مدل‌سازی مشخصات سرپای درخت برای برآورد حجم و زی توده گونه کیکمAcer Monspessulanum L. Subsp. Cinerascens (Boiss.) با استفاده از رگرسیون چند متغیره

پیش بینی حجم و زی توده درختان چند شاخه بر اساس مشخصات سرپا اهمیت زیادی در جنگلداری دارد. در این تحقیق 20 درخت کیکم در جنگل باغ شادی یزد به صورت تصادفی در چهار ترانسکت انتخاب و پس از اندازه گیری نماینده قطر یقه، ارتفاع، تعداد ساقه، قطر و مساحت تاج، قطع انجام شد. تنه و سرشاخه ها تفکیک و توزین شده و دیسک هایی از قسمت های مختلف تنه درختان گرفته و به آزمایشگاه منتقل شد. وزن خشک و حجم نمونه ها محاسبه و بر اساس نسبت وزن خشک به وزن تر و نیز وزن مخصوص نمونه ها، وزن خشک (زی توده بالای زمین) و حجم کل درختان قطع شده محاسبه گردید. جهت مدل سازی روابط مشخصات سرپا با حجم و زی توده، از رگرسیون خطی چندمتغیره و تخمین منحنی استفاده شد. نتایج نشان داد که رابطه قوی و معنی داری بین حجم و زی توده درختان کیکم با ارتفاع و نماینده قطر یقه وجود دارد. مدل های دومتغیره مبتنی بر این دو صفت برای پیش بینی وزن تر و خشک شاخه ها یا درواقع تاج درخت (85/0=2r)، وزن تر و خشک کل درخت (86/0=2r) و حجم کل درخت (87/0=2r) معنی دار و معتبر بودند. قدرت پیش بینی مدل های درجه دو مبتنی بر ارتفاع تا 10 درصد نسبت به مدل های خطی افزایش داشت. افزایش ضریب تعیین در مدل های دومتغیره نسبت به تک متغیره برای ارتفاع کل و نماینده قطر یقه ازنظر آماری معنی دار بوده و ضرایب بین 6 تا 44 درصد افزایش داشت. همچنین میزان خطا بین 15 تا 41 درصد کاهش نشان داد. درمجموع باید گفت دو متغیر ارتفاع کل و نماینده قطر یقه می توانند نزدیک به 90 درصد زی توده و حجم درختان چند شاخه کیکم را با دقت بالا پیش بینی کنند.

Modeling the Standing Traits to Estimate Tree Volume and Biomass of Acer monspessulanum Subsp. cinerascens (Boiss.) using Multiple Regression

Predicting the volume and biomass of multistem maple trees (Acer monspessulanum Subsp. cinerascens Boiss.) based on standing traits is necessary in forestry. In this research twenty sample trees were selected in four transects randomly in BaghShadi Forest of Yazd province. After measuring the diameter at root collar (DRC), tree height, stems numbers and crown diameter and area all trees were cut down. Trunks and branches were separated, weighted and some sample disks were taken. Dry weight and volume of samples were determined in laboratory and according to drywet ratio and wood specific gravity; total dry weight (aboveground biomass) and volume of all trees were calculated. Multiple regression and curve estimation were applied for modeling. Results indicated that there were strong and significant relation between volume and biomass of trees and their height and DRC. Twovariable models were significant and reliable for branch (or crown) wet and dry weight (R2=0.85), total tree wet and dry weight (R2=0.86) and total tree volume (R2=0.87). Prediction capability of twoorder models according to tree height increased up to 10 percent. Results showed that Rsquare change in twovariable models was significant in contrast to onevariable models and coefficients increased from 6 to 44 percent. Also amount of error (NRMSE) decreased from 15 to 41 percent. Finally it can be said that tree height and DRC was able to predict 87 percent of biomass and volume of maple trees with a high precision.