CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مطالعه تاثیرپذیری جوامع فیتوپلانکتونی سد ارس از عوامل هواشناسی با استفاده از روش شبکه عصبی مصنوعی

عنوان مقاله: مطالعه تاثیرپذیری جوامع فیتوپلانکتونی سد ارس از عوامل هواشناسی با استفاده از روش شبکه عصبی مصنوعی
شناسه ملی مقاله: BIOC02_048
منتشر شده در دومین همایش ملی یافته های نوین زیست شناسی در سال 1399
مشخصات نویسندگان مقاله:

حدیث گل محمدیان - گروه آبیاری و آبادانی/دانشکده مهندسی فناوری و کشاورزی/دانشگاه تهران
زهرا آقاشریعتمداری - استادیار/گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران
زینب شریعتمداری - گروه علوم و زیست فناوری گیاهی، دانشکده علوم و فناوری زیستی، دانشگاه شهید بهشتی، تهران، ایران
جواد بذرافشان - دانشیار-گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران
فریدون محبی - استادیار بخش اکولوژی وارزیابی ذخایر، مرکز تحقیقات آرتمیای کشور، ارومیه، ایران

خلاصه مقاله:
اقلیم از عناصر مهم تاثیرگذار در عرصه محیط زیست است. مدیریت بهینه زیست بوم های آبی و خشکی بدون توجه به شرایط اقلیمیامکان پذیر نیست. در دهه های اخیر شکوفایی جلبکی اکوسیستم های آبی رشد قابل توجهی داشته است. به نظر می رسد این افزایش ناشیاز تغییرات الگوهای آب و هوایی و تاثیر آن بر توزیع و فراوانی گونه های فیتوپلانکتونی است. از مهمترین اهداف پژوهش حاضر ارزیابیتاثیرعوامل هواشناسی بر رشد جمعیت فیتوپلانکتون ها در دریاچه سد ارس در سال های ۱۳۸۷ و ۱۳۹۲ با استفاده از روش شبکه عصبیمی باشد. در این مطالعه، نمونه برداری به صورت فصلی و از سه ایستگاه ورودی سد، وسط دریاچه و خروجی سد انجام شد. در هر ایستگاهنمونه هایی برای شناسایی و شمارش فیتوپلانکتون ها جمع آوری شدند. داده های ماهواره ای از سنجنده MODIS دریافت شد و بر مبنای آن مقادیر کلروفیل a به دست آمد. بالاترین میزان کلروفیل a در تابستان سال های ۱۳۸۷ و ۱۳۹۲ به ترتیب با مقادیر ۱۲/۷۱ و ۱۰ (میلی گرم بر مترمکعب) ثبت گردید. در این مطالعه از الگوریتم پرسپترون چند لایه (MLP) پس استفاده شده است. روش پرسپترون چند لایه یک مدل پیش بینی کننده برای یک یا چند متغیر وابسته (هدف) براساس مقادیر متغیرهای پیش بینی کننده، فراهم می کند.در این پژوهش ۷۰ درصد داده ها به عنوان مرحله آموزش، ۱۵ درصد داده ها به عنوان مرحله آزمون و ۱۵ درصد نیز برای اعتبارسنجیمدل در نظر گرفته شده است.

کلمات کلیدی:
تغییرات آب و هوایی، فیتوپلانکتون، بلوم جلبکی مضر، سیانوباکتری، شبکه عصبی مصنوعی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1235126/