برآورد ارتفاع درختان نمدار (.Tilia begonifolia Stev) با استفاده از مدل‌‌‌هاي غيرخطي

قطر و ارتفاع درختان، متغيرهايي اساسي براي بررسي زي‌‌توده، ذخيره كربن و تكامل توده‌‌هاي جنگلي هستند. با ‌توجه ‌به كم‌هزينه بودن و سهولت اندازه‌‌گيري قطر و زياد بودن خطاي اندازه‌‌گيري ارتفاع درخت، در اين پژوهش براي برآورد ارتفاع درختان نمدار (Tilia begonifolia Stev) در جنگل‌‌هاي شفارود گيلان از مدل‌‌هاي غيرخطي استفاده شد. نمدار در شفارود از ارتفاعات پايين تا 1800 متر از سطح دريا پراكنش دارد. اين گونه، نقش مهمي در حفظ تركيب و ساختار طبيعي جنگل ايفا مي‌كند. داده‌‌هاي مورد بررسي با نمونه‌‌برداري تصادفي- منظم با ابعاد شبكه 200×200 متر مربع از 48 قطعه‌‌نمونه دايره‌‌اي 10 آري در دامنه‌هاي ارتفاعي 500 تا 950 متر از سطح دريا (پارسل‌‌‌‌هاي 29 و 30) در سري‌‌ 16 و 50 تا 500 متر از سطح دريا (پارسل‌‌هاي 14 و 18) در سري‌‌ 17 جمع‌‌آوري شدند. مدل‌‌سازي با 12 مدل غيرخطي پركاربرد و شبكه عصبي مصنوعي پرسپترون چندلايه با الگوريتم لونبرگ- ماركوارت انجام شد. شبكه عصبي مصنوعي از مزيت تشخيص روابط پيچيده غيرخطي بين داده‌‌هاي ورودي و خروجي برخوردار است. مقايسه نتايج با معيارهاي كارايي‌‌سنجي RMSE، R2adj، AIC و MAD انجام شد. براساس اين معيارها در بين 12 مدل مورد نظر، مدل Stoffels-Van Soeset (1953) در پايين‌‌بند و مدل Burkhart-Strub (1974) براي ميان‌‌بند بيشترين كارايي را داشتند، در حالي‌كه شبكه عصبي مصنوعي در هر دو رويشگاه از بيشترين كارايي برخوردار بود. شبكه عصبي مصنوعي، مقدار خطا را براي مدل‌‌هاي پيشنهادي در مناطق پايين‌‌بند و ميان‌‌بند به‌ترتيب 5/54 و 7/35 درصد كاهش داد. اگرچه دقت مدل‌‌هاي غيرخطي پيشنهادي براي منطقه مورد بررسي مناسب بود، اما شبكه عصبي مصنوعي به‌دليل دقت بيشتر نسبت ­به اين مدل‌‌‌ها برتري داشت.