بررسی برخی ویژگی‌های بوم شناختی درمنه دشتی ( artemisia sieberi besser) و تخمین تراکم آن به روش شبکه‌های عصبی در بخش روداب سبزوار

درمنه دشتی (artemisia sieberi besser) از تیره asteraceae گونه‌ای دارویی در فلور ایران بوده که اسانس آن در درمان بیماری‌های انگلی و عفونی کاربرد دارد. طی سالیان اخیر، بخش‌هایی از رویشگاه‌های درمنه، توسط عوامل انسانی تخریب شده است. این تحقیق با هدف بررسی نیازهای آت اکولوژی و برآورد تراکم درمنه در سال 1396 در منطقه روداب سبزوار انجام گرفت. ابتدا محدوده درمنه‌زار بر روی عکس‌های ماهواره‌ای، تعیین و اطلاعات بوم شناختی آن، شامل (توپوگرافی، اقلیم، خاک، زمینشناسی و فنولوژی) جمع‌آوری گردید. در مرحله‌ی بعد، تراکم درمنه در مراتع تخریب‌ شده با استفاده از مدل شبکه عصبی مورد آزمون قرار گرفت. بدین منظور 70 نمونه تصادفی خاک متشکل از متغیرهای مستقل (بافت، ec،sar ، ph،n ،p ،k ، کاتیونها، ماده آلی و درصد آهک) و نیز تراکم درمنه (متغیر وابسته) برای ساخت مدل‌ استفاده گردید. نتایج نشان دادند که درمنه دشتی، ارتفاعات 1400 تا 1800 متر، شیب‌های صفر تا 12%، بارندگی 160 تا 200 میلیمتر و خاک‌های لومی تا لومی‌ماسه‌ای آهک‌دار با شوری کم را ترجیح می‎‎دهد. فعّالیت رویشی درمنه از اواخر اسفند شروع شده و تا اوایل آذر بذرها می‌رسند. همچنین نتایج پیشبینی مدل نشان داد، کمترین تراکم درمنه با 0.11 در متر مربع مربوط به اراضی می‌باشد که 40 سال تحت تنش شخم قرار داشته‌اند و بیشترین تراکم درمنه با 0.4 در متر مربع مربوط به اراضی است که دو سال از تخریب آنها می‌گذرد.مدل رگرسیون(r^ 2) نشان داد که متغیّرهای مستقل، 95% در تعیین تراکم درمنه نفش دارند.

Investigation of some ecological and density estimation of Artemisia sieberi Besser using neural networks (Case study: Rodab basin of Sabzevar city)

Artemisia sieberi Besser (Asteraceae) is a medicinal species from flora of Iran which its essential oil is used to treat parasitic and infectious diseases. Over the past years, Some Artemisia sieberi habitats have been destroyed by human activities. This research was carried out to determine the autecological characteristics and density estimation of A.sieberi in Rodab basin of Sabzevar city in 2017. At first, the A.sieberi habitats was determined by satellite image, then some ecological information including topography, climatology, soil, geology and phenology were collected. At the next stage, Artemisia density in degradation rangeland was investigated using neural network. For this purpose, seventy randomized soil samples including independent variables (soil texture, EC, SAR, pH, N, P, K, cations, organic matter, and lime) as well as dependent variable (Artemisia density) were collected to build a model. Results showed that A.sieberi prefers altitudes of 1400 to 1800 m, slopes between 0% to 12%, precipitations amount of 160 to 200 mm and loam to sandy loam soils with lime and low salinity. The vegetative stage initiates from early March and seed ripening occurred at the end of November. Model prediction also indicated that the lowest density by 0.11 and 0.4 plant per m2 belonged to rangelands have been plowed more than 40 years and which lasted two years from their destruction, respectively. Regression model (R2) also showed that independent variables have a 95% effect on the determination of A.sieberi density.