بررسی فاکتورهای موثر رویشگاهی بر فراوانی قارچ های ماکروسکوپی چوب زی و تحلیل حساسیت با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: جنگل خیرود نوشهر)

یکی از مزایای شبکه عصبی مصنوعی قابلیت کاربرد آن در مدیریت و برنامه ریزی اکوسیستم های طبیعی است. با توجه به اینکه جنگل های شمال ایران دارای تنوع رویشگاهی بالایی هستند و برای مدیریت آنها نیاز به شناخت اکوسیستم این جنگل ها داریم، بررسی این موضوع که استفاده از شبکه عصبی مصنوعی تا چه حدی در کلاسه بندی حضور و فراوانی قارچ های ماکروسکوپی جنگل ها موثر 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 جنگل گردشی های مقدماتی و انتخاب قطعه های مورد نظر نمونه برداری، در فصول تابستان و پاییز طی چندین برداشت در قطعه های 110، 207 و 311 به ترتیب در بخش های پاتم، نم خانه و گرازبن این جنگل، آماربرداری صددرصد از کلیه درختان بلندمازو و ممرز قارچ زده انجام گردید. درمجموع، از این سه قطعه، 231 نمونه قارچ ماکروسکوپی از روی درختان بلندمازو و ممرز جمع آوری گردید که 112 نمونه آنها مربوط به قارچ های چوب زی بودند. نتایج این تحقیق نشان داد که شبکه عصبی مصنوعی طراحی شده، قابلیت خوبی در کلاسه بندی فراوانی قارچ های 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 می دهد. تعداد ورودی ها برابر با 112 نمونه با 11 متغیر و تعداد خروجی ها شامل چهار طبقه یا کلاس فراوانی قارچ است. نتایج مربوط به آنالیز حساسیت مولفه های بکار برده شده به منظور مدل سازی در پیش بینی هریک از کلاسه های قارچ با استفاده از شبکه عصبی مصنوعی نیز نشان داد که درجه پوسیدگی خشکه دار، سلامت درخت، وضعیت درخت و ریزاقلیمی توده به ترتیب بیشترین تاثیر را در حضور و فراوانی قارچ های ماکروسکوپی از خود نشان می دهند.