پديد آورندگان :
پناهنده، طوبي دانشگاه تهران - دانشكده منابع طبيعي، كرج، ايران , عطارد، پدرام دانشگاه تهران - دانشكده منابع طبيعي - گروه جنگلداري و اقتصاد جنگل، كرج، ايران , نميرانيان، منوچهر دانشگاه تهران - دانشكده منابع طبيعي - گروه جنگلداري و اقتصاد جنگل، كرج، ايران , بايرام زاده، ويلما دانشگاه آزاد اسلامي واحد كرج - دانشكده منابع طبيعي - گروه علوم و صنايع چوب و كاغذ، كرج، ايران , صادقي، محمد معين دانشگاه تهران - دانشكده منابع طبيعي - گروه جنگلداري و اقتصاد جنگل، كرج، ايران
كليدواژه :
اكوهيدرولوژي جنگل , مدل فيزيكي‌مبنا , بلندمازو , پلت , راش شرقي
چكيده فارسي :
مشكلات اندازه‌گيري باران‌ربايي در توده‌هاي جنگلي، ضرورت استفاده از مدل‌هاي برآوردكننده باران‌ربايي را دوچندان مي-كند. پركاربردترين مدل‌هاي برآوردكننده باران‌ربايي، مدل‌هاي فيزيكي‌مبنا هستند كه از بين آن‌ها، مدل Sparse Gash بيشترين كاربرد را دارد. هدف از پژوهش حاضر، ارزيابي مدل Sparse Gash در برآورد باران‌ربايي پنج توده جنگلي (دو توده جنگلي از گونه بلندمازو، دو توده جنگلي از گونه راش شرقي و يك توده پلت) در ناحيه رويشي هيركاني بود. بدين منظور، مقدار باران و تاج‌بارش در هر توده به ترتيب با بهره‌گيري از پنج و 20 جمع‌آوري‌كننده باران اندازه‌گيري و باران-ربايي از كسر مقدار تاج‌بارش از مقدار باران محاسبه شد. براي ارزيابي مدل، از چهار آماره‌ي درصد خطا (Error)، ميانگين مطلق خطا (MAE)، ريشه دوم ميانگين مربع خطا (RMSE) و ضريب كارآيي (CE) استفاده شد. نتايج نشان داد براساس ضريب همبستگي پيرسون، همبستگي بين مقادير برآورد شده توسط مدل و مقادير اندازه‌گيري باران‌ربايي در سطح اطمينان 95 درصد معني‌دار است. در تمامي توده‌هاي مورد مطالعه، مقادير آماره CE كه بيانگر كارآيي مدل Sparse Gash در برآورد باران‌ربايي است، بالاتر از 5/0 حاصل شد كه بيانگر قابليت مناسب مدل است. هم‌چنين براساس آماره درصد خطا، مدل قابليت مناسبي در برآورد باران‌ربايي چهار توده راش شرقي منطقه لاجيم (3/10- درصد)، بلندمازو منطقه كوهميان (7/12+ درصد)، بلندمازو منطقه ساري (8/10+ درصد) و پلت منطقه ساري (4/15- درصد) از خود نشان داد. بررسي عملكرد مدل‌هاي مختلف فيزيكي‌مبنا در جنگل‌هاي با گونه‌هاي متفاوت و خصوصيات مختلف آلومتريك، اقليمي و باران، مي‌تواند به تكميل اطلاعات درباره كارآيي مدل‌هاي مختلف در برآورد باران‌ربايي كمك نمايد.
چكيده لاتين :
The difficulties in the measurement of rainfall interception in forests confirm the necessity of presenting models. The widely used models for estimating rainfall interception are physical-based models, among which the Sparse Gash is the most commonly used. We evaluated the Sparse Gash model for estimating the rainfall interception of five forest stands (two chestnut-leaved oak stands, two oriental beech stands, and one velvet maple stand) in the Hyrcanian region. In each stand, the gross rainfall and throughfall were measured using 5 and 20 rainfall collectors, respectively, and rainfall interception was calculated by subtracting the throughfall from gross rainfall. To evaluate the performance of the model, we used statistical metrics: Error percentage (Error), Mean Absolute Error (MAE), Root Mean Square Error (RMSE), and the Model Efficiency coefficient (CE). Based on the Pearson correlation coefficient, the correlation between the values estimated by the model and the observed values was statistically significant at a 95% confidence interval. In all forests, the values of the CE were higher than 0.5, indicating the appropriate efficiency of the model. Based on the Error, the model showed good capability in estimating the rainfall interception of four forest stands (i.e., oriental beech in Lajim, chestnut-leaved oak in Kohmiyan and Sari, and velvet maple in Sari Error metric were found to be -10.3%, +12.7%, +10.8%, and +15.4%, respectively). Studying the performance of physically-based models in forests with different species and different allometric, climatic and rainfall characteristics completes the information gap about the efficiency of models to estimate rainfall interception.
