بررسی قابلیت روش زمین آمار کریجینگ در پهنه بندی حجم سرپای جنگل (پژوهش موردی: منطقه هفتخال)

مقدمه و هدف: تعیین موجودی حجمی جنگل از اساسی ترین اهداف و وظایف مدیریت جنگل است، که به علت پیچیده بودن این فرایند همیشه با چالش  هایی برای بخش اجرا همراه بوده است. تهیه نقشه حجم سرپای جنگل نقش مهمی در مدیریت پایدار جنگل ها ایفا می نماید. در طرح های جنگل داری شمال کشور، از آماربرداری تصادفی منظم و روش میانگین حسابی حجم سرپای قطعات نمونه هر پارسل برای برآورد موجودی سرپای هر پارسل استفاده می گردد ولی روابط مکانی بین قطعات نمونه در نظر گرفته نمی شود. هدف از این مطالعه، مقایسه روش کریجینگ و روش معمول در تهیه نقشه موجودی جنگل در طرح جنگل داری هفتخال می باشد. مواد و روش ها: برای این منظور تعداد243 قطعه نمونه دایره ای به مساحت 10 آر و با شبکه منظم تصادفی 200 * 150 متر، آماربرداری شد و نقشه تولید شده به روش میانگین حسابی قطعات نمونه آماربرداری (روش معمول سازمان جنگل ها) و نقشه حجم سرپا به روش کریجینگ مقایسه گردید. برای بررسی قابلیت نقشه تهیه شده به روش کریجینگ به عنوان نقشه مورد استناد، ابتدا نرمال بودن داده ها به روش سمی واریوگرام و هیستوگرام ها و شاخص های آن بررسی شد. سپس 30 درصد قطعات نمونه (73  قطعه نمونه) به عنوان نقاط کنترل زمینی به روش تصادفی جدا شد و با استفاده از نقاط باقیمانده و روش معمولی، پارامترهای اپتیمم lag size، nugget و partialsill برای تولید نقشه کریجینگ مورد نظر بررسی شد. در نهایت بهترین حالت ممکنه انتخاب گردید. سپس نقشه تهیه شده با قطعات نمونه کنترل زمینی (73 قطعه نمونه) بررسی شد و حجم سرپای قطعات نمونه کنترل کننده با حجم سرپای محاسبه شده با روش کریجینگ به صورت نقاط متناظر بررسی شد و میزان اختلاف آنها مشخص گردید.یافته ها: صحت نقشه کریجینگ تولید شده، با استفاده از قطعات نمونه کنترل زمینی بررسی شد. در این تحقیق، بهترین مدل، دارای ریشه میانگین مجذور خطا 30 درصد و اریبی0/11 درصد بود. با استفاده از آزمون همبستگی داده ها در نرم افزار sas مشخص گردید که اطلاعات نقشه کریجینگ در سطح احتمال 99 درصد با قطعات نمونه واقعیت زمینی مطابقت دارد ولی میزان همبستگی اطلاعات روش میانگین حسابی قطعات نمونه در سطح احتمال 95 درصد نیز با اطلاعات قطعات نمونه واقعیت زمینی مطابقت ندارد و همبستگی آنها معنی دار نیست. آزمون t-test نیز نتایج مشابهی را نشان داد. نتیجه گیری: در مجموع نتایج نشان داد روش زمین آمار کریجینگ دارای قابلیت بهتری نسبت به روش های معمول سنتی در تهیه نقشه پهنه بندی حجم سرپای جنگل می باشد.

Investigating of Kriging Geostatistic Method Capability for Forest Stand Volume Zoning (Case Study: Haftkhal Area)

Extended AbstractIntroduction and Objective: Due to the difficulty of this process, determining the volume inventory of the forest is one of the most fundamental objectives and duties of forest management. It has always been connected to difficulties for the department in charge of implementation. Mapping of forest stand volume has an important role in sustainable forest management. In Iran’s north forestry plans, the systematic random sampling method and arithmetic average method is used to estimate the stand volume and spatial relationships between inventory sample plots will not be considered. The aim of this study is to compare kriging method and ordinary one used to map stand volume of Haftkhal forestry plan. Material and Methods: For this purpose, we used 243 circular sample plots with 10R area and 150×200meter grid (Forestry Department standard in Iran) for inventory.To evaluate the performance of the krigingmethodcreated map the approach of poisonous variograms, histograms, and their indices was first used as the referential map to determine whether the data were normal. The best parameters of Lag Size, Nugget, and Partial Sill were then tested using the remaining points and the conventional approach to create the necessary kriging map using 30% of the sample pieces (73 sample pieces) randomly separated as ground control points. Finally, the ideal mode was decided upon. The produced map was then verified using ground control sample pieces (73 sample pieces), and the amount of difference was measured by comparing the head volumes of the control sample pieces and those calculated using the Kriging method as corresponding points.Results: Map produced by the arithmetic mean method (ordinary method of Forestry Department) and maps of Kriging method was compared. Accuracy of kriging map was controlled by using ground samples plots. The results showed that Root Mean Square error (RMSe) of the best model was 30 percent and Bias was 0.11 percent. Using SAS software showed the correlation coefficient between kriging map and ground sample plots and corresponding relationship was at the level of 99 percent, but the correlation between arithmetic mean method was not corresponded even in 95% probability level. Ttest, using this software, also showed similar results. Conclusion: In conclusion, Kriging capability is superior to conventional methods for estimating forest stand volume.