این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
حفاظت زیست بوم گیاهان، جلد ۱۰، شماره ۲۱، صفحات ۱۵۵-۱۶۷
عنوان فارسی کاربرد شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در مدلسازی حجم توده سرپا با استفاده از داده‌های محیطی و سنجش از دور
چکیده فارسی مقاله جهت اداره جنگل­ها و بهره­برداری بهینه و پایدار از جنگل آگاهی از اطلاعات حجم توده سرپا ضروری به نظر می‌رسد. در این مطالعه، آماربرداری به صورت تصادفی سیستماتیک به تعداد 186 پلات 10 آری دایره­ای شکل در جنگل آموزشی و پژوهشی دارابکلا ساری انجام پذیرفت و حجم هر یک از این پلات­ها بدست آمد. در گام بعد، با استفاده از نقشه­ی توپوگرافی، لایه­های فیزیوگرافی منطقه تهیه و با استفاده از تصویر LISS-III ماهواره IRS-P6 با اندازه تفکیک 5/23 مشخصه­های پوشش گیاهی تهیه گردید. پس از تهیه لایه­های فیزیوگرافی و مشخصه­های پوشش گیاهی، مقدار آن‌ها برای تمام پلات‌ها محاسبه شد. سپس با در نظر گرفتن این متغیرها و با استفاده از دو روش پرسپترون چند لایه شبکه­های عصبی و رگرسیون چندگانه مدل‌سازی صورت گرفت. نتایج نشان داد که مدل خطی چندگانه با مقدار 75/0 =R2  و 3/0  = RMSE تغییرات حجم در منطقه را با دقت بالاتری توانست مدل‌سازی نماید. از نتایج این تحقیق می توان در برنامه ریزی‌های مدیریتی و به عنوان ­یکی از عوامل اثرگذار در طراحی مسیرهای چوبکشی و جاده­های جنگلی استفاده نمود، به گونه­ای که مناطق دارای حجم بیشتر تحت پوشش بیشتری قرار گیرند.  
کلیدواژه‌های فارسی مقاله مدل‌سازی حجم توده سرپا، رگرسیون خطی چندگانه، سنجش از دور، شبکه‌ی عصبی مصنوعی، پرسپترون چند لایه
عنوان انگلیسی The application of artificial neural network and multiple linear regression in modeling the volume of residual stand using environmental data and remote sensing
چکیده انگلیسی مقاله In order to manage the forests and optimal and sustainable utilization of the forest, it seems necessary to know the information on the volume of the residual stand. In this study, a systematic randomized inventory was carried out in 186 circular 10-acre plots in the educational and research forest of Darabkola, Sari, Golestan, Iran and the volume of each plot was obtained. In the next step, the physiographic layers of the area were prepared using the topographic map and the vegetation characteristics were prepared using the LISS-III image of the IRS-P6 satellite with a resolution of 23.5. After preparing physiographic layers and vegetation characteristics, their value was calculated for all plots. Then, regarding these variables and using two methods of multilayer perceptron neural network and multiple regression model, modeling was done. The results showed that the multiple linear model could model the volume changes in the region with higher accuracy (R2=0.75 and RMSE=0.3). The results of this research can be used in management planning and as one of the effective factors in the design of logging routes and forest roads so that areas with larger volumes are covered more.  
کلیدواژه‌های انگلیسی مقاله Modeling of residual stand volume, Multiple linear regression, Remote sensing, Artificial neural network, Multilayer perceptron
نویسندگان مقاله حسن فرامرزی | hassan faramarzi
Faculty of Natural Resources and Marine Sciences, Noor, Mazandaran
دانشکدە منابع طبیعی و علوم دریایی نور، مازندران

سعید شعبانی | saeid shabani
Research Department of Natural Resources, Golestan Agricultural and Natural Resources Research and Education Center, AREEO, Gorgan, Iran
بخش تحقیقات منابع طبیعی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران

اکرم احمدی | akram ahmadi
Research Department of Natural Resources, Golestan Agricultural and Natural Resources Research and Education Center, AREEO, Gorgan, Iran
بخش تحقیقات منابع طبیعی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران

نشانی اینترنتی http://pec.gonbad.ac.ir/browse.php?a_code=A-10-605-3&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات