پیش بینی پراکنش رویشگاه گونهSeidlitzia rosmarinus در مراتع شرق سمنان با استفاده از مدل شبکه عصبی مصنوعی
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 178
فایل این مقاله در 13 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_IJRDR-23-2_008
تاریخ نمایه سازی: 27 فروردین 1402
چکیده مقاله:
شبکه عصبی مصنوعی، ساختارهای پردازش اطلاعاتی جدیدی هستند که از روش های مخصوص شبکه های عصبی بیولوژیک استفاده می کنند. هدف از این مطالعه مدل سازی پراکنش گونه Seidlitziarosmarinus در مراتع شمال شرق سمنان با استفاده از مدل شبکه عصبی است. بدین منظور برای نمونه برداری از پوشش گیاهی در هر تیپ رویشی، ۳ ترانسکت ۷۵۰ متری مستقر و در هر ترانسکت ۱۵ پلات با فواصل۵۰ متر مستقر شد. نمونه برداری از خاک با توجه به مرز تفکیک افق ها در منطقه و نوع گیاهان موجود از دو عمق ۲۰-۰ و ۸۰-۲۰ سانتی متر انجام شد. برای تهیه نقشه پیش بینی پراکنش گونه های گیاهی، به فراهم کردن لایه های عوامل محیطی مورد استفاده در مدل نیاز است. برای نقشه بندی خصوصیات خاک، روش زمین آمار براساس مدل پیش بینی بدست آمده برای گونه S.rosmarinus (روش ANN) استفاده شد. برای اجرای مدل شبکه عصبی، الگوریتم پس انتشار خطا با شبکه طراحی شده پرسپترون سه لایه ای با ساختار ۱-۱۰-۷ و دارای هفت نرون در لایه ورودی، ده نرون در لایه میانی و یک نرون در لایه خروجی استفاده شد. میزان تطابق نقشه تهیه شده با نقشه واقعیت زمینی نیز با استفاده از ضریب کاپا محاسبه شد که نشان دهنده تطابق خیلی خوب بود (ضریب کاپای ۷۲/۰). نتایج نشان داد گونه S.rosmarinus در مناطق با اسیدیته ۳/۸-۱/۸، هدایت الکتریکی ۲۶/۰-۲۲/۰ دسی زیمنس بر متر، بافت لومی-شنی و در ارتفاع ۱۷۵۰-۱۶۰۰ متر از سطح دریا پراکنش دارد و با میزان اسیدیته و آهک رابطه مستقیم دارد.
کلیدواژه ها:
نویسندگان
لیلا خلاصی اهوازی
دانشجوی دکتری، دانشکده مرتع و آبخیزداری، دانشگاه کشاورزی و منابع طبیعی گرگان، ایران
محمدعلی زارع چاهوکی
استاد، گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی دانشگاه تهران، کرج، 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 :