مدل سازی حجم تجاری درختان توده های خالص و آمیخته در جنگل آموزشی– پژوهشی دارابکلای ساری با استفاده از الگوریتم های ناپارامتریک
- سال انتشار: 1401
- محل انتشار: فصلنامه تحقیقات جنگل و صنوبر ایران، دوره: 30، شماره: 2
- کد COI اختصاصی: JR_IJFPR-30-2_007
- زبان مقاله: فارسی
- تعداد مشاهده: 170
نویسندگان
استاد، گروه جنگل داری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
نویسنده مسئول، پژوهشگر پسادکتری جنگل داری، گروه جنگل داری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
دانش آموخته دکتری جنگل شناسی، گروه جنگل داری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
دانشجوی کارشناسی ارشد جنگل داری، گروه جنگل داری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
چکیده
حجم تجاری درختان متغیر مهمی برای تصمیم گیری و تحلیل اقتصادی در مدیریت جنگل است. در این راستا، مدل سازی و براورد حجم تجاری در جنگل های هیرکانی پیش نیازی برای اجرای طرح های مدیریت پایدار جنگل است. به دلیل محدودیت هایی مانند زمان و هزینه و فقدان حجم سنجی محلی یا عمومی در معادلات، اغلب مدیران جنگل از عوامل گسترش سنتی برای تخمین حجم استفاده می کنند. بنابراین، استفاده از متغیرهای مستقل در مدل سازی حجمی گام مهمی در برازش مدل ها برای نمایش است. در پژوهش پیش رو حجم تجاری پارسل های ۱۴، ۱۶ و ۲۴ از جنگل آموزشی- پژوهشی دانشکده منابع طبیعی ساری واقع در دارابکلا از توابع شهرستان ساری با استفاده از دو الگوریتم ANN و CART مدل سازی شد. پس از جنگل گردشی با توجه به هدف پژوهش، توده هایی با تیپ های مختلف جنگلی راش خالص، ممرز خالص و راش- ممرز بررسی شد. در هر تیپ، سه توده نیم هکتاری و در هر توده حداقل سه قطعه نمونه ۲۰ ×۲۰ مترمربعی پیاده شد و مشخصه های کمی شامل ارتفاع کل، ارتفاع تنه (طول)، قطر برابر سینه و مشخصه کیفی شامل درجه پوسیدگی تمام درختان سرپا اندازه گیری شد. همچنین، ۲۰ درخت افتاده از گونه های راش و ممرز در سطح کل جنگل انتخاب و مشخصات طول (متر) و سطح مقطع (سانتی متر) به ازای هر دو متر از تنه آن ها اندازه گیری شد. سپس، حجم واقعی درخت در قالب قطعه های مختلف تنه و براساس رابطه اسمالیان محاسبه شد. درنهایت، از الگوریتم های ANN و CART برای مدل سازی حجم درختان سرپا از درختان افتاده در محیط نرم افزارSTATISTICA۱۲.۰ استفاده شد. ضریب تبیین R۲ برای مدل سازی سه توده راش خالص، ممرز خالص و آمیخته راش - ممرز با دو الگوریتم ANN و CART به ترتیب (۸۲/۰ و ۷۷/۰)، (۴۴/۰ و ۷۲/۰) و (۹۱/۰ و ۸۴/۰) بود. نتایج نشان داد نشان داد الگوریتم ANN با ضریب تبیین ۹۱/۰R۲= و مجذور میانگین مربعات خطا ۵۱/۱۰ درصد عملکرد بهتری داشت. همچنین، عملکرد این الگوریتم برای توده آمیخته راش - ممرز نسبت به هر یک از توده های خالص راش و ممرز بهتر بود.کلیدواژه ها
الگوریتم درخت تصمیم گیری, الگوریتم شبکه عصبی مصنوعی, ارتفاع, قطر, مدیریت جنگل, موجودی حجمیاطلاعات 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.