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

Authors

  • آذرنیوند, حسین دانشگاه تهران
  • عباسی, محبوبه دانشگاه تهران
Abstract:

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 محیطی از روش­های زمین­آمار و برای ارائه نقشه پیش­بینی رویشگاه گونه­های مورد بررسی از شبکه عصبی مصنوعی (MLP) استفاده شد. با توجه به نتایج ارزیابی مدل­ها با ضریب کاپا، مدل شبکه عصبی موقعیت رویشگاه دو گونه  Agropyron intermediumرا در سطح عالی (95/0=k)، رویشگاه دو گونه Thymus kotschyanus و Astragalus gossypinus را در سطح بسیار خوب (83/0و84/0=k) و رویشگاه گونه  Stipa barbata را در سطح خوب (70/0=k) پیش­بینی کرده است، بنابراین، مدل شبکه عصبی قابلیت بالایی در پیش­بینی پراکنش مکانی گونه­های مورد بررسی داشته است. همچنین بر اساس نتایج آزمون شبکه، صحت مدل برای هر چهار رویشگاه بیشتر از 95 درصد بوده است، این نشان می­دهد که پارامترهای اقلیمی و خاکی بکار رفته در تشکیل مدل نهایی در این تحقیق، توانایی لازم در پیش­بینی توزیع بالقوه گونه­های مورد بررسی را داشتند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارزیابی قابلیت مدل رگرسیون لجستیک در تهیه نقشه پراکنش مکانی گونه‌های گیاهی در مراتع طالقان میانی

این تحقیق با هدف ارزیابی قابلیت مدل رگرسیون لجستیک در تهیه نقشه پراکنش مکانی گونه­های گیاهی انجام شده است. به­منظور مدل­سازی، اطلاعات مربوط به پوشش گیاهی و عوامل رویشگاهی از قبیل توپوگرافی و خاک جمع­آوری شد. جهت تهیه اطلاعات پوشش گیاهی از نمونه­برداری میدانی به­صورت تصادفی سیستماتیک استفاده شد؛ بدین صورت که در هر واحد نمونه­برداری 3 ترانسکت 150 متری قرار داده شد. در طول هر ترانسکت 15 پلات مستقر...

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

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

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. مت...

full text

برآورد حدود پراکنش مکانی گونه های گیاهی با روش شبکۀ عصبی مصنوعی در مراتع غرب تفتان

پژوهش حاضر با هدف برآورد حدود پراکنش گونه های گیاهی و تهیۀ نقشۀ پیش بینی پراکنش گونه ها با روش پرسپترون چندلایه، در مراتع غرب تفتان در شهرستان خاش انجام شد. برای این منظور، بعد از شناسایی و تفکیک رویشگاه گونه های مورد­بررسی، نمونه برداری از پوشش گیاهی به­روش تصادفی ـ منظم انجام شد. برای نمونه برداری از خاک در هر رویشگاه، شش نیمرخ حفر و از دو عمق 30-0 و 60-30 سانتی متری نمونه برداری شد. بعد از ا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 8  issue 2

pages  106- 115

publication date 2014-09

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023