بررسی عملکرد روش های گزینش متغیر در مدلسازی توان تولید رویشگاه راش شرقی

توان تولیدی رویشگاه، معیاری مهم برای مدیران جنگل در خصوص پیش بینی مقدار تولید، بهره برداری مجاز سالانه، رویش و انتخاب مناسب ترین گونه های درختی برای یک رویشگاه است. در مطالعه حاضر قابلیت پیش بینی مدل های آماری با به کارگیری روش های مختلف گزینش متغیر برای ارتفاع غالب گونه راش به عنوان شاخصی از توان تولید رویشگاه نسبت به متغیرهای خاک و فیزیوگرافی بررسی شده است. به این منظور، 127 قطعه نمونه دایره ای به مساحت 1000 متر مربع در جنگل دانشگاه تربیت مدرس پیاده و در هر یک از آنها ارتفاع غالب گونه راش اندازه گیری شد. عملکرد پنج روش گزینش متغیر در رگرسیون خطی چندگانه (انتخاب گام به گام متغیر با آزمون F و معیارهای اطلاعاتی آکائیک و بیزین، بهترین زیرمجموعه ها با استفاده از معیارهای اطلاعاتی آکائیک و بیزین) و روش رگرسیون درختی بررسی شد. به منظور مقایسه کارایی روش های یادشده، اعتبارسنجی متقابل با 2500 تکرار استفاده شد. نتایج نشان داد که در بین پنج روش مبتنی بر رگرسیون خطی چندگانه، اختلاف اندکی در قابلیت پیش بینی وجود دارد. عملکرد روش های گام به گام مشابه الگوریتم های بهترین زیرمجموعه است و انتخاب معیارهای مقایسه مدل ها (شامل معیار اطلاعاتی آکائیک، معیار اطلاعاتی بیزین یا آماره F) تاثیر اندکی بر قابلیت پیش بینی دارد. در تحقیق حاضر، روش مبتنی بر درخت رگرسیون، قابلیت پیش بینی کمتری داشت. استدلال این است که بهترین روش انتخاب متغیر وجود ندارد و هر یک از روش های مبتنی بر رگرسیون که در این تحقیق استفاده شده، می تواند مدل های پیش بینی مفید را ایجاد کند..