نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد رشته جنگلداری، گرایش عمران و بهره برداری جنگل، دانشگاه گیلان، ایران

2 دانشیار، گروه جنگل‌داری، دانشکده منابع طبیعی، دانشگاه گیلان، ایران

3 استاد، گروه جنگل‌داری، دانشکده منابع طبیعی، دانشگاه گیلان، ایران

4 استاد، گروه علوم صنایع چوب و کاغذ، دانشکده کشاورزی و منابع طبیعی، دانشگاه آزاد اسلامی واحد کرج، ایران

چکیده

گره اثر شاخه بر روی تنه درخت است که سبب کاهش کیفیت چوب می شود. گره ها یا همان شاخه های حبس شده مهمترین عامل در درجه بندی چوب ها هستند. هدف این تحقیق تشخیص و تفکیک اندازه گره در ساقه درخت راش به روش غیرمخرب امواج تنشی است. دراین پژوهش تعداد پنج ساقه یک متری مورد بررسی قرار گرفت و با توجه به اندازه گره، ساقه ها به چهار قسمت فاقد گره، دارای گره کوچک، متوسط و بزرگ طبقه بندی شدند. با بکارگیری دستگاه تایمرمیکروثانیه فاکوپ امواج تنشی درراستای طولی ساقه و عرض گره های موجود در چهارقسمت ساقه عبور داده شد با توجه به زمان عبور امواج تنشی مقدارسرعت و همچنین درصد کاهش نسبی سرعت عبورامواج محاسبه شد. آنالیز واریانس داده های سرعت امواج تنشی دربین چهار قسمت، نشان دهنده وجود تفاوت معنی داری در سطح اطمینان 95 درصد بود. نتایج نشان داد که اندازه گره در کاهش سرعت عبور امواج تنشی درساقه درخت راش موثر است. با بزرگ شدن گره ،زاویه آن با محورساقه اصلی کاهش می یابد. درنتیجه طول بیشتری در ساقه قرار می گیرد وسرعت حبس شدگی آن افزایش می یابد. در این روش گره های خیلی کوچک که درصد کاهش سرعت عبورامواج تنشی آنها کمتراز 10 درصد بود تشخیص داده نشد. بنابراین برای گره های کوچک،متوسط و بزرگ بترتیب، محدوده کاهش نسبی سرعت عبور امواج تنشی 10 تا20 درصد،20تا45 درصد وبیش از 45 درصد بدست آمد.

کلیدواژه‌ها

-Amini, M., Sagheb-Talebi, Kh,. Namiranian,M and Amini, R.2009. Investigation on increment of Fagus orientalis Lipsky using time series analysis, Iranian Journal of Forest and Poplar Research,17(3):404-421 (In Persian).
-Armstrong, J.P.; Patterson, D.W.; Sneckenberger, J.E. 1991.Comparison of three equations for predicting stress wave velocity as a function of grain angle. Wood and Fiber Science,23(1):32.43.
-Barriola,M.J., Aira,J.R and Villanueva,J.L. 2021. Analytical models of the mechanical properties of Japanese larch (Larix kaempferi (Lamb.) Carr.) based on non destructive testing and visual grading parameters. Wood Material Science & Engineering,16(2):94-101.
- Dackermann,U., Crews,K., Kasal,B., Li,J., Riggio,M., Rinn,F and Tannert,T.2013. In situ assessment of structural timber using stress-wave.Measurements. Materials and Structures.DOI 10.1617/s11527-013-0095-4
-Duong,D.V and Ridley-Ellis,D. 2021.Estimating mechanical properties of clear wood from ten‐year‐old Melia azedarach trees using the stress wave method. European Journal of Wood and Wood Products,79:941–949.
-Guntekin,E., Ozkan,S and Yilmaz,T.2014.Prediction of bending properties for beech lumber using stress wave method. Maderas. Ciencia y tecnología 16(1): 93-98, DOI 10.4067/S0718-221X2014005000008
-Jung, J. 1979. Stress wave grading techniques on veneer sheets. Gen. Tech. Rep. FPL.GTR.27. Madison, WI: U.S. Department of Agriculture, Forest Service, Forest Products Laboratory.
-Kartoolinejad,D.,Najafi,A and Kazemi-Najafi,S.2013.Decay evaluation of damaged beech trees (Fagus orientalis L.) adjacent to skid trails by nondestructive stress wave technique, Iranian Journal of Forest and Poplar Research, 20( 4):622-633 (In Persian).
-Lotfi,S., Saadatnia,M.A., Moradian,M.H and Poursartip,L.2021. Investigation on biomechanical properties of Pinus nigra Using stress wave technique and resistography, Iranian Journal of Wood and Paper Science Research, 36 (2):144-156(In Persian).
- Ohara,K.L.2007.Pruning Wounds and Occlusion: A Long-Standing Conundrum in Forestry, Journal of Forestry, 105(3):131-138.
-Oven.P., Merela.M., Mikac.U and Sersˇa.I.2008. 3D magnetic resonance microscopy of a wounded beech branch,  Holzforschung, 62:322–328. DOI 10.1515/HF.2008.022        
-Račko, V.2013.Verify the accuracy of estimation the model between dimensional characteristics of branch scar and the location of the knot in the beech trunk. Forestry and Wood Technology, 84:60–65.
-Roohnia, M., A, Tajdini & N, Manouchehri.2011. Assessing wood in sounding boards considering the ratio of acoustical. NDT&E International, 44(1):13-20.
-Sambuelli.L.,Socco.L.V.,Godio.A.,Nicolotti.G and Martinis.R.2003.Ultrasonic, electric and radar measurements for living trees assessment, Bollettino di Geofisica Teorica ed Applicata, 44(3): 253-279.
- Sioma, A.2015. Assessment of wood surface defects based on 3D image analysis. Wood Research, 60(3):339–350.
- Sioma, A. and Socha, J.2016. Automation of annual tree increment measurement using vision system, Drewno, 59(196):19–30.
-Stängle, S. M., Brüchert, F., Kretschmer, U., Spiecker, H. and Sauter, U. H.2014.Clear wood content in standing trees predicted from branch scar measurements with terrestrial LiDAR and verified with X-ray computed tomography. Canadian Journal of Forest Research, 44(2):145– 153.
-Thomas, L., Milli, L., Thomas, R. E. and Shaffer, C. A. (2006) Defect detection on hardwood logs using laser scanning. Wood & Fiber Science, 38(4): 682–695.
-Torkaman,T., Vaziri,M., Sandberg,D and Mohammadi Limaei,S.2018. Relationship between branch-scar parameters and knot features of oriental beech (Fagus orientalis Libsky), Wood Material Science & Engineering. Article in Wood Material Science and Engineering · DOI: 10.1080/17480272.2018.1424731
-Torkaman,T., Vaziri,M., Sandberg,D and Mohammadi Limaei,S.2019. Comparison study in the clear wood estimation of the Beech tree trunk (Fagus orientalis Libsky), Iranian Journal of Wood and Paper Industries, 10(1):11-19 (In Persian).
-Wang, C., Zhao, Z., Hein, S., Zeng, J., Schuler, J., Guo, J., Guo, W. and Zeng, J.2015. Effect of planting density on knot attributes and branch occlusion of  Betula alnoides under natural pruning in southern China. Forests,6:1343–1361.
- Zadfallh,M., Naghdi,R.,Torkaman,J., Roohnia,M., Hedayati- Ayandeh,M.2021. Evaluation of the internal decay of the oak tree ( Quercus castaneifolia ) via the non - destructive test of the acoustic tomography, Iranian Journal of Wood and Paper Industries, 12(1):163-173(In Persian)