مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

403
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

496
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارزیابی و مدل سازی خطرآفرینی درختان چنار با استفاده از معیارهای تشخیص خطرآفرینی و آنالیز مولفه اصلی

صفحات

 صفحه شروع 1 | صفحه پایان 16

چکیده

 سابقه و هدف: درختان خیابانی با وجود تمام سودمندی هایی که می توانند داشته باشد هر گونه عیب و نقص به دلیل فرتوتی درخت, کاهش مقاومت درخت به خاطر صنعتی بودن, پرجمعیت بودن و آلودگی آب و هوای شهرهای بزرگ و همچنین خشکسالی های مکرر ممکن است به بروز خطرهای مالی و جانی منجر شود. بنابراین ضرورت بررسی و شناسایی درختان خطر آفرین فضای سبز شهرهای بزرگ را افزایش داده است. برای این منظور ارزیابی مقدار خطرآفرینی درختان چنار (Plantanus orientalis L. ) فضای سبز خیابان عباس آباد شهر اصفهان و مدل پیش بینی خطر سقوط این درختان با استفاده از شبکه عصبی در سال 1397 پرداخته شد. مواد و روش ها: در پژوهش حاضر شدت خطرآفرینی درختان چنار در خیابان عباس آباد شهر اصفهان با روش آماربرداری صددرصد با استفاده از متغیرهای کمی و معیارهای تشخیص خطرآفرینی (کیفی یا عیوب) مورد مطالعه قرار گرفت. پس از تعیین سهم معیارهای خطرآفرین و درجه اهمیت آن ها در 711 اصله درخت چنار, آنالیز تجزیه واریانس یک طرفه بین تعداد درختان در معیارهای مختلف خطرآفرینی صورت گرفت. در مرحله بعد, درختان از نظر معیارهای خطرآفرینی وزن دهی شدند. سپس بر مبنای اعداد حاصل از وزن دهی بر اساس طبقه بندی تجربی به 5 طبقه ی خطرآفرین تقسیم شدند. همچنین به منظور پردازش داده های متغیرهای کمی, معیارهای تشخیص خطرآفرینی (کیفی یا عیوب) و پارامترهای وزن دهی و طبقه های شدت خطرآفرینی از تجزیه و تحلیل مولفه های اصلی و شبکه پرسپترون چند لایه ی شبکه عصبی استفاده شد. یافته ها: با توجه به نتایج معیار تشخیص خطرآفرینی درختان چنار, متغیرهای وضعیت و ضعف ساختاری یا ضعف فیزیکی یا انحراف از راستای قائم (61%), مشکلات ریشه (59%) و زخم روی تنه و ریشه (55%) بیشترین سهم را دربر می گیرند. همچنین نتایج حاصل از آزمون تجزیه واریانس یک طرفه معیارهای تشخیصی خطرآفرینی درختان چنار نشان داد که تعداد درختان بین 4 طبقه فاقد خطر یا سالم, خطر کم, خطر متوسط و خطر زیاد در سطح خطای یک درصد دارای اختلاف معنی دار هستند. نتایج مقایسه میانگین آزمون دانکن نشان داد که طبقه خطر متوسط با طبقات خطر کم و خطر زیاد فاقد اختلاف معنی دار هستند و سایر طبقات با یکدیگر دارای اختلاف معنی دار هستند. نتایج حاصل از آنالیز مولفه اصلی نشان دهنده این است که محور اول و دوم 40/41 درصد از تغییرات کل را در برمی گیرند. پارامترهای وزن دهی با زخم روی تنه و ریشه, تماس با خطوط و مشکلات ریشه نسبت به سایر متغیرهای کمی و کیفی همبستگی بالا و مثبت را نشان دادند. به طور کلی دو متغیر مشکلات ریشه و زخم روی تنه و ریشه از مهمترین متغیرهای موثر در تعیین شدت خطرآفرینی درختان چنار در منطقه مورد مطالعه در دو روش معیارهای تشخیصی خطرآفرینی و تجزیه و تحلیل مولفه اصلی هستند. دقت و برازندگی شبکه عصبی با توجه به ضرایب تبیین بالای داده های آموزشی, اعتبارسنجی, ارزیابی و در نهایت تمامی داده های شبکه عصبی (927/0, 930/0, 930/0 و 927/0) و حداقل میانگین مربعات خطا (داده های آموزشی=186/0, ارزیابی=196/0 و اعتبارسنجی=169/0) در پیش بینی طبقات شدت خطرآفرینی درختان چنار خیابان عباس آباد از سطح بسیار مطلوبی برخوردار است و همچنین منطبق بودن خروجی شبکه عصبی و داده های واقعی برهم دال بر کیفیت مناسب شبکه است. نتیجه گیری: مشکلات ریشه و زخم بیشترین سهم را در خطر آفرینی درختان چنار دارند و براساس طبقه بندی درختان در حال حاضر, در طبقه های خطر بسیار کم و کم قرار داشته ولی در آینده قابلیت تبدیل شدن به درختان خطرناک را دارند. بنابراین در مجموع اقدامات پیشگیرانه و اصلاحی برای درختان با خطر کم و متوسط پیشنهاد می شود. با توجه به کارایی مطلوب شبکه عصبی در طبقه بندی شدت ریسک درختان چنار خطرآفرین در فضای سبز شهری به عنوان یک مدل پیش بینی در ارزیابی احتمال سقوط درختان چنار معرفی نمود.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    نافیان، مژده، بهمنی، محسن، قهساره اردستانی، الهام، و سلطانی، علی. (1398). ارزیابی و مدل سازی خطرآفرینی درختان چنار با استفاده از معیارهای تشخیص خطرآفرینی و آنالیز مولفه اصلی. پژوهش های علوم و فناوری چوب و جنگل، 26(2 )، 1-16. SID. https://sid.ir/paper/365454/fa

    Vancouver: کپی

    نافیان مژده، بهمنی محسن، قهساره اردستانی الهام، سلطانی علی. ارزیابی و مدل سازی خطرآفرینی درختان چنار با استفاده از معیارهای تشخیص خطرآفرینی و آنالیز مولفه اصلی. پژوهش های علوم و فناوری چوب و جنگل[Internet]. 1398؛26(2 ):1-16. Available from: https://sid.ir/paper/365454/fa

    IEEE: کپی

    مژده نافیان، محسن بهمنی، الهام قهساره اردستانی، و علی سلطانی، “ارزیابی و مدل سازی خطرآفرینی درختان چنار با استفاده از معیارهای تشخیص خطرآفرینی و آنالیز مولفه اصلی،” پژوهش های علوم و فناوری چوب و جنگل، vol. 26، no. 2 ، pp. 1–16، 1398، [Online]. Available: https://sid.ir/paper/365454/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button