حمیدرضا کشتکار؛ حسن یگانه؛ امید کاوسی
چکیده
گیاه باریجه (Ferula gummosa)، از گونه‌های کمیاب و ارزشمند در مراتع ایران است که به دلیل ارزش بالای اقتصادی، مورد بهره‌برداری ذینفعان محلی قرار می‌گیرد. در این مطالعه به بررسی و مقایسه عملکرد شش مدل پیش‌بینی کننده (شبکه عصب مصنوعی، جنگل تصادفی، مدل خطی تعمیم یافته، مدل تقویت شده تعمیم یافته، مدل پاکت دامنه سطحی، و روش تجزیه و تحلیل درخت ...
بیشتر
گیاه باریجه (Ferula gummosa)، از گونه‌های کمیاب و ارزشمند در مراتع ایران است که به دلیل ارزش بالای اقتصادی، مورد بهره‌برداری ذینفعان محلی قرار می‌گیرد. در این مطالعه به بررسی و مقایسه عملکرد شش مدل پیش‌بینی کننده (شبکه عصب مصنوعی، جنگل تصادفی، مدل خطی تعمیم یافته، مدل تقویت شده تعمیم یافته، مدل پاکت دامنه سطحی، و روش تجزیه و تحلیل درخت طبقه‌بندی) پرداخته شد. همچنین جهت ارزیابی تأثیر برهمکنش متغیرهای توپوگرافی با سایر متغیرها، دو مجموعه متغیر محیطی جهت واسنجی مدل‌ها کمی‌سازی شده و مورد استفاده قرار گرفت. مجموعه متغیر اول حاوی یازده عامل، مشتمل بر متغیرهای توپوگرافیک، اقلیمی، ادافیکی و سنجش از دوری است و مجموعه متغیر دوم حاوی شش عامل، مشتمل بر متغیرهای اقلیمی، ادافیکی و سنجش از دوری می‌باشد. عملکرد مدل با استفاده از شاخص (TSS)، (ROC) و (Accuracy) ارزیابی شد. بر اساس شاخص‌های ارزیابی، مدل تقویت شده تعمیم یافته بهتر از سایر روش‌های یادگیری ماشینی توانست آشیان اکولوژیک گیاه باریجه را پیش‌بینی کند. همچنین نتایج نشان داد که حذف متغیرهای توپوگرافی، دقت مدل‌ها را بر اساس شاخص TSS، بین 11 تا 25 درصد کاهش می‌دهد. ارزیابی اهمیت نسبی متغیرهای پیش‌بینی کننده نشان داد که متغیر درجه شیب، شاخص نرمال‌شده تفاوت پوشش گیاهی، شاخص رطوبت سطحی، و گروه‌های خاک بیشترین تأثیر را در تعیین زیستگاه گونة باریجه دارند. بر اساس نتایج حاصل شده از مدل برگزیده، حدود 45 درصد از سطح منطقه حفاظت شده قرخود از نظر مطلوبیت زیستگاه باریجه، در وضعیت عالی قرار دارد. لذا این منطقه پتانسیل بسیار زیادی برای کاشت و توسعه این گونه‌ی ارزشمند داشته و می‌تواند مدنظر مدیران بخش محیط زیست و منابع طبیعی جهت اولویت‌بندی اقدامات اصلاحی و حفاظتی قرار گیرد.
