تعیین بهترین شاخص و مدل رگرسیونی برای پیش بینی حجم سرپای توسکای قشلاقی (Alnus glutinosa) (مطالعه موردی: جنگل های شرکت شفارود، استان گیلان)

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 ارتفاعهای 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. این مطالعه با هدف برآورد حجم سرپای درخت توسکا با روش رگرسیون انجام شد. در این مطالعه تعداد ۱۰۷ اصله درخت توسکای قشلاقی (Alnus glutinosa) در استان گیلان در دامنه های قطری صفر تا ۱۰، ۱۰ تا ۲۰، ۲۰ تا۳۰، ۳۰ تا۴۰ نمونه گیری شد. نمونه گیری بصورت تصادفی انجام شد و برای هر دامنه قطری ارتفاع و قطر در ارتفاع برابر سینه درخت با متر لیزری و کالیپر اندازهگیری شد. در این مطالعه بهترین مدلهای رگرسیون ساده (خطی ، غیرخطی ) و چندگانه (خطی ، غیرخطی ) که کمترین MAPE و بیشترین R۲ را داشتند به ترتیب مدل رگرسیون ساده درجه سه و چندگانه غیرخطی بودند که مقادیر MAPE و R۲ آنها به ترتیب ۹۳۶۳/۰، ۵۹/۱۱ درصد، و ۱، ۱/۰ درصد بود.