چکیده مقاله
تغییرات اقلیمی و تخریب زیستگاه ها از مهم ترین عوامل تهدید کننده تنوع زیستی و از دلایل اصلی انقراض گونه ها در سطح جهانی به شمار می روند در این مطالعه، با هدف مدل سازی و پیش بینی پراکنش جغرافیایی مکانی گونه عقاب شاهی Aquila heliaca در گستره کشور ایران، از الگوریتم های یادگیری ماشین نظارت شده استفاده شد داده های حضور گونه از پایگاه داده مکانی باز GBIF و متغیرهای زیست اقلیمی و توپوگرافیک به ترتیب از مجموعه داده های مکانی باز WorldClim و SRTM استخراج و تولید گردید پس از تنک سازی داده های آموزشی در فضای محیطی و بررسی و کاهش هم خطی بین متغیرهای مستقل، مدل سازی با استفاده از دو الگوریتم یادگیری ماشین نظارت شده جنگل تصادفی و ماشین بردار پشتیبان و همچنین استفاده از یک مدل ترکیبی مبتنی بر دو الگوریتم یاد شده در محیط زبان برنامه نویسی R انجام شد نتایج ارزیابی عملکرد مدل ها با شاخص مقدار مساحت زیر منحنی نشان داد که الگوریتم جنگل تصادفی با مقدار مساحت زیر منحنی برابر با ۰ ۸۶ از قدرت پیش بینی بالاتری نسبت به مدل ماشین بردار پشتیبان با مقدار مساحت زیر منحنی برابر با ۰ ۸۲ در این زمینه عمل نموده است نقشه های تولید شده بر مبنای پیش بینی های الگوریتم های یادگیری ماشین یاد شده نشان دادند که به صورت کلی بخش هایی از مناطق شمالی، غربی، جنوب و جنوب غربی کشور از مطلوبیت بیشتری برای زیست این گونه ها برخوردارند همچنین در این پژوهش به منظور اخذ توانمندی های هر یک از دو مدل پیش بینی و پوشش نقاط ضعف هر یک از مدل ها با استفاده از یک مدل ترکیبی اقدام به تولید پیش بینی پراکنش جغرافیایی گونه عقاب شاهی در گستره کشور ایران گردید
کلیدواژهها
نویسندگان
کوثر اخطاری
دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران
حسین وحیدی
عضو هیات علمی گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد، مشهد، ایران
شیوه ارجاع
�خطاری، کوثر و وحیدی، حسین،1404،پیش بینی پراکنش جغرافیایی گونه عقاب شاهی (Aquila heliaca) در گستره کشور ایران با بهره گیری از الگوریتم های یادگیری ماشین جنگل تصادفی، ماشین بردار پشتیبان و مدل ترکیبی،سومین کنفرانس ملی تحول دیجیتال و سیستم های هوشمند،لارستان
ارائهشده در
مجموعه مقالات سومین کنفرانس ملی تحول دیجیتال و سیستم های هوشمند28 بهمن 1404 · لارستان