مقایسه حجم سرپادرجنگلهای بهره برداری شده و بهره برداری نشده بااستفاده ازبرخی خصوصیات توپوگرافی به وسیله شبکه عصبی مصنوعی

باتوجه به اهمیتی که پارامترهای اولیه وثانویه توپوگرافی درتشکیل خصوصیات جنگل دارند برخی ازاین پارامترهای توپوگرافی به منظور مدلسازی حجم سرپای جنگل مورداستفاده قرار گرفتند باتوجه به پیچیدگی های اکوسیستم های جنگلی و اهمیت جنگلها یخزری دراین تحقیق ازشبکه عصبی مصنوعی که مناسب برای مدلسازی سیستم های پیچیده می باشد به منظور پیش بینی حجم سرپای جنگل استفاده شد دراین مطالعه با استفاده ازمدل رقومی زمین DEM نقشه خصوصیات توپوگرافی تهیه گردید حجم سرپا درهرقطعه نمونه با استفاده ازقطربرابر سینه درختان اندازه گیری شده درقطعات نمونه و با استفاده ازجدول حجم یک عامله محاسبه شد سپس با استفاده ازشبکه عصبی برای پارسل های بهره برداری شده و بهره برداری نشده مدلسازی صورت گرفت نتایج نشان داد که با استفاده ازخصوصیات توپوگرافی مدلسازی با شبکه عصبی مصنوعی رضایت بخش بوده است نتایج همچنین نشان داد که شبکه عصبی توانست درپارسل های بهره برداری شده 91درصد ودرپارسل های بهره برداری نشده 81درصد حجم سرپای جنگل را بااستفاده ازخصوصیات توپوگرافی پیش بینی نماید این موضوع نشان میدهد که بهره برداری اصولی درجنگل موجب تخریب رویشگاه نمی شود و تهدید کننده مدیریت پایدار نیز نمی باشد

کلیدواژه ها:

خصوصیات توپوگرافی ، مدلسازی بهره برداری ، شبکه عصبی مصنوعی ، مدیریت پایدار