مینا جوانمرد - دانشجوی کارشناسی ارشد مهندسی جنگل، دانشگاه تهران، کرج
احسان عبدی - دانشیار دانشکده منابع طبیعی، دانشگاه تهران، کرج
مهدی قطعی - دانشیار گروه علوم ریاضی دانشگاه امیرکبیر، تهران
باریس مجنونیان - استاد دانشکده منابع طبیعی، دانشگاه تهران، کرج

جاده های جنگلی به منظور ایجاد دسترسی به جنگل احداث می شوند و تاثیر زیربنایی در سازماندهی منطقه دارند. هدف این پژوهش، معرفی راهکاری هوشمند مبتنی بر شبکه های عصبی مصنوعی با تلفیق GIS برای طراحی شبکه جاده جنگلی با در نظر داشتن اصول و معیارهای فنی شبکه جاده جنگلی است. ابتدا معیارهای موثر با استفاده از روش دلفی شناسایی شد و وزن دهی آنها با استفاده از روش AHP، انجام گرفت. با تلفیق لایه های مختلف و وزن نظیر هر یک به روش وزن دهی خطی، نقشه شایستگی بخش پاتم برای عبور شبکه جاده تهیه شد. ارزش هر پیکسل از نقشه ها به همراه مختصات، با استفاده از نرم افزار ENVI استخراج شد. به منظور آماده سازی داده ها برای ورود به نرم افزار MATLAB، همه داده ها به دامنه ۰ تا ۱ نگاشت شدند. در این مطالعه برای مدل سازی، از دو شبکه عصبی پرسپترون چندلایه و شعاع مبنا استفاده شد. شبکه های عصبی درجه مطلوبیت عبور جاده برای پنج بخش جنگل را براساس بخش پاتم برآورد کردند. با استفاده از برنامه جانبی PEGGER دو شبکه جاده نیز طراحی شد. در انتها جاده های طراحی شده با جاده موجود توسط GIS مقایسه و ارزیابی شد. نتایج نشان داد که شبکه عصبی مصنوعی پرسپترون چندلایه توانایی بیشتری در برآورد درجه مطلوبیت عبور جاده دارد و ضریب تبیین آن ۹۹۴/۰ به دست آمد. برای مقایسه نتایج شبکه های عصبی پیشنهادی از رگرسیون خطی استفاده شد. نتایج نشان داد هر دو شبکه عصبی نتایج بهتری از رگرسیون خطی ارائه دادند و قابلیت لازم را برای تعیین میزان مطلوبیت در طی فرایند طراحی شبکه جاده دارند. براساس نتایج به دست آمده گزینه دوم طراحی شده، برپایه میزان ارزش واحد طول به عنوان شبکه جاده بهینه معرفی شد.

رگرسیون خطی, سیستم اطلاعات جغرافیایی, شبکه جاده جنگلی, شبکه عصبی مصنوعی, نقشه شایستگی