ارزیابی کارایی مدل های داده کاوی در تعیین پراکنش گونه گیاهی Anchusa strigosa (مطالعه موردی: دزفول)

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 183

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_EMJ-1-4_003

تاریخ نمایه سازی: 22 اسفند 1401

چکیده مقاله:

بهره برداری از گیاهان صنعتی و دارویی بعنوان یکی از محصولات فرعی مراتع نقش موثری در اقتصاد مراتع دارد. حفظ و توسعه پراکنش گیاهان دارویی در سطح عرصه های مرتعی از جنبه های مختلف اقتصادی و اجتماعی و فنی مراتع، حایز اهمیت می باشد. در سطح مراتع گونه های گیاهی صنعتی و دارویی فراوانی موجود می باشد. گاوزبان خارک دار (Anchusa strigosa) از گونه ی دارویی و بومی شهرستان دزفول می باشد. یکی از موارد حائز اهمیت در بهره برداری اصولی از این گیاه دارویی تعیین مناطق رویشگاهی آن می باشد. هدف از این تحقیق، بررسی رابطه ویژگی های بیوفیزیکی رویشگاه بالقوه این گونه و پراکنش آن با استفاده از تکنیک های مختلف داده کاوی است. برای ارزیابی کارایی مدل های داده کاوی، ابتدا ۳۰ نقطه حضور و ۳۰ نقطه عدم حضور گونه با استفاده از نقشه پوشش گیاهی و مطالعات میدانی ثبت شد. سپس پارامترهای ارتفاع، شیب، درجه حرارت، بارندگی، بافت و عمق خاک از نقشه های به دست آمده با استفاده از روش های زمین آمار بر مبنای داده های منطقه ای استخراج شد. تعیین ضریب تاثیر هریک از پارامترهای ذکر شده با استفاده از روش ماشین بردار انجام شد. سپس اقدام به پیش بینی حضور گونه های مذکور براساس پارامترهای بیوفیزیکی با استفاده از روش های داده کاوی گردید. الگوریتم های داده کاوی مورد استفاده در این تحقیق شامل ازدحام ذرات، رگرسیون لجستیک، شبکه های عصبی مصنوعی و نزدیک ترین همسایه می باشند. نتایج نشان داد که الگوریتم ازدحام ذرات و شبکه عصبی مصنوعی با میزان دقت ۰/۹۵ و ضریب کاپای ۰/۹ دارای دقت بالاتری در تعیین مناطق حضور گونه می باشد. نتایج این تحقیق نشان داد با استفاده از روش های داده کاوی امکان پیش بینی حضور گونه مورد نظر، براساس پارامترهای بیوفیزیکی با دقت بالایی فراهم می باشد.

نویسندگان

مریم اسدی

دکتری آبخیزداری، اداره منابع طبیعی و آبخیزداری خوانسار، خوانسار، ایران.

زهرا جعفری

کارشناسی ارشد مرتعداری، گروه طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، اردکان، ایران.

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 :
  • آخوندعلی، ع.ر.، و بهداروند، م. (۱۳۹۰). طرح احیا و بهره ...
  • اسدی، م.، خاتم ساز، م.، و معصومی، ع.ا. (۱۳۸۱). کتاب ...
  • تقی زاده مهرجردی، ر.،ا.، سرمدیان، ف.، امید، م.، تومانیان، ن.، ...
  • امامی میبدی، ع.، خضری، م.، و عظیمی.،ا. (۱۳۸۸). شبیه سازی ...
  • پیری صحراگرد، ح.، زارع چاهوکی، م.ع.، و آذرنیوند، ح. (۱۳۹۴)، ...
  • پیری صحرا گرد، ح. (۱۳۹۶). مدل سازی پیش بینی پراکنش ...
  • دهقانی نژاد، س، علوی، س.ج، و حسینی، س.م. (۱۳۹۷). قابلیت ...
  • زارع چاهوکی، م.ع. (۱۳۸۵). مدل سازی پراکنش گونه های گیاهی ...
  • زارع چاهوکی، م.ع.، خلاصی اهوازی، ل.، و آذرنیوند، ح. (۱۳۹۳). ...
  • فاطمی، س.س.، رحیمی، م.، ترکش، م.، و روانبخش، ه . ...
  • صادقی نیا، م.، تازه، م.، جعفری، ز. و کیانی، ک. ...
  • صنیعی آباده، م.، محمودی، س.، و طاهرپور، م. (۱۳۹۴). داده ...
  • عزمی، م.، و عراقی نژاد، ش. (۱۳۹۱). توسعه روش رگرسیون ...
  • علی اکبری، م.، جعفری، ر.، وهابی،م.ر.، و سعادت فر،ا. (۱۳۸۹). ...
  • محمدی، ح.، و کاظمی، م. (۱۳۸۶). تعیین اراضی مناسب کشت ...
  • مظفریان، و.ا. (۱۳۸۸). فرهنگ نام های گیاهان ایران. تهران: انتشارات ...
  • Asadi, M., Fathzadeh, A., Kerry, R., Ebrahimi-Khusfi, Z., and Taghizadeh-Mehrjardi, ...
  • Benardos, P.G., Vosniakos, G.C. (۲۰۰۷). Optimizing feedforward Artificial Neural Network ...
  • Cutler, D.R., Edwards Jr, T.C., Beard, K.H., Cutler, A., Hess, ...
  • Eberhart; R., and Kennedy, J. (۱۹۹۵). A new optimizer using ...
  • Fisher, F.M., Zak, J.C., Cunningham, G., and Whitford, W.G. (۱۹۸۸). ...
  • Franklin, J. (۱۹۹۵). Predictive Vegetation Mapping: Geographic Modeling of Bio ...
  • Guisan, A., and Zimmermann, N. (۲۰۰۰). Predictive Habitat Distribution Models ...
  • Judd, W.S., Campbell, C.S., Kellogg, E.A., Stevens, P.F. and Donoghue, ...
  • Manel, S., Dias, J.M., and Ormerod, S.J. (۱۹۹۹). Comparing discriminant ...
  • Rajaee, T., ۲۰۱۱. Wavelet and ANN combination model for prediction ...
  • Saad, B., Azaizeh, H., and Said, O. (۲۰۰۵). Tradition and ...
  • Zare Chahouki, M.A., Zare Chahouki, A. (۲۰۱۰). Predicting the distribution ...
  • نمایش کامل مراجع