سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

امکان پیش بینی تیپ بندی پوشش گیاهی با استفاده از شبکه عصبی مصنوعی در مراتع باقران بیرجند به کمک عوامل فیزیوگرافی

Publish Year: 1397
Type: Conference paper
Language: Persian
View: 670

This Paper With 8 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ECONF09_048

Index date: 27 May 2019

امکان پیش بینی تیپ بندی پوشش گیاهی با استفاده از شبکه عصبی مصنوعی در مراتع باقران بیرجند به کمک عوامل فیزیوگرافی abstract

نقشه های پوشش گیاهی یا به عبارتی تیپ های گیاهی به عنوان بنیانی ترین ابزارهای مدیریت جنگل ها و مراتع محسوب می شووند. علیرغم اهمیت این نقشه ها با وجود پیشرفت های چشمگیری که در علوم مختلف ایجاد شود است توجه جدی به چگونگی تهیه و تو سعه این نقشه ها و روش های بهبود کیفیت آنها نشده است. یکی از روش های نوظهور در حل مسائل مهندسی در دو دهه اخیرت استفاد از شبکه های مصنوعی است. در این شبکه ها، سعی بر آن است که ساختاری مشابه ساختار بیولوژیک مغز انسان و شبکه اعصاب بدن ساخته شود تا همانند مغز قدرت یادگیری، تعمیم دهی و تصمیم گیری داشته باشد. در این تحقیق سعی بر این است که با استفاده از الگوریتم شبکه عصبی مصنوعی پراکنش تیپ های گیاهی منطقه باقران بیرجند را مورد مطالعه و پیش بینی قرار دهیم. برای این منظور با استفاده از نرم افزار ArcGIS نقشه های فیزیوگرافی از قبیل نقشه طبقات ارتفاعی، شیب و جهت شیب را تهیه و در ادامه با نرم افزار IDRISI selva و ماژول SOM با قرار دادن لایه های طبقات ارتفاعی، شیب و جهت شیب به عنوان متغیرهای مستقل و قرار دادن لایه پوشش گیاهی به عنوان متغیر وابسته مدل را ران کرد و نتایج بدست آمده را تحلیل و تفسیر می کنیم. نهایتا با توجه به تطابق نقشه های واقعیت زمینی و پیش بینی شد توسط نرم افزار ضریب کاپای بدست آمده در شش کلاس گیاهی I-1 ؛ I-2 ؛ III-2 ؛ VII ؛ IV-2 ؛ VIII ؛ XI به ترتیب با دقت 91 / 0 ، 82 / 0 ، 86 / 0 ، 84 / 0 ، 81 / 0 ، 87 / 0 و 80 / 0 درصد بدست آمد که این سطح دقت طبق نتایج طبقه بندی محققین در سطح عالی و بسیار خوب برآورد می شود. کلاس های IX ؛ V ؛ II ؛ X به ترتیب با ضریب کاپا 78 / 0 ، 74 / 0 ، 75 / 0 و 71 / 0 در سطح خوب پیش بینی شده اند و نهایتا سه تیپ IV-1 ؛ VI و III-1 ضریب کاپای 70 / 0 ، 64 / 0 و 66 / 0 در طبقه متوسط پیش بینی قرار گرفتند. این نتایج نشان می دهد که شبکه عصبی مصنوعی بکار گرفته شد کارایی لازم را برای پیش بینی و پهنه بندی پوشش گیاهی داشته است.

امکان پیش بینی تیپ بندی پوشش گیاهی با استفاده از شبکه عصبی مصنوعی در مراتع باقران بیرجند به کمک عوامل فیزیوگرافی Keywords:

امکان پیش بینی تیپ بندی پوشش گیاهی با استفاده از شبکه عصبی مصنوعی در مراتع باقران بیرجند به کمک عوامل فیزیوگرافی authors

سعید قنبری

دانشجوی کارشناسی ارشد مرتعداری، دانشگاه بیرجند

شعله قلاسی مود

استادیار گروه مرتع و آبخیزداری، دانشگاه بیرجند

هادی معماریان خلیل آباد

استادیار گروه مرتع و آبخیزداری، دانشگاه بیرجند

مقاله فارسی "امکان پیش بینی تیپ بندی پوشش گیاهی با استفاده از شبکه عصبی مصنوعی در مراتع باقران بیرجند به کمک عوامل فیزیوگرافی" توسط سعید قنبری، دانشجوی کارشناسی ارشد مرتعداری، دانشگاه بیرجند؛ شعله قلاسی مود، استادیار گروه مرتع و آبخیزداری، دانشگاه بیرجند؛ هادی معماریان خلیل آباد، استادیار گروه مرتع و آبخیزداری، دانشگاه بیرجند نوشته شده و در سال 1397 پس از تایید کمیته علمی نهمین همایش سراسری محیط زیست انرژی و منابع طبیعی پایدار پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله پوشش گیاهی، شبکه عصبی مصنوعی، تیپ بندی گیاهی، SOM هستند. این مقاله در تاریخ 6 خرداد 1398 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 670 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که نقشه های پوشش گیاهی یا به عبارتی تیپ های گیاهی به عنوان بنیانی ترین ابزارهای مدیریت جنگل ها و مراتع محسوب می شووند. علیرغم اهمیت این نقشه ها با وجود پیشرفت های چشمگیری که در علوم مختلف ایجاد شود است توجه جدی به چگونگی تهیه و تو سعه این نقشه ها و روش های بهبود کیفیت آنها نشده است. یکی ... . این مقاله در دسته بندی موضوعی شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله امکان پیش بینی تیپ بندی پوشش گیاهی با استفاده از شبکه عصبی مصنوعی در مراتع باقران بیرجند به کمک عوامل فیزیوگرافی با 8 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.