مدل سازی آشفتگی انبوهی جنگل در ارزیابی محیطی با استفاده از شبکه عصبی مصنوعی

  • سال انتشار: 1395
  • محل انتشار: فصلنامه تحقیقات جنگل و صنوبر ایران، دوره: 24، شماره: 2
  • کد COI اختصاصی: JR_IJFPR-24-2_012
  • زبان مقاله: فارسی
  • تعداد مشاهده: 56
دانلود فایل این مقاله

نویسندگان

علی جهانی

استادیار، گروه محیط زیست طبیعی و تنوع زیستی، دانشکده محیط زیست، دانشگاه محیط زیست

چکیده

ارزیابی اثرات محیط زیستی به عنوان یک ابزار اساسی برای مدیریت محیط زیستی و توسعه پایدار شناخته شده است، اما زمانی که به مقادیر کمی برای تصمیم گیری نیاز است، ارزیابی اثرات دچار مشکل می شود و نیاز به مدل سازی آشکار است. هدف از پژوهش پیش رو طراحی و پیاده سازی یک سامانه مبنی بر شبکه عصبی مصنوعی با استفاده از اجزای اکوسیستم، فعالیت های طرح جنگلداری و میزان آشفتگی تراکم تاج پوشش اکوسیستم جنگلی (انبوهی جنگل) بود. پژوهش پیش رو در سه بخش پاتم، نم خانه و گرازبن جنگل خیرود نوشهر انجام شد. واحدهای همگن محیط زیستی با استفاده از منابع اکولوژیکی و ابزار دقیق GIS تهیه شد. با انتخاب الگوریتم مناسب در محیط شبکه های عصبی مصنوعی در نرم افزار NeuroSolutions ۵، انبوهی جنگل براساس مقادیر کمی و کیفی شرایط اکولوژیک و فعالیت های انسانی شبیه سازی شد. شبکه پرسپترون چندلایه با یک لایه پنهان و چهار نرون در هر لایه با توجه به بیشترین مقدار ضریب تعیین (برابر با ۰/۹۸۶۴)، بهترین عملکرد بهینه سازی توپولوژی را نشان داد. براساس نتایج تحلیل حساسیت، عامل های انسانی مانند تراکم دام در واحد سطح جنگل (تعداد در هکتار) در کنار عامل های طبیعی و اکولوژیکی مانند متوسط قطر درختان توده (سانتی متر) و عمق خاک به ترتیب بیشترین تاثیر را در میزان انبوهی جنگل نشان دادند. ارزیابی اثرات پروژه های اجرا شده علاوه بر اینکه تجربه ای در زمینه ارزیابی اثرات توسعه به شمار می رود، می تواند راه گشای تصمیم گیری در مورد اجرای پروژه های مشابه در مکان های مشابه باشد.

کلیدواژه ها

ارزیابی اثرات محیط زیستی, انبوهی جنگل, پرسپترون چندلایه, تحلیل حساسیت, شبکه عصبی مصنوعی

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.