قابليت پيش بيني مدل‌هاي آماري در ارزيابي توان توليد رويشگاه راش شرقي

Predictability of Statistical models in the evaluate site productivity Fagus Orientalis Lipsky trees

در مطالعه حاضر قابليت پيش بيني مدل‌هاي خطي و جمعي تعميم يافته براي ارتفاع غالب گونه راش به عنوان شاخصي عالي از كيفيت رويشگاه مورد بررسي قرار گرفته است. ارتفاع غالب در مطالعه حاضر به صورت ميانگين ارتفاع سه اصله از مرتفع ترين درخت در هر قطعه نمونه تعريف مي‌شود. به اين منظور، در تيپ‌هايي كه در آنها گونة راش غالب بود، 127 قطعة نمونه دايره‌اي به مساحت 1000 مترمربع پياده و در هر يك از آنها ارتفاع و قطر تمام درختان گونة راش قطورتر از 7/5 سانتي‌‌متر علاوه بر ارتفاع از سطح دريا و درصد شيب و آزيموت اندازه‌گيري و ثبت شد. همچنين در مركز هر قطعة نمونه، از عمق 10-0 سانتي‌متري، نمونه‌برداري خاك صورت گرفت و متغيرهاي فيزيكي و شيميايي متعددي اندازه‌گيري شد. در تحقيق حاضر، عملكرد پنج روش گزينش متغير به‌طور جداگانه براي هريك از مدل‌هاي خطي و جمعي تعميم‌يافته مورد بررسي قرار گرفته است. به منظور مقايسه كارآيي روش‌هاي گزينش متغير در مدل خطي تعميم‌يافته، از اعتبارسنجي متقابل با 2500 تكرار و در مدل جمعي تعميم‌يافته از اعتبارسنجي fold-10 استفاده شده است. پس از انتخاب بهترين روش گزينش متغير در هريك از دو مدل خطي و جمعي تعميم‌يافته‌، اهميت نسبي هر يك از متغيرهاي مهم را محاسبه نموده كه درنهايت متغير ارتفاع از سطح دريا به‌عنوان مهمترين متغير اثرگذار بر ارتفاع غالب گونه راش شناسايي شد. سپس با استفاده از معيارهاي ارزيابي حاصل از داده‌هاي مدل‌سازي مشاهده گرديد مدل جمعي تعميم‌يافته از نظر معيارهاي ارزيابي، عملكرد بهتري نسبت به مدل خطي تعميم-يافته دارد.

In the present study, evaluated predictability of generalized additive and linear models in R software by applying selection variable different method for dominant height of beech species as a high criterion for site productivity. Dominant height defined as average height of three highest trees in any sample plots. For this purpose, locate 127 circular sample plots with an area of 1000 square meters in beech dominated forests in research forest of Tarbiat Modares university and in each of them height and diameter of Fagus Orientalis Lipsky trees that greater than a diameter of 7.5 cm within each of plot was recorded along with elevation and percent slope and azimuth. Also, at the center of each sample plot, soil samples from 0-10 cm depth were taken, and several soil physical and chemical variables were measured. In this study, performance of five variable-selection methods evaluated individually for each of generalized linear and additive modeles. In order to compared the performance of variable-selection methods in generalized linear model, is used cross-validation with 2500 repeated and for generalized additive model is cross-validation 10-fold. After selecting the best method of variable selection in each of generalized linear and additive models, obtained relative importance of any important variable that finally altitude variable explored as the most important effective variable on dominant height of beech species. Then Using the evaluation criteria of data modeling which showed generalized additive model of evaluation criteria,has better performance than generalized linear model.