1403/02/07
مهتاب پیرباوقار

مهتاب پیرباوقار

مرتبه علمی: دانشیار
ارکید:
تحصیلات: دکترای تخصصی
اسکاپوس: 57191477437
دانشکده: دانشکده منابع طبیعی
نشانی: سنندج- دانشگاه کردستان، دانشکده منابع طبیعی، گروه جنگلداری، ص. پ. 416، کدپستی: 6617715175
تلفن: 087-33627724- 3299 داخلی

مشخصات پژوهش

عنوان
کاربرد مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در برآورد تراکم جنگل در جنگل های باغان مریوان
نوع پژوهش
مقاله چاپ‌شده در مجلات علمی
کلیدواژه‌ها
تاج پوشش، تعداد در هکتار درختان، شاخص NDVI، خصوصیات خاک، ویژگی های توپوگرافی
سال 1394
مجله جنگل ايران
شناسه DOI
پژوهشگران ساسان وفایی ، مهدی پورهاشمی ، مهتاب پیرباوقار ، اقبال جعفری

چکیده

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 به نوعی متغیرهای مکمل یکدیگرند، 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 5 و شاخص NDVI استفاده شد. تعداد در هکتار درختان و تاج پوشش جنگل با استفاده از 89 قطعه نمونه 1/0 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 (R2 بالاتر و RMSE کمتر) در برآورد تاج پوشش (92/0R2= ، 20/10%RMSE=) و تعداد در هکتار درختان (84/0R2= ، 32/11 % RMSE=) در مقایسه با مدل رگرسیون خطی چندگانه در برآورد این متغیرها (به ترتیب به میزان 81/0R2= ، 02/15 % RMSE= و 68/0R2= ، 52/16 % 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.