1896371-14076

در این سایت فقط تکه هایی از این مطلب با شماره بندی انتهای صفحه درج می شود که ممکن است هنگام انتقال از فایل ورد به داخل سایت کلمات به هم بریزد یا شکل ها درج نشود

شما می توانید تکه های دیگری از این مطلب را با جستجو در همین سایت بخوانید

ولی برای دانلود فایل اصلی با فرمت ورد حاوی تمامی قسمت ها با منابع کامل

اینجا کلیک کنید

فواصل مشاهده شده و X متوسط فواصـل نقـاط تصـادفی تـا نزدیک ترین فرد هستند. اگر مقدار شاخص Ie برابر 27/1 باشـد،پراکنش مکانی درختان تصادفی، اگر کمتر از 27/1 باشد، آرایش یکنواخت و اگر بیشتر از 27/1 باشـد، پـراکنش کپـه اي خواهـد بود (8).
شاخص دوم استفاده از تـابعK رایپلـی(Ripley’s K) بـود .
در آنالیز K رایپلی نقاط با افزایش فاصله از یـک نقطـه مرکـزيشمارش می شوند. در این شمارش متوسط تعداد نقاط بـا توجـهبه نقطۀ مرکزي محاسبه می شود. لذا K رایپلی در واقـع متوسـطتراکم نقاط براساس تابعی از فاصله هر نقطـه اسـت (30). ایـنروش مبتنی بر واریانس تمامی فواصل نقطـه بـه نقطـه در یـکفضاي دو بعدي است؛ که این نوع آنالیز می توانـد مقیـاس هـايمختلف الگوي مکانی و وجود حالت تجمعـی یـا یکنـواختی راتشخیص دهد (23). رابطه مورد استفاده (رابطه 2) بـراي نشـان۴۲

شکل 1. بخشی از حوضه آبریز رودخانه بازفت که تحقیق حاضر در آن متمرکز بود، مختصات جغرافیایی در زون UTM S39 می باشند و ارتفاع خطوط میزان برحسب متر است. تعداد 9 رویشگاه ولیک شماره گذاري شده اند.
دادن تراکم نقاط به صورت زیر می باشد:
K(d) 

1n i 1j i nI dij  d[2]

که در آن ،n تعداد نقـاط، /A ، n A مسـاحت منطقـه،dij فاصله بین نقاط i و j است. درمورد شاخص I اگـر فاصـله بـین
دو درخت i و j کوچک تر یا مساوي d باشد، برابـر یـک و اگـربیش تر باش د براب ر ص فر اس ت (21). ب راي مش خص ک ردن یکنواختی منحنی (الگوي پواسون) استفاده از تابع K(d) تصـویرروشنی به ما نمی دهد و تحلیل این منحنی نیز کار راحتی نیست.
بنابراین از شکل اصلاح شده آن یعنی L(d) استفاده می شود کـهجذر مربع K(d) است و یک خط مستقیم براي الگـوي پواسـونL(d)=d به ما می دهد (رابطه 3).
468707-103335

(L d   K(d) ) [3]
در نهایت به نظر می رسد استفاده از تابع L(d)-d می تواند تصویر بهتري بـه مـا بدهـد. کـه در ایـن تـابع بـراي الگـوي پواسـون d  l d 0 منحنی زیر صفر قرار می گیرد (29). مقدار عددي این شاخص از رابطه 4 به دست می آید.
616535-116177

[4] L d d   K d  d در این تحقیق براي آزمون یکنواختی و ترسیم حدود اطمینان مقادیر تابع K از آزمون مونته کارلو (Monte Carlo) استفاده شد.
تغییر دامنه حدود اطمینان و مقدار آزمون مونته کارلو در طول تغییرات فواصل بین درختان رسم گردید، به طوري که اگر تابع L(d) d داخل محدوده ي مونته کارلو قرار گیرد الگوي پراکنش مشاهده شده با الگوي پراکنش تصادفی تفاوت معنی داري نخواهد داشت. اما اگر این تابع بالاتر از این محدوده قرار گیرد الگوي پراکنش کپه ایی و اگر پایین تر از این محدوده واقع شود، نشان دهنده ي الگوي یکنواخت است.

نتایج
نتایج نشان داد که با افزایش تراکم ولیک، میـزان آلـودگی افـزایشپیدا کرده و توده به سمت کپه اي شدن میل پیدا می کند (جـدو ل 1).
جدول 1. مقادیر شاخص ابرهارت و میزان آلودگی درختان و تفسیر تابعK در رویشگاه هاي آلوده با تراکم بالا

شدت آلودگی تراکم درختان ولیک

(تعداد در هکتار) Ripleys-K تفسیر شاخص

ابرهارت شاخص ابرهارت رویشگاه
4/3 62 کپه اي کپه اي 1/79 3
3/7 21 کپه اي کپه اي 1/56 5

L(d)

d

L(d)

d

L(d)

d


دیدگاهتان را بنویسید