مقایسه روش های هوش مصنوعی و رگرسیون چندمتغیره در برآورد تاثیر متغیرهای هواشناسی بر جوامع فیتوپلانکتونی

شکوفایی جلبک‌های تولیدکنندۀ سم در اکوسیستم‌های آبی یکی از پدیده‌های آسیب‌رسان و پراهمیت در دهه‌های اخیر است که بخشی از روند رو به رشد آن می‌تواند متاثر از تغییرات الگوهای آب و هوایی باشد. تاکنون در ایران مطالعه ای در خصوص تاثیر متغیرهای آب و هوایی بر رشد جوامع فیتوپلانکتونی صورت نگرفته است. مهمترین هدف پژوهش حاضر مقایسه و ارزیابی کارایی روش های هوش مصنوعی و رگرسیون چندمتغیره در برآورد تاثیر عوامل هواشناسی بر رشد جمعیت فیتوپلانکتون ها در اکوسیستم آبی دریاچۀ سد ارس می باشد. نمونه‌برداری به‌صورت فصلی انجام شد. بر اساس نتایج به‌دست آمده الگوی جوامع فیتوپلانکتونی در منطقه بسوی غلبۀ نسبی سیانوباکتری ها در تمام فصول سال 1392 نسبت به سال 1387 تغییر نموده‌است. به نظر می‌رسد تغییرات الگوی دما و بارش منطقه را می‌توان از عوامل اصلی تاثیرگذار در ارتباط با این تغییر به‌شمار آورد. همچنین داده های کلروفیل از سنجندۀ modis دریافت شد. نتایج رگرسیون چندگانه نشان داد که فراوانی فیتوپلانکتون ها همبستگی بالایی با غلظت کلروفیل زیست‌بوم آبی داشته و دمای هوا بیشترین سهم را در تغییرات غلظت کلروفیل دارد. در روش برآورد تاثیر با استفاده از روش شبکۀ عصبی مصنوعی، از الگوریتم پرسپترون چند لایه (mlp) پس انتشار استفاده شد. نتایج حاصل از شبکه عصبی نشان داد که متغیر دمای سطح آب و میانگین دمای هوا بیشترین اثر را در برآورد میزان کلروفیل داشته اند. همچنین مشاهده شد که روش شبکه عصبی مصنوعی (r=0.76, standard error=0.48 mg/m3) غلظت کلروفیل در اکوسیستم آبی مورد مطالعه را با دقت بالاتر و خطای کمتر از روش رگرسیون خطی چندگانه (r=0.64, standard error=0.92 mg/m3) برآورد می کند.