پهنه‌بندی پراکنش مکانی نوعی آویشن (thymus kotschianus)و بوماران achilla millefolium) )با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: مراتع دونا استان مازندران)

زمینه و هدف: هدف از این پژوهش، استفاده از مدل شبکه عصبی مصنوعی در تهیه نقشه پراکنش مکانی گونه های نوعی آویشن وبو مادران در مراتع دونا استان مازندران است.روش بررسی: نمونه برداری از پوشش گیاهی به روش طبقه بندی تصادفی در 29 واحد همگن انجام شد. در هر واحد همگن، 3 نمونه خاک نیز از عمق 300 سانتی متری برداشت شدند. در پژوهش حاضر، از 20 عامل محیطی به عنوان متغیر مستقل و داده های مربوط به حضور گونه های گیاهی مطالعه شده به عنوان متغیر وابسته استفاده گردید. برای تهیة نقشه پیش بینی مکانی گونه ها، اطلاعات محیطی در gis تبدیل به نقشه شده و با استفاده از روش نسبت فراوانی هر کدام از آن ها کلاسه بندی شدند. در این پژوهش از شبکه پرسپترون چند لایه، متداول ترین شبکه های عصبی مصنوعی پیش خور، استفاده گردید. ساختار بهینه شبکه عصبی مصنوعی، 1، 20، 20 تعیین شد. خروجی به دست آمده از شبکه در نرم افزار gis تبدیل به نقشه های پهنه بندی گونه های گیاهی با 4 پهنه عدم حضور، حضور کم، حضور متوسط و حضور زیاد شد. ارزیابی مدل به دو روش منحنی roc و ضریب کاپا انجام شد. یافته ها:با استفاده از روش منحنیroc، مقدار auc برای گونه بومادران  برابر 96.8،  و برای گونه نوعی آویشن برابر 84.7 شد که نشان دهندة ارزیابی عالی و خیلی خوب مدل در پیش بینی است.بحث ونتیجه گیری: ارزیابی به روش ضریب کاپا نشان داد که این ضریب برای گونه بومادران، و گونه نوعی آویشن، به ترتیب برابر 0.89 و 0.76 بود که نشان دهندة ارزیابی بسیار خوب و خوب مدل است.

Spatial distribution mapping of common yarrow (Achilla millefolium and thyme (Thymus kotschianus) using artificial neural network (Case study: Donna rangelands, Mazandaran province)

Background and Objective:The purpose of this study was to map the spatial distribution of common yarrow(Achilla millefolium)and thyme (Thymus kotschianus) using artificial neural network model in rangelands Donna, Mazandaran Province.Method:Sampling was carried out with equal random classification in 29 homogenous units. In each unit, 3 soil samples were harvested from depth of 030 cm. In this study, 20 environmental factors were the independent variables and the presence of plant species were the dependent variable. For the preparation spatial distribution map of the species, environmental data were converted to maps in GIS. Then each of these factors was classified using the frequency. In this research, network Multilayer Perceptron that is the most common feed forward neural network was used. Optimal structure for the network was determined 1, 20, and 20. Then distribution maps of studied species were prepared with 4 class absence and low presence, medium presence and high presence in the GIS software. Models were evaluated using ROC curves and Kappa coefficient.Findings:AUC were 96.8 and 84.7 for the species Achilla millefolium and Thymus kotschianus was, respectively  that indicates models are excellent or very good for the prediction.Discussion and Conclusion: Also kappa coefficient were calculated as 89.0 and 76.0 for Achilla millefolium and Thymus kotschyanus,  respectively which  indicate very good and good prediction.