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

نویسندگان

  • آذرنیوند, حسین دانشگاه تهران
  • عباسی, محبوبه دانشگاه تهران
چکیده مقاله:

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.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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...

متن کامل

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...

متن کامل

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...

متن کامل

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...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 8  شماره 2

صفحات  106- 115

تاریخ انتشار 2014-09

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023