رفتار شاخص هاي پراكنش در تعيين الگوي مكاني گونه هاي بلوط، بنه، كيكم و شن در جنگلهاي زاگرس مياني

Behavior of dispersion indices in spatial pattern detection of populations of Quercus brantii, Pistacia atlantica, Acer cineracense and Lonicera nummularifolia in medium Zagros forests

اين مقاله رفتار شاخص هاي قطعه نمونه اي در تعيين الگوي پراكنش مكاني گونه هاي درختي Quercus brantii،Pistacia atlantica ، Acer cineracense وLonicera nummularifolia را در جنگلهاي آميخته بلوط ايراني شمال استان ايلام مورد بررسي و تحليل قرار مي دهد. در اين تحقيق سطح قطعات نمونه از طريق رسم منحني سطح-گونه 2000 متر مربع تعيين گرديد و قطعات نمونه بصورت تصادفي سيستماتيك پياده گرديدند. روشهاي تعيين الگوي مكاني در اين مطالعه شامل شاخص هاي موريسيتا، استاندارد موريسيتا، گرين، كپه اي لويد و نسبت واريانس به ميانگين است كه مقادير كمي آنها به تفكيك گونه در اندازه هاي مختلف نمونه (20، 26، 35، 46، 55، 65 و 75 قطعه نمونه) محاسبه و رفتار آنها با افزايش تعداد قطعه نمونه مورد بررسي قرار گرفت. نتايج نشان داد كه تمامي شاخص هاي فوق الذكر الگوي كپه اي را براي هر يك از گونه ها در اندازه هاي مختلف نمونه معرفي نمودند. اما درجات كپه اي بودن الگوي مكاني گونه ها با افزايش تعداد قطعه نمونه كاهش پيدا مي كرد. در اين بررسي نتيجه گيري شد كه شاخص استاندارد موريسيتا بهترين شاخص است، چون كاملاً مستقل از اندازه نمونه، نوع گونه و تراكم جمعيت است. شاخص گرين از اين نظر بعد از شاخص استاندارد موريسيتا و بهتر از شاخص هاي ديگر رفتار نمود.

This paper investigated and analyzed the Behaviour of sample indices for detection the spatial distribution pattern of Quercus brantii, Pistacia atlantica, Acer cineracense and Lonicera nummularifolia in oak mixed forests in northern of Illam province. In this research the area of plots was 2000 m2 that determined by minimal area method. Plots have established by random systematic method. In this study the spatial pattern detection indices included Morisita, standardized Morisita, green, lioyd’s index of patchiness and variance to mean ratio, which their values calculated for every species in different sample size (20, 26, 35, 46, 55, 65, 75 sample plots) and their behaviour studied in relation to increasing the plot number. Result showed that all of the indices detected the clumped pattern for every one of species in different size of samples. However, levels of clumping varieties with increasing the number of samples. In this research concluded that the best index is the standardized Morisita index which is independent of sample size, species kind and population density. In this case green coefficient had behaviour better than the other indices except the standardized Morisita index.