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 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 می‌باشد. این امر برای طبقات مختلف یکسان نبوده به طوری که قدرت تفکیک پذیری این مدل در مورد تیپ‌های گیاهی Sparse forest (sparse oak forest) و Astragalus morinus -Acantholimon festucaceum - Acanthophyllum bracteatum به ترتیب با 4/64%و 61.5 % بیشترین دقت پیش‌بینی 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 پییش‌ببینی را داشت. در نتیجه، این روش تا حدودی در پیش‌بینی 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 تیپ‌های گیاهی و پوشش اراضی مرتبط تأثیر می پذیرد. بنابراین، توصیه می‌شود این روش برای تفکیک پوشش‌های گیاهی که به پوشش طبیعی پتانسیل نزدیک‌تر هستند به کار رود