پیش‌بینی شاخص‌های تنوع گونه‌‌ای گیاهان با مدل خطی تعمیم یافته (glm) و مدل درخت رگرسیون تقویت شده (brt) در مراتع شرق استان مازندران

سابقه و هدف: پیش بینی الگوهای غنا و تنوع زیستی برای ایجاد استراتژی‌های حفاظت از تنوع تحت تغییرات محیطی منطقه ای و جهانی مورد استفاده هستند لذا، مطالعه آنها به مدیریت مراتع کمک خواهد کرد. از آنجایی که مدل‌سازی پراکنش گونه‌های گیاهی می‌تواند اطلاعات کاربردی و با اهمیتی در راستای شناسایی و معرفی زیستگاه های بالقوه گونه‌های گیاهی ارائه نماید و هم چنین مطالعات کمی در زمینه‌ی مدل‌سازی غنای گونه‌ای با کمک متغیرهای محیطی در ایران صورت گرفته است، بنابراین مطالعه مدل‌سازی غنای گونه ای در مدیریت پوشش گیاهی مراتع دارای اهمیت و ضرورت است که هدف تحقیق حاضر است.مواد و روش ها: چنین بررسی در مراتع سرخ گریوه منطقه هزار جریب بهشهر با مساحت 2620 هکتار انجام شد. برای نمونه‌برداری از پوشش گیاهی و خاک از روش طبقه‌بندی تصادفی-سیستماتیک استفاده شد. در مجموع 260 پلات یک متر مربعی در منطقه مستقر گردید. در هر پلات لیست گونه‌ها، درصد پوشش گونه‌ها، درصد لاشبرگ، سنگ و سنگریزه و تعداد گونه یادداشت گردید. سه نمونه خاک از عمق 30-0 سانتی‌متری در طول هر ترانسکت برداشت و در آزمایشگاه برخی ویژگی های فیزیکی و شیمیایی اندازه گیری شدند. متغیر‌های فیزیوگرافی  در نرم افزار arc gis تعیین شدند. متغیرهای اقلیمی برای دوره آماری 15 ساله (1995-2010) جمع آوری شدند. متغیر های اقلیمی پیش بینی گر در این تحقیق شامل رطوبت نسبی سالانه، میانگین دمای سالانه و میانگین بارندگی سالانه بودند. ویژگی های فیزیکی و شیمیایی خاک نیز شامل درصد رطوبت، شن، رس و سیلت، ph، ec، کربن آلی، نیتروژن، فسفر و پتاسیم استفاده شد. پیش بینی شاخص های تنوع گونه‌‌ای گیاهان با دو روش: مدل خطی تعمیم یافته (glm)، مدل درخت رگرسیون تقویت شده (brt)، انجام پذیرفت. آنالیز اهمیت متغیرهای محیطی برای مدل glm و مدل brt در بسته biomode2 انجام شدند. برای ارزیابی مدل ها از ضریب تبیین r^2 و rmse استفاده شد. برای مقایسه عملکرد دو مدل از معیار سطح زیر منحنی (auc) استفاده شد.نتایج: نتایج مدل  glmنشان داد به ترتیب ارتفاع، سیلت، میانگین بارندگی سالانه، نیتروژن و میانگین رطوبت سالیانه موثرترین عوامل محیطی تاثیرگذار بر غنای گونه ای بودند. هم چنین در مدل brt نتایج بیانگر این مطلب است که به ترتیب متغیرهای ارتفاع، اسیدیته خاک، میانگین رطوبت سالانه و رس بیش‌ترین اهمیت را در غنای گونه ای دارند. نتایج مدل glm نشان داد که از بین شاخص‌های غنا و تنوع گونه‌ای، بالاترین r^2 مربوط به شاخص غنا به مقدار 0.33 بوده است. همچنین مهم‌ترین متغیرهای تاثیر‌گذار بر این شاخص‌ نیتروژن، اسیدیته، هدایت الکتریکی، بارندگی، رطوبت بودند نتایج مدل brt نشان داد که از بین شاخص‌های بررسی شده بالاترین r^2 مربوط به شاخص تنوع  شانون به میزان 0.37 بود. همچنین مهم‌ترین متغیرهای تاثیر‌گذار بر این شاخص‌ نیتروژن، ارتفاع، درصد رس و رطوبت بودند. در مجموع با توجه به نتایج به دست آمده از پژوهش حاضر اینطور بر می آید که پارامترهای محیطی تاثیرگذار بر غنا توسط مدل glm، شامل ارتفاع، میانگین بارندگی سالانه، میانگین رطوبت سالیانه، نیتروژن و سیلت و توسط مدل brt، شامل ارتفاع، رطوبت سالیانه، اسیدیته و رس بودند. نتایج ارزیابی دو مدل نشان داد که سطح زیر منحنی (auc) مدل glm 0.61 و مدل brt 0.72 بود که نشان می دهد مدل brt عملکرد بهتری در مدلسازی غنای گونه ای در منطقه داشته است.نتیجه گیری: در این تحقیق نتایج بیانگر این مطلب بود که مدل های مطالعه شده در یک مقیاس کوچک به خوبی جواب داده و با استفاده از مدلسازی می توان عوامل محیطی اثر گذار بر تنوع زیستی را تعیین نمود. پیشنهاد می گردد که مدیران مراتع از نتایج تحقیق حاضر و تحقیقات مشابه استفاده کنند و برای عوامل محیطی تاثیرگذار بر پراکنش و غنای گونه ای اهمیت ویژه ای قائل شوند.

prediction of plant species boibiversity using generalized linear model (glm) and boosted regression tree (brt) in eastern rangelands of mazandaran

background and objectives: prediction of species richness and diversity patterns are used to develop conservation strategies for biodiversity under regional and global environmental changes. since modeling the distribution of plant species can provide useful and important information about identifying and introducing potential habitats of plant species, and also few studies have been done in the field of modeling species richness using environmental variables in iran, so the study of modeling species richness is important and necessary in the management of vegetation, which is the aim of this research to help rangeland management.methodology: this study was conducted in the sorkh grieve rangeland with an area of ​​2620 ha. vegetation and soil sample were taken via random-systematic stratification method. on each slope a transect with a length of 100 meters of was established in the direction of the height gradient and 10 plots were placed along it. totally 260 plots of 1 m2 were used. in each plot, the list of species, percentage of species cover, and percentage of litter, rocks and number of species were recorded. three soil samples were taken from a depth of 0-30 cm along each transect and some physical and chemical properties were measured in the laboratory. physiographic variables were determined in arc gis software. climatic factors were collected for a period of 15 years. predictive climate variables in this research included annual relative humidity, average annual temperature, and average annual rainfall. the physical and chemical characteristics of the soil such as the percentage of moisture, sand, clay, silt, ph, ec, organic carbon, nitrogen, phosphorus, and potassium were measured. prediction of species diversity indices of plants was done with two methods: generalized linear model (glm) and, enhanced regression tree model (brt). analysis of the importance of environmental variables for glm and brt models was done in the biomode2 package. r2 and rmse coefficient of explanation were used to evaluate the models. the area under the curve (auc) criterion was used to compare the performance of these models. results: the results of the glm model showed that altitude, silt, average annual rainfall, nitrogen, and average annual humidity were the most effective environmental factors affecting species richness, respectively. the brt model results show that the variables of height, soil acidity, average annual humidity, and clay are the most important in species richness, respectively. the results of the glm model showed that among the richness and species diversity indices, the highest r2 related to the richness index was 0.33. also, the most important variables affecting this index were nitrogen, acidity, electrical conductivity, rainfall, and humidity. the results of the brt model showed that among the examined indices, the highest r2 was related to the shannon diversity index of 0.37. also, the most important variables affecting this nitrogen index were altitude, clay percentage. and humidity. in general and according to the results, it appears that the environmental parameters affecting richness by the glm model include altitude, average annual rainfall, average annual humidity, nitrogen, and silt. for the brt model were altitude, annual humidity, acidity and clay. the evaluation results of the two models showed that the area under the curve (auc) of the glm model was 0.61 and the brt model was 0.72, which shows that the brt model performed better in modeling species richness in the region.conclusion: the result of this research provides good information about the distribution of plant species and affecting environmental factors on their diversity and richness. it is suggested that rangeland managers use the results of this research as well as similar research and give spatial importance to the environmental factors affecting the distribution and richness of species.