پیش‌بینی پراکنش رویشگاه گونۀSeidlitzia rosmarinus در مراتع شرق سمنان با استفاده از مدل شبکه عصبی مصنوعی
نویسندگان
چکیده مقاله:
شبکه عصبی مصنوعی، ساختارهای پردازش اطلاعاتی جدیدی هستند که از روش‌های مخصوص شبکه‌های عصبی بیولوژیک استفاده می‌کنند. هدف از این مطالعه مدل‌سازی پراکنش گونه Seidlitziarosmarinus در مراتع شمال شرق سمنان با استفاده از مدل شبکه عصبی است. بدین منظور برای نمونه‌برداری از پوشش گیاهی در هر تیپ رویشی، 3 ترانسکت 750 متری مستقر و در هر ترانسکت 15 پلات با فواصل50 متر مستقر شد. نمونه‌برداری از خاک با توجه به مرز تفکیک افق‌ها در منطقه و نوع گیاهان موجود از دو عمق 20-0 و 80-20 سانتی‌متر انجام شد. برای تهیۀ نقشۀ پیش‌بینی پراکنش گونه‌های گیاهی، به فراهم کردن لایه‌های عوامل محیطی مورد استفاده در مدل نیاز است. برای نقشه‌بندی خصوصیات خاک، روش زمین‌آمار براساس مدل پیش‌بینی بدست‌آمده برای گونه S.rosmarinus (روش ANN) استفاده شد. برای اجرای مدل شبکه عصبی، الگوریتم پس انتشار خطا با شبکه طراحی شده پرسپترون سه لایه‌ای با ساختار 1-10-7 و دارای هفت نرون در لایه ورودی، ده نرون در لایه میانی و یک نرون در لایه خروجی استفاده شد. میزان تطابق نقشۀ تهیه شده با نقشۀ واقعیت زمینی نیز با استفاده از ضریب کاپا محاسبه شد که نشان‌دهنده تطابق خیلی خوب بود (ضریب کاپای 72/0). نتایج نشان داد گونه S.rosmarinus در مناطق با اسیدیته 3/8-1/8، هدایت الکتریکی 26/0-22/0 دسی‌زیمنس بر متر، بافت لومی-شنی و در ارتفاع 1750-1600 متر از سطح دریا پراکنش دارد و با میزان اسیدیته و آهک رابطه مستقیم دارد.
منابع مشابه
تهیه نقشه پیش‌بینی پراکنش مکانی رویشگاه گونه‌های گیاهی با استفاده از شبکه‌های عصبی مصنوعی در مراتع استان قم
این تحقیق با هدف ارزیابی قابلیت مدل شبکه عصبی مصنوعی در 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. مت...
متن کاملبررسی پراکنش مکانی برخی خصوصیات خاک مراتع شرق سمنان با استفاده از روش‌های آمار مکانی
هدف از این مطالعه تهیة نقشة خصوصیات خاک در مراتع شرق سمنان با استفاده از روش آمار مکانی با بررسی روش‌های کریجینگ و میانگین متحرک وزن‌دار است. نمونه‌برداری با روش تصادفی- سیستماتیک از طریق پلات‌گذاری در امتداد ترانسکت انجام شد. بعد از تلفیق نقشه‌های ارتفاع، جهت، شیب، و زمین‌شناسی، نقشة واحدهای نمونه‌برداری تهیه شد. در هر واحد، نمونه‌برداری در طول سه ترانسکت 750 متری انجام شد. در ابتدا و انتهای ه...
متن کاملمدل سازی پراکنش مکانی Stipa barbata و Agropyron intermedium با روش شبکه عصبی مصنوعی در مراتع طالقان میانی
متن کامل
تعیین رویشگاه بالقوه گونه گیاهی کما (Ferula ovina Boiss) با استفاده از مدل شبکه عصبی مصنوعی در منطقه فریدونشهر اصفهان
Species distribution maps have been widely developed based on ecological niche theory together with statistical and geographical information system in plant ecology. The current study aimed to evaluate Artificial Neural Network (ANN) in mapping potential habitat of Ferula ovina Boiss in Ferydunshar rangelands, Isfahan. This is known as valuable forage and medicinal species. Environmental data (...
متن کاملتهیه 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 کاملتعیین رویشگاه بالقوة گونة Zygophyllum eurypterum با استفاده از روش تحلیل عاملی بوم‌شناختی (ENFA) در مراتع شمال شرق سمنان
گونة قیچ (Zygophyllum eurypterum Boiss. & Buhse) از گیاهانی است که اهمیت فراوانی در حفاظت از خاک در مناطق خشک، جلوگیری از فرسایش بادی، و تولید علوفة دامها دارد. هدف از این پژوهش تعیین رویشگاه بالقوة این گونه در مراتع شمال شرق سمنان با استفاده از روش ENFA[1] است. برای نمونه‌برداری از پوشش گیاهی در هر تیپ رویشی از روش تصادفی- سیستماتیک در طول 3 ترانسکت 750 متری استفاده شد. در طول هر ترانسکت 15 ...
متن کاملمنابع 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 23 شماره 2
صفحات 287- 275
تاریخ انتشار 2016-08-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023