تهیه نقشه پراکنش شدت خشکیدگی جنگل‌های بلوط زاگرس با استفاده از آمار مکانی و شبکه عصبی مصنوعی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 282

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJAE-8-3_003

تاریخ نمایه سازی: 2 اسفند 1399

چکیده مقاله:

اولین و اساسی‌ترین امر در مبارزه با خشکیدگی جنگل، اطلاع از چگونگی پراکنش مکانی و شدت خشکیدگی در جنگل است. با توجه به اهمیت موضوع در این مطالعه کارایی دو روش آمار مکانی و شبکه عصبی مصنوعی در تهیه نقشه شدت خشکیدگی جنگل در بخشی از جنگل‌های شهرستان ایلام مورد مطالعه قرار گرفت. برای نمونه‌برداری از روش تصادفی سیستماتیک استفاده شد. به این صورت که پس از پیاده کردن شبکه آماربرداری با ابعاد 200 × 250 متر و تعیین مرکز پلات‌ها با استفاده از GPS، در 100 قطعه نمونه مستطیلی شکل به مساحت 1200 متر‌مربعی درصد خشکیدگی درختان اندازه‌گیری و ثبت شد. همچنین یک نمونه ترکیبی خاک از مرکز و چهار گوشه هر قطعه نمونه برداشت و پس از انتقال به آزمایشگاه خصوصیات فیزیکی و شیمیایی آن اندازه‌گیری شد. پس از بررسی نرمال بودن داده‌ها، نقشه خشکیدگی با استفاده از روش‌های مختلف زمین‌آمار و شبکه عصبی مصنوعی تهیه شد. نتایج نشان داد که بهترین روش برای تهیه نقشه شدت خشکیدگی جنگل، شبکه عصبی پرسپترون چند لایه (MLP) با صحت 85 درصدی است. همچنین نتایج نشان داد که خشکیدگی بلوط دارای همبستگی مثبت با شیب منطقه و وزن مخصوص ظاهری خاک و همبستگی منفی با رطوبت و ماده آلی خاک است.

نویسندگان

فرشته مظفری

ilam university

مهدی حیدری

ilam university

امید کرمی

Azad university

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • 1. Alison, B. T., J. M. Kenneth, C. L. Burras, G. ...
  • 2. Benediktsson, J. A., P. H. Swain and O. K. Erosy. ...
  • 3. Blackard, J. A. and D. J. Dean. 1999. Comparative accuracies ...
  • 4. Cabral, M. T., M. C. Ferreira, T. Moreira, E. C. ...
  • 5. Cadima, I. S. P., J. Capelo and A. A. Gomes. ...
  • 6. Camilo-Alves, C. S. P., M. I. E. da Clara and ...
  • 7. Colhoun, J. 1973. Effects of envoironmental factors on plant disease. ...
  • 8. Corcobado, T., G. Moreno and A. Solla. 2013. Quercus ilex ...
  • 9. Crosby, M. K., Z. Fan, M. A. Spetich, T. D. ...
  • 10. Diamantopoulou, M. J., 2005. Artificial neural networks as an alternative ...
  • 11. Franke, R. 1982. Scatterd data interpolation: test of some methods. ...
  • 12. Ghanbari, F., Sh. Shtaei, A. A. Dehghani and Sh. Ayubi. ...
  • 13. Gholami, M. 2014. Investigation of the reaction of dominant wooden ...
  • 14. Gimblett, R. H. and Ball, G. L. 1995. Neural network ...
  • 15. Hamzoupour M., H. Kidaliri and K. Bordbar. 2011. Preliminary study ...
  • 16. Hanewinkela, M., W. Zhou and Ch. Schill. 2004. A neural ...
  • 17. Hasenauer, H., D. Merkl and M. Weingartner. 2001. Estimating tree ...
  • 18. Hassani-Pak, A. 2006. Geostatistics. Tehran University Press, 2th edition, 314 ...
  • 19. Hepting, G. H. 1963. Climate and forest diseases. Annual Review ...
  • 20. Heydari, M., M. Faramarzi and D. Pothier. 2016. Post-fire recovery ...
  • 21. Hosseinzadeh, J., A. Azami and M. Mohammadpour. 2014. Investigating the ...
  • 22. Karami, O., A. Fallah, S. H. Shataei and H. Latifi. ...
  • 23. Loukas, A., L. N. R. Vasiliades and N. R. Dalezios. ...
  • 24. Nasernia, E., M. Nouri-Khajavi and M. Rezaee. 2018. Milling tool ...
  • 25. Pahlavan Rad, M. R. and A. A. Dehghani, 2015. The ...
  • 26. Pourreza, M., S. M. Hosseini and A. A. Zohrevandi. 2012. ...
  • 27. Rossi, R. E., D. J. Mulla, A. G. Journel, and ...
  • 28. Sagheb Talebi, Kh., T. Sajedi and M. Pourhashemi, 2014. Forests ...
  • 29. Sepahvand, T. and M. Zandebasiri. 2014. Evaluation of Oak decline ...
  • 30. Sitharam, T. G., P. Samui and P. Anbazhagan. 2008. Spatial ...
  • 31. Solla, A., L. Garcia, A. Perez, A. Cordero, E. Cubera ...
  • 32. Strobl, R. O. and F. Forte. 2007. Artificial neural network ...
  • 33. Westerman, R. E. L. 1990. Soil Testing and Plant Analysis. ...
  • 34. Yamamoto, J. K. 2005. Correcting the smoothing effect of ordinary ...
  • 35. Zanetti, S. S., R. A. Cecilio, E. G. Alves, V. ...
  • نمایش کامل مراجع