maximum entropy algorithm
در نشریات گروه کشاورزی-
پایش و مدیریت جمعیت های حیات وحش و زیستگاه ها نیازمند مدل سازی زیستگاه های مطلوب و پراکنش گونه ای است. بنابراین در این پژوهش، مدل سازی پراکنش بالقوه آهوی ایرانی با دو رویکرد فازی (مبتنی بر دانش بوم شناختی جوامع بومی) و مکسنت (مبتنی بر داده های حضور گونه) در منطقه حفاظت شده میشداغ اجرا شد؛ تا ضمن مدل سازی پراکنش گونه ای با استفاده از سامانه استنتاج فازی (رویکرد فازی) و الگوریتم آنتروپی بیشینه (رویکرد مکسنت)، به بررسی و مقایسه کارایی هر یک از این دو رویکرد پرداخته شود. به علاوه، ارزیابی هر یک از مدل ها با استفاده از تحلیل جک نایف انجام شد. آستانه گذاری نیز با استفاده از آستانه حضور 10% صورت گرفت. براساس یافته ها، سه متغیر کاربری سرزمین، فاصله از کشت زارها و فاصله از منابع آب در هر دو رویکرد فازی و مکسنت به عنوان مهم ترین متغیرهای مدل سازی شناخته شدند. همچنین، در هر یک از رویکردهای فازی و مکسنت به ترتیب 45/47% و 08/14% منطقه به عنوان منطقه حضور بالقوه پیش بینی شد. براساس تحلیل جک نایف، میزان موفقیت هر یک از مدل های فازی و مکسنت به ترتیب، 95/80% و 66/66% برآورد شد (p<0.01). یافته های پژوهش موید کارایی بالای سامانه استنتاج فازی و الگوریتم آنتروپی بیشینه در مدل سازی پراکنش بالقوه آهوی ایرانی است. این مطالعه را می توان از یک سو تاکیدی بر ضرورت توجه به رویکردهایی همچون رویکرد فازی در مدل سازی پراکنش بالقوه گونه های حیات وحش کشور و از سوی دیگر تاکیدی بر ضرورت توجه به دانش بوم شناختی جوامع بومی هر منطقه دانست.کلید واژگان: دانش بوم شناختی، جوامع بومی، پراکنش بالقوه، سامانه استنتاج فازی، الگوریتم آنتروپی بیشینهMonitoring and managing the wildlife populations and habitats required to model the species distribution and habitat suitability. So, Gazella subgutturosa potential distribution in Mishdagh Protected Area was modeled using fuzzy (based on ecological knowledge of local communities) and MaxEnt (based on species occurrence records) approaches; thus, in addition to model the species distribution using maximum entropy algorithm (MaxEnt approach) and fuzzy inference system (fuzzy approach), we can also assess and compare the performance of each approach. In addition, the accuracy of predictive models was tested using jackknife test. Also, we applied threshold of 10%. Based on results of fuzzy and MaxEnt approaches, the most important variables for species potential distribution modelling were land use, distance to farms and distance to water sources. Also, 47.45% and 14.08% of study area predicted as species potential presence area in fuzzy and MaxEnt approaches, respectively. According to results of jackknife test, success rates of fuzzy and MaxEnt approaches were 80.95% and 66.66%, respectively (pKeywords: ecological knowledge, local communities, potential distribution, fuzzy inference system, maximum entropy algorithm
-
با توجه به محدودیت منابع آب زیرزمینی و تشدید نیاز بخشهای مختلف، تامین آب برای مصارف مختلف یکی از عمدهترین چالشها برای دست یافتن به توسعه پایدار محسوب میگردد. تعیین پتانسیل یک حوضه از نظر منابع آب زیرزمینی میتواند راهبردی مناسب در ارتقای شیوه های سنتی و مدیریت این منابع باشد، چرا که روش های سنتی و دستی که در جهت شناخت پتانسیل آبهای زیرزمینی به کار گرفته میشوند، غالبا نیازمند صرف وقت و هزینه و نیروی انسانی زیادی میباشد. در این مطالعه از الگوریتم حداکثر آنتروپی و با بهره گیری از نرم افزار MaxEnt جهت پتانسیلیابی آب زیرزمینی در دشت همدان بهار استفاده شد. نتایج این تحقیق نشان داد 2/27 درصد سطح دشت دارای پتانسیل آب زیرزمینی میباشد. همچنین بر اساس نمودار Jacnaif متغیرهای Dem، ضخامت آبخوان و زمینشناسی مهمترین عوامل اثرگذار بر پیشبینی نواحی دارای پتانسیل بودند و مدل بیشترین حساسیت را نسبت به این پارامترها نشان داد. نتایج نشان داد که مدل دقت قابل قبولی در شناسایی پتانسیل آب زیرزمینی دارد به طوری که دقت مدل 83/0 برآورد گردید. نتایج حاصل از پتانسیلیابی آب زیرزمینی با استفاده از این مدل میتواند برای سیاستگزاران مدیریت منابع آب زیرزمینی و همچنین در بررسی جامع برای توسعه برداشت از آب زیرزمینی در طرحهای آینده مفید واقع شود.کلید واژگان: آب زیرزمینی، الگوریتم حداکثر آنتروپی، MaxEnt، دشت همدان بهارConsidering the limited amount of underground water resources beside the increasingly need for water in different areas, to provide sufficient amount of water, seems to be a must for permanent development. It is estimated that one way to enhance the traditional methods and their management is determining the areas with potential underground water resources. As the traditional and manual methods are extremely time-consuming and needs excessive human efforts, in this study maximum antropy algorithm done by MaxEnt is used to find the potential underground resources of water in Bahar plain - Hamedan provenance. It has been illustrated by this paper that 27.2 all areas there are capable of having underground water resources, in addition based on jacnaif graph , Dem variables, water search thickness and geological considerations are the most important factors in the process of estimating the potential areas and the model has its maximum sensitivity toward them .It is illustrated by the research results that this model has a satisfactory accuracy in the process of finding the underground water resources with 0.83 accuracy rate . It is believed by the researcher that this paper could help planners and be a great aid for future development in the way underground water resources could efficiently be used.Keywords: Well, Maximum entropy algorithm, MAXENT, Hamedan-Bahar plain
-
تعیین مطلوبیت زیستگاه های حیات وحش دارای اهمیت به سزایی در برنامه های حفاظت و مدیریت حیات وحش است. لذا در پژوهش حاضر، مدل سازی مطلوبیت زیستگاه خرس قهوه ای در منطقه حفاظت شده شیمبار با استفاده از الگوریتم آنتروپی بیشینه انجام شد. بدین منظور، پس از بررسی و رفع خودهمبستگی مکانی داده های حضور، داده ها به دو دسته داده های آموزش و آزمون تقسیم و به همراه 10 متغیر محیطی (VIF<10) انتخاب شده توسط MMS، وارد نرم افزار MaxEnt شد. اعتبارسنجی مدل با استفاده از AUC و تحلیل جک نایف صورت گرفت. نقشه حضور/عدم حضور نیز براساس دو آستانه LPT و 10% تهیه شد. هم چنین تحلیل جک نایف دیگری جهت حساسیت سنجی مدل و شناسایی متغیرهای محیطی مهم در مدل سازی انجام شد. براساس یافته ها، مدل پیش بینی شده به طور معناداری بهتر از حالت تصادفی می باشد (AUC = 0/965 ، P = 0/000). به علاوه، 75/20% منطقه به عنوان زیستگاه مطلوب بالقوه خرس شناسایی شد. طبق تحلیل جک نایف، بالاترین میزان موفقیت مدل در پیش بینی مناطق مطلوب بالقوه 46/88% محاسبه شد(P=0/000). هم چنین، متغیر تیپ بندی گیاهی به عنوان مهم ترین عامل موثر بر پراکنش گونه شناسایی شد. براساس یافته ها، موفقیت این روش در مدل سازی مطلوبیت زیستگاه گونه های حیات وحش همچون خرس قهوه ای تایید شده، بهره گیری از آن به عنوان ابزاری نیرومند جهت بهبود اطلاعات زیستگاه های حیات وحش در سطح کشور پیشنهاد می گردد.کلید واژگان: الگوریتم آنتروپی بیشینه، مدل سازی مطلوبیت زیستگاه، منطقه حفاظت شده شیمبار، خرس قهوه ایStatus determination of wildlife habitats is very important in conservation programs and management of wildlife. So, in this study Ursus arctos habitat suitability was modeled using maximum entropy algorithm (MaxEnt) in Shimbar protected area. In order to model the habitat suitability, after investigating and resolving the spatial autocorrelation of occurrence records, spatially independent localities were divided into the calibration and evaluation sets and then were combined with 10 environmental variables (VIFKeywords: Maximum entropy algorithm, Habitat suitability modelling, Shimbar protected area, Ursus arctos
-
طعمه خواری گرگ از حیوانات اهلی از جمله موارد معمول تضاد میان انسان و حیات وحش و یکی از دلایل انقراض این گونه در سراسر جهان محسوب می شود. گزارش های مستند حملات اخیر گرگ به دام در استان همدان نمونه ای از بروز این گونه تعارضات است. پژوهش حاضر به منظور شناسایی مناطق پر خطر برای وقوع حملات گرگ به دام و تعیین عوامل محیطی موثر بر این تعارض هابا روش مدل سازی حداکثر آنتروپی و به کمک نرم افزار MAXENT به انجام رسید. بر اساس نتایج حاصل مهم ترین عامل موثر در حملات گرگ به دام در این استان کاربری اراضی است. به علاوه در ساخت نقشه تعیین مناطق پرخطر، پارامترهای تراکم دام و فاصله از رودخانه از دیگر عوامل اثرگذار شناسایی شدند. بر اساس پیش بینی صورت گرفته، دو شهرستان بهار و کبودرآهنگ با بیشترین احتمال وقوع حملات گرگ مواجه اند. از نتایج این مطالعه می توان به منزله یک ابزار مفید برای اجرای اقدامات حفاظتی برای کاهش تضاد گرگ با دام در مناطق پرخطر استان همدان استفاده کرد
کلید واژگان: استان همدان، الگوریتم حداکثر آنتروپی، طعمه خواری گرگ، مدل سازی مناطق پرخطر، MAXENTLivestock predation by wolf is one of the most frequent sources of conflict between human and wildlife and one of the reasons for species extinction throughout the world. Recent documented reports about the wolf attacks on livestock in Hamedan province is an example of the occurrence of such conflicts. This study aimed to identify risky areas for wolves’ attacks on livestock and determination of environmental factors affecting these conflicts with maximum entropy modeling method using MAXENT software. The results showed that the most important factor is land use variable in study area. In making of map of high-risk areas، livestock density and distance from the river other effective factors are as well. According to obtained predictions، Bahar and Kaboodarahang are facing with the highest possibility of wolf attacks. Results of this study could be use as a useful tool for implementation of conservation activities for mitigation of wolf-livestock conflicts in high risk areas of Hamedan province.
Keywords: Hamedan province, MAXENT, maximum entropy algorithm, modeling of high risk areas, wolf depredation
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.