شناسایی مهم‌ترین عوامل موثر بر پراکنش گونۀ ون (fraxinus excelsior l.) و رویشگاه‌های با پتانسیل آن در جنگل خیرودکنار نوشهر

پژوهش حاضر با هدف شناسایی مناطق مطلوب رویشگاهی گونۀ ون (fraxinus excelsior l.) و عوامل محیطی موثر بر پراکنش آن در جنگل خیرود نوشهر با مساحت تقریبی 8200 هکتار انجام گرفت. بدین منظور طی جنگل‌گردشی مختصات جغرافیایی 1004 پایۀ ون با دستگاه gps ثبت شد و همراه با متغیرهای محیطی حاصل‌شده از خصوصیات اقلیمی، ویژگی‌های اولیه و ثانویۀ توپوگرافی با کمترین مقدار همبستگی در مدل‌های خطی و جمعی تعمیم‌یافته، جنگل تصادفی و آنتروپی بیشینه مدل‌سازی تعیین شد. آماده‌سازی متغیرها و تحلیل آنها در نرم‌افزارهای arc gis, saga, r انجام گرفت. به‌منظور مقایسۀ عملکرد حاصل از چهار مدل، متغیرهای ورودی همۀ مدل‌ها یکسان در نظر گرفته شد. مدل‌ها با معیارهای آمارۀ مهارت درست، ضریب کاپا و سطح زیرمنحنی ارزیابی شدند. نتایج نشان داد که مدل جنگل تصادفی با بیشترین مقدار ضریب کاپا (0.973)، سطح زیرمنحنی (0.997) و آمارۀ مهارت درست (0.973) دارای بهترین عملکرد است. براساس مدل جنگل تصادفی تاثیرگذارترین متغیرها بر حضور گونۀ ون به‌ترتیب عمق دره، انحنای پروفیل، شیب و شاخص موقعیت توپوگرافی هستند که نشان‌دهندۀ مناطقی با خاک غنی، رطوبت کافی و زهکش مناسب (غیرراکد بودن آب)، شیب کمتر از 45 درصد و نور کافی (مناسب با مرحلۀ رویشی) است و در گسترۀ وسیعی از سری‌های بهاربن، چلیر و منیاسنگ قرار دارند.

identifying the most important factors affecting the distribution of ash (fraxinus excelsior l.) and detect potential habitats areas in kherudkanar nowshahr forest

the aim of this research was to identify the optimal habitat areas of ash species (fraxinus excelsior l.) in kheyrud nowshahr forest, which covers an area of approximately 8,224 hectares. we recorded the geographical coordinates of 1004 ash individuals using a gps device, along with environmental variables such as climate variables and primary and secondary topographic predictors extracted from dem. we used the predictors with the least degree of correlation as input in the generalized linear model, generalized additive model, random forest, and maxent models. we prepared and analyzed the variables in arcgis, saga, and r software. to compare the performance of the four models, we considered the input variables in all models to be the same. we evaluated the models using kappa coefficient (k), area under curve (auc), and true skill statistic (tss) measures. the rf model had the highest k (0.973), auc (0.997), and tss (0.973), indicating the best performance among the models. according to the rf model, the most important variables were valley depth, profile curvature, slope, and topographic position index. these variables indicate the areas with rich soil, sufficient moisture, proper drainage (non-stagnant water), slope less than 45%, and sufficient light (suitable for the vegetative stage). we identified the most suitable areas in the baharbon, chelir, and menia-sang districts due to optimal conditions for these effective variables.