مدل سازی برخی مشخصه های کمی جنگل با استفاده از خصوصیات توپوگرافی (مطالعه موردی: سری سه جنگل سنگده)

مقدمه و هدف: برای برنامه ریزی اصولی و صحیح در بخش جنگل، تهیه نقشه های کمی و کیفی از ملزومات مدیریتی بوده و برای رسیدن به توسعه پایدار اجتناب ناپذیر است. به همین منظور، جدیدترین اطلاعات از مشخصاتی که در تصمیم گیری های مربوط به استفاده و حفاظت بهینه از جنگل دارای اهمیت هستند، مورد نیاز است. هدف از این مطالعه، مدل سازی و تهیه نقشه مکانی برخی مشخصه های کمی جنگل با استفاده از خصوصیات توپوگرافی در جنگل های سری سه سنگده است.مواد و روش ها: با استفاده از 150 قطعه نمونه 10 آری، مشخصه های تعداد، رویه زمینی و حجم در هکتار محاسبه شد. خصوصیات اولیه توپوگرافی شامل ارتفاع از سطح دریا، شیب، جهت شیب، انحنای پروفیلی، انحنای مسطح و انحنای مماسی و خصوصیات ثانویه توپوگرافی شامل رطوبت و تابش خورشیدی از مدل رقومی ارتفاعی با قدرت تفکیک پذیری ده متر استخراج شد. سپس روابط بین مشخصه های کمی جنگل و خصوصیات توپوگرافی با استفاده از روش های ناپارامتری جنگل تصادفی، ماشین بردار پشتیبان و هم چنین با روش پارامتری رگرسیون خطی چندگانه مورد تجزیه و تحلیل و مدل سازی قرار گرفت. ارزیابی مدل ها با استفاده از 30 درصد قطعات نمونه انجام شد.یافته ها: مقادیر درصد اریبی و ریشه میانگین مربعات خطا برای انتخاب مدل مناسب محاسبه و نتایج نشان داد که روش ماشین بردار پشتیبان برای برآورد هر سه مشخصه اندازه گیری شده دارای بهترین نتایج بوده است. در برآورد تعداد در هکتار، تابع چند جمله ای درجه سه با مقادیر میانگین مربعات خطا و میزان اریبی به ترتیب 9/59=%rmse و 1/62=%bias، رویه زمینی با تابع پایه شعاعی (rbf) و مقادیر 30/53=%rmse و 1/32=%bias و حجم در هکتار نیز با تابع چند جمله ای درجه سه و مقادیر 37/62=%rmse و 0/51=%bias به عنوان مناسب ترین مدل انتخاب شدند. هم چنین نتایج نشان داد که متغیرهای توپوگرافی جهت، ارتفاع، تابش خورشیدی و انحنای مماسی بیشترین تاثیر را در فرآیند مدل سازی داشتند. نتیجه گیری: مدل انتخاب شده در این پژوهش هر چند که توانست تا حدی اطلاعات ضروری جهت مدیریت جنگل ها را فراهم کند، اما به تنهایی نمی تواند کلیه دلایل موثر بر مشخصه ها را تبیین نماید، لذا شایسته است از ترکیب عوامل دیگری مانند شرایط اقلیمی، عرض جغرافیایی، خاک شناسی، تکنیک های سنجش از دور که سهم عمده ای در توضیح و تفسیر آن دارند، دقت پیش بینی را بهبود بخشید.

The Modeling of Some Quantitative Characteristics Forest Using Topographic Features Stands (Case Study: District-3 of Sangdeh Forests)

Introduction and Objective: In a proper planning of the forest sector, the preparation of quantitative and qualitative maps is a management requirement and is unavoidable for sustainable development. For this effective planning, the latest information on the types of characteristics that are important in decisions regarding the optimal use and protection of forests are needed. This study conducted in order to the modelling spatial estimation of some quantitative characteristics forest using topographic features and its spatial mapping in District3 of Sangdeh Forests.Material and Methods: Characteristics of number, basal area and volume per hectare were calculated by surveying 150 sample plots (1000 m2). Primary topographic features of altitude, slope, aspect, profile curvature, flat curvature and tangential curvature and secondary topographic features including wetness index and solar radiation were extracted from digital elevation model with 10m resolution. Then, the relationships between forest quantitative characteristics and topographic features were analyzed and modeled using nonparametric method random forest, support vector machine and also parametric multiple linear regressions. Models were evaluated using 30% of the samples.Results: Bias and root mean square error percentages were calculated to select the appropriate model and the results showed that the support vector machine method had the best results for estimating all three measured characteristics. In estimating number per hectare, the polynomial3 function with mean square error values ​​and skewness is RMSE = 9.59 and Bias = 1.62, ground cover with radial base function (RBF) and values ​​of 53.5, respectively. 30% RMSE and 1.32 =% Bias and volume per hectare with polynomial function of third degree and values ​​of RMSE = 37.62 and Bias = 0.51 were selected as the most appropriate model. The results also showed that the topographic variables of aspect, altitude, solar radiation and tangential curvature had the most influence on the modeling process.Conclusion: The selected model in this study was able to provide some of the necessary information for forest management, but the model alone cannot explain all the reasons affecting the characteristics, so it is recommended to combine other factors such as climatic conditions, latitude, geology, and remote sensing techniques, which play a major role in explanation and interpretation, to improve the accuracy of the forecast.