مروری بر روشهای اندازه گیری و پیش بینی حجم درختان سرپا (مطالعه موردی : توسکا)

کسب اطلاعاتی دقیق و به هنگام از وضعیت کمی جنگل های هیرکانی برای برنامه ریزی و مدیریت صحیح این منابع از اولویت زیادی برخوردار است . حجم درخت از جمله مشخصه هایی است که کاربرد قابل توجهی در مدیریت منابع جنگلی دارد، که از جمله آنها می توان به روند بهبود یا تخریب رویشگاه، میزان مجاز برداشت ، میزان رویش و مبنای خرید و فروش و مدیریت جنگل اشاره کرد. قطر برابر سینه و ارتفاع درختان از مهمترین مولفه های مورد نیاز در آماربرداری جنگل برای تعیین حجم هستند. برای یافتن حجم روشهایی مانند: هوبر، اسمالین ، پرسلر استفاده می شود. در این روشها با استفاده از یک سری متغیرها مانند قطر در ارتفاع های مختلف ، حجم و ضریب شکل محاسبه می شوند. برای برآورد حجم درختان و پیش بینی آن روشهای مختلفی وجود دارد و در پژوهش هایی که درباره برآورد حجم و پیش بینی آن صورت گرفته به روشهای شبکه عصبی مصنوعی و رگرسیون توجه بیشتری شده است . استفاده از روابط برای محاسبه حجم درختان از آن جهت ارزشمند است که امکان پیش بینی حجم را با اندازهگیری چند متغیر میسر می سازد. از طرف دیگر، رابطه ای مقبول و مطلوبتر است که با حداقل تعداد متغیر مورد نیاز، حجم را با دقت قابل قبولی برآورد کند.

کلیدواژه ها:

رگرسیون ، شبکه عصبی مصنوعی ، پیش بینی حجم ، آنالیز تصویر