مدل‌سازی آشفتگی انبوهی جنگل در ارزیابی محیطی با استفاده از شبکه عصبی مصنوعی

ارزیابی اثرات محیط زیستی به‌عنوان یک ابزار اساسی برای مدیریت محیط زیستی و توسعه پایدار شناخته شده است، اما زمانی‌که به مقادیر کمی برای تصمیم‌گیری نیاز است، ارزیابی اثرات دچار مشکل می‌شود و نیاز به مدل‌سازی آشکار است. هدف از پژوهش پیش‌رو طراحی و پیاده‌سازی یک سامانه مبنی بر شبکه عصبی مصنوعی با استفاده از اجزای اکوسیستم، فعالیت‌های طرح جنگلداری و میزان آشفتگی تراکم تاج‌پوشش اکوسیستم جنگلی (انبوهی جنگل) بود. پژوهش پیش‌رو در سه بخش پاتم، نم‌خانه و گرازبن جنگل خیرود نوشهر انجام شد. واحدهای همگن محیط زیستی با استفاده از منابع اکولوژیکی و ابزار دقیق gis تهیه شد. با انتخاب الگوریتم مناسب در محیط شبکه‌های عصبی مصنـوعی در نرم‌افزار neurosolutions 5، انبوهی جنگل براساس مقادیر کمی و کیفی شرایط اکولوژیک و فعالیت‌های انسانی شبیه‌سازی شد. شبکه پرسپترون چندلایه با یک لایه پنهان و چهار نرون در هر لایه با توجه به بیشترین مقدار ضریب تعیین (برابر با 0/9864)، بهترین عملکرد بهینه‌سازی توپولوژی را نشان داد. براساس نتایج تحلیل حساسیت، عامل‌های انسانی مانند تراکم دام در واحد سطح جنگل (تعداد در هکتار) در کنار عامل‌های طبیعی و اکولوژیکی مانند متوسط قطر درختان توده (سانتی‌متر) و عمق خاک به‌ترتیب بیشترین تاثیر را در میزان انبوهی جنگل نشان دادند. ارزیابی اثرات پروژه‌های اجرا‌شده علاوه‌‌بر اینکه تجربه‌ای در زمینه ارزیابی اثرات توسعه به‌شمار می‌رود، می‌تواند راه‌گشای تصمیم‌گیری در مورد اجرای پروژه‌های مشابه در مکان‌های مشابه باشد.