ارائه مدل عددی برای برآورد وزن تنه درخت صنوبر (Popolus Deltoids)، بر پایه¬ی رگرسیون خطی چند متغیره
محورهای موضوعی : جنگلداریسینا پوررجبعلی 1 , وحید همتی 2 * , علیرضا اسلامی 3 , سیدآرمین هاشمی 4 , سید یوسف ترابیان 5
1 - دانشجوی دکترای جنگلداری، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
2 - استادیار گروه جنگلداری، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران.
3 - دانشیار گروه باغبانی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
4 - دانشیار ، گروه جنگلداری ، واحد لاهیجان ، دانشگاه آزاد اسلامی ، لاهیجان ، ایران
5 - استادیار گروه جنگلداری، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
کلید واژه: تخمین وزن تنه درخت, درخت صنوبر, رگرسیون خطی چندمتغیره, مدل¬سازی عددی.,
چکیده مقاله :
اندازهگیری وزن چوب درختان همواره پس از قطع درختان میسر بوده و با سختیها و مشکلات زیادی همراه می¬باشد. تحقیق جاری با هدف ارائه مدلی عددی جهت تخمین وزن تنه درخت پیش از قطع طراحی گردیده¬است. در این راستا 400 اصله درخت در مناطق جنگل¬کاری شده غرب استان گیلان مورد بررسی قرار گرفت. پیش از قطع آنها، 11 متغیرِ از هر درخت اندازه¬گیری شد که به¬عنوان متغیر مستقل یا ورودی در مدل¬سازی در نظر گرفته شدند. پس از قطع درختان، وزن تنه درختان با اندازه گیری مستقیم از طریق ترازو بدست آمد. آزمون همبستگی پیرسون نشان داد که متغیرهای قطر برابر سینه، قطر در ارتفاع 3 متر، قطر در ارتفاع 4 متر، قطر یقه و ارتفاع تنه موثرترین متغیرها برروی وزن تنه درختان می¬باشند. سپس بر اساس این 5 متغیر، ترکیب¬های ورودی به مدل چیده شدند و مدل رگرسیون خطی چندمتغیره مورد آزمایش و ارزیابی قرار گرفت. نتایج نشان داد که مدل ارائه شده قادر است تنها با در دست داشتن دو متغیرِ قطر برابر سینه و ارتفاع تنه، وزن تنه درختان را با 98/65 = RMSE کیلوگرم و 919/0 =R2 تخمین بزند. با توجه به معیارهای NS و همچنین NRMSE که به¬ترتیب برابر با 909/0 و 080/0 گزارش شدند، کیفیت برآوردهای این مدل بسیار عالی ارزیابی می¬گردد. این دستاورد می¬تواند برای مدیران، برنامه ریزان و بهره وران صنعت چوب این امکان را فراهم سازد که پیش از قطع درختان با خطایی قابل قبول، وزن تنه هر درخت را برآورد نمایند.
Measuring the weight of trees is always possible after cutting trees and it is accompanied by many difficulties and problems. The current research is designed with the aim of providing a numerical model to estimate the weight of the tree trunk before cutting. In this regard, 400 trees were examined in the afforested areas in the west of Gilan province. Before cutting them, 11 variables were measured from each tree, which were considered as independent variables or inputs in modeling. After cutting the trees, the weight of the tree trunks was obtained by direct measurement through a scale. Pearson's correlation test showed that the variables of diameter at 1.30 meters height, diameter at 3 meters height, diameter at 4 meters height, collar diameter and trunk height are the most effective variables on tree trunk weight. Then, based on these 5 variables, the input combinations were arranged into the model and the Multiple Linear Regression model was tested and evaluated. The results showed that the presented model is able to estimate the weight of tree trunks with RMSE = 65.98 kg and R2 = 0.919 by only having two variables of 1.30 diameter and trunk height. According to the NS and NRMSE criteria, which were reported as 0.909 and 0.080, respectively, the quality of the estimations of this model is considered excellent. This achievement can provide the possibility for the managers, planners and users of the wood industry to estimate the trunk weight of each tree with an acceptable error before cutting the trees.