پاییز و زمستان 1400
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
دانشگاه ایلام
چکیده: (30 مشاهده)
امروزه استفاده از روشهای مدل‌سازی بهمنظور پیشبینی و مدل‌سازی زادآوری برای گونههای مختلف در طرحهای حفاظتی و مدیریتی جنگل در حال افزایش است. با مدل‌سازی زادآوری جنگل می‌توان به یک پیش‌آگهی از وضعیت و تراکم جنگل در آینده رسید و براساس آن سناریوهای مختلف مدیریتی را اتخاذ نمود. با توجه به اهمیت موضوع در این مطالعه با استفاده از شبکه عصبی مصنوعی (ANN) و خصوصیات توپوگرافی اولیه، توپوگرافی ثانویه، خصوصیات فیزیکی خاک، خصوصیات شیمیایی خاک و مشخصات ساختاری جنگل به عنوان متغیرهای مستقل به برآورد میزان زادآوری گونه بلوط در بخشی از جنگل‌های بلوط منطقه حفاظت شده مانشت و قلارنگ در استان ایلام پرداخته شد. برای این منظور توابع و مدل‌های مختلف در قالب شبکه عصبی مصنوعی مورد ارزیابی قرار گرفتند. نتایج نشان داد که شبکه عصبی مصنوعی با اشتباه معیار خطای برابر با 99/0 توانسته است به برآورد زادآوری بلوط در منطقه مورد مطالعه بپردازد. نتایج تجزیه حساسیت مدل نشان داد که کمترین میزان اشتباه معیار خطا مربوط به مدلی با وجود تمام متغیرهای ورودی است که نشان‌دهنده تأثیر مثبت تمامی پارامترهای ورودی به مدل است. به طوری که با حذف هر یک از متغیرهای ورودی صحت مدل در پیشبینی میزان زادآوری کاهش پیدا می‌کند. با این وجود متغیرهای ساختاری جنگل و مشخصات شیمیایی خاک به ترتیب مهم‌ترین عوامل مؤثر بر زادآوری بلوط در منطقه مورد مطالعه هستند. نتایج این مطالعه می‌تواند به برنامهریزان جنگل جهت دستیابی به یک پیش‌آگهی از وضعیت تراکم گونه بلوط در آینده کمک نماید.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
