| مدل سازی فضایی و توزیع گیاهان دارویی با استفاده از GIS و الگوریتم های یادگیری ماشین |
| کد مقاله : 1126-MPBC2024 |
| نویسندگان |
|
زینب کریم زاده مطلق1، سارا امامی2، مهدی نقی زاده *3، محمد حسین صیادی4 1پژوهشگاه ملی اقیانوس شناسی و علوم جوی، تهران 2گروه محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند 3عضو هیات علمی 4دانشکده منابع طبیعی و محیط زیست، دانشگاه شهید باهنر،کرمان |
| چکیده مقاله |
| درک روابط بین عوامل محیطی مؤثر بر توزیع گونه های گیاهان دارویی برای شناسایی زیستگاه های مناسب برای آنها بسیار مهم است. به منظور ترویج کشت گیاهان دارویی در یک منطقه خاص، پهنه بندی زراعی- اکولوژیک ابزاری ضروری است که به تایید استفاده پایدار از منابع زمین با در نظر گرفتن شرایط اقلیمی، خاک و شکل زمین کمک می کند. روش زراعی-اکولوژیک، سطح زمین را با کمی کردن دانش آب و هوا، خاک و سایر عوامل فیزیکی برای تعیین بهره وری محصولات مختلف بر اساس نیازهای زیستی-اقلیمی خاص آنها مشخص می کند. هدف این پژوهش بررسی سیستماتیک، شامل مطالعات زراعی- اکولوژیکی است که امکان شناسایی مناطق بالقوه رشد گیاهان دارویی را با در نظر گرفتن ویژگی های اقلیمی آنها برای کشت موفق با استفاده از سیستم اطلاعات جغرافیایی (GIS) فراهم می کند. برای این منظور پایگاه‌های اطلاعاتی مورد بررسی قرار گرفتند. الگوریتم های یادگیری ماشین اخیرا ًبه طور گسترده ای برای پیش بینی توزیع زیستگاه گونه های گیاهی در معرض خطر استفاده شده اند. در این راستا نشان داده شده است که امروزه این الگوریتم ها با کیفیت بالا و مناسب می توانند محیط و شرایط بقای گونه های گیاهی را مدل سازی کنند. برای بهینه سازی الگوریتم ها و بهبود آن ها برای کاربردهای آینده، سه پیشنهاد باید در نظر گرفته شود: الگوریتم ها باید شناسایی شوند، توسعه داده شوند و روش های اعتبارسنجی پیشرفته باید توسعه داده شوند. |
| کلیدواژه ها |
| گیاهان دارویی، توزیع گونه ها، زون بندی اکولوژیک، الگوریتم های یادگیری ماشین، GIS |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |