بررسی تاثیرگذاری متغیرهای محیطی مختلف در مدلسازی پراکنش گونه سرخدار (Taxus baccata L.) با استفاده از مدل MAXENT در جنگل های هیرکانی

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 9

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JFRD-11-1_002

تاریخ نمایه سازی: 1 تیر 1404

چکیده مقاله:

مقدمه و هدف: نقشه پراکنش گونه های گیاهی نقش برجسته ای در ارزیابی حفاظت منطقه ای، توسعه برنامه ریزی و اقدامات مدیریتی دارند. مدل های پراکنش گونه ای (SDM) به­عنوان الگوریتم تحلیلی-آماری تعریف می شوند که با توجه به مشاهدات میدانی و نقشه های محیطی می توانند دامنه جغرافیایی پراکنش گونه های گیاهی را تعیین کنند. از آن جا که گونه سرخدار یکی از گونه های با ارزش جنگل های هیرکانی است و از مهم ترین درختان دیرزیست این ناحیه محسوب می شود، دستیابی به نقشه پراکنش و مناطق دارای پتانسیل حضور این گونه و مشخص کردن عوامل تاثیرگذار بر حضور این گونه در سطح جنگل های هیرکانی با هدف انجام حفاظتی از گونه های ذخیره گاهی ضرورت دارد. در میان مدل های پراکنش گونه، مدل حداکثر آنتروپی (MaxEnt) یکی از محبوب ترین مدل هایی است که مزایایی را در بین این رویکردها نشان می دهد. مدل حداکثر آنتروپی یکی از مهمترین روش ها بر اساس نقاط صرفا حضور است و کارایی خوبی را در این زمینه نشان داده است. حساسیت این روش به وجود تعداد کم نﻘاط حضور نیز کم است و با حداقل پنج نقطه حضور نیز قابلیت استفاده دارد. همچنین قادر به مدلسازی روابط پیچیده و غیر­خطی بین متغیر پاسخ و پیش بینی­کننده ها نیز هستند. با این حال، سهولت و سادگی اجرای آن است که آن را به برجسته ترین و پرکاربردترین تکنیک SDM در بررسی­های علمی سوق داده است. هدف از این پژوهش پاسخ به این سوال است که کدامیک از متغیرهای محیطی بر پراکنش سرخدار تاثیرگذار است؟مواد و روش ها: در این پژوهش ابتدا رویشگاه های اصلی سرخدار در جنگل های هیرکانی در سه استان گلستان، مازندران و گیلان شناسایی شده و تعداد ۱۶۱۴ حضور گونه سرخدار ثبت شد. سپس متغیرهای محیطی شامل متغیرهای زیست اقلیمی از پایگاه جهانی World Clime، متغیرهای محیطی از پایگاه SoilGrids و متغیرهای توپوگرافی حاصل از Dem یک کیلومتر برای منطقه مورد نظر آماده شد. برای مدلسازی، از مدل MaxEnt استفاده شد؛ به این صورت که یکبار تنها با استفاده از متغیر اقلیمی (M۱)، یکبار با ترکیب متغیر اقلیمی و توپوگرافی (M۲)، یکبار در ترکیب متغیرهای اقلیمی و خاکی (M۳) و در نهایت با تمام متغیرهای محیطی با درنظر گرفتن همبستگی موجود بین متغیرها مدل MaxEnt اجرا شد. در این پژوهش از MaxEnt بهینه با پنج ضریب منظم سازی مختلف (۰.۵، ۱، ۲، ۳ و ۴) در ترکیب با ویژگی های مختلف (L، LQ، H، LQH، LQHP) استفاده شد. همچنین، تنظیمات مدل MaxEnt بهینه بر اساس معیارهای ارزیابی وابسته به آستانه (یعنی نرخ حذف) برای یافتن بهترین شاخص­هایی که میانگین ارزیاب ها را در اعتبارسنجی به بیشینه می رسانند، استفاده شد. پس از شناسایی تنظیمات مناسب و بهینه MaxEnt، سایر گزینه های انتخاب­شده در این پژوهش شامل روش block با ۵۰۰۰ نقطه پس­زمینه است. برای ارزیابی عملکرد مدل و بهبود عملکرد از سطح زیر منحنی مشخصه عملیاتی گیرنده (AUC) به عنوان یک معیار مرسوم استفاده شد.یافته ها: نتایج نشان داد که مدل ۳ که شامل متغیرهای اقلیمی و خاکی بود کمترین مقدار AUC را داشت، درحالی­ که مدل ۲ متشکل از متغیرهای اقلیمی و توپوگرافی سبب بهبود عملکرد مدل شد و مقدار AUC از ۹۳/۰ به ۹۴/۰ افزایش یافت. نتایج نشان داد که بیشترین مقدار AUC متعلق به مدل ۴ با مقدار ۹۶/۰ بود که نشان دهنده افزایش دقت مدل در پیش بینی پس از حذف هم­خطی بین متغیرها است. همچنین بر اساس درصد سهم از میان متغیرهای زیست اقلیمی، متغیرهای bio۲، bio۳، bio۷، bio۱۸، از متغیرهای توپوگرافی ارتفاع و شیب به ترتیب در مدلسازی پراکنش گونه های سرخدار در جنگل های هیرکانی مهم ترین متغیرها بودند. این شش عامل، در مجموع ۹۰ درصد در پراکنش گونه سرخدار نقش دارند در این میان تمام متغیرهای خاکی با هم ۰۲/۱ درصد در مدلسازی پراکنش سرخدار نقش داشتند.نتیجه گیری: نتایج ما نه تنها درک ما را از نحوه عملکرد این عوامل غیرزیستی در پراکنش گونه سرخدار بهبود می بخشد، بلکه اهمیت هرکدام از متغیرهای پیش بینی­کننده بر حضور گونه در معرض خطر انقراض سرخدار را مشخص می کند. این پیش بینی کننده ها به تخمین پراکنش بالقوه درختان سرخدار در منطقه جنگلی شمال ایران کمک می کنند. این پژوهش یک مبنای علمی برای توسعه و اجرای یک برنامه حفاظتی با اولویت و هماهنگ برای حفاظت از این گونه درختی در محدوده جغرافیایی بومی آن فراهم می کند.

نویسندگان

Shadi Habibikilak

دانشجوی دکتری علوم و مدیریت جنگل دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور، ایران

Seyed Jalil Alavi

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

Omid Esmailzadeh

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

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Aertsen, W.; Kint, V.; Van Orshoven, J.; Özkan, K.; Muys, ...
  • Ahmadi, K.; Alavi, S.J.; Amiri, G.Z.; Hosseini, S.M.; Serra-Diaz, J.M.; ...
  • Alavi, S.J.; Ahmadi, K.; Hosseini, S.M.; Tabari, M.; Nouri, Z., ...
  • Baldwin, RA., Use of maximum entropy modeling in wildlife research. ...
  • Benham, S.E.; Houston Durrant, T.; Caudullo, G.; de Rigo, D., ...
  • Bertrand, R.; Perez, V.; Gegout, J.C., Disregarding the edaphic dimension ...
  • Beven, K.J.; Kirkby, M.J., A physically based, variable contributing area ...
  • Bolsinger, C.L.; Lloyd, J.D., Global yew assessment: status and some ...
  • Carter, A.; Kearney, M.; Mitchell, N.; Hartley, S.; Porter, W.; ...
  • Dhar, A.; Ruprecht, H.; Klumpp, R.; Vacik, H., Comparison of ...
  • Dobrowski, S.Z., A climatic basis for microrefugia: the influence of ...
  • Elith*, J. H.; Graham*, C.P.; Anderson, R.; Dudík, M.; Ferrier, ...
  • Elith, J.; Phillips, S.J.; Hastie, T.; Dudík, M.; Chee, Y.E.; ...
  • Esmailzadeh, O.; Hosseini, S.M., A phytosociological study of English Yew ...
  • Esmailzadeh, O.; Hosseini, S.M.; Asadi, H.; Ghadiripour, P.; Ahmadi, A., ...
  • Fourcade, Y.; Engler, J.O.; Rödder, D.; Secondi, J., Mapping species ...
  • Habibi Kilak, S.; Alavi, S. J.; Esmailzadeh, O., Analyzing the ...
  • Hageneder, F., Yew: A History, History Press Series: History Press ...
  • Hematzadeh, A.; Esmailzadeh, O.; Jalali, S. G.; Mirjalili, M. H.; ...
  • Hengl, T.; Mendes de Jesus, J.; Heuvelink, G.B.; Ruiperez Gonzalez, ...
  • Hijmans, R.J.; Cameron, S.E.; Parra, J.L.; Jones, P.G., Very high-resolution ...
  • Jafari, SM.; Zarre, S.; Alavipanah, SK., Woody species diversity and ...
  • Jalili, A.; Jamzad, Z., Red data book of plant species ...
  • Karami-Kordalivand, P.; Esmailzadeh, O.; Willner, W.; Noroozi, J.; Alavi, S.J., ...
  • Kearney, M.; Porter, W., Mechanistic niche modelling: combining physiological and ...
  • Khan, A.M.; Li, Q.; Saqib, Z.; Khan, N.; Habib, T.; ...
  • Kovar-Eder, J., Vegetation dynamics in Europe during the Neogene. Deinsea ...
  • Larson, D.W.; Matthes, U.; Gerrath, J.A.; Larson, N.W.K.; Gerrath, J.M.; ...
  • Marvi Mohadjer, M.R., Silviculture, ۱st ed.; Tehran University Press, ۲۰۰۵: ...
  • Mod, H. K.; Scherrer, D.; Luoto, M.; Guisan, A., What ...
  • Moghbel Esfahani, F.; Alavi, S. J.; Hosseini, S. M.; Tabari ...
  • Moisen, G.G.; Frescino, T.S., Comparing five modelling techniques for predicting ...
  • Muscarella, R.; Galante, P.J.; Soley-Guardia, M.; Boria, R.A.; Kass, J.; ...
  • Norberg, A.; Abrego, N.; Blanchet, F.G.; Adler, F.R.; Anderson, B.J.; ...
  • Phillips, S. J.; Anderson, R. P.; Schapire, R. E., Maximum ...
  • Phillips, S. J.; Dudík, M., Modeling of species distributions with ...
  • Rather, Z. A.; Ahmad, R.; Dar, A. R.; Dar, T. ...
  • Remya, K.; Ramachandran, A.; Jayakumar, S., Predicting the current and ...
  • Sinclair, S. J.; White, M. D.; Newell, G. R., How ...
  • Sormunen, H.; Virtanen, R.; Luoto, M., Inclusion of local environmental ...
  • Svenning, J.C.; Magård, E., Population ecology and conservation status of ...
  • Thomas, P.A.; Polwart, A., Journal of Ecology ۲۰۰۳, ۹۱, ۴۸۹ ...
  • Valavi, R.; Guillera‐Arroita, G.; Lahoz‐Monfort, J.J.; Elith, J., Predictive performance ...
  • Vincenzi, S.; Zucchetta, M.; Franzoi, P.; Pellizzato, M.; Pranovi, F.; ...
  • Watling, D.P.; Cantarella, G.E., Model representation & decision-making in an ...
  • Yang, X.Q.; Kushwaha, S.P.S.; Saran. S.; Xu, J.; Roy, P.S., ...
  • Yuan, H.S.; Wei, Y.L.; Wang, X.G., Maxent modeling for predicting ...
  • Zare, H., Introduced and native conifers in Iran. Publication of ...
  • نمایش کامل مراجع