طبقه بندی نظارت شده جوامع گیاهی شمشاد هیرکانی با استفاده از شبکه عصبی مصنوعی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه علوم و مهندسی جنگل دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرس نور ایران

2 گروه علوم و مهندسی جنگل، دانشکده منابع طبیعی دانشگاه تربیت مدرس

چکیده

در این پژوهش، کاربرد روش شبکه عصبی مصنوعی یا MLP در فرآیند تخصیص رلوه- گروه‌ها/جوامع‌گیاهی با استفاده از پایگاه اطلاعاتی ترکیب‌گیاهی جنگل‌های شمشاد هیرکانی (Buxus hyrcana Pojark.) ارزیابی شد. برای این منظور، نخست گروه‌های بوم‌شناختی و جامعه‌شناختی شمشاد هیرکانی به ترتیب با استفاده از نتایج دو روش عددی TWINSPAN و تجربی براون-بلانکه تعیین شد. نتایج هر دو دارنگاره عددی و تجربی طبقه‌بندی مشتمل بر 7 سطح طبقه‌بندی به عنوان گروه‌ها/ جوامع‌گیاهی اولیه به روش MLP معرفی شد. سپس با اختصاص داده‌ها در سه مجموعه آموزش (%70)، آزمون (%15) و اعتبارسنجی (%15)، طبقه‌بندی در هر سطح از دو دارنگاره انجام شد. نتایج نشان داد با افزایش سطح طبقه‌بندی از میزان انطباق جوامع گیاهی حاصله از روش MLP با گروه‌های بوم‌شناختی (از 99 درصد تا 60 درصد) و جامعه‌شناختی اولیه (از 98 درصد تا 68 درصد) به‌ترتیب از سطح‌قطع 1 تا 7 کاسته می‌شود. همچنین بررسی روند تغییرات مقادیر درجه حساسیت کل و ضریب کاپا بر این نکته دلالت دارد که به غیر از سطح قطع 7 طبقه-بندی، کیفیت نتایج طبقه‌بندی MLP براساس نتایج اولیه طبقه‌بندی روش TWINSPAN در سطح بالاتری نسبت به جوامع گیاهی حاصله از روش براون- بلانکه قرار دارد. انطباق مناسب نتایج طبقه‌بندی روش MLP با نتایج سطح پنجم دارنگاره طبقه‌بندی حاصله از دو روش عددی (%90) و تجربی (%89) می‌تواند بیانگر کیفیت مطلوب روش MLP در طبقه‌بندی جوامع گیاهی باشد. بنابراین نتایج تحقیق تصریح می‌کند روش MLP می‌تواند به عنوان یک روش مناسب در فرآیند تخصیص قطعه نمونه-گروه/اچتماع گیاهی مدنظر قرار گیرد.

کلیدواژه‌ها


عنوان مقاله [English]

Supervised classification of Buxus hyrcana plant communities using artificial neural network

نویسندگان [English]

  • farhad khabazi 1
  • Omid Esmailzadeh 2
  • Akbar Najafi 2
1 Forest sciences and engineering department, Faculty of Natural Resources, Tarbiat Modares University, Noorr, Iran
2 Forest sciences and engineering department, Faculty of Natural Resources, Tarbiat Modares University, Noorr, Iran
چکیده [English]

In this research, the application of Artificial Neural Network or MLP method in the process Assignment of relevé-groups/ plant communities allocation was evaluated using Buxus hyrcana forests database. For this purpose, firstly, the ecological and sociological groups of B. hyrcana were determined using TWINSPAN and Braun-Blanquet method, respectively. The results of both numerical and expert based classification dendrogram of the B. hyrcana communities, which included seven levels of classification as primary groups/plant communities, were introduced to MLP. Then, with assignments in three sets of training (70%), test (15%) and validation (15%), the MLP classification was performed on each level of the two dendrogram. The results showed that by increasing the level of classification, the degree of adaptation of the MLP result to primary results of TWINSPAN (99% to 60%) and Braun-Blanquet (98% to 68%) from the cutoff level of 1 to 7. Results of sensitivity and kappa cross tab coefficients, except in 7 cut level, imply that the quality of MLP groups based on TWINSPAN primary ecological group is upper than primary Braun-Blanquet groups.Appropriate adaptation of the MLP results in Buxus hyrcana plant communities classification with the TWINSPAN and Braun-Blanquet ecological/syntaxa groups at the fifth cut level of both dendrograms indicate that application of MLP aim at a reliable results in plant community classification. So our result reiterate that MLP could be introduced as a suitable method in the assignment of releves to plant communities.

کلیدواژه‌ها [English]

  • Releve- group assignment
  • Phytosociology
  • Braun-Blanquet method
  • MLP
  • TWINSPAN