fa ارزیابی قابلیت مدل شبکه عصبی مصنوعی در پیش بینی پراکنش مکانی گونه های گیاهی (مطالعه موردی: مراتع طالقان میانی) تخصصي Special پژوهشي Research <p dir="RTL" style="margin-right:-.1pt">در این تحقیق قابلیت مدل شبکه عصبی در پیش&shy;بینی پراکنش مکانی گونه&shy;های گیاهی ارزیابی شده است. با توجه به هدف، اطلاعات پوشش گیاهی و عوامل رویشگاهی شامل اقلیم، خاک، پستی و بلندی و زمین&shy;شناسی جمع&shy;آوری شد. برای نمونه&shy;برداری از پوشش گیاهی در هر تیپ رویشی، 3 ترانسکت150 متری مستقر و در هر ترانسکت 15 پلات با فواصل 10 متر (به روش تصادفی-سیستماتیک) مستقر شد. برای تجزیه و تحلیل اطلاعات و ارائه نقشه عوامل محیطی از روش&shy;های زمین&shy;آمار و برای ارائه نقشه پیش&shy;بینی رویشگاه گونه&shy;های مورد بررسی از شبکه عصبی مصنوعی (<span dir="LTR">MLP</span>) استفاده شد. با توجه به نتایج ارزیابی مدل&shy;ها با ضریب کاپا، مدل شبکه عصبی موقعیت رویشگاه دو گونه &nbsp;<em><span dir="LTR">Agropyron intermedium</span></em>را در سطح عالی (95/0=<span dir="LTR">k</span>)، رویشگاه دو گونه <em><span dir="LTR">Thymus kotschyanus</span></em> و <em><span dir="LTR">Astragalus gossypinus</span></em> را در سطح بسیار خوب (83/0و84/0=<span dir="LTR">k</span>) و رویشگاه گونه &nbsp;<em><span dir="LTR">Stipa barbata</span></em> را در سطح خوب (70/0=<span dir="LTR">k</span>) پیش<span dir="LTR">&shy;</span>بینی کرده است، بنابراین، مدل شبکه عصبی قابلیت بالایی در پیش&shy;بینی پراکنش مکانی گونه&shy;های مورد بررسی داشته است. همچنین بر اساس نتایج آزمون شبکه، صحت مدل برای هر چهار رویشگاه بیشتر از 95 درصد بوده است، این نشان می&shy;دهد که پارامترهای اقلیمی و خاکی بکار رفته در تشکیل مدل نهایی در این تحقیق، توانایی لازم در پیش&shy;بینی توزیع بالقوه گونه&shy;های مورد بررسی را داشتند.</p> <p>This study aimed to evaluate the Artificial Neural Network (ANN) model potential to predict the spatial distribution of plant species.&nbsp; The vegetation data as well as topography, climate, geology and soil data were collected. A randomized-systematic method was used to collect the vegetation data. Three parallel transects with 150 meters lengths were established in each sampling unit, and the vegetation data were collected from 15 quadrates placed with intervals of 10 meters. Various geo-statistical methods were used to produce environmental maps, and ANN technique was used to predict the potential vegetation habitats. The produced model was assessed using Kappa coefficient. According to the results, the study area was identified as a good habitat for species such as <em>Agropyron intermedium,</em> <em>Thymus kotschyanus, Astragalus gossypinus </em>and S<em>tipa barbata </em>with Kappa coefficient of 0.95, 0.84, 0.83 and 0.7 respectively. The results indicated that ANN technique has good potential to predict the spatial distribution of range species. According to the results, the accuracy of the model prediction for the species of all four studied habitats was more than 95%. This indicates that the potential habitat maps of plant species can be produced appropriately by using the selected soil and climatic variables in a plant distribution model.</p> شبکه عصبی مصنوعی, نقشه پیش‌بینی, زمین‌آمار, مراتع طالقان میانی. Artificial Neural Networks, Prediction map, geostatistical. 106 115 http://rangelandsrm.ir/browse.php?a_code=A-10-1-43&slc_lang=fa&sid=1 Mohammadali Zarechahuoki محمدعلی زارع چاهوکی Mazare@ut.ac.ir 10031947532846004531 10031947532846004531 Yes University of Tehran دانشگاه تهران Mahbobeh Abbasi محبوبه عباسی 10031947532846004532 10031947532846004532 No University of Tehran دانشگاه تهران Hossein Azarnivand حسین آذرنیوند 10031947532846004533 10031947532846004533 No University of Tehran دانشگاه تهران