|
|
تحقیقات مرتع و بیابان ایران، جلد ۲۳، شماره ۲، صفحات ۲۸۷-۲۷۵
|
|
|
| عنوان فارسی |
پیش‌بینی پراکنش رویشگاه گونۀSeidlitzia rosmarinus در مراتع شرق سمنان با استفاده از مدل شبکه عصبی مصنوعی |
|
| چکیده فارسی مقاله |
شبکه عصبی مصنوعی، ساختارهای پردازش اطلاعاتی جدیدی هستند که از روش‌های مخصوص شبکه‌های عصبی بیولوژیک استفاده می‌کنند. هدف از این مطالعه مدل‌سازی پراکنش گونه Seidlitziarosmarinus در مراتع شمال شرق سمنان با استفاده از مدل شبکه عصبی است. بدین منظور برای نمونه‌برداری از پوشش گیاهی در هر تیپ رویشی، 3 ترانسکت 750 متری مستقر و در هر ترانسکت 15 پلات با فواصل50 متر مستقر شد. نمونه‌برداری از خاک با توجه به مرز تفکیک افق‌ها در منطقه و نوع گیاهان موجود از دو عمق 20-0 و 80-20 سانتی‌متر انجام شد. برای تهیۀ نقشۀ پیش‌بینی پراکنش گونه‌های گیاهی، به فراهم کردن لایه‌های عوامل محیطی مورد استفاده در مدل نیاز است. برای نقشه‌بندی خصوصیات خاک، روش زمین‌آمار براساس مدل پیش‌بینی بدست‌آمده برای گونه S.rosmarinus (روش ANN) استفاده شد. برای اجرای مدل شبکه عصبی، الگوریتم پس انتشار خطا با شبکه طراحی شده پرسپترون سه لایه‌ای با ساختار 1-10-7 و دارای هفت نرون در لایه ورودی، ده نرون در لایه میانی و یک نرون در لایه خروجی استفاده شد. میزان تطابق نقشۀ تهیه شده با نقشۀ واقعیت زمینی نیز با استفاده از ضریب کاپا محاسبه شد که نشان‌دهنده تطابق خیلی خوب بود (ضریب کاپای 72/0). نتایج نشان داد گونه S.rosmarinus در مناطق با اسیدیته 3/8-1/8، هدایت الکتریکی 26/0-22/0 دسی‌زیمنس بر متر، بافت لومی-شنی و در ارتفاع 1750-1600 متر از سطح دریا پراکنش دارد و با میزان اسیدیته و آهک رابطه مستقیم دارد. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Preparing the distribution of Seidlitzia rosmarinus in Semnan East rangeland using ANN model |
|
| چکیده انگلیسی مقاله |
Artificial Neural Network (ANN) is new information processing structures that uses special methods for biological neural networks. The main purpose of this study was to modeling of Seidlitzia rosmarinus distribution in northeast rangelands of Semnan by ANN model. For this purpose, vegetation sampling was carried out in each vegetation type along three transects of 750 m, on which 15 plots were established with an interval of 50 m. Soil samples were taken from two depths of 0-20 cm and 20-80 cm in starting and ending points of each transect. To provide the prediction map of plant species distribution, different layers of environmental factors used in the model are required. The geostatistics method was applied for mapping soil properties based on the prediction model obtained from ANN method for S. rosmarinus. The back-propagation neural network with three-layer- perceptron network was designed to generate the ANN model and seven neurons in the input layer, ten neurons in the hidden layer, and one neuron in the output layer were used. The accuracy of the prediction map was tested with actual vegetation maps and the Kappa coefficient was calculated to be 72%, indicating a very good agreement. Results showed that this species is distributed in rangelands with a pH of 8.1-8.3, an EC 0.22-0.26 dS/m, in a silty-sandy textured soil, and an altitude of 1600-1750 meters. it is highly correlated with lime and pH in two depths. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
لیلا خلاصی اهوازی | khalasi ahvazi
دانشجوی دکتری، دانشکده مرتع و آبخیزداری، دانشگاه کشاورزی و منابع طبیعی گرگان، ایران
محمدعلی زارع چاهوکی | mohammad ali zare chahouki
استاد، گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی دانشگاه تهران، کرج، ایران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)
|
|
| نشانی اینترنتی |
http://ijrdr.areeo.ac.ir/article_107030_a099d5e0323f414f0d2cd966640caa80.pdf |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/708/article-708-415298.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|