ارزیابی قابلیت روش شبکه‌های عصبی مصنوعی در تهیه نقشه پیش‌بینی پراکنش رویشگاه گونه‌های گیاهی (مطالعه موردی: مراتع پشتکوه استان یزد)

پژوهش حاضر با هدف بررسی امکان استفاده از روش شبکه عصبی مصنوعی در برآورد حدود پراکنش مکانی، تهیه نقشه پیش بینی پراکنش رویشگاه گونه های گیاهی و شناخت نقاط قوت و ضعف این روش انجام شد. بدین منظور بعد از تعیین واحدهای همگن با استفاده از مدل رقومی ارتفاع و نقشه زمین شناسی با مقیاس 1:25000، نمونه برداری از پوشش گیاهی و عوامل محیطی انجام گرفت و نقشه مربوط به متغیرهای محیطی با استفاده از سیستم اطلاعات جغرافیایی و زمین آمار تهیه شد. متغیرهای ورودی به شبکه بر اساس نتایج رگرسیون لوجستیک انتخاب شد. مدلسازی پیش بینی پراکنش با استفاده از شبکه پرسپترون چند لایه انجام شد و بعد از تعیین بهترین ساختار شبکه عصبی با استفاده از میانگین مربعات خطا، شبیه سازی احتمال حضور و عدم حضور گونه ها با شبکه بهینه انجام شد. در مرحله بعد، نقشه پیوسته احتمال حضور و عدم حضور گونه ها با استفاده از نرم افزار arc gis در هر رویشگاه تهیه و آستانه بهینه حضور تعیین شد. بررسی میزان تطابق نقشه های به دست آمده با نقشه های واقعی از طریق محاسبه ضریب کاپا نشان داد که نقشه های پیش بینی رویشگاه seidlitzia rosmarinus دارای تطابق عالی؛ رویشگاه های rheum ribes artemisia sieberi وcornulaca monacantha دارای تطابق خیلی خوب؛ رویشگاه ephedra. strobilacea zygophyllumeurypterum و artemisia aucheri دارای تطابق خوب؛ رویشگاه s. orientalis artemisia sieberi ، scariola orientalisastragalus albispinus، a. sieberi1، a. sieberi2 و tamarix ramosissima دارای تطابق متوسط و رویشگاه های artemisia sieberi scariola orientalis و artemisia sieberi zygophyllm eurypterum دارای تطابق ضعیف با نقشه های واقعیت زمینی است.