Aydın - Kuyucak yöresinde kızılçam verimliliğinin modellenmesi

Öz

Orman kaynaklarının sürdürülebilirliğini sağlamak amacıyla, orman alanlarında uygun ormancılık uygulamalarının gerçekleştirilmesi kritik öneme sahiptir. Bu bağlamda, asli türlerin verimlilik modellerinin geliştirilmesi büyük önem taşımaktadır. Bu çalışma, kızılçam türünün verimliliğini modelleyerek, türün yetişme ortamlarına ilişkin yüksek ve düşük bonitet potansiyeline sahip bölgelerin belirlenmesini hedeflemiştir. Kızılçam verimliliğinin modellenmesi amacıyla 20 x 20 m büyüklüğündeki her bir örnek alanda en az 3 adet istikbal vadeden bonitet ağacı belirlenmiştir. Bonitet ağaçlarından elde edilen veriler kullanılarak her bir örnek alanda kızılçamın bonitet endeks değerleri hesaplanmıştır. Ardından, çevresel ve iklim değişkenlerinin oluşturulması süreci tamamlanmış olup çoklu regresyon analizi ve regresyon ağacı yöntemi kullanılarak kızılçam verimliliğinin modellenmesi gerçekleştirilmiştir. Modelleme sonucunda yükselti, yıllık yağış miktarı ve sıcaklık yükü değişkenleri modeli yapılandırmıştır. Yıllık yağış miktarının yaklaşık 470 mm’nin üzerinde, daha fazla sıcaklık yüküne sahip bakılarda ve yükseltinin 326 m’nin altında olduğu yerlerde en yüksek bonitet endeks değeri elde edilmiştir. Büyük Menderes Ovası’ndaki yoğun tarımsal faaliyetler ve belirgin antropojenik etkilerden dolayı elde edilen bonitet değerleri nispeten düşük çıkmıştır. Çalışma alanında kızılçam meşcerelerinin kötü bonitette veya boşluklu kuruluşta olması elde edilen sonuçları destekler niteliktedir. Bu tür alanlarda gerçekleştirilecek tamamlama, ağaçlandırma veya gençleştirme gibi ormancılık müdahalelerinin, meşcerelerin sağlığının yeniden kazandırılmasına ve daha nitelikli hale dönüştürülmesine katkı sağlayacağı ve bu süreçte uygulayıcılara yön göstereceği öngörülmektedir. Ayrıca, orman alanlarının sürekliliğinin sağlanması, ekosistem restorasyonu, koruma ve planlama süreçlerinde uygulamacılara yardımcı olacağı aşikardır.

Anahtar Kelimeler

• Antropojen
• Bonitet
• Boşluklu kuruluş
• Büyük Menderes
• Sürdürülebilirlik

Modeling Brutian pine productivity in Aydın - Kuyucak district

Öz

In order to ensure the sustainability of forest resources, it is critical to realize appropriate forestry practices in forest areas. In this context, the development of productivity models of main trees is of great importance. This study aimed to determine the regions with high and low site index potential for the site properties of the species by modeling the productivity of Brutian pine species. In order to model the productivity of Brutian pine, at least 3 plus trees were determined in each sample area of 20 x 20 m. Using the data obtained from the plus trees, the site index values of Brutian pine in each sample area were calculated. Then, the process of establishing environmental and climatic variables was completed and modeling of Brutian pine productivity was carried out using multiple regression analysis and regression tree method. As a result of the modeling, elevation, annual precipitation and heat load variables structured the model. The highest site index value was obtained where the annual precipitation was above 470 mm, at the elevations with higher heat load and where the elevation was below 326 m. Due to intensive agricultural activities and significant anthropogenic impacts in the Büyük Menderes Plain, the site index values obtained were relatively low. The fact that the Brutian pine stands in the study area are in poor site index or degraded stands supports the results obtained. It is predicted that forestry activities such as interplant, afforestation or regeneration to be carried out in such areas will contribute to restoring the health of the stands and transforming them into better quality and will guide the practitioners in this process. In addition, it is obvious that it will help practitioners in ensuring the sustainability of forest areas, ecosystem restoration, conservation and planning processes.

Anahtar Kelimeler

• Anthropogenic
• Site
• Degraded stand
• Büyük Menderes
• Sustainability

Kaynakça

1. Aktaş, G., 2019. Aydın İli Nazilli ilçesi Oyukbaba dağındaki kestane (Castenea sativa) topluluklarının ekolojisi ve ekonomik önemi. Yüksek Lisans Tezi, Balıkesir Üniversitesi, Sosyal Bilimler Enstitüsü, Balıkesir.
2. Alemdağ, Ş., 1962. Türkiye’ deki Kızılçam Ormanlarının Gelişimi, Hasılat ve Amenajman Esasları. Ormancılık Araştırma Enstitüsü Yayınları, Teknik Bülteni Serisi No: 11, Ankara.
3. Atalay, İ., 2008. Ekosistem Ekolojisi ve Coğrafyası. T.C. Çevre ve Orman Bakanlığı Yayınları No: 327. Cilt: II, Ankara.
4. Bozkurt, A.Y., Göker, Y. 1996. Orman Ürünlerinden Faydalanma II. Cilt. İstanbul Üniversitesi Yayın No 3946, Orman Fakültesi Yayın No 437, İ. Ü. Basımevi, , İstanbul.
5. Bozkurt, A.Y., Erdin, N., 1997. Ağaç Teknolojisi Ders Kitabı. İ.Ü. Yayın No: 3998, Orman Fakültesi Yayın No: 445, , İstanbul.
6. Breiman, L., Friedman, J. H., Olshen, R. A., Stone, C. J., 1984. Classification and regression trees, Belmont, CA, Wadsworth, International Group, 432: 151-166.
7. Coşkun, S., 2017. Büyük menderes nehri ile yukarı dalaman çayı arasındaki sahada bitki örtüsünün coğrafi dağılışı. Uluslararası Sosyal Araştırmalar Dergisi, 10: 49.
8. Çelik, H., Özkan, K., 2015. Antalya ovacık dağı yöresi'nde kızılçam (Pinus brutia Ten.)'ın gelişimi ile yetişme ortamı özellikleri arasındaki ilişkiler. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 19(2): 190-197

9. Çukur, H., 1998. Ege bölümünün ekosistemleri. Doktora Tezi, Dokuz Eylül Üniversitesi, Sosyal Bilimler Enstitüsü, , İzmir.
10. Deniz, M., 2013. Nazilli ilçesinin beşerî ve ekonomik coğrafyası. Doktora Tezi, Uşak Üniversitesi Sosyal Bilimler Enstitüsü, Uşak.
11. De’ath, G., Fabricius, K. E., 2000. Classification and regression trees: a powerful yet simple technique for ecological data analysis. Ecology, 81(11): 3178-3192.
12. Eken, F., 2021. Asli Orman Ağaçlarımızın Bonitet, Gövde Hacmi ve Hasılat Tabloları. Orman Genel Müdürlüğü, Orman İdaresi ve Planlama Daire Başkanlığı, s: 358s, Ankara.
13. Erkan, N., 1996. Kızılçam doğal meşcerelerinde artım ve büyümenin değerlendirilmesi. Batı Akdeniz Ormancılık Araştırma Enstitüsü Dergisi, 2: 33-43.
14. Eroğlu, H., Usta, M., 2000. Lif Levha Üretim Teknolojisi. Karadeniz Teknik. Üniversitesi, Orman Fakültesi, Yayın No: 30, Trabzon, s: 351,.
15. Fırat, F., 1972. Orman Hasılat Bilgisi. İstanbul Üniversitesi, Orman Fakültesi Yayınları, İstanbul.
16. Fick, S.E., Hijmans, R.J., 2017. WorldClim 2: new 1‐km spatial resolution climate surfaces for global land areas. International journal of climatology, 37(12): 4302-4315.
17. Irmak, A. (1970). Orman Ekolojisi. İstanbul Üniversitesi, Orman Fakültesi Yayın No: 149, Taş Matbaası, İstanbul.
18. Jenness, J., 2006. Topographic position index (TPI) v. 1.2. Jenness Enterprises, Flagstaff, AZ.
19. Kalıpsız, A., 1984. Dendrometri, İstanbul Üniversitesi Orman Fakültesi Yayın No: 354, İstanbul.
20. Karadağ, A., Koçman, A., 2007. Relation between urbanization development and natural environment process case of Ödemiş-İzmir. Aegean Geographical Journal, 16: 3-16.
21. Koçak, K., Şenol, H., 2013. Buldan (Denizli) yöresindeki metamagmatik ve magmatik kayaçların jeolojisi ve petrografisi. Selçuk Üniversitesi Mühendislik, Bilim ve Teknoloji Dergisi, 28(1): 11-24.
22. McCune, B., Keon, D., 2002. Equations for potential annual direct incident radiation and heat load. Journal of Vegetation Science, 13(4): 603-606.
23. OGM, 2012. Türkiye Orman Varlığı. T.C. Tarım ve Orman Bakanlığı, Orman Genel Müdürlüğü, Ankara. https://www.ogm.gov.tr/tr/ ormanlarimiz/Turkiye-Orman-Varligi, Erişim: 10.06.2024
24. OGM, 2017. Muğla ve Denizli Orman Bölge Müdürlüğü Amenajman Planları. T. C. Orman ve Su İşleri Bakanlığı, Orman Genel Müdürlüğü, Orman İdaresi ve Planlama Daire Başkanlığı, Ankara.
25. OGM, 2023. Ormancılık İstatistikleri. T.C. Tarım ve Orman Bakanlığı, Orman Genel Müdürlüğü, Ankara. https://www.ogm.gov.tr/tr/e-kutuphane/resmi-istatistikler, Erişim: 10.06.2024
26. Özdamar, K., 2002. Paket Programlar ile İstatistiksel Veri Analizi-1. Kaan Kitabevi, Eskişehir.
27. Pearson, K., 1990. On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 50(302): 157-175.
28. Rubel, F., Brugger, K., Haslinger, K., Auer, I., 2017. The climate of the European Alps: Shift of very high resolution Köppen-Geiger climate zones 1800–2100. Meteorologische Zeitschrift, 26(2): 115-125.
29. Saatçioğlu, F., Pamay, B., 1962. The importance of Pinus brutia in the development of Adana region and its silviculture. Journal of the Faculty of Forestry Istanbul University, 12 (2): 88.
30. Sütgibi, S., 2008. Doğal ekosistemler üzerinde insan faaliyetlerinin doğrudan ve dolaylı etkileri: Büyük Menderes Deltası. Marmara Coğrafya Dergisi, 18: 222-237.
31. Şentürk, Ö., Gülsoy, S., Tümer, İ., 2019. Potential distribution modeling and mapping of Brutian pine stands in the inner parts of the Middle Black Sea region in Turkey. Polish Journal of Environmental Studies, 28 (1): 321-327. https://doi.org/ 10.15244/pjoes/81682 Taş, M., 2017. Kızılçam (Pinus brutia Ten.) odun ve kraft kâğıt hamurundaki polyozların tespiti. Yüksek Lisans Tezi, Bartın Üniversitesi, Fen Bilimleri Enstitüsü, Bartın.
32. USGS, 2024. The U.S. Geological Survey. https://earthexplorer. usgs.gov. Erişim: 14.05.2024.
33. Ürgenç, S., 1998. Ağaçlandırma Tekniği II. Baskı. İ.Ü. Orman Fakültesi Yayınları, İstanbul.