مدل سازی جذب سالیانه کربن اتمسفری توسط نهال های کلن صنوبر هیبریدی (Populus euramericana ۴۸۸) با استفاده از معادلات رشدسنجی
محل انتشار: فصلنامه بوم شناسی کاربردی، دوره: 4، شماره: 13
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 187
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJAE-4-13_005
تاریخ نمایه سازی: 11 مهر 1400
چکیده مقاله:
مدل سازی رشدسنجی نهال های کلن صنوبر هیبریدی تحت کشت منجر به افزایش دقت برآورد تولید خالص و ترسیب کربن در مقیاس وسیع می شود که برای ارزیابی و انتخاب نهال های برتر به منظور فروش بیشتر برای تامین منابع سلولزی و ذخایر انرژی زیستی به کار می رود. بدین منظور ۲۵ قلمه از نهال کلن مورد مطالعه (P. euramericana ۴۸۸) در اسفند ۱۳۹۱ با ۳ تکرار در کرت های ۱×۱ متر مربع در نهالستان تلوکلای ساری کاشته شدند. در دی ۱۳۹۲ از هر کرت تعداد ۱۰ نهال مشتمل بر دو طبقه قطری (۲-۱/۱ و ۱-۰ سانتی متر) انتخاب شدند. از هر طبقه با توجه به تعداد و توزیع قطری پایه های موجود به ترتیب ۲۴ و ۶ پایه با ریشه از خاک خارج شدند، ریشه و ساقه نهال ها از هم جدا شده و طی ۴۸ ساعت در دمای ۸۵ درجه سانتی گراد در آون خشک شدند. برای مدلسازی از دو متغیر قطر یقه و ارتفاع کل استفاده شد. نتایج مدلسازی نشان داد مدل چند متغیره مشتمل بر لگاریتم قطر، لگاریتم ارتفاع و مربع لگاریتم قطر با میانگین ضریب کربن ۴۴/۰=[C] مدل بهینه تخمین ترسیب کربن (۰۵۶/۱ = CF ۷۳۲/۰ = R۲adj) برای انتخاب نهال های برتر می باشد. مدل مذکور در اوایل دوران رشد دارای دقت قابل ملاحظه و اعتبار محاسباتی بوده و به عنوان معیار بارز برای ارزیابی استاندارد و انتخاب نهال های برتر کلن صنوبر مورد مطالعه در یک مدیریت بهینه در راستای اهداف توسعه پایدار محسوب شود.
کلیدواژه ها:
نویسندگان
علی اصغر واحدی
Research Institute of Forests and Rangelands, Agricultural Research Education and Extension
اسداله متاجی
College Of Natur. Resour. and Agric., Science and Research Branch, Islamic
رضا اخوان
Research Institute of Forests and Rangelands, Agricultural Research Education and Extension
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :