مدل سازی ریسک کاهش تنوع و انقراض گونه های گیاهی در پارک ملی سرخه حصار
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 240
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSAEH-8-3_010
تاریخ نمایه سازی: 17 فروردین 1401
چکیده مقاله:
شناسایی کامل مخاطرات و اولویت بندی آن ها در جهت عدم آسیب به طبیعت از اولین گام های مدیریت منابع طبیعی می باشد. لذا معرفی یک سیستم جامع قابل ارزیابی، درک و ارزشیابی، درجهت کنترل مخاطرات ضروری می باشد این پژوهش با هدف مدلسازی و پیش بینی میزان مخاطرات محیطی به دنبال افزایش تخریب در محیط های طبیعی به کمک شبکه عصبی مصنوعی (ANN) انجام گرفت. به این ترتیب تعداد ۶۰۰ نمونه خاک و پوشش گیاهی در واحدهای همگن اکولوژیک برداشت شد. نمونه های خاک با روش ترانسکت نواری به توجه به عمق خاک و در چهار پروفیل (cm۵،۱۰،۱۵،۲۰) تهیه شد. نمونه های گیاهی نیز با روش سطح حداقل و با استفاده از پلات های مربع ۲ ۲ با توجه به نوع، تراکم و پراکنش پوشش گیاهی برداشت شد. نمونه برداری در دو زون امن و سایر استفاده ها مدل سازی با کمک ANN در محیط متلب انجام شد. مدل بهینه پرسپترون چندلایه با دو لایه پنهان، تابع تانژانت سیگموئید و ۱۹ نورون در هر لایه و ضریب تبیین ۹۰/۰ انتخاب شد. نتایج آنالیز حساسیت نشان داد، رطوبت وزنی خاک در شدت کاهش تنوع زیستی و ریسک سیل و همچنین افزایش ریسک انقراض گونه های اندمیک منطقه اثرگذار خواهد بود، و پس از آن وزن مخصوص ظاهری و حقیقی و تخلخل خاک و فاصله از جاده نقش کلیدی در تخریب پوشش گیاهی، افزایش سیل و افزایش ریسک انقراض پوشش گیاهی را دارند. لذا پیشنهاد می شود اقدامات مرتبط با احیای خاک و پوشش گیاهی در این پارک به منظور کاهش تخریب های آتی هرچه سریعتر انجام شود.
کلیدواژه ها:
نویسندگان
زهرا مصفایی
Collage of Environmen
علی جهانی
Collage of Environmen
محمدعلی زارع چاهوکی
University of Tehran
حمید گشتاسب میگونی
Collage of Environmen
وحید اعتماد
University of Tehran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :