کاربرد مدل رقومی سطح (DSM) در برآورد حجم سرپای جنگل با استفاده از روش‌های رگرسیون و شبکه‌ عصبی مصنوعی

آماربرداری زمینی برای برآورد حجم اگرچه دقیق‌ترین داده‌ها را برای اهداف مدیریتی و پژوهشی مهیا می‌کند، اما پرهزینه و وقت گیر است. تاکنون راهکار‌های مختلفی برای کاهش حجم عملیات زمینی در آماربرداری ارایه شده‌اند که هر یک دارای مزایا و معایبی هستند. در پژوهش حاضر رهیافت جدیدی برای برآورد حجم پیشنهاد و مورد ارزیابی قرار گرفته است. این رهیافت بر اساس این ایده است که تغییرات ارتفاع درختان در قطعه نمونه به عنوان یک متغیر مستقل، برآورد حجم سرپای نمونه را ممکن می‌سازد. به این منظور تعداد 150 قطعه نمونه‌ی زمینی با شبکه‌ی تصادفی منظم به ابعاد 400×300 متر برداشت و حجم سرپا در آنها محاسبه گردید. مدل رقومی سطح براساس تصاویر هوایی ultracamd در ابعاد 1 تا 10 متر با بازه‌های 1 متری استخراج گردید. در محل قطعه نمونه‌ها، انحراف معیار و دامنه‌ی مدل رقومی سطح محاسبه و به عنوان متغیر وابسته در نظر گرفته شد. به منظور مدل سازی از روش‌های مدل‌سازی رگرسیونی شامل خطی و توانی استفاده شد. به علاوه از پرسپترون تک لایه به عنوان یک روش مدل سازی شبکه عصبی مصنوعی استفاده گردید. نتایج نشان داد که انحراف معیار بهتر از دامنه بود و بهترین ابعاد پیکسل برآی برآورد حجم سرپا 5 متر به دست آمد. با توجه به آماره‌های مختلف محاسبه شده برای ارزیابی و مقایسه‌ی روش‌های مدل‌سازی، مدل پرسپترون تک لایه و رگرسیون خطی نتایج مناسب‌تری نسبت به سایر روش‌ها نشان دادند. اریبی نسبی و جذر میانگین مربعات خطای نسبی برآورد حجم سرپا به ترتیب 2 و 47 درصد بود.