كاربرد شبكه عصبي مصنوعي و رگرسيون خطي چندگانه در مدل‌سازي حجم توده سرپا با استفاده از داده‌هاي محيطي و سنجش‌ازدور

براي اداره و بهره برداري بهينه و پايدار از جنگل آگاهي از اطلاعات حجم توده سرپا ضروري به نظر مي‌رسد. در پژوهش حاضر مدل‌سازي حجم توده سرپا جنگل آموزشي و پژوهشي دارابكلاي ساري صورت پذيرفت. بدين منظور به تعداد 186 قطعه نمونه 10 آري به‌صورت تصادفي سيستماتيك دايره اي شكل آماربرداري انجام گرفت و با استفاده از داده‌هاي سنجش دور و روش‌هاي شبكه عصبي مصنوعي و رگرسيون خطي چندگانه  مدل‌سازي گرديد. به عبارتي با استفاده از نقشه توپوگرافي، لايه هاي فيزيوگرافي منطقه تهيه و با استفاده از تصوير LISS-III ماهواره IRS-P6 با اندازه تفكيك 23.5 مشخصه هاي پوشش گياهي تهيه گرديد و با درنظرگرفتن اين متغيرها و داده‌هاي برداشت شده مدل‌سازي و ارزيابي صحت مدل‌ها صورت گرفت. نتايج بيانگر دقت فراوان مدل خطي چندگانه با مقدار 0.75 =R2  و 0.3  = RMSE در برآورد تغييرات حجم توده سرپا نسبت به مدل شبكه عصبي مصنوعي در منطقه بود؛ به‌طوري‌كه شاخص‌هاي TVI و DVI جزو شاخص‌هاي تأثيرگذار شناخته شدند. از نتايج پژوهش حاضر مي‌توان در برنامه‌ريزي‌هاي مديريتي و به‌عنوان يكي از عوامل اثرگذار در طراحي مسيرهاي چوبكشي و جاده هاي جنگلي استفاده نمود، به‌گونه‌اي كه مناطق داراي حجم توده‌ سرپا بيشتر تحت پوشش قرار گيرند.