فهرست نشریات علمی دسترسی آزاد ایران

در این پژوهش مدل‌های مبتنی بر یادگیری ماشین (رگرسیون-خطی، k-نزدیک­ترین همسایه، ماشین بردار پشتیبان، جنگل تصادفی) برای برآورد ترسیب کربن و تنفس خاک در جنگل­های شرق استان مازندران ارزیابی شدند. پس از مشخص شدن نقاط نمونه­برداری، در هر یک از قطعات نمونه، قطر و ارتفاع درختان اندازه­گیری و زی­توده روی-زمینی درختان با استفاده از مدل‌های آلومتریک جنگل هیرکانی محاسبه شد. نمونه خاک از عمق صفر تا 20 سانتی­متر تهیه و تنفس خاک با دستگاه CO2-port اندازه­گیری شد. تنفس خاک با استفاده از متغیرهای وزن مخصوص ظاهری، درصد رطوبت، درصد اجزای بافت، دمای خاک، نیتروژن کل، فسفر و پتاسیم قابل‌جذب، درصد کربن و زی­توده درختان برآورد شد. ترسیب کربن خاک با کمک متغیرهای دما و رطوبت خاک و زی­توده درختان برآورد شد. مدل جنگل تصادفی (47/10RMSE= و 82/0R2=) و ماشین بردار پشتیبان (77/0RMSE= و 90/0R2=) به­ترتیب بالاترین عملکرد در برآورد ترسیب کربن و تنفس خاک داشت. متغیر رطوبت خاک در برآورد ترسیب کربن (مدل جنگل تصادفی) و تنفس خاک (مدل ماشین بردار پشتیبان) دارای بالاترین اهمیت نسبی بود. با توجه به نتایج به­دست­آمده می­توان با داشتن زی­توده روی-زمین درختان و ویژگی­های اولیه خاک، مقدار ترسیب کربن و تنفس خاک را در جنگل با دقت مناسب برآورد کرد.