دانشگاه پیام نور فصلنامه علمی زیست شناسی جانوری تجربی 2322-2387 9 2 2020 10 22 Application of artificial neural network ‎in Prediction of wildlife potential ‎habitats in desert areas‏ ‏‎(Case study: ‎Wild goat in Kouh-e-Bafgh)‎ کاربرد شبکه عصبی مصنوعی در پیش‌بینی ‏زیستگاه‌های بالقوه حیات‌وحش در مناطق ‏بیابانی ‏ ‏(مطالعه موردی: کل و بز در کوه ‌بافق)‏ 49 61 7176 10.30473/eab.2020.47170.1724 FA جلیل سرهنگ زاده استادیار، گروه محیط‌زیست، دانشکده منابع طبیعی، دانشگاه یزد، یزد، ایران محمد حسین مختاری استادیار، گروه مدیریت بیابان، دانشکده منابع طبیعی، دانشگاه یزد، یزد، ایران Journal Article 2019 06 29 Wild goat (<em>Capra aegagrus</em>) as the most vulnerable species is one of the mountainous mammals whose population has declined due to the destruction of the habitat at the national and international levels. This study was aimed to determine the suitably potential habitat area for wild goat in Bafgh protected area using multi-layer perceptron neural network. A total of 196 points including presence (111 points) and absence (85 point) of the species were collected in fieldwork. 18 variables such as slope, geographical aspect, elevation above sea level, rocky regions, mean temperatures, vegetation types, water resources, inhabited and uninhabited villages, and roads (dirt and asphalt) were used to determine the suitability of habitats. Results showed that <em>Juniperus excelsa -Amygdalus scoparia</em> vegetation type (11.23%), slope steepness (10.42%), distance to south direction (10.15%), distance to <em>Cousinia desertii-Artemisia sieberi-Zygophyllum eurypterum</em> vegetation type (9.9 %), elevation above sea level (9.63%), and distance to water source (9.09%) are the most effective variables in habitat suitability evaluation in the Kouh-e-Bafgh protected area. The model output efficiency of 0.97 was achieved in this study. Based on the results, 36% of the protected area was evaluated as the suitable for wild goat habitat. Results also reveald that by reducing the distance to the roads the suitability of habitats is reduced. Therefore, this study suggests that human activities close to the potentially suitable area is suggested to be avoided. کل و بز (<em>Capra</em> <em>aegagrus</em>) یکی از پستانداران شاخص مناطق کوهستانی و صخره‌ای است که جمعیت آن به ‌دلیل تخریب زیستگاه در سطح ملی و بین‌ا‌لمللی کاهش یافته، به ‌نحوی که از سوی اتحادیه‌ جهانی‌ حفاظت از طبیعت و منابع طبیعی در فهرست حیوانات آسیب‌پذیر قرار گرفته است. این پژوهش با هدف تعیین زیستگاه‌های بالقوه کل و بز با استفاده از شبکه عصبی پرسپترون چند لایه (MLP) در منطقه حفاظت شده کوه ‌بافق انجام شد. 196 نقطه (111 نقطه حضور و 85 نقطه عدم‌حضور گونه)، با بازدید‌های میدانی در طول پژوهش ثبت شد. لایه‌های اطلاعاتی انتخاب شده به‌عنوان متغیرهای مؤثر بر حضور و عدم‌حضور گونه شامل 18 متغیر از جمله درصد شیب، طبقات جهت جغرافیایی، ارتفاع از سطح دریا، تیپ‌های پوشش‌گیاهی، منابع آبی و متغیرهای توسعه انسانی (روستاها و جاده‌ها) هستند. نتایج نشان داد که متغیرهای محیطی تیپ ‌گیاهی ارس- بادام‌کوهی (<em>Juniperus excelsa - Amygdalus scoparia</em>) (23/11 درصد)، درصد شیب (42/10 درصد)، فاصله از جهت جنوبی (15/10 درصد)، فاصله از تیپ گیاهیهزارخار- درمنه- قیچ (<em>Cousinia desertii- Artemisia sieberi -Zygophyllum eurypterum</em>) (9/9 درصد)، ارتفاع از سطح دریا (63/9 درصد) و منابع آب (09/9 درصد) به‌عنوان مهم‌ترین متغیرهای موثر بر مطلوبیت زیستگاه کل و بز در کوه بافق تعیین شدند. میزان موفقیت کلی مدل در حدود 97/0 محاسبه شد. براساس یافته‌ها، 36 درصد وسعت منطقه حفاظت شده به‌عنوان زیستگاه مطلوب ارزیابی شد. نتایج نشان داد که با کاهش فاصله از جاده مطلوبیت زیستگاه کاهش می‌یابد. لذا پیشنهاد می‌شود از توسعه فعالیت‌های انسانی در محدوده زیستگاه‌های مطلوب پرهیز شود. https://eab.journals.pnu.ac.ir/article_7176_6c1d97abbe8ffdd3cef98779e4f3fc02.pdf