مدل سازی ریسک سقوط درختان چنار خطرآفرین در فضای سبز شهری
- سال انتشار: 1395
- محل انتشار: مجله تحلیل فضایی مخاطرات محیطی، دوره: 3، شماره: 4
- کد COI اختصاصی: JR_JSAEH-3-4_003
- زبان مقاله: فارسی
- تعداد مشاهده: 240
نویسندگان
چکیده
مدیریت درختان خطرآفرین به بررسی احتمال خطر درختان در محیطهای طبیعی و انسان ساخت میپردازد. از آنجاییکه درختان خطرآفرین در فضای سبز شهری از اهمیت بالایی برخوردارند، شناسایی و کمیسازی شدت ریسک این درختان اجتنابناپذیر است و فقط در این صورت امکان مدیریت ریسک و انجام اقدامات پیشگیرانه و به موقع فراهم میگردد. در این مطالعه در مجموع ۲۰۰ درخت چنار خطرآفرین با ساختار ناپایدار در شهر کرج شناسایی و اطلاعات مربوط به ویژگیهای عمومی و عیوب آنها ثبت گردید و شدت ریسک آنها با توجه به سال آسیبپذیری ارزیابی شد. در این تحقیق به کمک الگوریتم آموزشی پس انتشار خطا در محیط شبکههای عصبی مصنوعی، شدت ریسک سقوط درختان چنار خطرآفرین (دو کلاسه شدت خطرآفرینی بر اساس سقوط اجزا در سال اول و دوم) بر اساس مقادیر کمی مشخصههای عمومی و عیوب درختان شبیهسازی شد. بر اساس نتایج آنالیز حساسیت قطر تاج، طول تاج درخت، انحراف تنه درخت و قطر یقه درخت به ترتیب بیشترین تاثیر را در طبقهبندی شدت ریسک درختان خطرآفرین داشتهاند. صحت مدل با مقایسه خروجی آن و شاخصهای محاسبه شده شامل ضریب تعیین (۸۷/۰ کلاس یک و ۹/۰ کلاس دو)، میانگین خطای مطلق (۱۷/۰ کلاس یک و ۱۸/۰ کلاس دو) و میانگین مربعات خطا (۰۸۴/۰ کلاس یک و ۰۸۵/۰ کلاس دو) سنجیده شد. مدل شبکه عصبی مصنوعی با دقت بالا در کلاسه بندی شدت ریسک چنارهای خطرآفرین در اکوسیستمهای شهری، مدل SFHR را به عنوان یک مدل پیشبینی در ارزیابی احتمال سقوط درختان چنار معرفی نمود.کلیدواژه ها
hazardous tree, SFHR, artificial neural network, کرج, درختان خطرآفرین, شبکه های عصبی مصنوعی, SFHR.اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.