پیش‌بینی پراکنش سنجاب ایرانی با استفاده از رویکرد مدل‌سازی ترکیبی در جنگل‌های استان لرستان

تخریب و نابودی زیستگاه از مهم ترین دلایل انقراض گونه ها است، از این رو مدیریت جمعیت های حیات وحش مستلزم مدیریت زیستگاه است. مدل سازی زیستگاه یکی از بهترین روش ها برای شناسایی زیستگاه های بالقوه مطلوب یک گونه است. روش های متعددی برای مدل سازی زیستگاه وجود دارد که هر کدام مزایا و معایب خاص خود را دارند. در این مطالعه از 15 روش مدل سازی به همراه 9 عامل محیطی شامل bio12، bio1، فاصله از جاده، فاصله از مناطق مسکونی، فاصله از اراضی کشاورزی، درصد شیب، جهت جغرافیایی، فاصله از آبراهه ها و ndvi برای مدل سازی مطلوبیت زیستگاه سنجاب ایرانی در جنگل های استان لرستان استفاده شد. سپس میزان auc هر مدل بررسی و مدل های با auc بالاتر از 0/9 انتخاب شدند. درنهایت نقشه خروجی حاصل از هر یک از این مدل های انتخاب شده در میزان auc آن ضرب و میانگین آنها به عنوان مدل ترکیبی درنظر گرفته شد. در این مطالعه فقط مدل های حداکثر آنتروپی، درخت رگرسیون ارتقاء یافته، مدل خطی تعمیم یافته، و جنگل تصادفی دارای auc بالای 0/9 بودند و از این رو به منظور تهیه مدل ترکیبی درنظر گرفته شدند. براساس مدل ترکیبی 66 درصد از گستره جنگل های استان لرستان دارای مطلوبیت زیستگاهی برای سنجاب ایرانی است که در این بین 32/1 درصد دارای مطلوبیت کم، 18/4 درصد دارای مطلوبیت متوسط و 15/5 درصد دارای مطلوبیت زیاد هستند. در این مطالعه، عوامل فاصله از جاده، فاصله از اراضی کشاورزی و ndvi به ترتیب بیشترین تاثیرگذاری را بر مطلوبیت زیستگاه سنجاب ایرانی از خود نشان دادند. پژوهش پیش رو نشان داد که استفاده ترکیبی از مدل های با صحت بالا نتایج بهتری را نسبت به استفاده مجزا از آنها به بار می آورد.

The prediction of Persian Squirrel Distribution Using a Combined Modeling Approach in the Forest Landscapes of Luristan Province

Habitat destruction is the most important factor determining species extinction; hence, the management of wildlife populations necessitates the management of habitats. Habitat suitability modeling is one of the best tools used for habitat management. There are several methods for habitat suitability modeling, with each of having some different advantages and disadvantages. In this study, we used 15 modeling methods along with 9 environmental factors including Bio1, Bio2, distance to roads, distance to residential areas, distance to agricultural lands, distance to streams, the percentage of slope, geographic aspect, and NDVI to model the Persian squirrel rsquo;s habitat suitability in the forests of Luristan Province. The AUC of each model was computed and the models with an AUC higher than 0.9 were selected. Finally, the output maps resulted from the selected models were multiplied by their AUC and the average of them was considered as a combined model. In this study, Maximum Entropy, Boosted Regression Tree, Generalized Linear Model, and Random Forest were the only models with an AUC higher than 0.9. Based on the combined model, 66% of the forest areas in Luristan Province could be suitable for the Persian squirrel, of which 32.1%, 18.4%, and 15.5% have low, moderate, and high suitability, respectively. Among the 9 environmental factors used in this study, distance to roads, distance to agricultural lands and NDVI showed the highest contribution in the habitat suitability of the Persian squirrel. This study indicated that the combination of highaccuracy models could yield more reliable results, as compared to their separate use.