کاربرد شبکه عصبی مصنوعی در پیش بینی زیستگاه های بالقوه حیات وحش در مناطق بیابانی (مطالعه موردی: کل و بز در کوه بافق)

کل و بز (Capra aegagrus) یکی از پستانداران شاخص مناطق کوهستانی و صخره ای است که جمعیت آن به دلیل تخریب زیستگاه در سطح ملی و بین ا لمللی کاهش یافته، به نحوی که از سوی اتحادیه جهانی حفاظت از طبیعت و منابع طبیعی در فهرست حیوانات آسیب پذیر قرار گرفته است. این پژوهش با هدف تعیین زیستگاه های بالقوه کل و بز با استفاده از شبکه عصبی پرسپترون چند لایه (MLP) در منطقه حفاظت شده کوه بافق انجام شد. ۱۹۶ نقطه (۱۱۱ نقطه حضور و ۸۵ نقطه عدم حضور گونه)، با بازدید های میدانی در طول پژوهش ثبت شد. لایه های اطلاعاتی انتخاب شده به عنوان متغیرهای موثر بر حضور و عدم حضور گونه شامل ۱۸ متغیر از جمله درصد شیب، طبقات جهت جغرافیایی، ارتفاع از سطح دریا، تیپ های پوشش گیاهی، منابع آبی و متغیرهای توسعه انسانی (روستاها و جاده ها) هستند. نتایج نشان داد که متغیرهای محیطی تیپ گیاهی ارس- بادام کوهی (Juniperus excelsa - Amygdalus scoparia) (۲۳/۱۱ درصد)، درصد شیب (۴۲/۱۰ درصد)، فاصله از جهت جنوبی (۱۵/۱۰ درصد)، فاصله از تیپ گیاهیهزارخار- درمنه- قیچ (Cousinia desertii- Artemisia sieberi -Zygophyllum eurypterum) (۹/۹ درصد)، ارتفاع از سطح دریا (۶۳/۹ درصد) و منابع آب (۰۹/۹ درصد) به عنوان مهم ترین متغیرهای موثر بر مطلوبیت زیستگاه کل و بز در کوه بافق تعیین شدند. میزان موفقیت کلی مدل در حدود ۹۷/۰ محاسبه شد. براساس یافته ها، ۳۶ درصد وسعت منطقه حفاظت شده به عنوان زیستگاه مطلوب ارزیابی شد. نتایج نشان داد که با کاهش فاصله از جاده مطلوبیت زیستگاه کاهش می یابد. لذا پیشنهاد می شود از توسعه فعالیت های انسانی در محدوده زیستگاه های مطلوب پرهیز شود.

Keywords:

پرسپترون , کل و بز , مطلوبیت زیستگاه , منطقه حفاظت شده