مقایسه روش های نمونه برداری k-NN در برآورد تراکم درختان بنه (Pistacia atlantica Desf.) با الگوی مکانی کپه ای در یک توده تنک زاگرس(Pistacia atlantica Desf.)
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 51
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJFPR-23-4_006
تاریخ نمایه سازی: 25 دی 1402
Abstract:
تراکم (تعداد درختان در واحد سطح) یکی از مشخصه های ساختاری مهم در توده های جنگلی است که در درک پویایی جنگل مناسب است. روش kامین نزدیکترین همسایه (k-NN) یک روش فاصله ای است که به طور متداول در آماربرداری جنگل برای برآورد مشخصه های کمی به کار میرود. در این مطالعه روش k-NN با پنج راهکار نزدیکترین فرد (NI)، نزدیکترین همسایه (NN)، جفت های تصادفی (RP)، چارک نقطه مرکز (PCQ) و همسایه چارکی (QN) برای برآورد تراکم درختان بنه (Pistacia atlantica Desf.) در جنگل های زاگرس استفاده شد. یک توده با مساحت ۴۵ هکتار در رویشگاه تحقیقاتی بنه انتخاب شد و به منظور تعیین تراکم واقعی، آماربرداری صددرصد شد. توزیع مکانی درختان بنه، کپه ای (۰/۷۹=R و ۱۲/۳۸-=z) و تراکم آنها ۱۹/۴۴ درخت در هکتار بود. سپس روش k-NN با راهکارهای مختلف و k برابر دو تا ۱۰ در ۴۶ نقطه نمونه برداری در یک شبکه ۱۰۰ × ۱۰۰ متری مورد استفاده قرار گرفت. نتایج نشان داد که به جز راهکار PCQ، روش k-NN با سایر راهکارها مقدار تراکم را به طور معنی داری (در سطح اطمینان ۹۵ درصد) درست برآورد کرد. تعداد k و راهکار انتخاب آن بر صحت و دقت نتایج روشk-NN تاثیر گذاشت، به نحوی که ۴=k در NI، ۷=k در NN و ۲=k در RP و QN تراکم درختان بنه را با کمترین خطا (RMSE و اریبی) برآورد کردند. به طور کلی نتایج نشان داد که روش k-NN بهینه با k و راهکار مناسب توانسته تراکم درختان بنه با توزیع مکانی کپه ای را در یک توده تنک در جنگل های زاگرس برآورد کند.
Authors
معصومه موصلو
دانشجوی کارشناسی ارشد، دانشکده کشاورزی، دانشگاه شیراز
سیدیوسف عرفانی فرد
استادیار، دانشکده کشاورزی، دانشگاه شیراز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :