%0 Journal Article %T برآورد مشخصه تراکم درختان جنگل با استفاده از آنالیز زمین و شبکه عصبی مصنوعی %J پژوهش‌های علوم و فناوری چوب و جنگل %I دانشگاه علوم کشاورزی و منابع طبیعی گرگان %Z 2322-2077 %D 2012 %\ 07/23/2012 %V 16 %N 4 %P 25-42 %! برآورد مشخصه تراکم درختان جنگل با استفاده از آنالیز زمین و شبکه عصبی مصنوعی %R %X اثر متقابل بین منظر زمین و خصوصیات جنگل کاملاً ثابت شده است. بنابراین فرض قابل‌قبولی است که فاکتورهای منظر زمین در یک منطقه جنگلی در ایجاد خصوصیات جنگل نقش تعیین‌‌کننده‌ای دارند. اگرچه پژوهش‌های گذشته روابط کاملاً قطعی بین خصوصیات جنگل و عوامل محیطی را شناسایی کرده‌اند، اما تاکنون مدل مناسبی برای شرح این خصوصیات ارائه نشده است. استفاده از مدل‌های رقومی زمین و مشخصه‌های قابل استخراج از آن می‌تواند برای رسیدن به این هدف به ما کمک کند. این پژوهش سعی در بررسی امکان به‌کارگیری روش نوین شبکه عصبی مصنوعی (ANN) برای پیش‌بینی پراکنش مکانی تراکم (تعداد در هکتار) جنگل و تهیه نقشه پیوسته آن در سری یک جنگل آموزشی و پژوهشی شصت‌کلاته گرگان با استفاده از خصوصیات اولیه و ثانویه توپوگرافی دارد. خصوصیات اولیه و ثانویه توپوگرافی با استفاده از مدل رقومی زمین با دقت ارتفاعی 10 متر محاسبه گردید. نقشه موقعیت جغرافیایی قطعات نمونه که با استفاده از دستگاه GPS ثبت شده بود، در محیط GIS تهیه شد. سپس مشخصه‌های اولیه و ثانویه توپوگرافی زمین در محل این قطعات نمونه استخراج گردید. مشخصه تعداد در هکتار نیز در 252 قطعه نمونه دایره‌ای با ابعاد 10 آر از طریق شمارش تعداد درختان موجود در هر قطعه نمونه و محاسبه آن در هکتار، تعیین گردید. رابطه بین تعداد در هکتار جنگل و خصوصیات توپوگرافی با استفاده از دو شبکه عصبی مصنوعی RBF و MLP مورد تجزیه و تحلیل قرار گرفت. نتایج نشان داد که شبکه تابع پایه شعاعیRBF نسبت به شبکه MLP دارای نتایج دقیق‌تری است. علاوه‌بر آن، آنالیز رگرسیون خطی برای مقایسه نتایج آن با مدل‌های  ANNانجام گردید. نتایج نشان‌دهنده توانایی شبکه عصبی در پیش‌بینی تعداد در هکتار بود و نیز نشان داد که این تکنیک می‌تواند 65 درصد تغییرات تعداد در هکتار جنگل را با استفاده از خصوصیات توپوگرافی پیش‌بینی نماید. %U https://jwfst.gau.ac.ir/article_513_195dc20e63da6ec2ef6d1f7acc900af3.pdf