پژوهش های اقلیم شناسی

پژوهش های اقلیم شناسی

تعیین زی‌توده درختان در مراحل رویشی بعد حد شمارش با استفاده از مشخصه دما

نوع مقاله : مقاله پژوهشی

نویسندگان
سجاد بابایی 1
جواد ترکمن 2
طوبی عابدی 3
1 دانشجوی دکترای مدیریت علوم جنگل، دانشکده منابع طبیعی، دانشگاه گیلان، صومعه سرا، ایران،
2 گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه گیلان, صومعه سرا, ایران،
3 پژوهشکده محیط زیست، جهاد دانشگاهی، رشت، ایران
چکیده
تغییرات دمایی یک مسئله مهم در عصر حاضر است و موضوعی جدید برای اقلیم‌شناسان است. هدف این پژوهش پایش تغییر زی‌توده درختان در طی دوره های رویشی تیرک، تیر،تنومند و پیردار با استفاده از مشخصه دما است. در این پژوهش پارسل ۳۰۷ مطالعه شد. در این پژوهش با استفاده از روش منظم تصادفی ۳۰ قطعه‌نمونه در پارسل ۳۰۷ پیاده شد.سپس با استفاده از پهباد دمای مراکز قطعه‌نمونه‌ها سنجیده شد. در این پژوهش با استفاده از مدل ان زی‌توده درختان در طی دوره رویشی تیرک، تیر، تنومند، پیردار سنجیده شد در این مدل‌ها دما به عنوان متغئیر اصلی و زی‌توده به عنوان متغئیر وابسته در نظر گرفته شد. نتایج اولیه این پژوهش نشان داد که درختان راش داری ضریب همبستگی ۹۶/۰، ۹۷/۰، ۰/۹۶، و۹۴/۰ است. نتایج بدست آمده از این نشان داد درختان بلوط دارای ضریب همبستگی ۷۹/۰، ۸۱/۰، ۹۶/۰ و ۶۴/۰ ست. نتایج بدست آورده شده درختان توسکا نشان داد درختان توسکا داری ضریب همبستگی است ۷۵/۰، ۹۹/۰، ۹۹/۰ و ۴۱/۰ است. نتایج بدست آمده از این نشان داد درختان نمدار دارای ضریب همبستگی ۸۲/۰، ۱۹/۰، ۱۹/۰ و۱۹/۰ است. نتایج این پژوهش نشان داد استفاده از مشخصه دما محیط مراکز نمونه دقت بالایی در تعیین زی‌توده درختان در مراحل رویشی متعدد داشته است.
کلیدواژه‌ها
دما
رطوبت
وزن خشک
مدل های آلومتریک
وزن تر

عنوان مقاله English

Determination of biomass of the plant in vegetative stages after count the count with using temperature characteristic

نویسندگان English

Sajjad Babaei 1
Javad Torkaman 2
Tooba Abedi 3
1 Ph.d Student in Management of Forest Sciences, Faculty of Natural Resources, University of Guilan, Sowmeh sara, Iran
2 Group of Forestry, Faculty of Natural resources, University of Guilan, Someh sara, Iran
3 Academic Center for Education, Culture and Research, Environmental Research Institute, Rasht, Iran
چکیده English

Temperature changes are an important issue in the present age and it is a new topic for climatologists. The purpose of this research is to monitoring the changes in the biomass of trees during the growth periods of pole, beam, vigorous and old by using temperature characteristics. In this research, 307 parcels were studied. In this research, 30 sample plots were implemented in Parcel 307 using regular random method. Then, using a drone, the temperature of the centers of the samples was measured. In this research, using the mode of the tree mass was measured during the growing period of the trees, the trees, the trees, the stout, and the old trees. In these models, temperature was considered as the main variable and biomass was considered as the dependent variable. The preliminary results of this research showed that F. orientalis trees have a correlation coefficient of 0.96, 0.97, 0.96, and 0.94. The obtained results showed that Q. Castanifolia trees have correlation coefficients of 0.79, 0.81, 0.96 and 0.64. The results of A. glutinosha trees showed that the correlation coefficient of T.subcordata trees was 0.75, 0.99, 0.99 and 0.41. The results obtained from this show that deciduous trees have a correlation coefficient of 0.82, 0.19, 0.19 and 0.19. The results of this research showed that the use of the temperature characteristics of the sample centers has high accuracy in determining the biomass of trees in various vegetative stages.



.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.



.

.

.

.

.

.

.

.

.





.





.

.



.

.





.

.

.



.

.



.

.





.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.



.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.



.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.





.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.





.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

..

.

.

.

.

.

.

.

.

.

.

..

..

.

.

.

.

.

.

.

.



.

..

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.



.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.











.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.



..

.

.

.

.

..

.

.

.

.

.

.

.

.

.

.





.

.

.

.

.

.

.



.

.

.

.

.

.

.

.

.

..

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

..

.

.

.

.

..

.

.



.

.

.



.



.

.

.

.

.

.

..

.

..

.

.

.

.

.

.

.

..

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

کلیدواژه‌ها English

Temperature
humidity
dry weight
allometric models. wet weight
  1. Ackerman & Stanton (2008). The Cost of Climate Change, Natural Resource. No.. 69.
  2. Chen, J., Hu, T., Wu, J. H., Si, H. P., & Lin, K. Y. (2014). Applications of Internet of Things in FacilityAgriculture. Applied Mechanics & Materials , 517-523.
  3. Cook, J . (2016). consensus on consensus a synthesis of consensus estimates on human caused global warming. Enviromental Research , No, 13 DOI:10.1088/1748-9326/11/4/048002.
  4. Chave, J. , Andalo, C. , Brown, S. , Cairns, M. A. , Chambers, J. Q. , Eamus, D. , Folster, H. , Fromard, F. , Higuchi, N. , Kira, T. , & Lescure, J. P. (2005).. Tree allometry and improved estimation of carbon stocks and balance in tropical forests. Oecologia, 145 : 87–99
  5. Djomo, A. N. , Adamou, I. , Joachim, S. & Gode, G. (2010). Allometric equations for biomass estimations in Cameroon & pan moist tropical equations including biomass data from Africa. Forest Ecology & Management, 260 : 1873–1885.
  6. Dalal, R.C. & Allen, D.E., 2008. Turner Review No. 18. Greenhouse gas fluxes from natural ecosystems. Australian Journal of Botany. 56, 369–407.
  7. Huber, R., & Buchmann, N. (2017). Opinion: Smart farming is key to developing sustainable agriculture. Proceedings of the National Academy of Sciences, 114(24) 6148–6150.
  8. Joosten, R. , Schumacher, J. ,Wirth, C. & Schulte, A. (2004). Evaluating tree carbon predictions for beech Fagus sylvatica L) in western Germany. Forest Ecology and - Management, 189: 87- 96.
  9. Marsan, Carolyn. 2015. The Internet of Things: An Overview. Geneva: Internet Society, 53.
  10. Mehta, A., & Patel, S. (2016). IOT based smart agriculture research opportunities and challenges. International Journal For Technological Research In Engineering ISSN, 4(3), 2347–4718. .
  11. Verdouw, C., Wolfert, S., & Tekinerdogan, B. (2016). Internet of Things in Agriculture. CAB. Reviews. 11(35),1-12. doi:10.1079/PAVSNNR201611035
  12. Peter, Schwartz & Doug Randall, “An Abrupt Climate Change Scenario and Its Implications for U.S. National Security,” October 2003, available at http://www.ems.org/climate/pentagon_climate_change.
  13. Parry, Martin, Nigel Arnell, Pam Berry, David Dodman, Samuel Fankhauser, Chris Hope, Sari Kovats, Robert Nicholls, David Satterthwaite, Richard Tiffin, and Tim Wheeler, 2009. “Assessing the Costs of Adaptation to Climate Change: A Review of the UNFCCC and Other Recent Estimates.” Report by the Grantham Institute for Climate Change and the International Institute for Environment and Development.
  14. Rajalakshmi, P., & Devi Mahalakshmi, S. (2016). IOT based crop-field monitoring and irrigation automation. In Proceedings of the 10th International Conference on Intelligent Systems and Control, ISCO 2016 (pp. 1–6). IEEE. https://doi.org/10.1109/ISCO.2016.7726900.
  15. Ray, Partha Pratim . 2017. "Internet of things for smart agriculture: Technologies, practices and future direction." Journal of Ambient Intelligence and Smart Environments 9 395-420.
  16. Ruiz-Rosero, Juan , Gustavo Ramirez-Gonzalez, Jennifer M. Williams, Huaping Liu, Rahul Khanna, and Greeshma Pisharody. 2017. "Internet of Things: A Scientometric Review." Symmetry 1-32.
  17. Ribeiro, S, Fehrmann, L, Pedro Boechat Soares, C Antônio Gonçalves Jacovine, L, Kleinn, C. and de Oliveira Gaspar, R, 2011.
  18. Sivamani, S., Bae, N., & Cho, Y. (2013). A smart service model based on ubiquitous sensor networksusing vertical farm ontology. International Journal of Distributed Sensor Networks, 2013(12), 161495.
  19. Sreekantha, D. K., & Kavya A.M. (2017). Agricultural crop monitoring using IOT - a study. In 2017 .11th International Conference on Intelligent Systems and Control (ISCO) (pp. 134–139).
  20. Talavera, Jesús Martín , Luis Eduardo Tobón, Jairo Alejandro Gómez, María Alejandra Culman, Juan Manuel Aranda, Diana Teresa Parra, Luis Alfredo Quiroz, Adolfo Hoyos, and Luis Ernesto Garreta. 2017. "Review of IoT applications in agro-industrial and environmental fields." Computers and Electronics in Agriculture 283-297.
  21. World Bank, World Development Report 2010: Development and Climate Change. Washington, D.C.: The World Bank, 2010.
  22. Wang, W. Van Gelder, P.H. and Vrijling, J.K. (2005). “Trend and stationarity analysis for streamflow processes of rivers in Western Europe in the˻˹th Century.” IWA International Conference on Water Economics, Statistics, and Finance8-10 July, Rethymno, Greece.
  23. Wang, T.-C., & Lee, H.-D. (2009). Developing a fuzzy TOPSIS approach based on subjective weights and objective weights. Expert Systems with Applications, 36(5), 8980–8985.
  24. , Sh., (2018).Factors Affecting the Adoption of Trickle Irrigation by Palm Cultivators ofDashtestan Iranian Journal of Agricultural Economics and Development Research,48(4), 647-655 .
  25. Zhu, B. , Wang, X. , Fang, W. , Piao, S. , Shen, H. , Zhao, S. and Peng, C. , 2010. Altitudinal changes in carbon storage of temperate forests on Mt Changbai, Northeast China. Carbon cycle process in East Asia, 123:439–452.

 

پژوهش های اقلیم شناسی
دوره 1402، شماره 55 - شماره پیاپی 55
سال چهاردهم | شماره 55 | پاییز 1402
زمستان 1402
صفحه 227-235