تصمیمات مربوط به مدیریت جنگل و منابع طبیعی غالباً براساس اطلاعات جمع آوری شده در شرایط منابع گذشته و حال است. این اطلاعات نه تنها جزئیات فعلی را در مورد چوب ما مدیریت می کنیم (به عنوان مثال ، حجم ، توزیع قطر) بلکه به ما امکان می دهد تا با گذشت زمان تغییرات در رشد ، مرگ و میر و رشد را ردیابی کنیم. ما از این اطلاعات برای پیش بینی رشد و بازده آینده بر اساس اهداف مدیریتی خود استفاده می کنیم. تکنیک های پیش بینی پویایی ایستاده به طور جمعی به عنوان مدل های رشد و عملکرد گفته می شود. مدل های رشد و عملکرد روابط بین میزان عملکرد یا رشد و عوامل مختلفی است که این رشد را توضیح یا پیش بینی می کند.

قبل از ادامه بررسی مدل های رشد و بازده ، اجازه دهید برخی اصطلاحات اساسی را مرور کنیم.

عملکرد: حجم کل برای برداشت در یک زمان معین

رشد: تفاوت در حجم بین آغاز و پایان یک دوره زمانی مشخص (V 2 - V 1)

رشد سالانه: هنگامی که رشد در دوره رشد با تعداد سالها تقسیم می شود

مدل: یک عملکرد ریاضی که برای ارتباط نرخ رشد مشاهده شده یا عملکرد اندازه گیری متغیرهای درخت ، ایستاده و سایت اندازه گیری شده است

تخمین: یک فرآیند آماری برای به دست آوردن ضرایب برای مدلهایی که نرخ رشد یا عملکرد را به عنوان تابعی از متغیرهای اندازه گیری شده درخت ، ایستاده و سایت توصیف می کنند

ارزیابی: با توجه به اینکه چگونه ، کجا ، و توسط چه کسی باید از آن استفاده شود ، چگونه مدل و مؤلفه های آن کار می کنند ، و کیفیت طراحی سیستم و واقعیت بیولوژیکی آن

تأیید: فرایند تأیید اینکه مدل به درستی با توجه به مدل مفهومی عمل می کند. به عبارت دیگر ، تأیید اطمینان می دهد که هیچ نقصی در منطق برنامه نویسی یا الگوریتم ها وجود ندارد و هیچ تعصب در محاسبات (خطاهای سیستماتیک) وجود ندارد.

اعتبار سنجی: دقت و قوام مدل را بررسی می کند و مدل را آزمایش می کند تا ببیند در صورت امکان با استفاده از یک مجموعه داده مستقل ، سیستم واقعی را منعکس می کند.

شبیه سازی: استفاده از یک برنامه رایانه ای برای شبیه سازی یک مدل انتزاعی از یک سیستم خاص. ما از یک مدل رشد برای تخمین توسعه ایستاده در طول زمان در شرایط جایگزین یا شیوه های سیلوی فرهنگی استفاده می کنیم.

کالیبراسیون: فرآیند اصلاح مدل برای حساب کردن شرایط محلی که ممکن است با مواردی که مدل بر اساس آن متفاوت است متفاوت باشد

نظارت: به طور مداوم بازده شبیه سازی سیستم را برای شناسایی هرگونه کاستی در مدل بررسی می کند

مدل قطعی: مدلی که در آن نتایج از طریق روابط شناخته شده بین حالت ها و رویدادها تعیین می شود ، بدون هیچ جایی برای تغییر تصادفی. در جنگلداری ، یک مدل قطعی تخمین رشد متوسط ایستاده را ارائه می دهد و با توجه به همان شرایط اولیه ، یک مدل قطعی همیشه نتیجه مشابه را پیش بینی می کند.

مدل تصادفی: مدلی که سعی در نشان دادن تغییرات طبیعی در یک سیستم با ارائه پیش بینی های مختلف (هرکدام با احتمال خاص وقوع) با توجه به شرایط اولیه یکسان است. یک مدل تصادفی برای ارائه تخمین از تغییرپذیری پیش بینی ها ، به چندین اجرا نیاز دارد.

مدل فرآیند: مدلی که سعی در شبیه سازی فرآیندهای بیولوژیکی دارد که دی اکسید کربن ، مواد مغذی و رطوبت را از طریق فتوسنتز تبدیل می کند به زیست توده

مدل جانشینی: مدلی که سعی در مدل سازی جانشینی گونه ها دارد ، اما به طور کلی قادر به ارائه اطلاعات قابل اعتماد در مورد عملکرد چوب نیست

مدل ها

مدل های رشد و عملکرد به طور معمول به عنوان معادلات ریاضی بیان می شوند و می توانند به صورت ضمنی یا صریح باشند. یک مدل ضمنی متغیرهای موجود در معادله را تعریف می کند اما رابطه خاص اندازه گیری نمی شود. مثلا،

جایی که V حجم (ft 3 /ac) است ، BA چگالی است (ناحیه پایه در Ft 2) ، HT ارتفاع کل درخت است. این مدل می گوید که حجم تابعی از چگالی و ارتفاع (بستگی به) دارد ، اما مقدار عددی را برای مقادیر خاص منطقه و ارتفاع پایه قرار نمی دهد. این معادله هنگامی صریح می شود که رابطه مانند

مدل های رشد و عملکرد می توانند معادلات خطی یا غیرخطی باشند. در این مدل خطی ، تمام متغیرهای مستقل x 1 و x 2 فقط به قدرت اول افزایش می یابد.

یک مدل غیرخطی دارای متغیرهای مستقل با نمایندگان متفاوت از یک است.

در این مثال ، B 0 و B 1 پارامترهایی هستند که باید تخمین زده شوند و X متغیر مستقل است.

طبقه بندی مدل های رشد و عملکرد

مدل های رشد و عملکرد مدت هاست که بخشی از جنگلداری بوده است اما به دلیل دسترسی به رایانه ها ، توسعه و استفاده در 25 سال گذشته بسیار افزایش یافته است. رویکردهای مختلفی برای مدل سازی وجود دارد که هر کدام دارای مزایا و معایب خاص خود هستند. انتخاب یک نوع خاص از رویکرد مدل سازی اغلب به نوع داده های مورد استفاده بستگی دارد. مدل های رشد و عملکرد بسته به اینکه آیا آنها کل پایه ، کلاس های قطر یا درختان جداگانه را مدل می کنند ، طبقه بندی می شوند.

مدل های کامل ایستاده

مدل های ایستاده کامل ممکن است یا ممکن است دارای چگالی به عنوان یک متغیر مستقل نباشند. مدل های غرفه بدون چگالی پایه و اساس جداول عملکرد طبیعی سنتی را فراهم می کنند زیرا "طبیعی" به معنای حداکثر تراکم طبیعت است و جداول عملکرد تجربی چگالی متوسط طبیعت را فرض می کند. در هر دو مورد ، حجم ایستاده در سنین خاص معمولاً تابعی از سن و شاخص سایت است. مدل های ایستاده با چگالی متغیر از چگالی به عنوان یک متغیر مستقل صریح برای پیش بینی حجم فعلی یا آینده استفاده می کنند. باکمن (1962) اولین مطالعه را در ایالات متحده منتشر کرد که به طور مستقیم رشد از متغیرهای ایستاده فعلی را پیش بینی می کرد ، سپس عملکرد رشد را برای به دست آوردن عملکرد ادغام کرد:

Y = 1. 6689 + 0. 041066 BA - 0. 00016303 BA 2 - 0. 076958 A + 0. 00022741 A 2 + 0. 06441 S

جایی که y = دوره پایه سالانه خالص سالانه BA = مساحت پایه ، در فوت مربع در هکتار A = سن ، در سال S = شاخص سایت

مدل های توزیع قطر پالایش مدل های کامل است. این نوع مدل نتایج را در هر سن تفکیک می کند و سپس اطلاعات اضافی در مورد ساختار کلاس قطر مانند قد و حجم اضافه می کند. تعداد ساقه ها در هر کلاس تابعی از متغیرهای ایستاده است و کلیه عملکردهای رشد برای پایه است. این نوع مدل ایستاده کل جزئیات بیشتر از شرایط ایستاده را از نظر حجم ، اندازه درخت و مقدار ارائه می دهد.

مدل های کلاس قطر

مدل های کلاس قطر (با مدل های توزیع قطر اشتباه گرفته نمی شوند) رشد و حجم را برای هر کلاس قطر بر اساس متوسط درخت در هر کلاس شبیه سازی می کنند. تعداد درختان در هر کلاس از نظر تجربی تعیین می شود. حجم کلاس قطر به طور جداگانه برای هر کلاس قطر محاسبه می شود ، سپس برای به دست آوردن مقادیر ایستاده خلاصه می شود. طرح ریزی جدول ایستاده یک روش کلاس قطر متداول است که برای پیش بینی شرایط آینده کوتاه مدت بر اساس رشد قطر قابل مشاهده برای آن غرفه استفاده می شود. مرگ و میر ، برداشت و رشد باید به طور جداگانه محاسبه شود. تفاوت در روش های طرح ریزی بر اساس توزیع تعداد ساقه ها در هر کلاس و نحوه استفاده از نرخ رشد است. به عنوان مثال ، ساده ترین روش طرح ریزی مبتنی بر دو فرض است: 1) این که تمام قطر درختان در یک کلاس قطر برابر با قطر میانی برای آن کلاس و 2) که همه آنها با همان نرخ متوسط رشد می کنند. پیشرفت در این روش استفاده از نسبت حرکتی است که نسبت درختانی را که به کلاس DBH بالاتر منتقل می شوند ، تعریف می کند.

در جایی که M نسبت حرکت است ، G میانگین افزایش قطر دوره ای برای آن کلاس خاص است و من فاصله کلاس قطر است. بیایید به یک مثال نگاه کنیم.

برای یک کلاس DBH خاص فرض کنید که G 1. 2 اینچ است و I (فاصله کلاس) 2. 0 اینچ است.

این بدان معنی است که 60 ٪ از درختان در آن کلاس قطر به کلاس قطر بعدی حرکت می کنند و 40 ٪ در این کلاس باقی می مانند. اگر فاصله کلاس قطر یک اینچ باشد ، نسبت حرکت متفاوت خواهد بود.

در این حالت ، تمام درختان موجود در این کلاس قطر حداقل یک کلاس اندازه بالا می روند و 20 ٪ از آنها دو کلاس اندازه را بالا می برند.

مدل های درختی انفرادی

مدل های درختی فردی رشد هر درخت جداگانه را در لیست درخت شبیه سازی می کنند. این مدل ها پیچیده تر هستند اما با افزایش قدرت محاسبات رایج تر شده اند. مدل های درختی جداگانه به طور معمول ارتفاع ، قطر و بقای هر درخت را در حالی که رشد آن را محاسبه می کنند ، شبیه سازی می کنند. داده های درختی جداگانه پس از رشد مدل هر درخت جمع می شوند ، در حالی که مدل های ایستاده قبل از استفاده از مدل رشد ، داده های درخت جداگانه را در متغیرهای ایستاده جمع می کنند. علاوه بر این ، این نوع مدل به کاربر اجازه می دهد تا اندازه گیری رقابت برای هر درخت را در بر بگیرد. به همین دلیل ، مدل های درختی جداگانه بر اساس نحوه برخورد با رقابت به دو گروه تقسیم می شوند.

مدلهای مستقل از راه دور محله رقابتی را برای یک درخت موضوع با قطر ، ارتفاع و شرایط خود تعریف می کنند تا ویژگی هایی مانند ناحیه پایه ، تعداد درختان در هر منطقه و قطر متوسط را نشان دهند ، با این حال ، مسافت بین درختان برای محاسبات لازم نیسترقابت برای هر درخت. مدلهای وابسته به مسافت شامل فاصله و تحمل همه درختان همسایه ، به همراه قطر آنها هستند. به این ترتیب ، محله رقابتی برای هر درخت موضوع دقیقاً و منحصر به فرد تعریف شده است. در حالی که این رویکرد از نظر روشهای مستقل از فاصله از نظر منطقی برتر به نظر می رسد ، هیچ شواهد مستند مشخصی برای پشتیبانی از استفاده از اقدامات مربوط به رقابت وابسته به مسافت بیش از اقدامات مستقل از راه دور وجود ندارد.

بسیاری از مدل ها و شبیه سازهای رشد و عملکرد زیادی وجود دارد و انتخاب مناسب ترین مدل می تواند دشوار باشد. برای بسیاری از این گزینه ها مزایا و مضرات وجود دارد و جنگلداران باید به قابلیت اطمینان تخمین ها ، انعطاف پذیری مدل برای مقابله با گزینه های مدیریت ، سطح جزئیات مورد نیاز و کارآیی ارائه اطلاعات در یک روش روشن و قابل استفاده توجه کنند. روش. بسیاری از مدل ها با استفاده از طیف گسترده ای از داده های موجود ایجاد شده اند. این مدل ها فقط برای اهداف تطبیقی استفاده می شوند. به عبارت دیگر ، آنها به جای پیش بینی نتایج برای یک موضع خاص ، هنگام مقایسه نتایج از گزینه های مختلف مدیریت مناسب هستند. مهم است که قبل از استفاده از آن ، پایه های هر مدل یا شبیه ساز را مرور و درک کنید.

شبیه ساز گیاهی جنگلی

شبیه ساز پوشش گیاهی جنگل (FVS ، Wykoff و همکاران 1982 ؛ دیکسون 2002) یک مدل رشد جنگل های مستقل و مستقل از مسافت است که معمولاً در ایالات متحده برای حمایت از تصمیمات مدیریت جنگل مورد استفاده قرار می گیرد. پیش بینی ها به طور معمول در سطح پایه ساخته می شوند ، اما FVS توانایی گسترش دامنه مکانی را به واحدهای مدیریتی بسیار بزرگتر دارد. FVS به عنوان مدل پیش آگهی برای توسعه ایستاده (مرحله 1973) با هدف پیش بینی پویایی ایستاده در جنگل های مختلط آیداهو و مونتانا آغاز شد. این مدل به بستر مدل سازی مشترک برای سرویس جنگل USDA تبدیل شد و به FVS تغییر نام داد.

غرفه ها واحد اصلی مدیریت هستند و پیش بینی ها به تعامل بین درختان درون غرفه ها با استفاده از متغیرهای کلیدی مانند چگالی ، گونه ها ، قطر ، ارتفاع ، نسبت تاج ، رشد قطر و رشد ارتفاع بستگی دارند. مقادیر شیب ، جنبه ، ارتفاع ، چگالی و اندازه گیری پتانسیل سایت برای هر طرح درج شده است. 22 نسخه از نظر جغرافیایی خاص از FV به نام انواع وجود دارد.

Ne-Twigs (بلچر 1982) یک نوع متداول است که برای چهارده ایالت شمال شرقی کاربرد دارد. پیش بینی های رشد ایستاده بر اساس شبیه سازی رشد و مرگ و میر درختان در کلاسهای 5 اینچی و بزرگتر DBH است. با استفاده از یک عملکرد خودکار رشد ، ورود به صورت دستی می تواند به صورت دستی وارد یا شبیه سازی شود. معادله رشد سالانه قطر را برای هر درخت نمونه تخمین می زند و نسبت تاج درخت را به روز می کند (ماینر و همکاران 1988).

رشد قطر سالانه = رشد بالقوه*اصلاح کننده رقابت

رشد بالقوه به عنوان رشد 10 ٪ برتر درختان سریع در حال رشد تعریف می شود و با استفاده از معادله زیر پیش بینی می شود:

رشد بالقوه به عنوان رشد بالقوه منطقه پایه سالانه یک درخت (مربع ft./yr) تعریف شده است. B 1 و B 2 ضرایب خاص گونه هستند SI شاخص سایت (شاخص 50 سال سن) و D قطر درخت فعلی است.

اصلاح کننده رقابت یک شاخص محدود از 0 تا 1 است و توسط:

اصلاح کننده رقابت =

جایی که B 3 یک ضریب خاص گونه است و BA منطقه پایه فعلی (مربع ft./ac) است.

مرگ و میر درخت با برآورد احتمال مرگ هر درخت در یک سال معین محاسبه می شود:

Survival = 1- [1/(1+E N)]

در جایی که C 1 ،… ، C 6 ضرایب خاص گونه D است D قطر درخت فعلی (اینچ) BA منطقه پایه ایستاده (مربع ft./ac) است و SI شاخص سایت است.

داده های موجودی و اطلاعات سایت به FVS وارد می شوند ، و یک فرآیند خود کالیبراسیون مدل های رشد را برای مطابقت با نرخ های موجود در داده های وارد شده تنظیم می کند. برداشت ها را می توان با رشد و میزان مرگ و میر بر اساس تراکم ایستاده پس از زایمان شبیه سازی کرد. چرخه رشد به مدت 5-10 سال اجرا می شود و خروجی شامل خلاصه ای از شرایط ایستاده فعلی ، آمار نمونه برداری و نتایج کالیبراسیون است.

کاربردهای تکنیک های رگرسیون

مدل های رگرسیون در مدیریت منابع طبیعی و جنگلی اهداف بسیاری را ارائه می دهند. مثالهای زیر برای برجسته کردن برخی از این برنامه ها انجام می شود.

مقیاس وزن برای اره

در سال 1962 ، Bower معادله زیر را برای پیش بینی حجم Sawlog کاج Loblolly بر اساس وزن بار کامیون و تعداد سیاهههای مربوط به هر کامیون ایجاد کرد:

که در آن y = کل حجم تخته پا (بین المللی 1/4- قانون) برای بار کامیون سیاهههای مربوط n = تعداد سیاهههای 16 فوت در کامیون w = وزن بار کل (lb.)

توجه کنید که هیچگونه رهگیری Y در مدل وجود ندارد. هنگامی که هیچ سیاهه ای روی کامیون وجود ندارد ، هیچ حجمی برای تخمین وجود ندارد.

نرخ کاهش ساقه

کوزاک و همکاران.(1969) تکنیکی را برای برآورد کسری از حجم در هر درخت واقع در سیاهههای مربوط به هر طول و DIB مشخص شده برای هر سیستم مقیاس گذاری (پاهای پا ، پاهای مکعب یا وزن) تهیه کرد. مدل رگرسیون آنها همچنین منحنی های ضخیم و قطر ساقه فوقانی (DIB) را برای برخی از گونه های مخروط پیش بینی کرده است.

جایی که D = قطر ساقه در هر ارتفاع H بالاتر از زمین H = ارتفاع کل درخت

این معادله حل می شود:

متغیرهای پیش بینی کننده نسبت و نسبت مربع از هر ارتفاع به کل ارتفاع هستند.

جدول حجم ورودی چندگانه که امکان استفاده متغیر را فراهم می کند

جنگلداران معمولاً می خواهند حجم درخت را برای قطرهای مختلف بالا پیش بینی کنند اما بسیاری از معادلات حجم موجود برای محدودیت های خاص خاص ایجاد شده اند. Burkhart (1977) یک مدل رگرسیون برای پیش بینی حجم (فوت مکعب) کاج Loblolly به هر حد برتر بازرگان مورد نظر ایجاد کرد. رویکرد وی حجم کل ساقه را پیش بینی کرد ، سپس با استفاده از نسبت های پیش بینی شده از حجم بازرگان به حجم کل ، حجم کل را به حجم بازرگان تبدیل کرد.

جایی که DBH = قطر در ارتفاع پستان (در.) H = ارتفاع کل درخت (ft.) V = ساقه کل حجم فوت مکعب R = حجم مکعب قابل بازرگان به قطر بالا D T تقسیم شده توسط کل ساقه ساقه حجم فوت مکعب d t = بالاDOB (در.)

میزهای وزنه ای برای پیچ های درخت

بلنگر (1973) از یک رویکرد متغیر ترکیبی برای توسعه پیش بینی های وزن سبز و وزن خشک درخت Sycamore استفاده کرد:

جایی که GBW = وزن بول سبز به 3 اینچ. Top (lb.) DBW = وزن بول خشک تا 3 اینچ. Top (LB.) DBH = قطر در ارتفاع پستان (در.) H = ارتفاع کل درخت (فوت)

پیش بینی زیست توده

یک رویکرد متداول برای پیش بینی وزن زیست توده درخت استفاده از یک فرمول متغیر ترکیبی لگاریتمی است (به عنوان مثال ادواردز و مک ناب 1979). رابطه مشاهده شده بین این متغیرها به طور معمول غیر خطی است ، بنابراین برای خطی کردن رابطه ، یک ورود به سیستم یا ورود به سیستم طبیعی لازم است.

جایی که y = وزن کل درخت DBH = قطر در ارتفاع پستان h = ارتفاع کل درخت

با این حال ، مطالعات گذشته (Tritton and Hobeck 1982 and Wiant et al. 1979) نشان داد که هنگام افزودن ارتفاع ، بهبود مدل کمی وجود دارد. بسیاری از مدل های زیست توده وزن خشک اکنون این فرم را دنبال می کنند:

جایی که WT = کل وزن درخت DBH = قطر در ارتفاع پستان

پیش بینی های حجم بر اساس قطر استامپ

Bylin (1982) یک مدل رگرسیون برای پیش بینی حجم درخت با استفاده از قطر stump و ارتفاع Stump برای گونه ها در لوئیزیانا ایجاد کرد.

جایی که V = حجم درخت (مس. ft.) s dib = قطر stump در داخل پوست (in.) h s = stump ارتفاع (ft.)

تخمین عملکرد

مکینی و چایکن (1939) اولین کسی بودند که از رگرسیون چندگانه استفاده کردند ، با چگالی ایستاده به عنوان متغیر پیش بینی کننده ، برای پیش بینی عملکرد درختان کاج لوبلی.

که در آن y = عملکرد (cu. ft./ac) a = سن ایستاده s = شاخص سایت SDI = شاخص چگالی ایستاده c = شاخص ترکیب (Loblolly Pine Ba/Total BA)

رشد و پیش بینی عملکرد برای غرفه های ناهموار

موزر و هال (1969) برای پیش بینی حجم در چوبهای سخت شمالی ، یک معادله عملکرد را به عنوان تابعی از زمان ، حجم اولیه و منطقه پایه بیان کردند.

که در آن y 0 = حجم اولیه (cu. ft./ac) ba 0 = منطقه پایه اولیه (مربع ft./ac) t = فاصله زمانی سپری شده (سالها از شرایط اولیه) y = حجم پیش بینی شده (مس. ft./ac) سالها پس از مشاهده شرایط اولیه y 0 و BA 0 در زمان t 0

فهرست سایت

سایت توسط انجمن جنگلداران آمریکایی (1971) به عنوان "منطقه ای که از نظر محیط خود در نظر گرفته می شود تعریف شده است ، به ویژه که این نوع و کیفیت پوشش گیاهی منطقه را می تواند داشته باشد."مدیران جنگل و منابع طبیعی از اندازه گیری سایت برای شناسایی بهره وری بالقوه یک غرفه جنگل استفاده می کنند و یک چارچوب مقایسه ای از مرجع برای گزینه های مدیریتی ارائه می دهند. پتانسیل یا ظرفیت تولیدی یک سایت اغلب به عنوان کیفیت سایت گفته می شود.

کیفیت سایت را می توان به طور مستقیم یا غیرمستقیم اندازه گیری کرد. اندازه گیری مستقیم بهره وری یک پایه را می توان با تجزیه و تحلیل متغیرهایی مانند مواد مغذی خاک ، رطوبت ، رژیم های دما ، نور موجود ، شیب و جنبه اندازه گیری کرد. یک روش برآورد بهره وری بر اساس ویژگی های دائمی خاک و توپوگرافی در هر مکان قابل استفاده است و در مناطقی که در حال حاضر غرفه های جنگل وجود ندارد ، مناسب است. شاخص سایت خاک نمونه ای از چنین شاخصی است. با این حال ، چنین شاخص هایی مکان خاص هستند و نباید در خارج از منطقه جغرافیایی که در آن توسعه یافته اند استفاده شود. متأسفانه ، اطلاعات فاکتور محیطی همیشه در دسترس نیست و مدیران منابع طبیعی باید از روشهای جایگزین استفاده کنند.

سوابق عملکرد تاریخی همچنین شواهد مستقیمی از بهره وری سایت را با میانگین بازده بیش از چندین چرخش یا چرخه برش ارائه می دهد. متأسفانه ، داده های بلند مدت محدود در دسترس است ، و بازده ممکن است تحت تأثیر ترکیب گونه ها ، چگالی ایستاده ، آفات ، سن چرخش و ژنتیک باشد. در نتیجه ، روشهای غیرمستقیم برای اندازه گیری کیفیت سایت اغلب مورد استفاده قرار می گیرد که بیشترین رابطه بین ارتفاع درخت و سن درخت را شامل می شود.

استفاده از داده های ارتفاع ایستاده روشی آسان و قابل اعتماد برای تعیین کیفیت سایت است. از لحاظ تئوریکی ، رشد ارتفاع نسبت به تفاوت در کیفیت سایت و توسعه ارتفاع درختان بزرگتر در یک پایه یکدست حساس است که به ندرت تحت تأثیر چگالی ایستاده قرار می گیرد. علاوه بر این ، پتانسیل تولید حجم به شدت با نرخ رشد ارتفاع ارتباط دارد. این اندازه گیری از کیفیت سایت شاخص سایت نامیده می شود و میانگین ارتفاع کل درختان غالب انتخاب شده در یک سایت در یک مرجع خاص یا سن شاخص است. اگر موضعی را که در سن شاخص قرار دارد ، اندازه گیری کنید ، میانگین ارتفاع درختان غالب و رمزگذار ، شاخص سایت است. این بیشترین میزان کمی پذیرفته شده از کیفیت سایت در ایالات متحده برای غرفه های یکدست است (اوری و بورخارت 1994).

هدف از روش شاخص سایت ، انتخاب الگوی توسعه ارتفاع است که انتظار می رود غرفه در طول باقی مانده از عمر خود دنبال کند (برای پیش بینی ارتفاع ایستاده در سن شاخص). بیشتر روشهای مبتنی بر ارتفاع ارزیابی کیفیت سایت از منحنی های شاخص سایت استفاده می کنند. منحنی های شاخص سایت خانواده ای از الگوهای توسعه قد است که با سن در ارتفاع پستان یا سن کل ارجاع می شوند. به عنوان مثال ، منحنی های شاخص سایت برای مزارع به طور کلی بر اساس سن کل (سالها از زمان کاشته شده) است ، جایی که سن در ارتفاع پستان اغلب به خاطر راحتی برای غرفه های طبیعی استفاده می شود. در صورت استفاده از سن کل در این شرایط ، تعداد سالهای مورد نیاز برای رشد یک درخت از نهال به DBH باید اضافه شود. منحنی های شاخص سایت می توانند منحنی های آنومورفیک یا چند شکل باشند. منحنی های آنامورفیک (رایج ترین) خانواده ای از منحنی ها با همان شکل اما رهگیری های مختلف هستند. منحنی های چند شکل خانواده ای از منحنی ها با اشکال و رهگیری های مختلف هستند.

سن شاخص برای این روش به طور معمول اوج میانگین رشد سالانه است. در بخش غربی ایالات متحده ، 100 سال معمولاً به عنوان سن مرجع با 50 سال در قسمت شرقی این کشور استفاده می شود. با این حال ، منحنی های شاخص سایت می تواند بر اساس هر سن شاخص مورد نیاز باشد. Coile and Schumacher (1964) خانواده ای از منحنی های شاخص سایت آنامورفیک را برای کاج Loblolly Plangation با سن 25 سال ایجاد کردند. خانواده زیر منحنی شاخص سایت آنامورفیک برای یک کاج جنوبی بر اساس سن مرجع 50 سال است.

شکل 1. منحنی های شاخص سایت با سن 50 سال.

ایجاد یک منحنی شاخص سایت شامل انتخاب تصادفی درختان غالب و رمزگذاری شده ، اندازه گیری ارتفاع کل آنها و از نظر آماری داده ها در یک معادله ریاضی است. بنابراین ، از کدام معادله استفاده می کنید؟طرح ریزی ارتفاع بیش از سن برای گونه های منفرد ، غرفه های حتی در سن به طور معمول منجر به یک الگوی شکل سیگموئید می شود.

در جایی که H D ارتفاع درختان غالب و رمزگشایی است ، A در سن ایستاده و B 0 و B 1 ضرایب است که باید تخمین زده شود. در صورت استفاده از رگرسیون خطی برای متناسب با مدل ، تغییر متغیر مورد نیاز است. یک تحول مشترک است

Coile and Schumacher (1964) داده های خود را با مدل زیر قرار می دهد:

جایی که S شاخص سایت است ، H کل درخت و A میانگین سنی است. منحنی شاخص سایت با قرار دادن مدل به داده ها از غرفه های ویژگی های مختلف سایت و سنین ایجاد می شود ، و اطمینان حاصل می کند که تمام کلاس های شاخص سایت لازم در همه سنین به طور مساوی نشان داده شده اند. مهم است که با استفاده از طیف ناقص از داده ها ، منحنی را تعصب نکنید.

داده ها برای توسعه معادلات شاخص سایت می تواند از اندازه گیری ارتفاع درخت یا ایستاده و سن از توطئه های موجودی موقت یا دائمی یا از تجزیه و تحلیل STEM حاصل شود. داده های طرح موجودی معمولاً فقط برای منحنی های آنامورفیک استفاده می شوند و هنگامی که سایت های فقیر در کلاس های سن بالاتر نشان داده می شوند ، تعصب نمونه برداری می تواند رخ دهد. تجزیه و تحلیل STEM می تواند برای منحنی های چند شکل استفاده شود اما به نمونه گیری مخرب نیاز دارد و به دست آوردن چنین داده هایی می تواند گران باشد.

ما قصد داریم سه روش مختلف را برای توسعه معادلات شاخص سایت بررسی کنیم:

1. روش منحنی راهنما
2. روش معادله تفاوت
3. روش پیش بینی پارامتر

روش منحنی راهنما

روش منحنی راهنما معمولاً برای تولید معادلات شاخص سایت آنامورفیک استفاده می شود. بیایید با یک فرم مدل متداول شروع کنیم:

[1]

پارامتر کردن این مدل منجر به "منحنی راهنما" (خط متوسط برای داده های نمونه) می شود که برای ایجاد منحنی های توسعه ارتفاع/سن فردی که موازی با منحنی راهنما است استفاده می شود. برای یک فهرست سایت خاص معادله:

[2]

جایی که b oi یک رهگیری منحصر به فرد برای آن سن است. با تعریف ، هنگامی که a = a 0 (سن شاخص) ، ساعت برابر با شاخص سایت است. بدین ترتیب:

[3]

جایگزین کردن b oi در معادله [2] می دهد:

[4]

که می تواند برای تولید منحنی های شاخص سایت برای مقادیر داده شده S و 0 و طیف وسیعی از سنین (A) استفاده شود. این معادله می تواند به صورت جبری تنظیم مجدد شود:

[5]

این فرم برای تخمین شاخص سایت (ارتفاع در سن شاخص) در هنگام اندازه گیری داده های قد و سن است. این فرآیند فقط در صورتی مناسب است که میانگین کیفیت سایت در داده های نمونه تقریباً برای همه کلاس های سنی یکسان باشد. اگر کیفیت متوسط سایت به طور سیستماتیک با افزایش سن متفاوت باشد ، منحنی راهنما مغرضانه خواهد بود.

روش معادله تفاوت

این روش به طرح آثار باستانی ، داده های اندازه گیری مجدد درخت یا داده های تجزیه و تحلیل STEM نیاز دارد. این مدل با استفاده از تفاوت های ارتفاع و سنین خاص مناسب است. این روش برای منحنی های آنامورفیک و چند شکل ، به ویژه برای دوره های اندازه گیری طولانی تر و/یا چندگانه مناسب است. شوماخر (پس از Clutter و همکاران 1983) هنگام تخمین شاخص سایت با استفاده از متقابل سن و ورود طبیعی به ارتفاع از این روش استفاده کرد. او معتقد بود که بین نقطه A (1/ A 1 ، LN H 1) و نقطه B (1/ A 2 ، LN H 2) رابطه خطی وجود دارد و β 1 (شیب) تعریف شده را تعریف می کند:

در جایی که H 1 و A 1 ارتفاع و سن اولیه بودند ، و H2 و A در پایان دوره بازپرداخت قد و سن داشتند. الگوی قد/سن او تبدیل شد:

با استفاده از داده های بازپس گیری ، این معادله با استفاده از روشهای رگرسیون خطی با مدل نصب می شود

پس از برآورد β 1 ، یک معادله شاخص سایت از معادله ارتفاع/سن با اجازه دادن یک 2 برابر A 0 (سن شاخص) به دست می آید به طوری که H 2 با تعریف ، شاخص (های) سایت است. معادله را می توان نوشت:

روش پیش بینی پارامتر

این روش نیاز به اندازه گیری مجدد یا داده های تجزیه و تحلیل STEM دارد و مراحل زیر را شامل می شود:

1. متناسب کردن یک عملکرد ارتفاع/سن غیر خطی یا غیرخطی به داده های مربوط به درخت به درخت (داده های تجزیه و تحلیل STEM) یا طرح توسط طرح (داده های اندازه گیری مجدد)
2. با استفاده از هر منحنی متناسب برای اختصاص مقدار شاخص سایت به هر درخت یا نقشه (یک معادله را برای تخمین شاخص سایت قرار دهید)
3. مربوط به پارامترهای منحنی های نصب شده به شاخص سایت از طریق روشهای رگرسیون خطی یا غیرخطی

Trousdell و همکاران.(1974) از این رویکرد برای تخمین شاخص سایت برای کاج Loblolly استفاده کرد و نمونه ای با استفاده از عملکرد Chapman-Richards (ریچاردز 1959) برای رابطه ارتفاع/سنی ارائه می دهد. آنها داده های تجزیه و تحلیل STEM را در 44 درخت غالب و رمزگذاری کننده جمع آوری کردند که حداقل 50 سال سن داشتند. از عملکرد Chapman-Richards برای تعریف رابطه ارتفاع/سنی استفاده شد:

در جایی که H در پاها در سن A و θ 1 ، θ 2 و θ 3 پارامترهایی هستند که باید تخمین زده شوند. این معادله به طور جداگانه با هر درخت نصب شده بود. منحنی های نصب شده برای به دست آوردن مقادیر (های) شاخص سایت برای هر درخت ، با A = 50 حل شدند.

پارامترهای θ 1 ، θ 2 و θ 3 فرضیه عملکرد شاخص سایت بودند ، که در آن

عملکرد چاپمن ریچاردز سپس به این صورت بیان شد:

سپس این عملکرد برای برآورد پارامترهای β 1 ، β 2 ،… β 8 به داده ها بازگردانده شد. معادلات تخمین به دست آمده برای θ 1 ، θ 2 و θ 3 بودند

برای هر مقدار شاخص سایت معین ، این معادلات را می توان برای ارائه منحنی شاخص سایت خاص Chapman-Richards حل کرد. با جایگزینی مقادیر مختلف سن در معادله و حل H ، ما نقاط ارتفاع/سنی را بدست می آوریم که می تواند برای یک منحنی شاخص سایت ترسیم شود. از آنجا که هر منحنی شاخص سایت دارای مقادیر پارامتر متفاوتی است ، منحنی ها چند شکل هستند.

داده های رشد ارتفاع دوره ای

جایگزینی برای استفاده از ارتفاع جریان فعلی به عنوان جانشین کیفیت سایت استفاده از داده های رشد ارتفاع دوره ای است که به آن یک روش رهگیری رشد گفته می شود. این روش فقط برای گونه هایی است که سوت های سالانه متمایز را نشان می دهند و در درجه اول برای غرفه های نوجوانان استفاده می شود زیرا منحنی های شاخص سایت برای غرفه های جوان کمتر قابل اعتماد هستند.

این روش نیاز به اندازه گیری طول تعداد مشخصی از Inteodes سالانه متوالی یا طول در طی یک دوره 5 ساله دارد. در حالی که مقادیر رهگیری رشد می تواند به طور مستقیم به عنوان اقدامات کیفیت سایت مورد استفاده قرار گیرد ، از آنها بیشتر برای تخمین شاخص سایت استفاده می شود.

آلبان (1972) یک مدل خطی ساده برای پیش بینی شاخص سایت برای کاج قرمز با استفاده از رهگیری رشد 5 ساله در پاها که از 8 فوت بالاتر از زمین شروع می شود ، ایجاد کرد.

جایی که SI شاخص سایت در سن 50 سال و X است ، 5 سال رهگیری در پا است.

استفاده از داده های رشد ارتفاع دوره ای از این مزیت برخوردار نیست که نیازی به اندازه گیری سن ایستاده یا کل ارتفاع درخت باشد ، که در غرفه های جوان و متراکم می تواند دشوار باشد. با این حال ، با توجه به ماهیت کوتاه مدت داده ها ، تغییر آب و هوا ممکن است به شدت بر رشد داخلی تأثیر بگذارد و در نتیجه نتایج را نادرست جلوه دهد.

معادلات شاخص سایت باید مبتنی بر نظریه های بیولوژیکی یا ریاضی باشد که به این معادله کمک می کند تا بهتر عمل کند. آنها باید منطقی رفتار کنند و اجازه نمی دهند مقادیر غیر منطقی برای ارتفاع پیش بینی شده ، به خصوص در سنین بسیار جوان یا بسیار قدیمی. معادلات همچنین باید یک پارامتر بدون علامت برای کنترل رشد ارتفاع بی حد و مرز در پیری داشته باشند. بدون علامت باید عملکردی از شاخص سایت باشد به گونه ای که بدون علامت با افزایش شاخص سایت افزایش می یابد.

هنگام استفاده از شاخص سایت ، مهم است که قبل از استفاده سن پایه را برای منحنی بدانید. همچنین درک این نکته که شاخص سایت بر اساس یک سن پایه نمی تواند به سن پایه دیگری تبدیل شود ، مهم است. علاوه بر این ، شاخص های مشابه سایت برای گونه های مختلف به معنای سایت های مشابه نیست حتی اگر از سن پایه برای هر دو گونه استفاده شود. قبل از اینکه بتوانید با خیال راحت یک منحنی شاخص سایت را تفسیر کنید ، باید درک کنید که قد و سن چگونه اندازه گیری می شود. شاخص سایت یک اندازه گیری واقعی از کیفیت سایت نیست. در عوض ، این یک اندازه گیری از یک مؤلفه رشد درخت است که تحت تأثیر کیفیت سایت قرار می گیرد (ارتفاع برتر اندازه گیری ایستاده است ، نه کیفیت سایت).

منابع

D. H. Alban ، "یک روش رهگیری رشد بهبود یافته برای برآورد شاخص سایت کاج قرمز ،" ایالات متحده آمریکا سرویس ، جنگل مرکزی مرکزی. sta. ، res. مقاله NC-80 ، 1972 ، ص. 7

T. E. اوری و H. E. Burkhart ، اندازه گیری جنگل ،. مک گرا-هیل ، 1994 ، ص. 408

R. P. Belanger ، "میزهای حجم و وزن برای Sycamore با رشد مزارع ،" ایالات متحده آمریکا سرویس. جنوب شرقیجنگلstaresمقاله SE-107 ، 1973 ، ص. 8

D. M. بلچر ، "Twigs: سیستم طرح ریزی ایده آل برای رشد وودمن ،" MicroComputers ، ابزاری جدید برای Foresters ، انتشارات دانشگاه Purdue ، 1982 ، ص. 70

دکتر. Bower ، "روابط وزن حجم برای Sawlogs Loblolly Pine ،" J. Forestry 60 ، 1962 ، صص 411-412.

R. R. باکمن ، "رشد و عملکرد کاج قرمز در مینه سوتا" ، وزارت کشاورزی ایالات متحده ، بولتن فنی 1272 ، 1962.

H. E. Burkhart ، "حجم فوت مکعب کاج Loblolly به هر حد برتر بازرگان ،" بنابراین. J. Appl. برای. 1 ، 1977 ، صص 7-9.

رزومه. BYLIN ، "پیش بینی حجم از قطر استامپ و ارتفاع دستمال گونه های منتخب در لوئیزیانا ،" سرویس جنگل ایالات متحده ، جنگل جنوبی. اعزامsta. ، res. مقاله SO-182 ، 1982 ، ص. 11

J. R. Clutter و همکاران ، مدیریت چوب: یک رویکرد کمی ، ویلی ، 1983 ، ص. 333

t. s. Coile and F. X. Schumacher ، روابط سایت خاک ، ساختار ایستاده و بازده مزارع کاج Slash و Loblolly در جنوب ایالات متحده ، T. S. Coile ، 1964.

GE. Dixon (Comp.) ، "FVS Essential: راهنمای کاربر برای شبیه ساز پوشش گیاهی جنگل" ، گزارش داخلی. وزارت کشاورزی ایالات متحده ، خدمات جنگل ، مرکز خدمات مدیریت جنگل ، 2002 ، ص. 189

MB. ادواردز و دبلیو. McNab ، "پیش بینی زیست توده برای کاج های جوان جنوبی" ، J. Forestry ، 77 ، 1979 ، صص 291-292.

A. D. Kozak ، D. D. مونرو ، و J. H. G. اسمیت ، "توابع Taper و کاربرد آنها در موجودی جنگل" ، جنگل کاری 45 ، 1969 ، صص 278-283.

A. L. Mackiey و L. E. Chaiken ، "حجم ، عملکرد و رشد کاج Loblolly در منطقه ساحلی آتلانتیک ،" ایالات متحده جنگل. سرویسجنگل Appalachian Expt. Sta. ، Tech. توجه 33 ، 1939 ، ص. 30

C. L. Miner ، N. R. والترز ، و M. L. بل ، "راهنمای برنامه Twigs برای شمال مرکزی ایالات متحده" ، سرویس جنگل USDA ، North Central Forest Exp. sta. ، Gen. Tech. Rep. NC-125 ، 1988 ، ص. 105

J. W. موزر ، جونیور و O. F. هال ، "به دست آوردن عملکردهای رشد و عملکرد برای غرفه های جنگلی ناهموار ،" Forest Sci. 15 ، 1969 ، صص 183-188.

F. J. Richards ، "یک عملکرد رشد انعطاف پذیر برای استفاده تجربی" ، J. Exp. گیاه شناسی ، جلد. 10 ، نه. 2 1959 ، صص 290-300.

انجمن جنگلداران آمریکایی ، اصطلاحات علوم جنگل ، فناوری ، عمل و محصولات ، واشنگتن ، D. C. ، انجمن جنگلهای آمریکایی ، 1971 ، ص. 349

A. R. مرحله ، "مدل پیش آگهی برای توسعه غرفه" ، وزارت کشاورزی ایالات متحده ، خدمات جنگل ، جنگل بین المللی و محدوده Expt. sta، resPA Int-137 ، 1973 ، ص. 32

L. M. Tritton و J. W. Hobeck ، "معادلات زیست توده برای گونه های اصلی درخت شمال شرقی" ، USDA برای. سرویسژنرال فناوری. نماینده NE-GTR-69 ، 1982.

K. B. Trousdell ، D. E. بک ، و F. T. لوید ، "شاخص سایت برای کاج Loblolly در دشت ساحلی اقیانوس اطلس کارولیناس و ویرجینیا" ، جنگل جنوب شرقی ایالات متحده آمریکا. استا ، 1974 ، ص. 115

H. J. Wiant و همکاران ، "معادلات پیش بینی وزن برخی از چوب های سخت Appalachian ،" ویرجینیا غربی. مرموزو جنگل اکست. sta. ، coll .. از Agric. و جنگلجنگل ویرجینیا غربی. یادداشت ها ، نه. 7 ، 1979.

W. R. Wykoff ، N. L. Crookston ، و A. R. مرحله ، "راهنمای کاربر برای مدل پیش آگهی ایستاده ،" وزارت کشاورزی ایالات متحده ، خدمات جنگل ، جنگل بین المللی و محدوده محدود. Sta. ، Gen. Tech. Re Int-133 ، 1982 ، ص. 112