پیش بینی پراکنش رویشگاه گونهSeidlitzia rosmarinus در مراتع شرق سمنان با استفاده از مدل شبکه عصبی مصنوعی

شبکه عصبی مصنوعی، ساختارهای پردازش اطلاعاتی جدیدی هستند که از روش های مخصوص شبکه های عصبی بیولوژیک استفاده می کنند. هدف از این مطالعه مدل سازی پراکنش گونه Seidlitziarosmarinus در مراتع شمال شرق سمنان با استفاده از مدل شبکه عصبی است. بدین منظور برای نمونه برداری از پوشش گیاهی در هر تیپ رویشی، 3 ترانسکت 750 متری مستقر و در هر ترانسکت 15 پلات با فواصل50 متر مستقر شد. نمونه برداری از خاک با توجه به مرز تفکیک افق ها در منطقه و نوع گیاهان موجود از دو عمق 20-0 و 80-20 سانتی متر انجام شد. برای تهیه نقشه پیش بینی پراکنش گونه های گیاهی، به فراهم کردن لایه های عوامل محیطی مورد استفاده در مدل نیاز است. برای نقشه بندی خصوصیات خاک، روش زمین آمار براساس مدل پیش بینی بدست آمده برای گونه S.rosmarinus (روش ANN) استفاده شد. برای اجرای مدل شبکه عصبی، الگوریتم پس انتشار خطا با شبکه طراحی شده پرسپترون سه لایه ای با ساختار 1-10-7 و دارای هفت نرون در لایه ورودی، ده نرون در لایه میانی و یک نرون در لایه خروجی استفاده شد. میزان تطابق نقشه تهیه شده با نقشه واقعیت زمینی نیز با استفاده از ضریب کاپا محاسبه شد که نشان دهنده تطابق خیلی خوب بود (ضریب کاپای 72/0). نتایج نشان داد گونه S.rosmarinus در مناطق با اسیدیته 3/8-1/8، هدایت الکتریکی 26/0-22/0 دسی زیمنس بر متر، بافت لومی-شنی و در ارتفاع 1750-1600 متر از سطح دریا پراکنش دارد و با میزان اسیدیته و آهک رابطه مستقیم دارد.