• ثبت نام
    • ورود به سامانه
    مشاهده مورد 
    •   صفحهٔ اصلی
    • نشریات فارسی
    • مجله جنگل ایران
    • دوره 9, شماره 4
    • مشاهده مورد
    •   صفحهٔ اصلی
    • نشریات فارسی
    • مجله جنگل ایران
    • دوره 9, شماره 4
    • مشاهده مورد
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    کارایی روش رگرسیون‌کریجینگ در تهیۀ نقشۀ توان تولید رویشگاه راش در جنگل پژوهشی دانشگاه تربیت مدرس

    (ندگان)پدیدآور
    احدی, زهراعلوی, سید جلیلحسینی, سید محسن
    Thumbnail
    دریافت مدرک مشاهده
    FullText
    اندازه فایل: 
    834.4کیلوبایت
    نوع فايل (MIME): 
    PDF
    نوع مدرک
    Text
    مقاله پژوهشی
    زبان مدرک
    فارسی
    نمایش کامل رکورد
    چکیده
    تهیۀ نقشۀ توان تولید جنگل که توانایی رویشگاه را در ایفای نقش‌هایی همانند تولید چوب و ترسیب کربن نشان می‌دهد، امری اجتناب‌ناپذیر در مدیریت و بهره‌برداری پایدار اکوسیستم جنگلی است. وسعت فراوان جنگل‌های شمال کشور و کوهستانی بودن آنها، سبب شده است که یافتن روش مناسب برای تهیۀ نقشۀ ویژگی‌های کمّی جنگل ضروری باشد. از طرفی اهمیت تجاری و زیست‌محیطی جنگل‌های خزری و به‌خصوص گونۀ راش که از اقتصادی‌ترین و فراوان‌ترین گونه‌های پهن‌برگ در این جنگل‌هاست، سبب می‌شود که همواره تهیۀ اطلاعات کمی و کیفی دقیق از آنها و بررسی تغییرات مربوط بهآنها ضروری باشد. تحقیق حاضر در زمینۀ ارزیابی کارایی روش رگرسیون‌کریجینگ در تهیۀ نقشۀ توان تولید رویشگاه راش در جنگل آمیخته و ناهمسال راش دانشگاه تربیت مدرس انجام گرفت. به‌منظور جمع‌آوری اطلاعات لازم، 12۳ قطعه نمونۀ دایره‌ای به مساحت 1000 متر مربع در توده‌هایی که گونۀ راش وضعیت چیره یا چیره‌نما داشت، به روش آماربرداری منظم تصادفی در شبکه‌ای به ابعاد 100 × 100 متر پیاده شد. پس از محاسبۀ شاخص توان تولید رویشگاه راش در محل هر یک از قطعات نمونه و استخراج متغیرهای اولیه و ثانویه، کارایی دو رویکرد مدلسازی رگرسیون خطی چندگانه و جنگل تصادفی به‌عنوان مدل‌های مبنا در روش رگرسیون کریجینگ در تهیۀ نقشۀ توان تولید رویشگاه راش ارزیابی شد. نتایج اعتبارسنجی متقابل با توجه بهمقدار میانگین خطای نسبی و مقدار مجذور میانگین مربعات خطای نسبی نشان داد که الگوریتم جنگل تصادفی عملکرد بسیار بهتری از روش رگرسیون‌کریجینگ با مدل مبنای رگرسیون خطی و روش کریجینگ داشت، به‌طوری که مجذور میانگین مربعات خطا را در حدود 70 درصد کاهش داد. از این‌رو روش رگرسیون‌کریجینگ با مدل مبنای جنگل تصادفی توانست با دقت بیشتری نقشۀ توان تولید رویشگاه راش را تهیه کند.
    کلید واژگان
    جنگل تصادفی
    درون‌یابی
    رگرسیون
    زمین‌آمار
    کریجینگ
    یادگیری ماشین
    اکولوژی و جنگلشناسی

    شماره نشریه
    4
    تاریخ نشر
    2018-01-21
    1396-11-01
    ناشر
    انجمن جنگلبانی ایران
    Iranian Society of Forestry
    سازمان پدید آورنده
    دانشجوی کارشناسی ارشد جنگلداری، دانشکدۀ منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور
    استادیار گروه جنگلداری، دانشکدۀ منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور
    استاد گروه جنگلداری، دانشکدۀ منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور

    URI
    http://www.ijf-isaforestry.ir/article_57291.html
    https://iranjournals.nlai.ir/handle/123456789/83091

    مرور

    همه جای سامانهپایگاه‌ها و مجموعه‌ها بر اساس تاریخ انتشارپدیدآورانعناوینموضوع‌‌هااین مجموعه بر اساس تاریخ انتشارپدیدآورانعناوینموضوع‌‌ها

    حساب من

    ورود به سامانهثبت نام

    آمار

    مشاهده آمار استفاده

    تازه ترین ها

    تازه ترین مدارک
    © کليه حقوق اين سامانه برای سازمان اسناد و کتابخانه ملی ایران محفوظ است
    تماس با ما | ارسال بازخورد
    قدرت یافته توسطسیناوب