تقال از فایل ورد به داخل سایت کلمات به هم بریزد یا شکل ها درج نشود

شما می توانید تکه های دیگری از این مطلب را با جستجو در همین سایت بخوانید

ولی برای دانلود فایل اصلی با فرمت ورد حاوی تمامی قسمت ها با منابع کامل

اینجا کلیک کنید

Downloaded from ijae.iut.ac.ir at 16:09 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.5.17.65 ]

نمونهبرداری پوشش گیاهی
پس از جنگل گردشی و شناسایی منطقه اقدام به تیپبنـد ی پوشـشگیاهی با توجـه بـه سـیمای ظـاهر ی گونـه هـا ی غالـب درختـی و درختچهای گردید. با اسـتفاده از روش کـربس( 19) حـداقل تعـدادقطعات نمونه مورد نیاز محاسبه شد و همچنین با بهکـارگ یری روش حداقل سطح با استفاده از پلاتهای حلزونی و منحنی سـطح/گون ه ،مساحت قطعات نمونه تعیین گردید (31). بهمنظور بررسی و تعیـی ن گروههای اکولوژیـ ک گیـ اهی 125 قطعـه نمونـه مربعـی شـکل بـهمساحت 400 مترمربع بهصورت تصـادف ی- سیسـتمات یک در منطقـهبرداشت شد. در داخل هـر قطعـه نمونـه حضـور یـ ا عـدم حضـورگونهها، تراکم، فراوانی و درصد تاج پوشش آنها ثبت گردید.

تعیین گروههای اکولوژیک گیاهی
بهمنظور تعیین و مطالعه گروههای اکولوژیک گیـاهی ، اطلاعـات ۶۸

شکل 1. موقعیت منطقه مورد مطالعه
پوشش گیاهی حاصل از 125 قطعه نمونه با استفاده از نـرم افـزار PC-ORD (26) و به کمک آنـالیز دو طرفـه گونـه هـا ی معـرف
(TWINSPAN) مورد تجزیه و تحلیل قـرار گرفـت. ایـ ن روش نوعی طبقهبندی چند صفتی است کـه در حـال حاضـر بـهطـورگسترده مورد استفاده قرار میگیرد (11).
اساس TWINSPAN بر مقایسـه قطعـات نمونـه براسـاس وجود یا عدم وجود گونهها و نیز فاکتوری به نام شبه گونه است. قطعاتی که بیشترین شباهت را دارند در کنـار هـم قـرار گرفتـه و یک گروه اکولوژیک را بهوجود میآورند( 10).

پردازش و آنالیز دادهها
در این مطالعه بهمنظـور بررسـی الگوهـای پـراکنش درختـان ازروش متداول در مطالعات جنگل و الگوی پراکنش مکانی یعنـ ی روش قطعه نمونه با مساحت ثابت استفاده شد .بهمنظـور تعیـینالگوی پراکنش بلوط ایرانی در منطقه مورد مطالعه ،شاخصهای مربوط به الگوی پراکنش از رابطه 1 محاسبه گردید:

S2 [1]
X
I: شـاخص پـراکنش، 2S: وار یـانس تعـداد درخـت در قطعـات

نمونه، X : میانگین تعداد درخت در قطعات نمونه. این نسـبتیکی از قدیمیترین و از سادهترین معیارهای سـنجش پـراکنشمیباشد .که معمولاًمعمولا مبتنی بر مشاهداتی است که در یک آرا یـش تصادفی با توزیع پواسن توصیف میشود. اگـر وار یـ انس برابـرمیانگین باشد، مقدار نسبت برابر یک خواهـد بـود، کـه در ا یـن حالت جمعیت مـورد بررسـی دارای الگـو ی پـراکنش تصـادفی خواهد بود و اگر نسبت واریانس به میانگین کمتر از یک باشـدجمعیت دارای الگوی پراکنش یکنواخـت و اگـر بیشـتر از یـ ک باشد دارای الگوی پراکنش تجمعی (کپهای) خواهد بود (6). بـااستفاده از آزمون کای اسـکو ئر انحرافـات معنـیدار (I) از عـددیک آزمون میشود (رابطه 2 و 3):
X2  I(n1)

X00252/ X X2  00752/

آنگاه: فرض الگوی پراکنش بهشکل غیرتصادفی رد میشـود . در غیر اینصورت فرض غیرتصادفی بودن الگوی پراکنش پذیرفتـهمیشود. آزمون دیگر که بههمین منظور و در نمونههـا ی بـزرگاستفاده میشود، مقدار d است که بهسـمت توز یـ ع نرمـال م یـ ل میکند (رابطه 4):
331026-63483

d  2×2  2(n 1 1) [4]
اگر 96/1|d|< باشد، پـراکنش تصـادفی اسـت (05/0P > ). اگـر 96/1-d < پراکنش یکنواخت، و اگر 96/1d > باشـد، پـراکنشبه شکل کپهای خواهد بود (3، 6 و 22).
شاخص پراکنش موریسیتا: موریسـ یتا در سـال 1962 شـاخصزیر را برای بررسی پراکنش افراد ارائه کرد (رابطه 5):
Id  n  X22 XX [5]
( X)
Id: شاخص پراکنش موریسـیتا،n : انـدازه نمونـه، ΣΧ: مجمـوع
پراکنش

اعداد کـوادر اتهـا (…+3×1+x2+x) و 2ΣΧ: مجمـوع مربعـاتاعــداد کــوادراتهــا (…+23×21+x22+x). مقــدار مــورد انتظــار
شاخص پراکنش موریسیتا برای حالتهای آرایش تصادفی برابر
 n-1 
64475068393

یک، برای حالت حداکثر یکنواختی برابر X-1-1 و بـرا ی

حــداکثر تجمــع (کپــهای) برابــر n مــیباشــد (4، 12 و 22). موریسیتا برای آزمون فرض تصادفی بودن پراکنش روند زیـ ر را پیشنهاد کرد (رابطه6):
X2  I (d x  1) n x [6]
df  n 1
df در این رابطه همان درجه آزادی میباشد .برای آزمـون تصـادفی بودن پراکنش درختان توده مورد بررسـ ی، کـا ی اسـکو ئر محاسـبهشده از رابطه موریسیتا با کای اسکوئر جدول مقایسه میگردد. اگر کای اسکوئر محاسبه شـده کمتـر از کـای اسـکو ئر جـدول باشـد،تصادفی بودن پراکنش افراد (درختـان) پذ یرفتـه مـیشـود. در غ یـ ر اینصورت تصادفی بودن پراکنش افراد رد میشود( 4، 12 و 22).
شاخص اسـتاندارد شـده موریسـ یتا: بـا قـرار دادن شـاخصموریسیتا در یک مقیـ اس مطلـق از 1- تـا 1+ اصـلاحات ی در آن ایجاد شده است. پس از محاسبه شاخص موریسیتا، دو شـاخص مهم تحت عنوان شاخص یکنواختی و شـاخص تجمـع محاسـبه میشود. شاخصهای یکنواختی و تجمع به ترتیب مطابق روابـط
7 و 8 محاسبه میشود:
Mu  x09752/ ( X )ni 1Xi [7]
41443597283

MC  X00252/ ( X )ni 1Xi [8]
126873867918

Downloaded from ijae.iut.ac.ir at 16:09 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.5.17.65 ]

Downloaded from ijae.iut.ac.ir at 16:09 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.5.17.65 ]

براسـاس ایـ ن دو شـاخص و مقـدار Id شـاخص اسـتاندارد شـده موریسیتا محاسبه میشود. Ip شاخص پراکنش اسـتاندارد موریسـ یتا میباشد که مقدار آن بین 1- تا 1+ بهدست میآیـ د. بـرا ی الگـو ی پ راکنش تص ادفی مق دار آن براب ر ص فر، ب رای الگ وی ح داکثر یکنواختی برابر منهای یک و برای حـداکثر تجمـع (کپـه ای) برابـریــک مــیباشــد (4 و 22). بــرای تجزیــه و تحلیــل دادههــا از نرمافزارهایEcological Methodology و PC-ORD استفاده شد.

126873867918

Downloaded from ijae.iut.ac.ir at 16:09 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.5.17.65 ]

  • 2