پیش‌بینی و ارزیابی مرگ‌و‌میر‌ گونه‌های درختی و تعیین فاکتورهای فیزیوگرافیک تاثیر‌گذار بر آن در جنگل‌های استان مازندران به کمک شبکه‌های عصبی مصنوعی

ارزیابی و تعیین میزان مرگ و میر درختان در طول دوره، اساس برنامه ریزی های بلند مدت مدیریت منابع طبیعی است که کاری چالش برانگیز و دشوار است؛ زیرا عوامل و فرآیندهای مختلفی بر روی آن تاثیرگذار و تعیین کننده هستند. در این پژوهش با استفاده از تکنیک شبکه‌ عصبی مصنوعی، احتمال مرگ و میر درختان در سطح قطعات نمونه‌ ثابت مدل سازی و تخمین زده شد. از متغیرهای زیستی و غیرزیستی نظیر میران انرژی تابشی نور خورشید در فصل رویش، شاخص خیسی توپوگرافی، ارتفاع بالای نزدیک ترین نقطه‌ زه کشی شده، سرعت باد، متوسط قطر برابر سینه (در سال 1391) و سطح مقطع برابر سینه به عنوان متغیرهای ورودی و احتمال مرگ و میر درختان در سطح قطعات نمونه‌ ثابت در جنگل های هیرکانی به عنوان متغیر خروجی در کلیه‌ مدل سازی های آلومتریک و شبیه سازی شبکه‌ عصبی استفاده شد. معماری های مختلف (توپولوژی) شبکه با الگوریتم پس انتشار خطا با تعداد نورون های متفاوت شامل توابع انتقالی لجستیک سیگموئدی و تانژانت هیپربولیک در لایه های پنهان آموزش داده شدند، این مدل ها دقت های متفاوتی از برآورد متغیر پاسخ ارائه دادند. نتایج این تحقیق نشان داد که درختان با قطر 20 تا 100 سانتی متر بهترین و بیشترین زنده مانی را دارند. با افزایش رقابت (سطح مقطع قطورترین درخت) زنده مانی کاهش پیدا می کند. گونه‌ ممرز نسبت به سایر گونه ها به مقدار کمی از مرگ و میر بیشتری برخوردار است. همچنین از نتایج این تحقیق چنین استنباط می شود که از متغیرهای زیستی، سطح مقطع قطورترین درختان و از میان متغیرهای غیرزیستی ترکیب عوامل توپوگرافی با شاخص خیسی خاک و سرعت باد بیشترین تاثیر را بر احتمال مرگ و میر در سطح قطعه‌ نمونه دارند.

predicting and assessing the tree species survival and determining physiographic factors affecting on it in mazandaran province forests using artificial neural networks

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.