تهیه نقشه پیش بینی پراکنش مکانی رویشگاه گونه های گیاهی با استفاده از شبکه های عصبی مصنوعی در مراتع استان قم

این تحقیق با هدف ارزیابی قابلیت مدل شبکه عصبی مصنوعی در تهیه نقشه پیش بینی پراکنش رویشگاه گونه های گیاهی و شناخت نقاط قوت و ضعف این روش انجام شد. بدین منظور بعد از تعیین واحدهای همگن با استفاده از مدل رقومی ارتفاع و نقشه زمین شناسی با مقیاس 1:25000، نمونه برداری 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. برای تهیه مدل شبکه عصبی مصنوعی بعد از نرمال سازی داده ها و تقسیم تصادفی داده ها به سه مجموعه آموزش، آزمون و اعتبارسنجی، بهترین ساختار شبکه عصبی با استفاده از میانگین مربعات خطا تعیین شد. بعد از شبیه سازی احتمال حضور و عدم حضور گونه ها با شبکه بهینه، نقشه پیوسته احتمال حضور و عدم حضور گونه ها با استفاده از نرم افزار Arc GIS در هر رویشگاه تهیه شد و آستانه بهینه حضور تعیین شد. در مرحله بعد، میزان تطابق نقشه های به دست آمده با نقشه های واقعی از طریق محاسبه ضریب کاپا بررسی شد. نتایج نشان داد که نقشه پیش بینی رویشگاه Pteropyrum olivieri-Stipa barbata دارای تطابق عالی و نقشه پیش بینی رویشگاه های Amygdalus scoparia،Artemisia aucheri–Astragalus glaucacanthus، Scariola orientalis- Stipa barbata دارای تطابق خیلی خوب با نقشه های واقعیت زمینی هستند. این نتایج گویای آن است که استفاده از پیش پردازش رگرسیون لوجستیک باعث ساده تر شدن معماری شبکه و افزایش سرعت یادگیری شبکه شده و دقت نتایج حاصل از شبیه سازی را افزایش داده است. بنابراین در صورت انجام پیش پردازش مناسب روی داده ها و انتخاب متغیرهای ورودی مناسب، روش شبکه های عصبی مصنوعی می تواند رویکرد مناسبی برای برآورد حدود پراکنش رویشگاه گونه های گیاهی و در نتیجه انتخاب گونه های مناسب برای انجام فعالیت های اصلاحی در مراتع باشد.