شاخص میانگین جهت (Ri Mean Directional Index) برای محاسبه مقدار این شاخص نیازی به اندازهگیری فاصله بین درختان نیست و از موقعیت قراگیری درختان همسایه در اطراف درخت مرجع استفاده میشود (20). بهعبارت دیگر زاویـه بـیندرختان همسایه در اطراف درخت مرجع درنظر گرفته میشـ ود. نحوه اندازهگیری زاویه در این شاخص به این صورت است که محوری (پارهخطی) که درخت مرجع را بـه اولـین همسـایه درجهت شمالی خود، در یک گروه ساختاری مـرتبط مـیکنـد بـه عنوان مبنایی برای تشـکیل زاویـا بـین سـایر درختـان همسـایهدرنظر گرفته میشود (35 و 40) و زاویه بین این محـور و تـکتک درختان موجود در هر گروه ساختاری درنظر گرفته میشود (شکل 3). ارزشهای این شاخص شباهت زیادی بـه شـاخصزاویـه یکنواخـت دارد بـه ایـن صـورت کـه ارزشهـای صـفر نشاندهنده الگوی پراکنده مـیباشـد و بـا افـزایش مقـدار ایـنشاخص الگوی کپهای در توده ظاهر میشود. زمـانی کـه مقـداراین شاخص نزدیک به ارزش 779/1 باشد؛ نشاندهنـده الگـویتصادفی در توده مورد بررسی میباشـد ( 50). در ایـن شـاخصنیـز ماننـد شـاخص زاویـه یکنواخـت بـا اسـتفاده از فاصـله و آزیموت بین درختان در هر گروه ساختاری مقدار زاویـای بـیندرختـان محاسـبه شـد. مقـدار ایـن شـاخص از رابطـه 3 قابـل محاسبه میباشد (22 و 35):
 n 2n2
Ri  1  cos(ij)    sin(ij)
 j2  j2
در رابطه 3، ij زاویه بین درختان نسـبت بـه درخـت مرجـعمیباشد. شاخص میانگین جهت دارای مقادیر مابین صـفر تـا 4 میباشد (35). با میانگینگیری از مقادیر شاخص میانگین جهت برای هر گروه ساختاری، مقدار متوسط این شاخص برای تمـامدرختان موجود در تودههای جنگلـی قابـل محاسـبه مـیباشـد.براساس مطالعات گذشته مشخص شده است که بررسـی چهـاردرخت برای توصیف ساختار مکانی تـوده دارای دقـت بـالایی است (21، 32 و 51). در کل میتوان حالتهـای مختلـف ایـنشاخص را بهصورت زیر نشان داد:

شکل3. نحوه اندازهگیری زاویه بین درختان برای محاسبه شاخص میانگین جهت در یک گروه ساختاری چهار درختی در اطراف درخت مرجع i را نشان میدهد (جهت تشکیل زوایا در جهت عقربههای ساعت) (20 و 21)
3359673-3225546

شاخص میانگین زاویهها (MoA: Mean of Angles) این شاخص از شاخصهای زاویهای محسـوب مـی شـ ود. بـرایمحاسبه شاخص میانگین زاویهها پـس از تعیـین نقطـه تصـادفی(درخت مرجع)، زاویه بین دو درخـت نزدیـک بـه نقطـه نمونـه برداری اندازهگیری میشود (50). بهمنظـور محاسـبه مقـدار ایـنشاخص تمام درختان راش موجود در هر پلات یکبار بـه عنـوان نقطه نمونهبرداری (درخت مرجع) درنظر گرفته شد و زوایای بین دو درخت نزدیک به نقطه نمونهبردار ی اندازهگیـری شـد (شـکل4). زاویه بین دو درخت نزدیک به نقطه نمونهبرداری با توجه بـهفاصله و آزیموت آنهـا نسـبت بـه درخـت مرجـع (نقطـه نمونـهبرداری) محاسبه شد. پس از اندازهگیری زاویههـا در تمـام نقـاطنمونهبرداری با استفاده از رابطه 4 مقدار متوسط این شاخص قابل محاسبه میباشد (22 و 50):
  n1 in i
1در این رابطه n: تعداد نقـاط نمونـه بـردار ی وi : زاویـ ههـا ی اندازهگیری شده در هر نقطه نمونهبـردار ی اسـت. مقـدار ایـنشاخص میتواند بین مقادیر 0 تا 180 درجه متغیر باشـد ( 22).
زمانی که میانگین ایـن شـاخص بـه صـورت 900 

باشـد،چیـدمان تصـادفی درختـان را در تـوده مـورد بررسـی نشـان میدهد اما در تودههایی با چیدمان کپهای یا پراکنده مقدار ایـنشــاخص بــه ترتیــب 900 

یــا 900 

مــیباشــد (22 و 50).

شاخص کلارک و اوانز (CE: Clark-Evans index) این شاخص قادر است نحوه توزیع افقـی جمعیـت هـا ی مـوردمطالعه را براساس فاصله بین نزدیکترین همسایههای درختـانمرجع در توده مورد بررسی قـرار دهـد (19 و 34). ایـن روشبراساس مقایسه میـانگین فاصـله بـین درختـان در تـوده مـوردمطالعه نسبت به میانگین فاصله مورد انتظار بین آنها در صورت توزیع تصادفی میباشد (49). بهعبارت دیگر این شاخص میزان انحراف جمعیت مـورد مطالعـه را از جمعیتـی کـه بـه صـورت تصادفی پراکنده شدهاند؛ بیان میکند (21) این شاخص از رابطه
5 قابل محاسبه میباشد:
625615272186

1  ri CE  rr  / AN05/  /i1 NP / NP [5]
05005140041 32
در رابطه فوق، rA میـانگین فاصـله بـین درختـان همسـایه؛rE میانگین فاصله مورد انتظار بـین درختـان همسـایه؛ri عبـارت است از فاصله بین درخت i و نزدیکترین همسایه آن بـه متـر؛ N نشاندهنده تعداد کـل درختـان در داخـل قطعـه نمونـه؛ A سطح قطعه نمونه به متر مربع؛ و P محیط قطعه نمونه بـه متـر است (32 و 50). در تودههای با الگوی تصـادفی مقـدار ایـنشاخص برابر با یـک مـیباشـد. درحـالی کـه CE کمتـر از 1 نشاندهنده حالت کپهای؛ و CE بیشتر از 1 بیان کننده موقعیت

1566665-2129860شکل 4. نحوه اندازهگیری زاویه بین دو درخت نزدیکترین همسایه به نقطه نمونهبردار ی بهمنظور محاسبه شاخص میانگین زاویهها (52)
پراکنده درختان است (49).
نتایج
در تمام قطعـات نمونـه مـورد مطالعـه در مجمـوع 1108 پایـهدرخت راش ثبت و الگوی مکانی آنها مورد بررسی قرار گرفت.
به این صورت که در پلات شـماره یـک 207 اصـله، در پـلاتشماره دو 236 اصله، در پلات شماره سه 245 اصله، در پـلاتشـماره چهـار 212 اصـله و در پـلات شـماره پـنج 208 اصـله درخت راش مورد بررسی قرار گرفت. همانطور که در شکل 5 ملاحظه میگردد توزیع پـراکنش قطـری گونـه راش در منطقـهمورد مطالعه بهصورت کم شونده میباشد.
مقدار شاخص Wi برای گونـه راش ، 54/0 محاسـبه شـد.با توجه به اینکه مقدار بـه دسـت آمـده از ایـن شـاخص بـین517/0 تا 1 قرار دارد؛ نشاندهنده الگوی مکانی کپهای متمایل به تصادفی برای راش است. در شکل 6 طبقات مختلف توزیع ارزشهای شاخص زاویه یکنواخت بـرای گونـه راش ترسـیمشده است. همانطـور کـه در ایـن شـکل مشـاهده مـی شـ ود بیشترین فراوانی (بیش از 55%) مربوط به طبقـه سـوم (ارزش5/0) میباشد. نتایج این نمودار نیز الگوی کپـ های متمایـل بـهتصادفی را برای راش نشان میدهد. مقدار شـاخصRi بـرای گونه راش، عدد 97/1 محاسبه شد. این مقـدار نیـز بیـانگر الگـویمابین کپهای تا تصادفی برای این گونه در منطقه مورد مطالعه است.
شکل 5. منحنی پراکنش قطری درختان راش در منطقه مورد مطالعه

شکل6. نمودار توزیع ارزشهای شاخص Wi
مقدار شاخص MoA برای گونـه راش برابـر بـا 96 درجـهمحاسبه شد. با توجه به اینکه مقدار این شاخص بـه 90 درجـهنزدیک است؛ بیانگر الگوی مکانی پراکنده متمایـل بـه تصـادفیبرای راش است. همچنین مقـدار میـانگین شـاخص کـلارک واوانز برای گونه راش در محدوده مورد مطالعه برابر با 65/0 بـهدست آمد. با توجه به اینکـه مقـدار بـه دسـت آمـده بـرای ایـنشاخص کمتر از یک میبا شد؛ نشاندهنده الگـوی کپـهای بـرایاین گونه در منطقه مورد مطالعه میباشـد. بـه منظـور درک بهتـر نتایج بهدست آمده در جدول 1 خلاصـهای از مقـادیر بـه دسـت آمده از هر یک از شاخصها ارائه شده است.

بحث و نتیجهگیری
در این پژوهش ساختار گونه راش در منطقـه مـورد مطالعـه بـهشکل نمودار نزولی بهدست آمد. در واقع منحنی پراکنش تعـداددرختان در طبقات قطری تودههای جنگلی ناهمسال با توجه بـهتعداد بیشتر درختان کم قطـر نسـبت بـه درختـان قطـور، تـابعمنحنی زنگولهای شکل (پراکنش نرمال) نیست بلکه حالـت کـمشونده دارد. در حقیقت ساختار جنگـل هـا ی طبیعـی کـه کمتـر تحت تأثیر مداخلات انسانی قرار گرفتهاند و توانستهانـد حالـتطبیعی خود را حفظ کنند؛ همانند منطقه مـورد مطالعـه در ایـنپژوهش حالت ناهمسالی دارند (10).

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

نخستین گام در مطالعـه بـوم شناسـی مکـانی یـک جامعـهگیاهی، بررسی الگوی مکانی درختان در یـک محـدوده همگـناست (24). یکی از مهمتـرین ابـزار هـا بـه منظـور دسـتیابی بـهمدیریت پایدار در جنگـل هـا ی مختلـف داشـتن شـاخص هـا ی مکانی هستند که با کمترین هزینه به توصیف، ارزیابی و مقایسه ساختار جنگل و تأثیر فعالیتهـای پرورشـی مـیپـردازد (27).
همچنین کاربرد زاویه بین درختان و شاخصهـا یی کـه در ایـنزمینه ارائه شدهاند در مطالعه الگوی مکـانی درختـان از اهمیـتبالایی برخوردار بوده و در مطالعات مختلف مورد استفاده قـرارگرفتهاند (21، 22 و 50). بنابراین هدف از این پژوهش معرفـیشاخصهای مهمی بود که بر پایـه زاویـه بـین درختـان اسـتوارهستند و امکان استفاده از آنها در شرایط یکسان فـراهم گردیـد.همچنین این شاخصها در مطالعه روابط بوم شـنا ختی درختـانراش با یکدیگر در جنگلهای هیرکانی بهکار رفتنـد تـا الگـوی
جدول 1. نتایج بهدست آمده از هر یک از شاخصها ی بهکار گرفته شده در این تحقیق
نوع الگو مقدار بهدست آمده دامنه شاخص نام شاخص
کپهای متمایل به تصادفی 0/54 Wi 0 1,  زاویه یکنواخت
کپهای متمایل به تصادفی 1/97 MDI 0 4,  میانگین جهت
پراکنده متمایل به تصادفی 960 MoAÎ 001800  میانگین زاویهها
کپهای 0/65 C E  0 2 1491, / کلارک و اوانز
مکانی این درختان و تأثیر آنها بر یکـدیگر مـورد بررسـی قـرارگیرد.
از آنجاییکه مطالعه الگوی مکانی درختان در یک توده باید در شرایط همگن انجـام گیـرد (47)، منطقـه مـورد مطالعـه بـهگونــهای انتخــاب شــد کــه از جنبــههــای محیطــی (عوامــلفیزیوگرافیک و خاک) همگن باشد. در این محدوده پـنج قطعـهنمونه یک هکتاری در تیپ راش به گونـهای مـورد آمـاربرداریقرار گرفت که درختان راش موجود در هـر پـلات بـه صـورت خالص پراکنده شده بودند. این موضوع در کنـار سـایر شـرایطهمگـ ن محیـط ارزیابـی دقیقتـر روابط بیـن ایـن درختــان را امکـانپذیـر نمود.
یکی از شاخصهـا ی پرکـاربرد کـه امـروزه در اکثـر مطالعـاتداخلی و خارجی بهمنظور تعیین الگوی مکـانی درختـان مـورداستفاده قرار میگیـرد، شـاخصWi مـیباشـد ( 12، 43 و 51).
مقدار این شاخص بیانگر الگوی کپـهای مـ ابین تصـادفی بـرایگونه راش در منطقه مورد مطالعه بود. شاخص Ri نـوع دیگـری از شاخصهای زاویهای درختان است و خیلـی کـاربردیتـر از سایر شاخصهای مربوط به تعیـین الگـوی مکـانی مـیباشـد وبهعنوان روشهای آماری کلاسیک مـرتبط بـا نحـوه قرارگیـریدرختان و موقعیت آنها شناخته میشود (20)؛ این شـاخص نیـزمانند شاخص Wi نشاندهنده الگوی کپهای مابین تصادفی برای گونه راش در منطقه مورد مطالعه میباشد. امـا نتـایج بـه دسـت آمده از شاخص MoA بیانگر الگـوی مکـانی مـابین پراکنـده وتصادفی برای راش میباشد. شاخص Wi و شاخص Ri بهمنظور بررسی الگوی مکانی درختان به ترتیـب از چهـار زاویـه و سـهزاویه در هر نقطه نمونهبرداری اسـتفاده مـیکنـد. امـا شـاخصMoA تنها از یـک زاویـه در هـر نقطـه نمونـهبـردار ی اسـتفادهمیکند. بنابراین انتظار می رود شاخصهای Wi و Ri نتایج دقیقتری را از الگوی مکانی آشکار سازند. کرسنته-کامپو و همکاران (22) بهمنظور بررسی تأثیر تنک کـردن بـرروی سـاختار، نحـوهرشد و ریسک آتشسوزی تاجی در تودههای دست کاشت کاج جنگلی در شمال اسپانیا از شاخص Ri استفاده کردند. آنها اظهار کردند که این شاخص علاوه بر کاربرد در زمینه تعیـین الگـویمکانی درختان، در به کارگیری بهعنوان شاخص هـای سـاختاریمدلهای رشـد تـک درختـی دارای قابلیـت زیـادی مـیباشـد.
همچنـین اسـمیت (50) ب ا توجـه بـه مطالع های کـه ب رروی شاخصها و توابع مورد استفاده در آمار مکانی جهت بررسی در آنالیزهای اکولوژیکی انجام داد به این نتیجه رسید کـه شـاخصRi دقت بالایی در تشخیص الگوی مکانی درختان دارا میباشد. هوی و همکاران (30) با استفاده از دادههای جمعآوری شده از جنگلهای طبیعی و دادههای شبیهسازی شده؛ بیـان کردنـد کـهشاخص Wi بهمنظور تعیین الگوی مکانی درختـان دارای دقـتبسیار بالایی میباشد. اسمیت و کورزنیویچ (51) ضمن بررسـیشاخصهای مختلفی که به بررسی الگوی مکـانی درختـان مـیپردازند، بیان کردند زمانی که تعداد درختان در هـر پـلات 100 پایه یا بیشتر باشد، شاخص Wi ابزاری قدرتمند در تعیین الگوی مکانی درختان محسوب میشود. با بررسـی مطالعـات صـورتگرفتـه در زمینـه کـارایی و دقـت شـاخص هـا ی Wi و Ri و بـا استفاده از نتایج این تحقیق میتوان نتیجه گرفـت کـه شـاخصMoA نمیتواند بهدرستی الگوی مکانی درختان را تعیـین کنـد.
تریفکوویک و یاماموتو (52) اظهار کردنـد کـه شـاخصMoA بهمنظور تعیین الگوی مکانی درختان دارای دقت مناسب نیست و مطالعات آنها کارا نبودن این شاخص را تأیید کـرد. همچنـینصفری و همکاران (7) بیان کردند که شاخص MoA نمیتوانـدبـهدرسـتی الگـوی مکـانی درختـان را در جنگـلهـای غـرب
(جنگلهای جوانرود کرمانشاه) تعیین کند و بـر دقـت پـایین وعدم کارایی این شاخص تأکید کردند.
هنگامیکه با استفاده از شاخصهـا ی Wi و Ri بـه بررسـیالگوی مکانی درختـان جنگلـی پرداختـه مـی شـ ود؛ نیـازی بـهاندازهگیری فاصله بین درختـان و یـا ثبـت مختصـات درختـاننیست. بنابراین استفاده از این دو شاخص در مقایسـه بـا سـایرروشهای ارزیابی الگوی مکانی درختان از جمله تابع K رایپلی و تابعL که نیاز به ثبت مختصات درختان دارد، بسیار کـاراتر وآسانتر ا
ست (21). همچنین دقت و کارایی شاخصهـا ی Wi و Ri به شکل پلات وابسته نیسـت ( 50) و در مطالعـات مختلـفبهمنظور بررسی الگوی مکانی درختان میتواننـد مـورد اسـتفادهقرار گیرند. از طـرف دیگـر بـا بررسـی تغییـر ارزشهـای ایـنشاخصها در طول دوره زمـانی کوتـاه، مـیتـوان اطلاعـاتی درمورد اثرات مدیریت و یا رقابت برروی ساختار تـوده بـه دسـت آورد (33).
یکی دیگر از شاخصهایی که بهمنظور تعیین الگوی مکانی درختان دارای کاربرد فراوان میباشد، شاخصCE میباشـد (9، 5 و 48) که در این مطالعه بـه صـورت مکمـل همـراه بـا سـایرشاخصها مورد استفاده قرار گرفـت و الگـوی کپـهای را بـرایدرختان راش مورد مطالعـه نشـان داد. شـاخصCE عـلاوه بـرتعیین نزدیکترین همسـایه هـر درخـت در درون تـوده مـوردبررسی، به اطلاعاتی درباره میزان فاصله آن درخت تـا همسـایهخود نیاز دارد (26).
در جوام ع جنگل ی الگ وی مک انی بس یاری از گون هه ا بهصورت کپهای است (21). اغلب مطالعـات در داخـل کشـوربیانگر الگوی مکـانی کپـهای بـرای گونـه راش در جنگـل هـا ی هیرکانی است (1، 2، 5 و 16). با توجه بـه سـنگین بـودن بـذرراش و ریزش آنها به زیر درختان، فاصله انتشار بـرای پـراکنشبذر کم شده و انتظار میرود الگوی این گونه بهصـورت کپـهای باشد. در واقع نوع توزیع بذرها مهمتـرین عامـل تأثیرگـذار بـرالگوی مکانی درختان است (39). همچنین نـاهمگنی رویشـگاهدر ایجاد الگوی مکانی کپـ های، نقـش مهمـی دارد (44). نتـایجبهدست آمده از این مطالعه الگوی مکانی راش را کپهای متمایل به تصادفی معرفی کرد. نکته مهمی که در این زمینه بایـد بـه آنتوجه نمود این است که در جنگلهـا ی طبیعـی الگـوی مکـانیدرختان علاوه بر موارد ذکر شده تحـت تـأثیر مقیـاس مطالعـه،آشفتگی منطقه، روابط متقابل رقابتی و حضور گونههای مهـاجمقـرار دارد (25). علـیجـانی و همکـاران (11) الگـوی مکـانی درختان را در تیپ ممرز- راش جنگل خیرود با توجه بـه نحـوهمدیریت و تنک کـردن خوشـههـا ی زادآوری بـه نفـع درختـان مرغوب بهصـورت کپـهای مایـل بـه تصـادفی معرفـی کردنـد.همچنین لوییس و همکـاران ( 38) علـت تغییـر الگـو از شـکلکپهای به تصادفی را نتیجـه عـدم اسـتقرار زادآوری بـه صـورت گروهی عنوان کردند.
استفاده از شـاخصCE در کنـار شـاخص هـا ی Wi و Ri بهمنظور تعیین الگوی مکانی درختان دارای اهمیت زیادی است، زیرا این شاخصها حساسیت بالایی به کوچکترین تغییـرات درجنبههای مختلف الگوی مکانی دارند و با درنظر گرفتن ویژگیهای توده مورد بررسی از جنبـ ههـا ی مختلـف، الگـوی مکـانی

منابع مورد استفاده
درختان را با دقت بالایی تعیـین مـیکننـد. نتـایج ایـن مطالعـه،قابلیت استفاده از شاخصهای زاویه یکنواخت، میانگین جهـتو کلارک و اوانز را در بررسی الگوی پراکنش مکانی گونه راش شرقی نشان میدهد. یکی از مزیتهای مهم استفاده از این سـهشاخص در کنار یکدیگر این است که این شاخصها میتواننـدبهصورت پیوسته بررسی اثـرات روشهـا ی مختلـف مـدیریتیجنگل را تسـهیل نماینـد و همچنـین در برنامـهریـزی و پـایشسیمای سرزمین کاربرد دارند (21). بنابراین پیشنهاد میشـ ود بـابه کارگیری شاخصهای ذکر شده تغییرات ایجـاد شـده بـر اثـرنحـوه م دیریتهـای مختل ف و عملیـات بهـرهب رداری را در تودههای جنگلی مشخص کرد و بـه مـدیران جنگـل در برنامـهریزیها و اتخاذ تصمیمهای مناسب و مهم کمک کرد. همچنین با توجه به مطالعات قبلی و نتایج این پژوهش پیشنهاد مـی شـ ود بهمنظور بررسی بوم شناسی مکانی درختان جنگلـی از هـر سـهشـاخص Wi ،CE و Ri در کنـار یکـدیگر در مطالعـات آتـی استفاده شود.
ابراهیمی، س. و ح. پوربابایی. 1392. تأثیر حفاظت بر الگوی پراکنش مکـانی درختـان غالـب در جوامـع راش (مطالعـه مـوردی:
ماسال، گیلان). مجله بوم شناسی کاربردی 2(4): 23-13.
اخوان، ر.، خ. ثاقب طالبی، م. حسنی و پ. پرهیزکار. 1389. بررسی الگوی مکانی درختان طی مراحل تحولی در توده هـای دسـت نخورده راش (Fagus orientalis Lipsky) در کلاردشت. تحقیقات جنگل و صنوبر ایران 18(2): 336-322.
بصیری، ر.، ه. سهرابی و م. مزین. 1385. تحلیل آماری الگوی پراکنش مکانی گونههای درختی در منطقـه قامیشـله مریـوان.منـابعطبیعی ایران 3: 588-579.
پیلهور، ب.، ز. میرآزادی، و. علیجانی و ح. جعفری سرایی. 1393. کاربرد شاخصهای مبتنی بر نزدیکترین همسـایه در بررسـی ساختار گونههای زالزالک و کیکم در جنگلهای زاگرس. تحقیقات جنگلهای زاگرس 1(2): 14-1.
حبشی، ه.، م. حسینی، ج. محمدی و ر. رحمانی. 1386. تعیین الگوی پراکنش و سـاختار در جنگـل آمیختـه راش شصـت کلاتـهگرگان. تحقیقات جنگل و صنوبر ایران 15(1): 64-55.
صفری، ا.، ن. شعبانیان، ر. ح. حیدری، س. ی. عرفـانی فـرد و م. پ وررضـا. 1389. بررسـی الگـوی مکـانی درختـان بلـوط ایرانـی
(Quercus brantii Lindl.) در جنگلهای باینگان کرمانشاه. تحقیقات جنگل و صنوبر ایران 18(4): 608-596.
صفری، ا.، ر. ح. حیدری، ن. شعبانیان و م. کریمی. 1393. بررسی الگوی مکانی بنه با استفاده از زاویه بین درختان در جنگلهـا ی جوانرود کرمانشاه. تحقیقات جنگل و صنوبر ایران 22(2): 359-349.
عرفانیفرد، س. ی. و ف. مهدیان. 1391. بررسی مقایسهای روشهای تعیـین الگـوی مکـانی مطلـق درختـان در جنگـل (مطالعـهموردی: جنگل تحقیقاتی بنه استان فارس). تحقیقات جنگل و صنوبر ایران 20(1): 73-62.
عرفانیفرد، س. ی.، ل. زارع و ج. فقهی. 1392. کاربرد شاخصهای نزدیکترین همسایه در شاخهزادهای بلوط ایرانـی ( Quercus brantii var. Persica) جنگلهای زاگرس. بوم شناسی کاربردی 5(2): 24-15.
علوی، س. ج.، ق. زاهدی امیری، ز. نوری و م. ر. مروی مهاجر. 1392. کاربرد تـاب ع K رایپلـی در آشکارسـازی الگـوی پـراکنشمکانی گونه ملج در جنگل آموزشی و پژوهشی خیرود نوشهر. نشریه پژوهشهای علوم و فناوری چوب و جنگل 20(4): 30-21.
علیجانی، و.، ج. فقهی، م. زبیری و م. ر. مروی مهاجر. 1391. کمیسازی ساختار مکانی جنگلهای میان بند شمال ایران (مطالعـهموردی: بخش گرازبن جنگل خیرود). محیط زیست طبیعی 65(1): 125-111.
فرهادی، پ.، ج. سوسنی، ک. عادلی، و و. علیجانی. 1392. بررسی تغییرات موقعیت مکانی و تنوع گونهای جنگلهـا ی زاگـرسبر اثر تخریب جوامع محلی (مطالعه موردی: جنگلهای قلعهگل خرم آباد). نشریه پژوهشهای علـوم و فنـاوری چـوب و جنگـل
.61-80 :(4)20
فلاح چای، م. م.، خ. کلانتری چروده و ح. پیام. 1390. مقایسه مشخصات کمی تودههای طبیعی جنگل در دو منطقه حفاظت شده و غیرحفاظتی (مطالعه موردی: جنگلهای ناو اسالم). مجله علوم زیستی واحد لاهیجان 1(4): 121-113. 14. کرمی، ا.، ج. فقهی، م. ر. مروی مهاجر و م. نمیرانیان. 1391. بررسی الگوی مکانی لکههای زادآوری در جنگـل هـا ی طبیعـی راش
(Fagus orientalis Lipsky) (مطالعه موردی: بخش گرازبن، جنگل خیرود). مجله جنگل ایران 4(1): 87-77.
مروی مهاجر، م. ر. 1384. جنگلشناسی و پرورش جنگل. انتشارات دانشگاه تهران،387 ص.
نوری، ز.، م. زبیری، ج. فقهی و م. ر. مروی مهاجر. 1392. بررسی الگوی پـراکنش مکـانی درختـان و سـاختار در راشسـتانهـایطبیعی شمال ایران (مطالعه موردی: بخش گرازبن جنگل خیرود). نشریه محیط زیست طبیعی 66(1): 125-113.
Aguirre, O., G. Hui, K. V. Gadow and J. Jimenez. 2003. An analysis of forest structure using neighborhood-based variables. Forest Ecology and Management 183: 137-145.
Assuncao, R. 1994. Testing spatial randomness by means of angles. Biometrics 50: 531-537.
Brzeziecki, B. 2002. Wskaźniki zróżnicowania struktury drzewostanu [Indices of stand structural diversity]. Sylwan 4: 69-79.
Corral-Rivas, J. J., A. Pommerening, K. Gadow and D. Stoyan. 2006. An analysis of two directional indices for characterizing the spatial distribution of forest trees. In: Models of tree growth and spatial structure for multispecies, uneven-aged forests in Durango (Mexico). PhD dissertation. Faculty of Forest Science and Forest Ecology, Georg-August University of Göttingen.
Corral-Rivas, J. J., Ch. Wehenkel, H. A. Castellanos-Bocaz, B. Vargas-Laretta and U. Dieguez- Aranda. 2010. A permutation test of spatial randomness: application to nearest neighbor indices in forest stands. Journal of Forestry Research 15: 218-225.
Crecente -Campo, F., A. Pommerening and R. Rodriguez-Soalleiro. 2009. Impacts of thinning on structure, growth and risk of crown fire in a Pinus sylvestris L. plantation in northern Spain. Forest Ecology and Management 257:
1945-1954. 23. Dagley, C. M. 2008. Spatial pattern of coast redwood in three alluvial flat old-growth forests in Northern Californ
ia. Forest Science 54(3): 294-302.
Diggle, P. J. 2003. Statistical analysis of spatial point patterns. Arnold Pub., UK, 159 p. Ecography 29: 671-682.
Frelich, L. E., R. L. Calcote, M. B. Davis and J. Pastor. 1993. Patch formation and maintenance in an old-growth hemlock-hardwood forest. Journal of Ecology 72: 2. 513-527.
Fucai, X., Zh. Xiuhai, P. Chunfang, J. Yuzhen and W. Jinsong. 2010. Stand structure of broadleaved and Korean pine (Pinus koraiensis) mixed forest in the Changbai Mountains, China. Journal of Applied Environmental Biology
16(4): 529-534.
Gadow, Kv and P. Pogoda. 2000. Assessing forest structure and diversity. Man For 1:1-8.
Gangying, H., L. Li, Z. Zhonghua and D. Puxing. 2007. Comparison of methods in analysis of the tree spatial distribution pattern. Acta Ecologica Sinica 2(11): 4717-4728.
Hui, G. and K. Gadow. 2002. Das Winkelmass-Herleitung des optimalen standardwinkels. Allgemeine Forst- Jagdzeitung (AFJZ) 10: 173-177.
Hui, G., L. Li, Zh. Zhao and P. Dang. 2007. Comparsion of methods in analysis of the tree spatial distribution pattern. Acta Ecologica Sinica 27(11): 4717-4728.
Illian, J., A. Penttinen, H. Stoyan and D. Stoyan. 2008. Statistical Analysis and Modelling of Spatial Point Patterns. John Wiley & Sons Pub UK, 557 p.
Kint, V., N. Lust, R. Ferris and A. F. M. Olsthoom. 2000. Quantification of forest stand structure applied to Scots Pine (Pinus Sylvestris L.) Forests. Investigación Agraria: Sistemasy Recursos Forestales 1: 147-163.
Kint, V., Mv. Marc, N. Lieven, G. Guy and L. Noel. 2003. Spatial methods for quantifying forest stand structure development: a comparison between nearest-neighbor indices and variogram analysis. Forest Science 49:36-49.
Kint, V. 2004. SIAFOR 1.0 – user guide. Laboratory of Forestry, Ghent University.
Kuehne, C., A. R. Weiskittel, S. Fraver and K. J. Puettmann. 2015. Effects of thinning-induced changes in structural heterogeneity on growth, ingrowth, and mortality in secondary coastal Douglas-fir forests. Canadian Journal of Forest Research 45: 1448-1461. 36. Law, R., J. Llian, D. F. R. P. Burslem, G. Gratzer, C. V. S. Gunatilleke and I. A. U. N. Gunatilleke. 2009. Ecological information from spatial patterns of plants: insights from point process theory (Essay Review). Journal of Ecology 97: 616-628.
Li, L., W. Ye, Zh. Huang, H. Cao, Sh. Wei, Zh. Wang, J. Lian, I. Sun, K. Ma and F. He. 2009. Spatial distributions of tree species in a subtropical forest of China. Oikos 118: 495-502.
Luis, M. D., J. Raventos, T. Wiegand and C. H. Hidalgo. 2008. Temporal and spatial differentiation in seedling emergence may promote species coexistence in Mediterranean fire-prone ecosystems. Ecography 31: 620-629.
Marin, A., D. M. Carrer and D. S. Lamdica. 2011. Spatial analysis of a mixed beech, sprue and fir stand in the eastern Alps. M.Sc. Thesis, Department of Land, Environment, Agriculture and Forestry, College of Agricultural Sciences, University of Padua.
Motz, K., H. Sterba and A. Pommerening. 2010. Sampling measures of tree diversity. Forest Ecology and Management 260: 1985-1996.
Packalenab, P., J. Vauhkonenc, E. Kallioa, J. Peuhkurinend, J. Pitkänene and I. Pip. 2013. Predicting the spatial pattern of trees by airborne laser scanning. International Journal of Remote Sensing 34(14): 5154-5156.
Pommerening, A. 2002. Approaches to quantifying forest structures. Forestry 3: 305-324. 43. Pommerening, A. and D. Stoyan. 2006. Edge-correction needs in estimating indices of spatial forest structure. Canadian Journal of Forest Research 36: 1723-1739.
Reyburn, A. P. 2011. Causes and consequences of plant spatial patterns in natural and experimental Great Basin (USA) plant communities. Ph.D Thesis, Department of Wildland Resources, Utah State University.
Stamatellos, G. and G. panourgias. 2005. Simulating spatial distribution of forest trees by using data from fixed area plots. Forestry 78(3): 305-312.
Stoyan, D. and H. Stoyan. 1992. Fraktale Formenpunkt Feldermethoden der Geometriestatistik Berlin: AkademieVerlag, 394 p.
Stoyan, D. and H. Stoyan. 1994. Fractals, Random Shapes and Point Fields. John Wiley & Sons, UK, 399 p. 48. Szmyt, J. 2012. Spatial structure of managed beech-dominated forest: applicability of nearest neighbors indices. Dendrobiology 68: 69-76.
Szmyt, J. and R. Korzeniewicz. 2012. Spatial diversity of planted and untended silver birch (Betula pendula L.) stands. Forest Research Paper 73(4): 323-330.
Szmyt, J. 2014. Spatial statistics in ecological analysis: from indices to functions. Silva Fennica 38: 1-31.
Szmyt, J. and R. Korzeniewicz. 2014. Do natural processes at the juvenile stage of stand development differentiate the spatial structure of trees in artificially established forest stands? Forest Research 75: 2. 171-179.
Trifković, S. and H. Yamamoto. 2008. Indexing of spatial pattern of trees using a mean of angels. Journal of Forest Researches 3: 117- 121.


دیدگاهتان را بنویسید