مدل‌سازی ارزیابی کیفیت زیباشناختی منظر جنگل با استفاده از شبکه عصبی مصنوعی

Abstract

سابقه و هدف: با توجه به کاهش روزافزون قابلیت برداشت چوب از جنگل‌های هیرکانی نیاز به برنامه‌ریزی برای استفاده از سایر قابلیت‌های اکوسیستم‌های جنگلی همچون اکوتوریسم بیشتر از گذشته احساس می‌شود. برنامه‌ریزی اکوتوریسم نیاز به اطلاعات کافی درباره جذابیت‌های اکولوژیکی، ساختار و عناصر منظر طبیعی دارد. از طرفی ارزیابی صحیح از وضعیت مناظر مختلف در یک منطقه مستلزم داشتن اطلاعات کافی در مورد معیارهای تاثیرگذار و همچنین نوع، نحوه و میزان اثرگذاری هر یک از این معیارها در درک کاربر از کیفیت منظر است. تعیین نقاطی که از نظر ساختار منظر، کیفیت بالایی دارند گام اول در جهت بالا بردن کیفیت زیباشناختی آنها و حفاظت از اکوسیستم طبیعی می‌باشد. در این مطالعه تلاش جهت ارزیابی کیفیت زیباشناختی منظر جنگل با استفاده از ترکیب دیدگاه جامع کمی و روش مدل‌سازی شبکه عصبی مصنوعی جهت تعیین موثرترین عناصر عینی منظر در افزایش کیفیت زیباشناختی ذهنی منظر است. مواد و روش‌ها: پژوهش حاضر در سه بخش پاتم، نمخانه و گرازبن جنگل آموزشی پژوهشی خیرود دانشکده منابع طبیعی دانشگاه تهران (با تنوع بالا در کیفیت منظر) انجام شد. در منطقه جنگلی مورد مطالعه در مجموع 200 منظر با ساختار متنوع از نظر پوشش درختی و ترکیب منظره‌ها شناسایی و اطلاعات مربوط به عناصر و ویژگی‌های منظر ثبت گردید و کیفیت زیباشناختی با دید ناظر ارزیابی شد. در این تحقیق به منظور مدل‌سازی ارزیابی کیفیت زیباشناختی منظر جنگل، ویژگی‌های ساختاری و عناصر هریک از مناظر ثبت و اقدام به طبقه‌بندی کیفیت زیباشناختی منظر در سه کلاس کیفیت زیباشناختی ضعیف(1)، مطلوب(2) و عالی(3) گردید. به منظور پردازش داده‌ها با ابزار هوشمند شبکه عصبی، از شبکه پرسپترون چندلایه استفاده شد. یافته‌ها: با توجه به ضرایب تبیین آزمون شبکه معادل 88/0، 896/0 و 969/0 در طبقه‌بندی کلاس‌های 1 تا 3، دقت شبکه عصبی در پیش‌بینی کیفیت زیباشناختی منظر جنگل از سطح بسیار مطلوبی برخوردار است. بر اساس نتایج آنالیز حساسیت ترکیب منظر، تنوع منظر درختی و پوشش درختان قطور به ترتیب بیشترین تاثیر را در طبقه‌بندی مناظر جنگل در کلاس1 و 2 داشته‌اند. از طرفی تنوع منظر درختی، ترکیب منظر و موقعیت دید به ترتیب بیشترین تاثیر را در طبقه‌بندی مناظر در کلاس3 از خود نشان دادند. نتیجه گیری: شناسایی تأثیرگذارترین عناصر بر کیفیت زیباشناختی منظر جنگل، مشخص می‌سازد که جهت مدیریت و برنامه‌ریزی منظر جنگل و دستیابی به نقاط چشم‌انداز با کیفیت منظر مطلوب از دیدگاه کاربر یا ناظر توجه به ترکیب منظر و تنوع بالا در منظره‌های موجود، تنوع منظر درختی با تنوع بالا در گونه‌های درختی توده و همچنین حضور درختان قطور و کهنسال در الویت قرار می‌گیرد. تحقیق حاضر روش نوینی را در ارزیابی کیفیت زیباشناختی منظر جنگل ارائه می‌کند و مدل حاصله علاوه بر ارائه معیارهای کاربردی در ارزیابی کیفیت منظر جنگل، به عنوان یک سامانه پشتیبان تصمیم‌گیری با قابلیت استفاده در اکوسیستم‌های جنگلی مشابه شناخته می‌شود.

Keywords

• کیفیت زیباشناختی منظر جنگل
• شبکه عصبی مصنوعی
• پرسپترون چندلایه
• ترکیب منظر