فهرست نشریات علمی دسترسی آزاد ایران

اندازه گیری مستقیم تنوع گونه ای امری وقت گیر و هزینه بر بوده و تا حدی به دلیل خطاهای حاصل از نمونه گیری غیرقابل اعتماد است. این مطالعه با هدف تعیین فاکتور های کم هزینه در پیش بینی تنوع گونه ای بوسیله شبکه مدل های عصبی مصنوعی، شبکه عصبی تطبیقی-فازی و رگرسیونی انجام شد. نمونه برداری با استفاده از روش سیستماتیک-تصادفی از 60 قطعه نمونه در طول 6 ترانسکت 100 متری و از عمق 30-0 سانتی متری خاک صورت گرفت.اطلاعات پوشش گیاهی به منظور اندازه گیری تنوع گونه ای بوسیله شاخص تنوع شانون-وینر ثبت گردید. همچنین به منظور تعیین عوامل تاثیرگذار بر تنوع گونه ای، فاکتور های هدایت الکتریکی، اسیدیته، وزن مخصوص ظاهری، درصدهای ماده آلی، رس، سیلت، رطوبت اشباع، خاکدانه های درشت و ریز و شیب و ارتفاع تعیین و اندازه گیری شد.سپس با استفاده از مدل های شبکه عصبی نوع پرسپترون چند لایه، شبکه عصبی تطبیقی-فازی و رگرسیونی تخمین تنوع گونه ای تعیین شد.نتایج نشان داد که معیارهای مجذور میانگین مربعات خطا و ضریب کارایی در مدل رگرسیونی به ترتیب 14/0 و 39/0 و در مدل شبکه عصبی مصنوعی 07/0 و 86/0 و در مدل شبکه عصبی تطبیقی-فازی 09/0 و 70/0 می باشند. همچنین میانگین تنوع شانون وینر برای منطقه برابر 1.98 بود.در واقع مدل شبکه عصبی مصنوعی به عنوان ابزار قدرتمندتری در پیش بینی تنوع گونه ای نسبت به آنالیز رگرسیون خطی چند متغیّره و شبکه عصبی تطبیقی-فازی عمل می کند.