|
|
کاربرد مدل حداکثر آنتروپی در تعیین رویشگاه بالقوه گونه astracantha gossypina (fisch.) podlech در شمال شرق ایران
|
|
|
|
|
نویسنده
|
مومنی دمنه جواد ,اسماعیلپور یحیی ,غلامی حمید ,فراشی آزیتا
|
منبع
|
حفاظت زيست بوم گياهان - 1400 - دوره : 9 - شماره : 19 - صفحه:217 -236
|
چکیده
|
گون کتیرایی یکی از مهم ترین گیاهان مرتعی منطقه شمال شرق ایران به شمار می رود و اهمیت زیادی در حفاظت خاک و اقتصاد مرتعداران دارد. بهره برداری و مدیریت نادرست گونه های گیاهی مرغوب منجر به از بین رفتن و جایگزینی این گونه های بومی و خاص توسط گونه های مهاجم بومی یا خارجی می شود. این پژوهش به منظور تعیین رویشگاه بالقوه گون در مراتع استان های خراسان رضوی و خراسان شمالی با استفاده از مدل تحلیل آنتروپی بیشینه (maxent) صورت پذیرفت. بدین منظور تعداد 757 نقطه حضور گونه در 17 منطقه مختلف از طریق نمونه برداری میدانی و توسط دستگاه gpsmap 60csx ثبت گردید. متغیرهای محیطی شامل 19 لایه زیست اقلیمی، 3 لایه شیب، جهت و ارتفاع، زمین شناسی و اطلاعات خاک (بافت، قابلیت اراضی، گروه های هیدرولوژیک) به عنوان متغیرهای پیش بینی ابتدا مورد آنالیز همبستگی قرار گرفته و متغیرهای دارای همبستگی زیاد حذف شدند. آنالیز لایه های پیش بینی و نقاط حضور با استفاده از نرم افزار maxent 3.3 انجام شد. نتایج نشان داد با توجه به شاخص سطح زیر منحنی (auc=0/98) مدل حداکثر آنتروپی در تشخیص عوامل موثر بر پراکنش جغرافیایی گونه از دقت و کارایی مناسبی برخوردار بوده است. بر اساس نتایج آزمون جک نایف عوامل محیطی شامل dem، واحد اجزاء اراضی (soilland)، دمای متوسط سالیانه (bio1)، زمین شناسی (geology)، بارندگی خشک ترین فصل سال (bio17)، بارندگی سردترین فصل سال (bio19) و بارندگی فصلی (bio15) به ترتیب بیشترین نقش را در تعیین رویشگاه مناسب گونه داشتند. نهایتا منطقه مورد مطالعه به چهار طبقه مطلوبیت تقسیم شد که بیش از 218 هزار هکتار معادل 1/52 درصد پتانسیل متوسط تا خوب برای رویش و بهره برداری از گونه گون داشتند.
|
کلیدواژه
|
استان خراسان شمالی و رضوی، مدل پیشبینی رویشگاه، نرمافزار مکسنت، worldclim
|
آدرس
|
دانشگاه هرمزگان, دانشکده ی کشاورزی و منابع طبیعی, گروه منابع طبیعی, ایران, دانشگاه هرمزگان, دانشکده کشاورزی و منابع طبیعی, گروه منابع طبیعی, ایران, دانشگاه هرمزگان, دانشکده کشاورزی و منابع طبیعی, گروه منابع طبیعی, ایران, دانشگاه فردوسی مشهد, دانشکده ی منابع طبیعی و محیط ز یست, گروه محیط زیست, ایران
|
پست الکترونیکی
|
farashi@um.ac.ir
|
|
|
|
|
|
|
|
|
prediction of potential habitats of astracantha gossypina (fisch.) using the maximum entropy model in regional scale
|
|
|
Authors
|
momeni damaneh javad ,esmaeilpour yahya ,gholami hamid ,farashi azita
|
Abstract
|
astracantha gossypina (fisch.) is one of the most important rangeland plants in the northeastern region of iran and has a great role in soil conservation and the economy of ranchers. unreasonable uses and management of desire plant species usually led to species loss and the replacement of endemic and specialist species by invasive endemic or exotic species. this study was conducted to determine the potential habitat of as. gossypina species in the rangelands of khorasan razavi and north khorasan provinces using maxent model. in this purpose, 757 species presence points in 17 different areas recorded by gpsmap 60csx in field sampling. environmental variables including 19 bioclimatic layers, 3 layers of slope, direction and altitude, geology and soil data layers (texture, soil potential, hydrological groups) as predictor variables analyzed for correlation and corelated variables were removed. analysis of prediction layers and presence points performed using maxent 3.3 software. according to the results the area under the curve index (auc = 0.98) showed, the maximum entropy model had good accuracy and efficiency in detecting the factors affecting the geographical distribution of the species. based on the jackknife test results, environmental factors included dem, soilland, bio1, geology, bio17, bio19 and bio15 respectively had the most role in determining the habitat suitability of the species. finally, the study area was divided into four suitability classes and more than 218 thousand hectares, equivalent to 1.52% had moderate to good potential for the growth and harvesting of the species.
|
Keywords
|
north khorasan and khorasan razavi provinces ,habitat forecasting model ,maxent software ,worldclim ,worldclim
|
|
|
|
|
|
|
|
|
|
|