ارزیابی حساسیت پارامترهای ورودی در وضعیت بیابان زایی با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: جنوب شهرستان نیشابور)

چکیده بیابان زایی کاهش توان اکولوژیکی و بیولوژیکی زمین بوده که به صورت طبیعی و مصنوعی رخ می دهد. شناخت و ارزیابی عوامل موثر در توسعه روند بیابان زایی، می تواند در مدیریت بهتر سرزمین مفید واقع گردد. هدف از انجام این تحقیق، ارزیابی حساسیت پارامترهای ورودی در وضعیت بیابان زایی با استفاده از مدل مفهومی شبکه عصبی مصنوعی است. منطقه مورد مطالعه با مساحتی معادل ۱۱۸۶۵۸ هکتار در جنوب شهرستان نیشابور واقع شده است. این منطقه در طی سال های گذشته به دلیل خشک سالی متوالی، تخریب پوشش گیاهی، تبدیل اراضی مرتعی به کشاورزی دیم، فرسایش آبی و بادی و همچنین مدیریت نامناسب زمین با مشکل بیابان زایی روبه رو بوده است. پس از بررسی های میدانی، تهیه عکس های هوایی و تصاویر ماهواره ای، اقدام به جمع آوری لایه های مورد نیاز و تجزیه و تحلیل آنها در سیستم اطلاعات جغرافیایی گردید. جهت ارزیابی روند بیابان زایی، از روش فائو- یونپ (۱۹۸۴ میلادی) استفاده شد. در این روش وضعیت پوشش گیاهی، وضعیت مراتع، فرسایش بادی و آبی و شوری به عنوان عوامل موثر در وضعیت بیابان زایی، تعریف و امتیازبندی شدند. پس از ورود اطلاعات به محیط GIS۴ بر اساس روش فائو- یونپ معیارهای تاثیرگذار بررسی و نقشه وضعیت بیابان زایی به دست آمد. نتایج نشان داد که وضعیت بیابان زایی در شمال منطقه مطالعاتی شدید بوده که مهمترین دلایل آن، کاهش درصد تاج پوشش، زوال پوشش گیاهی و فرسایش آبی شدید می باشد. این در حالی است که ۶۲ درصد منطقه دارای وضعیت بیابان زایی متوسط و ۳۰ درصد دارای وضعیت ناچیز است. جهت مقایسه نتایج حاصل از ارزیابی وضعیت بیابان زایی و همین طور وزن دهی اثر پارامترهای ورودی، از مدل ریاضی شبکه های عصبی مصنوعی۵ استفاده شد. نتایج نشان داد که اثر وضعیت پوشش گیاهی، فرسایش بادی و فرسایش آبی در روند بیابان زایی، غیر قابل اغماض بوده که باید مورد توجه جدی قرار گیرد. اما درمورد اثر شوری، این عامل از تاثیرگذاری کمتری نسبت به عوامل دیگر برخوردار می باشد که با روش فائو- یونپ تطابق دارد. نتایج بررسی معیارهای خطا، خصوصا میانگین مربعات خطا با مقدار ۲۵/۰ این عملکرد را به خوبی تایید می کند. واژه های کلیدی: بیابان زایی، روش فائو- یونپ، GIS، شبکه های عصبی مصنوعی، شهرستان نیشابور