الهام مسروری - دانشجوی کارشناسی ارشد دانشگاه علوم کشاورزی و منابع طبیعی گرگان
شعبان شتایی - دانشیارگروه جنگلداری دانشکده گرگان، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
محمدهادی معیری - دانشیارگروه جنگلداری دانشکده گرگان، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
جواد سوسنی - استادیار گروه جنگلداری دانشکده کشاورزی، دانشگاه لرستان

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 نماید

بیابانزایی، تحلیل روشها، رگرسیون لجستیک، شبکه عصبی، مدلسازی مکانی تخریب