ارزیابی کارایی عوامل اقلیمی و ژئومورفومتری در پیشبینی درصد پوشش گیاهی بر مبنای فرایندهای یادگیری ماشین. | ||
| مهندسی اکوسیستم بیابان | ||
| مقاله 5، دوره 8، شماره 24، شهریور 1398، صفحه 65-78 اصل مقاله (651.85 K) | ||
| شناسه دیجیتال (DOI): 10.22052/deej.2018.7.24.45 | ||
| نویسندگان | ||
| زینب میرشکاری1؛ مجید صادقی نیا2؛ مصطفی شیرمردی* 3؛ مریم اسدی4 | ||
| 1کارشناسی ارشد مرتعداری، گروه مهندسی طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان | ||
| 2گروه مهندسی طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان | ||
| 3گروه علوم باغبانی، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان | ||
| 4گروه مهندسی احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران | ||
| 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. | ||
| کلیدواژهها | ||
| درصد پوشش؛ درمنۀ دشتی؛ عاملهای اقلیمی؛ عاملهای ژئومورفومتری؛ یادگیری ماشین | ||
|
سایر فایل های مرتبط با مقاله
|
||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 458 تعداد دریافت فایل اصل مقاله: 423 |
||
