زهرا مصفایی، علی جهانی، محمدعلی زارع چاهوکی، حمید گشتاسب میگونی، وحید اعتماد،
دوره ۸، شماره ۳ - ( ۹-۱۴۰۰ )
چکیده
شناسایی کامل مخاطرات و اولویت‌بندی آنها در جهت عدم آسیب به طبیعت از اولین گام‌های مدیریت منابع طبیعی میباشد. لذا معرفی یک سیستم جامع قابل ارزیابی، درک و ارزشیابی، درجهت کنترل مخاطرات ضروری میباشد این پژوهش با هدف مدلسازی و پیشبینی میزان مخاطرات محیطی به دنبال افزایش تخریب در محیطهای طبیعی به کمک شبکه عصبی مصنوعی (ANN) انجام گرفت. به این ترتیب تعداد ۶۰۰ نمونه خاک و پوشش گیاهی در واحدهای همگن اکولوژیک برداشت شد. نمونه‌های خاک با روش ترانسکت نواری به توجه به عمق خاک و در چهار پروفیل (cm۵،۱۰،۱۵،۲۰) تهیه شد. نمونه های گیاهی نیز با روش سطح حداقل و با استفاده از پلات‌های مربع ۲ ۲ با توجه به نوع، تراکم و پراکنش پوشش گیاهی برداشت شد. نمونه‌برداری در دو زون امن و سایر استفاده‌ها مدلسازی با کمک ANN در محیط متلب انجام شد. مدل بهینه پرسپترون چندلایه با دو لایه پنهان، تابع تانژانت سیگموئید و ۱۹ نورون در هر لایه و ضریب تبیین ۹۰/۰ انتخاب شد. نتایج آنالیز حساسیت نشان داد، رطوبت وزنی خاک در شدت کاهش تنوع زیستی و ریسک سیل و همچنین افزایش ریسک انقراض گونه‌های اندمیک منطقه اثرگذار خواهد بود، و پس از آن وزن مخصوص ظاهری و حقیقی و تخلخل خاک و فاصله از جاده نقش کلیدی در تخریب پوشش گیاهی، افزایش سیل و افزایش ریسک انقراض پوشش گیاهی را دارند. لذا پیشنهاد می‌شود اقدامات مرتبط با احیای خاک و پوشش گیاهی در این پارک به منظور کاهش تخریب‌های آتی هرچه سریعتر انجام شود.
