زینب مرادی - دانشجوی کارشناسی ارشد محیط زیست، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
علیرضا میکاییلی تبریزی - دانشیار گروه محیط زیست، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
مهدی غلامعلی فرد - استادیار گروه محیط زیست، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس نور

تغییر در پوشش جنگلی در خدمات اکوسیستمی، تعادل کربن در جو و در نتیجه تغییرات آب و هوا نقش بسیار مهمی ایفا میکند. هدف از این تحقیق مقایسه دو روش شبکه عصبی مصنوعی و رگرسیون لجستیک، جهت پیشبینی روند مکانیتغییرات پوشش جنگل است. در این مطالعه از نقشههای کاربری اراضی تولید شده از ماهواره Landsat سنجنده TM مربوط به سالهای 1984 و 2012 استفاده شد. مدلسازی پتانسیل انتقال با استفاده از شبکه عصبی مصنوعی و رگرسیون لجستیک وپیشبینی تغییرات برای بهترین مدل با استفاده از زنجیره مارکف انجام شد. بهمنظور برآورد صحت مدلسازی از آمارههای ROC ، نسبت موفقیت به هشدار خطا و عدد شایستگی استفاده شد. نتایج بیانگر صحت بالای شبکه عصبی مصنوعی با میزان ROC برابر 0/975نسبت موفقیت به هشدار خطا 36 درصد و عدد شایستگی 42 درصد میباشد. بنابر یافتههای این مطالعه شبکههای عصبی مصنوعی در مقایسه با رگرسیون لجستیک از صحت بالاتر و خطای کمتری در مدلسازی و پیشبینی تغییرات جنگل برخوردارند.

تخریب جنگل، شبکه عصبی مصنوعی، رگرسیون لجستیگ، یادگیری بر مبنای نمونه وزنی مشابهت، حوزه آبخیزگرگانرود