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 جغرافیایی و زمین آمار تهیه شد. متغیرهای ورودی به شبکه بر اساس نتایج رگرسیون لوجستیک انتخاب شد. مدلسازی پیش­بینی پراکنش با استفاده از شبکه پرسپترون چند­لایه انجام شد و بعد از تعیین بهترین ساختار شبکه عصبی با استفاده از میانگین مربعات خطا، شبیه­سازی احتمال حضور و عدم­حضور گونه‌ها با شبکه بهینه انجام شد. در مرحله بعد، نقشه پیوسته احتمال حضور و عدم­حضور گونه­ها با استفاده از نرم‌افزار Arc GIS در هر رویشگاه تهیه و آستانه بهینه حضور تعیین شد. بررسی میزان تطابق نقشه­های به­دست آمده با نقشه­های واقعی از طریق محاسبه ضریب کاپا نشان داد که نقشه­های پیش­بینی رویشگاه­  Seidlitzia rosmarinus دارای تطابق عالی؛ رویشگاه­های Rheum ribes- Artemisia sieberi  وCornulaca monacantha  دارای تطابق خیلی­خوب؛ رویشگاه­ Ephedra. strobilacea- Zygophyllumeurypterum  و  Artemisia aucheri دارای تطابق خوب؛ رویشگاه S. orientalis - Artemisia sieberi ، Scariola orientalis-Astragalus albispinus، A. sieberi1، A. sieberi2  و Tamarix ramosissima  دارای تطابق متوسط و رویشگاه­های Artemisia sieberi- Scariola orientalis و Artemisia sieberi- Zygophyllm eurypterum دارای تطابق ضعیف با نقشه­های واقعیت زمینی است.