پیش بینی خصوصیات محیطی رویشگاه با استفاده از ترکیب پوشش گیاهی

در این پژوهش، کارایی دو روش نزدیک ترین همسایه (KNN) و میانگین وزنی (WA) در برآورد غیرمستقیم خصوصیات محیطی جوامع گیاهی ارزیابی شد. برای این منظور از اطلاعات ترکیب پوشش گیاهی تعداد 324 قطعه نمونه 400 متر مربعی مربوط به پایگاه اطلاعاتی سرخدار در جنگل های هیرکانی استفاده شد. سپس با استفاده از دو روش KNN و WA و بهره گیری از دو سری از اطلاعات ترکیب پوشش گیاهی (حضور- غیاب و درصد تاج پوشش) و مقادیر اولیه داده های محیطی، اقدام به برآورد غیرمستقیم متغیرهای محیطی (ارتفاع از سطح دریا، شیب و جهت دامنه، درصد کربن آلی، درصد ازت، درجه واکنش و بافت خاک) در هر قطعه نمونه شد. ارزیابی صحت-سنجی مدل ها با استفاده از تحلیل رگرسیون و مقدار عددی ضریب تبیین انجام شد. نتایج برآورد خصوصیات محیطی در رویشگاه های مورد بررسی نشان داد استفاده از روش KNN با استفاده از داده های درصد تاج پوشش گونه ها به دلیل بهره مندی از بالاترین مقدار ضریب تبیین نسبت به سه حالت دیگر در اولویت است. برآورد نقطه ای متغیرها با استفاده از دو رویکرد متفاوت درون یابی (KNN) و برون یابی (WA) به عنوان عامل اصلی اختلاف این دو روش ارزیابی شد. عملکرد مناسب تر روش KNN در برآورد نقطه ای خصوصیات محیطی نسبت به روش WA به دلیل استفاده از اطلاعات محیطی قطعات نمونه با بالاترین درجه مشابهت ترکیب گونه ای نسبت به نقطه مزبور است. در حالی که نتایج روش WA متاثر از دامنه تغییرات متغیرهای محیطی در سطح کل رویشگاه قرار دارد که این مسیله، افزایش میزان خطا در برآورد غیرمستقیم داده های محیطی را منجر می شود.