کاربرد شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در مدلسازی حجم توده سرپا با استفاده از داده های محیطی و سنجش از دور

جهت اداره جنگل ها و بهره برداری بهینه و پایدار از جنگل آگاهی از اطلاعات حجم توده سرپا ضروری به نظر می رسد. در این مطالعه، آماربرداری به صورت تصادفی سیستماتیک به تعداد 186 پلات 10 آری دایره ای شکل در جنگل آموزشی و پژوهشی دارابکلا ساری انجام پذیرفت و حجم هر یک از این پلات ها بدست آمد. در گام بعد، با استفاده از نقشه ی توپوگرافی، لایه های فیزیوگرافی منطقه تهیه و با استفاده از تصویر LISS-III ماهواره IRS-P6 با اندازه تفکیک 5/23 مشخصه های پوشش گیاهی تهیه گردید. پس از تهیه لایه های فیزیوگرافی و مشخصه های پوشش گیاهی، مقدار آن ها برای تمام پلات ها محاسبه شد. سپس با در نظر گرفتن این متغیرها و با استفاده از دو روش پرسپترون چند لایه شبکه های عصبی و رگرسیون چندگانه مدل سازی صورت گرفت. نتایج نشان داد که مدل خطی چندگانه با مقدار 75/0 =R2  و 3/0  = RMSE تغییرات حجم در منطقه را با دقت بالاتری توانست مدل سازی نماید. از نتایج این تحقیق می توان در برنامه ریزی های مدیریتی و به عنوان یکی از عوامل اثرگذار در طراحی مسیرهای چوبکشی و جاده های جنگلی استفاده نمود، به گونه ای که مناطق دارای حجم بیشتر تحت پوشش بیشتری قرار گیرند.