پهنه بندی تودههای جنگلی مستعد زوال بلوط زاگرس با استفاده از روشهای یادگیری ماشین (جنگل بلوط بلند در استان چهارمحال و بختیاری)
نویسندگان
1 دانشجوی دکتری گروه علوم جنگل، دانشگاه شهرکرد
2 دانشیار گروه علوم جنگل، دانشکده منابع طبیعی و علوم زمین دانشگاه شهرکرد، شهرکرد
3 استادیار گروه علوم جنگل، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد
doi
10.22111/jneh.2024.47669.2017چکیده
جنگلهای زاگرس به عنوان یکی از زیست بومهای ارزشمند ایران به شمار میآیند که زیستگاه جانوران و گیاهان متنوعی هستند. بحرانهای اخیر مانند گرم شدن کره زمین، خشکسالی و طوفانهای گرد و غبار این زیستبوم را به خطر انداخته و باعث ضعیف شدن تک درختان یا گروههایی از درختان منطقه شده است. زوال به عنوان یک اختلال و چالش مهم، درختان بلوط در منطقه زاگرس را تهدید میکند. هدف این مطالعه بررسی امکان پهنه بندی درختان مستعد زوال با استفاده از الگوریتمهای یادگیری ماشین است. منطقه مورد مطالعه 101 هکتار از جنگلهای زاگرس میانی موسوم یه منطقه "بلوط بلند" واقع در استان چهارمحال و بختیاری را در بر میگیرد. آماربرداری زمینی بهمنظور برداشت وضعیت سلامت درختان در 37 عدد قطعهنمونه 1000 مترمربعی انجام شد. علاوه بر این نقشه واقعیت زمینی بهصورت موردی بر اساس بررسی درخت به درخت در 11 درصد از سطح منطقه تهیه شد. پس از انجام تحلیل تفکیکپذیری سه طبقه شامل "طبقه 1 خشکیدگی" با میزان خشکیدگی کمتر از 50 درصد، "طبقه 2 خشکیدگی" با میزان خشکیدگی بیش از 50 درصد و طبقه "سایر" شامل خاک لخت، جنگل تنک، جاده و بیرونزدگی سنگی برای طبقهبندی انتخاب شدند. در این مطالعه قابلیت چهار روش یادگیری ماشین شامل حداکثر احتمال، شبکه عصبی، جنگل تصادفی و ماشین بردار پشتیبان مقایسه شد. نتایج نشان داد که روش حداکثر احتمال میتواند بیشترین صحت کلی و ضریب کاپا را به ترتیب معادل 87/0 درصد و 73/0 ارائه دهد. همچنین در طبقه دوم مساحت خشکیدگی زیادتر است و بیانگر این است که میزان خشکیدگی منطقه رو به رشد است. پیشنهاد میشود با مطالعه مستقیم رفتار طیفی درخت در فرایند خشکیدگی و معرفی شاخصهای طیفی مناسب، نسبت به شناسایی زود هنگام تودههای در معرض خشکیدگی اقدام نمود.