fa مدل‌سازی ترسیب کربن آلی خاک در ارتباط با تنوع زیستی گیاهی در جنگل‌های طبیعی آمیخته راش عمومى General پژوهشي Research <p dir="RTL"><a name="OLE_LINK22"></a><a name="OLE_LINK21"><strong>جنگل&shy;های طبیعی آمیخته راش با غنی&shy;ترین تنوع زیستی گیاهی دارای ذخایر کلان کربن آلی در عمق&shy;های مختلف خاک می&shy;باشند. هدف تحقیق حاضر مدل&shy;سازی ترسیب کربن خاک در جنگل&shy;های مذکور برحسب شاخص&shy;های تنوع زیستی برای مدیریت بهینه تغییرات مخازن کربن خاک در رابطه با روند پایداری، حاصلخیزی، چرخه کربن و برنامه&shy;ریزی برای رویارویی با تغییرات آب و هوایی در سطح محلی یا منطقه&shy;ای می&shy;باشد. پس از انجام عملیات میدانی برای اندازه&shy;گیری و محاسبه شاخص&shy;های تنوع زیستی و فاکتور کربن خاک از تحلیل رگرسیون خطی ساده، رگرسیون خطی چندگانه و رگرسیون به‌روش تخمین منحنی برای فرآیند مدل&shy;سازی استفاده شد. نتایج تحلیل رگرسیون مبتنی بر ضریب تبیین، اشتباه معیار تخمین و ضریب اطلاعات آکاییک (</strong></a><strong><span dir="LTR">AIC</span></strong><strong>) نشان داد تحلیل رگرسیون خطی ساده و چندگانه دارای دقت برآوردی قابل ملاحظه&shy;ای نبودند (74/151+= </strong><strong><span dir="LTR">AIC_min</span></strong><strong>). برمبنای تحلیل مدل&shy;های غیرخطی، مدل منحنی (</strong><strong><span dir="LTR">S</span></strong><strong>) شامل غلبه‌ گونه&shy;ای پوشش علفی به‌عنوان بهترین پیشگو با حداقل خطای تخمینی و حداکثر قطعیت (23/171-= </strong><strong><span dir="LTR">AIC_min</span></strong><strong>) برای برآورد ذخایر کربن آلی خاک در جنگل مورد مطالعه محسوب شد. در ادامه مدل&shy;سازی نتایج نشان داد، مدل&shy;های تبدیلی چندگانه حاصل از تبدیل لگاریتم مدل&shy;های پایه با افزایش تعداد پارامتر اگرچه دارای اعتبار محاسباتی بودند (10</strong><strong>></strong><strong><span dir="LTR">VIF</span></strong><strong>) ولی دقت برآورد کمتری نسبت به مدل بهینه مذکور داشتند.</strong></p> <p>Having the richest plants biodiversity, Hyrcanian natural mixed-beech forests contribute to the huge carbon pool in the different soil layers. This research aims to develop modeling soil carbon sequestration in terms of the plant biodiversity indices to manage soil carbon stock with respect to trend of sustainability, fertility, carbon cycle, and planning to face with climate change in local/ regional scales. After measuring plants biodiversity indices and soil carbon factor over the field operations, simple and multiple linear regressions as well as curve estimation regression were applied in the process of modeling. According to Adj.R², SEE and AIC, simple and multiple linear regressions had no considerable accuracy (AIC_min = +151.74). Analysis of non-linear models showed that model S including index of species dominance belonging to herbal coverage was the best predictor with the least error and highest certainty (AIC_min= -171.23) to estimate soil carbon pool in the studied forests. In the following, the results showed that although the log-transformed models with increasing the parameters and adding the correlated explanatory variables were valid (VIF < 10), the accuracy of the estimates was less than the optimal model.</p> جنگل‌های هیرکانی, مدل خطی چندگانه, مدل‌های غیرخطی, ذخایر کربن آلی, تحلیل رگرسیون Hyrcanian forests, Multiple linear model, Non-linear models, Organic carbon pool, Regression analysis. 73 83 http://ijae.iut.ac.ir/browse.php?a_code=A-10-1-134&slc_lang=fa&sid=1 A. A. Vahedi علی اصغر واحدی ali.vahedi60@gmail.com Yes Res. Edu. and Extension Organization (AREEO), Tehran, Iran. سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران