این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های حفاظت آب و خاک، جلد ۲۴، شماره ۲، صفحات ۲۳۹-۲۵۵
عنوان فارسی ارائه پروتکل محاسباتی و شبیه‌سازی برای پایش مخازن کربن آلی خاک (مطالعه موردی: پارک جنگلی نور)
چکیده فارسی مقاله سابقه و هدف: با توجه به سناریوی گرمایش زمین به عنوان بزرگترین چالش زیست‌محیطی عصر حاضر و اهمیت حفاظت و انباشت هر چه بیشتر موجودی کربن در خاک در قالب بزرگترین مخازن کربن اتمسفری در زمین، پایش بهینه مخازن کربن آلی خاک در بوم‌سازگان‌های جنگلی می‌تواند ابزاری مناسب برای بررسی تغییرات پارامترهای اقلیمی در منطقه علاوه بر مدیریت حفاظتی بهینه بوم‌سازگان‌های مذکور در رابطه با روند تغییرات ذخایر کربن خاک و چرخش کربن محسوب شود. از این‌رو، یک پروتکل جامع با قابلیت اطمینان زیاد برای ایجاد مدل‌های پیش‌بینی ذخایر کربن آلی خاک با حداکثر دقت باید ارائه شود، طوری‌که با استفاده از مدل‌های مزبور شامل متغیرهای توصیفی با قابلیت اندازه‌گیری آسان با حداقل هزینه بتوان کنترل حفاظتی متناسب در رابطه با تغییرات مقادیر ترسیب کربن در سطوح مختلف لایه‌های خاک انجام داد. مواد و روش: پژوهش حاضر در پارک جنگلی نور که به عنوان بزرگترین جنگل‌های جلگه‌ای شمال کشور محسوب می‌شود صورت گرفت. برای انجام پایش بهینه مخازن کربن آلی خاک در جنگل مذکور، 25 قطعه‌نمونه 400 متر مربعی با طرح بلوک تصادفی در توده‌های توسکا – انجیلی، پلت – انجیلی و اوجا – ممرز برای اندازه‌گیری مشخصه‌های کمی به‌منظور محاسبه شاخص‌های تنوع زیستی و فاکتور کربن خاک (در دو عمق 20- 0 و 40 – 20 سانتی‌متر) پیاده‌سازی شد. روش‌های محاسباتی تحلیل رگرسیون و تکنیک شبیه‌سازی با استفاده از شبکه عصبی مصنوعی برای انجام مطالعه حاضر استفاده شدند. برای تحلیل‌های محاسباتی از روش‌های سنتی مبتنی بر رگرسیون به روش تخمین منحنی و رگرسیون خطی چندگانه و برای پیشبرد تحلیل‌های شبکه عصبی مصنوعی از الگوریتم پس‌انتشار خطا با ساختار پروسپترون چند لایه استفاده شد. یافته‌ها: نتایج نشان داد که رگرسیون خطی چندگانه شامل شاخص‌های همبسته تنوع زیستی به عنوان عوامل توصیفی بر مبنای شاخص‌های اعتبارسنجی از جمله ضریب اطلاعات آکاییک و فاکتور تورم واریانس ( ) دارای اعتبار محاسباتی بوده ولی دارای دقت قابل ملاحظه‌ای نمی‌باشد. در تحلیل‌ غیرخطی، مدل کرو بر حسب وفور پوشش علفی مدل بهینه ذخایر کربن لایه آلی خاک و مدل توانی تبدیلی لگاریتمی ( ) شامل غلبه گونه‌ای درختی (D)، وفور (Abunance) و یکنواختی (J') پوشش علفی بهترین مدل لایه معدنی خاک محسوب شدند. تکنیک شبیه‌سازی نشان داد که در الگوریتم پس‌انتشار خطا، خروجی بهینه لایه آلی خاک با ماتریس ورودی‌ Abundance و J' با توپولوژی یک لایه پنهان و 15 نورون حاوی تابع Tan-sigmoid و خروجی بهینه لایه معدنی خاک با اضافه شدن لایه D به ماتریس مزبور با معماری دولایه پنهان و 35 نورون دارای حداکثر قطعیت پیش‌بینی نسبت به کلیه تحلیل‌های رگرسیون هستند. نتیجه‌گیری: نوع روابط ریاضی (ساختار تابع) بین شاخص‌های تنوع زیستی و متغیر پاسخ مورد مطالعه صرفنظر از قطعیت ارتباط اکولوژیکی و بیولوژیکی بین آنها دارای قطعیت کم و محدودیت‌های تحلیلی و آماری زیاد از جمله وجود فاکتور تورم واریانس است. از این‌رو، کاربرد تکنیک شبکه عصبی مصنوعی می‌تواند بهترین جایگزین مدل‌های کلاسیک برای پیش‌بینی مقادیر مذکور باشند. در این خصوص، همانند پارامترهای محاسباتی مدل‌های کلاسیک، توپولوژی هر مدل در شبکه عصبی مصنوعی تعیین کننده معماری و کارآیی (دقت) پایش مقادیر ترسیب کربن در لایه‌های مختلف خاک می‌باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Providing mathematical and simulating protocol for optimum monitoring of soil carbon pools (Case study: Nour Forest Park)
چکیده انگلیسی مقاله Background and objectives: Considering global warming as a prominent challenge in the world and based on increase and protection of soil carbon stock in forest ecosystems, optimal monitoring carbon sequestration in Forests is very efficient to verify its sustainability and climate change. Therefore, a comprehensive protocol is needed for developing models with high certainty in relation to soil organic carbon (SOC) stock. Furthermore, using the models including explanatory variables attributed by easy measurement capabilities and the lowest cost is conducted to properly protective control in association with variation of carbon sequestration in different soil layers. Materials and methods: This research was conducted in Nour Forest Park as a largest plain forest in north of Iran. The number of 25 plots with 400 m2 was placed in the three stands (Alder- Ironwood, Maple- ironwood, Elm- Hornbeam) based on randomized block design sampling to measure plants biodiversity and soil carbon factor. Regression analysis and simulating by ANN was used to monitor soil carbon pool optimally. Results: The results showed that multiple linear regression including correlated indices based on validation parameters such as Akaike information coefficient and variance inflation factor (VIF < 10) were valid to estimate the SOC stock; however, there was found no considerable accuracy. Pertaining to non-linear regression analysis, S-curve model including Abundance of herbal species was the best predictor to SOC in the organic layer and log-transformed power model (CF = 1.00) including species dominance (D) of trees, Abundance of and evenness (J') of grasses was the highest accurate model to predict SOC in the mineral layer. After back propagation algorithm in the neural network, SOC stock was predicted well through input matrix of Abundance and J' with topology of one hidden layer and 15 neurons including function of Tan-sigmoid. Furthermore, SOC stock in the mineral layer was predicted with the highest accuracy by adding layer of D to the prior matrix in the network having architecture of two hidden layers and 35 neurons in each layer. Conclusion: Irrespective of ecological and biological interpretations, an accurate type of mathematic relationship (Function) between plant biodiversity indices and the response variable is dubious with low certainty and statistical issues such as variance inflation factor. Hence, ANN application can be a best alternative to traditional models for the response variables. Subsequently, like the parameters in the traditional models, the topology of each model in ANN is determining the architecture and efficiency of monitoring the responses in different soil layers.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی اصغر واحدی | ali asghar
مؤسسه تحقیقات جنگلها و مراتع کشور، تهران
سازمان اصلی تایید شده: موسسه تحقیقات جنگل ها و مراتع

روح اله مقصودی |
دانشگاه آزاد علوم و تحقیقات تهران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

نشانی اینترنتی http://jwsc.gau.ac.ir/article_3685_cde92c273055a47a35c49763450febf9.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1379/article-1379-437935.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات