مدلسازی پراکنش گونه ای شمشاد هیرکانی (Buxus Hyrcana Pojark) با بهره گیری از مدل جنگل تصادفی در جنگل های شمال ایران

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 4

فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JFRD-11-3_004

تاریخ نمایه سازی: 7 بهمن 1404

چکیده مقاله:

مقدمه و هدف: ثبات و پایداری بوم­سازگان­ها نیازمند شناخت روابط بین پراکنش گونه­های گیاهی و عوامل محیطی است. تکنیک های مدلسازی پراکنش گونه ها به­عنوان ابزار قدرتمندی برای حمایت از استراتژی­های مدیریت جنگل در زمینه تغییرات اقلیمی شناخته می­شوند. شمشاد گونه­ای بردبار به سایه بوده و در زیر آشکوب جنگل­های جلگه ای و میان بند شمال ایران پراکنش دارد که با ایجاد تاج پوشش انبوه و فشرده، محیطی تاریک در جنگل ایجاد می­کند. به دلیل تخریب گسترده رویشگاه­های شمشاد در دهه­های اخیر، این گونه جزء جوامع ذخیره­گاهی درنظر گرفته شده است تا از انقراض آن جلوگیری شود. هدف اصلی این پژوهش مدلسازی پراکنش این گونه در جنگل­های هیرکانی است.مواد و روش ها: در این بررسی، با استفاده از ۵۷۰ نقطه حضور واقعی شمشاد در جنگل های هیرکانی، پراکنش این گونه مدلسازی شد. متغیرهای زیست اقلیمی از پایگاه WorldClim و متغیرهای توپوگرافی از مدل رقومی ارتفاع استخراج شدند. برای کاهش هم خطی، از آزمون VIF استفاده شد. ۷۰ درصد نمونه­ها به­عنوان داده­های آموزشی برای توسعه مدل و۳۰ درصد باقی­مانده به­عنوان داده­های آزمون برای اعتبارسنجی مدل اختصاص داده شدند. مدلسازی با الگوریتم جنگل تصادفی در محیط R و با بهره گیری از داده های حضور و شبه غیاب، تنظیم شاخص­های مدل (۵۰۰ درخت، ۲=mtry، ۵=min_n) و اعتبارسنجی متقابل آن با روش (۱۰ fold Cross-Validation) انجام شد. عملکرد مدل با شاخص های AUC، TSS، دقت کلی و ضریب کاپا ارزیابی شد.یافته ها: نتایج حاصل از مدل جنگل تصادفی نشان داد که مدل از دقت بالایی در پیش بینی پراکنش شمشاد برخوردار است (۹۸/۰=AUC، ۹۵/۰= Accuracy ، ۷۲/۰= Kappa ، ۶۳/۰=TSS). مدل جنگل تصادفی با استفاده از متغیرهای زیست اقلیمی و توپوگرافی، عملکرد بسیار مطلوبی در پیش بینی پراکنش شمشاد هیرکانی داشت. ارزیابی اهمیت متغیرها نشان داد که متغیرهای زیست اقلیمی bio۳ (هم­دمایی)، bio۱۲ (بارندگی سالانه)، bio۸ (میانگین دما در فصل مرطوب) و bio۱ (میانگین دمای سالانه)  بیشترین تاثیر را در پراکنش گونه شمشاد داشتند. منحنی پاسخ گونه شمشاد نسبت به چهار متغیر مهم نیز رسم شد. نقشه مطلوبیت زیستگاه شمشاد، مناطق با شرایط بوم­شناختی مناسب را مشخص کرد که بخش های گسترده ای از استان مازندران و نواحی مرزی جنگل های هیرکانی را شامل می شود.نتیجه گیری: تحلیل اهمیت متغیرها نشان داد که هم دمایی (Bio۳) به عنوان موثرترین متغیر، نشان دهنده نقش ثبات دمایی در زیست پذیری شمشاد است؛ گونه ای همیشه سبز و سایه پسند که در برابر نوسانات دمایی حساس است و در مناطق با دامنه دمایی متعادل (۱۵–۲۰ درجه) حضور بیشتری دارد. بارندگی سالانه (Bio۱۲) نیز اهمیت بالایی داشت و منحنی پاسخ نشان داد احتمال حضور شمشاد در نواحی با بارندگی بیش از ۳۰۰ میلی متر به مراتب بیشتر است؛ زیرا رطوبت کافی برای رشد، فتوسنتز و کاهش تنش آبی فراهم می سازد. متغیر Bio۸ (میانگین دما در فصل مرطوب) با تاثیرگذاری بر رشد رویشی و مقاومت به بیماری های قارچی، در بازه دمایی حدود پنج تا ۱۰ درجه شرایط بهینه برای این گونه فراهم می کند. همچنین Bio۱ (میانگین دمای سالانه) نشان داد که شمشاد بیشتر در مناطقی با اقلیم معتدل و دمای متوسط سالانه بین هشت تا ۱۳ درجه پراکنش دارد. در مقابل، متغیرهای توپوگرافی مثل طول شیب و تابش خورشیدی نقش مکمل داشته و در سطوح محلی شرایط میکروکلیمایی را تعدیل می کنند. نقشه مطلوبیت رویشگاه نیز نشان داد که مناطق میانی و غربی جنگل های هیرکانی، به ویژه در استان های مازندران و گیلان، دارای بالاترین احتمال حضور گونه هستند. همچنین در برخی نواحی استان گلستان نیز مطلوبیت متوسط تا بالایی پیش بینی شد که قابلیت بالقوه برای احیای شمشاد در این مناطق را نشان می دهد. این نتایج نقش کلیدی اقلیم، به ویژه ترکیب دما و رطوبت، را در تبیین پراکنش شمشاد تایید کرده و بر لزوم حفاظت از زیستگاه های با شرایط اقلیمی پایدار تاکید می­کند.

نویسندگان

Aref Hesabi

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

Seyed Jalil Alavi

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

Omid Esmailzadeh

دانشیار گروه علوم و مهندسی جنگل، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور، مازندران، 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., & ...
  • Ahmadi, K., Hosseini, S. M., Tabari, M., & Nouri, Z. ...
  • Alavi, S. J., Ahmadi, K., Hosseini, S. M., Tabari, M., ...
  • Ahmadi, K., Mahmoodi, S., Pal, S. C., Saha, A., Chowdhuri, ...
  • Asadi, H., Jalilvand, H., Tafazoli, M. and Hosseini, S. Modeling ...
  • Akrim, F., Mahmood, T., Hussain, R., Qasim, S., & Zangi, ...
  • Alipour, S., & Walas, Ł. The influence of climate and ...
  • Allouche, O., Tsoar, A., & Kadmon, R. Assessing the accuracy ...
  • Amindin, A., Pourghasemi, H. R., Safaeian, R., Rahmanian, S., Tiefenbacher, ...
  • Barbet-Massin, M., Jiguet, F., Albert, C. H., & Thuiller, W. ...
  • Becklin, K. M., Anderson, J. T., Gerhart, L. M., Wadgymar, ...
  • Burns, P. A., Clemann, N., & White, M. Testing the ...
  • Cutler, D. R., Edwards, T. C., Beard, K. H., Cutler, ...
  • Dormann, C. F., Elith, J., Bacher, S., Buchmann, C., Carl, ...
  • Edrisnia, S., Etemadi, M., & Pourghasemi, H. R. Machine learning-driven ...
  • Elith, J., H. Graham, C., P. Anderson, R., Dudík, M., ...
  • Elith, J., & Leathwick, J. R. Species distribution models: Ecological ...
  • Esmailzadeh, O., & Soleymanipour, S. Habitat suitability and ecological requirements ...
  • Fielding, A. H., & Bell, J. F. A review of ...
  • Franklin, J. Species distribution models in conservation biogeography: Developments and ...
  • Freeman, E. A., Moisen, G. G., Coulston, J. W., & ...
  • Graham, C. H., Moritz, C., & Williams, S. E. Habitat ...
  • Guisan, A., Edwards, T. C., & Hastie, T. Generalized linear ...
  • Guisan, A., Tingley, R., Baumgartner, J. B., Naujokaitis-Lewis, I., Sutcliffe, ...
  • Guo, C., Lek, S., Ye, S., Li, W., Liu, J., ...
  • Habibi kilak, S., Alavi, S. J., & Esmailzadeh, O. (۲۰۱۹). ...
  • Habibikilak, S., Alavi, S. J., & Esmailzadeh, O. Investigating the ...
  • Haneczok, J., & Piskorski, J. Shallow and deep learning for ...
  • Hedayati Kaliji, S., Hosseini, S. M., Alavi, S. J., and ...
  • Hesabi, A., Alavi, S. J., & Esmailzadeh, O. Evaluation of ...
  • Hijmans, R. J. Cross‐validation of species distribution models: removing spatial ...
  • James, G., Witten, D., Hastie, T., & Tibshirani, R. An ...
  • Jarvis, P. G., & Mcnaughton, K. G. Stomatal Control of ...
  • Kaky, E., Nolan, V., Alatawi, A., & Gilbert, F. A ...
  • Khabazi, F., Esmailzadeh, O., & Najafi, A. Supervised classification of ...
  • Khaliq, I., Avenot, H. F., Baudoin, A., Coop, L., & ...
  • Kougioumoutzis, K., Tsakiri, M., Kokkoris, I. P., Trigas, P., Iatrou, ...
  • Kuhn, M., & Wickham, H. Tidymodels: Easily install and load ...
  • Martínez-Meyer, E., Peterson, A. T., Servín, J. I., & Kiff, ...
  • Merow, C., Smith, M. J., Edwards, T. C., Guisan, A., ...
  • Mi, C., Huettmann, F., Guo, Y., Han, X., & Wen, ...
  • Moghbel Esfahani, F., Alavi, S. J., Hosseini, S. M., & ...
  • Moisen, G. G., & Frescino, T. S. Comparing five modelling ...
  • Moore, C. E., Meacham-Hensold, K., Lemonnier, P., Slattery, R. A., ...
  • Naimi, B., Hamm, N. A. S., Groen, T. A., Skidmore, ...
  • Olden, J. D., Lawler, J. J., & Poff, N. L. ...
  • Phillips, S. J., & Dudík, M. Modeling of species distributions ...
  • Prasad, A. M., Iverson, L. R., & Liaw, A. Newer ...
  • Probst, P., Wright, M. N., & Boulesteix, A. L. Hyperparameters ...
  • R Core Team., R: A Language and Environment for Statistical ...
  • Ren-Yan, D., Xiao-Quan, K., Min-Yi, H., Wei-Yi, F., & Zhi-Gao, ...
  • Roberts, D. R., Bahn, V., Ciuti, S., Boyce, M. S., ...
  • Rushton, S. P., Ormerod, S. J., & Kerby, G. New ...
  • Safdar, S., Younes, I., Ahmad, A., & Sastry, S. A ...
  • Sagheb Talebi, K., Sajedi, T., & Pourhashemi, M. Forests of ...
  • Sękiewicz, K., Salvà-Catarineu, M., Walas, Ł., Romo, A., Gholizadeh, H., ...
  • Sillero, N., Arenas-Castro, S., Enriquez‐Urzelai, U., Vale, C. G., Sousa-Guedes, ...
  • Sillero, N., Campos, J. C., Arenas-Castro, S., & Barbosa, A. ...
  • Singh, H. C., Maurya, A., Wairokpam, B., Tiwari, V., Tiwari, ...
  • Sobhani, P., & Danehkar, A. Modeling the distribution of Avicennia ...
  • Soleymanipour, S., Esmailzadeh, O. Flora, life form and chorology of ...
  • Velazco, S.J.E., Rose, M.B., Andrade, A.F.A., Minoli, I., Franklin, J. ...
  • Vignali, S., Barras, A. G., Arlettaz, R., & Braunisch, V. ...
  • Wani, Z., Khan, S., Satish, K., Haq, S., Pant, S., ...
  • Wani, Z. A., Dar, J. A., Lone, A. N., Pant, ...
  • Zhang, L., Huettmann, F., Liu, S., Sun, P., Yu, Z., ...
  • نمایش کامل مراجع