Karabük yöresi kayın-göknar karışık meşcerelerinde gövde çaplarının yapay sinir ağları ile tahmin edilmesi

Abstract

Bu çalışmada, Karabük yöresi Doğu kayını – Kazdağı göknarı karışık meşcerelerinde bulunan Doğu kayını ve Kazdağı göknarı ağaçlarının gövde çaplarının tahmininde kullanılmak üzere yapay sinir ağı modellerinin geliştirilmesi ve geliştirilen modellerin gövde çapı denklemleri ile karşılaştırılması amaçlanmıştır. Araştırma materyali olarak Büyükdüz Orman İşletme Şefliği'nde bulunan karışık meşcerelerden alınan 238 adet Doğu kayını ve 278 adet Kazdağı göknarı olmak üzere toplam 516 adet örnek ağaç üzerinde yapılan ölçümlerle elde edilen göğüs çapı, dip kütük çapı, ağaç boyu ve 2,30 m'den başlamak üzere 1'er m ara ile ağacın uç kısmına kadar olan gövde çapı verileri kullanılmıştır.Yapay sinir ağı modellerinin ara ve çıktı katmanlarında kullanılan aktivasyon fonksiyonları (hiperbolik tanjant fonksiyonu, sigmoid fonksiyonu veya doğrusal fonksiyon) ve ara katmanda yer alan nöron sayılarına (2, 4, 6, 8 veya 10) bağlı olarak toplam 45 adet yapay sinir ağı modeli ile bu modellerle karşılaştırılmak üzere 4 farklı gövde çapı denklemi geliştirilmiştir. Geliştirilen yapay sinir ağı modelleri ve gövde çapı denklemlerinin her iki ağaç türü için gövde çapı tahmin başarıları 7 adet istatistiksel ölçüte göre belirlenen rölatif sıralamalarına göre karşılaştırılmıştır.Yapılan karşılaştırmalar sonucunda gövde çapı tahminlerinde her iki ağaç türünde de yapay sinir ağı modellerinin gövde çapı denklemlerinden daha başarılı olduğu belirlenmiştir. Geliştirilen yapay sinir ağı modelleri arasında en başarılı bulunan modeller, Doğu kayını için ara katmanda sigmoid fonksiyonunun ve çıktı katmanında hiperbolik tanjant fonksiyonunun kullanıldığı 10 nöronlu model ve Kazdağı göknarı için ise ara katmanda sigmoid fonksiyonunun ve çıktı katmanında doğrusal fonksiyonun kullanıldığı 10 nöronlu model olmuştur. Gövde çapı denklemlerinden ise her iki ağaç türü için de Kozak (2004) tarafından geliştirilen denklem en başarılı gövde çapı tahminlerini vermiştir.

Development of artificial neural network models to estimate stem taper of Oriental beech and Kazdağı fir growing in mixed stands distributed in Karabük Region and comparison of the developed models and stem taper functions are objectives of this study. Measurements obtained from 516 sample trees (238 beech and 278 fir) growing in mixed stands within the boundaries of Büyükdüz Forest Enterprise were used as a study material. These measurements include tree height, diameter at stump height, diameter at breast height, and diameters at intervals of 1 m along the stem. Totally 45 artificial neural network model structures with combination of transfer functions (hyperbolic tangent transfer function, sigmoid transfer function or linear transfer function) used in hidden and output layers and the number of neurons (2, 4, 6, 8 or 10) used in hidden layer, and 4 different stem taper functions were developed in the study. The comparison of estimation performances of artificial neural network models and stem taper functions were executed by using relative rankings according to seven goodness-of fit criteria. As a result of comparisons made, it's detected that artificial neural network models are more successful in estimation of stem taper for both tree species. The most successful artificial neural network model structures are (i) the model using sigmoid transfer function in hidden layer with 10 neurons, hyperbolic tangent transfer function in output layer for Oriental beech and (ii) the model using sigmoid transfer function in hidden layer with 10 neurons, linear transfer function in output layer for Kazdağı fir. Besides, the equation developed by Kozak (2004) had the most successful estimations of stem tapers among the stem taper equations.