کارایی روش رگرسیون کریجینگ در تهیه نقشه توان تولید رویشگاه راش در جنگل پژوهشی دانشگاه تربیت مدرس

تهیه نقشه توان تولید جنگل که توانایی رویشگاه را در ایفای نقش هایی همانند تولید چوب و ترسیب کربن نشان می دهد، امری اجتناب ناپذیر در مدیریت و بهره برداری پایدار اکوسیستم جنگلی است. وسعت فراوان جنگل های شمال کشور و کوهستانی بودن آنها، سبب شده است که یافتن روش مناسب برای تهیه نقشه ویژگی های کمی جنگل ضروری باشد. از طرفی اهمیت تجاری و زیست محیطی جنگل های خزری و به خصوص گونه راش که از اقتصادی ترین و فراوان ترین گونه های پهن برگ در این جنگل هاست، سبب می شود که همواره تهیه اطلاعات کمی و کیفی دقیق از آنها و بررسی تغییرات مربوط بهآنها ضروری باشد. تحقیق حاضر در زمینه ارزیابی کارایی روش رگرسیون کریجینگ در تهیه نقشه توان تولید رویشگاه راش در جنگل آمیخته و ناهمسال راش دانشگاه تربیت مدرس انجام گرفت. به منظور جمع آوری اطلاعات لازم، ۱۲۳ قطعه نمونه دایره ای به مساحت ۱۰۰۰ متر مربع در توده هایی که گونه راش وضعیت چیره یا چیره نما داشت، به روش آماربرداری منظم تصادفی در شبکه ای به ابعاد ۱۰۰ × ۱۰۰ متر پیاده شد. پس از محاسبه شاخص توان تولید رویشگاه راش در محل هر یک از قطعات نمونه و استخراج متغیرهای اولیه و ثانویه، کارایی دو رویکرد مدلسازی رگرسیون خطی چندگانه و جنگل تصادفی به عنوان مدل های مبنا در روش رگرسیون کریجینگ در تهیه نقشه توان تولید رویشگاه راش ارزیابی شد. نتایج اعتبارسنجی متقابل با توجه بهمقدار میانگین خطای نسبی و مقدار مجذور میانگین مربعات خطای نسبی نشان داد که الگوریتم جنگل تصادفی عملکرد بسیار بهتری از روش رگرسیون کریجینگ با مدل مبنای رگرسیون خطی و روش کریجینگ داشت، به طوری که مجذور میانگین مربعات خطا را در حدود ۷۰ درصد کاهش داد. از این رو روش رگرسیون کریجینگ با مدل مبنای جنگل تصادفی توانست با دقت بیشتری نقشه توان تولید رویشگاه راش را تهیه کند.

Keywords:

جنگل تصادفی , درون یابی , رگرسیون , زمین آمار , کریجینگ , یادگیری ماشین