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 ای خواهـد بود (8).
شاخص دوم استفاده از تـابعK رایپلـی(Ripley’s K) بـود .
در آنالیز K رایپلی نقاط با افزایش فاصله از یـک نقطـه مرکـزیشمارش می شوند. در این شمارش متوسط تعداد نقاط بـا توجـهبه نقطۀ مرکزی 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 یـکفضای دو بعدی است؛ که این نوع آنالیز می توانـد مقیـاس هـایمختلف الگوی مکانی و وجود حالت تجمعـی یـا یکنـواختی راتشخیص دهد (23). رابطه مورد استفاده (رابطه 2) بـرای 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 گذاری 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 مساوی d باشد، برابـر یـک و اگـربیش تر باش د براب ر ص فر اس ت (21). ب رای مش خص ک ردن یکنواختی منحنی (الگوی 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 برای الگـوی 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 بهتری بـه مـا بدهـد. کـه در ایـن تـابع بـرای الگـوی پواسـون d  l d 0 منحنی زیر صفر قرار می گیرد (29). مقدار عددی این شاخص از رابطه 4 به دست می آید.
616535-116177

[4] L d d   K d  d در این تحقیق برای 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 طوری که اگر تابع L(d) d داخل محدوده ی مونته کارلو قرار گیرد الگوی پراکنش مشاهده شده با الگوی پراکنش تصادفی تفاوت معنی داری نخواهد داشت. اما اگر این تابع بالاتر از این محدوده قرار گیرد الگوی پراکنش کپه ایی و اگر پایین تر از این محدوده واقع شود، نشان دهنده ی الگوی یکنواخت است.

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

شدت آلودگی تراکم درختان ولیک

(تعداد در هکتار) Ripleys-K تفسیر شاخص

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

L(d)

d

L(d)

d

L(d)

d


پاسخ دهید