عنوان : ( ارزیابی خوارزمیک(الگوریتم) شبکه های عصبی مصنوعی در بررسی وضعیت بیابان زایی (بررسی موردی: جنوب شهرستان نیشابور) )
نویسندگان: مرتضی اکبری , سید حمزه بدیعی نامقی , احسان رعنایی ,
Full Textچکیده
چکیده بیابان‌زایی بعد از دو چالش تغییر اقلیم و کمبود آب شیرین به عنوان سومین چالش مهم جهانی در قرن 21 محسوب می‌شود. شناخت و ارزیابی عوامل موثر در روند بیابان‌زایی، می تواند در مدیریت بهتر سرزمین بسیار مفید باشد. منطقه مورد مطالعه که درجنوب شهرستان نیشابور واقع شده است, در طی سال‌های گذشته به دلیل خشکسالی، تخریب پوشش گیاهی، تبدیل اراضی مرتعی به کشاورزی دیم، فرسایش آبی و بادی و همچنین عدم مدیریت مناسب زمین با مشکل بیابان‌زایی روبروست. در این تحقیق، پس از عملیات میدانی، بررسی عکس‌های هوایی و تصاویر ماهواره‌ای اقدام به جمع آوری اطلاعات و تجزیه و تحلیل آنها در سیستم اطلاعات جغرافیایی گردید. سپس طبق روش فائو- یونپ (1984 میلادی) معیارهای تاثیرگذار مانند وضعیت زوال پوشش گیاهی، وضعیت فرسایش آبی، فرسایش بادی وگسترش شوری امتیازبندی شدند. در پایان نقشه وضعیت بیابان‌زایی براساس چهار عامل اصلی بدست آمد. با توجه به نتایج بدست آمده مشخص شد که وضعیت بیابان‌زایی در شمال منطقه شدید بوده که مهم‌ترین دلیل آن، کاهش درصد تاج پوشش، زوال پوشش گیاهی و فرسایش آبی شدید می‌باشد. این در حالی است که 57 درصد منطقه دارای وضعیت بیابان‌زایی متوسط و 30 درصد دارای وضعیت ناچیز است. جهت بررسی نتایج به دست آمده در ارزیابی روند بیابان‌زایی به روش فائو، از الگوریتم شبکه‌های عصبی مصنوعی استفاده شد. پس از استخراج، تکمیل و تعریف حدود هر یک از طبقات ضعیف، متوسط، شدید و بسیار شدید برای پارامترهای ورودی، نقشه وضعیت بیابان‌زایی به عنوان معیار سنجش عملکرد شبکه‌های عصبی مصنوعی در بحث آموزش و پیش بینی وضعیت منطقه بکار گرفته شد. با بررسی نتایج و بر اساس معیارهای خطا، پس از بهینه سازی مدل، مقدار 07975/0 برای پارامتر میانگین مربعات خطا به دست آمد. در نهایت مدل نهایی با ساختار پرسپترون با یک لایه ورودی و چهار نرون ورودی، برای پارامترهای اصلی، یعنی زوال پوشش گیاهی، فرسایش بادی، فرسایش آبی و وضعیت شوری و همچنین یک لایه پنهان با 39 نرون در لایه پنهان و همین‌طور یک لایه خروجی، با استفاده از الگوریتم آموزش مومنتوم در هر دو لایه پنهان و خروجی به عنوان مدل نهایی انتخاب گردید. نتایج نشان داد که معیار میانگین مربعات خطا، عملکرد مناسب مدل را در وضعیت بیابان‌زایی منطقه با روش فائو- یونپ تائید می‌کند و می‌تواند در موارد مشابه نیز استفاده شود. همچنین مشاهده گردید که انتخاب ساختار مدل، الگوریتم آموزش, تعداد سیکل آموزش و همچنین تعداد نرون‌های لایه ورودی می‌تواند در عملکرد ساختارهای مختلف شبکه‌های عصبی تاثیرگذار باشد.
کلمات کلیدی
, واژه‌های کلیدی: بیابان‌زایی, روش فائو-یونپ, شبکه‌های عصبی مصنوعی, فرسایش بادی و آبی, زوال پوشش گیاهی, گسترش شوری.
@article{paperid:1026764,
author = {اکبری, مرتضی and سید حمزه بدیعی نامقی and احسان رعنایی},
title = {ارزیابی خوارزمیک(الگوریتم) شبکه های عصبی مصنوعی در بررسی وضعیت بیابان زایی (بررسی موردی: جنوب شهرستان نیشابور)},
journal = {مرتع و آبخیزداری},
year = {2011},
volume = {64},
number = {3},
month = {December},
issn = {2008-5044},
pages = {243--256},
numpages = {13},
keywords = {واژه‌های کلیدی: بیابان‌زایی، روش فائو-یونپ، شبکه‌های عصبی مصنوعی، فرسایش بادی و آبی، زوال پوشش گیاهی; گسترش شوری.},
}
%0 Journal Article
%T ارزیابی خوارزمیک(الگوریتم) شبکه های عصبی مصنوعی در بررسی وضعیت بیابان زایی (بررسی موردی: جنوب شهرستان نیشابور)
%A اکبری, مرتضی
%A سید حمزه بدیعی نامقی
%A احسان رعنایی
%J مرتع و آبخیزداری
%@ 2008-5044
%D 2011
