پیش بینی نقشه پوشش گیاهی بر مبنای عوامل ژئومورفولوژی با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: سبزکوه استان چهارمحال و بختیاری)
Authors
abstract
نقشه های پوشش گیاهی بنیانی ترین ابزار مدیریت پوشش محسوب می شوند. روشهای متعددی برای تهیه این نقشه ها پیشنهاد شده که هر یک مبتنی بر اطلاعات پایه ای خاص و از دقت متفاوتی برخوردارند. روش ژئومرفولوژیکی یکی از این روشهاست که هدف این تحقیق بررسی دقت آن است. برای پیش بینی نقشه الگوی توزیع تیپ های گیاهی، سه نقشه رخساره های ژئومورفولوژی، سنگ شناسی و شکل زمین به عنوان متغیرهای مستقل و نقشه پوشش گیاهی منطقه نیز (روش فیزیونومی-فلوریستیک) به عنوان متغیر وابسته در مدل شبکه عصبی پرسپترون چند لایه استفاده شد. نتایج نشان داد مدل مذکور قادر به بیان 39.1% تغییرات متغیر وابسته می باشد. این امر برای طبقات مختلف یکسان نبوده به طوری که قدرت تفکیک پذیری این مدل در مورد تیپ های گیاهی sparse forest (sparse oak forest) و astragalus morinus -acantholimon festucaceum - acanthophyllum bracteatum به ترتیب با 4/64%و 61.5 % بیشترین دقت پیش بینی و درمورد طبقه باغ و اراضی کشاورزی (ناشی از دخالت های انسانی و نه عوامل ژئومرفولوژیک) با وسعت تنها 3/0% منطقه با 2/1درصد کمترین دقت پییش ببینی را داشت. در نتیجه، این روش تا حدودی در پیش بینی توزیع پوشش گیاهی طبیعی با نتایج خوبی همراه بوده هر چند پوشش ازمتغیرهای دیگری مانند اقلیم و خاک که در این مطالعه بررسی نشده، دقت متغیرهای ورودی،عدم انطباق وضع فعلی با وضع پتانسیل پوشش، گاهاً همپوشانی آشیان اکولوژیک تیپ های گیاهی و پوشش اراضی مرتبط تأثیر می پذیرد. بنابراین، توصیه می شود این روش برای تفکیک پوشش های گیاهی که به پوشش طبیعی پتانسیل نزدیک تر هستند به کار رود
similar resources
پیشبینی نقشه پوشش گیاهی بر مبنای عوامل ژئومورفولوژی با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: سبزکوه استان چهارمحال و بختیاری)
نقشه‌های پوشش گیاهی بنیانی‌ترین ابزار مدیریت پوشش محسوب می‌شوند. روشهای متعددی برای تهیه این نقشه‌ها پیشنهاد شده که هر یک مبتنی بر اطلاعات پایه‌ای خاص و از دقت متفاوتی برخوردارند. روش ژئومرفولوژیکی یکی از این روشهاست که هدف این تحقیق بررسی دقت آن است. برای پیشبینی نقشه الگوی توزیع تیپ‌های گیاهی، سه نقشه رخساره‌های ژئومورفولوژی، سنگ شناسی و شکل زمین به عنوان متغیرهای مستقل و نقشه پوشش گیاهی منط...
full textپیش بینی کوتاه مدت بار استان چهارمحال و بختیاری با استفاده از اجماع شبکه های عصبی
پیشبینی کوتاه مدت بار در بازار برق اهمیت زیادی دارد. از طرفی عوامل مهم تأثیرگذار بر پیشبینی کوتاه مدت بار به ویژگیهای بار الکتریکی و آب و هوایی هر منطقه بستگی دارد، بنابراین با استفاده از دادههای واقعی استان چهارمحال و بختیاری-شامل بار و دما- به پیشبینی کوتاه مدت بار الکتریکی استان پرداختهایم. بدین منظور با استفاده از چهار روش مختلف شبکه عصبی پرسپترون (MLp < /strong>)، مجمعی از شبکه عصبی ...
full textتهیه نقشه پیش بینی پوشش گیاهی منطقه کوهستانی سبزکوه با استفاده از مدل رقومی ارتفاع زمین
تعیین تیپ¬های گیاهی و تغییرات ساختاری آن در مناطق کوهستانی و مرتفع با مشکلات جدی همراه بوده، از اینرو، تجزیه و تحلیل ارتباط بین الگوی توزیع مکانی تیپ¬های گیاهی و عوامل محیطی برای شناخت اکوسیستم¬های کوهستانی بسیار مهم است. اطلاعات مکانی دقیقی در مورد عوامل محیطی موثر بر پراکنش پوشش گیاهی معمولاً در این مناطق وجود ندارد،حال آنکه مدل رقومی ارتفاعی زمین (DEM) رابطه بسیار قوی با دما، رطوبت، فرآیندهای...
full textتهیه نقشه پیش بینی پوشش گیاهی منطقه کوهستانی سبزکوه با استفاده از مدل رقومی ارتفاع زمین
تعیین تیپ¬های گیاهی و تغییرات ساختاری آن در مناطق کوهستانی و مرتفع با مشکلات جدی همراه بوده، از اینرو، تجزیه و تحلیل ارتباط بین الگوی توزیع مکانی تیپ¬های گیاهی و عوامل محیطی برای شناخت اکوسیستم¬های کوهستانی بسیار مهم است. اطلاعات مکانی دقیقی در مورد عوامل محیطی موثر بر پراکنش پوشش گیاهی معمولاً در این مناطق وجود ندارد،حال آنکه مدل رقومی ارتفاعی زمین (dem) رابطه بسیار قوی با دما، رطوبت، فرآیندهای...
full textپیش¬بینی جریان روزانه با استفاده از شبکه¬های عصبی مصنوعی و عصبی- موجکی (مطالعه موردی: رودخانه باراندوزچای)
پیشبینی دقیق جریان در رودخانهها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالیها است. به دلیل اهمیت پیشبینی جریان رودخانه، در این تحقیق جریان روزانه رودخانهی باراندوزچای در دو ایستگاه بیبکران و دیزج طی یک دورهی آماری 20 ساله با استفاده از مدل عصبی- موجکی (WNN) که تلفیق آنالیز موجک و شبکه عصبی مصنوعی (ANN) میباشد، پیشبینی گرد...
full textMy Resources
Save resource for easier access later
Journal title:
مجله مرتعداریجلد ۲، شماره ۲، صفحات ۲۱-۴۴
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023