ارزیابی ریسک اجرای طرح جنگلداری بر تغییرات تراکم مکانی پوشش گیاهی زیرآشکوب جنگل با رهیافت مدل سازی شبکه عصبی مصنوعی
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 281
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSAEH-6-2_002
تاریخ نمایه سازی: 17 مهر 1400
چکیده مقاله:
هدف از این پژوهش مدلسازی تغییرات مکانی تراکم پوشش گیاهی زیرآشکوب جنگل با توجه به ساختار اکوسیستم جنگل و فعالیتهای طرح جنگلداری به عنوان یک مخاطره زیست محیطی میباشد. واحدهای همگن محیط زیستی با استفاده از منابع اکولوژیکی و سیستم اطلاعات جغرافیایی، تهیه گردید. در این تحقیق به کمک شبکههای عصبی مصنوعی، تراکم پوشش گیاهی زیرآشکوب جنگل بر اساس متغیرهای اکولوژیکی و انسانی شبیهسازی شد. شبکه پرسپترون چندلایه با یک لایه پنهان و ۴ نرون در هر یک از لایههای مخفی و آرایش نهایی ۱-۴-۲۳، با توجه به بیشترین مقدار ضریب تبیین آزمون شبکه (معادل ۸۵۷۶/۰) و کمترین مقدار میانگین مربعات خطا و میانگین خطای مطلق (به ترتیب معادل ۸۶۶/۰ و ۷۳۶/۰)، بهترین عملکرد بهینهسازی توپولوژی را نشان میدهد. بر اساس نتایج آنالیز حساسیت، عوامل اکولوژیکی و انسانی شامل تراکم تاج پوشش توده، تراکم دام در جنگل، شدت فرسایش خاک و شدت کوبیدگی آن به ترتیب بیشترین تاثیر را در تغییرات پوشش گیاهی زیرآشکوب جنگل از خود نشان دادند. نتایج حاصله در این تحقیق در چهارچوب روش تجزیه و تحلیل سیستمی منجر به مدلسازی پوشش گیاهی زیرآشکوب جنگل در ارزیابی مخاطرات محیط زیستی طرحهای جنگلداری و طراحی سامانه پشتیبان تصمیمگیری شده است که می تواند راهگشای تصمیم گیری در مورد ساختار طرح و اجرای پروژه های مشابه در مکان های مشابه باشد.
کلیدواژه ها:
Artificial neural network ، Environmental impact assessment ، Multilayer perceptron ، Sensitivity analysis ، Under canopy vegetation ، آنالیز حساسیت ، ارزیابی اثرات محیط زیستی ، پرسپترون چندلایه ، پوشش گیاهی زیرآشکوب ، شبکه عصبی مصنوعی
نویسندگان
علی جهانی
College of Environment
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :