برآورد ارتفاع درختان نمدار (.Tilia begonifolia Stev) با استفاده از مدل های غیرخطی

قطر و ارتفاع درختان، متغیرهایی اساسی برای بررسی زی توده، ذخیره کربن و تکامل توده های جنگلی هستند. با توجه به کم هزینه بودن و سهولت اندازه گیری قطر و زیاد بودن خطای اندازه گیری ارتفاع درخت، در این پژوهش برای برآورد ارتفاع درختان نمدار (Tilia begonifolia Stev.) در جنگل های شفارود گیلان از مدل های غیرخطی استفاده شد. نمدار در شفارود از ارتفاعات پایین تا 1800 متر از سطح دریا پراکنش دارد. این گونه، نقش مهمی در حفظ ترکیب و ساختار طبیعی جنگل ایفا می کند. داده های موردبررسی با نمونه برداری تصادفی- منظم با ابعاد شبکه 200×200 متر مربع از 48 قطعه نمونه دایره ای 10 آری در دامنه های ارتفاعی 500 تا 950 متر از سطح دریا (پارسل های 29 و 30) در سری 16 و 50 تا 500 متر از سطح دریا (پارسل های 14 و 18) در سری 17 جمع آوری شدند. مدل سازی با 12 مدل غیرخطی پرکاربرد و شبکه عصبی مصنوعی پرسپترون چندلایه با الگوریتم لونبرگ- مارکوارت انجام شد. شبکه عصبی مصنوعی از مزیت تشخیص روابط پیچیده غیرخطی بین داده های ورودی و خروجی برخوردار است. مقایسه نتایج با معیارهای کارایی سنجی RMSE، R2adj، AIC و MAD انجام شد. براساس این معیارها در بین 12 مدل موردنظر، مدل Stoffels-Van Soeset (1953) در پایین بند و مدل Burkhart-Strub (1974) برای میان بند بیشترین کارایی را داشتند، درحالی که شبکه عصبی مصنوعی در هر دو رویشگاه از بیشترین کارایی برخوردار بود. شبکه عصبی مصنوعی، مقدار خطا را برای مدل های پیشنهادی در مناطق پایین بند و میان بند به ترتیب 54/5 و 35/7 درصد کاهش داد. اگرچه دقت مدل های غیرخطی پیشنهادی برای منطقه موردبررسی مناسب بود، اما شبکه عصبی مصنوعی به دلیل دقت بیشتر نسبت به این مدل ها برتری دارد.