مدل سازی ارزیابی کیفیت زیباشناختی منظر جنگل با استفاده از شبکه عصبی مصنوعی

سابقه و هدف: با توجه به کاهش روزافزون قابلیت برداشت چوب از جنگل های هیرکانی نیاز به برنامه ریزی برای استفاده از سایر قابلیت های اکوسیستم های جنگلی همچون اکوتوریسم بیشتر از گذشته احساس می شود. برنامه ریزی اکوتوریسم نیاز به اطلاعات کافی درباره جذابیت های اکولوژیکی، ساختار و عناصر منظر طبیعی دارد. از طرفی ارزیابی صحیح از وضعیت مناظر مختلف در یک منطقه مستلزم داشتن اطلاعات کافی در مورد معیارهای تاثیرگذار و همچنین نوع، نحوه و میزان اثرگذاری هر یک از این معیارها در درک کاربر از کیفیت منظر است. تعیین نقاطی که از نظر ساختار منظر، کیفیت بالایی دارند گام اول در جهت بالا بردن کیفیت زیباشناختی آنها و حفاظت از اکوسیستم طبیعی می باشد. در این مطالعه تلاش جهت ارزیابی کیفیت زیباشناختی منظر جنگل با استفاده از ترکیب دیدگاه جامع کمی و روش مدل سازی شبکه عصبی مصنوعی جهت تعیین موثرترین عناصر عینی منظر در افزایش کیفیت زیباشناختی ذهنی منظر است. مواد و روش ها: پژوهش حاضر در سه بخش پاتم، نمخانه و گرازبن جنگل آموزشی پژوهشی خیرود دانشکده منابع طبیعی دانشگاه تهران (با تنوع بالا در کیفیت منظر) انجام شد. در منطقه جنگلی مورد مطالعه در مجموع 200 منظر با ساختار متنوع از نظر پوشش درختی و ترکیب منظره ها شناسایی و اطلاعات مربوط به عناصر و ویژگی های منظر ثبت گردید و کیفیت زیباشناختی با دید ناظر ارزیابی شد. در این تحقیق به منظور مدل سازی ارزیابی کیفیت زیباشناختی منظر جنگل، ویژگی های ساختاری و عناصر هریک از مناظر ثبت و اقدام به طبقه بندی کیفیت زیباشناختی منظر در سه کلاس کیفیت زیباشناختی ضعیف(1)، مطلوب(2) و عالی(3) گردید. به منظور پردازش داده ها با ابزار هوشمند شبکه عصبی، از شبکه پرسپترون چندلایه استفاده شد. یافته ها: با توجه به ضرایب تبیین آزمون شبکه معادل 88/0، 896/0 و 969/0 در طبقه بندی کلاس های 1 تا 3، دقت شبکه عصبی در پیش بینی کیفیت زیباشناختی منظر جنگل از سطح بسیار مطلوبی برخوردار است. بر اساس نتایج آنالیز حساسیت ترکیب منظر، تنوع منظر درختی و پوشش درختان قطور به ترتیب بیشترین تاثیر را در طبقه بندی مناظر جنگل در کلاس1 و 2 داشته اند. از طرفی تنوع منظر درختی، ترکیب منظر و موقعیت دید به ترتیب بیشترین تاثیر را در طبقه بندی مناظر در کلاس3 از خود نشان دادند. نتیجه گیری: شناسایی تاثیرگذارترین عناصر بر کیفیت زیباشناختی منظر جنگل، مشخص می سازد که جهت مدیریت و برنامه ریزی منظر جنگل و دستیابی به نقاط چشم انداز با کیفیت منظر مطلوب از دیدگاه کاربر یا ناظر توجه به ترکیب منظر و تنوع بالا در منظره های موجود، تنوع منظر درختی با تنوع بالا در گونه های درختی توده و همچنین حضور درختان قطور و کهنسال در الویت قرار می گیرد. تحقیق حاضر روش نوینی را در ارزیابی کیفیت زیباشناختی منظر جنگل ارائه می کند و مدل حاصله علاوه بر ارائه معیارهای کاربردی در ارزیابی کیفیت منظر جنگل، به عنوان یک سامانه پشتیبان تصمیم گیری با قابلیت استفاده در اکوسیستم های جنگلی مشابه شناخته می شود.

کلیدواژه ها:

کیفیت زیباشناختی منظر جنگل ، شبکه عصبی مصنوعی ، پرسپترون چندلایه ، ترکیب منظر