برآورد مشخصه تراکم توده با استفاده از شاخص های برآوردکننده‌ روش نمونه برداری بدون قطعه نمونه در جنگل‌های ارسباران

روش‌های نمونه برداری در جنگل دارای مبنای نظری هستند که باید در عرصه های مختلف جنگلی عملیاتی و اجرا شوند تا با انتخاب یک روش نمونه برداری مناسب در دقت برآورد مشخصه‌های جنگل موثر باشند. هدف پژوهش حاضر برآورد تراکم (تعداد در هکتار) توده در جنگل‌های ارسباران با استفاده از انواع برآوردکننده های روش نمونه برداری بدون قطعه نمونه یا موسوم به نزدیک ترین درختان همسایه شامل نزدیک ترین فرد، نزدیک ترین همسایه، دومین نزدیک ترین همسایه، ترکیبی، نقطه مشترک و نزدیک ترین همسایه های پیوسته بود تا مناسب ترین برآوردکننده در منطقه مورد مطالعه معرفی شوند. به‌این منظور شمارش صد درصد تعداد پایه ها در هکتار در قطعه نمونه های یک هکتاری (به‌عنوان مقدار شاهد) انجام شد. سپس در شبکه‌بندی منظم تصادفی در هر هکتار نقاط نمونه‌برداری تعیین و اندازه‌گیری فاصله افقی درختان نسبت به نقطه نمونه برداری و نسبت به یکدیگر تا پنج درخت همسایه انجام شد و برآوردکننده‌های تراکم در هر روش محاسبه شدند. مقادیر محاسبه شده با تراکم واقعی با آزمون t تک نمونه ای در سطح احتمال 0.05 و براساس معیار صحت مقایسه شد. در نهایت الگوی پراکنش مکانی درختان با شاخص های جانسونزایمر و هاپکینز تعیین شد. نتایج نشان داد که از بین برآوردکننده‌ها، موریسیتا و کوتام در روش نزدیک ترین فرد، بیث و ریپلی و کوتام و کورتیس 1 در روش نزدیک ترین همسایه و چهارمین و پنجمین همسایه در روش نزدیک ترین همسایه پیوسته تراکم را بدون اختلاف معنی‌دار (p≤0/05) با تراکم واقعی برآورد کردند که در این میان نیز برآورد کننده پنجمین همسایه پیوسته عملکرد بهتری داشت. پراکنش مکانی درختان نیز الگوی تصادفی را نشان داد. بنابراین با توجه به نتایج حاصل از پژوهش حاضر، بررسی صحت این برآوردکننده‌ برای سایر مشخصه‌های کمَی در توده‌های جنگلی ارسباران پیشنهاد می‌شود.

estimation of density using plotless density estimator criteria in arasbaran forest

sampling methods have a theoretical basis and should be operational in different forests; therefore selecting an appropriate sampling method is effective for accurate estimation of forest characteristics. the purpose of this study was to estimate the stand density (number per hectare) in arasbaran forest using a variety of the plotless density estimators of the nearest neighbors sampling method includes the closest individual, the nearest neighbor, the second nearest neighbor, the compound, the shared point and the continues nearest neighbor due to introducing the most suitable estimator for forests. for this purpose, all number of trees was counted per hectare (as control). then, distances between random sampling points and five closest nearest neighboring trees were measured in a systematic randomized network. the density estimators were calculated in each method. the calculated value of the actual density was compared to estimatorschr('39') values by the one sample ttest (p< 0.05) method in the r software and based on the value of accuracy criterion. finally, the tree spatial distribution pattern was calculated by johnsonzimmer and hopkins indices. the results showed that the difference between all estimators value was significant (p le; 0.05) compared to the actual density (339.5 n.ha1), except the morisita and cottam estimators in closest individual method, byth and ripley and cottam curtis 1 estimators in nearest neighbor method and 4th and 5th neighbors estimators in continuous nearest neighbor method. the results of the spatial distribution pattern showed the random distribution of trees in the study area. the performance evaluation of these estimators for other quantitative characteristics is recommended in the arasbaran forest stands.