بفرین معروفی اقدم - دانشجوی کارشناسی ارشد جنگلداری، دانشکده منابع طبیعی، دانشگاه گیلان
مهرداد قدس خواه - استادیار جنگلداری، دانشکده منابع طبیعی، دانشگاه گیلان
جواد ترکمن - استادیار جنگلداری، دانشکده منابع طبیعی، دانشگاه گیلان
سرخوش کرم زاده - کارشناس ارشد جنگلداری، کارمند اداره منابع طبیعی و آبخیزداری شهرستان آستارا

از عوامل تأثیرگذار بر فیزیولوژی درختان متغیرهای اقلیمی مانند دما، بارش و تابش می باشند که تأثیرات خود را در قالب پهنای حلقه های رویشی درختان نمایان می سازند. این اصل به عنوان پایه ای برای اقلیم شناسی درختی است که یکی از اهداف مهم آن بازسازی اطلاعات اقلیمی بر مبنای پهنای حلقه های درختی می باشد. برای این منظور با توجه به در دسترس بودن اطلاعات اقلیمی و گاه شناسی به دست آمده از نمونه برداری های انجام گرفته و همچنین استفاده از مدل های آماری، توسعه مدلی مناسب برای بازسازی اطلاعات اقلیمی در سال های فاقد آمار امکان پذیر می گردد. معمولاً در بسیاری از موارد رابطه بین گاه شناسی به دست آمده با هر یک از متغیرهای اقلیمی به حدی پیچیده است که استفاده از مدل های آماری کلاسیک عملاً جوابگو نبوده و نتایج به دست آمده از این مدل ها از دقت پایینی برخوردارند. برای رفع این مشکل در این مقاله دسته ای از مدل ها به نام مدل های هوش مصنوعی معرفی شده اند که به دلیل قابلیت بالای خود در مدل سازی پدیده های غیرخطی و پیچیده در دیگر زمینه های علوم و مهندسی از عملکرد مناسبی برخوردار بوده اند. بنابراین هدف اصلی این مقاله معرفی یکی از پرکاربردترین این مدل ها به نام شبکه عصبی مصنوعی جهت استفاده در مطالعات اقلیم شناسی درختی است که می تواند نتایج به دست آمده در این زمینه را تا حد قابل قبولی بهبود داده و بازسازی اطلاعات اقلیمی را با دقت بالایی به انجام رساند.

متغیرهای اقلیمی، رشد قطری، اقلیم شناسی درختی، شبکه عصبی مصنوعی