این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
حفاظت زیست بوم گیاهان، جلد ۸، شماره ۱۶، صفحات ۲۲۹-۲۴۸
عنوان فارسی مدل‌سازی تخریب پوشش گیاهی در مناطق تحت حفاظت در اثر برنامه مدیریتی(مطالعه موردی: پارک ملی سرخه‌حصار)
چکیده فارسی مقاله پژوهش حاضر در پارک ملی سرخه‌حصار باهدف شناسایی اثرگذارترین عوامل و برنامه‌های مدیریتی مؤثر بر تخریب پوشش گیاهی و ارائه مدل پیش‌بینی تخریب در اثر برنامه‌های مختلف مدیریتی با استفاده از روش رگرسیون و شبکه عصبی مصنوعی انجام شد. بدین منظور، پس از تعیین واحدهای همگن اکولوژیکی به کمک نقشه رقومی ارتفاعی با مقیاس 1:50000، تعداد 480 نمونه خاک با روش ترانسکت نواری و با توجه به عمق خاک و ریشه‌دوانی گیاهان منطقه چهار پروفیل با عمق‌های 5، 10، 15 و 20 سانتی‌متر حفر شد.تعداد 600 نمونه پوشش گیاهی نیزبا استفاده از پلات مربع 2 در 2 و روش سطح حداقل با توجه به نوع، تراکم و پراکنش گونه‌های گیاهی انجام گرفت. به‌منظورمدل‌سازی رگرسیون و شبکه عصبی مصنوعی عوامل انسانی، اکولوژیک و خصوصیات خاکبه‌عنوان متغیرهای ورودی و شاخص تنوع زیستی شانون به‌عنوان متغیر خروجی انتخاب شد. مدل رگرسیون در نرم‌افزارSPSS و مدل شبکه در نرم‌افزارMATLAB طراحی شد. نتایج روش توأم و حذف بامقدار 422/0=R در مدل رگرسیون (811/1=MSE) و مقدار 506/0=R در مدل شبکه عصبی مصنوعی (694/0=MSE) نشان داد مدل شبکه با ساختار پرسپترون چندلایه و یک‌لایه مخفی و 18 نورون، با توجه به مقدار ضریب تبیین کل بالاتراز مدل رگرسیون (506/0) و خطای کمتر (694/0) در پیش‌بینی تخریب مدل کارآمدتری می‌باشد. نتایج آنالیز حساسیت نشان داد رطوبت وزنی خاک نقش کلیدی در تخریب پوشش گیاهی دارد که پیشنهاد می‌شود با احیای خاک و پوشش گیاهی در بخش‌های تخریب‌یافته از روند تخریب جلوگیری شود.
کلیدواژه‌های فارسی مقاله شبکه عصبی مصنوعی، پارک ملی، مدل‌سازی پوشش گیاهی، رگرسیون، ارزیابی اثرات محیط‌زیستی
عنوان انگلیسی Modeling of Vegetation Loss in Protected Areas by Management Plan (Case Study: Sorkheh Hesar National Park)
چکیده انگلیسی مقاله The main purpose of this study was to determine the most effective factors and management plans influencing vegetation degradation and to provide a prediction model for destruction in various management programs using regression and artificial neural network. In so doing, after determination of similar ecological units with the help of a 1: 50000 DEM, 480 soil samples were analyzed using stratified transect method based on the depth of the soil and rooting of the four-zone profiles with depths of 5, 10, 15 and 20 cm Drilled. A total of 600 vegetation samples were taken using a 2 × 2 square plot and minimum level method based on the type, density and distribution of plant species. In order to model regression and artificial neural network, human, ecological and soil factors as input variables and Shannon biodiversity index were selected as output variables. The regression model was designed in SPSS software and network model in MATLAB software. The results of the Enter and Remove methods with a R-value of 422.0 in the regression model (MSE = 1.811) and a value of R506 / 0 in artificial neural network model (MSE = 0.9694) showed that the network model with multi-layered perceptron structure and hidden layer and 18 neurons are more efficient in predicting the degradation of the ANN model to the total coefficient of determination of the regression model (0.506) and less error (0.694). The results of the sensitivity analysis indicated that soil moisture content is important in the degradation of vegetation. Hence, it is recommended to prevent degradation by restoring soil and vegetation in damaged areas.
کلیدواژه‌های انگلیسی مقاله Artificial Neural Network, National park, Vegetation Modeling, Regression, Environmental Impact Assessment
نویسندگان مقاله زهرا مصفایی | zahra Mosaffaei
دانشکده محیط زیست کرج

علی جهانی | Ali Jahni
دانشکده محیط زیست کرج

محمدعلی زارع چاهوکی | Mohammad Ali Zare Chahouki
دانشکده منابع طبیعی کرج

حمید گشتاسب میگونی | Hamid Goshtasb Meygoni
دانشکده محیط زیست کرج

وحید اعتماد | Vahid Etemad
دانشکده منابع طبیعی کرج

نشانی اینترنتی http://pec.gonbad.ac.ir/browse.php?a_code=A-10-533-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
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