کارایی آماره‌های اختصاری مختلف در مدل سازی الگوی نقطه ای مکانی درختان کنار (Ziziphus spina-christi (L.) Wild.)

Abstract

درک فرایندهای بوم ­شناختی نهفته در توزیع مکانی درختان با شبیه ­سازی ساختار مکانی آنها در یک توده امکان­پذیر است. آماره ­های اختصاری قادر هستند الگوی نقطه­ ای مکانی درختان را مدل­سازی کرده و نمایش مؤثری از ارتباط بین الگوهای نقطه ­ای با فرایندهای بوم ­شناختی ارائه کنند. در پژوهش پیش ­رو، پنج آماره اختصاری درجه اول (تابع تراکم/𝜆(<em>x</em>))، درجه دوم (تابع همبستگی جفتی/<em>g</em>(<em>r</em>))، با درجه بالا (تابع <em>T</em>/<em>T</em>(<em>r</em>))، نزدیکترین همسایه (تابع توزیع نزدیکترین همسایه/<em>D</em>(<em>r</em>)) و ریخت ­شناختی (تابع توزیع تماس کروی/<em>H_s</em>(<em>r</em>)) برای مدل­ سازی الگوی مکانی درختان کنار (<em>Ziziphus spina-christi </em>(L.) Wild<em>.</em>) در جنوب استان فارس استفاده شدند. یک قطعه ­نمونه واقعی و دو قطعه ­نمونه شبیه ­سازی ­شده 200×200 مترمربعی همگن برای بررسی عملکرد این تابع­ها انتخاب شدند. نتایج نشان داد که 𝜆(<em>x</em>) به­ طور معنی­ داری از فرایند پواسون همگن پیروی می­کند و توزیع مکانی درختان کنار را در سه قطعه ­نمونه شناسایی کرد. همچنین نتایج نشان داد که <em>g</em>(<em>r</em>) غیرتجمعی است و نسبت به الگوهای درختان در مقیاس­های مختلف حساس است. اگرچه <em>T</em>(<em>r</em>) پراکندگی، تصادفی و کپه ­ای بودن درختان در قطعه ­نمونه ­ها را تشریح کرد، اما توان آن در بیان الگوهای ساختاری کوچک با توجه به تراکم کم درختان در قطعه ­نمونه ­ها مشخص نشد. فاصله تا نزدیکترین درخت توسط <em>D</em>(<em>r</em>) محاسبه شده و آنها در هر سه قطعه ­نمونه در حدود 20 متری از یکدیگر قرار داشتند. درنهایت، مقدار <em>H_s</em>(<em>r</em>) الگوی غیرتصادفی درختان را در قطعه­ نمونه­ ها به ­وضوح نشان داد. به ­طور کلی نتیجه­ گیری شد که آماره ­های اختصاری مختلف، ویژگی­های آماری متفاوتی از الگوهای نقطه ­ای مکانی را در بوم ­شناسی گیاهان توصیف می­ کنند.