ارزیابی فرسایش و زبری سطح جنگل های زمین توربی با استفاده از اندازه گیری خارسنج و اسکن لیزری زمینی

Evaluation of erosion and surface roughness in peatland forest ditches using pin meter measurements and terrestrial laser scanning

Abstract

Anthropogenic activities on peatlands, such as drainage, can increase sediment transport and deposition downstream resulting in harmful ecological impacts. The objective of this study was to quantify changes in erosion/deposition quantities and surface roughness in peatland forest ditches by measuring changes in ditch cross-sections and surface microtopography with two alternative methods: manual pin meter and terrestrial laser scanning (TSL). The methods were applied to a peat ditch and a ditch with a thin peat layer overlaying erosion sensitive mineral soil within a period of two years following ditch cleaning. The results showed that erosion was greater in the ditch with exposed mineral soil than in the peat ditch. The two methods revealed rather similar estimates of erosion and deposition for the ditch with the thin peat layer where cross-sectional changes were large, whereas the results for smaller scale erosion and deposition at the peat ditch differed. The TLS-based erosion and deposition quantities depended on the size of the sampling window used in the estimations. Surface roughness was smaller when calculated from the pin meter data than from the TLS data. Both methods indicated that roughness increased in the banks of the ditch with a thin peat layer. TLS data showed increased roughness also in the peat ditch. The increase in surface roughness was attributed to erosion and growth of vegetation. Both methods were suitable for the measurements of surface roughness and microtopography at the ditch crosssection scale, but the applicability, rigour, and ease of acquisition of TLS data were more evident. The main disadvantage of the TLS instrument (Leica ScanStation 2) compared with pin meter was that even a shallow layer of humic (dark brown) water prevented detection of the ditch bed. The geomorphological potential of the methods was shown to be limited to detection of surface elevation changes >~0.1 m.

1 Introduction

Boreal peatlands cover 80% of the world’s peatland area (Wieder et al., 2006). In regions with abundant peatland cover, such as Finland, Sweden, and Russia, peatlands are widely used for forestry (Paavilainen and Päivänen, 1995). In Finland, more than 50% of the 9 Mha of peatlands have been drained with open ditches (Finnish Forest Research Institute, 2014), with the peak years of drainage occurring in the 1960s and 1970s. At present, pristine peatlands are not drained for forestry, but the focus has shifted to the maintenance of existing ditch networks. The maintenance includes the cleaning of old ditches and, to some extent, excavation of new complementary ditches in the drainage area. Despite its importance in forest growth, cleaning of the ditch network has adverse effects on surface waters due to increased sediment loads that lead to reduced water quality (Joensuu et al., 2002; Marttila and Kløve, 2010a, 2010b; Nieminen et al., 2010), and to the disturbance of aquatic habitats and biota (Bilotta and Brazier, 2008). Thus, water protection methods have been developed and they are operationally applied to reduce the harmful impacts of ditch cleaning (Marttila et al., 2010). However, their implementation requires a better understanding of erosion processes in the source areas. Stenberg et al. (2015a, 2015b) raised the importance of assessing and quantifying the processes at the headwater source areas as the eroded soil available for transport within the ditch network is large compared with the observed sediment load at the drainage network outlet. In peatlands, ditch erosion processes differ according to, for instance, variations in peat and underlying mineral soil type. Examples of easily erodible underlying soils in areas of thin peat layer are: silt, sand, and other Quaternary deposits. To advance the studies of erosion processes a reliable method for detecting small changes in ditch topography needs to be developed. Erosion can be measured from changes in topographical reliefs with erosion pins (Lawler, 1993), pin meter (Kornecki et al., 2008), photogrammetry (Rieke-Zapp and Nearing, 2005), and terrestrial (Day et al., 2013) or airborne (Thoma et al., 2005) laser scanning. Laser scanning produces large sets of point cloud data without disturbing the observed area, as it is based on the travel times of laser pulses from the scanner to the surface elements. The accuracy and spatial density of the points depend on the distance of the scanned target. Thus, terrestrial laser scanning (TLS) is preferred for high-resolution and more accurate data acquisition whereas airborne laser scanning (ALS) is suitable for scanning larger areas, e.g. in forestry (Næsset et al., 2004). TLS has been widely used to assess the topography and erosion of various land surfaces (Resop and Hession, 2010; Day et al., 2013; Vinci et al., 2015) and for determining geometric data of hydraulic models (Milan, 2009) and parameters of vegetated channels, such as blockage factor (Jalonen et al., 2014). Although there are uncertainties caused by factors such as sunlight, rainfall or fog (Reshetyuk, 2006) and wet surfaces (Day et al., 2013) when applying TLS, it is regarded as being superior to the other methods since it quickly and accurately covers large areas without disturbing the surface. There are only a few studies where TLS has been used to assess the topography of peatlands. Grayson et al. (2012) produced TLS-based estimates of blanket bog erosion in an area of 7.6 ha during one winter season in the North Pennines, UK, and achieved different results with TLS and erosion pin measurements: a net increase of 2.5 mm in peat surface height was measured with TLS, while a net surface lowering of 38 mm was measured with erosion pins. They suggested that both results should be treated with caution. Ballhorn et al. (2009) used ALS to determine burn scar depths over large areas (27 900 km2 ) of Indonesian peatlands and considered laser scanning capable of providing sufficiently accurate results in the inaccessible peatland terrain. In the current study, TLS was preferred to ALS for the detection of ditch topography because of better resolution and accuracy. However, it is not well known how TLS performs in ditches or channels excavated into peat where dark colour and wet surfaces adsorb light and may affect the accuracy of the measurement. Therefore, it remains to be demonstrated in what way TLS can estimate erosion after the cleaning of forest ditches. Surface roughness is another important environmental parameter to consider. It affects channel flow hydraulics by changing flow velocity and turbulence. Increased roughness slows down the flow velocity, thus also affecting erosion and sediment transport capacity. Characterization of surface roughness has been successfully conducted in many studies with TLS (Haubrock et al., 2009; Brasington et al., 2012; Rychkov et al., 2012; Mills and Fotopoulos, 2013) and pin meter (Gilley and Kottwitz, 1995; García Moreno et al., 2008a). Random roughness is a measure of the spatial variation in surface heights calculated from soil microtopography and is typically used as an index for surface roughness (Cremers et al., 1996). Before ditch cleaning, surface roughness in ditches is high after decades of degradation processes, such as the collapse of ditch banks and vegetation growth. After cleaning, the surface of the ditch is assumed to be rather smooth. Thereafter, erosion and deposition processes change surface roughness conditions and can notably affect the hydraulic properties of the ditch. However, surface roughness and its changes have not been documented after the cleaning of ditches with varying peat thickness. The main objective of this study is to quantify changes in topography and surface roughness in newly cleaned peatland forest ditches. Based on these changes, the aim is to subsequently illustrate the ways in which erosion and deposition processes occur in a ditch with a thick peat cover, and in another where erosion sensitive mineral soil (stony till) under the thin peat layer is exposed. To assess the reliability of the results a secondary aim is to compare the results of two different methods used to measure surface topography: the pin meter and TLS. These methods have rarely been compared, especially in peatland dominated catchments. The methods are used to quantify both small-scale spatial distribution and aggregated cross-sectional quantity of erosion, deposition, and surface roughness. The geomorphological potential of the methods is assessed by evaluating the statistically significant changes obtained with the pin meter and the TLS data following the method presented by Lane et al. (2003). The elevation changes in the excavated part of the ditch are assumed to represent the occurrence of erosion and deposition. In addition, the effect of vegetation growth on the estimated erosion/deposition quantities in the ditches is discussed. Since the environmental impacts of ditch cleaning are most visible soon after excavation, we determine the changes occurring during the first two years after the operation.

ارزیابی پیش بینی های مکانی شاخص سایت با استفاده از روش های پارامتری و غیر پارامتری – مطالعه موردی کاج لاجپول

Evaluation of spatial predictions of site index obtained by parametric and nonparametric methods—A case study of lodgepole pine productivity

چکیده
1- مقدمه
2- مواد و روش ها
2-1 مکان مورد مطالعه و منابع داده ها
2-2 توصیف مدل
2-3 ارزیابی مدل
4- نتیجه گیری

چکیده
ما پتانسیل استفاده از رگرسیون حداقل مربعات،مدل افزایشی تعمیم یافته،مدل درخت محور و مدل شبکه ی عصبی را بر روی لایه های شبکه ی داده های محیطی برای تهیه ی نقشه ی شاخص سایت در یک مطالعه ی موردی اثبات می کنیم شبکه ای از متغیر های زیست محیطی به صورت داده های لایه ای نشان داده شده و شبکه ی پلات شاخص سایت پراکنده در داخل شبکه های جغرافیایی قرار داده شد. داده های شاخص سایت بر اساس انالیز ساقه(ارتفاع مشاهده شده در شاخص سنی 50 سال) در 431 کاج در 88 پلات نمونه بودند. پلات ها در یک جنگل چوب مرکب تایگا 17460 کیلومتر مربع در البتای کانادا توسط پایه های بالغ و فوق بالغ اشغال شدند. مدل افزایشی تعمیم یافته برازش بهتر و سازگاری بهتری با داده نسبت به روش های حداقل مربعات غیر پارامتری و غیر خطی داشت.در میان 4 مدل تست شده رگرسیون غیر خطی مدل سازی داده هاست که فرض می کند داده های تصادفی تولید را به متغیر های محیطی ارتباط می دهند و چنین مدل هایی برای براورد بهبنه سازی می شوند. دیگر مدل های درختی متعلق به شبکه ی الگوریتم که رابطه ی بین تولید و متغیر های مستقل را به صورت یک جعبه سیاه ناشناخته در نظر می گیرند و تلاش می کنند تا کارکرد و تابع بین ان ها را پیدا کنند وجود دارند. این مدل ها برای اهداف پیش بینی مناسب هستند. اهمیت مدل سازی شاخص بیوفیزیکی سایت با داده ها مورد بحث و بررسی قراار می گیرد..
1. مقدمه
اگر چه تغییرات قابل توجهی از مدل سازی رشد و جنگل داری همسال ساده به جنگال کاری غیر ساده و مدل سازی رشد غیر همسال وجود دارد با این حال یک جایگزین کمی برای تولید بالقوه ی چوب برای تصمیم گیری به دلیل اهمیت کارکردی ان شاخص سایت که به صورت ارتفاع میانگین تعداد بزرگترینن درختان بر هر هکتار در یک سن مرجع خاص تعریف می شود یک جایگزین خوب پذیرفته شده برای تولید بالقوه است.موارد بسیاری وجود دارد که در ان شاخص سایت نمی تواند به طور کارامدی براورد شود زیرا این ویژه گونه بوده و شاخص فیتومتریک تولید سایت است. برای مثال ان را نمی توان در مناطق بدون درخت و یا در پایه هایی که گونه های مربوطه وجود ندارند براورد کرد. براورد ان در پایه های جوان مشکل است زیرا یک خطای خفیف در براورد می تواند موجب خطای بزرگ در عملکرد پیش بینی شده شود.
مطالعات مختلفی تلاش کردند تا شاخص سایت را به فاکتور های بیوفیزیکی ارتباط دهند((Hunter and Gibson, 1984 ،Kabzems and Klinka, 1987; Ung et al., 2001 ،McKenney and Pedlar, 2003)با این حال همبستگی های مشخص شده به طور کلی پایین هستند و روابط میان مطالعات به دلیل ارتباط نا مشخص بین SI و متغیر های بیوفیزیکی از فرق می کنند. تقریبا همه ی این مطالعات از روش پارامتری استفاده می کنند که دو مسئله را حل می کند:تعریف رابطه ی بین SI و متغیر های فیزیکی و هم خطی موجود بین متغیر های توجیهی در مدل رگرسیون .با توجه به این که رابطه بایستی قبل از براورد پارامتر تعیین شود و این که هیچ گونه رابطه ی مشخصی وجود ندارد استفاده از روش رگرسیون حداقل مربعات اشاره با خطای با منبع نا مشخصی دارد که ممکن است در رویکرد غیر پارامتری ایجاد شود. همچنین اغلب هم خطی در میان متغیر های بیوفیزیکی هنگامی به
وجود می اید که این متغیر ها به صورت مجموعه های خطی از دیگر متغیر های پیش بینی کننه بیان شود. برای مثال شاخص رطوبت اقلیمی که در این مطالعه استفاده شد مستقیما برگرفته از دما و بارش است که به نوبه ی خود با عرض جغرافیایی و ارتفاع ارتباط داد. هم خطی بر براورد اماری پارامتر ها تاثیر می گذارد زیرا موجب افزایش واریانس در یکی از ضرایب رگرسیون شده و در نتیجه براورد فاصله اطمینان را در حول مقادیر پیش بینی شده اریب می کند(Belsley et al., 1980).
برای اجتناب از این مسائل روش های جایگزین بایستی شناسایی و ارزیابی شود برای مثال McKenneyand Pedlar (2003) به طور موفقیت امیزی روش رگرسیون درخت محور را برای ارتباط دادن خاک توپوگرافی و متغیر هایاقلیمی به تولید سایت استفاده کردند. (TREE) دارای پتانسیل مقادیر ناپیوسته ی SI است دیگر روش های غیر پارامتری نظیر مدل افزایشی تعمیم یافته و مدل شبکه ی عصبی می توانند نتایج رضایت بخشی را در اختیار بگذارند زیرا خروجی ان ها پیوسته است. TREE،GAM وNNT همگی غیر پارامتری هستند زیرا هیچ گونه ساختار کارکردی بین متغیر های پیش بینی کننده و پاسخ وجود نداردGAM و NNT همگی به عنوان ابزار های کشف کننده در تجزیه تحلیل توزیع گونه ای با توجه به فاکتور های اقلیمی در مطالعه ی چشم انداز استفاده می شود(Yee and Mitchell, 1991) .همچنین به عنوان مدل های مرگ و میر و رشد درخت نیز کاربرد دارند(Guan andGertner, 1991a,b; Sironen et al., 2003), با این حال تا ان جا که ما می دانیم ان ها هنوز برای پیش بینی شاخص سایت از نظر مکانی استفاده نشدند .
هدف این مطالعه ارزیابی اهمیت روش های غیر پارامتری TREE, GAM وNNT و نیز مقایسه ی ان ها با مدل رگرسیون غیر خطی با حداقل مربعات در ایجاد یک مدل شاخص سایت مکانی برای پایه های بالغ کاج(Pinus contorta var. latifolia) در البرتای کانادا بود.

Abstract

We demonstrate the potential of using least-squares regression, generalized additive model, tree-based model, and neural network model on layers of environmental data grids for mapping site index in a case study. Grids of numerical environmental variables represented layered data, and a sparse site index plot network was located in the grids. Site index data were based on stem analysis (observed height at the index age of 50 years) of 431 lodgepole pine trees in 88 sample plots. The plots were established in a 17,460 km2 boreal mixedwood forest of Alberta, Canada dominated by mature and over-mature stands. The generalized additive model presented a better fit and better adaptability to extreme data (i.e., mature stands) than the least squares nonlinear and other nonparametric techniques, such as the tree-based model and neural network model. Among the four models tested, nonlinear regression is of the data modeling culture, which assumes a stochastic data to relate productivity to environmental variables, and such models are optimized for estimation. Other three models belong to the algorithm modeling culture, which treat the relationship between productivity and independent variables as an unknown black box and try to find a function between them; therefore, these models are more suitable for prediction purpose. Implications for biophysical site index modelling with extreme data are discussed..

1. Introduction

Although there has been a paradigm shift from simple, even-aged silviculture and growth modelling to gap-based silviculture and uneven-aged growth modelling, a quantified surrogate of potential wood production is still required for forest management decisionmaking. Because of its operational importance, site index (SI), defined as the average height of a certain number of the largest trees per hectare at a particular reference age, is a broadly accepted surrogate of potential productivity. There are many cases where site index cannot be adequately estimated because it is a species-specific and phytometric index of site productivity. For example, it cannot be estimated in treeless areas or in stands where the concerned species is not present. Its estimation in young stands is difficult because a slight error in estimation can result in a large error on predicted yields. Various studies have thus attempted to relate SI to biophysical factors (Hunter and Gibson, 1984; Kabzems and Klinka, 1987; Ung et al., 2001; McKenney and Pedlar, 2003), but observed correlations are generally low, and the relationships differ among studies because of no definitive connection between SI and the biophysical variables. Almost all of these studies have used a parametric approach that implied solving two problems: the relationship definition between SI and the biophysical variables and collinearity existing between the explanatory variables in the regression model. Given that a relationship needs to be determined before parameter estimation and that no definite relationship exists, the use of the least square regression technique implies an unknown source of error that could be bypassed with a nonparametric approach. Also, collinearity often exists among biophysical variables when some of these can be expressed as linear combinations of other predictor variables. For example, climate moisture index, which is used in this study, is derived directly from temperature and precipitation, which in turn are related to latitude and elevation. Collinearity affects the statistical estimation of the parameters as it inflates the variance of at least one of the estimated regression coefficients, and consequently also inflates the estimation of the confidence interval around the predicted values (Belsley et al., 1980). To avoid these problems, alternative methods must be identified and assessed. For instance, McKenney and Pedlar (2003) have successfully applied a treebased regression method (TREE) for relating soil, topographic, and climatic attributes to site productivity. TREE has the potential of producing discontinuous SI values; other nonparametric methods such as the generalized additive model (GAM) and the neural network model (NNT) could generate satisfactory results because their outputs are continuous. TREE, GAM, and NNT are considered nonparametric because no functional structure between predictor and response variables is pre-specified. GAM and NNT have been used as exploratory tools in the analysis of species distribution with respect to climatic factors in a landscape study (Yee and Mitchell, 1991) and as tree growth and mortality models (Guan and Gertner, 1991a,b; Sironen et al., 2003), but, as far as we know, they have not yet been used to predict SI in spatial terms. The objective of this study was to assess the usefulness of the TREE, GAM, and NNT nonparametric techniques, and to compare them with the leastsquares nonlinear regression model (NLIN) in developing a spatial SI model for mature stands of lodgepole pine (Pinus contorta var. latifolia) in Alberta, Canada..

ارزیابی پیش بینی های مکانی شاخص سایت با استفاده از روش های پارامتری و غیر پارامتری – مطالعه موردی کاج لاجپول

Evaluation of spatial predictions of site index obtained by parametric and nonparametric methods—A case study of lodgepole pine productivity

مقاله انگلیسی رایگان

ترجمه فارسی رایگان 

بخشی از ترجمه فارسی:

چکیده
داگلاس- صنوبر یک گونه ی اصلی مورد استفاده در فرانسه برای جنگل کاری در مناطق نیمه مرتفع به خصوص در خلنگ زار های زراعی و نیز هیمه زار ها مورد استفاده قرار می گیرد. به منظور تشریح استانه های اتواکولوژیکی ان و نیز برای در اختیار گذاشتند اطلاعات مناسب برای کاشت برای مدیران جنگل ما تولید ان را برای طیف وسیعی از شرایط مکانی بررسی کردیم. بر اساس داده های 202 پایه ی خالص داگلاس –صنوبر در مناطق با ارتفاع متوسط تولید سایت با استفاده از انالیز واریانس با نوع سایت،گروه های سایت و انالیز رگرسیون چند گانه با متغیر های اکولوژیکی ارزیابی شد. شاخص سایت که از داده های انالیز ساقه به دست امد به عنوان شاخص اندازه گیری ویژه گونه ی کیفیت استفاده شد. نتایج نشان می دهد که شاخص سایت داگلاس صنوبر با وضعیت عناصر مغذی خاک و رژیم رطوبتی خاک همبستگی دارد. میانگین تولید پایه به طور کلی بالا بود با این حال تغییرات قابل ملاحظه ای در شاخص سایت در چارچوب منطقه ی مورد مطالعه مشاهده شد که توسط مدیران جنگل به صورت یکنواخت طبقه بندی گردیدی.همبستگی بین طبقه بندی خاک و شاخص سایت نیز تایید شد چرا که بر اساس فاکتور های سینوپتیک ساده و شاخص های قوی از تولید سایت بود. دیگر روش ها برای ارزیابی کیفیت خاک نظیر رگرسیون چند گانه در متغیر های اکولوژیکی و گروه های سایت چند متغیره به نظر می رسد که برای پیش بینی شاخص سایت مهم باشند. نتایج این مطالعه به مدیران جنگل امکان می دهد تا شاخص سایت را در مقیاس پارسل پیش بینی کنند. مطالعات بیشتری بایستی برای تشریح عوامل اصلی واریانس توجیه نشده ی شاخص سایت توسط متغیر های اکولوژیکی به خصوص تغییرات ژنتیکی و اثر سن انجام شود.
لغات کلیدی : تولید سایت ، طبقه بندی سایت،شاخص سایت.
2.مواد و روش ها
2.1 خصوصیات زیست محیطی
منطقه ی مورد مطالعه در ارتفاعات گرانیتی و دگر گونی لیموزین در بخش شمال غرب فرانسه با طول جغرافیایی 45.5 و عرض جغرافیایی واقع شده است.ان ها به این دلیلی انتخاب شدند که بیشتر توسط صنوبر داگلاس
جنگل کاری شده بودند. اقلیم منطقه بیشتر به صورت مختص 100منطقه ی بیوکلیماتیکی اتلانتیک بوده و برای تولید بیشتر گونه های سوزنی برگ مناسب است. میانگین بارندگی سالانه متغیر از 1000 تا 1600 میلی متر بوده و رژیم بارندگی سالانه یکنواخت است. کمبود اب اقلیمی تابستانه حدود 50 میلی متر می باشد.مرکز منطقه ی مورد مطالعه متشکل از گرانیت و گینیس است که با میکاشیس احاطه شده است. مواد مادری بر روی گرانیت و گنیس شنی و تناوب های سنگ ریزه است که معمولا به رسوبات لومی و مواد میکاشیست لومی پوشیده شده است. بیشتر خاک ها متعلق به شاخه های رگوسول و برونیسول در سیستم طبقه بندی خاک کاندادا هستند.برونیسول های دیستریک و سومبریک در دامنه ها غالب هستند و بیشتر خاک ها عاری از عناصر مغذی می باشند که دلیل ان وجود عوامل مضر مختلف است:فقیر بودن زیر اشکوب،کاهش اثرات تخلیه کننده ی مواد غذایی توسط اثرات جنگل داری و وجود پوشش گیاهی جنگلی اسیدی از مهم ترین عناصر فقر مواد اسیدی جنگلی در این منطقه می باشد.
در نتیجه وضعیت عناصر مغذی خاک یک محدودیت ادافیکی اصلی برای تولید جنگل در گرانیت ها ( )علی رغم شرایط اقلیمی مطلوب است. سایت های موجود بر روی میکاشیست ها اغلب غنی تر بوده و دارای ظرفیت ذخیره ی اب بیشتری به دلیل وجود رسوبات لومی دارند.
به طور کلی شرایط ادافیکی و اقلیمی برای کشت و زرع نا مطلوب هستند. خلنگ زار ها و جنگل های هیمه زار بیشتر ارازی را قبل از جنگل کاری پوشش می دادند(به ترتیب 40 و 50 درصد منطقه ی مورد مطالعه) در نتیجه اثرات نهایی پوشش گیاهی قبلی بر روی رشد ارتفاعی داگلاس صنوبر قبل از همبستگی با انواع سایت ها یا متغیر های سایت تست شدند.

بخشی از مقاله انگلیسی:

Abstract

Douglas-Fir is the main species used in France for reforesting mid-elevation regions, mostly on former heathlands and coppices. In order to clarify its auto-ecological limits, and to provide forest managers with relevant information for planting, we studied its productivity in a wide range of site conditions. Based on data from 202 Douglas-Fir pure stands at mid-elevation regions, site productivity was assessed using variance analysis with site types, site groups, and multiple regression analysis with ecological variables. Site index, determined from stem analysis data, was used as a species speci®c measure of site quality. Results show that Douglas-Fir site index is correlated to soil nutrient status, and secondarily to soil moisture regime. Mean stand productivity was generally high, but considerable variation in site index was determined within a study area that was classi®ed by forest managers as uniform. Correlation between site classi®cation and site index was con®rmed, because it was based on synoptic factors that are simple and robust indicators of site productivity. Other methods to assess site quality, such as multiple regression on ecological variables and multivariate site groups, appear to be less explicative and robust for predicting site index. The results allow forest managers to predict the site index at parcel scale. Further investigation should be carried out in order to explain the major causes of the unexplained variance of site index by ecological variables, especially genetic variation, and effect of age. # 2001 Elsevier Science B.V. All rights reserved. Keywords: Pseudotsuga menziesii 3 Mirb ) Franco; Site productivity; Site classi®cation; Site index.

1.Introduction

Douglas-Fir ®r [3 Pseudotsuga menziesii )3 Mirb ) Franco] has been the main species used in France for reforesting since the 1970s. French plantations consti- tute the widest use of this species 33,30,000 ha
1 ) outside its natural origin area in North America. It iswidelyusedinFranceinmid-elevationregions,such as the Massif Central, which represents about 70% of the total surface of plantations. It has been frequently used to reforest former heathlands and coppices, and its use was encouraged by national grants as in other European countries 3Tyler et al., 1995; Corona et al., 1998). Douglas-Fir is reputed to be a potentially high yielding species 3Tyler et al., 1995), and to be adapted to nutrient-depleted sites with a low water-holding capacity 3De  court and Nys, 1976). Consequently, is has been introduced on a largerange of site conditions with an objective of increased timber production. However, French foresters recently observed increas- ingproblemsofpests,diseases,andfailuresinuplands 3DSF, 1996). Even if this species is spared serious damage, these problems give rise to questioning Douglas-Fir adaptation and productivity according to site conditions. In spite of the great importance of this coniferous species in the French Massif Central, regional studies on its productivity and auto-ecology are few 3De Champs, 1997). The main work on this topic was madebyDe  courtandNys31976)inthewesternpartof the Massif in order to establish height-age curves. A bibliographic survey 3Forestry Abstracts 1939±1995, in Marque  s et al., 1997) stressed that most of the 245 international studies on Douglas-Fir concern silvicul- ture, pests and diseases, genetics, nurseries, and wood quality.Onlyafewstudieswerededicatedtosite-yield relationships and auto-ecology. They mainly relate to the North American origin area 3Green et al., 1989; Klinka and Carter, 1990; Monserud et al., 1990; Monserud and Rehfeldt, 1990), and secondarily to Scotland 3Tyler et al., 1995), and Italy 3Corona et al., 1998). The current survey was integrated in recent efforts in France that focused on linking site index to site classi®cations, and site quality for the major refores- tation species 3Becker et al., 1980; Buffet and Girault, 1989). Methods used for assessing site quality and productivity are various 3Hills, 1952; Jones, 1969; Pritchett and Fisher, 1987). The ®rst one consists of correlating site index with site types according to a local or a regional site classi®cation system 3 ˆ synoptic approach). The second one is based on multiple regression analysis between site index and major ecological variables 3 ˆ analytic approach). More precisely, this last method uses routinely mea- sured site variables, which are indirect indicators of theecologicalenvironmentofsites3WangandKlinka, 1996), instead of the real causativefactors that control tree growth. Both methods may be useful for predict- ing forest yield. Thus, it is interesting to compare the statistical effectiveness, and the practical implica- tions, of different methods for assessing sites and site quality. Consequently, on the basis of 202 pure and mature Douglas-Fir stands in a mid-elevation region of the French Massif Central, we proposed: 3i) to explain the variation sinsiteindexa mongsit es,toclarifytheauto- ecological limits of these species in Limousin, and consequently,top rovi deforest managers with relevant information for using this species; and 3ii) to validate, and to stress the advantages and limits of using site classi®cationtopredictsiteindex,bycomparisonwith other ecological approaches.

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 4 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 1971 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(کلاس1،2،3).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 1985 به بحث راجع به طبقه بندی بر اساس روش(مستقیم یا غیر مستقیم) و نقطه نظر (ژئوسنتریک یا فیتوسنتریک)اشاره کرد(جدول 1). 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 1976 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 7( 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