پیش بینی الگوی توزیع سوسک پوست خوار کاج، (Orthotomicus erosus (Coleoptera: Curculionidae: Scolytinae با استفاده از زمین آمار و شبکه عصبی مصنوعی

سوسک­ پوست­خوار کاج، (Orthotomicus erosus (Wollaston) (Coleoptera: Curculionidae: Scolytinae، یکی از مهم­ترین آفات درختان کاج می­ باشد. حمله و تغذیه این سوسک­ها بافت­های آوند آبکش را در زیر پوست درختان آلوده تخریب و عبور شیره گیاهی را مختل نموده و باعث مرگ درختان آلوده می­شود. این پژوهش به منظور پیش بینی الگوی توزیع و ترسیم نقشه پراکنش O. erosus با استفاده از شبکه های عصبی پرسپترون چند لایه (MLP)، شبکه عصبی MLP ترکیب شده با الگوریتم ژنتیک و شبکه عصبی MLP ترکیب شده با الگوریتم رقابت استعماری در سطح شهر کرمانشاه انجام شد. داده های مربوط به جمعیت این آفت از طریق نمونه­ برداری از درختان کاج در مناطق مختلف شهر کرمانشاه در سال­های ۱۳۹۳ و ۱۳۹۴ به­ دست آمد. برای ارزیابی قابلیت شبکه های عصبی مورد استفاده در پیش بینی توزیع آفت از مقایسه آماری پارامترهایی مانند واریانس، میانگین و توزیع آماری بین مقادیر پیش بینی شده مکانی توسط شبکه عصبی MLP ترکیب شده با الگوریتم ژنتیک و الگوریتم رقابت استعماری و مقادیر واقعی آن ها استفاده شد. نتایج نشان داد که در فازهای آموزش و آزمایش، مقادیر پارامترهای مذکور بین داده های واقعی و پیش بینی شده آفت تفاوت معنی داری را نشان نداد که نشان دهنده دقت بالا و نیز قابلیت شبکه های عصبی به منظور ترسیم نقشه پراکندگی این آفت در سطح شهر کرمانشاه می­باشد. مقادیر ضریب تبیین (R۲) نشان داد که الگوریتم رقابت استعماری، دقت بالاتری در تخمین تراکم O. erosus نسبت به دو روش دیگر داشته است. همچنین مقایسه مقادیر ضریب تبیین بین شبکه­های عصبی مختلف و روش زمین آمار نشان داد که هر سه مدل شبکه عصبی الگوی توزیع سوسک پوست خوار را نسبت به روش زمین آمار بهتر پیش ­بینی کردند. روش زمین آمار و نقشه های ترسیم شده توسط شبکه ­های عصبی نشان داد که توزیع این آفت به صورت تجمعی است. نتایج حاصل از روش زمین آمار نیز نشان­ دهنده توزیع تجمعی آفت می­باشد. 

Keywords:

Genetic algorithm , imperialist competitive algorithm , Kriging , spatial distribution