Preparation of volume table of industrial species of beech based on data obtained from 3P sampling method

Subject Areas : natural resorces

Donya Rahmani Hesar ^{1 *} , Manochehr Namiranian ² , Javad Azadeh ³

1 - M.Sc. of Forestry, Faculty of Natural Resources, University of Tehran, Karaj, Iran. *(Corresponding Author)
2 - Professor, Department of Forestry and Forest economics, Faculty of Natural Resources, University of Tehran, Karaj, Iran.
3 - - M.Sc. of Forestry, Faculty of Natural Resources, University of Tehran, Karaj, Iran.

Received: 2024-04-26 Accepted : 2021-05-23 Published : 2024-06-21

Keywords: Volume estimation, volume description, equation, linear regression. ,

Abstract :

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.

References:

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.

Full-Text:



بهره­گيري از روش نمونه­برداري 3P براي تهيه جدول حجم گونه صنعتي راش 

 

چکيده

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 مي­باشد. در اين پژوهش تهيه تاريف حجم با بهره­گيري از روش نمونه­برداري 3P و مقايسه آن با تاريف مورد استفاده در جنگل، مورد بررسي قرار گرفت. 

روش بررسي: براي اين منظور از 899 داده حاصل از نمونه­برداري 3P و تجديد حجم درخت راش در جنگل خيرود نوشهر براي تهيه تاريف مورد استفاده قرار گرفتند. به­منظور انجام آناليزهاي آماري از نرم­افزار R استفاده شد. 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 حاصله، در همان دامنه از داده­هايي که جهت به­دست 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 پيش­بيني­شده 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 مي­گردد.

واژه­هاي کليدي: برآورد حجم، تاريف حجم، رابطه، رگرسيون خطي.

 

Preparation of volume table of industrial species of beech based on data obtained from 3P sampling method

 

Abstract

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.

Method: 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.

Key words: Volume estimation, volume description, equation, linear regression.

مقدمه 

جنگل­هاي هيرکاني (خزري) از گذشته تاکنون يکي از عمده­ترين منابع توليدکننده چوب در کشور هستند. اين جنگل­ها به­لحاظ قدمت طولاني، تنوع زيستي زياد فون و فلور، وجود درختان کهنسال و گونه­هاي بومي بسيار حائز اهميت مي­باشند (1). تا قبل از اجراي طرح تنفس جنگل­هاي هيرکاني، اين جنگل­ها به دليل توليد چوب صنعتي، منبع اصلي تامين سلولز در کشور بودند و در اين اکوسيستم، برآورد حجم درختان و حجم جنگل براي برنامه­ريزان و مديريت پايدار منابع جنگلي بسيار ضروري است (2). حجم درختان، پايه و اساس مديريت واحد جنگل­ها است و آگاهي از حجم توده­هاي جنگلي و نسبت رويش براي مديران در سطح منطقه­اي و ملي بسيار حياتي است (2، 3). از كاربردهاي برآورد حجم مي­توان در مطالعات مربوط به­ ذخيره كربن، حفاظت تنوع گونه­اي، چرخه آب، حاصلخيزي خاك، روند بهبود يا تخريب رويشگاه، امكان برداشت، مقدار رويش و خريد و فروش چوب اشاره کرد (3). 

در طرح­هاي جنگلداري، مهم­ترين مشخصه درخت که در برنامه­­ريزي و مديريت جنگل استفاده مي­شود، حجم درخت است. براي محاسبه ارزش ريالي بهره ­مالکانه طرح­هاي جنگلداري، دانستن حجم تنه­هاي صنعتي به ­مترمکعب و حجم هيزم به ­استر هر پروانه قطع نياز است. به­دليل اينکه قسمت­هاي مختلف تنه با توجه به­ قطر و کيفيت آن از ارزش اقتصادي و تجاري يکساني برخوردار نيستند، مطابق تبصره 10 ماده 15 قانون حفاظت و بهره­برداري از جنگل، درختان نشانه­گذاري شده پس از قطع، توسط کارشناسان و ناظران طرح­هاي جنگلداري تجديد حجم شده و حجم تنه­هاي صنعتي به­تفکيک گونه و حجم کل هيزم هر پروانه­ قطع، اندازه­گيري مي­شوند. تاکنون براي تخمين حجم روش­هاي متعددي به­کار گرفته­ شده که به دو روش کلي فرمول­هاي حجم­يابي و بهره­گيري از جداول حجم دسته­بندي مي شوند. در سال 1379 خورشيدي، سازمان جنگل­ها، مراتع و آبخيزداري کشور پس از بررسي­هاي همه جانبه به منظور کوتاه کردن زمان تجديد حجم و سرعت بخشيدن عمليات بهره­برداري و با حفظ منافع دولت، دقت و سلامت کار، روش 3P را جايگزين روش آماربرداري صد درصد نمود. تا پيش از اجراي طرح تنفس جنگل­هاي هيرکاني، روش 3P در بخش­­هايي از جنگل­هاي هيرکاني که تعداد درختان نشانه­گذاري شده در آن بيش از450 اصله درخت در هر پروانه قطع بود، اجرا مي­شد. نمونه­برداري به روش 3p، يک روش آماربرداري است که در سال 1965 ميلادي در آمريکا پيشنهاد گرديد. روش 3P عبارت است از نمونه‌برداري درختان بااحتمال انتخاب آن­ها به نسبت يا متناسب با مقدار پيش­بيني شده مشخصه مورد آماربرداري. بکارگيري اين روش، در ابتدا براي فروش درختان نشانه­گذاري و به­منظور برآورد دقيق چوب سرپا بوده است، در اين روش پس از نشانه­گذاري و برآورد حجم درختان سرپا که مي­توان از جدول حجم محلي نيز کمک گرفت، تعدادي از درختان را انتخاب کرده و حجم آن­ها به دقت اندازه­گيري و از نسبت حجم دقيق به حجم برآورد شده يا از رابطه بين حجم برآورد شده و حجم دقيق درختان انتخاب شده، حجم ساير درختان دقيق تر برآورد مي­گردد. در اين روش انتخاب درختان به نسبت اهميت آن­ها مي­باشد. يعني درختاني که قطر برابر سينه يا حجم آن­ها بيشتر برآورد شده باشد، يا براساس جدول حجم، داراي حجم بيشتر مي­باشند، شانس انتخاب شدن زيادتري را خواهند داشت. انتخاب درختان به روش 3P به اين صورت انجام مي­گيرد مشخصه اندازه­گيري شده هر درخت (مثلاً حجم، قطر برابر سينه و ارتفاع) با اعداد جدولي که براي هر آماربرداري و براساس ارقام يا اندازه­هاي مختلف آن توده جنگلي تهيه شده است، مقايسه مي­شود و اگر اندازه مشخصه برآورد شده مساوي يا بيشتر از مقدار عددي جدول باشد، آن درخت انتخاب و اندازه­گيري مي­شود. ولي اگر اندازه مشخصه مورد نظر کوچک­تر از عدد جدول باشد، آن درخت براي اندازه­گيري انتخاب نمي­شود.

تاکنون پژوهش­هايي مختلقي به بررسي و تاييد کارآيي روش 3P در برآورد حجم پرداخته است. براي نمونه، براون و براک (4)، در تحقيق خود روش 3P را روشي مناسب اعلام کردند که با اندازه­گيري يک يا دو پارامتر دقيق مي­توان حجم درخت­زارها صنوبر را برآورد کرد. همچنين براي مناطقي که جدول حجم يا دستورالعمل مشخصي در اختيار نباشد، اين روش مناسب است. بوخاري (5) با اطمينان اعلام كرد كه نمونه­برداري 3P مي­تواند يك روش كارآمد و مناسب در جنگل­هاي پاكستان باشد و به­عنوان يك روش به­تنهايي و نيز به­عنوان يك روش مناسب جهت بهبود كارايي و افزايش دقت ساير روش­هاي آماربرداري مورد استفاده قرار گيرد. لي و گلدينگ (6) نمونه­برداري 3P را از نظر كارايي و هزينه جهت حجم­يابي درختان در قطعه­هاي نمونه، نسبت به روش نمونه­برداري نقطه­اي در توده جنگل­كاري كاج زرد در نيوزلند مورد ارزيابي قرار دادند. نتايج آن­ها نشان دادند كه روش 3P از نظر هزينه در توده­هاي جنگلي با مساحت تا پنج هكتار، يك روش مناسب و كارآمد است. جانسون و همكاران (7) براي تخمين حجم چوب سرپا توده كاج زرد در آمريکا و همچنين برآورد ارزش فروش محصولات، از روش نمونه­برداري 3P استفاده كردند. نتايج آن­ها نشان داد كه خطاي نمونه­برداري 3P براي هر دو مورد برآورد حجم چوب و ارزش آن در حد قابل قبول است. بنابراين هدف از اين پژوهش، تهيه تاريف حجم و تعيين دقت آنها براي برآورد حجم درختان راش در جنگل­هاي خيرود بود.

روش بررسي

- منطقه مورد مطالعه

براي تهيه جداول حجم از داده­هاي مربوط به جنگل خيرود نوشهر استفاده شد. جنگل خيرود در حوزه 45 جنگل­هاي شمال قرار دارد که واقع در هفت کيلومتري شرق نوشهر در حوزه اداره كل منابع طبيعي اين شهر است. اين منطقه در عرض جغرافيايي بين 36 درجه و 27 دقيقه شمالي تا 36 درجه و 40 دقيقه و در طول جغرافيايي بين 51 درجه و 32 دقيقه تا 51 درجه و 43 دقيقه قرار دارد. مساحت کل جنگل خيرود حدود 8000 هکتار است.

- روش تحقيق

براي به دست آوردن جدول حجم درختان جنگل خيرود از داده­هاي مربوط به تجديدحجم به روش­هاي 3P و صد درصد استفاده شد. در جمع­آوري داده­هاي ميداني پارامتر قطر برابرسينه اندازه­گيري و در آناليز اين داده­ها براي استفاده در معادلات رگرسيوني، ترکيب d (قطر برابر سينه درخت) و d2 (قطر برابر سينه درخت به توان دو) لحاظ شد. هم­چنين اندازه­گيري­هاي ميداني اين داده­ها شامل قطر برابر سينه (سانتي­متر) و اطلاعات حاصل از تجديدحجم درختاني كه قطر برابر سينه آن­ها قبل از قطع، اندازه­گيري شده (مترمكعب)، بود. دليل استفاده از رگرسيون خطي در تحقيق پيش رو، خطي­شوندگي روابط رگرسيوني دخيل در محاسبات است. به­منظور آماده­سازي داده­ها از نرم­افزار Microsoft Excel2013 و براي تحليل اين داده­ها از نرم­افزار R (نسخه 1/3) و از برنامه­نويسي جهت انجام انواع رگرسيون خطي در راستاي به دست آوردن رابطه بين قطر و حجم در داده­هاي جنگل خيرود استفاده شد. پس از بدست آوردن انواع روابط رگرسيون، با توجه به آماره­هاي مختلف، بهترين مدل انتخاب و با كمك نرم­افزار R خروجي برنامه به­عنوان جدول حجم در قالب فايل Excel ايجاد شد. پكيج­هاي مورد نياز جهت توابع رگرسيوني و اعتبارسنجي كه در محيط نرم­افزار R بايد نصب و اجرا شدند، از اين قرار هستند: MASS- DAAG.

يافته­­ها

در شکل 1-الف، مشاهده مي­شود كه رابطه بين قطر و حجم داده­هاي جمع­آوري شده از نوع نمايي است و در شکل 1-ب شاهد هستيم كه با اعمال log بر داده­ها و رسم نمودار مربوطه، داده­ها به حالت خطي نزديك شده­اند.

 

نمودار1- نمودار پراكنش قطر در برابر حجم -راش خيرود

شکل 1- رابطه بين قطر (d) و حجم (v) داده­هاي جمع­آوري شده گونه راش

Figure 1- Relationship between diameter (d) and volume (v) of collected beech data

جدول 1، نتيجه اجراي رابطه رگرسيوني است. روابط رگرسيوني مختلف با حضور d در برابر حجم، d2 در برابر حجم، و نيز d و d2 در برابر حجم، به دست آمدند كه صرفاً مدل منتخب و دلايل انتخاب آن در ادامه آورده شد. در جدول يك، مقدار عرض از مبدا 018/8- و مقدار ضريب قطر با تاثير عمل عکس لگاريتم 282/2 به دست آمده است. به طور كلي مقدار خطاي استاندارد ميانگين هرچه كمتر باشد، مناسبتر است چون نشان مي­دهد كه ميانگين نمونه از ميانگين جمعيت تا چه حدي دور يا نزديك است. اين مقدار براي عرض از مبدا 11/0 و براي آماره قطر 02/0 است (جدول 1). در ستون آخر جدول، حضور عرض از مبدا و قطر با سه ستاره، نشان­دهنده تاثير قوي اين دو در برآورد حجم است (در جداول رگرسيوني هرجا مقدار  p-valueكمتر از 05/0 باشد، متغير مورد نظر در برازش مدل مناسب در سطح 95 درصد موثر است). خطاي استاندارد باقي­مانده­ها در اين رابطه 69/35 درصد مي­باشد كه نسبت به ساير روابط تفاوت چنداني نداشت. درجه آزادي 893 است. مقدار ضريب تعيين 882/0 و مقدار ضريب تعيين تعديل شده 2/88 درصد مي­باشد .

جدول 1- رابطه رگرسيوني راش

Table 1. Beech regression relationship

ضرايب	مقدار برآورد شده	خطاي استاندارد	مقدار احتمال	Pr(>|t|)
(عرض از مبدا)	018/8-	118/0	85/67	<2e-16 ***
قطر	282/2	028/0	76/81	<2e-16 ***

علايم معني­داري: سه ستاره (99 هزارم معني­دار)، دوستاره: (99 درصد معني­دار)

خطاي استاندارد باقي مانده ها: 357/0 (با درجه آزادي: 893)

ضريب تعيين تعديل شده: 2/88 درصد – ضريب تعيين : 882/0

نمودارهاي جعبه­اي ساده­ترين راه جهت تشخيص ميانه و چارك­هاي بالا و پايين و داده­هاي پرت هستند. به طور كلي هرچه تعداد مقادير پرت در داده­هاي ورودي كمتر باشد و داده­هاي يكدست­تر داشته باشيم، معادله رگرسيوني كه به دست خواهد آمد، داراي دقت بيشتري خواهد بود (چون داده­هاي يك دست تر منجر به برازش بهترين معادله خواهند شد). پس از بررسي نمودارهاي جعبه­اي داده­هاي پرت و ناهمگوني داده­هاي ورودي مشخص مي­شود كه بايد دليل حضور مقادير پرت در داده­هاي ورودي مشخص شود، اگر داده­هاي پرت به دليل خطاي وارد كردن اعداد و يا خطاي محاسباتي يا خطاي آماربرداري باشند، بايد حذف شوند، در صورتي­كه تعداد داده­هاي پرت فراوان باشند، بايد آماربرداري مجدد صورت بگيرد. اگر حضور داده­هاي پرت در طبيعت عادي باشد، آن­­ها را مي­پذيريم و محاسبات با اعمال اين داده­ها انجام مي­دهيم. از نمودارهاي جعبه­اي قطر اينگونه بر مي­آيد كه پارامتر قطر، فقط يك داده پرت دارد (شکل 2) و ميانه­ در حدوداً 70 سانتي­متر و چارك پايين 50 و چارك بالا 100 سانتي­متر است. بازوهاي نمودار نشان­دهنده دامنه داده­هاي نرمال است كه از بازه­ي حدوداً 7 سانتي­متر تا 160 سانتي­متر مي­باشند. در نمودارهاي جعبه اي حجم و باقي­مانده­هاي استاندارد شده، داده­هاي پرت وجود دارند (شکل­هاي 3 و 4). پس از بررسي مجدد داده­هاي خام حجم، مشخص شد كه اين داده­هاي پرت موجود در قطر درختان راش، مربوط به درختان با قطر بالا است كه به دليل ديرزيستي و پوسيدگي از درون، صرفاً مقدار زيادي چوب هيزمي توليد كرده و يا پس از قطع به طور كلي حجم گرده­بينه حاصل از اين درختان كم بوده است. به دليل اينكه اين مساله در حالت طبيعي در جنگل رخ مي­دهد، اين داده­ها حذف نشد (اگر داده پرتي غيرطبيعي تشخيص داده شود، به دليل نزديك كردن داده­ها و نتايج آن به آنچه كه در طبيعت رخ مي­دهد، بايد حذف شود).

 

شکل 2- نمودار جعبه­اي قطر گونه راش. محور y نشان­دهنده­ي قطر (سانتي­متر) است.

Figure 2- Box diagram of beech diameter. The y-axis represents the diameter (cm)

 

شکل 3- نمودار جعبه­اي حجم گونه راش. محور y نشان­دهنده­ي مقادير پيش­بيني شده حجم (مترمكعب)بر اساس فرمول به دست آمده است.

 Figure 3- Box diagram of beech volume. The y-axis represents the predicted values of volume (m3) based on the obtained formula.

 

شکل 4- نمودار جعبه­اي باقي­مانده­هاي استاندارشده گونه راش. محور y ، مربوط به تفاوت مقادير مشاهده شده حجم و مقادير پيش­بيني شده حجم بر اساس فرمول است 

Figure 4- Box diagram of standardized residues of beech species. The y-axis is related to the difference between the observed volume values and the predicted volume values based on the obtained formula.

رابطه بدست آمده براي درختان راش خيرود به اين شرح است: V = e (-8.018 +2.281d). در اين رابطه، V حجم (متر مکعب) و d قطر (سانتي­متر) است. در ادامه بررسي­هاي بيشتر رابطه رگرسيوني به دست آمده، از معيارهاي AIC و BIC استفاده شد. هرچه مقدار اين معيارها در رابطه­اي پايين­تر باشند، آن رابطه مناسب­تر است، زيرا نشان مي­دهد استفاده از اين مدل تا چه اندازه منجر به از دست رفتن اطلاعات حاصل از داده­هاي خام مي­شود. معيار VIF يا عامل تورم واريانس، به هم­خطي عوامل دخيل در رگرسيون اشاره دارد. هرچه اين مقدار به يك نزديكتر باشد، هم خطي كمتر است (مقدار يك نشان دهنده عدم وجود هم­خطي است). و در تفاسير مختلف عدد 5 يا عدد 10 به بالا را نشان­دهنده هم­خطي در حد غيرقابل قبول مي­دانند (اين تفاسير بسته به تعداد متغيرهاي مستقل دخيل در رابطه متفاوت است). مقادير AIC (معيار آكاييك) و BIC (معيار شوارتز بيزين) و VIF (معيار همخطي) مربوط به رابطه رگرسيوني منتخب، در به ترتيب به اين شرح است: 49/699، 89/713 و 1. معيارهاي AIC و BIC بالا رفته­اند اما در مقايسه با ساير روابط رگرسيوني به دست آمده، تفاوت چنداني نداشتند (تفاوت در حدود 5± واحد). VIF نشان­دهنده عدم وجود هم­خطي در اين رابطه است. شكل 5 مربوط به باقي­مانده­هاي رابطه رگرسيوني است. به­طور كلي در مورد رگرسيون خطي اين قانون وجود دارد كه هرچه باقي­مانده­ها نرمال­تر باشند، برازش رابطه رگرسيوني مناسب­تر است و داده­ها از پراكندگي مناسب­تري برخوردار هستند. براساس شکل 5 مي­توان گفت كه مدل به­طور كلي برازش خوبي را ارائه داده­است اما وجود داده­هاي پرت، منجر به افزايش فاصله كوك شده است. در بررسي داده­هاي خام مشخص شد كه سه داده­اي كه به­عنوان داده پرت موجب افزايش فاصله كوك شده­اند مربوط به درختان با قطر برابر سينه و سن بالا بوده­اند كه در اثر ديرزيستي كيفيت تنه پايين آمده و محصول اين درختان، صرفا چوب هيزمي بوده است. در شکل 5-الف مربوط به مقادير باقي­مانده­ها، در برابر مقادير برازش شده است. باقي­مانده­ها در نمودار حول صفر هستند كه بهترين حالت برازش يك رابطه را نشان مي­دهند. سه داده پرت مشخص است. شکل 5-ب مربوط به مقادير باقيمانده­هاي استاندارد با اعمال راديكال در برابر مقادير برازش شده است. در اين نمودار مقادير باقيمانده­هاي استاندارد حول عدد يك و در بهترين حالت ممكن جهت برازش مدل رگرسيوني هستند. سه داده پرتي كه در شکل 5-الف مشخص بودند در اين قسمت هم مشخص شده­اند. در شکل 5-ج، باقيمانده­هاي استاندارد در برابر كميت­هاي تئوريكال مشاهده مي­شود كه تقريبا بر روي خطي صعودي در فواصل 2± هستند. اين نمودار نرمال بودن چارك­ها (Normal Q-Q) و سير كلي داده­ها را نشان مي­دهد. سه داده­اي كه در موارد قبل بعنوان داده پرت وجود داشتند، مجددا خودنمايي مي­كنند. در شکل 5-د ، باقيمانده­هاي استاندارد در برابر Leverage بررسي شده است. Leverage معياري براي اندازه­گيري تاثير مقادير متغير مستقل در برآورد متغير وابسته است. هرچه مقادير Leverage بالاتر باشد، تفاوت مقادير پيش­بيني شده و مقادير متناظر آن (در متغير وابسته) كمتر است. آنچه كه با عنوان فاصله­ي كوك مشخص مي­شود نشان­دهنده داده­ي پرتي است كه بين مقادير پيش­بيني شده و مقادير متناظر آن در طبيعت (منظور حجم درختان راش)، تفاوت زيادي دارد.

 

ج

د

ب

الف

  

شکل 5- نمودار مربوط به باقي­مانده­هاي رابطه رگرسيوني گونه راش
Figure 5- Chart of residuals regression relationship of beech species

در اين مرحله با استفاده از رابطه­ي رگرسيوني منتخب، جدول حجم يك عامله درختان راش جنگل خيرود، با استفاده از نرم­افزار R تهيه مي شود. دامنه قطري موجود در اين جدول، برابر با دامنه قطري داده­هاي جمع­آوري شده است.

جدول 3- جدول حجم تهيه شده براي گونه راش

Table 3. Volume table prepared for beech species

رديف	قطر (سانتي­متر)	تاريف خيرود (سيلو)	حجم (مترمكعب)	رديف	قطر (سانتي­متر)	تاريف خيرود (سيلو)	حجم (مترمكعب)
1	10	08/0	159/0	17	90	59/10	716/10
2	15	20/0	306/0	18	95	94/11	047/12
3	20	38/0	510/0	19	100	38/13	465/13
4	25	62/0	772/0	20	105	90/14	973/14
5	30	93/0	098/1	21	110	52/16	571/16
6	35	30/1	489/1	22	115	23/18	261/18
7	40	75/1	948/1	23	120	04/20	043/20
8	45	28/2	478/2	24	125	93/21	920/21
9	50	88/2	079/3	25	130	92/23	891/23
10	55	56/3	756/3	26	135	01/26	958/25
11	60	32/4	508/4	27	140	19/28	122/28
12	65	15/5	339/5	28	145	47/30	383/30
13	70	07/6	249/6	29	150	84/32	743/32
14	75	07/7	240/7	30	155	32/35	203/35
15	80	16/8	314/8	31	160	89/37	764/35
16	85	33/9	472/9	32	165	56/40	425/40

 

 

براي اعتبارسنجي مدل­ رگرسيوني و تاريف حاصل از آن، از روش k-fold استفاده شد كه در اين روش تمامي داده­ها جهت تشكيل معادلات رگرسيوني استفاده شد و در مرحله اعتبارسنجي، داده­ها به تعداد k دسته به­طور تصادفي تقسيم شده و اعتبارسنجي براي هر تقسيم­بندي به­طور جداگانه ارائه مي­شود. در اين روش، هرچه خطوط برازش يافته براي هر fold به نيم­ساز ربع سوم نمودار منطبق­تر باشد، نتايج مدل رگرسيوني، انطباق بيشتري با اعداد واقعي و در طبيعت دارند (شکل 6).

 

شکل 6- اعتبارسنجي مربوط به­جدول3 (جدول حجم گونه راش)

Figure 6- Validation for Table 3 (beech Species Volume Table)

همان­طور كه از نتايج اعتبارسنجي مشاهده مي­شود، مدل تهيه شده براي درختان راش توانايي پيش­بيني حجم درختان را در حد مناسبي دارد و خطوط ترسيمي براي هر fold به نيمساز ربع سوم نمودار نزديك است. شايان ذكر است كه جهت اجراي اين نوع از اعتبارسنجي مي بايست دو نكته زير تعريف گردند:

s1 = log (v)

s2 = log (d)

براي بررسي اينکه آيا جداول حجم به­دست ­آمده (جدول 3) تفاوتي نسبت به­جداول حجم مورد استفاده در جنگل خيرود دارد يا خير، از آزمون تي-جفتي استفاده شد و تمامي ستون­هاي ارتفاعي متناظر در هر دو جدول، مورد آزمون قرار گرفت. هدفي كه در اين تحقيق مد نظر قرار گرفت، در مرحله اول (به­عنوان هدف اصلي) تهيه جداول و منحني­هاي حجم است كه در فصل نتايج ارائه شدند. در راستاي اهداف تحقيق پيش رو، جداول حجم به دست آمده با جداول حجم مورد استفاده در جنگل آموزشي و پژوهشي خيرود مقايسه مي­گردد. به­اين منظور از آزمون t-test جفتي جهت مقايسه جداول استفاده شد که حاکي از عدم معني­دار بودن اختلاف بين جداول حجم ايجاد شده و جدول حجم تاريف مورد استفاده در جنگل خيرود ديده نمي­شود.

بحث و نتيجه­گيري

با توجه به اينکه حجم نشانه­گذاري درختان، حجم برآوردي است، براي اندازه­گيري دقيق مشخصه حجم، پس از قطع درختان، اقدام به اندازه­گيري دوباره حجم مي­شود که به اين عمل تجديد حجم مي­گويند.

جدول 2- جدول حجم گونه­ توسکا

در تحقيقات صورت گرفته توسط براون و براک (4)، بوخاري (5)، ديوسن (8)، استاماتليوس (9)، جانسون و همکاران (7)، وست (10) و وود و همکاران (11) روش 3P از نظر دقت و هزينه­ي مصروفه، بهتر از روش صد درصد يا ساير روش­هاي آماربرداري اعلام شده است كه در راستاي نتايج اين تحقيق مي­باشند. بر­اساس تحقيقات سپالا (12) روش 3P از نظر زمان و دقت بهتر از روش آماربرداري تصادفي است. در تحقيقات صورت گرفته توسط ويانت و همكاران (13) روش 3p از دقت لازم برخوردار نبوده و نتايج تحقيق پيش رو را تاييد نمي­كند. گال و بلا (14) روش آماربرداري نواري را از نظر دقت، مناسب­تر از روش 3P يافتند. يلمه و همکاران (15) به ارزيابي روش­هاي­ تجديد حجم 3P و سنتي صد درصد گونه ممرز در جنگل­هاي شصت­کلاته گرگان پرداختند و به اين نتيجه رسيدند که روش 3P به خاطر دقت بيشتر نسبت به روش صد درصد سنتي، براي تجديد حجم درختان قطع شده ممرز در مناطق احيايي کارآيي مناسبي دارد. منصورسمائي و همکاران (16) به ارزيابي روش‌‌هاي تجديد حجم 3P و صددرصد در طرح جنگل‌داري پرچيوا مازندران پرداختند و به اين نتيجه رسيدند که تجديد حجم به‌روش 3P نسبت به‌روش صددرصد روشي کم‌‌هزينه است و زمان کمتري را مي‌‌طلبد و داراي دقت مناسبي است. عباسي و همکاران (17) به بررسي و مقايسه شيوه‌هاي تجديدحجم 3P و صددرصد در طرح جنگلداري سردآبرود مازندارن پرداختند و به اين نتيجه رسيدند که براي گونه­هاي راش و توسکا، روش 3P براي تجديد حجم از عملکرد مناسبي برخوردار است. وست (18)، نميرانيان (19) و يانگ و همکاران (20) بيان مي­کنند که خروج سريع­تر چوب از جنگل، افزايش سرعت عمليات تجديد حجم، صرفه­جويي در زمان و نيروي کار و بهبود وضعيت پرداخت عوارض و بهره مالکانه از جمله نتايج مثبت استفاده از روش 3P است.

با توجه به اينكه اطلاعات مربوط به تهيه جداول مورد استفاده در جنگل خيرود با استفاده از روش تجديد حجم صد در صد جمع­آوري شده اند، كه زمان مصروفه جهت تجديد حجم در روش صد درصد بالاتر است و در طي انجام عمليات آماربرداري صد درصد خستگي و بي دقتي آماربرداران موجب بالاتر رفتن اشتباه مي­شود؛ جمع­آوري اطلاعات به­روش 3P از اين نظر كه زمان كمتر و هزينه كمتر و دقت بيشتري دارد از روش آماربرداري صد درصد مناسب­تر است. در پايان پيشنهاد مي­شود پژوهش­هاي مشابه در ديگر نواحي جنگلي اکوسيستم­هاي هيرکاني و هم­چنين در ديگر گونه­هاي جنگلي (مانند ممرز، بلندمازو و توسکا) براي بررسي دقت و صحت اين روش انجام بگيرد. هم­چنين، پيشنهاد مي­شود كه در پژوهش­هاي آينده، تحقيقاتي در مورد بررسي دقت جداول حجم مورد استفاده و جداول به روزتر، صورت بگيرد تا در صورت لزوم جداول به­روزتر و كاراتر جايگزين شوند و براساس سافته­هاي روش 3P، اين جداول اصلاح شوند.

منابع

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.

3

---