Comparison of five distance sampling methods for estimating quantitative characteristics of Zagros Forests

Document Type : Research article

Authors

1 PhD student, Department of Forest Science, Faculty of Natural Resources, University of Shahrekord, Shahrekord, I.R. Iran

2 Professor., Department of Forestry and Forest Economics, Faculty of Natural Resources, University of Tehran, Karaj, I.R. Iran.

3 Assistant Professor, Department of Forest Science, Faculty of Natural Resources, University of Tarbiat Modarres, Nour, I.R. Iran.

Abstract

Distance sampling methods are extensively used for forests management of Zagros region of Iran. In the present study, estimation of quantitative characteristics of sampling methods, including individual, nearest neighbor, second nearest neighbor, compound and joint point, were studied and compared. The individual sampling method was examined, using the estimators of Morisita, Byth & Ripley and Cottam et al. and the nearest neighbor method was assessed, using the estimators of Byth & Ripley and two predictors of Cottam & Curtis1 and Cottam & Curtis2. Location of total trees and shrubs of a 53 hectare forest stand at Ardal city of Chaharmahal and Bakhtiari Province was recorded. Having the actual trees density and canopy cover percentage, as well as their estimated values, the bias of each replication was obtained. Difference between the bias and the actual values (for bias test) by one-sample t-test method and analysis of variance by Games Howell test, were studied. The results showed that the differences between the distance sampling methods in respect to mean trees density per hectare were significant, except for the nearest neighbor method, using the Cottam & Curtis1 estimator, which was not significant, whereas in respect to mean canopy cover percentage, the differences were significant, except for the second-nearest neighbor and the combined methods. According to the results of this study, it is suggested to use the Cottam & Curtis1 method for estimating the density and to use the compound sampling and the second nearest neighbor methods for estimating the canopy cover percentage.

Keywords


فصلنامة علمی - پژوهشی تحقیقات جنگل و صنوبر ایران

جلد 21  شمارة 2، صفحة 328-316، (1392)

 

مقایسه پنج روش نمونه‌برداری فاصله‌ای برای برآورد ویژگی‌های کمی در جنگل­های زاگرس

 

یوسف عسکری1* ، محمود زبیری2 و هرمز سهرابی3

1*- نویسنده مسئول، دانشجوی دکتری، گروه علوم جنگل، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد.

پست‌الکترونیک: askari.yousef@yahoo.com

2- استاد، گروه جنگل‌داری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، کرج

3- استادیار، گروه علوم جنگل، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور

تاریخ دریافت: 28/6/91                                                                تاریخ پذیرش: 13/1/92

 

چکیده

استفاده از روش­های نمونه­برداری فاصله­ای در مدیریت جنگل­های زاگرس کاربرد گسترده­ای دارد. در تحقیق حاضر، برآورد ویژگی­های کمی روش­های نمونه‌برداری نزدیکترین فرد، نزدیکترین همسایه، دومین نزدیکترین همسایه، روش ترکیبی و نقطه مشترک مورد بررسی و مقایسه قرار گرفت. روش نمونه‌برداری نزدیکترین فرد با برآورد کننده­های Morisita، Byth & Ripley و Cottam et al. و روش نزدیکترین همسایه با برآورد کننده‌های Byth & Ripley و دو برآورد کننده Cottam & Curtis1 و Cottam & Curtis2 نیز مورد بررسی قرار گرفت. موقعیت کل درختان و درختچه‌های یک قطعه جنگل به مساحت 53 هکتار واقع در شهرستان اردل استان چهارمحال و بختیاری ثبت گردید. با داشتن مقدار واقعی تعداد درختان در هکتار و درصد تاج پوشش و همچنین میزان برآوردی آنها، اریبی در هر تکرار به‌دست آمد. اختلاف مقدار اریبی با مقدار واقعی (برای آزمون اریبی) با آزمون t تک نمونه‌ای و تجزیه واریانس با آزمون گیمز هاول بررسی گردید. نتایج بدست‌آمده از ارزیابی برآورد تعداد در هکتار نشان می­دهد که، اختلاف میانگین­ها فقط در روش نزدیکترین همسایه با برآورد کننده Cottam & Curtis1 معنی­دار نمی­باشد و در سایر روش­ها اختلاف معنی­دار است. در محاسبه درصد تاج پوشش نیز، اختلاف میانگین­ها فقط در دو روش دومین نزدیکترین همسایه و روش ترکیبی معنی­دار نیست و در سایر روش­ها معنی­دار می­باشد. بر اساس نتایج این تحقیق پیشنهاد می­شود که برای برآورد تعداد در هکتار از روشCottam & Curtis1  و برای برآورد درصد تاج پوشش از روش­های نمونه­برداری ترکیبی و دومین نزدیکترین همسایه استفاده شود.

 

واژه‌های کلیدی: نزدیکترین فرد، نزدیکترین همسایه، دومین نزدیکترین همسایه، روش ترکیبی و نقطه مشترک

 


مقدمه

بوم­شناسان گیاهی انواعی از روش نمونه‌گیری بدون قاب را توسعه دادند که به کلیه آنها روش‌های فاصله‌ای اطلاق می‌­شود که از دو رویکرد عمومی از فواصل اندازه­گیری ­شده بهره می­گیرند.: 1- نقاط تصادفی انتخاب و فاصلة نقطه از نزدیکترین فرد انداز‌ه‌گیری می‌شود؛2- پدیده­های تصادفی انتخاب و فاصلة آنها از نزدیکترین همسایه بدست آورده می­شود (Mesdaghi, 2003). روش نمونه­برداری فاصله‌ای یکی از روش­های مورد استفاده در نمونه­برداری جوامع گیاهی است که توسط اکولوژیست‌ها به منظور برآورد سریع پارامترهای جنگل و مرتع مورد استفاده قرار می­گیرد. انگیزه اصلی توسعه این روش­ها، برآورد تراکم بدون استفاده از قطعه نمونه است. نمونه­برداری فاصله­ای معمولا برای یک گونه منفرد بکار می­رود، و باعث صرفه‌جویی در زمان شده و صحت برآورد را نیز افزایش می­دهد (Beasom & hauck, 1975). تحقیقات متعددی تا­کنون در زمینه بررسی دقت و صحت روش‌های نمونه‌برداری صورت گرفته است. گرچه در مواردی قابلیت این روش‌ها مورد تأیید قرار گرفته است، اما موارد دیگری نیز وجود دارد که این روش‌ها را اریب نشان داده‌اند. ازجمله مهمترین عوامل تأثیرگذار بر صحت برآوردها در این روش، الگوی پراکنش مکانی افراد است. بنابراین می‌توان برای جنگل‌های مختلف و نیز گونه‌های مختلف جنگل انتظار نتایج متفاوتی از نظر اریبی این روش‌ها داشت. (2003)Ghasemi Ghochghar et al.  در تحقیقی روش نزدیکترین فرد برای برآورد تراکم در جنگل‌های شمال کشور را ارزیابی کردند و نتایج نشان داد که روش نزدیکترین فرد نسبت به روش قطعه نمونه با مساحت ثابت و قطعه نمونه اندازه­گیری شده با رلاسکوب در مورد تعداد در هکتار و متوسط سطح مقطع برابر سینه، دارای خطای از معیار بیشتری بود، اما در مقایسه با روش شش درختی پرودن، این روش خطای از معیار کمتری داشت. (2007)Karamshahi  در منطقه کارزان ایلام روش­های آماربرداری نزدیکترین همسایه K-nn و روش Kw-nn، روش خط نمونه بر اساس تئوری احتمالات، روش خط- قطعه نمونه و روش منظم تصادفی با قطعه نمونه دایره­ای شکل را با هم مقایسه نمود و روش آماربرداری K-nn برای پنج درخت را به‌عنوان مناسب­ترین روش آماربرداری برای تعیین تعداد در هکتار و سطح تاج پوشش معرفی نمود. (2010)Safari et al.  از روش نزدیکترین فرد برای بررسی الگوی پراکنش مکانی گونه بنه در جنگل‌های زاگرس استفاده کردند که نتایج بیانگر الگوی مکانی کپه‌ای بود. (2010)Heidari et al.  به بررسی صحت روش نمونه­برداری نزدیکترین فرد در جنگل­های غرب پرداختند، آنها طبق نتایج بدست‌آمده از برآورد کننده­های مختلف نتیجه گرفتند که در برآورد تعداد در هکتار درختان در جنگل مورد بررسی با توجه به معیار صحت قابل قبول، روابط ارائه شده توسط (1957) Morisita و (1970)  Batcheler & Bellمناسب هستند. (2011)Askari & Sohrabi  تحلیل اریبی روش نمونه­برداری نزدیکترین همسایه را با برآورد کننده­های مختلف در جنگل­های زاگرس مرکزی بررسی کردند، طبق نتایج بدست‌آمده این روش اریب (کم برآورد) تشخیص داده شد. (2011)Keiani  به مقایسه کارایی روش­های نمونه­برداری فاصله­ای در تاغ­زارهای منطقه سیاهکوه استان یزد پرداخت، نتایج تحقیق وی نشان داد که برای برآورد تراکم از بین روش­های فاصله­ای، روش­های زاویه منظم برای سومین فرد و مربع تی پس از روش­های چند درختی و برای برآورد تاج پوشش روش­های مربع با نقطه مرکزی و چند درختی در این منطقه مناسب هستند. (1994) Engerman et al. در تحقیقی با عنوان "مقایسه روش‌های فاصله ای برآورد تراکم با استفاده از شبیه‌سازی کامپیوتری (مونت کارلو)" تعدادی از روابط فاصله­ای را با دیگر روابط در روش‌های مختلف نمونه‌برداری فاصله‌ای، بررسی کردند. نتایج حاصل از این فرمول­ها، از فرمول­های دیگر روش­ها ضعیف­تر بودند. (2006) Vilcko & Kleinn با مروری بر روش­های مختلف اندازه­گیری فاصله میان n درخت نزدیک به مرکز قطعه نمونه و ذکر مسئله محاسبات آماری در این روش­ها، سعی در ارائه یک روش جدید برای انجام محاسبات در این روش­ها داشتند. در این مطالعه آنها به جای اندازه­گیری فاصله تا nامین درخت، فاصله بین درخت n و n+1 را در نظر گرفتند. (2012)  Kissa & sheilبه مقایسه سه روش فاصله­ای، ترانسکت و ترانسکت با عرض ثابت برای تعیین تراکم درختی در جنگل­های تروپیکال، در پارک Bwindi اوگاندا پرداختند. نتایج تحقیق آنها نشان داد که روش­های فاصله‌ای حتی در شرایط سخت (توپوگرافی، پوشش و عوارض زمین) بهترین نتایج را ارائه می­دهند. هدف از این تحقیق، مقایسه پنج روش نمونه‌برداری فاصله‌ای برای برآورد ویژگی‌های کمی جنگل شامل تعداد در هکتار و درصد تاج پوشش است.

 

مواد و روش‌ها

منطقه مورد مطالعه

ذخیرگاه جنگلی چهارطاق اردل در 100 کیلومتری جنوب شرقی شهرکرد و 40 کیلومتری شهرستان اردل و مجاورت روستای چهارطاق با مساحتی معادل 400 هکتار قرار گرفته است. از نظر جغرافیایی در حد فاصل 31 درجه و 50 دقیقه و 34 ثانیه تا 31 درجه و 52 دقیقه و 44 ثانیه عرض شمالی و 50 درجه و 48 دقیقه و 39 ثانیه تا 50 درجه و 50 دقیقه و 11 ثانیه طول شرقی واقع شده است. ارتفاع از سطح دریا در این رویشگاه از حداقل 2100 متر از کنار رودخانه سبزکوه تا 3100 متر در ارتفاعات کوه کلار متغیر است. بر اساس بررسی­های انجام شده و مطابق آمار بلندمدت ایستگاه کلیماتوژی منطقه، میانگین بارندگی سالیانه منطقه معادل 15/530 میلیمتر، حداقل درجه حرارت مطلق 5/19- درجه سانتیگراد و حداکثر درجه حرارت مطلق 35 درجه سانتیگراد می­باشد. بر اساس روش دومارتن منطقه مورد مطالعه جزو اقلیم نیمه مرطوب محسوب می­گردد (شکل1) (Jahanbazi et al., 1999).

 

 

 

 

شکل1- موقعیت جغرافیایی منطقه مورد مطالعه نسبت به نقشه کشوری و نقشه استانی

 

 

این دخیره­گاه از تنوع و تراکم گونه­ای فراوانی برخوردار است و طبق داده­های ثبت شده، تعداد و تنوع درختچه در منطقه آماربرداری از تعداد درختان بیشتر بوده است (54 درصد برای گونه­های درختچه­ای و 46 درصد گونه­های درختی). لازم به ذکر است منطقه مورد مطالعه از سال 1362 تاکنون به‌عنوان ذخیره­گاه جنگلی تحت حفاظت می­باشد.

 

روش پژوهش

در این تحقیق از سطح 400 هکتاری منطقه بر اساس بودجه و امکانات تحقیق، 53 هکتار انتخاب و آماربرداری صد در صد در آن اجرا و موقعیت مکانی درختان و مشخصات آنها ثبت گردید. سپس اطلاعات به‌دست آمده به صورت یک لایه نقطه‌ای در محیط GIS وارد شد. برای اجرای روش­های مذکور، ابعاد شبکه با توجه به شرایط توپوگرافی و شیب غالب منطقه، 100×150 متر انتخاب و نقاط نمونه در آن شبکه پیاده گردید.

 

روش اجرای نمونه‌برداری نزدیکترین فرد

در این روش در هر نقطه تصادفی، نزدیکترین درخت به آن را مشخص و فاصله بین آنها به عنوان نزدیکترین فرد اندازه­گیری می‌شود. سپس با استفاده از سه برآورد کننده متفاوت به ارزیابی پارامترهای کمی (تعداد در هکتار و سطح تاج پوشش) در آن پرداخته ­شد (جدول1).

 

روش اجرای نمونه‌برداری نزدیکترین همسایه

در این روش در هر نقطه تصادفی پس از تعیین نزدیکترین درخت به نقطه تصادفی، نزدیکترین همسایه به این فرد را تعیین کرده و فاصله بین این دو درخت اندازه‌گیری می‌شود. سپس با استفاده از سه برآورد کننده متفاوت به ارزیابی پارامترهای کمی در آن پرداخته شد (جدول 2).

 

روش اجرای نمونه­برداری دومین نزدیکترین همسایه

در این روش در هر نقطه نمونه­برداری، نزدیکترین فرد به آن را مشخص کرده و در مرحله بعد نزدیکترین همسایه به فرد مشخص شده را انتخاب و در مرحله آخر نزدیکترین همسایه به فرد مشخص شده در مرحله قبل را مشخص و مشخصات و همچنین فاصله آن را به‌عنوان دومین نزدیکترین همسایه وارد می­کنیم.

 

روش اجرای نمونه­برداری ترکیبی

این روش ترکیبی از دو روش نزدیکترین فرد و نزدیکترین همسایه می­باشد. در این روش هم فاصله بین نزدیکترین فرد و هم فاصله بین نزدیکترین همسایه اندازه­گیری می­گردد. یعنی هم فاصله نقطه نمونه­برداری تا نزدیکترین فرد به آن مشخص و اندازه‌گیری می­گردد و هم فاصله نزدیکترین فرد به فرد انتخاب شده در مرحله قبل اندازه­گیری و مشخصات آن ذکر می­شود.

 

روش اجرای نمونه­برداری نقطه مشترک

در این روش فاصله نقطه نمونه­برداری تا نزدیکترین فرد به آن و مشخصات آن فرد اندازه­گیری می­شود. در مرحله دوم فاصله نزدیکترین فرد به فرد انتخاب شده در مرحله اول و مشخصات آن ثبت می­گردد. در مرحله آخر فاصله نزدیکترین فرد به فرد انتخاب شده در مرحله دوم و مشخصات آن اندازه­گیری می­شود.

 

 

جدول1- فرمول محاسبه برآورد کننده­های متفاوت در روش نزدیکترین فرد

                 فرمول

مشخصات

برآورد کننده

 

 

 

 

 

 

و و = برآورد تراکم جمعیت

= تعداد نمونه (تعداد قطعات نمونه­برداری)

= فاصله بین نقاط نمونه­ و نزدیکترین فرد

 

(1)

 

(Morisita, 1957)

 

(2)

(Byth & Ripley, 1980)

 

 

(3)

) Cottam et al., 1953)

 

جدول 2- فرمول محاسبه برآورد کننده‌های متفاوت در روش نزدیکترین همسایه

فرمول

مشخصات

برآورد کننده

 

 

= برآورد تراکم جمعیت در واحد سطح

= تعداد نمونه (تعداد قطعات نمونه­برداری)

= فاصله بین فرد اول و نزدیکترین همسایه 

 

(4)

Byth & Ripley

 

 

 و = برآورد تراکم جمعیت در واحد سطح

= تعداد نمونه (تعداد قطعات نمونه­برداری)

= فاصله بین فرد اول و نزدیکترین همسایه

 

(5)

Cottam & Curtis1 

 

 

(6)

 Cottam & Curtis2

 


الگوی پراکنش مکانی

برآورد تراکم از تمامی روش‌های فاصله‌ای به شدت تحت تأثیر الگوی پراکنش مکانی است. در این روش­ها اگر گیاهان و حیوانات الگوی پراکنش تصادفی داشته باشند برآورد تراکم نااریب خواهد بود و اگر الگوی پراکنش کپه‌ای باشد، برآورد تراکم اریبی خواهد داشت (Krebs, 1989). برای کمی کردن پراکنش جمعیت­های طبیعی، شاخص­های متعددی برای استفاده در اندازه­گیری­های فاصله­ای وجود دارد. یکی از این شاخص­ها، شاخص Johnson & Zimmer است که بر مبنای فاصله نقطه نمونه­برداری تا فرد استوار است (Ludwig & Reynolds, 1988). در این تحقیق برای تعیین الگوی پراکنش درختان منطقه از این شاخص استفاده شد که در رابطه7 آمده است:

 

(7)   

 

= شاخص پراکنش Johnson & Zimmer

= تعداد نقاط نمونه­برداری

= فاصله بین فرد اول (نزدیکترین درخت) به نقطه نمونه­برداریi

اگر مقدار شاخص  برابر 2 باشد، پراکنش مکانی درختان تصادفی، اگر کمتر از 2 باشد، آرایش یکنواخت و اگر بیشتر از 2 باشد، پراکنش کپه­ای دارد (Ludwig & Reynolds, 1988). برای آزمون تصادفی الگوی پراکنش با استفاده از این شاخص از رابطه (8) استفاده می­شود (Pourbabaei, 2004).

 

(8)        

 

اگر مقدار بین دو عدد 1.96+ و 1.96- قرار بگیرد، فرض تصادفی بودن الگوی پراکنش در سطح اطمینان 95 درصد مورد پذیرش واقع می­گیرد، در غیر این صورت، این فرض رد می­شود.

 

برآورد پارامترهای کمی در سایر روش­های نمونه­برداری فاصله­ای

الف- دومین نزدیکترین همسایه (Cottam & Curtis, 1956)

(9)                                                                                                                

 

= برآورد تراکم جمعیت در واحد سطح       

=  فاصله بین فرد دوم و نزدیکترین همسایه آن در نقطه نمونه­برداری

 

ب- روش ترکیبی (Diggel, 1975)

(10)                                                                                                                      

 

 

= برآورد تراکم جمعیت در واحد سطح

= فاصله نقطه نمونه­برداری تا درخت

= فاصله درخت به نزدیکترین همسایه

 

ج- نقطه مشترک (Engerman et a.l, 1994)

(11)

= برآورد تراکم جمعیت در واحد سطح

= فاصله نقطه نمونه­برداری تا درخت

= فاصله درخت به نزدیکترین همسایه

 = فاصله درخت دوم تا سوم

 

 

- درصد تاج پوشش

با استفاده از اطلاعات جمع‌آوری شده، سطح تاج تک تک درختان به صورت رابطه زیر محاسبه می­شود:

(12)

 

 سطح تاج درخت به متر مربع،CD1i  و CD2i قطر بزرگ و قطر کوچک درخت i به متر است. در مرحله بعد سطح متوسط تاج یک درخت با تقسیم حاصل جمع تاج تمام درختان اندازه­گیری شده در روش مورد نظر بر تعداد آنها مطابق رابطه زیر بدست می­آید. در روش نزدیکترین همسایه از سطح تاج پوشش دو درخت (درختان اول و دوم)، و در روش دومین نزدیکترین همسایه نیز از اطلاعات مربوط به سطح تاج پوشش دو درخت (درختان دوم و سوم) استفاده می­شود. محاسبه درصد تاج پوشش درختان در روش ترکیبی مانند روش نزدیکترین همسایه می­باشد و در هر نقطه نمونه­برداری از سطح تاج پوشش درخت استفاده می­شود. محاسبه درصد تاج پوشش درختان در روش نقطه مشترک مانند روش نزدیکترین همسایه می‌باشد ولی در این روش در هر نقطه نمونه‌برداری از مشخصات سه درخت استفاده می­شود (Zobeiri, 2002).

 

(13)

 

 

= میانگین سطح تاج یک درخت به متر مربع
= سطح تاج درخت i به متر مربع
= تعداد کل درختان اندازه­گیری شده
درصد تاج پوشش از رابطه زیر بدست می­آید:

 (14)                                         

= درصد تاج پوشش
= سطح تاج در هکتار به متر مربع
= تعداد در هکتار

تجزیه و تحلیل اریبی و میزان آن به کمک نرم­افزار SPSS و  با استفاده از آزمون t تک نمونه­ای انجام شد. همچنین برای بررسی همگنی واریانس از آزمون Leven (لون) استفاده گردید. هر یک از روش‌های فاصله‌ای مورد بررسی با تجزیه واریانس یک­طرفه (ANOVA) و میانگین آنها با توجه به همگن نبودن واریانس‌‍‌‌‌ها با آزمون Games-Howell (گیمز هاول) مقایسه گردید.

 

نتایج

در جدول3 نتایج حاصل از آماربرداری زمینی با توجه به سطح 53 هکتاری منطقه آماربرداری وارد شده است. زالزالک بیشترین و صنوبر کمترین تعداد پایه ثبت شده را به خود اختصاص داده­اند. همچنین بیشترین درصد تاج پوشش مربوط به گونه ارس و کمترین آن متعلق به گونه صنوبر است. البته اطلاعات مربوط به گونه­های خشکه­دار در این محاسبات وارد نشدند.

 

 

جدول3- نتایج توصیفی آماربرداری صد در صد

سطح تاج پوشش

تعداد در هکتار

تعداد پایه ثبت شده

گونه 

75/0

27/41

1453

زالزالک

4/1

16/84

893

زبان گنجشک

1/1

9/32

494

بلوط

13/0

0/79

42

بنه

025/0

0/33

18

صنوبر

1/0

0/66

35

بید

06/2

12/66

671

ارس

12/0

1/83

97

کیکم

2/0

26

1378

راناس

19/0

13/96

740

بادام

2/0

11/88

630

شن

17/0

9/35

496

شیرخشت

11/0

11/18

593

دافنه

25/0

8/09

429

محلب

8/6

35/150

7969

مجموع

 

در جدول4 نتایج حاصل از تجزیه واریانس روش­های مختلف نمونه­برداری فاصله­ای در برآورد تعداد در هکتار وارد شده است.

جدول4- تجزیه واریانس روش­های مختلف نمونه­برداری فاصله­ای برای برآورد تعداد در هکتار

منبع تغییرات

درجه آزادی

مجموع مربعات

میانگین مربعات

آماره F

sig

روش نمونه‌برداری

8

409521

51190

9/47 (***)

0/000

خطا

167

178313

1067

 

0/000

کل

175

 

 

 

0/000

 

 

نتایج بیانگر این مطلب است که بین روش­های مختلف نمونه­برداری فاصله­ای در برآورد تعداد در هکتار اختلاف آماری معنی­داری وجود دارد. از آنجا که نتایج آزمون لون بیانگر عدم همگنی واریانس‌ها بود، از آزمون گیمز هاول برای مقایسات چندگانه میانگین‌ها استفاده شد. طبق این نتایج از بین روش­های مختلف، روش نمونه­برداری نزدیکترین همسایه با برآورد کننده Cottam and Curtis2 (1956) دارای بیشترین و روش نزدیکترین فرد با برآورد کننده (1957) Morisita، دارای کمترین برآورد می­باشد (شکل2). لازم به ذکر است در شکل­های2 و 3 مقدار واقعی به صورت خط افقی مشخص شده است.

 

 

شکل2- برآورد تعداد در هکتار در روش­های مختلف نمونه­برداری و تحت برآورد کننده­های متفاوت

 

 

طبق این نتایج از بین روش­های مختلف، روش نمونه­برداری نزدیکترین همسایه با برآورد کننده (1956) 2Cottam & Curtis دارای بیشترین و روش نزدیکترین فرد با برآورد کننده (1957) Morisita، دارای کمترین برآورد می­باشد (شکل2).

 

 

جدول5- تجزیه واریانس روش­های مختلف نمونه­برداری برای برآورد درصد تاج پوشش در هکتار

منبع تغییرات

درجه آزادی

مجموع مربعات

میانگین مربعات

آماره F

sig

روش نمونه‌برداری

8

497

62

7/14 (***)

0/000

خطا

167

703

4

 

0/000

کل

175

1200

 

 

0/000

 

 

در جدول5 نتایج حاصل از اختلاف میانگین روش­های مختلف نمونه­برداری فاصله­ای در برآورد درصد تاج پوشش در هکتار وارد شده است. نتایج بیانگر این مطلب است که اختلاف آماری معنی­داری بین روش­های مختلف نمونه­برداری فاصله­ای در برآورد درصد تاج پوشش در هکتار وجود دارد. با استفاده از تحلیل واریانس، مشخص گردید که واریانس‌ها همگن نیستند؛ بنابراین از آزمون Games-Howell برای مقایسات میانگین‌ها استفاده شد.

 

 

شکل3- برآورد درصد تاج پوشش در هکتار در روش­های مختلف نمونه­برداری

 

 

نتایج شکل3 نشان داده است که درصد تاج پوشش درختان جنگل مورد بررسی برای روش­های مختلف و همچنین برآورد کننده­های مختلف، متفاوت است. طبق این نتایج، روش نزدیکترین فرد با برآورد کننده (1980) Byth & Ripley دارای کمترین برآورد و روش نزدیکترین همسایه با برآورد کننده (1956) 2Cottam & Curtis دارای بیشترین برآورد می­باشد. اریبی برآورد تعداد در هکتار با استفاده از آزمون t تک نمونه­ای صورت گرفت. با داشتن مقدار واقعی تعداد درختان در هکتار و درصد تاج پوشش و همچنین میزان برآوردی آن­ها، اریبی در هر تکرار به دست آمد. در مورد تکرا با توجه به اینکه نقاط (درختان) به صورت یک لایه در محیط GIS وارد گردیده و نقاط نمونه بین 30 تا 40 متغیر بود بنابراین برای هر روش نمونه­برداری بین 20 تا 30 تکرار داشتیم.

 

 

شکل4- اریبی برآورد تعداد در هکتار در روش­های نمونه­برداری مختلف و تحت برآورد کننده­های متفاوت

 

 

نتایج شکل4 نشان داده است که فقط در روش نزدیکترین همسایه با برآورد کننده (1956) 1Cottam & Curtis اختلاف­ها معنی­دار نشدند، در سایر روش­ها اختلاف میانگین­ها معنی­دار شدند. اریبی در دو روش نزدیکترین همسایه با برآورد کننده (1956) 2Cottam & Curtis و روش ترکیبی منفی شدند. به عبارتی، این برآورد کننده­ها بیش برآورد (Over estimate) هستند اما در سایر روش­ها این مقدار کمتر از مقدار واقعی بدست آمد. اریبی برآورد درصد تاج پوشش نیز با استفاده از آزمون t تک نمونه­ای صورت گرفت.

 

 

شکل5- اریبی برآورد سطح تاج پوشش در هکتار در روش­های مختلف نمونه­برداری با برآورد کننده­های متفاوت

 

 

نتایج شکل5 نشان داده است که اختلاف میانگین­ها (با آماربرداری صد در صد) فقط در دو روش دومین نزدیکترین همسایه و روش ترکیبی معنی­دار نبودند ولی در سایر روش­ها این اختلاف، معنی­دار شد. البته همانند برآورد اریبی در محاسبه تعداد در هکتار، میزان اریبی در دو روش نزدیکترین همسایه با برآورد کننده (1956) 2Cottam & Curtis و روش ترکیبی منفی شدند.

 

 


- نتیجه ارزیابی الگوی پراکنش مکانی کل درختان

مقدار محاسبه شده برای شاخص پراکنش Johnson & Zimmer بر اساس رابطه 7  برابر با  522/2 بود، چون این مقدار از عدد 2 بزرگتر است، پس بیانگر الگوی پراکنش کپه­ای در جنگل مورد نظر می­باشد. آزمون تصادفی بودن الگو با استفاده از رابطه 8 محاسبه شد که  برابر عدد 81/15 بدست آمد و چون این عدد از 96/1+ بزرگتر است پس الگوی پراکنش کپه­ای منطقه، مورد تأیید قرار می­گیرد.

 

بحث

هدف از این تحقیق ارزیابی ویژگی­های کمی روش­های نمونه­برداری نزدیکترین فرد، نزدیکترین همسایه، دومین نزدیکترین همسایه، روش ترکیبی و نقطه مشترک بود. البته روش نمونه‌برداری نزدیکترین فرد با برآورد کننده­های (1957) Morisita، (1980)Byth & Ripley  و (1953) Cottam et al. و روش نزدیکترین همسایه با برآورد کننده‌­های (1980) Byth & Ripley و دو برآورد کننده (1956) 1Cottam & Curtis و (1956) 2Cottam & Curtis نیز مورد بررسی قرار گرفت. با توجه به آماربرداری انجام شده در منطقه تعداد در هکتار برابر 151 اصله و درصد تاج پوشش بدون آشکوب‌بندی 8/6 می­باشد (برای مواقعی که گونه­های درختچه­ای قرار گرفته در زیر درختان در محاسبات، ارزیابی و شمارش نمی­شوند). البته سطح تاج پوشش با آشکوب‌بندی برابر 21 درصد می­باشد ولی مقایسات و ارزیابی ما در این تحقیق با توجه به همان سطح 6.8 می­باشد. همانطور که در شکل4  مشخص است، تعداد در هکتار درختان فقط در روش نزدیکترین همسایه با برآورد کننده  (1956) 1Cottam & Curtis در مقایسه با مقدار واقعی، برآورد قابل قبولی را نشان می­دهد و بقیه روابط و برآورد کننده­های متفاوت برآورد اریبی دارند و در بشتر موارد این برآورد کمتر از مقدار واقعی بدست آمد. حیدری و همکاران (1389) عامل این برآورد را در الگوی کپه­ای منطقه بیان کردند. این نتیجه با تحقیقات (1995)Sandgol ، (2003)Ghasemi Ghochghar et al. ، (1962) Strickler & Staerns، (1957)Morisita ، (1975)Laycock & Batcheler ، (1963)Catana  همخوانی دارد، آنها بیان کردند که در حالت پراکنش کپه­ای برآورد تراکم در روش­های نمونه­برداری فاصله­ای در بیشتر روابط کمتر از مقدار واقعی است که این خود می­تواند دلیلی بر اریبی روش­های نامبرده باشد. البته همانطور که قبلا ذکر شد، اریبی وابسته به طرح (شبکه آماربرداری، تعداد نقاط نمونه و غیره) یا برآورد کننده می­باشد. برآورد کننده نباید تحت تأثیر فاصله باشد ولی طبق نتایج بدست‌آمده از این تحقیق (شکل2 و3) مشاهده می­شود، وقتی که فاصله بین نقاط نمونه و درختان و یا فاصله بین درختان کم باشد برآورد کننده­ها، برآورد بیشتری از پارامترهای کمی ارائه می­دهند که این خود می­تواند معضل بزرگی برای تعیین پارامترهای کمی در جنگل­های تنک باشد. نتایج این تحقیق نشان داد که روش­های فاصله­ای در منطقه مورد مطالعه برآورد متفاوتی از تراکم گونه­های درختی نشان می­دهند. اختلاف روش­ها در بین مناطق را می­توان به فرم رویشی گیاهان و الگوی پراکنش مکانی آنها نسبت داد. در برآورد تراکم در ارتباط با الگوی پراکنش گیاهان، (2001)Borhani et al.  دریافتند که برآورد تراکم از الگوی پراکنش کپه­ای به تصادفی و یکنواخت افزایش می­یابد. اختلاف بین روش­ها در هر منطقه با فرم رویشی و الگوی پراکنش مکانی یکسان ممکن است ناشی از ماهیت متفاوت روش­ها در انتخاب گیاهان، اندازه­گیری فواصل و همچنین نحوه محاسبه تراکم با توجه به فرمول­های مختص هر روش باشد (Bonham, 1989,  و Anderson et al., 2006). روش­­های نمونه­برداری دومین نزدیکترین همسایه و روش ترکیبی بندرت در جنگل­های زاگرس مورد استفاده قرار می­گیرد و همانطور که نتایج این تحقیق نشان داد این روش­ها در برآورد پارامترهای کمی نسبت به سایر روش­ها از دقت بالاتری برخوردار بودند. بنابراین این نتایج می­تواند زمینه‌ساز استفاده بیشتر از روش­های مذکور در برآورد پارامترهای کمی در جنگل­های زاگرس باشد.

 

منابع مورد استفاده

 

References

- Anderson, R.C., Jones, S.L. and Swigart, R., 2006. Modifying distance methods to improve estimates of historical tree density from general land office survey records. Journal of the Torrey Botanical Society. 133(3): 449-459.

- Askari, Y. and sohrabi, H., 2011. Evaluation biass of nearest neighbor method with different estimator in Zagros Forest, 1th National Conference of Capability and Brakes, Lorestan University, Khorramabad, 23 November, 7 p.

- Batcheler, C.L., and Bell, D.J., 1970. Experiments in estimating density from joint-point and nearest neighbor distances, Proceedings of the New Zealand Ecological Society, 17: 111-117.

- Beasom, S.L. and Hauck, H.H., 1975. A comparison of four distance sampling techniques in south Texas live oak Mottes. Journal of Range Management, 28(2): 142-144

- Bonham, C.D., 1989. Measurement of terrestrial vegetation. John Wiley and Sons, New York, USA, 337p.

- Borhani, M., Basiri, M. and Arzani, H., 2001. Patterns of vegetation distribution and its role on the efficiency of methods estimating density of Artemisia steppe rangeland in Esfahan. Second National Conference on Range and Rangeland Management in Iran, University of Tehran, Faculty of Natural Resources, Karaj, Iran: 649-662.

- Byth, K. and Ripley, B. D., 1980. On sampling spatial patterns by distance methods. Biometrics, 36: 279-284.

- Catana, A.J., 1963. The wandering quarter method of estimating population density. Ecology, 44(2): 349-366.

- Cottam, G.‚ and Courtis, J.T.‚ 1956. Some sampling characteristic of a series of aggregated population. Ecology, 38(4): 610-622.

- Cottam, G., Curtis, J.T. and wild Hale, B., 1953. Some sampling characteristics of a population of randomly dispersed individuals, Ecology, 34(4):741-757.

- Diggle, P.J., 1975. Robust density estimation using distance methods. Biometrika 62: 39-48.

- Engerman, R.M., Sugihara, R.T., Pank, L.F. and Dusenberry, W.E., 1994. A comparison of plotless density estimators using Monte Carlo simulation. Ecology, 75(6): 1769-1779.

- Ghasemi Ghochghar, S., 2003. Evaluation of Spatial distribution pattern of trees with distance methods. M.Sc. thesis, Faculty of Natural Recourses, University of Gorgan, 91 p.

- Heidari, R. H., Zobeiri, M., Namiranian, M., Sobhani, H. and Safari, A., 2010. Study of accuracy of nearest individual sampling method in Zagros Forests. Iranian Journal of Forest, 2(4): 322-330.

- Jahanbazi Gojani, H., Ahmadi Korori, S., Talebi, M., and Khoshnevis, M., 1999. Study on Ecophysiology of Juniperus polycarpus in Chaharmehal and Bakhtyari province. Final research report, Agricultural and Natural Resources Research Center of Chaharmehal and Bakhtyari province, I.R. Iran, 87 p.

- Karamshahi, A., 2007. Evaluation of different sampling of circular and distance methods. Ph.D. thesis, Faculty of Natural Resources, University of Tehran, 164 p.

- Keiani, B., 2011. Comparison of efficiency distance sampling methods in Seiahkoh region of Yazd province. Ph.D. thesis, Faculty of Natural Recourses, University of Tarbiat Modarres, 135 p.

- Kissa, D.O. and Sheil, D., 2012. Visual detection based distance sampling offers efficient density estimation for distinctive low abundance tropical forest tree species in complex terrain. Forest Ecology and Management, 263: 114-121.

- Kleinn, CH. and Vilcko, F.‚ 2006. A new empirical approach for estimation in k-tree sampling. Forest Ecology and Management: 522-533.

- Krebs, C.J., 1989. Ecological Methodology. Harper Collins, New York, 653 p.

- Laycock, W.A. and Batcheler, C.L., 1975. Comparison of distance measurement techniques for sampling Tussock grassland species in New Zealand. Journal of Range Management, 28(1): 235-239.

- Ludwig, J.A. and Reynolds, J.F., 1988. Statistical Ecology: a primer on Methods and computing. John Wiley and Sons, New York, 337 p.

- Mesdaghi, M., 2003. Booklet of ecology methods for M.Sc. graduates of forestry in university of Gorgan, 35 p.

- Morisita, M., 1957. A new method for the estimation of density by the spacing method applicable to none randomly distributed populations. Physiological Ecology, 7(2): 134-144.

- Pourbabaei, H., 2004. Application of Statistics in Ecology, University of Guilan, 480 p.

- Safari, A., 2010. Evaluation of Spatial distribution pattern of Quercus persica and Pistacia atlantica Desf. in Zagros Forest) case study: Bayangan Forests, Kermanshah). M.Sc. thesis, Faculty of Natural Resources, University of Kurdistan, 83 p.

- Sandgol, A., 1995. Comparison of efficiency different methods for inventory density in different ecosystem of Irani and Tourani region. M.Sc. Thesis, Faculty of Natural Resources, University of Tehran, 121 p.

- Strickler, G.S. & F.W. Streans, 1962. The determination of plant density, 5(2): 30-40. In Range reaserch Sympsium (Denver. Co.) Usda Forest Service Miscellaneous Publication No 940, 172 p.

- Zobeiri, M.,2002. Forest biometry. University of Tehran, 401 p.

 

 


Comparison of five distance sampling methods for estimating quantitative characteristics of Zagros Forests

 

Y. Askari*1, M. Zobeiri2and H. Sohrabi3

1*- Corresponding Author, PhD student, Department of Forest Science, Faculty of Natural Resources, University of Shahrekord, Shahrekord, I.R. Iran. E-mail: askari.yousef@yahoo.com.

2- Professor., Department of Forestry and Forest Economics, Faculty of Natural Resources, University of Tehran, Karaj, I.R. Iran.

3- Assistant Professor, Department of Forest Science, Faculty of Natural Resources, University of Tarbiat Modarres, Nour, I.R. Iran.

Received: 18.09.2012                                                        Accepted: 01.04.2013

 

Abstract

Distance sampling methods are extensively used for forests management of Zagros region of Iran. In the present study, estimation of quantitative characteristics of sampling methods, including individual, nearest neighbor, second nearest neighbor, compound and joint point, were studied and compared. The individual sampling method was examined, using the estimators of Morisita, Byth & Ripley and Cottam et al. and the nearest neighbor method was assessed, using the estimators of Byth & Ripley and two predictors of Cottam & Curtis1 and Cottam & Curtis2. Location of total trees and shrubs of a 53 hectare forest stand at Ardal city of Chaharmahal and Bakhtiari Province was recorded. Having the actual trees density and canopy cover percentage, as well as their estimated values, the bias of each replication was obtained. Difference between the bias and the actual values (for bias test) by one-sample t-test method and analysis of variance by Games Howell test, were studied. The results showed that the differences between the distance sampling methods in respect to mean trees density per hectare were significant, except for the nearest neighbor method, using the Cottam & Curtis1 estimator, which was not significant, whereas in respect to mean canopy cover percentage, the differences were significant, except for the second-nearest neighbor and the combined methods. According to the results of this study, it is suggested to use the Cottam & Curtis1 method for estimating the density and to use the compound sampling and the second nearest neighbor methods for estimating the canopy cover percentage.

 

Key words: Individual, nearest neighbor, second nearest neighbor, compound, joint point.

- Anderson, R.C., Jones, S.L. and Swigart, R., 2006. Modifying distance methods to improve estimates of historical tree density from general land office survey records. Journal of the Torrey Botanical Society. 133(3): 449-459.
- Askari, Y. and sohrabi, H., 2011. Evaluation biass of nearest neighbor method with different estimator in Zagros Forest, 1th National Conference of Capability and Brakes, Lorestan University, Khorramabad, 23 November, 7 p.
- Batcheler, C.L., and Bell, D.J., 1970. Experiments in estimating density from joint-point and nearest neighbor distances, Proceedings of the New Zealand Ecological Society, 17: 111-117.
- Beasom, S.L. and Hauck, H.H., 1975. A comparison of four distance sampling techniques in south Texas live oak Mottes. Journal of Range Management, 28(2): 142-144
- Bonham, C.D., 1989. Measurement of terrestrial vegetation. John Wiley and Sons, New York, USA, 337p.
- Borhani, M., Basiri, M. and Arzani, H., 2001. Patterns of vegetation distribution and its role on the efficiency of methods estimating density of Artemisia steppe rangeland in Esfahan. Second National Conference on Range and Rangeland Management in Iran, University of Tehran, Faculty of Natural Resources, Karaj, Iran: 649-662.
- Byth, K. and Ripley, B. D., 1980. On sampling spatial patterns by distance methods. Biometrics, 36: 279-284. 
- Catana, A.J., 1963. The wandering quarter method of estimating population density. Ecology, 44(2): 349-366.
- Cottam, G.‚ and Courtis, J.T.‚ 1956. Some sampling characteristic of a series of aggregated population. Ecology, 38(4): 610-622.
- Cottam, G., Curtis, J.T. and wild Hale, B., 1953. Some sampling characteristics of a population of randomly dispersed individuals, Ecology, 34(4):741-757.
- Diggle, P.J., 1975. Robust density estimation using distance methods. Biometrika 62: 39-48. 
- Engerman, R.M., Sugihara, R.T., Pank, L.F. and Dusenberry, W.E., 1994. A comparison of plotless density estimators using Monte Carlo simulation. Ecology, 75(6): 1769-1779.
- Ghasemi Ghochghar, S., 2003. Evaluation of Spatial distribution pattern of trees with distance methods. M.Sc. thesis, Faculty of Natural Recourses, University of Gorgan, 91 p.
- Heidari, R. H., Zobeiri, M., Namiranian, M., Sobhani, H. and Safari, A., 2010. Study of accuracy of nearest individual sampling method in Zagros Forests. Iranian Journal of Forest, 2(4): 322-330.
- Jahanbazi Gojani, H., Ahmadi Korori, S., Talebi, M., and Khoshnevis, M., 1999. Study on Ecophysiology of Juniperus polycarpus in Chaharmehal and Bakhtyari province. Final research report, Agricultural and Natural Resources Research Center of Chaharmehal and Bakhtyari province, I.R. Iran, 87 p. 
- Karamshahi, A., 2007. Evaluation of different sampling of circular and distance methods. Ph.D. thesis, Faculty of Natural Resources, University of Tehran, 164 p.
- Keiani, B., 2011. Comparison of efficiency distance sampling methods in Seiahkoh region of Yazd province. Ph.D. thesis, Faculty of Natural Recourses, University of Tarbiat Modarres, 135 p.
- Kissa, D.O. and Sheil, D., 2012. Visual detection based distance sampling offers efficient density estimation for distinctive low abundance tropical forest tree species in complex terrain. Forest Ecology and Management, 263: 114-121.
- Kleinn, CH. and Vilcko, F.‚ 2006. A new empirical approach for estimation in k-tree sampling. Forest Ecology and Management: 522-533.
- Krebs, C.J., 1989. Ecological Methodology. Harper Collins, New York, 653 p.
- Laycock, W.A. and Batcheler, C.L., 1975. Comparison of distance measurement techniques for sampling Tussock grassland species in New Zealand. Journal of Range Management, 28(1): 235-239.
- Ludwig, J.A. and Reynolds, J.F., 1988. Statistical Ecology: a primer on Methods and computing. John Wiley and Sons, New York, 337 p.
- Mesdaghi, M., 2003. Booklet of ecology methods for M.Sc. graduates of forestry in university of Gorgan, 35 p.
- Morisita, M., 1957. A new method for the estimation of density by the spacing method applicable to none randomly distributed populations. Physiological Ecology, 7(2): 134-144.
- Pourbabaei, H., 2004. Application of Statistics in Ecology, University of Guilan, 480 p.
- Safari, A., 2010. Evaluation of Spatial distribution pattern of Quercus persica and Pistacia atlantica Desf. in Zagros Forest) case study: Bayangan Forests, Kermanshah). M.Sc. thesis, Faculty of Natural Resources, University of Kurdistan, 83 p.
- Sandgol, A., 1995. Comparison of efficiency different methods for inventory density in different ecosystem of Irani and Tourani region. M.Sc. Thesis, Faculty of Natural Resources, University of Tehran, 121 p.
- Strickler, G.S. & F.W. Streans, 1962. The determination of plant density, 5(2): 30-40. In Range reaserch Sympsium (Denver. Co.) Usda Forest Service Miscellaneous Publication No 940, 172 p.
- Zobeiri, M., 2002. Forest biometry. University of Tehran, 401 p.