کاربرد مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در برآورد تراکم جنگل در جنگل-های باغان مریوان

مطالعه و مدل سازی ویژگی های کمی جنگل به منظور هدایت اکوسیستم به سوی اهداف ایده آل و اجرای اقدامات حفاظتی و احیایی از اقدامات مهم به شمار می آید. در پژوهش پیش رو برآورد مشخصه های تعداد در هکتار درختان و تاج پوشش جنگل که معرف تراکم در اکوسیستم طبیعی جنگل می باشند، با استفاده از مدل رگرسیون خطی چندگانه و مدل شبکه عصبی مصنوعی، به کمک داده های توپوگرافی، خاکشناسی، اقلیمی و استفاده از داده های سنجش ازدوری در بخشی از جنگل های باغان مریوان انجام شد. ویژگی های پستی وبلندی از روی مدل رقومی ارتفاع محاسبه شد. استخراج عامل های اقلیمی و ویژگی های خاکشناسی با استفاده از نقشه های اقلیمی و داده های مربوط به تجزیه نمونه های خاک انجام شد. به منظور بهره گیری از اطلاعات تصاویر ماهواره ای از تصاویر لندست ۵ و شاخص NDVI استفاده شد. تعداد در هکتار درختان و تاج پوشش جنگل با استفاده از ۸۹ قطعه نمونه ۱/۰ هکتاری به صورت تصادفی برداشت شد. درنهایت مدل رگرسیون خطی چندگانه و شبکه عصبی مصنوعی بین این ویژگی ها و متغیرهای تاج پوشش و تعداد در هکتار درختان طراحی و سپس اعتبارسنجی شدند. نتایج نشان دهنده دقت بیشتر شبکه عصبی مصنوعی در برآورد تاج پوشش (۹۲/۰R۲= ، ۲۰/۱۰%RMSE=) و تعداد در هکتار درختان (۸۴/۰R۲= ، ۳۲/۱۱ % RMSE=) در مقایسه با مدل رگرسیون خطی چندگانه (به ترتیب به میزان ۸۱/۰R۲= ، ۰۲/۱۵ % RMSE= و ۶۸/۰R۲= ، ۵۲/۱۶ % RMSE=) بود. نتایج کلی پژوهش حاضر نشان از پتانسیل استفاده از داده های توپوگرافی، خاکشناسی، اقلیمی و اطلاعات دورسنجی در برآورد تراکم جنگل مورد مطالعه بود که در این راستا مدل سازی شبکه عصبی مصنوعی نسبت به تحلیل رگرسیون خطی چندگانه دارای دقت برآورد بیشتری بود.

کلیدواژه ها:

تاج پوشش ، تعداد در هکتار درختان ، شاخص NDVI ، خصوصیات خاک ، ویژگی های توپوگرافی