عنوان مقاله :
تاثير روش‌هاي اندازه‌گيري فاصله در طبقه‌بندي گروه‌هاي بوم‌شناسي در جنگل‌هاي هيركاني
عنوان به زبان ديگر :
The effect of distance measurement methods on the classification of ecological groups in Hyrcanian forests
پديد آورندگان :
پاك گهر، نغمه دانشگاه اروميه - دانشكده منابع طبيعي - گروه جنگلداري، اروميه، ايران , اسحاقي راد، جواد دانشگاه اروميه - دانشكده منابع طبيعي - گروه جنگلداري، اروميه، ايران , غلامي، غلامحسين دانشگاه اروميه - دانشكده علوم - گروه رياضي، اروميه، ايران , عليجانپور، احمد دانشگاه اروميه - دانشكده منابع طبيعي - گروه جنگلداري، اروميه، ايران , وي. رابرتز، ديويد دانشگاه ايالتي مونتانا، بازمن - گروه بوم‌شناسي - ايالات متحده آمريكا.
كليدواژه :
طبقه‌بندي سلسله‌مراتبي , جنگل‌هاي هيركاني , خوشه‌بندي , روش اندازه‌گيري فاصله
چكيده فارسي :
امروزه به صورت گسترده از الگوريتم‌هاي خوشه‌بندي استفاده مي‌شود، هرچند كه تصميم‌گيري براي انتخاب روش مناسب به دليل روش‌هاي مختلف خوشه‌بندي و عوامل موثر بر آنها دشوار است. هدف اين پژوهش مقايسه نتايج روش‌هاي خوشه‌بندي سلسله مراتبي و بررسي روش اندازه‌گيري فاصله موثر براي خوشه‌بندي است. براي اين پژوهش، داده‌هاي جنگل‌هاي راش هيركاني واقع در حوزه استحافظي اداره كل منابع طبيعي نوشهر مورد بررسي قرار گرفت. براي تعيين مراكز قطعات نمونه از روش منظم تصادفي با ابعاد شبكه 200×100 استفاده شد و در هر مركز قطعه نمونه، قطعات نمونه صد مترمربعي (10×10 متر) براي بررسي گونه‌هاي علفي و چهارصد مترمربعي (20×20 متر) براي بررسي گونه‌هاي درختي و درختچه‌اي انتخاب شد. در مجموع 120 قطعه نمونه اندازه‌گيري شد. برآورد فراواني و پوشش گونه‌هاي درختي، درختچه‌اي و علفي بر اساس مقياس براون بلانكه انجام پذيرفت. سه روش اندازه‌گيري فاصله بري كورتيس، هلينگر و منهتن و الگوريتم‌هاي خوشه‌بندي، روش ميانگين، روش وارد، روش بتاي انعطاف‌پذير با مقدار بتاي 0/1-، 0/25-، 0/4- براي پژوهش انتخاب شدند و با استفاده از شش شاخص ارزيابي‌كننده (شاخص ميانگين سيلوئت، آناليز پارتيشن، آناليز گونه‌هاي معرف، آناليز گونه‌هاي معرف خوشه‌ها براي كمينه كردن ثبات مياني، روش پاسخ چندگانه جايگشت و ضريب في) مورد بررسي قرار گرفتند. نتايج هر معيار ارزيابي‌كننده از بهترين به بدترين رتبه دسته‌بندي شدند. يافته‌ها نشان داد روش خوشه‌بندي وارد و روش خوشه‌بندي بتاي انعطاف‌پذير با مقدار بتاي 0/1- بهترين عملكرد را دارد و روش اندازه‌گيري فاصله هلينگر در داده‌هاي همگن بهتر از ساير روش‌هاي اندازه‌گيري فاصله است.
چكيده لاتين :
Nowadays, the application of clustering methods is widely increased, although choosing the right method due to the existence of different method and effective factors is difficult. The present study aimed to compare the results of widely used clustering algorithms and to determine the most effective methods according to the different evaluators and evaluate the effective distance measurement method for clustering algorithms. The data of Hyrcanian beech forests were examined in an area protected by the department of natural resources of Nowshahr. Random-systematic sampling method with regular grid of 100×200 m was used for determining the center of sample plots; 100-m2 (10×10 m) sample plots had been used to check the shrub species and 400-m2 (20×20 m) to check the herbaceous species. A total of 120 sample plots were measured. The abundance and coverage of tree, shrub and herbaceous species were estimated based on Braun-Blanquette scale. Three distance methods of measuring distance Bray Curtis, Hellinger and Manhattan were used and five clustering methods (Average method clustering methods, Ward method, flexible beta method with beta values of -0.1, -0.25, -0.4) with six evaluation indicators (silhouette evaluation criterion, PARATNA criterion, Indval criterion, ISAMIC criterion, MRPP criterion and Phi correlation coefficient) were examined. Different clustering algorithms were arranged from best to worst for each dataset. The comparison analysis revealed that Ward’s and flexible-beta with beta value of -0.1 had the best performance. The present findings illustrated that Hellinger distance measurement method is better in homogeneous data than other distance measurement methods.
عنوان نشريه :
تحقيقات منابع طبيعي تجديد شونده
