پيش بيني و ارزيابي مرگ و مير گونه هاي درختي و تعيين فاكتورهاي فيزيوگرافيك تاثير گذار بر آن در جنگل هاي استان مازندران به كمك شبكه هاي عصبي مصنوعي

Predicting and assessing the tree species survival and determining Physiographic factors affecting on it in Mazandaran province Forests using artificial neural networks

ارزيابي و تعيين ميزان مرگ و مير درختان در طول دوره، اساس برنامه ريزي هاي بلند مدت مديريت منابع طبيعي است كه كاري چالش برانگيز و دشوار است؛ زيرا عوامل و فرآيندهاي مختلفي بر روي آن تاثيرگذار و تعيين كننده هستند. در اين پژوهش با استفاده از تكنيك شبكه عصبي مصنوعي، احتمال مرگ و مير درختان در سطح قطعات نمونه ثابت مدل سازي و تخمين زده شد. از متغيرهاي زيستي و غيرزيستي نظير ميران انرژي تابشي نور خورشيد در فصل رويش، شاخص خيسي توپوگرافي، ارتفاع بالاي نزديك ترين نقطه زه كشي شده، سرعت باد، متوسط قطر برابر سينه (در سال 1391) و سطح مقطع برابر سينه به عنوان متغيرهاي ورودي و احتمال مرگ و مير درختان در سطح قطعات نمونه ثابت در جنگل هاي هيركاني به عنوان متغير خروجي در كليه مدل سازي هاي آلومتريك و شبيه سازي شبكه عصبي استفاده شد. معماري هاي مختلف (توپولوژي) شبكه با الگوريتم پس انتشار خطا با تعداد نورون هاي متفاوت شامل توابع انتقالي لجستيك سيگموئدي و تانژانت هيپربوليك در لايه هاي پنهان آموزش داده شدند، اين مدل ها دقت هاي متفاوتي از برآورد متغير پاسخ ارائه دادند. نتايج اين تحقيق نشان داد كه درختان با قطر 20 تا 100 سانتي متر بهترين و بيشترين زنده ماني را دارند. با افزايش رقابت (سطح مقطع قطورترين درخت) زنده ماني كاهش پيدا مي كند. گونه ممرز نسبت به ساير گونه ها به مقدار كمي از مرگ و مير بيشتري برخوردار است. همچنين از نتايج اين تحقيق چنين استنباط مي شود كه از متغيرهاي زيستي، سطح مقطع قطورترين درختان و از ميان متغيرهاي غيرزيستي تركيب عوامل توپوگرافي با شاخص خيسي خاك و سرعت باد بيشترين تاثير را بر احتمال مرگ و مير در سطح قطعه نمونه دارند.

Being able to quantify the probability of tree species survival is fundamental to the management of forests worldwide that is very hard. Because there are many processes and factors affecting on it. This paper examines the possible ecological controls probability of tree species survival and quantifying abiotic and biotic variables affecting on it by artificial neural networks in Hyrcanian Forests including growing-season-cumulated potential solar radiation, seasonal air temperature, topographic wetness index in representing soil water distribution, and wind velocity generated from simulation of fluid-flow dynamics in complex terrain. Biotic variables related to tree diameter increment involve averaged 2003 tree diameter and basal area measured in individual forest plots. Allometric equations of logarithmic multiple linear regressions transformed models of power functions which have different parameters were introduced to clarify the certainty of simulating process The predictors used in survival modelling described the influence of tree size, competition and species. The model shows that trees with dbh between 20 and 100 cm survive best. Increasing competition (BAL) decreases survival, and Carpinus betulus has a slightly lower survival rate than the other species. Also, the results of this investigation, it is understood that BAL, topographic wetness index in representing soil water distribution, and wind velocity had the strongest correlation with probability of tree species survival in the fixed sample plots.