مقايسه مدل‌هاي جنگل تصادفي (RF) و درخت رگرسيون تقويت شده (BRT) در پيش‌بيني حضور گونه‌هاي غالب مرتعي در مراتع پلور، مازندران

Comparison of Random Forest (RF) and Boosting Regression Tree (BRT) For Prediction of Dominant Plant Species Presence in Polour Rangelands, Mazandaran Province

براي انجام اين تحقيق، مراتع پلور در استان مازندران با مساحت حدود 2017 هكتار انتخاب شد. هدف پژوهش پيش‌بيني حضور گونه‌هاي غالب مرتعي با استفاده از مدل‌هاي جنگل تصادفي (RF) و درخت رگرسيون تقويت شده (BRT) در منطقه مورد مطالعه بود. نمونه‌‎برداري از پوشش گياهي و خاك به‌صورت تصادفي- مساوي انجام شد. 12 واحد كاري در منطقه به‌دست آمد كه در هر واحد نمونه‎برداري عوامل اقليمي، توپوگرافي و خاكي اندازه‌گيري شدند. پنج گونه غالب در منطقه Astragalus ochrodeucus، Ferula gumosa، Thymus kotschyanus، Onobrychis cornata و Agropyron repens تشخيص داده شد. براي بررسي ارزيابي مدل‌ها از روش Ten-fold در بسته (caret) استفاده گرديد. همچنين براي ارزيابي عملكرد پيش‌بيني مدل از ضرايب آماري AUC، Kappa و TSS استفاده شد. نتايج نشان داد كه در مدل RF متغير‌هاي پتاسيم و آهك بيشترين اهميت را در حضور گونه‌هاي گياهي داشتند. در مدل BRT نيز سيلت و جهت بيشترين اهميت را در مدل داشتند. نتايج حاصل از عملكرد مدل‌هاي BRT و RF نشان داد كه بالاترين AUC در مدل BRT مربوط به حضور گونه Agropyron repens به ميزان 0/76 و در مدل RF مربوط به گونه Onobrychis cornata بوده است. از مدل‌هاي پيشنهادي مي‌توان براي معرفي گونه‌هاي مناسب در برنامه‌هاي اصلاحي مرتعي استفاده نمود.

For this study, Polour rangelands were chosen with an area of about 2017 ha in Mazandaran province. The purpose of this study was prediction of dominant species of the rangeland using random forest (RF) and boosting regression trees (BRT) models in the study area. Equal random sampling of vegetation and soil was carried out. 12 work units were obtained in the region that climatic, topography and soil factors were measured at each sampling unit.  Five dominant species in the area were Astragalus ochrodeucus, Ferula gumosa, Thymus kotschyanus, Onobrychis cornata and Agropyron repens. The Ten-fold method was used to evaluate the models in the package (caret). Also the statistical coefficients AUC, Kappa and TSS were used for evaluating the model prediction.The results showed that in the RF model of variables K and CaCO3, the presence of the plant species had the highest importance. Also in BRT model, the silt and aspect had the most importance in the model. The results of the function of the models RF and BRT showed that the highest AUC in the BRT model was related to the species Agropyron repens for 0.76 and in the RF model, it was related to the species Onobrychis cornata. The proposed models RF and BRT can be used for introduction of suitable species in range improvement programs.