پديد آورندگان :
جعفريان، زينب دانشگاه علوم كشاورزي و منابع طبيعي ساري , بحريني، زينب دانشگاه علوم كشاورزي و منابع طبيعي ساري , شكري، مريم دانشگاه علوم كشاورزي و منابع طبيعي ساري
كليدواژه :
نسبت فراواني , ضريب كاپا , منحنيROC , ويژگي هاي خاك , پراكنش مكاني
چكيده فارسي :
هدف از تحقيق حاضر، پيش بيني پراكنش مكاني گونه هاي Festuca Ovina و Bromus briziformis در مراتع سياه بيشه با استفاده از روش شبكهعصبي مصنوعي است. نمونه برداري از پوشش گياهي به روش طبقه بندي تصادفي در 29 واحد همگن انجام شد. 290 پلات 1 مترمربعي در منطقه مستقر و درصد پوشش تاجي گياهان ثبت گرديد. در هر واحد، 3 نمونه خاك از عمق 30-0 برداشت شد. در اين مطالعه، داده هاي محيطي 20 عامل (شيب، جهت شيب، ارتفاع از سطح دريا، فاصله از جاده، فاصله از رودخانه، فاصله از دامداري، همباران، سنگ شناسي، سيلت، رس، شن، رطوبت، كربن، مادهآلي، اسيديته خاك، هدايت الكتريكي، آهك، ازت، فسفر و پتاسيم) به عنوان متغير مستقل و داده هاي مربوط به حضور گونه هاي گياهي Festuca Ovina و Bromus briziformis به عنوان متغير وابسته استفاده گرديد. لايه هاي اطلاعاتي هر كدام از اين عوامل در نرم افزار Arc GIS تهيه و با استفاده از روش نسبت فراواني هر كدام از اين عوامل كلاسه بندي شدند. نتايج حاصله نشان داد كه مهم ترين متغيرهاي محيطي اثرگذار در پراكنش گونه هاي مطالعه شده، خصوصيات ارتفاع، بافت خاك و عناصر غذايي بودند.سپس به ترتيب 70 و 30 درصد داده ها جهت آموزش و آزمون شبكه استفاده شد. در اين تحقيق ساختار شبكهعصبي مصنوعي با ساختار 20 نرون در لايه ورودي و لايه پنهان و يك نرون در لايه خروجي، مقاير MSE براي فستوكا 75/0و بروموس 72/0 محاسبه شد. سپس نقشه هاي پهنه بندي گونه هاي گياهي با 4 پهنه عدم حضور، حضوركم، متوسط و زياد تهيه شد. نقشه پهنه بندي حاصل با منحني ROC و ضريب كاپا ارزيابي شدند كه صحت آن ها با روش منحني ROC برابر 97/10، 84/10 درصد و با ضريب كاپا برابر 78/0 و 66/0 به ترتيب براي گونه Festuca ovina، و گونه Bromus briziformis بودند كه نشان دهنده ارزيابي خوب مدل است.
چكيده لاتين :
Prediction of the spatial distribution of Festuca Ovina and Bromus briziformis in Siahbisheh Rangelands using artificial neural network was the purpose of this study. Random classification sampling was done for vegetation in 29 homogenous units. 290 plot 1 m² were established in the area and was recorded percent of canopy cover. 3 soil samples were collected from a depth of 0-30 in any homogenous unit. In this study, 20 Environmental factors (Slope, aspect, elevation, distance from road, distance from river, precipitation, distance from livestock, geology, percent of silt, clay, sand, moisture, carbon, organic matter, ph, EC and N.P.K) were independent variables and species presence data of Festuca Ovina and Bromus briziformis was dependent variable. The information layers of each these factors prepared in Arc GIS and were classified using the frequency of each these factors. The results showed that the most important environmental variables affecting the distribution of the studied species were elevation, soil texture and nutrients. Then 70 and 30 percent of the data were used for training and test network respectively. In this study, artificial neural network structure with the 20 neurons in the input layer and the hidden layer and one neuron in the output layer, values of MSE were calculated for festuca 0.75 and Bromus 0.72. Then zoning maps of plant species were prepared with 4 zones including absence and presence of low, medium, high. Zoning maps were evaluated using ROC curves and Kappa coefficient that accuracy with ROC curves were 97.10, 84.10 and with kappa coefficient were 0.78, 0.66 percent for Festuca ovina, and Bromus briziformis respectively that represents a good evaluation of model.
