این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات جنگل و صنوبر ایران، جلد ۲۱، شماره ۴، صفحات ۶۱۷-۶۲۸
عنوان فارسی بررسی فاکتورهای مؤثر رویشگاهی بر فراوانی قارچ‌های ماکروسکوپی چوب‌زی و تحلیل حساسیت با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: جنگل خیرود نوشهر)
چکیده فارسی مقاله یکی از مزایای شبکه عصبی مصنوعی قابلیت کاربرد آن در مدیریت و برنامه­ریزی اکوسیستم­های طبیعی است. با توجه به اینکه جنگل­های شمال ایران دارای تنوع رویشگاهی بالایی هستند و برای مدیریت آنها نیاز به شناخت اکوسیستم این جنگل­ها داریم، بررسی این موضوع که استفاده از شبکه عصبی مصنوعی تا چه حدی در کلاسه­بندی حضور و فراوانی قارچ­های ماکروسکوپی جنگل­ها مؤثر است، از اهمیت خاصی برخوردار است. بنابراین برای کسب اطلاعات در این زمینه، جنگل آموزشی و پژوهشی خیرود در نوشهر انتخاب شد و بعد از انجام جنگل‌گردشی­های مقدماتی و انتخاب قطعه‌های مورد نظر نمونه­برداری، در فصول تابستان و پاییز طی چندین برداشت در قطعه‌های 110، 207 و 311 به‌ترتیب در بخش­های پاتم، نم­خانه و گرازبن این جنگل، آماربرداری صددرصد از کلیه درختان بلندمازو و ممرز قارچ­زده انجام گردید. درمجموع، از این سه قطعه ،231 نمونه قارچ ماکروسکوپی از روی درختان ­بلندمازو و ممرز جمع­آوری گردید که 112 نمونه آنها مربوط به قارچ­های­چوب­زی بودند. نتایج این تحقیق نشان داد که شبکه عصبی مصنوعی طراحی شده، قابلیت خوبی در کلاسه­بندی فراوانی قارچ­های ماکروسکوپی درختان مورد مطالعه دارد. شبکه با دو لایه پنهان و 11 نرون در هر لایه با توجه به بیشترین مقدار ضریب تعیین، بهترین عملکرد بهینه سازی توپولوژی را نشان می­دهد. تعداد ورودی­ها برابر با 112 نمونه با 11 متغیر و تعداد خروجی­ها شامل چهار طبقه یا کلاس فراوانی قارچ است. نتایج مربوط به آنالیز حساسیت مؤلفه­های بکار برده شده به­منظور مدل­سازی در پیش‌بینی هریک از کلاسه­های قارچ با استفاده از شبکه عصبی مصنوعی نیز نشان داد که درجه پوسیدگی خشکه­دار، سلامت درخت، وضعیت درخت و ریزاقلیمی توده به‌ترتیب بیشترین تأثیر را در حضور و فراوانی قارچ­های ماکروسکوپی از خود نشان می­دهند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Investigation of affective habitat factors affecting on abundance of wood macrofungi and sensitivity analysis using the artificial neural network (case study: Kheyrud forest, Noshahr)
چکیده انگلیسی مقاله One advantage of artificial neural networks is application in the management and planning of natural ecosystems. Considering the high biological diversity of northern forests of Iran, it is necessary to know forests ecosystems. Thus, using artificial neural networks is important for modeling and forecasting of presence and abundance of wood macrofungi in forests. Fungi samples were collected in summer and fall seasons on oak and hornbeam trees from compartments 110, 207 and 311 in educational and research forest of the University of Tehran. Totally 231 samples of macrofungi were collected that 112 samples of them belong to wood decay fungi. Results showed that the designed artificial neural network, has suitable potential for modeling of abundance of wood fungi. Network with two hidden layers and 11 neurons in each layer with the highest coefficient of determination, show the best performance of topology optimization. The number of inputs and outputs equal to 112 samples with 11 variables including density class 4 or class of fungi. Sensitivity analysis showed the decay stage of tree, tree health status and its condition and stand microclimate have the most effect on presence and abundance of wood macrofungi.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حامد آقاجانی |
دانشجوی دکتری گروه جنگل شناسی و اکولوژی جنگل، دانشگاه علوم کشاورزی و منابع طبیعی ساری.
سازمان اصلی تایید شده: دانشگاه علوم کشاورزی و منابع طبیعی ساری

محمدرضا مروی مهاجر | mohammad reza meravi mohajer
استاد، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی،‎ ‎دانشگاه تهران، کرج
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

علی جهانی |
استادیار گروه علوم محیط زیست و منابع طبیعی، دانشگاه محیط زیست، کرج

محمدرضا آصف | mohammad reza
استادیار، گروه رستنی ها، مؤسسه تحقیقات گیاه پزشکی ایران، تهران

انوشیروان شیروانی |
استادیار، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، کرج
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

مجتبی آذریان |
دانش آموخته کارشناسی ارشد، گروه جنگل شناسی و اکولوژی جنگل، دانشکده منابع طبیعی، دانشگاه تهران، کرج
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://ijfpr.areeo.ac.ir/article_5135_3cf71f505732a43f15d3b5e242864951.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/695/article-695-384818.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات