مدل‌سازی پراکنش بالقوه گونه‌های حیات‌وحش بر مبنای دانش بوم‌شناختی جوامع بومی در مقایسه با روش‌های یادگیری ماشینی (مطالعه موردی: آهوی ایرانی در منطقه حفاظت‌شده میشداغ)

Authorsزینب عبیداوی,کاظم رنگزن,روح اله میرزایی محمد آبادی,محمدرضا اشرف زاده
Journalنشریه محیط زیست طبیعی
Page number۸۹۳
Volume number۷۰
Paper TypeFull Paper
Published At۱۳۹۶/۱۲/۲۰
Journal GradeScientific - research
Journal TypeElectronic
Journal CountryIran, Islamic Republic Of
Journal IndexISC ,SID

Abstract

پایش و مدیریت جمعیت‌های حیات‌وحش و زیستگاه‌ها نیازمند مدل‌سازی زیستگاه‌های مطلوب و پراکنش گونه‌ای است. بنابراین در این پژوهش، مدل‌سازی پراکنش بالقوه آهوی ایرانی با دو رویکرد فازی (مبتنی بر دانش بوم‌شناختی جوامع بومی) و مکسنت (مبتنی بر داده‌های حضور گونه) در منطقه حفاظت‌شده میشداغ اجرا شد؛ تا ضمن مدل‌سازی پراکنش گونه‌ای با استفاده از سامانه استنتاج فازی (رویکرد فازی) و الگوریتم آنتروپی بیشینه (رویکرد مکسنت)، به بررسی و مقایسه کارایی هر یک از این دو رویکرد پرداخته شود. به‌علاوه، ارزیابی هر یک از مدل‌ها با استفاده از تحلیل جک‌نایف انجام شد. آستانه‌گذاری نیز با استفاده از آستانه حضور 10% صورت گرفت. براساس یافته‌ها، سه متغیر کاربری سرزمین، فاصله از کشت‌زارها و فاصله از منابع آب در هر دو رویکرد فازی و مکسنت به‌عنوان مهم‌ترین متغیرهای مدل‌سازی شناخته شدند. همچنین، در هر یک از رویکردهای فازی و مکسنت به ترتیب 45/47% و 08/14% منطقه به‌عنوان منطقه حضور بالقوه پیش‌بینی شد. براساس تحلیل جک‌نایف، میزان موفقیت هر یک از مدل‌های فازی و مکسنت به ترتیب، 95/80% و 66/66% برآورد شد (p<0.01). یافته‌های پژوهش مؤید کارایی بالای سامانه استنتاج فازی و الگوریتم آنتروپی بیشینه در مدل‌سازی پراکنش بالقوه آهوی ایرانی است. این مطالعه را می‌توان از یک سو تأکیدی بر ضرورت توجه به رویکردهایی همچون رویکرد فازی در مدل‌سازی پراکنش بالقوه گونه‌های حیات‌وحش کشور و از سوی دیگر تأکیدی بر ضرورت توجه به دانش بوم‌شناختی جوامع بومی هر منطقه دانست.

tags: دانش بوم‌شناختی؛ جوامع بومی؛ پراکنش بالقوه؛ سامانه استنتاج فازی؛ الگوریتم آنتروپی بیشینه