مقایسه مدل های جنگل تصادفی (RF) و درخت رگرسیون تقویت شده (BRT) در پیش بینی حضور گونه های غالب مرتعی در مراتع پلور، مازندران

چکیده:
برای انجام این تحقیق، مراتع پلور در استان مازندران با مساحت حدود 2017 هکتار انتخاب شد. هدف پژوهش پیش بینی حضور گونه های غالب مرتعی با استفاده از مدل های جنگل تصادفی (RF) و درخت رگرسیون تقویت شده (BRT) در منطقه مورد مطالعه بود. نمونه برداری از پوشش گیاهی و خاک به صورت تصادفی- مساوی انجام شد. 12 واحد کاری در منطقه به دست آمد که در هر واحد نمونه برداری عوامل اقلیمی، توپوگرافی و خاکی اندازه گیری شدند. پنج گونه غالب در منطقه Astragalus ochrodeucus، Ferula gumosa، Thymus kotschyanus، Onobrychis cornata و Agropyron repens تشخیص داده شد. برای بررسی ارزیابی مدل ها از روش Ten-fold در بسته (caret) استفاده گردید. همچنین برای ارزیابی عملکرد پیش بینی مدل از ضرایب آماری AUC، Kappa و TSS استفاده شد. نتایج نشان داد که در مدل RF متغیر های پتاسیم و آهک بیشترین اهمیت را در حضور گونه های گیاهی داشتند. در مدل BRT نیز سیلت و جهت بیشترین اهمیت را در مدل داشتند. نتایج حاصل از عملکرد مدل های BRT و RF نشان داد که بالاترین AUC در مدل BRT مربوط به حضور گونه Agropyron repens به میزان 76/0 و در مدل RF مربوط به گونه Onobrychis cornata بوده است. از مدل های پیشنهادی می توان برای معرفی گونه های مناسب در برنامه های اصلاحی مرتعی استفاده نمود.
زبان:
فارسی
صفحات:
41 تا 55
لینک کوتاه:
magiran.com/p1705639 
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!