شناسايي و مدل‌سازي عوامل مؤثر در توليد رواناب و رسوب از توده‌هاي بهره‌برداري‌شدۀ جنگلي

در اين پژوهش تأثير بهره‌برداري بر رواناب و رسوب با استفاده از پلات‌هايي با مقياس كوچك بررسي شد. نمونۀ رواناب و رسوب از 36 پلات به ابعاد 1 در 2 متر تهيه شد. پلات‌ها در قسمت‌هاي مختلف عرصۀ بهره‌برداري و منطقۀ شاهد احداث شد. به‌منظور مدل‌سازي از شبكۀ پرسپترون چندلايه MLP (Multi Layer Perceptron) استفاده شد. 65 درصد داده‌ها براي آموزش و 10 درصد براي صحت‌سنجي و 25 درصد داده‌ها به آزمون اختصاص داده شد. براي ارزيابي صحت مدل و همچنين مقايسۀ آن با مدل‌هاي بهينه‌سازي‌شده با روش آزمون و خطا، از معيارهاي آماري ضريب تبيين (Rsqr)، جذر ميانگين مربعات خطا (RMSE) و ميانگين خطاي مطلق (MAE) استفاده شد. از GIS در همۀ مراحل جمع‌آوري اطلاعات استفاده شد. مقادير رواناب و رسوب شبيه‌سازي‌شده به‌وسيلۀ ANN با استفاده از GIS در توليد نقشه استفاده شد. نتايج نشان داد كه مهم‌ترين عوامل در توليد رواناب، جرم مخصوص خاك، شدت بارش، شيب، مقدار بارش، درصد پوشش علفي و درصد پوشش تاجي و براي رسوب به‌ترتيب، شدت بارش، جرم مخصوص خاك، درصد شيب و درصد پوشش علفي است. مقادير MSE و R حاصل از مدل‌سازي رواناب در مرحلۀ آموزش به‌ترتيب 0.009 و 0.9 و در مرحلۀ آزمون 0.01 و 0.82 بود. مقادير MSE و R حاصل از مدل‌سازي رسوب در مرحلۀ آموزش 0.01 و 0.86 و در مرحلۀ آزمون 4.3 و 0.8 بود. نتايج نشان داد كه شبكۀ عصبي قابليت مناسبي در مدل‌سازي رواناب و رسوب در اراضي جنگلي دارد. آناليز همپوشاني مقادير اندازه‌گيري‌شده و نقشۀ مقادير رسوب و رواناب نيز بر صحت، كارايي نتايج و روش ارائه‌شده دلالت دارد. بنابراين مي‌توان از مدل ارائه‌شده با تلفيق ANN و GIS در شبيه‌سازي و مدل‌سازي رواناب و رسوب در مناطق جنگلي استفاده كرد.