این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
حفاظت زیست بوم گیاهان، جلد ۶، شماره ۱۲، صفحات ۱۵۳-۱۷۶
عنوان فارسی برآورد درصد تاج پوشش مرتعی با تلفیق قابلیت های شبکه عصبی مصنوعی و سیستم اطلاعات جغرافیایی در مراتع بلده نور
چکیده فارسی مقاله مراتع به دلایل متعدد از جمله تولید علوفه، دامداری، ارزش تفرجگاهی و حفاظت آب و خاک مهم می باشند. از طرفی، برای حفاظت و مدیریت بهینه از این منابع طبیعی، مطالعات در مورد آنها ضروری است. از آنجا که مطالعات میدانی هزینه بر و زمان بر می باشد، استفاده از مدل ها در کنار مطالعات صحرایی، برای  برآورد ویژگیهای پوشش گیاهی متداول شده است. در تحقیق حاضر شبکه عصبی مصنوعی و مدلسازی آماری، جهت شبیه سازی درصد تاج پوشش مرتعی و سیستم اطلاعات جغرافیایی (GIS) به عنوان پیش پردازنده و پس پردازنده در  شبیه سازی در سطح مراتع بلده واقع در جنوب شهرستان نور (استان مازندران) استفاده گردیدند. جهت شبیه سازی درصد تاج پوشش مرتعی از  روش رگرسیون چند متغییره و شبکه پرسپترون چند لایه (MLP) استفاده شد.  فرآید مدلسازی با نمونه برداری و برآورد تاج پوشش در 127 مکان مرتع مطالعاتی (متغییر وابسته) و کمی نمودن عوامل اقلیمی، توپوگرافی، ادافیک و انسانی (متغییرهای مستقل) موثر در میزان پوشش مرتعی، انجام گردید. مدلسازی آماری در محیط نرم افزار SPSS با روش رگرسیون چند متغییره انجام شد. به منظور شبیه سازی در شبکه عصبی، ارائه شبکه بهینه، تست یا اعتباریابی شبکه و تایید کارایی آن انجام پذیرفت. همچنین در محیط GIS، سطح مراتع مطالعاتی به پیکسل های صد در صد  متری به فرمت رستری تفکیک شد و از تلفیق لایه های ورودی مدل، لایه زمین مرجع عوامل موثر در میزان تاج پوشش مرتعی تهیه گردید. مقادیر کمی برای هر پیکسل به همراه مختصات به محیط شبکه عصبی وارد گشت و  شبیه سازی درصد تاج پوشش برای مکان های فاقد آمار با شبکه بهینه اعتباریابی شده، انحام پذیرفت. نتایج تحقیق نشان داد که از دو روش بکار رفته، شبکه عصبی با دست یابی مقادیر ضریب تبیین(Rsqr) 72/0  و ارائه خطای کمتر در مرحله آزمون یا تست (روش رگرسیون چند متغییره  ضریب تبیین 6/0 )، دقت و کارایی بیشتری دارا می باشد. همچنین، ارزیابی کارایی شبکه عصبی در محیط GIS بواسطه آنالیز همپوشانی مقادیر واقعی و نقشه درصد تاج پوشش حاصله، دلالت بر دقت و کارایی تلفیق شبکه عصبی و  GISدر مطالعات داشته است. درنهایت، نتایج شبکه عصبی به محیط GIS وارد و نقشه درصد تاج پوشش مرتعی بر اساس نتایج شبیه سازی شبکه عصبی تهیه گشت.  
کلیدواژه‌های فارسی مقاله استان مازندران، اعتباریابی، پوشش مرتعی، مدلسازی، MLP.
عنوان انگلیسی Estimation of the rangeland cover by coupling artificial neural network (ANN) and geographic information system (GIS) in Baladeh Ranglands
چکیده انگلیسی مقاله Rangeland is one of the important natural resources in different aspects such as, forage production, livestock,  promenade and soil and water conservation. Therefore, it is necessary to study rangelands for their management and conservation. Here, Field studies of rangelands are time consuming  and costly. So, it was common models application to estimate  rangelands vegetation parameters. In this study, ANN was used to estimate rangelands cover percent and GIS was used as a pre-processing and post-processing in modeling respectively in the Baladeh rangelands (Mazandaran Province). Multi-layer percepetron (MLP) network and multivariate regression method were used to estimate rangelands cover percent (training stage). In modeling process, sampling and estimation cover percent was performed  in the 127 sites. Also, the affecting factors in cover percent were evaluated such as; topography, climatic factors, soil and mankind factors. Multivariate regression and stepwise method were used to simulate rangeland cover in SPSS software. An optimal network was presented by using cover percent as desired parameter and the affecting factors in cover percent as the network inputs. Then, optimum network was verified (test stage). The study area was divided with the pixels 1×1 km (raster format) in GIS medium. Then, the model input layers were combined and a raster layer was generated that included the model inputs values and geographic coordinate. The values of pixels (model inputs) were entered into ANN with geographic coordinate. The results showed that ANN has a higher efficiency and accuracy (model test; Rsqr=0.72) than multivariate regression method (model test; Rsqr=0.6)  in rangeland cover modeling. In the next step, cover percent was simulated using the verified optimum network for all of the study rangelands. Finally, the results of ANN simulation were entered into GIS and cover percent map was generated based on the simulated results of ANN. The results showed that  coupling of ANN and GIS has an high capability (test stage: Rsr= 0.72) in rangelands cover percent modeling.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مریم احمدی |
دانشگاه تربیت مدرس

قاسمعلی دیانتی |
دانشگاه تربیت مدرس

وحید غلامی |
دانشکده منابع طبیعی دانشگاه گیلان

نشانی اینترنتی http://pec.gonbad.ac.ir/browse.php?a_code=A-10-298-1&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/776/article-776-1057906.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات