مدل سازی پراکنش گونه بنه (pistacia atlantica) در استان ایلام با استفاده از روش ﺣﺪاﻛﺜﺮ آﻧﺘﺮوﭘﻲ (maxent)

مقدمه و هدف: تعیین وضعیت پراکنش و توزیع گونه‌ها و زیستگاه‌های تحت اشغال آن‌ها از اهمیت بسزایی در برنامه‌های حفاظتی و مدیریت گونه‌ها برخوردار است، اما زمان و بودجه در دسترس، مطالعات گونه‌ای در مقیاس وسیع را دشوار و در بسیاری از موارد غیرممکن می‌سازد. ازاین‌رو در این زمینه از روش‌های مدل‌سازی پراکنش گونه استفاده می‌شود. مدل‌سازی پراکنش گونه‌های گیاهی باهدف شناسایی مناطق مستعد برای اولویت‌بندی حفاظت و جنگل‌کاری حائز اهمیت است. این مطالعه باهدف مدل‌سازی پراکنش گونه بنه (pistacia atlantica) با استفاده از روش ﺣﺪاﻛﺜﺮ آﻧﺘﺮوﭘﻲ و امکان‌سنجی توسعه این گونه در استان ایلام صورت گرفت.مواد و روش‌ها: بدین منظور نقاط حضور گونه در سراسر استان با استفاده از روش نمونه‌برداری تصادفی طبقه‌بندی‌شده جمع‌آوری و مختصات جغرافیایی آنها وارد نرم‌افزار ﺣﺪاﻛﺜﺮ آﻧﺘﺮوﭘﻲ شد. نقشه عوامل محیطی شامل 19 متغیر اقلیمی، 3 متغیر توپوگرافی و متغیر پوشش برف تهیه شدند. این متغیرها به‌عنوان ورودی مدل استفاده شدند و ارتباط بین داده‌های حضور با نقشه‌های متغیر محیطی با استفاده از نرم‌افزار maxent  به صورت ریاضی تعریف شد. نقشه‌های پیش‌بینی پراکنش گونه با استفاده از روش مدل‌سازی حداکثر آنتروپی تهیه شد.یافته‌ها: نتایج حاصل از ارزیابی مدل نشان داد که مدل با سطح زیر منحنی پلات (auc) برابر با 0/947 پیش‌بینی عالی را در مقابل برابر با 0/5 که به معنی تصادفی بودن پیش‌بینی است، دارا است. آزمون جک نایف نیز نشان داد که متغیرهای محیطی دامنه درجه حرارت سالانه، ﻣﺘﻮﺳﻂ ﻣﺎﻫﺎﻧﻪ درجه حرارت‌، شاخص هم‌دمایی، بارش سالانه و ارتفاع از سطح دریا به ترتیب بیشترین تاثیر را بر حضور این گونه در استان ایلام دارند.نتیجه‌گیری: نتایج این تحقیق اطلاعات کلیدی و مهمی را درباره دامنه تحمل‌پذیری گونه بنه نسبت به متغیرهای محیطی تاثیرگذار فراهم آورده است. این اطلاعات در اتخاذ تصمیمات مدیریتی برای اولویت‌بندی مناطق حفاظتی و انجام اقدامات اصلاحی و حفاظتی بخصوص در مناطقی که پوشش گیاهی در حال تخریب است، موثر بوده و شانس موفقیت در طرح‌های کاشت و احیاء را افزایش می‌دهد.

Modeling the Distribution of Species Pistacia atlantica in Ilam Province using MaxEnt Methods

Extended AbstractIntroduction and Objective: Determining the distribution status of species and habitats under their occupation is very important in species conservation and management programs, but the available time and budget make largescale species studies difficult and in many cases impossible. Therefore, in this field, species distribution modeling methods are used. Modeling the distribution of plant species with the aim of identifying areas prone to conservation conservation and afforestation is important. The aim of this study was to model the distribution of pistachio species using methods and feasibility study of the development of this species in Ilam province.Material and Methods: For this purpose, the presence points of the species throughout the province were collected using stratified random sampling method and their geographical coordinates were entered into the software MaxEnt. Map of environmental factors including 19 climatic variables, 3 topographic variables and snow cover variables were prepared. These variables were used as model input and the relationship between attendance data and environmental variable maps was defined mathematically using software. Then species distribution prediction maps were prepared using Maximum Entropy (MaxEnt) modeling method.Results: The results of model evaluation showed that the model with the area under the plot curve AUC: 0.947 has an excellent prediction versus 0.5 which means that the prediction is random. Jack Knife test also showed that the model was successful in predicting the distribution of pistachio species and the factors of annual temperature range, mean temperature ‌, isotherm index, annual precipitation and altitude, respectively, had the greatest impact on the presence of this species in Ilam province.Conclusion: The results of this study have provided key and important information about the tolerance range of Pistica species to environmental variables. This information is effective in making management decisions to prioritize conservation areas and to take remedial and conservation measures, especially in areas where vegetation is being degraded, and increases the chances of success in planting and rehabilitation projects.