کاربرد مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در برآورد تراکم جنگل در جنگل-های باغان مریوان

مطالعه و مدل سازی ویژگی های کمی جنگل به منظور هدایت اکوسیستم به سوی اهداف ایده آل و اجرای اقدامات حفاظتی و احیایی از اقدامات مهم به شمار می آید. در پژوهش پیش رو برآورد مشخصه های تعداد در هکتار درختان و تاج پوشش جنگل که معرف تراکم در اکوسیستم طبیعی جنگل می باشند، با استفاده از مدل رگرسیون خطی چندگانه و مدل شبکه عصبی مصنوعی، به کمک داده های توپوگرافی، خاکشناسی، اقلیمی و استفاده از داده های سنجش ازدوری در بخشی از جنگل های باغان مریوان انجام شد. ویژگی های پستی وبلندی از روی مدل رقومی ارتفاع محاسبه شد. استخراج عامل های اقلیمی و ویژگی های خاکشناسی با استفاده از نقشه های اقلیمی و داده های مربوط به تجزیه نمونه های خاک انجام شد. به منظور بهره گیری از اطلاعات تصاویر ماهواره ای از تصاویر لندست ۵ و شاخص NDVI استفاده شد. تعداد در هکتار درختان و تاج پوشش جنگل با استفاده از ۸۹ قطعه نمونه ۱/۰ هکتاری به صورت تصادفی برداشت شد. درنهایت مدل رگرسیون خطی چندگانه و شبکه عصبی مصنوعی بین این ویژگی ها و متغیرهای تاج پوشش و تعداد در هکتار درختان طراحی و سپس اعتبارسنجی شدند. نتایج نشان دهنده دقت بیشتر شبکه عصبی مصنوعی در برآورد تاج پوشش (۹۲/۰R۲= ، ۲۰/۱۰%RMSE=) و تعداد در هکتار درختان (۸۴/۰R۲= ، ۳۲/۱۱ % RMSE=) در مقایسه با مدل رگرسیون خطی چندگانه (به ترتیب به میزان ۸۱/۰R۲= ، ۰۲/۱۵ % RMSE= و ۶۸/۰R۲= ، ۵۲/۱۶ % RMSE=) بود. نتایج کلی پژوهش حاضر نشان از پتانسیل استفاده از داده های توپوگرافی، خاکشناسی، اقلیمی و اطلاعات دورسنجی در برآورد تراکم جنگل مورد مطالعه بود که در این راستا مدل سازی شبکه عصبی مصنوعی نسبت به تحلیل رگرسیون خطی چندگانه دارای دقت برآورد بیشتری بود.