امروزه به صورت گسترده از الگوریتم‌های خوشه‌بندی استفاده می‌شود، هرچند که تصمیم‌گیری برای انتخاب روش مناسب به دلیل روش‌های مختلف خوشه‌بندی و عوامل موثر بر آنها دشوار است. هدف این پژوهش مقایسه نتایج روش‌های خوشه‌بندی سلسله‌ مراتبی و بررسی روش اندازه‌گیری فاصله موثر برای خوشه‌بندی است. برای این پژوهش، داده‌های جنگل‌های راش هیرکانی واقع در حوزه استحافظی اداره کل منابع طبیعی نوشهر مورد بررسی قرار گرفت. برای تعیین مراکز قطعات نمونه از روش منظم تصادفی با ابعاد شبکه 200×100 استفاده شد و در هر مرکز قطعه نمونه، قطعات نمونه صد مترمربعی (10×10 متر) برای بررسی گونه‌های علفی و چهارصد مترمربعی (20×20 متر) برای بررسی گونه‌ های درختی و درختچه‌ای انتخاب شد. در مجموع 120 قطعه نمونه اندازه‌ گیری شد. برآورد فراوانی و پوشش گونه‌های درختی، درختچه‌ای و علفی بر اساس مقیاس براون بلانکه انجام پذیرفت. سه روش اندازه‌گیری فاصله بری کورتیس، هلینگر و منهتن و الگوریتم ‌های خوشه‌ بندی، روش میانگین، روش وارد، روش بتای انعطاف‌ پذیر با مقدار بتای 0/1-، 0/25-، 0/4- برای پژوهش انتخاب شدند و با استفاده از شش شاخص ارزیابی ‌کننده (شاخص میانگین سیلوئت، آنالیز پارتیشن، آنالیز گونه ‌های معرف، آنالیز گونه ‌های معرف خوشه ‌ها برای کمینه کردن ثبات میانی، روش پاسخ چندگانه جایگشت و ضریب فی) مورد بررسی قرار گرفتند. نتایج هر معیار ارزیابی‌کننده از بهترین به بدترین رتبه دسته‌بندی شدند. یافته‌ها‌ نشان داد روش خوشه‌ بندی وارد و روش خوشه‌ بندی بتای انعطاف‌ پذیر با مقدار بتای 0/1- بهترین عملکرد را دارد و روش اندازه‌ گیری فاصله هلینگر در داده‌ های همگن بهتر از سایر روش‌ های اندازه ‌گیری فاصله است. تفاصيل المقالة