مدل سازی پراکنش بالقوه گونه های حیات وحش بر مبنای دانش بوم شناختی جوامع بومی در مقایسه با روش های یادگیری ماشینی (مطالعه موردی: آهوی ایرانی در منطقه حفاظت شده میشداغ)

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.