بررسی ارزیابی قابلیت مدل شبکه عصبی مصنوعی در پیش بینی پراکنش مکانی گونه های گیاهی
نویسنده:
چکیده:
در این تحقیق قابلیت مدل شبکه عصبی در پیش بینی پراکنش مکانی گونه های گیاهی ارزیابی شده است. با توجه به هدف، اطلاعات پوشش گیاهی و عوامل رویشگاهی شامل اقلیم، خاک، پستی و بلندی و زمین شناسی جمع آوری شد. برای نمونه برداری از پوشش گیاهی در هر تیپ رویشی، 3 ترانسکت150 متری مستقر و در هر ترانسکت 15 پلات با فواصل 10 متر (به روش تصادفی-سیستماتیک) مستقر شد. برای تجزیه و تحلیل اطلاعات و ارائه نقشه عوامل محیطی از روش های زمین آمار و برای ارائه نقشه پیش بینی رویشگاه گونه های مورد بررسی از شبکه عصبی مصنوعی (MLP) استفاده شد. با توجه به نتایج ارزیابی مدل ها با ضریب کاپا، مدل شبکه عصبی موقعیت رویشگاه دو گونه Agropyron intermediumرا در سطح عالی (0/95=k)، رویشگاه دو گونه Thymus kotschyanus و Astragalus gossypinus را در سطح بسیار خوب (0/83 و 0/84 =k) و رویشگاه گونه Stipa barbata را در سطح خوب (0/70=k) پیش بینی کرده است، بنابراین، مدل شبکه عصبی قابلیت بالایی در پیش-بینی پراکنش مکانی گونه های مورد بررسی داشته است. همچنین بر اساس نتایج آزمون شبکه، صحت مدل برای هر چهار رویشگاه بیشتر از 95 درصد بوده است، این نشان می دهد که پارامترهای اقلیمی و خاکی بکار رفته در تشکیل مدل نهایی در این تحقیق، توانایی لازم در پیش بینی توزیع بالقوه گونه های مورد بررسی را داشتند.
کلیدواژگان:
زبان:
فارسی
انتشار در:
در صفحه:
106
لینک کوتاه:
magiran.com/p1348024
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!