برآورد درصد تاج پوشش مرتعی با تلفیق قابلیت های شبکه عصبی مصنوعی و سیستم اطلاعات جغرافیایی در مراتع بلده نور

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 ویژگی های 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 متغیره و شبکه پرسپترون چند لایه (MLP) استفاده شد. فرآید مدلسازی با نمونه برداری و برآورد تاج پوشش در 127 مکان مرتع مطالعاتی (متغیر وابسته) و کمی نمودن عوامل اقلیمی، توپوگرافی، ادافیک و انسانی (متغیرهای مستقل) موثر در میزان پوشش مرتعی، انجام گردید. مدلسازی آماری در محیط نرم افزار SPSS با روش رگرسیون چند متغیره 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 متغیره 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.