مدل سازی برخی مشخصه های کمی جنگل با استفاده از خصوصیات توپوگرافی (مطالعه موردی: سری سه جنگل سنگده)
- سال انتشار: 1401
- محل انتشار: دوفصلنامه بوم شناسی جنگل های ایران، دوره: 10، شماره: 19
- کد COI اختصاصی: JR_IFEJ-10-19_010
- زبان مقاله: فارسی
- تعداد مشاهده: 249
نویسندگان
Sari Agricultural Sciences and Natural Resources University
Sari Agricultural Sciences and Natural Resources University
Sari Agricultural Sciences and Natural Resources University
Department of Photogrammetry and Remote Sensing Faculty of Geodesy and Geomatics Engineering, K. N. Toosi University of Technology
چکیده
مقدمه و هدف: برای برنامه ریزی اصولی و صحیح در بخش جنگل، تهیه نقشه های کمی و کیفی از ملزومات مدیریتی بوده و برای رسیدن به توسعه پایدار اجتناب ناپذیر است. به همین منظور، جدیدترین اطلاعات از مشخصاتی که در تصمیم گیری های مربوط به استفاده و حفاظت بهینه از جنگل دارای اهمیت هستند، مورد نیاز است. هدف از این مطالعه، مدلسازی و تهیه نقشه مکانی برخی مشخصه های کمی جنگل با استفاده از خصوصیات توپوگرافی در جنگل های سری سه سنگده است. مواد و روش ها: با استفاده از ۱۵۰ قطعه نمونه ۱۰ آری، مشخصه های تعداد، رویه زمینی و حجم در هکتار محاسبه شد. خصوصیات اولیه توپوگرافی شامل ارتفاع از سطح دریا، شیب، جهت شیب، انحنای پروفیلی، انحنای مسطح و انحنای مماسی و خصوصیات ثانویه توپوگرافی شامل رطوبت و تابش خورشیدی از مدل رقومی ارتفاعی با قدرت تفکیک پذیری ده متر استخراج شد. سپس روابط بین مشخصه های کمی جنگل و خصوصیات توپوگرافی با استفاده از روش های ناپارامتری جنگل تصادفی، ماشین بردار پشتیبان و همچنین با روش پارامتری رگرسیون خطی چندگانه مورد تجزیه و تحلیل و مدلسازی قرار گرفت. ارزیابی مدل ها با استفاده از ۳۰ درصد قطعات نمونه انجام شد. یافته ها: مقادیر درصد اریبی و ریشه میانگین مربعات خطا برای انتخاب مدل مناسب محاسبه و نتایج نشان داد که روش ماشین بردار پشتیبان برای برآورد هر سه مشخصه اندازه گیری شده دارای بهترین نتایج بوده است. در برآورد تعداد در هکتار، تابع چند جمله ای درجه سه با مقادیر میانگین مربعات خطا و میزان اریبی به ترتیب ۹/۵۹=%RMSE و ۱/۶۲-=%Bias، رویه زمینی با تابع پایه شعاعی (RBF) و مقادیر ۳۰/۵۳=%RMSE و ۱/۳۲-=%Bias و حجم در هکتار نیز با تابع چند جمله ای درجه سه و مقادیر ۳۷/۶۲=%RMSE و ۰/۵۱-=%Bias به عنوان مناسبترین مدل انتخاب شدند. همچنین نتایج نشان داد که متغیرهای توپوگرافی جهت، ارتفاع، تابش خورشیدی و انحنای مماسی بیشترین تاثیر را در فرآیند مدلسازی داشتند. نتیجه گیری: مدل انتخاب شده در این پژوهش هر چند که توانست تا حدی اطلاعات ضروری جهت مدیریت جنگلها را فراهم کند، اما به تنهایی نمی تواند کلیه دلایل موثر بر مشخصه ها را تبیین نماید، لذا شایسته است از ترکیب عوامل دیگری مانند شرایط اقلیمی، عرض جغرافیایی، خاکشناسی، تکنیک های سنجش از دور که سهم عمده ای در توضیح و تفسیر آن دارند، دقت پیش بینی را بهبود بخشید.کلیدواژه ها
Bias, Nonparametric method, Quantitative characteristics, Topographic features, اریبی, روش های ناپارامتری, مدل رقومی ارتفاع, مشخصه های کمیاطلاعات 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.