژگی‌های زیست‌سنجی درختان می‌باشد. تنها در مورد درصد تاج پوشش میزان مجذور میانگین مربعات خطا و ضریب رگرسیون برای روش کریجینگ کمی بهتر شده که البته این میزان نیز ناچیز است؛ بنابراین نتیجه‌گیری شد که با استفاده از روش کوکریجینگ می‌توان نقشه‌های ویژگی زیست‌سنجی درختان را با دقت و صحت مناسب تولید نمود.
سمیه همایونفر، رقیه ذوالفقاری، پیام فیاض،
دوره 3، شماره 2 - ( 12-1395 )
دوره 3، شماره 2 - ( 12-1395 )
چکیده
مقدمه: گونه‌هایی که در محدوده جغرافیایی وسیعی پراکنش دارند، دارای رنج وسیعی به مقاومت به سرما می‌باشند. درختان مناطق معتدل باید در مقابل دماهای یخبندان به ویژه سرمای زودرس و زمستان سازگاری نشان دهند. یکی از راهکارهای مقاومت به سرما از طریق کاهش طول روز و دما در طی فرآیند سازگاری انجام می‌گیرد. از طرفی پرونانس یک گونه میتواند یکی از عوامل مهم تأثیرگذار در مقاومت به سرما باشد. لذا در این پژوهش تأثیر تنش سرما بر تغییرات فیزیولوژیکی سه پرونانس بنه در زاگرس جنوبی بررسی گردید تا مقاومترین پرونانس معرفی گردد. مواد و روش‌ها: بذور سه پرونانس واقع در مارگون، نورآباد و یاسوج از زاگرس جنوبی جمع‌آوری شدند و در داخل گلدان کاشته شدند. پس از سبز شدن نهال‌ها، آن‌ها در معرض دو مرحله فرآیند سازگاری به مدت 4 هفته قرار گرفتند که این کار با شبیه‌سازی دمای روز و شب و طول دوره نوری در طی ماه‌های شهریور تا آبان ماه یاسوج انجام شد. سپس شاخص‌های عملکرد فتوسیستم و محتوای کلروفیل برگ اندازه گیری شد. پس از هر مرحله سازگاری، اندام برگ و ساقه نهال‌ها در سه تیمار دمایی ˚C4 (کنترل)، ˚C20- به مدت یک ساعت و ˚C20- به مدت دو ساعت قرار گرفتند. سپس محتوای نسبی آب و نرخ نشت الکترولیت برگ و ساقه اندازه‌گیری شد. پژوهش حاضر به صورت آزمایش فاکتوریل با سه فاکتور پرونانس (3 سطح)، تیمار دمایی (3 سطح) و سازگاری (2 سطح) در قالب طرح کاملاً تصادفی اجرا شد. نتایج: نتایج نشان داد که با کاهش دما نرخ نشت الکترولیت افزایش یافت که این افزایش در پرونانس نورآباد بیشترین مقدار بود. همچنین کاهش محتوای نسبی آب ساقه در سازگاری دوم پرونانس یاسوج و مارگون مشاهده شد. محتوای کلروفیل، ماکزیمم عملکرد فتوسیستم II و سرعت انتقال الکترون در پرونانس نورآباد کمتر از دو پرونانس دیگر بود. همچنین در طی سازگاری به سرما نیز کلیه مؤلفه‌های فلورسانس کلروفیل به‌جز سرعت انتقال الکترون کاهش معنی‌دار یافتند. نتیجه‌گیری: نتایج این تحقیق نشان داد که اندازه گیری نرخ نشت الکترولیت و عملکرد فتوسیستم میتواند در شناسایی پرونانس‌های مقاوم به سرما مؤثر باشد. نهال‌های پرونانس نورآباد حساسترین و مارگون مقاومترین بودند که میتواند به دلیل ارتفاع بالاتر و اقلیم سردتر پرونانس مارگون باشد.
دکتر علی مهدوی، کارشناس ارشد ساحل رمضانی، دکتر حمیدرضا ناجی،
دوره 4، شماره 2 - ( 6-1404 )
دوره 4، شماره 2 - ( 6-1404 )
چکیده
چکیده مبسوط
سابقه و اهداف: تغییراقلیم که از طریق نوسانات متغیرهای کلیدی مانند دما و بارش تظاهر می‌یابد، تهدیدی جدی برای اکوسیستم‌های جنگلی، به‌ویژه در مناطق نیمه‌خشک‌ای مانند زاگرس محسوب می‌شود. گونه بنه (Pistacia atlantica) از گونه‌های بومی باارزش این جنگل‌هاست که رشد آن به شدت به دسترسی آب حساس است. کمّی‌سازی تأثیر متغیرهای اقلیمی بر رشد شعایی این گونه، برای مدیریت تطبیقی جنگل ضروری است. اگرچه از روش‌های آماری سنتی استفاده شده است، اما مدل‌های هوش مصنوعی پیشرفته‌ای مانند شبکه عصبی ساختار گروهی داده (GMDH)، به دلیل قابلیت بالاتر در مدل‌سازی روابط پیچیده و غیرخطی، مزیت ویژه‌ای دارند. اهداف اصلی این پژوهش عبارت بودند از: ۱) ارزیابی اثر متغیرهای اقلیمی (بارش، دما، رطوبت نسبی) بر رشد قطری بنه، ۲) تعیین مهم‌ترین عوامل اقلیمی تأثیرگذار، و ۳) ارزیابی دقت مدل شبکه عصبی GMDH در پیش‌بینی رشد بر اساس داده‌های اقلیمی.
مواد و روش‌ها: این مطالعه در سه رویشگاه بنه (دره‌شهر، آبدانان و ماژین) در استان ایلام انجام شد. در مجموع ۱۸ دیسک درختی (از هر منطقه ۶ دیسک، در دو طبقه قطری کمتر و بیشتر از ۳۰ سانتی‌متر) از درختانی با شرایط توپوگرافی مشابه برداشت شد. پس از آماده‌سازی و صیقل‌دادن سطوح، تصاویر با وضوح بالا تهیه و پهنای دوایر سالیانه با استفاده از نرم‌افزار Motic image با دقت اندازه‌گیری شد. جرم حجمی چوب نیز برای هر نمونه تعیین گردید. داده‌های اقلیمی (بارش سالانه، دمای میانگین، حداقل و حداکثر، رطوبت نسبی) مربوط به ۱۵ سال گذشته از نزدیک‌ترین ایستگاه‌های هواشناسی اخذ شد. در ابتدا، رابطه بین شاخص‌های پهنای دوایر و متغیرهای اقلیمی با استفاده از ضریب همبستگی پیرسون در نرم‌افزار SPSS تحلیل شد. سپس، مدل شبکه عصبی GMDH در محیط MATLAB نسخه ۲۰۱۴ برای پیش‌بینی رشد شعایی بر پایه داده‌های اقلیمی پیاده‌سازی گردید. داده‌ها به‌صورت تصادفی به مجموعه‌های آموزش (۷۰٪)، اعتبارسنجی (۱۵٪) و آزمون (۱۵٪) تقسیم شدند. عملکرد مدل با شاخص‌های آماری ریشه میانگین مربعات خطا (RMSE)، میانگین مربعات خطا (MSE) و ضریب همبستگی (R) ارزیابی شد.
یافته‌ها: تحلیل آماری همبستگی مثبت و معناداری را بین پهنای دوایر سالیانه با هر دو متغیر بارش سالانه (r = 0.188, p=0.002) و رطوبت نسبی (r = 0.173, p=0.004) نشان داد. در مقابل، همبستگی منفی و معناداری با دمای میانگین سالانه ( r = -0.185, p=0.002) و دمای حداکثر سالانه ( r = -0.152, p=0.013) مشاهده شد. با دمای حداقل سالانه همبستگی معناداری یافت نشد. مدل شبکه عصبی GMDH دقت بالایی در پیش‌بینی رشد شعایی از متغیرهای اقلیمی نشان داد، به‌طوری‌که معیارهای عملکرد آن روی کل مجموعه داده به شرح زیر بود: RMSE = 3.86, MSE = 14.88, و R = 0.90. پیش‌بینی‌های مدل به‌خوبی با روندهای رشد مشاهده‌شده مطابقت داشت که مؤید کارایی آن است.
نتیجه‌گیری: رشد شعایی بنه در جنگل‌های نیمه‌خشک زاگرس به‌طور معناداری تحت تأثیر نوسانات اقلیمی قرار دارد. افزایش بارش و رطوبت نسبی رشد را به‌طور مثبت افزایش می‌دهد، در حالی که افزایش دما، به‌ویژه دمای حداکثر، اثر بازدارنده دارد که به احتمال قوی ناشی از افزایش تبخیر و تعرق و ایجاد تنش آبی است. کاربرد موفق مدل شبکه عصبی GMDH با دقت پیش‌بینی بالا (R = 0.90 ) آن را به عنوان ابزاری قدرتمند و قابل اعتماد برای مدل‌سازی روابط اقلیم-رشد در اکوسیستم‌های جنگلی پیچیده تثبیت می‌کند. این یافته‌ها بینش‌های مهمی برای تدوین راهبردهای حفاظتی و مدیریتی تطبیقی با اقلیم فراهم می‌آورد تا تاب‌آوری توده‌های بنه در برابر نوسانات اقلیمی آینده افزایش یابد.
یافته‌ها: تحلیل آماری همبستگی مثبت و معناداری را بین پهنای دوایر سالیانه با هر دو متغیر بارش سالانه (r = 0.188, p=0.002) و رطوبت نسبی (r = 0.173, p=0.004) نشان داد. در مقابل، همبستگی منفی و معناداری با دمای میانگین سالانه ( r = -0.185, p=0.002) و دمای حداکثر سالانه ( r = -0.152, p=0.013) مشاهده شد. با دمای حداقل سالانه همبستگی معناداری یافت نشد. مدل شبکه عصبی GMDH دقت بالایی در پیش‌بینی رشد شعایی از متغیرهای اقلیمی نشان داد، به‌طوری‌که معیارهای عملکرد آن روی کل مجموعه داده به شرح زیر بود: RMSE = 3.86, MSE = 14.88, و R = 0.90. پیش‌بینی‌های مدل به‌خوبی با روندهای رشد مشاهده‌شده مطابقت داشت که مؤید کارایی آن است.
نتیجه‌گیری: رشد شعایی بنه در جنگل‌های نیمه‌خشک زاگرس به‌طور معناداری تحت تأثیر نوسانات اقلیمی قرار دارد. افزایش بارش و رطوبت نسبی رشد را به‌طور مثبت افزایش می‌دهد، در حالی که افزایش دما، به‌ویژه دمای حداکثر، اثر بازدارنده دارد که به احتمال قوی ناشی از افزایش تبخیر و تعرق و ایجاد تنش آبی است. کاربرد موفق مدل شبکه عصبی GMDH با دقت پیش‌بینی بالا (R = 0.90 ) آن را به عنوان ابزاری قدرتمند و قابل اعتماد برای مدل‌سازی روابط اقلیم-رشد در اکوسیستم‌های جنگلی پیچیده تثبیت می‌کند. این یافته‌ها بینش‌های مهمی برای تدوین راهبردهای حفاظتی و مدیریتی تطبیقی با اقلیم فراهم می‌آورد تا تاب‌آوری توده‌های بنه در برابر نوسانات اقلیمی آینده افزایش یابد.
زهرا امیری، مژگان عباسی، صالح کهیانی، حمیدرضا ریاحی بختیاری،
دوره 4، شماره 2 - ( 6-1404 )
دوره 4، شماره 2 - ( 6-1404 )
چکیده
سابقه و هدف: جنگل‌های زاگرس به‌عنوان یکی از اکوسیستم‌های طبیعی کشور، دارای تنوع اکولوژیکی قابل‌توجهی هستند و تیپ‌بندی آن‌ها نقش کلیدی در مدیریت پایدار دارد. جنگل‌های شهرستان فلارد در استان چهارمحال و بختیاری با پوشش غالب بلوط و بنه بخشی از زاگرس مرکزی را تشکیل می‌دهند و نقش برجسته‌ای در پایداری اکولوژیک، تنوع‌زیستی و تأمین خدمات زیست‌محیطی منطقه دارند. بااین‌حال، نبود نقشه‌های تیپ‌بندی به‌روز و دقیق، مدیریت علمی این عرصه‌ها را با دشواری مواجه ساخته است. روش‌های سنتی برداشت زمینی به‌دلیل هزینه‌های بالا و محدودیت‌های دسترسی فیزیوگرافیکی، کارایی لازم را ندارند. پژوهش پیش‌رو با هدف بهره‌گیری از فناوری‌های نوین سنجش از دور و ارزیابی تأثیر به‌کارگیری شاخص‌های طیفی مستخرج از کتابخانه طیفی بر افزایش دقت طبقه‌بندی نظارت‌شده تصاویر ماهواره‌ای Sentinel-2 در تفکیک تیپ‌های جنگلی انجام شد.
مواد و روش‌ها: به منظور بررسی تاثیر شاخص‌های طیفی حاصل از کتابخانه طیفی در تفکیک گونه‌های غالب منطقه، این مطالعه در سه منطقه جنگلی با دو تیپ خالص و یک تیپ مخلوط به ترتیب میشان (بلوط خالص)، کته‌سیاه (بنه خالص) و وندون (پوشش آمیخته بلوط و بنه) در شهرستان فلارد استان چهارمحال و بختیاری و با سه سناریو مختلف طبقه‌بندی انجام شد. در سناریو اول تنها تصاویرSentinel-2 مربوط به تاریخ ۲۴ مهر ۱۴۰۳)برای هر سه منطقه‌ی مورد مطالعه، مورد طبقه‌بندی قرار گرفت. در سناریو دوم علاوه بر باندهای اصلی سنجنده، شاخص‌های طیفی عمومی (NDVI ، SAVI، MSAVI، GNDVI، EVI) که به‌ترتیب برای ارزیابی سبزینگی، کاهش اثر خاک، سنجش سلامت کلروفیلی و افزایش حساسیت به پوشش‌های متراکم هست، بر روی داده‌های Sentinel-2 اعمال و وارد فرایند طبقه‌بندی شدند. در سناریو سوم علاوه بر باندهای اصلی، شاخص‌های طیفی تخصصی (PRI، CRI، MCRI، CAI، NDVI800، NPCI، RENDVI و ARI) مستخرج از داده‌های کتابخانه‌ی طیفی دو گونه بلوط و بنه در فرایند طبقه‌بندی قرار گرفتند. طبقه‌بندی داده‌ها در هر سه منطقه با سه الگوریتم نظارت‌شده شامل ماشین بردار پشتیبان (SVM)، حداکثر احتمال (MLC)و حداقل فاصله از میانگین (MinDist) انجام شد. صحت طبقه‌بندی با استفاده از نقشه واقعیت زمینی و معیارهای ضریب کاپا و دقت کلی بررسی شد.
یافته‌ها: نتایج نشان داد که در حالت اول، الگوریتم حداکثر احتمال به ترتیب با صحت کلی و ضریب کاپا در میشان (4/98٪، 71/0)، کته‌سیاه (5/77٪، 32/0) و وندون (7/86٪، 67/0) عملکرد بهتری داشت. در حالت دوم، همین الگوریتم در میشان (7/97٪، 65/0) و کته‌سیاه (9/75٪، 38/0) بهترین بود، اما در وندون، ماشین بردار پشتیبان با صحت کلی 9/77٪ و ضریب کاپای 57/0 برتر بود. در حالت سوم، نتایج حاصل از بررسی صحت نشان داد الگوریتم ماشین بردار پشتیبان در هر سه منطقه میشان (2/99٪، 81/0)، کته‌سیاه (2/98٪، 74/0) و وندون (0/89٪، 67/0) بالاترین دقت را گزارش کرده است. مقایسه‌ی سه حالت نشان داد که شاخص‌های طیفی تخصصی حاصل از کتابخانه طیفی در افزایش دقت طبقه‌بندی، مؤثرتر از شاخص‌های عمومی عمل کردند. با وجود دقت بالای الگوریتم‌ها، محدودیت‌هایی مانند شباهت طیفی خاک و پوشش گیاهی در مناطق کم‌تراکم، بر نتایج تأثیر گذاشت.
نتیجه‌گیری: بر اساس یافته‌ها، می‌توان نتیجه گرفت که تلفیق داده‌های طیفی معتبر و الگوریتم‌های یادگیری ماشین، ابزار مؤثری در تهیه نقشه‌های دقیق پوشش جنگلی است. استفاده از کتابخانه طیفی در کنار تصاویر سنتینل-۲، امکان تفکیک دقیق‌تر گونه‌های جنگلی را فراهم می‌کند. همچنین الگوریتم SVM به‌عنوان گزینه‌ای مناسب برای طبقه‌بندی تیپ‌های جنگلی در مناطق با پوشش متراکم و ساختار پیچیده پیشنهاد می‌شود. یافته‌های این پژوهش در برنامه‌ریزی حفاظتی- مدیریتی و پایش مستمر اکوسیستم‌های جنگلی زاگرس قابل کاربرد است.
مواد و روش‌ها: به منظور بررسی تاثیر شاخص‌های طیفی حاصل از کتابخانه طیفی در تفکیک گونه‌های غالب منطقه، این مطالعه در سه منطقه جنگلی با دو تیپ خالص و یک تیپ مخلوط به ترتیب میشان (بلوط خالص)، کته‌سیاه (بنه خالص) و وندون (پوشش آمیخته بلوط و بنه) در شهرستان فلارد استان چهارمحال و بختیاری و با سه سناریو مختلف طبقه‌بندی انجام شد. در سناریو اول تنها تصاویرSentinel-2 مربوط به تاریخ ۲۴ مهر ۱۴۰۳)برای هر سه منطقه‌ی مورد مطالعه، مورد طبقه‌بندی قرار گرفت. در سناریو دوم علاوه بر باندهای اصلی سنجنده، شاخص‌های طیفی عمومی (NDVI ، SAVI، MSAVI، GNDVI، EVI) که به‌ترتیب برای ارزیابی سبزینگی، کاهش اثر خاک، سنجش سلامت کلروفیلی و افزایش حساسیت به پوشش‌های متراکم هست، بر روی داده‌های Sentinel-2 اعمال و وارد فرایند طبقه‌بندی شدند. در سناریو سوم علاوه بر باندهای اصلی، شاخص‌های طیفی تخصصی (PRI، CRI، MCRI، CAI، NDVI800، NPCI، RENDVI و ARI) مستخرج از داده‌های کتابخانه‌ی طیفی دو گونه بلوط و بنه در فرایند طبقه‌بندی قرار گرفتند. طبقه‌بندی داده‌ها در هر سه منطقه با سه الگوریتم نظارت‌شده شامل ماشین بردار پشتیبان (SVM)، حداکثر احتمال (MLC)و حداقل فاصله از میانگین (MinDist) انجام شد. صحت طبقه‌بندی با استفاده از نقشه واقعیت زمینی و معیارهای ضریب کاپا و دقت کلی بررسی شد.
یافته‌ها: نتایج نشان داد که در حالت اول، الگوریتم حداکثر احتمال به ترتیب با صحت کلی و ضریب کاپا در میشان (4/98٪، 71/0)، کته‌سیاه (5/77٪، 32/0) و وندون (7/86٪، 67/0) عملکرد بهتری داشت. در حالت دوم، همین الگوریتم در میشان (7/97٪، 65/0) و کته‌سیاه (9/75٪، 38/0) بهترین بود، اما در وندون، ماشین بردار پشتیبان با صحت کلی 9/77٪ و ضریب کاپای 57/0 برتر بود. در حالت سوم، نتایج حاصل از بررسی صحت نشان داد الگوریتم ماشین بردار پشتیبان در هر سه منطقه میشان (2/99٪، 81/0)، کته‌سیاه (2/98٪، 74/0) و وندون (0/89٪، 67/0) بالاترین دقت را گزارش کرده است. مقایسه‌ی سه حالت نشان داد که شاخص‌های طیفی تخصصی حاصل از کتابخانه طیفی در افزایش دقت طبقه‌بندی، مؤثرتر از شاخص‌های عمومی عمل کردند. با وجود دقت بالای الگوریتم‌ها، محدودیت‌هایی مانند شباهت طیفی خاک و پوشش گیاهی در مناطق کم‌تراکم، بر نتایج تأثیر گذاشت.
نتیجه‌گیری: بر اساس یافته‌ها، می‌توان نتیجه گرفت که تلفیق داده‌های طیفی معتبر و الگوریتم‌های یادگیری ماشین، ابزار مؤثری در تهیه نقشه‌های دقیق پوشش جنگلی است. استفاده از کتابخانه طیفی در کنار تصاویر سنتینل-۲، امکان تفکیک دقیق‌تر گونه‌های جنگلی را فراهم می‌کند. همچنین الگوریتم SVM به‌عنوان گزینه‌ای مناسب برای طبقه‌بندی تیپ‌های جنگلی در مناطق با پوشش متراکم و ساختار پیچیده پیشنهاد می‌شود. یافته‌های این پژوهش در برنامه‌ریزی حفاظتی- مدیریتی و پایش مستمر اکوسیستم‌های جنگلی زاگرس قابل کاربرد است.
| صفحه 1 از 1 |
پایگاه های مرتبط
کلمات کلیدی
نشریه, مجله علمی, مقاله علمی, کلمه شماره یک, کلمه شماره یک, کلمه شماره یک, کلمه شماره یک, کلمه شماره دو, کلمه شماره یک, کلمه دونظرسنجی
کلیه حقوق این وب سایت متعلق به مجله تحقیقات اکوسیستم‌های جنگلی می باشد.
طراحی و برنامه نویسی : یکتاوب افزار شرق
© 2026 CC BY-NC 4.0 | Journal of Forest Ecosystems Research
Designed & Developed by : Yektaweb