این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
حفاظت زیست بوم گیاهان، جلد ۵، شماره ۱۰، صفحات ۲۱۳-۲۲۸
عنوان فارسی ارزیابی قابلیت روش شبکه‌های عصبی مصنوعی در تهیه نقشه پیش‌بینی پراکنش رویشگاه گونه‌های گیاهی (مطالعه موردی: مراتع پشتکوه استان یزد)
چکیده فارسی مقاله پژوهش حاضر با هدف بررسی امکان استفاده از روش شبکه عصبی مصنوعی در برآورد حدود پراکنش مکانی، تهیه نقشه پیش­بینی پراکنش رویشگاه گونه­های گیاهی و شناخت نقاط قوت و ضعف این روش انجام شد. بدین­منظور بعد از تعیین واحدهای همگن با استفاده از مدل رقومی ارتفاع و نقشه زمین­شناسی با مقیاس 1:25000، نمونه­برداری از پوشش گیاهی و عوامل محیطی انجام گرفت و نقشه مربوط به متغیرهای محیطی با استفاده از سیستم اطلاعات جغرافیایی و زمین آمار تهیه شد. متغیرهای ورودی به شبکه بر اساس نتایج رگرسیون لوجستیک انتخاب شد. مدلسازی پیش­بینی پراکنش با استفاده از شبکه پرسپترون چند­لایه انجام شد و بعد از تعیین بهترین ساختار شبکه عصبی با استفاده از میانگین مربعات خطا، شبیه­سازی احتمال حضور و عدم­حضور گونه‌ها با شبکه بهینه انجام شد. در مرحله بعد، نقشه پیوسته احتمال حضور و عدم­حضور گونه­ها با استفاده از نرم‌افزار Arc GIS در هر رویشگاه تهیه و آستانه بهینه حضور تعیین شد. بررسی میزان تطابق نقشه­های به­دست آمده با نقشه­های واقعی از طریق محاسبه ضریب کاپا نشان داد که نقشه­های پیش­بینی رویشگاه­  Seidlitzia rosmarinus دارای تطابق عالی؛ رویشگاه­های Rheum ribes- Artemisia sieberi  وCornulaca monacantha  دارای تطابق خیلی­خوب؛ رویشگاه­ Ephedra. strobilacea- Zygophyllumeurypterum  و  Artemisia aucheri دارای تطابق خوب؛ رویشگاه S. orientalis - Artemisia sieberi ، Scariola orientalis-Astragalus albispinus، A. sieberi1، A. sieberi2  و Tamarix ramosissima  دارای تطابق متوسط و رویشگاه­های Artemisia sieberi- Scariola orientalis و Artemisia sieberi- Zygophyllm eurypterum دارای تطابق ضعیف با نقشه­های واقعیت زمینی است. 
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Evaluation of artificial neural network capability in preparation of the predictive map of plant habitat distribution (Case study: Poshtkouh rangelands of Yazd province)
چکیده انگلیسی مقاله The present study aimed to investigate the possibility of using artificial neural network to estimate the spatial distribution, preparation of predictive distribution of plant species and recognizing the strengths and weaknesses of this method. For this purpose, sampling of vegetation and environmental factors was carried out after determining homogeneous units using digital elevation model and of Geological map scale of 1: 25,000. Then, environmental variables maps were prepared using GIS and geostatistics. The input variables of the neural network were selected based on the results of logistic regression. Predictive distribution modeling was done by Multilayer Perceptron network. Simulation of the presence and absence probability was done after determining the optimal structure of the neural network using mean square error, then, continuous map of the presence or absence probability of species in each habitat was developed using Arc GIS software and optimal threshold was determined. Assessment of the predictive and actual map agreement  by calculation of kappa coefficient showed that predictive map of Seidlitzia rosmarinus has excellent and Cornulaca monacantha has very good correspondence, predictive maps of the  S.orientalis - Artemisia sieberi ، S. orientalis-Astragalus albispinus، A. sieberi1، A. sieberi2  ,  R.ribes-A. seiberi predictive maps of habitat has moderate agreement and predictive maps of the A.sieberi-S. orientalis  and A. sieberi- Z. eurypterum has the poor agreement with actual maps of these species.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حسین پیری صحراگرد | piri sahragard


محمدعلی زارع چاهوکی | mohammad ali zare chahouki


نشانی اینترنتی http://pec.gonbad.ac.ir/browse.php?a_code=A-10-75-4&slc_lang=fa&sid=fa
فایل مقاله دریافت فایل مقاله
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