مدل سازی و پیش بینی کیفیت زیستگاه و تنوع زیستی با استفاده از یادگیری ماشین و تحلیل سیمای سرزمین

ارزیابی و پیش بینی کیفیت زیستگاه و تنوع زیستی از مهم ترین نیازهای مدیریت پایدار منابع طبیعی و حفاظت محیط زیست است. تغییرات کاربری اراضی، تخریب زیستگاه و فشارهای انسانی بر اکوسیستم ها باعث کاهش کیفیت زیستگاه و افت تنوع زیستی می شوند. در این مطالعه، از روش های یادگیری ماشین و تحلیل سیمای سرزمین برای مدل سازی و پیش بینی کیفیت زیستگاه و شاخص های تنوع زیستی استفاده شده است. داده های سنجش از دور، پوشش گیاهی، کاربری اراضی و شاخص های محیطی به عنوان ورودی مدل ها مورد استفاده قرار گرفته اند و الگوریتم های پیشرفته هوش مصنوعی مانند شبکه های عصبی، جنگل تصادفی و ماشین بردار پشتیبان برای تحلیل و پیش بینی توزیع تنوع زیستی و کیفیت زیستگاه به کار گرفته شده اند. نتایج نشان می دهد که مدل های هوشمند قادرند الگوهای فضایی تنوع زیستی را با دقت بالا پیش بینی کرده و نقشه های کیفیت زیستگاه قابل اعتماد برای مدیریت محیط زیست تولید کنند. این رویکرد ابزار موثری برای تصمیم گیری های حفاظتی، پایش زیستگاه ها و برنامه ریزی مدیریت منابع طبیعی فراهم می آورد.

کلیدواژه ها:

تنوع زیستی ، کیفیت زیستگاه ، یادگیری ماشین ، تحلیل سیمای سرزمین ، GIS ، نقشه کیفیت زیستگاه ، شاخص های زیستگاهی ، پیش بینی اکوسیستم ، هوش مصنوعی ، کاربری اراضی