مدلسازی حجم تجاری درختان توده های آمیختۀ راش جنگل های هیرکانی با استفاده از شبکۀ عصبی مصنوعی
Authors
abstract
پیشبینی دقیق حجم درختان سرپا برحسب متر مکعب مبنای برآورد هر چه دقیق تر مقدار رویش، برداشت مجاز، ترسیب کربن زی تودۀ هوایی درختان و مدیریت بهینۀ جنگل براساس اصل توسعۀ پایدار محسوب می شود. از این رو، تحقیق حاضر با استفاده از شبکۀ عصبی مصنوعی در پی مدلسازی و پیش بینی حجم تجاری با حداکثر قطعیت است. پژوهش موردی جنگل سری 3 گلندرود نور بوده و اطلاعات دریافتی مستخرج از جدول های تجدید حجم ادارۀ کل منابع طبیعی نوشهر شامل قطر، ارتفاع کل و مقادیر حجمی مربوط به 150 اصله درختان قطع شده است. کلیۀ مقادیر حجمی به ازای کمیت های بیوفیزیکی مذکور به عنوان لایۀ ورودی به صورت مرحله ای با استفاده از شبکۀ عصبی پیش خور الگوریتم پس انتشار ffbp مدلسازی شدند. همچنین از دو تابع انتقال نورون غیرخطی logsig و tansig استفاده شد، طوری که هر مدل با توپولوژی مختلف شبکۀ مدنظر برای رسیدن به پاسخ هدف، دقت متفاوتی را نشان داد. نورون های انتقالی برای رسیدن به حداقل خطای آزمون داده ها در هر الگوریتم آموزش، پس از وزن دهی اولیه دارای تعداد چرخش متفاوت بودند. نتایج مدلسازی پس از سعی و آزمون مکرر نشان داد که مدل حاوی قطر و ارتفاع کل با تابع انتقالی logsig با معماری دو لایۀ پنهان و 15 نورون دارای حداقل میانگین مربعات خطای آزمون ( mse)، حداقل میانگین انحراف معیار و حداکثر ضریب تبیین (158/0= ad، 99/0= r2) است که از این رو به عنوان مدل بهینه معرفی می شود.
similar resources
مدلسازی حجم تجاری درختان تودههای آمیختۀ راش جنگلهای هیرکانی با استفاده از شبکۀ عصبی مصنوعی
پیشبینی دقیق حجم درختان سرپا برحسب متر مکعب مبنای برآورد هر چه دقیق‌تر مقدار رویش، برداشت مجاز، ترسیب کربن زی‌تودۀ هوایی درختان و مدیریت بهینۀ جنگل براساس اصل توسعۀ پایدار محسوب می‌شود. از این‌رو، تحقیق حاضر با استفاده از شبکۀ عصبی مصنوعی در پی مدلسازی و پیشبینی حجم تجاری با حداکثر قطعیت است. پژوهش موردی جنگل سری 3 گلندرود نور بوده و اطلاعات دریافتی مستخرج از جدول‌های تجدید حجم ادارۀ کل منابع...
full textمطالعه فلورستیک گیاهان آشکوب علفی جنگل های راش هیرکانی (مطالعه موردی: جنگل راش ناو اسالم)
تحقیق حاضر در بخشی از جنگلهای سری سه ناو (3370 هکتار)، که یکی از سریهای حوزه هفت ناو در غرب استان گیلان به شمار میآید، انجام گرفته است. به منظور شناسایی فلور، بررسی کورولوژیک عناصر گیاهی، شکل رویشی و زیستی گیاهان علفی زیرآشکوب راشستانهای منطقه، اقدام به انجام این تحقیق گردید. بعد از جمعآوری و شناسایی گونهها، تعداد 109 گونه گیاهی متعلق به 75 جنس و 41 خانواده گیاهی در تودههای جنگلی راش ناو...
full textبرآورد 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...
full textبررسی امکان برآورد ترسیب کربن تنه درختان راش (fagus orientalis lipskey) در جنگل های هیرکانی با استفاده از روشهای غیرتخریبی
با توجه به اینکه درختان در اکوسیستم های جنگلی به عنوان مخازن بزرگ کربن در رابطه با کاهش انتشار کربن اتمسفری به شمار می روند؛ چگونگی برآورد موجودی ذخایر کربن آنها از جمله مهمترین موضوعاتی است که امروزه محققین اکولوژی به دنبال آن می باشند. با توجه به سهم تنه در خصوص حداکثر وزن درختان، تحقیق حاضر به دنبال اینست که آیا استفاده از روش های غیر تخریبی برای برآورد مقادیر ترسیب کربن تنه درختان راش شرقی ...
full textارائه مدل تغییرات شعاعی و عمودی چگالی تنة درختان راش (Fagus orientalis Lipskey) در جنگلهای هیرکانی با استفاده از تکنیک شبکة عصبی مصنوعی
full text
مدل سازی زوال درختان بلوط با استفاده از شبکه های عصبی مصنوعی
جنگل های زاگرس بیشترین تأثیر را در تأمین آب، حفظ خاک و تعدیل آب و هوای کشور دارد. با این وجود بخش قابل توجهی از این جنگل ها دچار پدیده ی زوال درختان بلوط شده است. مشخص نبودن پارامترهای مؤثر در زوال و نحوه ی ارتباط پارامترها، از جمله عواملی هستند که باعث سخت تر شدن شناخت و مدل سازی این پدیده می شود. هدف این پژوهش تعیین پارامترهای تاثیرگذار برای مدل سازی زوال درختان بلوط و مدل سازی این پ...
full textMy Resources
Save resource for easier access later
Journal title:
جنگل و فرآورده های چوبجلد ۷۰، شماره ۱، صفحات ۴۹-۶۰
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023