کاربرد مدل رقومی سطح (DSM) در برآورد حجم سرپای جنگل با استفاده از روش های رگرسیون و شبکه عصبی مصنوعی

آماربرداری زمینی برای برآورد حجم اگرچه دقیق ترین داده ها را برای اهداف مدیریتی و پژوهشی مهیا می کند، اما پرهزینه و وقت گیر است. تاکنون راهکار های مختلفی برای کاهش حجم عملیات زمینی در آماربرداری ارایه شده اند که هر یک دارای مزایا و معایبی هستند. در پژوهش حاضر رهیافت جدیدی برای برآورد حجم پیشنهاد و مورد ارزیابی قرار گرفته است. این رهیافت بر اساس این ایده است که تغییرات ارتفاع درختان در قطعه نمونه به عنوان یک متغیر مستقل، برآورد حجم سرپای نمونه را ممکن می سازد. به این منظور تعداد 150 قطعه نمونه ی زمینی با شبکه ی تصادفی منظم به ابعاد 400×300 متر برداشت و حجم سرپا در آنها محاسبه گردید. مدل رقومی سطح براساس تصاویر هوایی UltraCamD در ابعاد 1 تا 10 متر با بازه های 1 متری استخراج گردید. در محل قطعه نمونه ها، انحراف معیار و دامنه ی مدل رقومی سطح محاسبه و به عنوان متغیر وابسته در نظر گرفته شد. به منظور مدل سازی از روش های مدل سازی رگرسیونی شامل خطی و توانی استفاده شد. به علاوه از پرسپترون تک لایه به عنوان یک روش مدل سازی شبکه عصبی مصنوعی استفاده گردید. نتایج نشان داد که انحراف معیار بهتر از دامنه بود و بهترین ابعاد پیکسل برآی برآورد حجم سرپا 5 متر به دست آمد. با توجه به آماره های مختلف محاسبه شده برای ارزیابی و مقایسه ی روش های مدل سازی، مدل پرسپترون تک لایه و رگرسیون خطی نتایج مناسب تری نسبت به سایر روش ها نشان دادند. اریبی نسبی و جذر میانگین مربعات خطای نسبی برآورد حجم سرپا به ترتیب 2 و 47 درصد بود.