مدلسازی ارزیابی کیفیت زیباشناختی منظر جنگل با استفاده از شبکه عصبی مصنوعی
author
Abstract:
سابقه و هدف: با توجه به کاهش روزافزون قابلیت برداشت چوب از جنگلهای هیرکانی نیاز به برنامهریزی برای استفاده از سایر قابلیتهای اکوسیستمهای جنگلی همچون اکوتوریسم بیشتر از گذشته احساس میشود. برنامهریزی اکوتوریسم نیاز به اطلاعات کافی درباره جذابیتهای اکولوژیکی، ساختار و عناصر منظر طبیعی دارد. از طرفی ارزیابی صحیح از وضعیت مناظر مختلف در یک منطقه مستلزم داشتن اطلاعات کافی در مورد معیارهای تاثیرگذار و همچنین نوع، نحوه و میزان اثرگذاری هر یک از این معیارها در درک کاربر از کیفیت منظر است. تعیین نقاطی که از نظر ساختار منظر، کیفیت بالایی دارند گام اول در جهت بالا بردن کیفیت زیباشناختی آنها و حفاظت از اکوسیستم طبیعی میباشد. در این مطالعه تلاش جهت ارزیابی کیفیت زیباشناختی منظر جنگل با استفاده از ترکیب دیدگاه جامع کمی و روش مدلسازی شبکه عصبی مصنوعی جهت تعیین موثرترین عناصر عینی منظر در افزایش کیفیت زیباشناختی ذهنی منظر است. مواد و روشها: پژوهش حاضر در سه بخش پاتم، نمخانه و گرازبن جنگل آموزشی پژوهشی خیرود دانشکده منابع طبیعی دانشگاه تهران (با تنوع بالا در کیفیت منظر) انجام شد. در منطقه جنگلی مورد مطالعه در مجموع 200 منظر با ساختار متنوع از نظر پوشش درختی و ترکیب منظرهها شناسایی و اطلاعات مربوط به عناصر و ویژگیهای منظر ثبت گردید و کیفیت زیباشناختی با دید ناظر ارزیابی شد. در این تحقیق به منظور مدلسازی ارزیابی کیفیت زیباشناختی منظر جنگل، ویژگیهای ساختاری و عناصر هریک از مناظر ثبت و اقدام به طبقهبندی کیفیت زیباشناختی منظر در سه کلاس کیفیت زیباشناختی ضعیف(1)، مطلوب(2) و عالی(3) گردید. به منظور پردازش دادهها با ابزار هوشمند شبکه عصبی، از شبکه پرسپترون چندلایه استفاده شد. یافتهها: با توجه به ضرایب تبیین آزمون شبکه معادل 88/0، 896/0 و 969/0 در طبقهبندی کلاسهای 1 تا 3، دقت شبکه عصبی در پیشبینی کیفیت زیباشناختی منظر جنگل از سطح بسیار مطلوبی برخوردار است. بر اساس نتایج آنالیز حساسیت ترکیب منظر، تنوع منظر درختی و پوشش درختان قطور به ترتیب بیشترین تاثیر را در طبقهبندی مناظر جنگل در کلاس1 و 2 داشتهاند. از طرفی تنوع منظر درختی، ترکیب منظر و موقعیت دید به ترتیب بیشترین تاثیر را در طبقهبندی مناظر در کلاس3 از خود نشان دادند. نتیجه گیری: شناسایی تأثیرگذارترین عناصر بر کیفیت زیباشناختی منظر جنگل، مشخص میسازد که جهت مدیریت و برنامهریزی منظر جنگل و دستیابی به نقاط چشمانداز با کیفیت منظر مطلوب از دیدگاه کاربر یا ناظر توجه به ترکیب منظر و تنوع بالا در منظرههای موجود، تنوع منظر درختی با تنوع بالا در گونههای درختی توده و همچنین حضور درختان قطور و کهنسال در الویت قرار میگیرد. تحقیق حاضر روش نوینی را در ارزیابی کیفیت زیباشناختی منظر جنگل ارائه میکند و مدل حاصله علاوه بر ارائه معیارهای کاربردی در ارزیابی کیفیت منظر جنگل، به عنوان یک سامانه پشتیبان تصمیمگیری با قابلیت استفاده در اکوسیستمهای جنگلی مشابه شناخته میشود.
similar resources
مدل سازی کیفیت زیباشناختی منظر در فضای سبز شهری با استفاده از شبکه عصبی مصنوعی
ارزیابیهای کیفیت منظر عمدتا اشاره به نقش کلیدی عناصر طبیعی و مصنوعی منظر در ایجاد رضایتمندی و درک زیبایی از منظر دارند. هدف از این مقاله مدلسازی ارزیابی کیفیت زیباشناختی منظر با استفاده از شبکه عصبی مصنوعی به منظور کشف روابط حاکم در ساختار منظر و ارتباط عناصر منظر با کیفیت زیباشناختی آن است. جهت انجام پژوهش حاضر چهار بوستان (جمشیدیه، نهج البلاغه، قیطریه، آب و آتش) با تنوع بالا در کیفیت منظر ...
full textمدلسازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی
مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار MATLAB 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلا...
full textمدلسازی آشفتگی انبوهی جنگل در ارزیابی محیطی با استفاده از شبکه عصبی مصنوعی
ارزیابی اثرات محیط زیستی بهعنوان یک ابزار اساسی برای مدیریت محیط زیستی و توسعه پایدار شناخته شده است، اما زمانیکه به مقادیر کمی برای تصمیمگیری نیاز است، ارزیابی اثرات دچار مشکل میشود و نیاز به مدلسازی آشکار است. هدف از پژوهش پیشرو طراحی و پیادهسازی یک سامانه مبنی بر شبکه عصبی مصنوعی با استفاده از اجزای اکوسیستم، فعالیتهای طرح جنگلداری و میزان آشفتگی تراکم تاجپوشش اکوسیستم جنگلی (انبوهی...
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 textمدلسازی غلظت تری هالومتان در آب شرب با استفاده از شبکه عصبی مصنوعی
در این مطالعه جهت مدل سازی میزان غلظت تری هالومتان در آب شرب، از شبکه عصبی مصنوعی استفاده شده است. پس از آموزش، شبکه عصبی قادر است براساس مشخصات کیفی آب و میزان غلضت کلر در آب شرب، میزان غلظت تری هالومتان را پیش بینی کند. جهت ارزیابی و تشریح مدل، آب تصفیه خانه سنگر واقع در شهرستان رشت به صورت موردی بررسی شده است. از اندازه گیری های انجام یافته بر روی آب شرب تصفیه خانه سنگر، داده های مورد نیاز،...
full textMy Resources
Journal title
volume 24 issue 3
pages 17- 34
publication date 2017-11-22
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023