تهیۀ نقشۀ تیپ‌های جنگلی طرح جنگلداری زیارت گرگان با استفاده از روش‌های پارامتریک و ناپارامتریک

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار گروه علوم و مهندسی محیط‌زیست، دانشکدۀ منابع طبیعی، دانشگاه سمنان، سمنان

2 استادیار بخش منابع طبیعی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی مازندران، سازمان تحقیقات، آموزش و ترویج کشاورزی، ساری

3 دانشیار گروه بیابان‌زدایی، دانشکدۀ کویرشناسی، دانشگاه سمنان، سمنان

چکیده

با توجه به اثرهای متقابل گونه‌های درختی و عوامل محیطی بر یکدیگر، توصیف و تحلیل تیپ‌های جنگلی ضروری به نظر می‌رسد. هدف تحقیق حاضر تهیۀ نقشۀ تیپ‌های جنگلی با استفاده از روش‌های پارامتریک و ناپارامتریک است. برای این منظور سری هشت طرح جنگلداری زیارت استان گلستان به مساحت 3388 هکتار در نظر گرفته شد. سپس مشخصات تمام درختان زندۀ سرپا شامل گونه، قطر برابرسینۀ (سانتی‌متر) بیشتر از 5/12 سانتی‌متر و ارتفاع کامل (متر) در قطعات نمونه دایره‌ای 1000 متر مربعی با استفاده از روش آماربرداری منظم- تصادفی به ابعاد 200×150 متر اندازه‌گیری و ثبت شد. تعداد کل قطعات نمونه 556 بود. سپس با توجه به درصد آمیختگی درختان در هر قطعه نمونه تیپ‌‌های جنگلی مشخص شد. در نهایت با استفاده از پارامترهای فیزیوگرافی (ارتفاع ازسطح دریا، شیب و جهت دامنه) و اقلیمی (میانگین بارندگی، تبخیر و دمای سالیانه) با روش‌های پارامتریک (رگرسیون لجستیک) و ناپارامتریک (شبکۀ عصبی)، نقشۀ تیپ‌های جنگلی مشخص شد. نتایج نشان داد که در الگوریتم‌های رگرسیون لجستیک و شبکۀ عصبی مصنوعی بیشترین مساحت منطقه به‌ترتیب مربوط به تیپ‌های راش- ممرز به‌همراه انجیلی ( 32/23 درصد) و تیپ راش‌- ممرز (69/24درصد) است. در هر دو روش، عامل ارتفاع به‌عنوان عامل فیزیوگرافی و عامل بارندگی به‌عنوان عامل اقلیمی دارای تأثیر بیشتری در پراکنش تیپ‌های گیاهی بودند. هر دو الگوریتم رگرسیون لجستیک و شبکۀ عصبی مصنوعی نتایج مقبولی را با توجه به محدودیت‌ متغیرهای ورودی و پیچیدگی اکوسیستم جنگل ارائه دادند، اما در کل روش شبکۀ عصبی دارای برتری نسبی به رگرسیون لجستیک بود، اما استفاده از هر دو الگوریتم در مطالعات پراکنش تیپ‌های جنگلی توصیه می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

Distribution mapping of forest types in Ziarat Forestey Plan using parametric and nonparametric algorithm

نویسندگان [English]

  • Mojtaba Amiri 1
  • Mohsen Mostafa 2
  • Mohammad Rahimi 3
1 Assistant Professor, Department of Environmental Sciences and Engineering, Faculty of Natural Resources, Semnan University, Semnan, I. R. Iran
2 Assistant Prof., Natural Resources Department, Mazandaran Agricultural and Natural Resources Research and Education Center, AREEO, Sari, I. R. Iran
3 Associate Prof., Department of Comat to Desertification, Faculty of Desert Studies, Semnan University, I. R. Iran
چکیده [English]

Due to the interaction of Tree species and its environment, descriptions and analysis of forest types are necessary. The aim of present study was to evaluate modeling distribution of forest types using parametric and nonparametric algorithm. Current research was carried out in Ziarat forestry plan, Golestan province, Iran. 556 samples were taken to measure the quantitative parameters of trees including tree height, diameter at the breast height and type of species via Systematic- Randomize pattern with 150×200 m. After that, the forest types have been determined according to frequency of species. Subsequently, the map of forest types have been produced using Physiographic factors (elevation, slope and aspect), Climate factor (rain fall, evaporating and temperature) via Parametric algorithm (Logistic Regression (LR)), Nonparametric algorithm (Artificial Neural Network (ANN)). The results showed that based LR and ANN, the largest area of forest type was observed in Fageto - Carpinetum with Parrotia persica (23.32%) followed by Fageto –Carpinetum (24.69%). In both methods, the elevation and rainfall events have been recognized as impotent factors. Regarding the limitation of input data and complexity of forest ecosystem, the result of LR and ANN are acceptable. Generally, ANN was more effective compared to LR. However, both algorithms are recommended in distribution mapping of forest type.  

کلیدواژه‌ها [English]

  • logistic regression
  • Artificial Neural Network
  • Physiographic factors
  • Climate factor