مــــرتــــع

در این تحقیق قابلیت مدل شبکه عصبی در پیش­بینی پراکنش مکانی گونه­های گیاهی ارزیابی شده است. با توجه به هدف، اطلاعات پوشش گیاهی و عوامل رویشگاهی شامل اقلیم، خاک، پستی و بلندی و زمین­شناسی جمع­آوری شد. برای نمونه­برداری از پوشش گیاهی در هر تیپ رویشی، 3 ترانسکت150 متری مستقر و در هر ترانسکت 15 پلات با فواصل 10 متر (به روش تصادفی-سیستماتیک) مستقر شد. برای تجزیه و تحلیل اطلاعات و ارائه نقشه عوامل محیطی از روش­های زمین­آمار و برای ارائه نقشه پیش­بینی رویشگاه گونه­های مورد بررسی از شبکه عصبی مصنوعی (MLP) استفاده شد. با توجه به نتایج ارزیابی مدل­ها با ضریب کاپا، مدل شبکه عصبی موقعیت رویشگاه دو گونه  Agropyron intermediumرا در سطح عالی (95/0=k)، رویشگاه دو گونه Thymus kotschyanus و Astragalus gossypinus را در سطح بسیار خوب (83/0و84/0=k) و رویشگاه گونه  Stipa barbata را در سطح خوب (70/0=k) پیش­بینی کرده است، بنابراین، مدل شبکه عصبی قابلیت بالایی در پیش­بینی پراکنش مکانی گونه­های مورد بررسی داشته است. همچنین بر اساس نتایج آزمون شبکه، صحت مدل برای هر چهار رویشگاه بیشتر از 95 درصد بوده است، این نشان می­دهد که پارامترهای اقلیمی و خاکی بکار رفته در تشکیل مدل نهایی در این تحقیق، توانایی لازم در پیش­بینی توزیع بالقوه گونه­های مورد بررسی را داشتند.