کاربرد شبکه های عصبی مصنوعی در ارزیابی خسارت به درختان سرپا در عملیات بهره برداری جنگل

بی شک بهره برداری بهینه چوب، یکی از مهمترین و اصلی ترین اهداف سیستم مدیریت جنگل محسوب می شود. از طرفی بهره برداری یک فعالیت ضروری در مدیریت جنگل بوده که به هر روشی که اجرا شود، آسیب به توده باقی مانده را به همراه خواهد داشت. ولی روش های بهبود یافته ی بهره برداری می توانند این اثراث را کاهش دهند. یکی از این روش ها، استفاده از قطع هدایت شده می باشد. در این تحقیق سعی شده است تا تاثیر قطع هدایت شده در تعداد درختان صدمه دیده در مرحله قطع و وینچینگ و همچنین زمان قطع و وینچینگ را بررسی نموده و با استفاده از شبکه های عصبی پرسپترون چندلایه (mlp) و تابع شعاع مدار (rbf)، تعداد درختان آسیب دیده در عملیات قطع و وینچینگ و همچنین زمان قطع و وینچینگ پیش بینی شود. مشاهدات و اندازه گیری ها در جنگل های نکا چوب انجام پذیرفت. تعداد 84 درخت از درختان نشانه گذاری شده انتخاب و تعداد 42 درخت را با کمک ناظر تعیین جهت نموده وجهت افت بر روی درختان و پیش از عملیات قطع با رنگ مشخص گردید. زمان قطع و وینچینگ و همچنین تعداد درختان آسیب دیده در هر دو مرحله ثبت گردید. نتایج مرحله قطع نشان داد که میانگین زمان خالص برای قطع درخت در گروه هدایت شده 95/2 دقیقه بوده در حالیکه این مقدار در درختان هدایت نشده 04/4 دقیقه ثبت گردید. همچنین تعداد درختان اطراف با قطر بیشتر از 10 سانتی متر بیشتری در گروه هدایت نشده آسیب دیدند (100 در مقابل 25 درخت). مقایسه زمان وینچینگ درختان هدایت نشده نشان داد که این زمان بیشتر از 2 برابر گروه هدایت شده بوده و همچنین تعداد درختان اطراف بیشتری در گروه هدایت نشده در زمان وینچینگ صدمه دیدند (50 در مقابل 14 درخت). بیشترین میزان صدمه در ارتفاع 5/0 تا 1 متری از سطح زمین و بیشترین فراوانی صدمات در کلاسه ی 500 تا 1000 سانتی مترمربعی اتفاق افتاد. در نهایت نتایج حاصل از شبکه عصبی نشان داد که در مرحله قطع (پیش بینی زمان قطع و تعداد درختان آسیب دیده) شبکه تابع پایه شعاعی اما در مرحله وینچینگ (پیش بینی زمان وینچینگ و تعداد درختان آسیب دیده) شبکه پرسپترون چند لایه دارای دقت بیشتری می باشد.