پیش بینی الگوی توزیع سوسک پوست خوار کاج، (orthotomicus erosus (coleoptera: curculionidae: scolytinae با استفاده از زمین‌آمار و شبکه‌ عصبی مصنوعی

سوسک پوست خوار کاج، (orthotomicus erosus (wollaston) (coleoptera: curculionidae: scolytinae، یکی از مهم ترین آفات درختان کاج می باشد. حمله و تغذیه‌ این سوسک ها بافت های آوند آبکش را در زیر پوست درختان آلوده تخریب و عبور شیره‌ گیاهی را مختل نموده و باعث مرگ درختان آلوده می شود. این پژوهش به منظور پیش‌بینی الگوی توزیع و ترسیم نقشه‌ پراکنش o. erosus با استفاده از شبکه‌های عصبی پرسپترون چند لایه (mlp)، شبکه‌ عصبی mlp ترکیب شده با الگوریتم ژنتیک و شبکه‌ عصبی mlp ترکیب شده با الگوریتم رقابت استعماری در سطح شهر کرمانشاه انجام شد. داده‌های مربوط به جمعیت این آفت از طریق نمونه برداری از درختان کاج در مناطق مختلف شهر کرمانشاه در سال های 1393 و 1394 به دست آمد. برای ارزیابی قابلیت شبکه‌های عصبی مورد استفاده در پیش‌بینی توزیع آفت از مقایسه‌ آماری پارامترهایی مانند واریانس، میانگین و توزیع آماری بین مقادیر پیش‌بینی شده‌ مکانی توسط شبکه‌ عصبی mlp ترکیب شده با الگوریتم ژنتیک و الگوریتم رقابت استعماری و مقادیر واقعی آن‌ها استفاده شد. نتایج نشان داد که در فازهای آموزش و آزمایش، مقادیر پارامترهای مذکور بین داده‌های واقعی و پیش‌بینی شده‌ آفت تفاوت معنی‌داری را نشان نداد که نشان‌دهنده‌ دقت بالا و نیز قابلیت شبکه‌های عصبی به منظور ترسیم نقشه‌ پراکندگی این آفت در سطح شهر کرمانشاه می باشد. مقادیر ضریب تبیین (r2) نشان داد که الگوریتم رقابت استعماری، دقت بالاتری در تخمین تراکم o. erosus نسبت به دو روش دیگر داشته است. همچنین مقایسه‌ مقادیر ضریب تبیین بین شبکه های عصبی مختلف و روش زمین‌آمار نشان داد که هر سه مدل شبکه‌ عصبی الگوی توزیع سوسک پوست‌خوار را نسبت به روش زمین‌آمار بهتر پیش بینی کردند. روش زمین آمار و نقشه‌های ترسیم شده توسط شبکه های عصبی نشان داد که توزیع این آفت به صورت تجمعی است. نتایج حاصل از روش زمین‌آمار نیز نشان دهنده‌ توزیع تجمعی آفت می باشد.