پیش بینی نقشه پوشش گیاهی بر مبنای عوامل ژئومورفولوژی با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: سبزکوه استان چهارمحال و بختیاری)

نقشه های پوشش گیاهی بنیانی ترین ابزار مدیریت پوشش محسوب می شوند. روشهای متعددی برای تهیه این نقشه ها پیشنهاد شده که هر یک مبتنی بر اطلاعات پایه ای خاص و از دقت متفاوتی برخوردارند. روش ژئومرفولوژیکی یکی از این روشهاست که هدف این تحقیق بررسی دقت آن است. برای پیش بینی نقشه الگوی توزیع تیپ های گیاهی، سه نقشه رخساره های ژئومورفولوژی، سنگ شناسی و شکل زمین به عنوان متغیرهای مستقل و نقشه پوشش گیاهی منطقه نیز (روش فیزیونومی-فلوریستیک) به عنوان متغیر وابسته در مدل شبکه عصبی پرسپترون چند لایه استفاده شد. نتایج نشان داد مدل مذکور قادر به بیان 39.1% تغییرات متغیر وابسته می باشد. این امر برای طبقات مختلف یکسان نبوده به طوری که قدرت تفکیک پذیری این مدل در مورد تیپ های گیاهی Sparse forest (sparse oak forest) و Astragalus morinus -Acantholimon festucaceum - Acanthophyllum bracteatum به ترتیب با 4/64%و 61.5 % بیشترین دقت پیش بینی و درمورد طبقه باغ و اراضی کشاورزی (ناشی از دخالت های انسانی و نه عوامل ژئومرفولوژیک) با وسعت تنها 3/0% منطقه با 2/1درصد کمترین دقت پییش ببینی را داشت. در نتیجه، این روش تا حدودی در پیش بینی توزیع پوشش گیاهی طبیعی با نتایج خوبی همراه بوده هر چند پوشش ازمتغیرهای دیگری مانند اقلیم و خاک که در این مطالعه بررسی نشده، دقت متغیرهای ورودی،عدم انطباق وضع فعلی با وضع پتانسیل پوشش، گاها همپوشانی آشیان اکولوژیک تیپ های گیاهی و پوشش اراضی مرتبط تاثیر می پذیرد. بنابراین، توصیه می شود این روش برای تفکیک پوشش های گیاهی که به پوشش طبیعی پتانسیل نزدیک تر هستند به کار رود

کلیدواژه ها:

مدلسازی پوشش گیاهی ، توزیع پوشش گیاهی ، عوامل ژئومورفولوژیکی ، شبکه عصبی پرسپترون چند لایه ، سبزکوه