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

نویسندگان

چکیده مقاله:

مطالعه و مدل‌سازی ویژگی‌های کمی جنگل به‌منظور هدایت اکوسیستم به‌سوی اهداف ایده‌آل و اجرای اقدامات حفاظتی و احیایی از اقدامات مهم به شمار می‌آید. در پژوهش پیش‌رو برآورد مشخصه‌های تعداد در هکتار درختان و تاج‌پوشش جنگل که معرف تراکم در اکوسیستم طبیعی جنگل می‌باشند، با استفاده از مدل رگرسیون خطی چندگانه و مدل شبکه‌ عصبی مصنوعی، به کمک داده‌های توپوگرافی، خاکشناسی، اقلیمی و استفاده از داده‌های سنجش‌ازدوری در بخشی از جنگل‌های باغان مریوان انجام شد. ویژگی‌های پستی‌وبلندی از روی مدل رقومی ارتفاع محاسبه شد. استخراج عامل‌های اقلیمی و ویژگی‌های خاکشناسی با استفاده از نقشه‌های اقلیمی و داده‌های مربوط به تجزیه نمونه‌های خاک انجام شد. به‌منظور بهره‌گیری از اطلاعات تصاویر ماهواره‌ای از تصاویر لندست 5 و شاخص NDVI استفاده شد. تعداد در هکتار درختان و تاج‌پوشش جنگل با استفاده از 89 قطعه‌نمونه 1/0 هکتاری به‌صورت تصادفی برداشت شد. درنهایت مدل رگرسیون خطی چندگانه و شبکه عصبی مصنوعی بین این ویژگی‌ها و متغیرهای تاج‌پوشش و تعداد در هکتار درختان طراحی و سپس اعتبارسنجی شدند. نتایج نشان‌دهنده دقت بیشتر شبکه‌ عصبی مصنوعی در برآورد تاج‌پوشش (92/0R2= ، 20/10%RMSE=) و تعداد در هکتار درختان (84/0R2= ، 32/11 % RMSE=) در مقایسه با مدل رگرسیون خطی چندگانه (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 داده‌های توپوگرافی، خاکشناسی، اقلیمی و اطلاعات دورسنجی در برآورد تراکم جنگل مورد مطالعه بود که در این راستا مدل‌سازی شبکه عصبی مصنوعی نسبت به تحلیل رگرسیون خطی چندگانه دارای دقت برآورد بیشتری بود.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

برآورد مشخصه تراکم درختان جنگل با استفاده از آنالیز زمین و شبکه عصبی مصنوعی

اثر متقابل بین منظر زمین و خصوصیات جنگل کاملاً ثابت شده است. بنابراین فرض قابل‌قبولی است که فاکتورهای منظر زمین در یک منطقه جنگلی در ایجاد خصوصیات جنگل نقش تعیین‌‌کننده‌ای دارند. اگرچه پژوهش‌های گذشته روابط کاملاً قطعی بین خصوصیات جنگل و عوامل محیطی را شناسایی کرده‌اند، اما تاکنون مدل مناسبی برای شرح این خصوصیات ارائه نشده است. استفاده از مدل‌های رقومی زمین و مشخصه‌های قابل استخراج از آن می‌تواند...

متن کامل

مقایسه مدل‌های شبکه عصبی مصنوعی و رگرسیون خطی در پیش‌بینی وقوع آتش سوزی جنگل و مراتع استان مازندران

آتش سوزی‌های طبیعی با وارد آوردن خسارت‌های جبران ناپذیر به مناطق مرتعی و جنگلی سبب تغییر در اکولوژی منظر می‌شوند. هدف از این تحقیق مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون خطی در پیش بینی خطر آتش سوزی جنگل‌ها و مراتع استان مازندران است. به این منظور، از داده‌های آتش سوزی شامل سطح سوخته شده و تعداد وقوع آتش سوزی و هم چنین از داده‌های هواشناسی در یک دوره 7 ساله (1385-1391) استفاده شد. نتایج حاصل...

متن کامل

مقایسه کاربرد شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون مؤلفه‌های اصلی و رگرسیون خطی چندگانه جهت مدل‌سازی شاخص کیفیت هوای شهری

شاخص کیفیت هوا ابزار کلیدی جهت آگاهی از کیفیت هوا، نحوۀ اثر آلودگی هوا بر سلامت و روش‌های محافظتی در برابر آلودگی هوا است. هدف اصلی این تحقیق مدل‌سازی و برآورد شاخص کیفیت هوا از طریق شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون خطی چندگانه و رگرسیون مؤلفه‌های اصلی است. جهت محاسبه شاخص کیفیت هوا از داده‌های هواشناسی و آلودگی هوای ثبت شده در ایستگاه تجریش و قلهک شهر تهران در دوره زمانی 1385 تا 1390 استف...

متن کامل

برآورد دمای خاک از داده‌های هواشناسی با استفاده از مدل‌های یادگیری ماشین سریع، شبکه عصبی مصنوعی و رگرسیون خطی چندگانه

دمای خاک عامل کلیدی است که فرآیندها و خصوصیات فیزیکی، شیمیایی و بیولوژیکی خاک را کنترل می­کند؛ لذا بر کمیت و کیفیت تولید محصولات کشاورزی تأثیر می­گذارد. هدف از انجام این پژوهش برآورد دمای خاک با استفاده از پارامترهای هواشناسی به روش­های مختلف ماشین یادگیری بوده است. بدین منظور داده‌های هواشناسی و دمای خاک در عمق‌های 5، 10، 20، 30، 50 و 100 سانتی‌متری از 17 ایستگاه‌ سینوپتیک استان خوزستان مربوط ...

متن کامل

ارزیابی عملکرد مدل های شبکه عصبی مصنوعی و رگرسیون چندگانه در سنجش کربن آلی محلول در آب

چکیده زمینه و هدف: اندازه گیری و پایش کربن آلی در محیط های آبی یکی از شاخص های مهم کیفی در پروژه های مدیریت محیط زیست، پایش کیفی منابع آب و تامین آب شرب است. در این تحقیق، عملکرد مدل شبکه عصبی مصنوعی و مدل رگرسیون غیر خطی چندگانه با هدف سنجش پارامتر کربن آلی در منابع آب با حداکثر ضریب همبستگی محتمل و حداقل تعداد پارامترهای ورودی، مورد مطالعه و بهینه سازی قرار...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 7  شماره 4

صفحات  539- 555

تاریخ انتشار 2016-03-01

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023