• Home
  • akbar ghasemi

    List of Articles akbar ghasemi


  • Article

    1 - بررسی الگوی پراکنش مکانی انارشیطان (Tecomella undulata R.) در استان بوشهر
    Journal of Environmental Science and Technology , Issue 3 , Year , Summer 2022
    زمینه و هدف: الگوی پراکنش مکانی گونه های جنگلی اطلاعات مفید و اساسی را در مورد هم‌زیستی و روابط بیولوژی بین گونه ها و پویایی جنگل فراهم می کند. ازاین رو یکی از ابزارهای مهم برای مدیریت بهتر عرصه های جنگلی می باشد. اهداف این تحقیق تعیین الگوی پراکنش مکانی توده ی انارشیطا More
    زمینه و هدف: الگوی پراکنش مکانی گونه های جنگلی اطلاعات مفید و اساسی را در مورد هم‌زیستی و روابط بیولوژی بین گونه ها و پویایی جنگل فراهم می کند. ازاین رو یکی از ابزارهای مهم برای مدیریت بهتر عرصه های جنگلی می باشد. اهداف این تحقیق تعیین الگوی پراکنش مکانی توده ی انارشیطان در استان بوشهر و ارزیابی قابلیت توابع مختلف در تعیین الگوی پراکنش مکانی می باشد. روش بررسی: ابتدا توده انارشیطان در دو منطقه علی آباد و شهنیا با مساحت 10 و 2 هکتار در بهار 1394 آماربرداری صدرصد شدند. سپس برای تعیین الگوی پراکنش مکانی توده انار شیطان، روش فاصلهآزیموت به کار گرفته شد .در نهایت برای تحلیل الگوی پراکنش مکانی درختان از توابعK رایپلی، L، G، F در این تحقیق استفاده شد. یافته ها: آزمون نیکویی برازش کولموگروف-اسمیرنف نشان داد که توزیع درختان انارشیطان در دو منطقه مورد مطالعه به طور معنی دار ناهمگن هستند (001/0P<). توابع K رایپلی و L ناهمگن، الگوی کپه ای را در مناطق مورد مطالعه نشان دادند. تابع G در منطقه علی آباد تا فاصله 150 متری الگوی کپه ای را نشان می دهد در حالی که در منطقه شهنیا این تابع الگوی های مختلفی را در فواصل مختلف نشان می دهد. بحث و نتیجه گیری: در مجموع هر چهار تابع، الگوی پراکنش مکانی توده های انارشیطان را به شکل کپه ای نشان دادند و تابع G بیشترین جزئیات را در مقایسه با دیگر توابع در رابطه با الگوی پراکنش مکانی نشان داد. وجود الگوی کپه ای در توده های انارشیطان احتمالاً به دلیل شرایط خشک و کمبود رطوبت آن است که چنین الگوی پراکنشی را موجب شده است. بنابراین برای احیا و جنگلکاری مناطق مستعد، استفاده از الگوی کاشت کپه ای می تواند کمک موثری به ایجاد سایه و حفظ بیشتر منابع رطوبتی خاک داشته باشد که در نهایت می تواند منجر به احیا موفق تر این منطقه ها باشد. Manuscript profile

  • Article

    2 - ارزیابی چهار الگوریتم پیش بینی سطح تاج پوشش جنگل های مانگرو با استفاده از تصاویر دوربین هوایی
    Journal of RS and GIS for Natural Resources , Issue 2 , Year , Autumn 2016
    امروزه استفاده از شاخص های اکولوژیک همانند تاج پوشش درختان برای شناخت وضعیت اکوسیستم های خاص نظیر رویشگاه های مانگرو و پایش و ارزیابی تغییرات ایجاد شده در طی زمان، امری ضروری می باشد. هدف از این مطالعه استفاده از قابلیت داده‌های طیفی با قدرت تفکیک مکانی بالادر برآورد مش More
    امروزه استفاده از شاخص های اکولوژیک همانند تاج پوشش درختان برای شناخت وضعیت اکوسیستم های خاص نظیر رویشگاه های مانگرو و پایش و ارزیابی تغییرات ایجاد شده در طی زمان، امری ضروری می باشد. هدف از این مطالعه استفاده از قابلیت داده‌های طیفی با قدرت تفکیک مکانی بالادر برآورد مشخصه سطح تاج پوشش با استفاده از الگوریتم‌های پارامتریک و ناپارامتریک در جنگل های مانگرو استان بوشهر است. برای انجام تحقیق، 50 قطعه نمونه 400 مترمربع (20×20 متر) به روش خط- نمونه پیاده و اطلاعات قطر برابر سینه، قطر بزرگ و کوچک تاج درختان و ارتفاع تمامی درختان به همراه موقعیت مراکز قطعه نمونه برداشت و سطح تاج پوشش در قطعه نمونه و در هکتار به درصد محاسبه گردید. تصاویر مورد استفاده در این تحقیق مربوط به عملیات عکس برداری در تاریخ 20/10/91 است که با استفاده از دوربین رقومی UltraCam-X برداشت گردید. پس از انجام پیش پردازش‌ها و پردازش‌های مناسب، ارزش‌های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به عنوان متغیرهای مستقل و درصد تاج پوشش به عنوان متغیر وابسته در نظر گرفته شدند. مدل‌سازی با الگوریتم های نزدیک‌ترین همسایه، ماشین بردار پشتیبان، جنگل تصادفی و رگرسیون خطی چند متغیره با 70 % از قطعات نمونه انجام گردید و نتایج با 30 % باقیمانده قطعات نمونه مورد ارزیابی قرار گرفت. به منظور پیش بینی درصد تاج پوشش، نتایج الگوریتم جنگل تصادفی، نزدیک ترین همسایه، رگرسیون خطی چندمتغیره و ماشین بردار پشتیبان به ترتیب با درصد مجذور میانگین مربعات خطا برابر با 57/13، 95/13، 88/14 و 73/17 و اریبی نسبی برابر با 88/3-، 62/4–، 05/5- و 78/2- بدست آمد که الگوریتم جنگل تصادفی با کمترین درصد مجذور میانگین مربعات خطا توانست درصد تاج پوشش را بهتر پیش بینی نماید. نتایج این تحقیق نشان داد الگوریتم های ناپارامتریک جنگل تصادفی، نزدیک ترین همسایه و ماشین بردار پشتیبان قابلیت بالاتری نسبت به الگوریتم پارامتریک رگرسیون خطی چندمتغیره در برآورد مشخصه درصد تاج پوشش دارا می‌باشند. Manuscript profile