Geostatistically estimation and mapping of forest stock in a natural unmanaged forest in the Caspian region of Iran

برآورد و پهنه‌بندي منابع جنگلي يك نياز ضروري براي مديريت، برنامه‌ريزي و تحقيق است. در اين مطالعه از روش درون‌يابي كريجينگ زمين‌آمار به منظور برآورد و پهنه‌بندي متغيرهاي موجودي جنگل در يك جنگل طبيعي، ناهمسال و مديريت نشده در ناحيه خزري شمال ايران استفاده شد. مساحت منطقه مورد بررسي 516 هكتار و ارتفاع آن از سطح دريا بين 1100 تا 1450 متر بوده است. نمونه‌برداري زميني براساس شبكه‌اي منظم به ابعاد 200? 75 متر و با 309 قطعه‌ نمونه دايره‌اي 1000 مترمربعي انجام شد. واريوگرام‌هاي تجربي براي متغيرهاي رويه‌زميني، حجم و تراكم جنگل محاسبه شد. واريوگرام مربوط به تراكم جنگل يك ساختار مكاني متوسط نشان داد كه به‌وسيله مدل كروي برازش داده شد؛ در حالي‌كه متغيرهاي رويه‌زميني و حجم جنگل تنها پس از طبقه‌بندي داده‌ها براساس كلاسه‌هاي قطري و گونه درختان، ساختار مكاني از خود نشان دادند. متغير تراكم جنگل به روش كريجينگ معمولي و بلوكي برآورد و درون‌يابي شد و صحت آن به روش ارزيابي متقابل بررسي گرديد. نتايج نشان داد كه زمين‌آمار داراي توانايي تبيين تغييرات مكاني موجودي جنگل و كاهش عدم قطعيت در برآورد تراكم جنگل و نيز توليد نقشه‌هاي پهنه‌بندي دقيق از تراكم جنگل نسبت به روش‌هاي آمار كلاسيك مي‌باشد. بنابراين زمين‌آمار ابزار مناسبي به‌منظور برآورد موجودي در جنگل‌هاي طبيعي، ناهمسال و مديريت نشده همانند جنگل مورد بررسي در ناحيه خزري ايران مي‌باشد.

Estimation and mapping of forest resources are preconditions for management, planning and research. In this study, we applied kriging interpolation of geostatistics for estimation and mapping of forest stock at-tributes in a natural, uneven-aged, unmanaged forest in the Caspian region of northern Iran. The site of the study has an area of 516 ha and an elevation that ranges from 1100 to 1450 m a.s.l. Field sampling was per-formed on a 75m × 200m systematic grid using 309 geo-referenced circular sample plots of 1000 m2 area. Experimental variograms were calculated and plotted for basal area (BA), volume (V) and stem density (N). Whereas the calculated variograms of BA and V exhibited spatial auto-correlation only after data stratifica-tion based on diameter size classes and tree species, the variogram of stem density displayed a moderate spatial structure that was fitted by a spherical model. Stem density was estimated by ordinary block kriging and the accuracy of estimation was validated by cross-validation result. We conclude that geostatistical ap-proaches have the potential to more accurately capture and describe the spatial variability of forest stock, and thus reduce the uncertainty in estimates of stem density as well as produce more accurate stem density maps of forests in comparison with the spatially uninformed classic method. Geostatistical methods provide a very suitable tool to derive more accurate estimates of growing stock, particularly in structurally complex, unmanaged, uneven-aged forest such as this one from the Caspian region of northern Iran.