کارایی برنامه‌نویسی بیان ژن در مدلسازی قطر – ارتفاع بلوط ایرانی (quercus brantii lindl)

سابقه و هدف: اندازه‌گیری ارتفاع تمام درختان جنگلی عملیاتی زمان‌بر و پرهزینه است، از این رو استفاده از مدل‌های قطر و ارتفاع برای برآورد ارتفاع درختان توسعه پیدا کرده است. هدف از این پژوهش بررسی کارایی برنامه‌نویسی بیان ژن در مدلسازی قطر – ارتفاع گونه بلوط ایرانی(quercus brantii lindl) در جنگل‌های دانه‌زاد زاگرس میانی است.مواد و روش‌ها: به‌منظور انجام این تحقیق با انجام جنگل‌گردشی‌های متعدد و شناخت جنگل‌های منطقه، توده‌ای به مساحت تقریبی 5 هکتار با ساختار رویشی دانه‌زاد، در منطقۀ حفاظت شدۀ سفید کوه لرستان انتخاب شد. در این توده مشخصه‌های قطر برابرسینه و ارتفاع کل تمامی درختان بلوط ایرانی که قطر برابرسینۀ آنها بیشتر از 5/12 سانتی‌متر بود مورد آماربرداری صد در صد قرار گرفت. در مجموع تعداد 642 اصله درخت اندازه‌گیری شد. در این تحقیق، 80 درصد داده‌ها برای مدل‌سازی و 20 درصد به‌منظور اعتبارسنجی استفاده شد. مدل بیان ژن با 3 ژن و 100 کروموزوم برای بررسی ارتباط بین ارتفاع به‌عنوان متغیر وابسته و قطر به‌عنوان متغیر مستقل اجرا شد. به‌منظور ارزیابی عملکرد مدل نهایی از معیارهای rmse، mae و r2 استفاده شد.یافته‌ها: مدل استخراج شده از gep بر اساس مقدار r2، 87 درصد از ارتفاع درختان را توجیه کرد. نتایج حاصل از مدلسازی قطر ارتفاع درختان نشان داد که مدل نهایی بدست‌آمده دارای ضریب تبیین(r2)، مجذور میانگین مربعات خطا (rmse) و میانگین قدر مطلق خطا (mae) به‌ترتیب 87/0، 3/1 و 97/0 می‌باشد. همچنین نتایج حاصل از معیارهای استفاده شده به‌منظور اعتبارسنجی مدل‌بدست‌آمده نشان داد که مدل استخراج شده با میزان ضریب تبیین(r2)، مجذور میانگین مربعات خطا (rmse) و میانگین قدر مطلق خطا (mae) به ترتیب 82/0، 40/1 و 06/1 توانست ارتفاع درختان را پیش‌بینی کند.نتیجه‌گیری: در مجموع نتایج این پژوهش نشان داد که مدل استخراج شده از برنامه‌نویسی بیان ژن با توجه به معیارهای ارزیابی عملکرد r2، rmse و mae توانایی برآورد ارتفاع درختان دانه‌زاد بلوط ایرانی را در ناحیه رویشی زاگرس میانی دارد. بنابراین این مدل‌ می‌تواند در مناطق جنگلی ناحیۀ رویشی زاگرس میانی که دارای ساختار و شرایط رویشگاهی مشابهی با منطقه مورد بررسی هستند مورد استفاده قرار گیرد. لازم به ذکر است که تحقیق حاضر تنها به پیش‌بینی ارتفاع درختان بر اساس قطر برابر سینه (متغیر مستقل) پرداخته است بنابراین پیشنهاد می‌شود که در پژوهش‌های آینده از مدل‌های تعمیم یافته ارتفاع و قطر که در آن تغییر پذیری رویشگاه و توده به‌لحاظ متغیرهای توده غیر از قطر درخت (سطح مقطع توده، سن توده، ارتفاع غالب، قطر غالب، شاخص رویشگاه و غیره) در نظر گرفته می‌شود استفاده شود. همچنین جهت قضاوت دقیق‌تر در مورد عملکرد این برنامه بهتر است که در مطالعات آینده با سایر الگوریتم‌های برآورد مانند رگرسیون‌های غیر خطی، ماشین بردار پشتیبان، شبکه عصب مصنوعی و غیره مورد مقایسه و سنجش قرار بگیرد.

efficiency of gene expression programming in diameter height modeling of iranian oak (quercus brantii lindl).

background and purpose: measuring the height of all forest trees is a time consuming and expensive operation, hence the use of diameter and height models to estimate the height of trees has been developed. the aim of this research is to investigate the efficiency of gene expression programming in diameter height modeling of iranian oak species (quercus brantii lindl) in high forests of middle zagros.materials and methods: in order to carry out this research, by conducting numerous forest walk and getting to know the forests of the region, a stand with an area of approximately 5 hectares with a high forests vegetation structure was selected in the protected area of sefid koh lorestan became. in this stand, the characteristics of dbh and total height of all iranian oak trees whose dbh was more than 12.5 cm were counted 100%. a total of 642 trees were measured. in this research, 80% of the data was used for modeling and 20% for validation. the gene expression model with 3 genes and 100 chromosomes was implemented to investigate the relationship between height as a dependent variable and diameter as an independent variable. in order to evaluate the performance of the final model, rmse, mae and r2 criteria were used.result:the model extracted from gep justified 87% of the tree height based on the r2 value. the results of tree height diameter modeling showed that the final model obtained has coefficient of explanation (r2), root mean square error (rmse) and mean absolute value of error (mae) 0.87, 1.3 and 0.97 respectively. is also, the results of the criteria used to validate the obtained model showed that the extracted model has the coefficient of explanation (r2), root mean square error (rmse) and mean absolute value of error (mae), respectively 0.82 and 40. 1 and 1.06 could predict the height of trees.conclusion: overall, the results of this research showed that the model extracted from gene expression programming according to the r2, rmse and mae performance evaluation criteria has the ability to estimate the height of iranian oak high forests in the middle zagros vegetation zone. therefore, this model can be used in the forest areas of the middle zagros vegetation zone, which have the same structure and habitat conditions as the studied area. it should be noted that the present research only predicted the height of trees based on the dbh (independent variable), so it is suggested that in future researches, the generalized models of height and diameter, in which the variability of the habitat and stand considering the stand variables other than tree diameter (basal area of stand, stand age, dominant height, dominant diameter, site index, etc.) are considered to be used. also, in order to make a more accurate judgment about the performance of this program, it is better to compare and measure it with other estimation algorithms such as non linear regressions, support vector machine, artificial neural network, etc. in future studies.