تحلیلی بر روشهای رگرسیون لجستیک و شبکه عصبی در مدلسازی مکانی روند تخریب در جنگل و بیابانزایی
- سال انتشار: 1391
- محل انتشار: سومین همایش ملی مقابله با بیابان زایی و توسعه پایدار تالابهای کویری ایران
- کد COI اختصاصی: DESERTWETLAND03_724
- زبان مقاله: فارسی
- تعداد مشاهده: 1175
نویسندگان
دانشجوی کارشناسی ارشد دانشگاه علوم کشاورزی و منابع طبیعی گرگان
دانشیارگروه جنگلداری دانشکده گرگان، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
دانشیارگروه جنگلداری دانشکده گرگان، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
استادیار گروه جنگلداری دانشکده کشاورزی، دانشگاه لرستان
چکیده
بیابانزایی و تخریب کاهش توان اکولوژیکی و بیولوژیکی زمین بوده که به صورت طبیعی و مصنوعی رخ میدهد.شناخت و ارزیابی عوامل موثر در توسعه روند تخریب و بیابانزایی، میتواند در مدیریت بهتر سرزمین مفید واقع گردد.پیشبینی مکانی احتمال وقوع تخریب و بیابانزایی و پهنهبندی ریسک تخریب در مناطق مختلف امکان مدیریت بهتر آنها را فراهم مینماید. استفاده از روشهای دقیق و نوین پیشبینی و مدلسازی مکانی خطر تخریب و تعیین میزاناحتمال وقوع آن یکی از تاثیرگذارترین عناصر استراتژی موثر مدیریت تخریب و بیابانزایی است. تا کنون پیشبینی خطر تخریب در عرصههای منابع طبیعی در نقاط مختلف دنیا به روشهای گوناگونی از جمله رگرسیون لجستیک و شبکه عصبی صورت گرفته است که با استفاده از قابلیتهایGIS بصورت مکانی مدلسازی و پهنهبندی شده است هدف از این پژوهش مقایسه بین دو روش رگرسیون لجستیک و شبکه عصبی در مدلسازی مکانی تخریب در جنگل و بیابانزایی میباشد. نتیجه این مقایسه این است که روشهای متداول رگرسیون لجستیک نسبت به روشهای نوین بهدلایل در نظر گرفتن میزان تاثیر یکسان متغیرها و محدودیت در تعداد متغیرهای مستقل بر وقوع تخریب و بیابانزایی در فرآیند مدلسازی کارایی لازم را ندارند ولی در سالهای اخیر با توسعه روشهای آماری ناپارامتریک، تحقیقات نشان دادهاند که استفاده از روشهای شبکه های عصبی به دلیل حل مدلهای پیچیده بین متغیرهای وابسته و مستقل، مدلسازی غیر خطی و استفاده از متغیرهای زیاد مستقل موثر بر وقوع تخریب میتواند احتمال وقوع تخریب را بهتر مدلسازی نمایدکلیدواژه ها
بیابانزایی، تحلیل روشها، رگرسیون لجستیک، شبکه عصبی، مدلسازی مکانی تخریبمقالات مرتبط جدید
- پایش مکانی خشکسالی با استفاده از شاخص VHI حاصل از داده های سنجنده MODIS - مطالعه موردی: استان تهران
- بررسی دلایل اقلیمی خشکیدگی جنگل های بلوط زاگرس با استفاده از اندازه گیری پارامترهای پهنا و ویژگی های آوندی حلقه های درختی
- طغیان آفات برگخوار نوظهور درختان و درختچه های جنگلی زاگرس شمالی و مرکزی: پیامد تغییرات آب و هوایی
- بانک آب: فرایندی جدید برای احیای حکمرانی آب در ایران
- بررسی تحقیقات خشکسالی در ایران
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.