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

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.