تعداد نشریات | 13 |
تعداد شمارهها | 150 |
تعداد مقالات | 1,491 |
تعداد مشاهده مقاله | 2,263,925 |
تعداد دریافت فایل اصل مقاله | 1,895,984 |
کاربرد مدلهای گپ در پیشبینی رویش سطح مقطع درختان گونههای تجاری جنگلهای هیرکانی با احتساب شرایط اقلیمی (بررسی موردی: بخش گرازبن جنگل آموزشی - پژوهشی خیرود) | ||
پژوهش و توسعه جنگل | ||
مقاله 6، دوره 7، شماره 1، خرداد 1400، صفحه 77-92 اصل مقاله (827.15 K) | ||
نوع مقاله: علمی - پژوهشی | ||
شناسه دیجیتال (DOI): 10.30466/jfrd.2021.120883 | ||
نویسندگان | ||
شیرین ورکوهی* 1؛ منوچهر نمیرانیان2؛ پدرام عطارد2؛ محمود امید3 | ||
1دانشجوی دکتری جنگلداری، دانشکده منابعطبیعی، دانشگاه تهران، کرج، ایران | ||
2استاد، گروه جنگلداری و اقتصاد جنگل، دانشکده منابعطبیعی، دانشگاه تهران، کرج، ایران | ||
3استاد، گروه مکانیک ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایران | ||
چکیده | ||
بررسیها و شبیهسازیهای حاصل از مدلهای اقلیمی جهانی نشان میدهند که الگوهای دما و بارندگی در 50 الی 100 سال آینده، متحمل تغییراتی خواهند شد که بهنوبه خود میتوانند الگوهای رویشی تودههای جنگلی را تحت تأثیر قرار دهند. بهدلیل عدم توانایی مدلهای موجود در شبیهسازی تودههای جنگلی تحتتأثیر تغییر اقلیم، مدل هیبرید JABOWA-4 برای کشف پویایی آینده تحت سناریوهای اقلیمی مختلف، و همچنین بهدلیل عدم قطعیت روند تغییر اقلیم در آینده، سه سناریوی اقلیمی بهمنظور کشف توسعة جهانی تحت تأثیر انتشار گازهای گلخانهای در این پژوهش استفاده شدند. پس از مقایسة نتایج شبیهسازی و ارزشهای واقعی رویش قطری، R2 و RMSE بهترتیب 98/0و 734/1 (cm2) محاسبه شد، که نشانگر همبستگی بالای دو ارزش است. پاسخ گونهها به تغییر اقلیم جداگانه ارزیابی شد که راش و افرا با کاهش 31 و 25 درصدی رویش قطری، رابطة منفی قوی به تغییر اقلیم از خود نشان دادند. گونة بلوط ابتدا روندی افزایشی، سپس کاهشی 17 درصدی پیش گرفته و ممرز روندی افزایشی با مقدار کمتر از رویش واقعی را بهتصویر کشید. نتایج این پژوهش نشان داد که مدلهای گپ عملکرد بهنسبت خوبی در فراهم آوردن پیشبینیهای محصول جنگل تحتتأثیر تغییر اقلیم از خود نشان میدهند. | ||
کلیدواژهها | ||
تغییر اقلیم؛ مدلهای رشد و محصول؛ شبیهسازی | ||
مراجع | ||
-Anonymous., Gorazbon Forestry Plan., Dept. of Natural resources, University of Tehran Report. 2006 (In Persian).
-Ashraf, M. I.; Meng, F.-R.; Bourque, C. P.-A.; MacLean, D. A., A novel modelling approach for predicting forest growth and yield under climate change. PloS one 2015, 10 (7), e0132066.
-Battles, J. J.; Robards, T.; Das, A.; Waring, K.; Gilless, J. K.; Biging, G.; Schurr, F., Climate change impacts on forest growth and tree mortality: a data-driven modeling study in the mixed-conifer forest of the Sierra Nevada, California. Climatic change 2008, 87 (1), 193-213.
-Battles, J.; Robards, T.; Das, A.; Stewart, W., Projecting climate change impacts on forest growth and yield for California’s Sierran mixed conifer forests. California Climate Change Center paper CEC-500-2009-047-D. Available at www. energy. ca. gov/2009publications/CEC-500–2009–047/CEC-500–2009–047-F. PDF 2009.
-Botkin, D. B., Forest dynamics: an ecological model. Oxford University Press on Demand: 1993.
-Charles, P.-A. B.; Hassan, Q. K.; Swift, D., Modelled Potential Species Distribution for Current and Projected Future Climates for the Acadian Forest Region of Nova Scotia, Canada.
-Chaumont, D., A guidebook on climate scenarios: Using climate information to guide adaptation research and decisions. Ouranos: Montréal, QC, Canada 2014.
-Ehman, J.; Fan, W.; Randolph, J.; Southworth, J.; Welch, N. T., An integrated GIS and modeling approach for assessing the transient response of forests of the southern Great Lakes region to a doubled CO2 climate. Forest Ecology and Management 2002, 155(1-3), 237-255.
-Engler, R.; Randin, C. F.; Thuiller, W.; Dullinger, S.; Zimmermann, N. E.; Araújo, M. B.; Pearman, P. B.; Le Lay, G.; Piedallu, C.; Albert, C. H., 21st century climate change threatens mountain flora unequally across Europe. Global Change Biology 2011, 17(7), 2330-2341.
-Fallah, A.; Heydari, M., Studying the diameter growth of Persian oak and its relationship with climatic parameters in Zagros forests (Case study: Sarab-Karzan forests of Ilam). Journal of Forest Research and Development 2018, 3(4), 361-175 (In Persian).
-Fang, J.; Lechowicz, M. J., Climatic limits for the present distribution of beech (Fagus L.) species in the world. Journal of Biogeography 2006, 33(10), 1804-1819.
-IPCC., Climate Change: The Physical Science Basis. Contribution of Working Group Ito the Fourth Assessment Report of the Inter-governmental Panel on Climate Change. Cambridge University Press, Cambridge, UK, 2007.
-Iverson, L. R.; Prasad, A. M., Potential redistribution of tree species habitat under five climate change scenarios in the eastern US. Forest Ecology and Management 2002, 155(1-3), 205-222.
-Kimmins, J., Modelling the sustainability of forest production and yield for a changing and uncertain future. The Forestry Chronicle 1990, 66(3), 271-280.
-Kramer, K.; Degen, B.; Buschbom, J.; Hickler, T.; Thuiller, W.; Sykes, M. T.; de Winter, W., Modelling exploration of the future of European beech (Fagus sylvatica L.) under climate change—range, abundance, genetic diversity and adaptive response. Forest Ecology and Management 2010, 259(11), 2213-2222.
-Landsberg, J., Physiology in forest models: history and the future. FBMIS 2003, 1, 49-63.
-Lee, K.; Goulding, C., Practicality of 3P sampling with accurate dendrometry for the pre-harvest inventory of plantations. New Zealand Journal of Forestry Science 2002, 32(2), 279-296.
-Marvi Mohadjer, M.R., Silviculture, second edition. University of Tehran press, 2012 (In Persian).
-Monserud, R. A., Evaluating Forest models in a sustainable forest management context. Forest Biometry, Modelling and Information Sciences 2003, 1(1), 35-47.
-Pinjuv, G.; Mason, E. G.; Watt, M., Quantitative validation and comparison of a range of forest growth model types. Forest Ecology and Management 2006, 236(1), 37-46.
-Reynolds, J. F.; Bugmann, H.; Pitelka, L. F., How much physiology is needed in forest gap models for simulating long-term vegetation response to global change? Challenges, limitations, and potentials. Climatic Change 2001, 51(3), 541-557.
-Ringvall, A.; Kruys, N., Sampling of sparse species with probability proportional to prediction. Environmental Monitoring and Assessment 2005, 104(1), 131-146.
-Stephenson, N. L., Climatic control of vegetation distribution: the role of the water balance. The American Naturalist 1990, 135(5), 649-670.
-Sun, H.-g.; Zhang, J.-g.; Duan, A.-g.; He, C.-y., A review of stand basal area growth models. Forestry studies in China 2007, 9(1), 85-94.
-Taleshi, H., GH. Jalali, J. Alavi, M. Hosseini, B. Naeimi, The effect of Climate Change on Geographical Distribution of Fagus Orientalis in Hyrcanian Forests. Iranian Journal of Forest 2019, 10(2), 251-266 (In Persian).
-Trasobares, A.; Zingg, A.; Walthert, L.; Bigler, C., A climate-sensitive empirical growth and yield model for forest management planning of even-aged beech stands. European Journal of Forest Research 2016, 135(2), 263-282.
-Vanclay, J. K., Modelling forest growth and yield: applications to mixed tropical forests. CAB international: 1994.
-Weiskittel, A. R.; Hann, D. W.; Kershaw Jr, J. A.; Vanclay, J. K., Forest growth and yield modeling. John Wiley & Sons: 2011.
-Wilby, R. L.; Dawson, C. W.; Murphy, C.; Connor, P.; Hawkins, E., The statistical downscaling model-decision centric (SDSM-DC): conceptual basis and applications. Climate Research 2014, 61(3), 259-276.
-Yaussy, D. A., Comparison of an empirical forest growth and yield simulator and a forest gap simulator using actual 30-year growth from two even-aged forests in Kentucky. Forest Ecology and Management 2000, 126(3), 385-398. | ||
آمار تعداد مشاهده مقاله: 1,672 تعداد دریافت فایل اصل مقاله: 1,057 |