كليدواژه :
كيفيت زيباشناختي منظر جنگل , شبكه عصبي مصنوعي , پرسپترون چندلايه , تركيب منظر , جنگل
چكيده فارسي :
با توجه به كاهش روزافزون قابليت برداشت چوب از جنگل‌هاي هيركاني نياز به برنامه‌ريزي براي استفاده از ساير قابليت‌هاي اكوسيستم‌هاي جنگلي همچون اكوتوريسم بيشتر از گذشته احساس مي‌شود. برنامه‌ريزي اكوتوريسم نياز به اطلاعات كافي درباره جذابيت‌هاي اكولوژيكي، ساختار و عناصر منظر طبيعي دارد. از طرفي ارزيابي صحيح از وضعيت مناظر مختلف در يك منطقه مستلزم داشتن اطلاعات كافي در مورد معيارهاي تاثيرگذار و همچنين نوع، نحوه و ميزان اثرگذاري هر يك از اين معيارها در درك كاربر از كيفيت منظر است. تعيين نقاطي كه از نظر ساختار منظر، كيفيت بالايي دارند گام اول در جهت بالا بردن كيفيت زيباشناختي آنها و حفاظت از اكوسيستم طبيعي مي‌باشد. در اين مطالعه تلاش جهت ارزيابي كيفيت زيباشناختي منظر جنگل با استفاده از تركيب ديدگاه جامع كمي و روش مدلسازي شبكه عصبي مصنوعي جهت تعيين موثرترين عناصر عيني منظر در افزايش كيفيت زيباشناختي ذهني منظر است.
مواد و روش‌ها:
پژوهش حاضر در سه بخش پاتم، نمخانه و گرازبن جنگل آموزشي پژوهشي خيرود دانشكده منابع طبيعي دانشگاه تهران (با تنوع بالا در كيفيت منظر) انجام شد. در منطقه جنگلي مورد مطالعه در مجموع 200 منظر با ساختار متنوع از نظر پوشش درختي و تركيب منظره‌ها شناسايي و اطلاعات مربوط به عناصر و ويژگي‌هاي منظر ثبت گرديد و كيفيت زيباشناختي با ديد ناظر ارزيابي شد. در اين تحقيق به منظور مدلسازي ارزيابي كيفيت زيباشناختي منظر جنگل، ويژگي‌هاي ساختاري و عناصر هريك از مناظر ثبت و اقدام به طبقه‌بندي كيفيت زيباشناختي منظر در سه كلاس كيفيت زيباشناختي ضعيف(1)، مطلوب(2) و عالي(3) گرديد. به منظور پردازش داده‌ها با ابزار هوشمند شبكه عصبي، از شبكه پرسپترون چندلايه استفاده شد.
يافته‌ها:
با توجه به ضرايب تبيين آزمون شبكه معادل 0/88، 0/896 و 0/969 در طبقه‌بندي كلاس‌هاي 1 تا 3، دقت شبكه عصبي در پيش‌بيني كيفيت زيباشناختي منظر جنگل از سطح بسيار مطلوبي برخوردار است. بر اساس نتايج آناليز حساسيت تركيب منظر، تنوع منظر درختي و پوشش درختان قطور به ترتيب بيشترين تاثير را در طبقه‌بندي مناظر جنگل در كلاس1 و 2 داشته‌اند. از طرفي تنوع منظر درختي، تركيب منظر و موقعيت ديد به ترتيب بيشترين تاثير را در طبقه‌بندي مناظر در كلاس3 از خود نشان دادند.
نتيجه گيري:
شناسايي تأثيرگذارترين عناصر بر كيفيت زيباشناختي منظر جنگل، مشخص مي‌سازد كه جهت مديريت و برنامه‌ريزي منظر جنگل و دستيابي به نقاط چشم‌انداز با كيفيت منظر مطلوب از ديدگاه كاربر يا ناظر توجه به تركيب منظر و تنوع بالا در منظره‌هاي موجود، تنوع منظر درختي با تنوع بالا در گونه‌هاي درختي توده و همچنين حضور درختان قطور و كهنسال در الويت قرار مي‌گيرد. تحقيق حاضر روش نويني را در ارزيابي كيفيت زيباشناختي منظر جنگل ارائه مي‌كند و مدل حاصله علاوه بر ارائه معيارهاي كاربردي در ارزيابي كيفيت منظر جنگل، به عنوان يك سامانه پشتيبان تصميم‌گيري با قابليت استفاده در اكوسيستم‌هاي جنگلي مشابه شناخته مي‌شود.
چكيده لاتين :
Background and objectives: Considering decreasing trend in wood harvesting potential of
Hyrcanian forests, we need to plan for utilization of other ecosystem services, such as
ecotourism, more than past. For ecotourism planning, comprehensive information of ecological
beauty and natural landscape structure should be summarized. On the other hand, accurate
evaluation of different landscapes in a region requires comprehensive information of affective
criteria, and its impact on user perception of landscape quality. Locating lookouts, which have
high quality in landscape structure, is known as the first step to promote aesthetic quality of
landscape and protection of natural ecosystems. This research aims to evaluate aesthetic quality
of forest landscape using quantitative comprehensive approach and artificial neural network
modeling for determination of the most effective landscape visual parameters in subjective
aesthetic quality promotion of landscape.
Materials and methods: The study area is three districts (with high diversity in landscape
quality) of Khyrud research educational forest managed by Natural Resources College of
University of Tehran, which is named Patom, Namkhaneh and Gorazbon. In study forest, totally
200 landscapes, with different structure of tree cover and view composition, were selected to
record landscapes characteristics. Landscape quality which is in the eyes of beholder, was
evaluated in 200 studied landscapes.
In this study, in order to model the aesthetic quality evaluation of forest landscape, structural
features and landscape parameters were recorded and aesthetic quality of landscape was
classified in three classes of weak(1), desirable(2) and extremely desirable(3) Multilayer
Perceptron network was used to data processing with artificial neural network.
Results: Considering network coefficients of determination (Test samples) which is 0.88, 0.896,
0.969 in 1 to 3 classes, the accuracy of artificial neural network in aesthetic quality evaluation of
landscape is assessed in extremely desirable level. Sensitivity analysis prioritizes landscape
composition, tree diversity and thick trees view respectively to achieve class 1 and 2 in quality
of forest landscape. On the other hand, tree diversity, landscape composition and view point
respectively play a significant role in class 3 in quality of forest landscape.
Conclusion: Results of the most effective variables on aesthetic quality of forest landscape,
proved that landscape composition with higher diversity in its scenes, diversity in tree views
with higher tree species and also thick and old trees in landscape should be a priority for forest
landscape planning and management to achieve lookouts with higher quality of landscape in the
eyes of beholders. This research prepared a new method for aesthetic quality evaluation of
forest landscape and the introduced model is known as an environmental decision support
system in forest ecosystems with an application in similar forests. Also practical criteria in
aesthetic quality evaluation of forest landscape were introduced.
