1دانشیار گروه جنگل‌شناسی و اکولوژی جنگل، دانشکدۀ علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
2کارشناس ارشد، دانشکدۀ علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
3دانشیار گروه جنگلداری، دانشکدۀ علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
تاریخ دریافت: 08 مهر 1394،
تاریخ بازنگری: 06 مهر 1395،
تاریخ پذیرش: 13 آذر 1395
چکیده
زی‌تودۀ کرم خاکی یکی از شاخص‌های مهم کیفیت خاک‌های جنگلی است. برآورد زی‌تودۀ کرم خاکی در خاک‌های جنگلی به‌دلیل تغییرات زیاد خصوصیات خاک اغلب دشوار است. هدف این تحقیق مقایسۀ کارایی رگرسیون خطی چندگانه و رگرسیون درختی در برآورد زی‌تودۀ کرم خاکی در شرایط متفاوت جنگل است. بدین منظور زی‌تودۀ کرم خاکی در 40 روشنۀ طبیعی تاج‌پوشش و جنگل دست‌نخوردۀ مجاور آن در پارسل 32 جنگل شصت‌کلاته به روش دستی از خاک جدا و در آزمایشگاه با دقت صدم گرم تعیین شد. مشخصات فیزیکی و شیمیایی خاک از طریق روش‌های استاندارد در آزمایشگاه تعیین شد. بهترین مدل در روش رگرسیون خطی چندگانه و رگرسیون درختی برای برآورد زی‌تودۀ کرم خاکی تعیین شد. اعتبارسنجی مدل‌های برازش‌شده با استفاده از آماره‌های میانگین خطا، میانگین مجذور مربعات خطا و مقدار خطای نسبی انجام شد. با استفاده از رگرسیون خطی چندگانه، متغیرهای وزن مخصوص ظاهری و نیتروژن کل 24 درصد واریانس زی‌توده را در جنگل دست‌نخورده برآورد کردند و متغیر مساحت روشنه 66 درصد واریانس را در روشنه تاج برآورد کرد. نتایج نشان داد رگرسیون خطی چندگانه، زی‌تودۀ کرم خاکی را بیشتر از مقدار واقعی، و رگرسیون درختی در جنگل دست‌نخورده مقدار زی‌توده را کمتر از مقدار واقعی برآورد می‌کند و در روشنه دقیق عمل می‌کند. با توجه به نتایج تحقیق و به‌واسطۀ ناهمگنی زیاد جنگل، پیشنهاد شد پژوهش به‌صورت سلسله‌مراتبی انجام گیرد تا ابتدا متغیرهای مهم اثرگذار یافت شوند (در این تحقیق مساحت روشنه و پتاسیم قابل جذب خاک) و بعد از مونه‌بندی رویشگاه براساس آنها، روابط متغیرهای مستقل و وابسته بررسی شود.
Estimation of earthworm biomass in canopy gaps and mixed beech forest
نویسندگان [English]
Hashem Habashi1؛ Ardeshir Abbasi2؛ R Rahmani1؛ M Moayeri3
1GAU
2GAUSNR
چکیده [English]
Earthworm biomass is one of the most important quantitative indices of forests soil. Estimating the earthworm biomass in forest soils is often difficult due to changes in soil properties. This study aims at comparing the performance of multiple linear regression and regression tree models in estimating the earthworm biomass in different forest conditions. Earthworm biomass was sampled in 40 forest gaps and adjacent virgin forest. They were then separated from soil using hand-sorting method and weighted in 0.01 gr precision in compartment 32 Shastkolate forest. Physical and chemical soil properties were analyzed by using standard laboratory methods. The best fitted models were specified in multiple linear regression and regression tree models for estimating the earthworm biomass. The fitted models were then validated by using Mean Error (ME), Root Mean Square Error (RMSE) and Relative Error (RE) measures. Soil bulk density and total nitrogen explained 24% of total earthworm biomass variances in virgin forest while canopy area solely explained 66% of total variances in canopy gap. Multiple linear regression models overestimated the earthworm biomass while regression tree model underestimated the biomass in virgin forest but it was precise estimator in canopy gap. According to the results and due to heterogeneity in forest environment, it is recommended the research is done hierarchically for finding the important and effective variables (gap area and soil potassium in the current study) and after the site stratification based on these variables, the relationship between independent and dependent variables is studied.
ابتدای صفحه