مدلسازی پراکنش مکانی بنه (Pistacia atlantica) به کمک شبکه عصبی مصنوعی در پارک ملی خجیر
Publish place: Ecology of Iranian Forests، Vol: 11، Issue: 22
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 103
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IFEJ-11-22_006
تاریخ نمایه سازی: 28 بهمن 1402
Abstract:
مقدمه و هدف: بررسی حضور گونه ها در رویشگاههای جنگلی بهمنظور مکان یابی و شناسایی مناطق دارای توانایی کاشت و احیاء موفق گونهها و ارتباط حضور گونهها با عوامل محیطی بسیار حائز اهمیت است. در این پژوهش، پیشبینی احتمال حضور و عدمحضور گونه جنگلی بنه در ارتباط با متغیرهای محیطی (دادههای توپوگرافی و خاکشناسی) در بخشی از پارک ملی خجیر استان تهران به مساحت ۱۲۰ هکتار مورد بررسی و مدلسازی با استفاده از شبکه عصبی مصنوعی و زمینآمار قرار گرفت.
مواد و روش ها: نقشههای شیب، جهت و ارتفاع با استفاده از نقشه مدل رقومی ارتفاع (DEM) منطقه تهیه گردید، نمونهبرداری از درختان بنه در سطح موردمطالعه و در قالب نمونهبرداری منظم- تصادفی براساس شبکهای به ابعاد ۱۰۰*۱۵۰ متر با ۶۱ قطعه نمونه ۱۲ آری انجام شد. نمونهبرداری از خاک در ۱۷ قطعه نمونه با توجه به تنوع شرایط خاکی با برداشت مختصات مکانی قطعات نمونه انجام شد و متغیرهای وزن مخصوص ظاهری، وزن مخصوص حقیقی، پتاسیم قابل جذب، درصد ازت، فسفر قابل جذب، درصد کربن آلی، هدایت الکتریکی، اسیدیته، درصد اشباع خاک، درصد آهک خاک، درصد شن، درصد سیلت و درصد رس در آزمایشگاه مورد اندازهگیری قرار گرفتند. نقشه عوامل محیطی متغیرهای خاک بهکمک زمینآمار و با استفاده از نرمافزار GS+ تهیه شد. سپس مدل شبکه عصبی مصنوعی پرسپترون چند لایه بین ویژگی های محیطی بهعنوان ورودی های مدل و حضور و عدم حضور بنه بهعنوان خروجی مدل با استفاده از نرمافزار SPSS Modeler طراحی و اعتبارسنجی شد. در نهایت براساس نتایج مدل و نقشه رقومی عوامل محیطی با استفاده از نرمافزار ArcGIS نقشه پیشبینی احتمال حضور و عدمحضور بنه تهیه گردید.
یافته ها: نتایج بهدست آمده از مدل شبکه عصبی تدوین شده نشان از صحت زیاد شبکه عصبی مصنوعی (۹۱ درصد) در پیشبینی احتمال حضور و عدم حضور بنه داشت و حاکی از ارتباط حضور بنه با متغیرهای هدایت الکتریکی، وزن مخصوص ظاهری، جهت جغرافیایی، میزان درصد ازت و ارتفاع از سطح دریا با ضریب اهمیت بهترتیب برابر با ۰/۴۳، ۰/۲۱، ۰/۱۷، ۰/۱۵ و ۰/۵۰ می باشد. همچنین، تطابق نقشه پیشبینی با نقشه واقعیت زمینی با ضریب کاپا ۰/۶۵۱ در حد خوب ارزیابی گردید.
نتیجهگیری: نتایج نشان داد که با دقت قابلقبولی امکان استفاده از ترکیب دادههای توپوگرافی و خاکی برای برآورد مشخصه حضور گونه بنه در جنگلهای مورد تحقیق وجود دارد که می توان از نقشه های آن در شناسایی مناطق مستعد احیای رویشگاه این گونه استفاده کرد.
Keywords:
Multilayer perceptron , Presence and absence , Soil properties and Topographic features , احتمال حضور و عدم حضور , پرسپترون چندلایه , خصوصیات خاک و توپوگرافی
Authors
شهاب بختیاری
Guilan University
تیمور رستمی شاهراجی
Guilan University
رضا اخوان
Research Institute of Forest and Rangelands, Agricultural Research Education and Extension Organization (AREEO), Tehran, Iran
رضا ابراهیمی آتانی
Guilan University
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :