مدلسازی جنگل زدایی با روش های چند متغیره آماری و شبکه عصبی مصنوعی در جنگل های فلارد

هدف از این تحقیق، بررسی و مدلسازی ارتباط جنگل زدایی و متغیرهای انسانی – فیزیوگرافی ر جنگل های فلارد است. جنگل زدایی براساس کاهش درصد تاج پوشش جنگل با استفاده از تفسیر چشمی عکس های هوایی سال های 1334، 1346، 1376 و تصویر ماهواره ای سال 1387 انجام شد. رابطه ساده میزان جنگل زدایی و متغیرهای مستقل (عوامل توپوگرافی، نزدیکترین فاصله به جاده، نزدیکترین فاصله به مناطق مسکونی ، تراکم جاده، جمعیت) با استفاده از تحلیل همبستگی پیرسون انجام گردید. مدلسازی آماری با استفاده از رگرسیون چند متغیره صورت گرفت. در مرحله ایجاد مدل پارامترهای مختلف نظیر ضریب همبستگی، انحراف معیار مدل، معنی داری مدل و ضرایب آن، اریبی نسبی و جذر میانگین مربعات خطای نسبی مورد نظر قرار گرفت در مدلسازی با استفاده از شبکه عصبی مصنوعی ساختار بهینه شبکه با استفاده از معیارهای ضریب تبیین و جذر میانگین مربعات خطا تعیین شد. نتایج تحلیل همبستگی پیرسون نشان داد متغیرهای نزدیکترین فاصله به جاده، نزدیکترین فاصله به روستا، ارتفاع از سطح دریا و جمعیت به ترتیب بیشترین رابطه را با تخریب جنگل دارند. بهترین مدل های آماری به دست آمده =1.293-0.281(root sdr)-0.010(root ndv) log34-46), (root sdr)- 1.889-0.455(root sdr)= log46-76 و 0.009(root ndv)- log76-87=1.28-0.259(root sdr)بودند. همچنین در مدلسازی شبکه عصبی مصنوعی متغیرهای نزدیکترین فاصله به روستا، نزدیکترین فاصله به جاده، ارتفاع از سطح دریا و جمعیت بیشترین نقش را ایفا نمودند. با توجه به خطای برآورد مدلسازی، شبکه عصبی مصنوعی نسبت به رگرسیون چند متغیره روش بهتری برای مدل سازی چنین متغیر هایی است.