برآورد توان تولیدی رویشگاه راش شرقی در جنگل‌های هیرکانی با استفاده از الگوریتم درخت طبقه‌بندی و رگرسیون

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد جنگلداری، دانشکدۀ منابع طبیعی، دانشگاه تربیت مدرس

2 استادیار گروه جنگلداری، دانشکدۀ منابع طبیعی، دانشگاه تربیت مدرس

3 استاد گروه جنگلداری، دانشکدۀ منابع طبیعی، دانشگاه تربیت مدرس

4 دانشجوی دکتری جنگلداری، دانشکدۀ منابع طبیعی، دانشگاه تربیت مدرس

چکیده

در مطالعۀ حاضر از شاخص فرم رویشگاه که مطمئن‌ترین معیار برای ارزیابی کیفیت رویشگاه در توده‌های ناهمسال و آمیخته است، برای ارزیابی توان تولیدی رویشگاه راش شرقی استفاده شد. به این منظور در جنگل پژوهشی دانشگاه تربیت مدرس، در تیپ‌هایی که در آنها گونۀ راش غالب بود، به روش منظم - تصادفی 105 قطعه نمونۀ دایره‌ای به مساحت 1000 متر مربع پیاده و در هر یک از آنها ارتفاع و قطر تمام درختان گونۀ راش علاوه‌بر ارتفاع از سطح دریا، درصد شیب و آزیموت اندازه‌گیری و ثبت شد. همچنین از عمق 10-0 سانتی‌متری، نمونه‌برداری خاک انجام گرفت و متغیرهای فیزیکی و شیمیایی خاک اندازه‌گیری شد. ارزیابی توان تولید رویشگاه راش با استفاده از تکنیک درخت طبقه‌بندی و رگرسیون نشان داد که متغیرهای فسفر، شاخص تابش خورشیدی، درصد رس و وزن مخصوص ظاهری به‌ترتیب اهمیت نسبی، متغیرهای مؤثر بر فرم رویشگاه هستند و 62 درصد تغییرات در توان تولیدی را می‌توان با استفاده از این متغیرها تبیین کرد. با استفاده از مدل خطی تعمیم‌یافته و معیارهای ضریب تبیین تعدیل‌یافته، مجذور مربعات میانگین خطا، معیارهای اطلاعاتی آکائیک (AIC) و بیزی (BIC) عملکرد تکنیک درخت طبقه‌بندی و رگرسیون نیز ارزیابی شد. نتایج نشان داد هرچند تکنیک درخت طبقه‌بندی و رگرسیون و مدل خطی تعمیم‌یافته درصد تغییرات یکسانی را توجیه می‌کند، الگوریتم درخت تصمیم از لحاظ معیارهای اطلاعاتی AIC و BIC نسبت به مدل رگرسیونی عملکرد بهتری دارد. از طرف دیگر تفسیر این تکنیک‌ها آسان‌تر است.  

کلیدواژه‌ها


عنوان مقاله [English]

Estimating the beech forest site productivity in Hyrcanian forest using classification and regression tree algorithm

نویسندگان [English]

  • E. Fakur 1
  • J Alavi 2
  • M Tabari 3
  • K Ahmadi 4
1
2
3
4
چکیده [English]

In this study, the site form index which is the most reliable criterion for evaluation of forest site productivity in uneven-aged and mixed stands was used. For this purpose, random-systematic sampling method was used to locate 105 0.1 ha circular sample plots in beech dominated forests in Tarbiat Modares University research forest. The height and diameter of Fagus orientalis Lipsky trees within each sample plot was recorded along with elevation, azimuth and slope of the ground. Also, at the center of plot, soil samples from first layer (0-10 cm) were taken for analyzing several soil variables. Evaluation of forest site productivity by using classification and regression tree algorithm showed that after pruning the full tree, phosphorus, TRASP, clay and bulk density are effective variables, in order of relative importance, on site form and 62% variations in productivity can be explained by these variables. Using generalized linear model and evaluation criteria such as AIC, RMSE, R2 and adjusted R2, the performance of CART model was assessed. The results showed though CART techniques and the generalized linear model justify the same variability in forest productivity but decision tree technique in terms of AIC and BIC criteria is better than the GLM and as well as this technique is easier to interpret.

کلیدواژه‌ها [English]

  • Classification and regression tree algorithm
  • Forest productivity
  • Generalized linear model
  • Hyrcanian forests