پیش‌بینی پراکنش رویشگاه گونۀseidlitzia rosmarinus در مراتع شرق سمنان با استفاده از مدل شبکه عصبی مصنوعی

شبکه عصبی مصنوعی، ساختارهای پردازش اطلاعاتی جدیدی هستند که از روش‌های مخصوص شبکه‌های عصبی بیولوژیک استفاده می‌کنند. هدف از این مطالعه مدل‌سازی پراکنش گونه seidlitzia rosmarinus 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 0.72). نتایج نشان داد گونه s.rosmarinus در مناطق با اسیدیته 8.1-8.3، هدایت الکتریکی 0.22-0.26 دسی‌زیمنس بر متر، بافت لومیشنی و در ارتفاع 1750-1600 متر از سطح دریا پراکنش دارد و با میزان اسیدیته و آهک رابطه مستقیم دارد.