کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6542612 159164 2016 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A simple way to incorporate uncertainty and risk into forest harvest scheduling
ترجمه فارسی عنوان
یک راه ساده برای ترکیب عدم اطمینان و ریسک در زمان بندی برداشت جنگل
کلمات کلیدی
برنامه ریزی برداشت شدید عدم قطعیت، مدل سازی عملکرد
ترجمه چکیده
برنامه ریزی جنگل اغلب شامل انتخاب یک دنباله ای از اقدامات است که به حداکثر رساندن یک هدف مانند پیش بینی ارزش فعلی خالص. با این حال، دنباله های به ظاهر مطلوب از اقدامات به ندرت به نتیجه مورد انتظار، به دلیل عدم اطمینان ناشی از اشتباهات در پیش بینی از منابع مختلف (مانند اندازه گیری، نمونه برداری، مدل، پارامتر و پیش بینی). یک منبع قابل توجه عدم اطمینان را می توان با مقایسه مقادیر تاریخی با پیش بینی های تاریخی برای تعداد زیادی عملیات برداشت مقایسه کرد. این مقایسه ها می توانند به عنوان توزیع بازده بالقوه آینده بیان شوند، که پس از آن می توان چندین روش استفاده کرد. اولا می توان از آن برای محاسبه احتمال دستیابی حداقل حداقل عملکرد مورد انتظار استفاده کرد که اجازه می دهد تصمیمات مدیریت جنگل های مبتنی بر ریسک فراهم شود. دوم، اندازه گیری عدم قطعیت می تواند به عنوان یک مجازات در عملکرد هدف در هنگام بهینه سازی استفاده شود، که امکان طراحی برنامه های برداشت را که به عدم قطعیت قوی هستند، می دهد. سوم، اندازه گیری عدم قطعیت خود می تواند در تابع هدف به حداقل برسد. ما پیشنهاد می کنیم که شناسایی و استفاده از مهم ترین اجزای نااطمینانی در این راه می تواند منجر به مزایای مدیریت جنگل شود. ما یک دستورالعمل برای به دست آوردن و استفاده از اطلاعات مورد نیاز ارائه می دهیم و نمونه ای از نمونه موردی.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک بوم شناسی، تکامل، رفتار و سامانه شناسی
چکیده انگلیسی
Forest planning often involves choosing a sequence of actions that will maximize an objective such as predicted net present value. However, seemingly optimal sequences of actions rarely achieve the expected outcome, because of uncertainty arising from errors in prediction from various sources (e.g., measurement, sampling, model, parameter, and forecasting). One substantial source of uncertainty can be measured by systematically comparing historical yields with historical projections for a large number of harvest operations. These comparisons can be represented as a distribution of potential future yields, which can then be used several ways. First, it can be used to compute the probability of achieving at least a minimum expected yield, which allows for risk-based forest management decisions. Second, the measure of uncertainty can be used as a penalty in the objective function during optimization, enabling the design of harvesting schedules that are robust to uncertainty. Third, the measure of uncertainty can itself be minimized in the objective function. We propose that identifying and using the most important components of uncertainty in this way can lead to benefits for forest management. We provide a recipe for obtaining and using the needed information, and a case study example.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Forest Ecology and Management - Volume 359, 1 January 2016, Pages 11-18
نویسندگان
, , ,