مدل سازی مبتنی بر یادگیری عمیق توزیع مکانی دوزیستان برای ارزیابی اثر بخشی مناطق تحت حفاظت
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 61
فایل این مقاله در 22 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_CCR-5-19_005
تاریخ نمایه سازی: 26 مهر 1403
چکیده مقاله:
آنالیزگپ مبتنی بر مدل سازی توزیع گونه ای (SDMs)، ابزاری کلیدی برای ارزیابی عملکرد مناطق تحت حفاظت و شناسایی گپ های حفاظتی است. بنابراین بهبود دقت و اعتبار SDMs می تواند به تحقق استراتژی های چارچوب جهانی حفاظت از تنوع زیستی کمک کند. هدف از این مطالعه، ارتقاء روشهای آنالیزگپ با استفاده از مدل سازی برپایه هوش مصنوعی با استفاده از یادگیری عمیق و رفع برخی از محدودیتهای روشهای سنتی مدلسازی در آنالیزگپ با استفاده از رویکرد فازی در محاسبه درجه مطلوبیت زیستگاه و نهایتا ارزیابی کارایی آنالیزگپ در شناسایی گپهای حفاظتی میباشد. لذا از روش CNN-SDM، مبتنی بر یادگیری عمیق، برای شناسایی روابط پیچیده بین توزیع مکانی گونه ها و شرایط محیطی استفاده شد. داده های اقلیمی WorldClim و حضور ۴۵ گونه دوزیست در جنوبغرب آسیا از پایگاه GBIF برای کالیبره کردن مدل استفاده شد. پس از تولید نقشه مطلوبیت زیستگاهی، گونه ها براساس درجه تهدید در فهرست سرخ IUCN وزن دهی شدند و نقشه غنای گونه ای وزنی ایجاد شد. برای رفع محدودیت های داده های باینری، از مقیاس گذاری فازی استفاده شد که تغییرات کیفیت زیستگاه را پیوسته در بازه ای بین ۰ و ۱ نمایش می دهد. برای پیش بینی آینده، سناریوهای اقلیمی SSP۱۲۶ و SSP۵۸۵ برای سال های ۲۰۶۰ و ۲۱۰۰ بررسی شدند. مقایسه نقشه های غنای گونه ای وزنی و رویهم گذاری مرسوم نشان داد که ۴۳% از زیستگاه های دوزیستان در معرض تهدید در روش رویهم گذاری نادیده گرفته می شود. نتایج تایید کرد در بدترین سناریو اقلیمی، اگرچه ۸۵% از زیستگاه های مطلوب در مناطق تحت حفاظت حفظ می شود اما میانگین ارزش پیکسل های مطلوب در این مناطق به طور معناداری کاهش می یابد بطوریکه مطلوبیت زیستگاهی فازی برای ۹۷% از گونه ها کاهش خواهد یافت. مدل CNN-SDM نشان داد با AUC برابر با ۹۴/۰و TSS برابر با ۸۹/۰دقت بالایی در پیش بینی توزیع گونه ها دارد. این مطالعه تاکید بر ارتقاء روش های آنالیزگپ و رفع محدودیت های روش های سنتی دارد.
کلیدواژه ها:
نویسندگان
فراهم احمدزاده
گروه تنوع زیستی و مدیریت اکوسیستم، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی، تهران، ایران
الهام ابراهیمی
گروه تنوع زیستی و مدیریت اکوسیستم، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی، تهران، ایران
اصغر عبدلی
گروه تنوع زیستی و مدیریت اکوسیستم، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی، تهران، ایران
بابک نعیمی
گروه پویایی کمی تنوع زیستی، گروه زیست شناسی، دانشگاه اوترخت، هلند
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 :