تهیه نقشه پیش بینی پراکنش مکانی رویشگاه گونه های گیاهی با استفاده از شبکه های عصبی مصنوعی در مراتع استان قم

Authors
abstract

این تحقیق با هدف ارزیابی قابلیت مدل شبکه عصبی مصنوعی  در تهیه نقشه پیش بینی پراکنش رویشگاه گونه های گیاهی و شناخت نقاط قوت و ضعف این روش انجام شد. بدین منظور بعد از تعیین واحدهای همگن با استفاده از مدل رقومی ارتفاع و نقشه زمین شناسی با مقیاس 1:25000، نمونه برداری از پوشش گیاهی و عوامل محیطی انجام گرفت و نقشه مربوط به متغیرهای محیطی با استفاده از سیستم اطلاعات جغرافیایی  و زمین آمار  تهیه شد. متغیرهای ورودی به شبکه بر اساس نتایج رگرسیون لوجستیک انتخاب شد. برای تهیه مدل شبکه عصبی مصنوعی بعد از نرمال سازی داده ها و تقسیم تصادفی داده ها به سه مجموعه آموزش، آزمون و اعتبارسنجی، بهترین ساختار شبکه عصبی با استفاده از میانگین مربعات خطا  تعیین شد. بعد از شبیه سازی احتمال حضور و عدم حضور گونه ها با شبکه بهینه، نقشه پیوسته احتمال حضور و عدم حضور گونه ها با استفاده از نرم افزار arc gis در هر رویشگاه تهیه شد و آستانه بهینه حضور تعیین شد. در مرحله بعد، میزان تطابق نقشه های به دست آمده با نقشه های واقعی از طریق محاسبه ضریب کاپا بررسی شد. نتایج نشان داد که نقشه پیش بینی رویشگاه pteropyrum olivieri-stipa barbata دارای تطابق عالی و نقشه پیش بینی رویشگاه های amygdalus scoparia،artemisia aucheri–astragalus glaucacanthus، scariola orientalis- stipa barbata دارای تطابق خیلی خوب با نقشه های واقعیت زمینی هستند. این نتایج گویای آن است که استفاده از پیش پردازش رگرسیون لوجستیک باعث ساده تر شدن معماری شبکه و افزایش سرعت یادگیری شبکه شده و دقّت نتایج حاصل از شبیه سازی را افزایش داده است. بنابراین در صورت انجام پیش پردازش مناسب روی داده ها و انتخاب متغیرهای ورودی مناسب، روش شبکه های عصبی مصنوعی می تواند رویکرد مناسبی برای برآورد حدود پراکنش رویشگاه گونه های گیاهی و در نتیجه انتخاب گونه های مناسب برای انجام فعالیت های اصلاحی در مراتع باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تهیه نقشه پیش‌بینی پراکنش مکانی رویشگاه گونه‌های گیاهی با استفاده از شبکه‌های عصبی مصنوعی در مراتع استان قم

این تحقیق با هدف ارزیابی قابلیت مدل شبکه عصبی مصنوعی  در تهیه نقشه پیش‌بینی پراکنش رویشگاه گونه‌های گیاهی و شناخت نقاط قوت و ضعف این روش انجام شد. بدین‌منظور بعد از تعیین واحدهای همگن با استفاده از مدل رقومی ارتفاع و نقشه زمین‌شناسی با مقیاس 1:25000، نمونه‌برداری از پوشش گیاهی و عوامل محیطی انجام گرفت و نقشه مربوط به متغیرهای محیطی با استفاده از سیستم اطلاعات جغرافیایی  و زمین آمار  تهیه شد. مت...

full text

ارزیابی قابلیت مدل شبکه عصبی مصنوعی در پیش بینی پراکنش مکانی گونه های گیاهی (مطالعه موردی: مراتع طالقان میانی)

در این تحقیق قابلیت مدل شبکه عصبی در پیش­بینی پراکنش مکانی گونه­های گیاهی ارزیابی شده است. با توجه به هدف، اطلاعات پوشش گیاهی و عوامل رویشگاهی شامل اقلیم، خاک، پستی و بلندی و زمین­شناسی جمع­آوری شد. برای نمونه­برداری از پوشش گیاهی در هر تیپ رویشی، 3 ترانسکت150 متری مستقر و در هر ترانسکت 15 پلات با فواصل 10 متر (به روش تصادفی-سیستماتیک) مستقر شد. برای تجزیه و تحلیل اطلاعات و ارائه نقشه عوامل محی...

full text

ارزیابی قابلیت روش شبکه‌های عصبی مصنوعی در تهیه نقشه پیش‌بینی پراکنش رویشگاه گونه‌های گیاهی (مطالعه موردی: مراتع پشتکوه استان یزد)

پژوهش حاضر با هدف بررسی امکان استفاده از روش شبکه عصبی مصنوعی در برآورد حدود پراکنش مکانی، تهیه نقشه پیش­بینی پراکنش رویشگاه گونه­های گیاهی و شناخت نقاط قوت و ضعف این روش انجام شد. بدین­منظور بعد از تعیین واحدهای همگن با استفاده از مدل رقومی ارتفاع و نقشه زمین­شناسی با مقیاس 1:25000، نمونه­برداری از پوشش گیاهی و عوامل محیطی انجام گرفت و نقشه مربوط به متغیرهای محیطی با استفاده از سیستم اطلاعات ج...

full text

کاربرد روش آنتروپی حداکثر در مدل‌سازی پیش بینی پراکنش رویشگاه های گیاهی (مطالعۀ موردی: مراتع بخش خلجستان استان قم)

پژوهش حاضر با هدف شناسایی مهمترین متغیرهای تأثیرگذار در پراکنش رویشگاه­های مورد مطالعه و تهیۀ نقشه پیش­بینی رویشگاه­ها با استفاده از روش آنتروپی حداکثر انجام شد. بدین منظور، بعد از تعیین واحدهای همگن نمونه­برداری با استفاده از نقشه رقومی ارتفاع و نقشۀ زمین­شناسی با مقیاس 1:25000، نمونه­برداری از پوشش گیاهی به روش تصادفی - سیستماتیک انجام شد. سطح قطعات نمونه با توجه به نوع گونه­های موجود به روش ...

full text

پیش‌بینی پراکنش رویشگاه گونۀSeidlitzia rosmarinus در مراتع شرق سمنان با استفاده از مدل شبکه عصبی مصنوعی

شبکه عصبی مصنوعی، ساختارهای پردازش اطلاعاتی جدیدی هستند که از روش‌های مخصوص شبکه‌های عصبی بیولوژیک استفاده می‌کنند. هدف از این مطالعه مدل‌سازی پراکنش گونه Seidlitziarosmarinus در مراتع شمال شرق سمنان با استفاده از مدل شبکه عصبی است. بدین منظور برای نمونه‌برداری از پوشش گیاهی در هر تیپ رویشی، 3 ترانسکت 750 متری مستقر و در هر ترانسکت 15 پلات با فواصل50 متر مستقر شد. نمونه‌برداری از خاک با توجه به...

full text

کاربرد روش رگرسیون لوجستیک در تهیه نقشه پیش‌بینی پراکنش رویشگاه گونه‌های گیاهی (مطالعه موردی: مراتع بخش خلجستان استان قم)

این پژوهش با هدف ارزیابی توانایی روش رگرسیون لوجستیک در مشخص­کردن شرایط محیطی مؤثر در حضور گونه­های گیاهی و شناسایی مناطق مناسب برای استقرار این گونه­ها انجام شد. بعد از مشخص­­کردن واحدهای همگن بوم­شناختی در هر رویشگاه، با استفاده از نقشه‌های شیب، جهت، ارتفاع و زمین­شناسی با مقیاس 1:25000، نمونه­برداری از پوشش گیاهی به­روش تصادفی - سیستماتیک از طریق پلات‌گذاری در امتداد 4 ترانسکت 200 و1000 متری...

full text

My Resources

Save resource for easier access later


Journal title:
پژوهش های آبخیزداری

جلد ۲۸، شماره ۴، صفحات ۲۹-۳۹

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023