دوره 8، شماره 24 - ( 6-1398 )                   جلد 8 شماره 24 صفحات 65-78 | برگشت به فهرست نسخه ها


XML English Abstract Print


چکیده:  
سطح قابل توجهی از مساحت مراتع کشور ایران، اختصاص به گیاهان بوته‌ای دارد. یکی از گیاهان مهم بوته‌ای، درمنۀ دشتی است. درمنه‌زارها از نظر حفاظت خاک و تأمین غذای دام‌های اهلی و وحشی نقش بسزایی ایفا می‌کنند. ازاین‌رو در این پژوهش، به بررسی وضعیت پراکنش گونۀ درمنه، بر مبنای عامل‌‌های ژئومورفومتری و اقلیمی و متغیر درصد پوشش گیاهی با استفاده از فرایند یادگیری ماشین پرداخته شده است. هدف از این مطالعه، ارزیابی کارایی مدل‌های نزدیک‌ترین همسایه، شبکۀ عصبی مصنوعی، فرایند گوسی، درخت تصمیم M5 و ماشین بردار پشتیبان به کمک عامل‌های ژئومورفومتری مستخرج از مدل رقومی ارتفاعی و همچنین عامل‌های اقلیمی برای پیش‌بینی درصد پوشش گیاهی است. پس از اجرای الگوریتم‌ها، وزن‌دهی عامل‌ها و تعیین میزان تأثیرشان در پیش‌بینی درصد پوشش انجام گرفت. ارزیابی نتایج مدل‌ها روی عامل‌های ژئومورفومتری نشان داد که درمجموع، برای دادههای آموزش مدل فرایند گوسی با ریشۀ میانگین مربعات خطا 73/2 و ضریب تبیین 96/0 دارای بیشترین دقت است. در ارزیابی مدل نیز دادههای آزمون فرایند گوسی با ریشۀ میانگین مربعات خطا 17/1 و ضریب تبیین 99/0 بهترین مدل است. همچنین ارزیابی نتایج مدل‌ها روی عامل‌های اقلیمی نشان داد که برای دادههای آموزش مدل درخت تصمیم‌گیری با ریشۀ میانگین مربعات خطا 66/9 و ضریب تببین 58/0 دارای بیشترین دقت است. در ارزیابی مدل نیز در مجموعه دادههای آزمون، مدل درخت تصمیم‌گیری با ریشۀ میانگین مربعات خطا 60/8 و ضریب تببین 57/0 بهترین مدل برآورد شد. نتایج حاصل از وزن‌دهی نیز نشان داد که از میان عوامل‌ ژئومورفومتری، فاصله از آبراهه، سطح پایۀ آبراهه و ارتفاع دارای بیشترین تأثیر و از میان عامل‌های اقلیمی رطوبت دارای بیشترین تأثیر در پیش‌بینی درصد پوشش گیاهی است.
نوع مطالعه: پژوهشي | موضوع مقاله: مرتعداری
دریافت: ۱۳۹۷/۱۰/۳ | پذیرش: ۱۳۹۸/۴/۲۲ | انتشار: ۱۳۹۸/۶/۲۳

Abstract [PDF 124 KB]  (6 دریافت)
ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به نشریه مهندسی اکوسیستم بیابان می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Desert Ecosystem Engineering Journal

Designed & Developed by : Yektaweb