کاربرد روش رگرسیون لوجستیک در تهیه نقشه پیش‌بینی پراکنش رویشگاه گونه‌های گیاهی (مطالعه موردی: مراتع بخش خلجستان استان قم)

این پژوهش با هدف ارزیابی توانایی روش رگرسیون لوجستیک در مشخص کردن شرایط محیطی موثر در حضور گونه های گیاهی و شناسایی مناطق مناسب برای استقرار این گونه ها انجام شد. بعد از مشخص کردن واحدهای همگن بوم شناختی در هر رویشگاه، با استفاده از نقشه های شیب، جهت، ارتفاع و زمین شناسی با مقیاس 1:25000، نمونه برداری از پوشش گیاهی به روش تصادفی سیستماتیک از طریق پلات گذاری در امتداد 4 ترانسکت 200 و1000 متری به صورت عمود بر هم انجام شد. سطح پلات ها با توجه به نوع گونه های موجود، به روش سطح حداقل بین 2 تا 25 متر مربع و تعداد آن ها با توجه به تغییرات پوشش گیاهی و روش آماری 60 پلات تعیین شد. برای نمونه برداری از خاک نیز در هر رویشگاه، هشت پروفیل حفر و از دو عمق 300 و8030 سانتی متری نمونه گرفته شد. نقشه های پیش بینی رویشگاه گونه های گیاهی با استفاده از مدل های پیش بینی حاصل و عوامل موجود در آن ها تهیه شد. بعد از تعیین آستانه بهینه حضور، میزان تطابق نقشه های طبقه بندی شده با نقشه های واقعی پوشش، با استفاده از ضریب کاپا و آماره واقعی عملکرد اندازه گیری شد. بر اساس مدل های حاصل، نوع سازند زمین شناسی، درصد سنگریزه، بافت خاک، اسیدیته و آهک بیشترین نقش را در پراکنش جوامع گیاهی مورد مطالعه دارند. بر اساس نتایج حاصل، میزان تطابق نقشه های پیش بینی حاصل از مدل ها با نقشه واقعی برای رویشگاه amygdalus scoparia ، عالی؛ برای رویشگاه های scariola orientalisstipa barbata وpteropyrum olivieri stipa barbata ، خوب و برای رویشگاه artemisia aucheri ndash;astragalus glaucacanthus، متوسط ارزیابی شد. بر اساس این نتایچ، روش گرسیون لوجستیک برای رویشگاه گونه amygdalus scoparia که دارای شرایط رویشگاهی منحصر به فردی است، مدل پیش بینی با دقّت بالاتری را ارائه داد. برای سایر رویشگاه های مورد بررسی، به دلیل دامنه بوم شناختی گسترده آنها، دقّت مدل های پیش بینی به دست آمده پایین تر بود.

Developing predictive distribution map of plant species habitats using logistic regression (Case study: Khalajestan rangelands of Qum province)

This study was conducted to evaluate the ability of logistic regression to specify the environmental condition affecting the presence of selected plant species, and identifying suitable areas for the establishment of these species. Some sites with relatively homogeneous ecological conditions were identified by overlaying slope, aspect, elevation and geology maps (1: 25000 scales). Vegetation sampling was carried out using random systematic method, and 60 plots were established along four transects with 2001000 meters length in each site. The appropriate plot sizes were determined from 2 to 25 m2 using Minimal Area Method. Soil samples were collected from eight soil profiles in each site from 030 cm and 3080 cm depths from soil surface. Predictive maps of plant species habitats were produced using Logistic regression method. Optimal environmental condition of selected plant species were determined and predictive performance of the produced potential maps were assessed using kappa coefficient and the True skill Static. According to the results, geological formation, percent gravel, soil texture, acidity and lime contents were identified as the most important factors controlling distribution of plant communities in the study area. The accuracy of produced predictive maps for Amygdalus scoparia was very good, for Scariola orientalis Stipa barbata and Pteropyrum olivieri Stipa barbata were good and for Artemisia aucheri Astragalus glaucacanthus vegetation habitats was moderate. The results showed that the logistic regression models, provides high accuracy predictive model for Amygdalus scoparia habitat due to its exclusive habitat conditions. The accuracies of the produced maps for other vegetation habitats were lower than Amygdalus scoparia because they had more wider ecological spectrum.