دانلود رایگان ترجمه مقاله ارزیابی ایجاد مکان در جنگل های مرطوب حاره ای – الزویر ۱۹۹۲

مقاله انگلیسی رایگان

ترجمه فارسی رایگان 

بخشی از ترجمه فارسی:

چکیده
براورد های مطمئن از تولید سایت به منظور پیش بینی بهتر عملکرد الوار و نیز برای مطالعات شبه سازی معنی دار ضروری است. تعدادی معدودی از فنون مناسب برای جنگل های حاره ای مرطوب وجود دارند. شاخص های رایج نظیر شاخص مکانی نمی تواند به طور مطمئنی برای پایه ها با بسیاری از گونه ها و با سنین متوسط بیان شود. فنون نو ظهور شامل دو مرحله ی اساسی هستند: واسنجی و اعتبار سنجی با پلات های نمونه برداری دائم و همبستگی با پارامتر های سهل الاندازه گیری. یک شاخص مناسب برای جنگل های حاره ای مرطوب بر اساس افزایش قطر مورد انتظار تک تک درختان تعدیل شده از نظر اندازه گیری و رقابت است. شاخص های اندازه گیری ارتفاع پایه نظیر ماکسیمم ارتفاع پایه،ارتفاع تاج پوشش و رابطه ی قطر و ارتفاع همگی می توانند مفید باشند. شاخص های پیشنهادی بایستی بتوانند ۴ معیار را توجیه کنند: ان ها بایستی قابل تکرار باشند و طی دوره های زمانی طولانی مدت پایدار بمانند.ان ها بایستی معرف سایت باشند و زیاد تحت تاثیر شرایط گونه یا تاریخچه ی مدیریت قرار نگیرند. ان ها با پتانسیل تولید سایت همبستگی داشته باشند و حداقل از نظر کیفیت برابر با شاخص های اندازه گیری تولید دیگر باشند.
مقدمه
بدیهی است که برخی از سایت ها از یک سری جنگل های پر بازده پشتیبانی می کنند و برخی دیگر قادر به پشتیبانی تنها جنگل های فقیر هستند. این می تواند ناشی از حاصل خیزی ،زهکشی،شرایط اقلیمی نظیر دما و الگوی بارش،توپوگرافی(ارتفاع و جهت شیب)و دیگر عوامل باشد که در خود گونه نهفته هستند. پیش بینی معنی دار رشد تولید نیازمند ارزایبی این تفاوت های مکانی است. براورد های کیفیت سایت همگی بر رشد مرگ و میر و زاد اوری تاثیر گذاشته اند و بایستی به اندازه ی کافی صحیح باشد زیرا هر گونه اریبی در ارزیابی سایت می تواند موجب اریبی در کل نتایج مدل سازی شود(Vanclay, 1988b).

صحت هر گونه مدل سازی سیستم های جنگلی بستگی زیادی به دقتی دارد که بر اساس ان سایت به واحد های همگن طبقه بندی می شود(Gertner and Dzialowy, 1984 ،Smith and Burkhart, 1984).یک سری روش های اصلاح پذیر برای ارزیابی تولید سایت در جنگل های مرطوب حاره ای وجود دارد.بیشتر مطالعات جنگل های مرکب را نادیده می گیرند. سایر مطالعات حاکی از ان هستند که لایه بندی یا اشکوب بندی توسط نوع جنگل غالبا کارامد ترین روش است(Carron, 1968, p. 134) . با این حال یک سری روش های نوظهور مطمئن در حال ظهور هستند. این مقاله به بررسی این روش ها تاکید کرده با این حال تاکید بیشتری بر روش های مورد استفاده در انوانتوری عملیاتی الوار جنگل با سنین یکنواخت یا غیر همسال می پردازند. چنین روش هایی می توانند براورد خوبی از شاخص سایت از داده های جمع اوری شده طی بازدید سایت طی لزوم انالیز ازمایشگاهی کمک کنند. شاخص های قابل کاربرد به پایه های همسال(شاخص مکانی) در نظر گرفته نشده و محققانی نظیر هاگلند اطلاعاتی در این خصوص ارائه کرده اند. برای این که معیار اندازه گیری تولید مفید باشد بایستی قابل تکرار و طی زمان پایدار باشد همچنین بایستی معرف مکان بوده و تحت تاثیر شرایط نامطلوب تاریخچه ی مدیریت و یا پایه قرار نگیرد همچنین بایستی با پتانسیل تولیدی سایت همبستگی داشته باشد و کارایی ان برابر با دیگر شاخص های اندازه گیری تولید در نظر گرفته شود.
انواع طبقه بندی های مکانی
تعاریف ذیل بر اساس تعاریف فورد روبرتسون ۱۹۷۱ هستند که در این مقاله ارائه شده اند. شاخص مکانی ارتفاع راس پایه که بر اساس ان شاخص سنی براورد می شود اغلب برای پایه هایی با سنین دیگر با استفاده از منحنی سنی ارتفاعی اندازه گیری می شود و شاخص اندازه گیری توصیف مکان تحت تاثیر اندازه گیری های ذهنی است و اغلب با ارزیابی چشمی نیز می توان یک سری طبقه بندی های نسبی نیز انجام داد .کلاس سایت که یک طبقه بندی عینی تر در رابطه با تعداد کلاس هاست و تولید سایت یک اصطلاح عمومی برای پتانسیل یک سری گونه های خاص و محل یا سایت برای تولید الوار است . شاخص سایت کیفیت سایت و کلاس سایت همگی از شاخص های تقریبی برای اندازه گیری واقعی تولید سایت می باشد.

روش های ارزیابی تولید سایت را می توان بر اساس نوع شیوه های مورد استفاده به انواع پیش بینی کننده و توصیف کننده،یا روش های کیفی و کمی تقسیم بندی کرد. با این حال این تقسیم بندی ها حد و مرز مشخصی ندارند و یک سری روش های دیگر در بینابین این روش ها قرار می گیرند. سیستم های توصیفی سیستم هایی هستند که نیاز به چندین سال اندازه گیری دارند و یا اندازه گیری ا به صورت فاصله دار در سال های مختلف به منظور رسیدن به براوردی از سایت انجام می شوند سیستم های پیش بینی کننده سیستم هایی هستند که نیاز به اندازه گیری برخی سایت ها و یا خصوصیات درختان در یک نقطه ی خاص دارند تا بتوانند تولید سایت را پیش بینی کنند. سیستم های کیفی منجر به ایجاد کلاس های نسبی می شوند و ان ها را می توان به صورت عددی طبقه بندی کرد(کلاس۱،۲،۳).و یا در غیر این صورت(به صورت کیفیخوب بد) اندازه گیری می شوند.در سیستم های کمی از متغیر های پیوسته نظیر ارتفاع به عنوان شاخص اندازه گیری سایت استفاده می شود و شاخص ارتفاع حاصله ی سایت را می توان به صورت یک عدد واقعی تقسیم بندی کرد و یا به کلاس های مختلف دسته بندی کرد
کلاس های کمی نیازمند این هستند که حد و مرز کلاس ها کاملا مشخص شود. توسعه ی یک سیستم برای تشخیص کلاس های بیشتر (چه باحذف طیف ها و چه با قرار دادن طیف های جدید) بسیار سخت است. بنابراین طبقه بندی منظم بایستی با توجه به تعداد کلاس های شناسایی شده اعمال شود.به شرط این که اختلاف رشد معنی دار باشد هیچ گونه مزیتی در داشتن کلاس های کمتر نسبت به ان چه که به طور اطمینان حاصل می شود وجود ندارد(Lewis et al., 1976). سیستم های کمی به طور کلی انعطاف پذیر و قابل توسعه هستند و نیازی به حل و فصل مسائل مرزی نیست. با این حال ممکن است کمی دقت پایین داشته باشند. روش های پیش بینی مستلزم اندازه گیری چندین صفت در یک مکان و یا یک پایه در یک زمان می باشد. این شاخص اندازه گیری را می توان برای براورد تولید مکانی تبدیل کرد.چنین روش هایی شامل تعیین ارتفاع در سن مشخص و تبدیل ان به شاخص براورد سایت و یا تولید حجمی مورد انتظلر است. خصوصیات خاک را می توان برای براورد تولید سایت استفاده کرد و مناطق جغرافیایی،زمین شناسی،تیپ و پوشش گیاهی و رخ نمون های سنگی را نیز می توان در این جا استفاده کرد.

برای مدیریت جنگل و اهداف ارزیابی عملیاتی، سیستم های پیش بینی امکان براورد تولید سایت را بعد از یک بازدید در اختیار می گذارد. در حالی که سیستم های توصیفی نیازمند نگه داری و اندازه گیری پلات های دائم هستند . با این حال پلات های دائم معمولا برای توسعه و اعتبار سنجی سیستم های پیش بینی کارامد تر مورد استفاده قرار می گیرند.
اگر رشد کلی یا مدل رشد برای داده های مربوط به پلات های دائمی با اندازه گیری های مکرر استفاده شود با مقادیر باقی مانده نشان دهنده ی تولید سایت پلات ها خواهد بود(Alder, 1980).مقادیر باقی مانده ی بزرگ تر نشان دهنده ی سایت های با عملکرد بهتر از میانگین هستند در مقادیر کوچک تر نشان دهنده ی سایت متوسط و مقادیر منفی نشان دهنده ی سایت های ضعیف تر از مقدار متوسط هستند. باقی مانده های مناسب را تنها می توان به سادگی با ترسیم نموندار های فراوانی سطح یقه در برابر سطح یقه ی پایه نشان داد(e.g. Andel, 1975) و یا می توان از انالیز های رگرسیون تک تک فراوانی تجمعی درختان با پلات به صورت متغیر کمی استفاده کرد(Vanclay, 1989b) در هر دو صورت اندازه گیری ها در یک دوره ی چند ساله قبل از براورد تولید سایت برای استفاده در پیش بینی عملکرد اینده لازم خواهد بود. اگر یک سری عملکرد ها را بتوان بین باقی مانده ها و نیز پارامتر هایی که به اسانی اندازه گیری می شوند کشف کرد، این سیستم نخستین گام برای رفتن به جهت سیستم پیش بینی خواهد بود. اما اگر هیچ گونه همبستگی پیدا نشود میانگین منطقه ای این براورد های توصیفی از تولید سایت را می توان به صورت اندازه گیری متناوب در نظر گرفت.
لری ۱۹۸۵ به بحث راجع به طبقه بندی بر اساس روش(مستقیم یا غیر مستقیم) و نقطه نظر (ژئوسنتریک یا فیتوسنتریک)اشاره کرد(جدول ۱). ایده ی فیتوسنتریک یا گیاه محور فرض می کند که حجم کل پایه ها یا تولید فیتون ها شاخص اندازه گیری نهایی تولید سایت است . در حالی که ایده ی زمین محور عنوان می کند که وابستگی تولید به خاک وشرایط اقلیمی بیشتر است. اگر چه روش های مستقیم ارجح می باشند اما کمی سازی ان ها سخت است و این منجر به تکثیر روش های غیر مستقیم شده است وضعیت روش های غیر مستقیم گیاه محور حاکی از ان است که نمی توان برای براورد تولید از روش های غیر مستقیم و مستقیم استفاده کرد بلکه می توان از براورد شاخص سایت بهره برد این خود می تواند بیانگر سالم یا ناسالم بودن وضعیت پوشش گیاهی باشد و امروزه به ان راه حلی برای مسائل اولیه نام برده می شود (Leary, 1985).
ظاهر پایه
ظاهر پایه یا نوع پایه می تواند شاخصی در خصوص تولید سایت در اختیار بگذارد . لویس و همکاران ۱۹۷۶ گزارش کردند که نهالستان های Pinus radiate می توانند اختلافات فاحشی در پایه را از نظر قدرت رویشی و شکل رویش،تراکم تاج پوشش و طول برگ و رنگ ان،رنگ پوست،میزان سبزینگی و درجه ی تشکیل تاج پوشش در سن ارزیابی به خصوص قبل از تنک در اختیار می گذارند.کلاس های کیفیت سایت استرالیای جنوبی ۷( کلاس) را می توان با استفاده از خصوصیات کیفی مختلف تشخیص داد. این روش نسبتا غیر متاثر از تغییرات مشاهده شده در نهالستان های استرالیای جنوبی است.
Vanclay (1989a) استفاده از ارزیابی چشمی را برای طبقه بندی جنگل های بارانی مرطوب را در شمال کوئینزلند به کلاس های کیفی گزارش کرد. ارزیابی های ذهنی همگی مطمئن هستند و ان ها را می توان با روش امتیاز بندی بر اساس خاک گونه ارتفاع و حجم پایه ارزشیابی کرد. انالیز های اماری سطح یقه نشان می دهند که کلاس های دیگر مزیتی ندارند . این منعکس کننده ی توانایی طبقه بندی مطمئن سایت ها و نه میزان تولید سایت در مطالعه می باشند.

بخشی از مقاله انگلیسی:

ABSTRACT

Vanclay, J.K., 1992. Assessing site productivity in tropical moist forests: a review. For. Ecol. Manage., 54:257-287. Reliable estimates of site productivity are essenti al for improved predictions of timber yields and fo r meaningful simulation studies. Few suitable techniq ues exist for tropical moist forests. Conventional indices such as site index cannot be estimated reli ably for stands with many species or indeterminate ages. Emerging techniques require two steps: calibr ation and validation with permanent sample plots, and correlation with easily measured stand paramete rs. One promising index for the tropical moist forest is based on the expected diameter increment of individual trees adjusted for tree size and competition. Measures of stand height such as maxim um stand height, canopy height and the height- diameter relationship may also prove useful. Propos ed measures should satisfy four criteria: they should be reproducible and consistent over long per iods of time; indicative of the site, and not undul y influenced by stand condition or management history ; correlated with the site’s productive potential; and at least as good as any other productivity meas ures available.

INTRODUCTION

It is obvious that some sites support luxuriant for est, whilst others are capable of supporting only ‘poor’ forests. This may be due to soil (fertility, drainage), climate (temperature and rainfall patterns), topography (al titude, aspect) and other factors, and may be reflected in the species present. Meaningful growth and yield forecasts require some evaluation of these site differences. Site-quality estimates may influence growth, mortality and recruitment predictions, and must be accurate, as any bias in evaluation of the site may introduce bias into all modelling results (Vanclay, 1988b). The accuracy of any attempt to model forest systems depends largely upon the precision with which the site can be classified into homogene ous units (Gertner and Dzialowy, 1984; Smith and Burkhart, 1984). There are few techniques amenable to assessment of site productivity in tropical moist forests. Most texts ignore mixed forests; others suggest that “a stratification by forest type is usually the most e fficient” (Carron, 1968, p. 134). However, some reliable techniques are emerging. This review gives an overview of many techniques, but focuses on those which can be used in operation al timber inventory of forests with uneven or unknown ages. Such methods should provide an est imate of site productivity from data collected during a single visit to the site, withou t the need for laboratory analysis. Measures applicable only to even-aged stands (such as site i ndex) are not considered, and readers are referred to Hagglund (1981) for such material. For a measure of site productivity to be useful, it must be (Vanclay and Henry, 1988): reproducible and consistent over long periods of time; indicative of the site, and not unduly influenced b y stand condition or management history; correlated with the site’s productive potential; an d at least as good as any other productivity measures available.

YPES OF SITE CLASSIFICATIONS

The following definitions based on Ford-Robertson ( 1971) are used in this paper: site index, the stand top (or predominant) height attained by a stand at a specified index age, often estimated for stands of other ages using a heightag e curve; site quality, a descriptive measure of site determined by subjective methods, often by visual assessment into a relative (i.e. good- poor) classification; site class, a more objective classification into a number of classes; and site productivity, a general term for the potential of a certain species and site to produce timber. Site index, site quality and site class are approximate measures of the true site productivity. Methods for assessing site productivity can be clas sified on the basis of methodology into predictive or descriptive, and qualitative or quant itative approaches. However, these distinctions are not clear-cut, as there is a range of methodology varying from one extreme to the other: descriptive systems, those which require several years of measurement, or measurements several years apart, in order to arriv e at an estimate of site productivity; predictive systems, those which require measurement of some site or crop characters at a single point in time to predict the site productivi ty; qualitative systems, which result only in relative classes, and may be labelled numerically ( Classes I, II, etc.) or otherwise (e.g. poor, good); and quantitative systems, which use a contin uous variable, frequently height, as a measure of site, and the resulting measure of site may be expressed as a real number, or grouped into classes. Qualitative classes require that borderline cases b e resolved. Expansion of the system to recognize more classes (either to include new extre mes or to encompass more classes) is difficult. Thus careful consideration must be given to the number of classes to be identified. Provided the difference in growth rate is significa nt, there is no advantage in having fewer classes than can be reliably recognized (Lewis et a l., 1976). Quantitative systems are generally flexible and infinitely expandable, and e liminate the need to resolve borderline cases, but may give an inflated impression of preci sion. Predictive approaches require measurement of some characters of the site or stand at a single point in time. This measure may be transformed to derive an estimate of site pr oductivity. Commonly such methods involve determining height at a known age, and tran sforming it to estimate site index or expected volume production. Site characteristics ma y also be used to estimate site productivity, and geographic regions, geology, vege tation types and crop appearance have also been used. For forest management and operation al inventory purposes, predictive systems which enable site productivity to be estima ted after a single visit are preferable to descriptive systems which require the maintenance a nd remeasurement of permanent plots. However, permanent plots are usually necessary to e nable the development and validation of the more efficient predictive systems. If a general growth or yield model is applied to da ta from a number of permanent sample plots with repeated measurements, the residuals wil l indicate the site productivity of the plots (Alder, 1980). Large positive residuals indicate a better-than-average site, small residuals indicate an average site, and negative residuals in dicate a poorer-than-average site. Suitable residuals can be obtained simply by plotting basal area increment against stand basal area (e.g. Andel, 1975), or by regression analyses of in dividual tree increments with the plot as a qualitative variable (Vanclay, 1989b). In either ca se, measurements over a period of several years are required before site productivity can be estimated for use in the prediction of future yields from the site. If some correlation can be di scovered between the residuals and some easily measured site or crop parameter, this system may be the first step towards a predictive system (Vanclay, 1989b). However, if no such correl ation can be found, regional averages of these descriptive estimates of site productivity ca n be used as an interim measure. Leary (1985) discussed a classification based on me thodology (direct or indirect) and viewpoint (phytocentric or geocentric) (Table 1) . The phytocentric view assumes that total stand volume or phytomass production is the ultimat e measure of a site’s productivity, while the geocentric view asserts the dependence of site productivity upon soil and climatic factors. Although direct methods are preferable, they are mo re difficult to quantify, and this has led to the proliferation of indirect methods. “The status of indirect phytocentric methods is so inflated that some speak of direct and indirect met hods, not of site productivity estimation, but of site index estimation. This appears to be an unh ealthy situation; what began as an interim solution (site index) to a difficult problem (geoce ntric approach) should not now be called the solution to the original problem