مدل‎سازی پراکنش مکانی بنه (pistacia atlantica) به‎ کمک شبکه عصبی مصنوعی در پارک ملی خجیر

مقدمه و هدف: بررسی حضور گونه ها در رویشگاه های جنگلی به‎منظور مکان یابی و شناسایی مناطق دارای توانایی کاشت و احیاء موفق گونه‎ها و ارتباط حضور گونه‎ها با عوامل محیطی بسیار حائز اهمیت است. در این پژوهش، پیش‎بینی احتمال حضور و عدم‎حضور گونه جنگلی بنه در ارتباط با متغیرهای محیطی (داده‎های توپوگرافی و خاکشناسی) در بخشی از پارک ملی خجیر استان تهران به مساحت 120 هکتار مورد بررسی و مدل‎سازی با استفاده از شبکه عصبی مصنوعی و زمین‎آمار قرار گرفت. مواد و روش‌ها: نقشه‎های شیب، جهت و ارتفاع با استفاده از نقشه مدل رقومی ارتفاع (dem) منطقه تهیه گردید، نمونه‎برداری از درختان بنه در سطح موردمطالعه و در قالب نمونه‎برداری منظم- تصادفی براساس شبکه‎ای به ابعاد 100*150 متر با 61 قطعه نمونه 12 آری انجام شد. نمونه‎برداری از خاک در 17 قطعه نمونه با توجه به تنوع شرایط خاکی با برداشت مختصات مکانی قطعات نمونه انجام شد و متغیرهای وزن مخصوص ظاهری، وزن مخصوص حقیقی، پتاسیم قابل جذب، درصد ازت، فسفر قابل جذب، درصد کربن آلی، هدایت الکتریکی، اسیدیته، درصد اشباع خاک، درصد آهک خاک، درصد شن، درصد سیلت و درصد رس در آزمایشگاه مورد اندازه‎گیری قرار گرفتند. نقشه عوامل محیطی متغیرهای خاک به‎کمک زمین‎آمار و با استفاده از نرم‎افزار gs+ تهیه شد. سپس مدل شبکه عصبی مصنوعی پرسپترون چند لایه بین ویژگی های محیطی به‎عنوان ورودی های مدل و حضور و عدم حضور بنه به‎عنوان خروجی مدل با استفاده از نرم‎افزار spss modeler طراحی و اعتبارسنجی شد. در نهایت براساس نتایج مدل و نقشه رقومی عوامل محیطی با استفاده از نرم‎افزار arcgis نقشه پیش‎بینی احتمال حضور و عدم‎حضور بنه تهیه گردید.یافته‌ها: نتایج به‎دست آمده از مدل شبکه عصبی تدوین شده نشان از صحت زیاد شبکه عصبی مصنوعی (91 درصد) در پیش‎بینی احتمال حضور و عدم حضور بنه داشت و حاکی از ارتباط حضور بنه با متغیرهای هدایت الکتریکی، وزن مخصوص ظاهری، جهت جغرافیایی، میزان درصد ازت و ارتفاع از سطح دریا با ضریب اهمیت به‎ترتیب برابر با 0/43، 0/21، 0/17، 0/15 و 0/50 می باشد. همچنین، تطابق نقشه پیش‎بینی با نقشه واقعیت زمینی با ضریب کاپا 0/651 در حد خوب ارزیابی گردید. نتیجه‎گیری: نتایج نشان داد که با دقت قابل‎قبولی امکان استفاده از ترکیب داده‎های توپوگرافی و خاکی برای برآورد مشخصه حضور گونه بنه در جنگل‎های مورد تحقیق وجود دارد که می توان از نقشه های آن در شناسایی مناطق مستعد احیای رویشگاه این گونه استفاده کرد.

spatial distribution modeling of pistacia atlantica using artificial neural network in khohir national park

introduction and objective: in vestigating the presence of species in forest habitats is very important in order to locate and identify areas with the ability to plant and successfully restore species and the relationship between the presence of species to environmental factors. in this research, predicting the probability of the presence and absence of pistacia atlantica forest species in relation to environmental variables (topography and soil science data) in a part of khojir national park of tehran province with an area of 120 hectares and the modeling was done using artificial neural network and geostatistics.material and methods: slope, aspect and altitude maps were prepared using the digital elevation model (dem) map of the area, sampling of trees in the studied area was done in the form of regular-random sampling based on a grid of 100 x 150 meters with 61 pieces of 12 samples. soil sampling was done in 17 sample plots according to the variety of soil conditions by taking the spatial coordinates of the sample plots. variables of apparent specific gravity, true specific gravity, absorbable potassium, percentage of nitrogen, absorbable phosphorus, percentage of organic carbon, conductivity electricity, acidity, soil saturation percentage, soil lime percentage, sand percentage, silt percentage and clay percentage were measured in the laboratory. the map of environmental factors of soil variables was prepared with the help of geostatistics and using gs+ software. then, the multi-layer perceptron artificial neural network model was designed and validated between the environmental features as model inputs and the presence and absence of the pistacia atlantica as the model output using spss modeler software. finally, based on the results of the model and the digital map of environmental factors, a prediction map of the probability of the presence and absence of the pistacia atlantica was prepared using arcgis software.results: the results indicate that the artificial neural network had a high accuracy (91%) in predicting the probability of the presence and absence of the pistacia atlantica. it indicate the relationship between the presence of a pistacia atlantica and the variables of electrical conductivity, apparent specific gravity, direction geographically, the percentage of nitrogen and height altitude with the importance coefficient is 0.43, 0.21, 0.17, 0.15 and 0.05 respectively. in addition, the agreement of the prediction map with the ground reality map was assessed as good with a kappa coefficient of 0.651.conclusion: the results showed that with acceptable accuracy, it is possible to use the combination of topographic and soil data to estimate the characteristics of the presence of pistacia atlantica species in the researched forests, and its maps can be used to identify areas prone to the restoration of the habitat of this species.