مروری بر مدلهای توزیع گونه با معرفی مدل همادی Ensemble
محل انتشار: سومین کنفرانس بین المللی مدیریت در قرن 21
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,889
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMNG03_151
تاریخ نمایه سازی: 25 آذر 1395
چکیده مقاله:
مدلهای توزیع گونهها، مدلهای کمی یاتجربی میباشند کهبااستفادهازدادههای مکانی موقعیتگونهها، فراوانی یاحضور گونه، ومتغیرهای زیستمحیطی کهبرتوزیعگونه هااثرمیگذارندروابطگونه-محیطرامدلسازی میکنند. ابزارهای متداولی جهت ارزیابی تاثیرات احتمالی تغییر اقلیم بر محدوده پراکندگی گونهها و درک آسیبپذیریآنها نسبت به تغییر اقلیم وجود دارد. مدل های توزیع گونه همگام با توسعه روشهای آماری و سیستم اطلاعات جفرافیایی (GIS ) وارد عرصه علم اکولوژی گردیده است و در حال حاضر SDM علاوه بر پیشبینی توزیع مکانیگونهها به نوبه خود میتواند به اقدامات مدیریتی حفاظت نیز کمک کند.نقشه توزیع مکانی گونهها یا مطلوبیت زیستگاه برای بسیاری از جنبههای مطالعات محیطی، مدیریت منابع و برنامهریزیهای حفاظت مورد نیاز میباشند. علاوه بر این، IUCN نیز اخیراً از SDM برای تخمین گستره حضور گونهها و همچنین برای کشف اثرات تغییر اقلیم بر توزیعآنها استفاده مینماید.مدلهای توزیع گونه همواره در معرض عدم قطعیت میباشند و این موضوعی است که نمیتوان از آن چشمپوشی نمود. یک راه حل ممکن برای برآوردتغییرات بین مدلی و کاهش عدم قطعیت در پیش بینی، استفاده از پیش بینیهای همادی بهجای استفادهاز یک روش مدلسازی واحد است. مطالعات متعدد نشان می دهد که نتایج پیشبینی مدل همادی نسبت به سایر مدلهای توزیع گونه قویتر بوده و از اطمینان بهتری برخوردار است
کلیدواژه ها:
نویسندگان
رحیمه صابرفر
دانشجوی کارشناسی ارشد محیط زیست، دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرس
سامره فلاحتکار
استادیار، گروه محیط زیست، دانشکده منابع طبیعی و علوم دریایی ، دانشگاه تربیت مدرس
سید حسین کیا
دکتری سنجش از دور دانشگاه ساتامپتن، مدرس دانشگاه تربیت مدرس
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 :