پیش بینی حجم سرپای درخت صنوبر (Populus alba) با روش شبکه عصبی مصنو عی (مطالعه موردی: شهرستان اردبیل)

زراعت چوب یکی از بزرگترین طرح های سازما ن جنگل ها برای حفاظت از جنگل ها و منابع طبیعی است که بر مبنای توسعهکشت درختان تندرشد و زودبازده مانند صنوبر و اکالیپتوس است. برای مدیریت کاشت، خرید و فروش مزرعه صنوبر لازم استحجم سرپای آن اندازه گیری شود. از این رو، با روش هایی مانند: هوبر، اسمالین، پرسلر با استفاده از ارتفاع درخت و قطر درارتفاع های مختلف، حجم و ضریب شکل محاسبه می شوند. این مطالعه با هدف پیش بینی حجم سرپای درخت صنوبر (Populusalba) با روش شبکه عصبی مصنوعی انجام شد. در این مطالعه تعداد ۶۰ اصله درخت صنوبر (Populus alba) در شهرستاناردبیل در دامنه های قطری صفر تا ۱۰، ۱۰ تا، ۲۰، ۲۰ تا ۳۰، ۳۰ تا ۴۰ نمونه گیری شد. نمونه گیری بصورت تصادفی انجام شد و برای هر دامنه قطری ارتفاع و قطر در ارتفاع برابر سینه ۶۰ درخت با متر لیزری و کالیپر اندازه گیری شد. برای پیش بینی حجمسرپای درخت صنوبر از مدل شبکه عصبی ساده و چند گانه استفاده شد. ورودی در مدل شبکه عصبی به ترتیب قطر در ارتفاعبرابر سینه و ارتفاع درخت و خروجی در مدل حجم سرپای درخت بود. در این مطالعه برای مطالعه مدل ساده شبکه عصبیداده های ورودی قطر یا ارتفاع بصورت جداگانه به مدل وارد شدند، اما برای مدل چند گانه این دو شاخص به طور همزمان بهعنوان داده ورودی وارد مدل شدند. تعداد لایه پنهان ۱ درنظر گرفته شد و برای آن ۲ نورون در نظر گرفته شد. نتایج نشان داد که MAPE و (R(۲ برای مدل ساده با شاخص قطر به ترتیب ۱۱/۷۷ و ۰/۹۷۴۳ با شاخص ارتفاع به ترتیب ۴۴/۴۸ و ۰/۷۹۱۲ بود. MAPE و (R(۲ برای مدل چندگانه به ترتیب ۰/۸۲ , ۰/۹۹۹۹ بود که به عنوان بهتری ن مدل در این مطالعه ارائه شد.

کلیدواژه ها:

زراعت چوب ، صنوبر ، پیش بینی حجم ، روش شبکه عصبی مصنوعی