مدلسازی حجم تجاری درختان تودههای خالص و آمیخته در جنگل آموزشی– پژوهشی دارابکلای ساری با استفاده از الگوریتمهای ناپارامتریک
نویسندگان
1 استاد، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
2 نویسنده مسئول، پژوهشگر پسادکتری جنگلداری، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
3 دانشآموخته دکتری جنگلشناسی، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
4 دانشجوی کارشناسی ارشد جنگلداری، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
doi
10.22092/ijfpr.2022.359370.2059چکیده
حجم تجاری درختان متغیر مهمی برای تصمیمگیری و تحلیل اقتصادی در مدیریت جنگل است. در این راستا، مدلسازی و براورد حجم تجاری در جنگلهای هیرکانی پیشنیازی برای اجرای طرحهای مدیریت پایدار جنگل است. بهدلیل محدودیتهایی مانند زمان و هزینه و فقدان حجمسنجی محلی یا عمومی در معادلات، اغلب مدیران جنگل از عوامل گسترش سنتی برای تخمین حجم استفاده میکنند. بنابراین، استفاده از متغیرهای مستقل در مدلسازی حجمی گام مهمی در برازش مدلها برای نمایش است. در پژوهش پیشرو حجم تجاری پارسلهای 14، 16 و 24 از جنگل آموزشی- پژوهشی دانشکده منابع طبیعی ساری واقع در دارابکلا از توابع شهرستان ساری با استفاده از دو الگوریتم ANN و CART مدلسازی شد. پس از جنگلگردشی با توجه به هدف پژوهش، تودههایی با تیپهای مختلف جنگلی راش خالص، ممرز خالص و راش- ممرز بررسی شد. در هر تیپ، سه توده نیم هکتاری و در هر توده حداقل سه قطعهنمونه 20 ×20 مترمربعی پیاده شد و مشخصههای کمی شامل ارتفاع کل، ارتفاع تنه (طول)، قطر برابر سینه و مشخصه کیفی شامل درجه پوسیدگی تمام درختان سرپا اندازهگیری شد. همچنین، 20 درخت افتاده از گونههای راش و ممرز در سطح کل جنگل انتخاب و مشخصات طول (متر) و سطح مقطع (سانتیمتر) به ازای هر دو متر از تنه آنها اندازهگیری شد. سپس، حجم واقعی درخت در قالب قطعههای مختلف تنه و براساس رابطه اسمالیان محاسبه شد. درنهایت، از الگوریتمهای ANN و CART برای مدلسازی حجم درختان سرپا از درختان افتاده در محیط نرمافزارSTATISTICA12.0 استفاده شد. ضریب تبیین R2 برای مدلسازی سه توده راش خالص، ممرز خالص و آمیخته راش - ممرز با دو الگوریتم ANN و CART بهترتیب (82/0 و 77/0)، (44/0 و 72/0) و (91/0 و 84/0) بود. نتایج نشان داد نشان داد الگوریتم ANN با ضریب تبیین 91/0R2= و مجذور میانگین مربعات خطا 51/10 درصد عملکرد بهتری داشت. همچنین، عملکرد این الگوریتم برای توده آمیخته راش - ممرز نسبت به هر یک از تودههای خالص راش و ممرز بهتر بود.