بررسی عملکرد روش‌های گزینش متغیر در مدلسازی توان تولید رویشگاه راش شرقی

Abstract

توان تولیدی رویشگاه، معیاری مهم برای مدیران جنگل در خصوص پیش‌بینی مقدار تولید، بهره‌برداری مجاز سالانه، رویش و انتخاب مناسب‌ترین گونه‌های درختی برای یک رویشگاه است. در مطالعۀ حاضر قابلیت پیش‌بینی مدل‌های آماری با به‌کارگیری روش‌های مختلف گزینش متغیر برای ارتفاع غالب گونۀ راش به‌عنوان شاخصی از توان تولید رویشگاه نسبت به متغیرهای خاک و فیزیوگرافی بررسی شده است. به این منظور، 127 قطعه نمونه دایره‌ای به مساحت 1000 متر مربع در جنگل دانشگاه تربیت مدرس پیاده و در هر یک از آنها ارتفاع غالب گونة راش اندازه‌گیری شد. عملکرد پنج روش گزینش متغیر در رگرسیون خطی چندگانه (انتخاب گام‌به‌گام متغیر با آزمون F و معیارهای اطلاعاتی آکائیک و بیزین، بهترین زیرمجموعه‌ها با استفاده از معیارهای اطلاعاتی آکائیک و بیزین) و روش رگرسیون درختی بررسی شد. به‌منظور مقایسۀ کارایی روش‌های یادشده، اعتبارسنجی متقابل با 2500 تکرار استفاده شد. نتایج نشان داد که در بین پنج روش مبتنی بر رگرسیون خطی چندگانه، اختلاف اندکی در قابلیت پیش‌بینی وجود دارد. عملکرد روش‌های گام‌به‌گام مشابه الگوریتم‌های بهترین زیرمجموعه است و انتخاب معیارهای مقایسۀ مدل‌ها (شامل معیار اطلاعاتی آکائیک، معیار اطلاعاتی بیزین یا آمارۀ F) تأثیر اندکی بر قابلیت پیش‌بینی دارد. در تحقیق حاضر، روش مبتنی بر درخت رگرسیون، قابلیت پیش‌بینی کمتری داشت. استدلال این است که بهترین روش انتخاب متغیر وجود ندارد و هر یک از روش‌های مبتنی بر رگرسیون که در این تحقیق استفاده شده، می‌تواند مدل‌های پیش‌بینی مفید را ایجاد کند..