Farklı sıklık ölçütlerinin meşcere hacim tahmini üzerine etkisi

Öz

Meşcere sıklık ölçütü, tek ağaç ve meşcere büyüme simülasyonlarının oluşturulmasında en önemli yardımcı açıklayıcı değişkenlerden birisidir. Bu çalışmada, iki farklı meşcere sıklık ölçütü değerlendirmeye alınmış ve bu ölçütlerin meşcere hacim tahminleri üzerindeki etkileri araştırılmıştır. Bu ölçütlerden birisi―SD meşcere göğüs yüzeyinin meşcere orta çapına oranıyla ilgili iken diğeri―SDR belirli bir meşcere orta çapına karşılık gelen birim alandaki ağaç sayısının ilgili meşcerede bulunabilecek maksimum ağaç sayısına oranıyla bağlantılıdır. Çalışma kapsamındaki veriler, üç ayrı iklim rejimine sahip alandan rasgele örnekleme yöntemiyle seçilen toplam 108 örnek alandan elde edilmiştir. SD ve SDR'yi kullanarak yeni doğrusal olmayan meşcere hacim modelleri geliştirilmiş ve geliştirilen bu modellerin başarısı hata ölçütlerine bağlı olarak değerlendirilmiştir. Elde edilen bulgulara göre, geliştirilen modeller gözlemlenen meşcere hacmindeki varyansın yaklaşık %80’ni açıklamıştır. Ancak, açıklayıcı değişken olarak SD’yi içeren model genç (≈20-30 yıl) ve ileri yaş sınıflarında (≈60-80 yıl) %25 oranında daha fazla hatalı tahminler sunmuştur. Bununla birlikte, geliştirilen dinamik model büyüme kanuniyetleriyle uyumlu sonuçlar üretmiş, bonitet ve sıklık değiştikçe değişken oranlı büyümeyi başarılı bir şekilde tahmin etmiştir. Mevcut çalışmadan elde edilen bilgilere bağlı olarak, gerçekçi hacim tahminleri elde edebilmek için sıklık ölçütü olarak SDR’nin tercih edilmesi ve meşcerelerin dinamik yapısını temsil edebilen doğrusal olmayan modellerin kullanılması önerilmektedir.

Anahtar Kelimeler

• Sıklığa bağlı hasılat tablosu
• silvikültürel uygulama
• Karaçam

The effect of different stand density indexes on stand volume predictions

Öz

Stand density index is one of the most important explanatory variables in whole-stand and tree level models. In this study, two different stand density indexes were considered and evaluated their effects on stand volume predictions. One of these indexes―SD is related to the ratio of stand basal area to quadratic mean diameter, while the other―SDR is linked to the ratio of the number of trees per unit area corresponding to a certain stand median diameter to the maximum number of trees that can be present in the relevant stand. Data under the current study were collected from the randomly selected 108 temporary plots located in three separate climate regimes. The new nonlinear stand volume models were developed using SD and SDR and their success was evaluated based on the error metrics. According to the results, the developed models explained the approximately 80% of total variation in the actual stand volume. However, the model including SD as an explanatory variable resulted in 25% more error in the younger (≈20-30 years) and older age classes (≈60-80 years). However, the developed dynamic model produced results compatible with the growth laws and represented successfully the variable growth rate as site index and stand density changed. Based on the knowledge inferred from the current study, it is suggested to use SDR as a stand density index and to utilize nonlinear models that can represent the dynamic structure of stands in order to achieve the realistic volume predictions.

Anahtar Kelimeler

• Variable-density yield table
• silvicultural treatment
• Crimean pine

Kaynakça

1. Andrews C, Weiskittel A, D’Amato AW, Simons-Legaard E (2018) Variation in the maximum stand density index and its linkage to climate in mixed species forests of the North American Acadian Region. Forest Ecology and Management, 417: 90-102.
2. Atalay İ (2014) Türkiye’nin Ekolojik Bölgeleri (Ecoregions of Turkey). Meta Basım Maatbacılık Hizmetleri, Ankara.
3. Bolat F, Ercanlı İ, Günlü A (2023) Yield of forests in Ankara Regional Directory of Forestry in Turkey: Comparison of regression and artificial neural network models based on statistical and biological behaviors. iForest - Biogeosciences and Forestry, 16(1): 30-37.
4. Carus S, Çatal Y (2007) Isparta Yöresi Anadolu karaçamı (Pinus nigra Arnold subsp. pallasiana (Lamb.) Holmboe) meşcerelerinde büyüme özellikleri. Süleyman Demirel University Faculty of Arts and Science Journal of Science, 2(1): 1-10.
5. Caudullo G, Welk E, San-Miguel-Ayanz J (2017) Chorological maps for the main European woody species. Data in Brief, 12: 662-666.
6. Clutter JL, Fortson JC, Pienaar LV, Brister GH, Bailey RL (1983) Timber management: A quantitative approach. John Wiley & Sons, Inc., USA.
7. Curtis RO (1982) A simple index of stand density for Douglas fir. Forest Science, 28(1):92-94.
8. Drew TJ, Flewelling JW (1979) Stand density management: an alternative approach and its application to Douglas-fir plantations. Forest Science, 25(3): 518-532.

9. Gülen İ (1958) Karaçam (P. nigra Arnold) hacim tablosu. İstanbul Üniversitesi Orman Fakültesi Dergisi, 9(1): 92-112.
10. Kahriman A, Yavuz H (2012) The construction of variable density yield table for scots pine and oriental beech mixed stands in black sea region. Kastamonu Üniversitesi Orman Fakültesi Dergisi, 12(1): 36-54.
11. Kalıpsız A (1963) Türkiye’de Karaçam mescerelerinin tabii bünyesi ve verim kudreti üzerine araştırmalar. Tarım Bakanlığı/Orman Genel Müdürlüğü Yayınları, Cilt 8, 138 s., İstanbul, Türkiye.
12. Kara F, Loewenstein EF, Lhotka JM, Kush JS (2018) A Gingrich-style stocking chart for Longleaf pine (Pinus palustris Mill.) forests. Forest Science, 64(3): 307-315.
13. Manning PJ, McDill ME, Gilabert H (2016) An alternative model for describing even-aged stand-level sawtimber growth in Pennsylvania. Forest Science, 62(6): 663-670.
14. McDill ME, Amateis RL (1992) Measuring forest site quality using the parameters of a dimensionally compatible height growth function. Forest Science, 38(2): 409-429.
15. Paine CT, Marthews TR, Vogt DR, Purves D, Rees M, Hector A, Turnbull LA (2012) How to fit nonlinear plant growth models and calculate growth rates: an update for ecologists. Methods in Ecology and Evolution, 3(2): 245-256.
16. Prada M, González-García M, Majada J, Martínez-Alonso C (2019) Development of a dynamic growth model for sweet chestnut coppice: a case study in Northwest Spain. Ecological Modelling, 409: 108761.
17. Reineke LH (1933) Perfecting a stand-density index for even-aged forest. Journal of Agricultural Research, 46(7): 627-638.
18. Salas-Eljatib C, Weiskittel AR (2018) Evaluation of modeling strategies for assessing self-thinning behavior and carrying capacity. Ecology and Evolution, 8(22): 10768-10779.
19. Seki M, Sakici OE (2022) Ecoregional variation of Crimean pine (Pinus nigra subspecies pallasiana [Lamb.] Holmboe) stand growth. Forest Science, 68(5-6): 452-463.
20. Sprugel DG (1983) Correcting for bias in log-transformed allometric equations. Ecology, 64(1): 209-210.
21. Woodall CW, Weiskittel AR (2021) Relative density of United States forests has shifted to higher levels over last two decades with important implications for future dynamics. Scientific Reports, 11(1): 18848.
22. Yavuz H, Mısır N, Mısır M, Tüfekçioğlu A, Karahalil U, Küçük M (2010) Karadeniz Bölgesi saf ve karışık sarıçam (Pinus Slyvestris L.) meşcereleri için mekanistik büyüme modellerinin geliştirilmesi, biyokütle ve karbon depolama miktarlarının belirlenmesi. TÜBİTAK 1001-Araştırma Projesi, No: 106O274, 318 s.
23. Zhang X, Cao QV, Lu L, Wang H, Duan A, Zhang J (2019) Use of modified Reineke’s stand density index in predicting growth and survival of Chinese fir plantations. Forest Science, 65(6): 776-783.