بهره گيري از روش نمونه برداري 3P براي تهيه جدول حجم گونه صنعتي راش
محورهای موضوعی : منابع طبیعیدنیا رحمانی حصار 1 * , منوچهر نمیرانیان 2 , جواد آزاده 3
1 - دانشجوی دکتری تخصصی جنگلداری، دانشکدة منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور، ایران. *(مسوول مکاتبات)
2 - استاد بازنشسته گروه جنگلداری و اقتصاد جنگل، دانشکدة منابع طبیعی، دانشگاه تهران، کرج، ایران.
3 - دانشجوی دکتری تخصصی جنگلداری، دانشکدة منابع طبیعی، دانشگاه تهران، کرج، ایران.
کلید واژه: برآورد حجم, تاريف حجم, رابطه, رگرسيون خطي.,
چکیده مقاله :
زمينه و هدف: تعيين و تخمين حجم درختان در جنگل از جمله موارد مهمي است كه در مديريت جنگل مطرح ميباشد. يكي از راهكارها براي كاهش هزينه و افزايش سرعت جمعآوري دادهها، بهرهگيري از جداول حجم در برآورد موجودي حجمي يک جنگل است. در اين پژوهش از روش نمونهبرداري 3P براي تهيه جدول حجم گونه صنعتي راش استفاده شد و سپس جدول به دست آمده با تاریف مورد استفاده در جنگل مقایسه شد.
روش بررسي: براي اين منظور 899 داده حاصل از نمونهبرداري 3P و تجديد حجم درخت راش در جنگل خيرود نوشهر براي تهيه تاريف مورد استفاده قرار گرفتند. اين دادهها به صورت آماده در اختيار نگارندگان قرار گرفت و جمعآوري دادهها مربوط به قبل از اجرای طرح تنفس بهرهبرداری از جنگلهای شمال ايران میباشد( قبل از سال 95 ). بهمنظور انجام آناليزهاي آماري از نرمافزار R استفاده شد(آناليزهای آماري در سال 97 صورت گرفت). با بهرهگيري از رگرسيون خطي تکمتغيره، بهترين رابطه براي تعيين حجم بر اساس قطر برابرسينه، برازش داده شد. براي انتخاب رابطه رگرسيوني منتخب از معيارهاي آماري نمودارهاي پراكنش دادهها، نمودارهاي جعبهاي، نمودارهاي باقيماندهها، آزمون تجزيه واريانس و براي اعتبارسنجي از معيارهاي VIF، AIC و BIC استفاده شد. از رابطه رگرسيوني منتخب جهت تهيه تاريف استفاده شد.
يافتهها: جداول حجم حاصل، در همان دامنه از دادههايي که جهت به دست آوردن رابطه رگرسيوني استفاده شدند، بهدست آمدند. سپس جداول تهيه شده و جداولي که موجود بودند توسط آزمون تي-جفتي مقايسه شدند. طبق نتايج آزمون آماري، در سطح 95 درصد اختلاف معنيداري بين حجم اندازهگيريشده و حجم پيش بيني شده متناظر آن، وجود ندارد.
بحث و نتيجهگيري: با توجه به نتايج اين تحقيق، روش نمونهگيري 3P به خاطر کاهش هزينه، تسريع زمان و دقت مناسب نسبت به روش صددرصد سنتي، براي تجديدحجم درختان راش خيرود پيشنهاد ميشود.
Background and Objective: Determining and estimating the volume of trees in the forest is one of the important issues in forest management. One way to reduce the cost and increase the speed of data collection is to use volume tables to estimate the volume inventory of a forest. In this research, the preparation of volume tariffs and their accuracy were investigated.
Material and Methodology: For this purpose, 899 data obtained from 3P sampling and beech re-sizing in Kheyrud forest of Nowshahr were used to prepare the tariff. R software was used for statistical analysis. Using one variable linear regression, the best relationship for determining the volume based on diameter equal to the chest was fitted. To select the best regression relationship, statistical criteria of data distribution charts, box charts, residual charts, analysis of variance were used and to validate models VIF, AIC, and BIC criteria were used. The selected regression relation was used to prepare the tariff.
Findings: The resulting volume tables were obtained in the same range from the data used to obtain the regression relation. Then the prepared tables and the available tables were compared by paired t-test. According to the results of the statistical test, at the 95% level, there is no significant difference between the measured volume and the corresponding predicted volume.
Discussion and Conclusion: According to the results of this study, 3P sampling method is recommended for re-volume of beech trees due to cost reduction, time acceleration and appropriate accuracy compared to the traditional 100% method.
1. Azaryan, M., Marvie Mohadjer, M. R., Etemaad, V., Shirvany, A., & Sadeghi, S. M. M. (2015). Morphological characteristics of old trees in Hyrcanian forest (Case study: Pattom and Namkhaneh districts, Kheyrud). Forest and Wood Products, 68(1), 47-59.
2. Adekunle, V. A. J., Nair, K. N., Srivastava, A. K., & Singh, N. K. (2013). Models and form factors for stand volume estimation in natural forest ecosystems: a case study of Katarniaghat Wildlife Sanctuary (KGWS), Bahraich District, India. Journal of Forestry Research, 24(2): 217-226.
3. Altriell, D., Branthomme, A., & Tavani, R. (2010). Assessing growing stock and stock changes through multi-purpose national forest monitoring and assessment. FAO Forest Resources Assessment Program Working Paper, Rome. Available at: www.fao.org.
4. Brown, T. C., & Brack, C. (1996). 3P Centroid Volume Sampling. http:/Sres_associated.an. edu.au/mensuration/BrackandWood1998/3pcent. htm.
5. Bukhari, M. A. (1981). 3 P-sampling and its potential for forest inventory in Pakistan. A substantial essay submitted to the Australian National University for partial fulfilment of the requirement for the degree of Master of Science in forest management. Department of Forestry.
6. Lee, K. H., & Goulding, C. J. (2002). Practicality of 3P sampling with accurate dendrometry for the pre-harvest inventory of plantations. New Zealand Journal of Forestry Science, 32(2), 279-296.
7. Johnson, F. A., Dahms, W. G., Hightree, P. E. (1967). A field test of 3P cruising. Journal of Forestry, 65, 722-726.
8. Deusen, P. C. (1987). 3-p sampling and design versus moled-based estimates. Canadian Journal of Forest Research, 17, 115-117.
9. Stamatellos, G. S. (1995). Comparison of point and point-3P sampling for forest volume estimation with cost analysis. Forest Ecology and Management, 74(1-3), 75-79.
10. West, P. W., (2011). Potential for wider application of 3P sampling in forest inventory. Canadian Journal of Forest Research, 41(7), 1500-1508.
11. Wood, G. B., & Wiant J. H. V. (1992). Comparison of point-3P and modified point-list sampling for inventory of mature native hardwood forest in southeastern New South Wales. Canadian Journal of Forest Research, 22(5), 725-728.
12. Seppälä, R., (1971). Variable probabilities in sample tree selection.
13. Wiant, J. H. V., Wood, G. B., & Gregoire, T. G., (1992). Practical guide for estimating the volume of a standing sample tree using either importance or centroid sampling. Forest Ecology and Management, 49(3-4), 333-339.
14. Gall, J., & Bella, I. E. (1995). Error assessment for a provincial timber inventory. The Forestry Chronicle, 71(5), 627-632.
15. Yolme, Gh., Moayyeri, M.H., Kian, S., Mohammadi, J., & Pormalekshah, A.A.M.A., (2015). Evaluation of renewal volume methods of 3P and one hundred percent for hornbeam species (Case study: District one of Shast-kolate Forestry Plan). Journal of Wood & Forest Science and Technology, 22(2), 171-187.
16. Mansour Samaei, R., Khalili, Z., & Resaneh, Y., (2019). Evaluation of 3P and 100% renewal volume methods (Case study: Parchiva forestry plan). Iranian Journal of Forest and Poplar Research, 26(4): 520-529.
17. Abbasi, H., Fallah, A., Poormajidian, M.R., Hojjati, M., & Rad Karimi, M., 2016. A comparison of volume renewal by 3P and traditional methods (Case study: forest management plan of Sardabrood). Iranian Journal of Forest and Poplar Research, 23(4): 671-679.
18. West, P.W., (2011). Potential for wider application of 3P sampling in forest inventory. Canadian Journal of Forest Research, 41(7): 1500-1508
19. Namiranian, M., (2010). Measurement of Tree and Forest Biometry. University of Tehran Press, 574 p. (In Persian)
20. Yang, T. R., Kershaw Jr, J. A., Weiskittel, A. R., Lam, T. Y., & McGarrigle, E. (2019). Influence of sample selection method and estimation technique on sample size requirements for wall-to-wall estimation of volume using airborne LiDAR. Forestry: An International Journal of Forest Research, 92(3), 311-323.