تعداد نشریات | 31 |
تعداد شمارهها | 714 |
تعداد مقالات | 6,952 |
تعداد مشاهده مقاله | 11,426,557 |
تعداد دریافت فایل اصل مقاله | 7,804,600 |
مدلسازی پراکنش گونههای گیاهی حفاظتی و با ارزش در منطقهی توریستی پلور با استفاده از مدل خطّی تعمیم یافته (GLM) و مدل جمعی تعمیم یافته (GAM) | ||
نشریه جغرافیا و توسعه | ||
مقاله 8، دوره 15، شماره 46، فروردین 1396، صفحه 117-132 اصل مقاله (507.94 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22111/gdij.2017.3049 | ||
نویسندگان | ||
زینب جعفریان* 1؛ منصوره کارگر2 | ||
1دانشیار علوم مرتع، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
2دانشآموخته دکتری علوم مرتع، دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
چکیده | ||
مدلهای پیشبینی پراکنش جغرافیایی گونههای گیاهی از مدلها استاتیک و احتمالی هستند و روابط ریاضی حاکم بر توزیع جغرافیایی یک گونهی معین را با محیط فعلی آنها و عوامل مهم محیطی مؤثر بر پراکنش گونهها مشخص میکنند. هدف تحقیق حاضر کارایی مدل خطّی تعمیمیافته (GLM) و مدل جمعی تعمیم یافته (GAM) و مقایسهی آنها در تعیین روابط بین پوشش گیاهی و عوامل محیطی در منطقهی توریستی پلور است. نمونهبرداری با روش طبقهبندی-تصادفی مساوی صورت گرفت. پنجگونهی غالب شناسایی شده در منطقه عبارتند از Astragalus ochrodeucus، Ferula gumosa، Thymus kotschyanus، Onobrychis Cornata و Agropyron Sp. عوامل محیطی مورد مطالعه شامل عوامل خاکی (13 مورد)، عوامل توپوگرافی (3 مورد) و عوامل اقلیمی (3 مورد) بودند. همه آنالیزها در بسته Presence-Absence و GRASP در نرمافزار R انجام شد. برای بررسی ارزیابی مدلها از روش Ten-fold در بسته (caret) استفاده گردید. همچنین برای ارزیابی عملکرد پیشبینی مدل از ضرایب آماری AUC،AIC، RMSE و R2استفاده شد. نتایج نشان داد که بالاترین R2در مدل GLMمربوط به حضور گونه Agropyron Spبه میزان 98/0 بوده است. کمترین RMSE و AICنیز به ترتیب با میزان 29/0 و 12 مربوط به گونه Astragalus ochrodeucusبود. در مدل GAMنیز بالاترینR2بهگونه Thymus kotschyanus به میزان 88/0 تعلق داشت. همچنین کمترین RMSE و AICمربوط به گونههایAstragalus ochrodeucus و Ferula gumosaبه میزان 22/0 و 12/18 بودند. همچنین بالاترین AUC در مدل GLMبه گونه Onobrychis Cornata و در مدل GAMبه گونه Agropyron Sp به میزان 86/0 تعلق داشتند. با توجه به ارزش حفاظتی و با ارزش گونههای گیاهی مورد مطالعه از نتایج این مدلها میتوان در برنامههای حفاظتی و اصلاحی منطقهی توریستی استفاده کرد. | ||
کلیدواژهها | ||
عوامل محیطی؛ مدل رگرسیون جمعی تعمیم یافته (GAM)؛ مدل رگرسیون خطّی تعمیم یافته (GLM)؛ منطقه پلور | ||
مراجع | ||
منابع - آذرنیوند، حسین؛ محمدعلی زارع چاهوکی (1389). بومشناسی مرتع، انتشارات دانشگاه تهران. صفحه 345. - جعفریان، زینب؛ منصوره کارگر (1391). تعیین عوامل محیطی مؤثر بر گروه گونههای اکولوژیک با استفاده از روش رگرسیون لجستیک در مراتع پلور، نشریه علوم محیطی. 10. صفحات 118-107. - جعفریان، زینب؛ حسین ارزانی؛ قوامالدین زاهدی؛ حسین آذرنیوند (1389). کاربرد آنالیز تشخیص برای تعیین ارتباط بین عوامل محیطی و پراکنش گونههای گیاهی در مراتع پلور با کمک تصاویر ماهوارهای، پژوهشهای آبخیزداری. 23 (3). صفحات 71-64. - جعفری، محمد؛ محمد علی زارع چاهوکی؛ علی طویلی (1385). بررسی ارتباط بین خصوصیات خاک و پراکنش گونههای گیاهی در مراتع قم، نشریه پژوهش و سازندگی در منابع طبیعی 11. صفحات 133-118. - جعفریحقیقی، محمد (1382). روشهای تجزیه و تحلیل فیزیکی و شیمیایی نمونههای خاک (با تأکید بر نظریه و کاربرد)، انتشارات ضحی. صفحه 236. - زارع چاهوکی، محمدعلی؛ محمد جعفری ؛ حسین آذرنیوند؛ مژگان شفیعزاده (1386). مقایسه تکنیکهای مدلسازی برای پیشبینی گونههای گیاهی در مراتع خشک و نیمه خشک، مجله مرتع. 4.صفحات 356-342. - زارع چاهوکی، محمد علی؛ لیلا خلاصی اهوازی؛ حسین آذرنیوند (1393). مدلسازی پراکنش گونههای گیاهی بر اساس فاکتورهای خاک و توپوگرافی با استفاده از رگرسیون لجستیک در مراتع شرق سمنان، مجله مرتع و آبخیزداری . 67(1). 59-45. - ساکی، مژگان؛ مصطفی ترکش؛ مهدی بصیری؛ محمدرضا وهابی(1391).تعیین رویشگاه بالقوه گونه گیاهی گونزرد (Astragalus verus) با استفاده ازمدل رگرسیونلجستیک درختی(LRT)،مجله اکولوژی کاربردی.1.صفحات37-27. - عباسی،محبوبه؛محمدعلیزارعچاهوکی(1393).مدلسازی پراکنشمکانیStipa barbataوAgropyron intermedium با استفاده از شبکه عصبی مصنوعی در مراتع میانی طالقان، مجله تحقیقات منابع طبیعی تجدید شونده. 5. صفحات 57-47. - قاضیمرادی، مژگان (1393). مدلسازی رویشگاه بالقوه کمای ییلاقی با استفاده از مدلهای BBN و GAM در منطقه فریدون شهر اصفهان، پایاننامه کارشناسی ارشد دانشگاه صنعتی اصفهان. صفحه 121. - صالحی، مسعود؛ حبیبه وزیری نسب؛ معصومه خوشگام؛ نسرین رفعتی(1391). بکارگیری مدل جمعی تعمیمیافته در تعیین نوع ارتباط عوامل خطر رتینوپاتی در بیماران دیابتی شهر تهران. 119. صفحات 21-11. - صفایی، مژده (1391). مدلسازی رویشگاه بالقوه گونه گیاهی گونزرد با استفاده از دو روش تحلیل عاملی آشیان اکولوژیک (ENFA) و رگرسیون لجستیک (LR) در منطقه فریدون شهر استان اصفهان، پایاننامه کارشناسی ارشد مرتعداری. دانشگاه صنعتی اصفهان. صفحه 107 . - Aertsena W., Kinta V., Orshovena J., Özkanb, K., and Muysa, B (2010). Comparison and ranking of different modelling techniques for prediction of site index in Mediterranean mountain forests. Ecological Modeling. 221, 1119–1130. - Abd El-Ghani and Wafa, M. A (2003). Soil-vegetation relationships in coastal desert plain of southern Sinai, Egypt. Journal of Arid Environment. 55, 607-628. - Brown, G (1994). Predicting Vegetation types at tree line using topography and biophysical disturbance variables. Journal of Vegetation Science. 5, 641-656. - Comstock, J. P. and Ehleringer, J. R (1992).Plant adaptation in the Great Basin and Colorado Plateau. Naturalist 21:43-52. - Coudun C., Gegout, J. C., Piedallu, C. and Rameau, J. C (2006). Soil nutritional factors improve models of plant species distribution: an illustration with Acer campestre (L.) in France. Journal of Biogeography. 33, 1750–1763. - Dubuis, A (2013) Predicting spatial patterns of plant biodiversity: from species to communities. Thesis ph.D. 295p. - Dubuis A., Giovanettina S., Pellisier L., Pottier J.,Vittoz, P., and Gusian, A (2013). a. Improving the prediction of plant species distribution and community composition by adding edaphic to topo-climatic variable. Journal of vegetation Science. 24, 593-606. - Freeman, E. A. and Moisen, G (2008). Presence Absence: An R Package for Presence Absence Analysis.Journal of Statistical Software.23(11),1-31. - Guisan, A., and Zimmermann, R. E (2000). Predictive habitat distribution models in ecology. Ecological Modelling.135, 147–186. - Hastie, T. and Tibshirani, R (1990). Non-parametric logistic and proportional odds regression. Applied statistics. 260-276. - Hanspach J., Kuhn I., Pompe S., and Klotz, S (2011). Predictive performance of plant species distribution models depends on species traits. Perspectives in plant ecology, Evaluation and Systematic.1-8. - He. M.Z., J.G. Zheng, X.R. Li and Qian, Y.L (2007). Environmental factors affecting vegetation composition in the Alxa Plateau, China. Journal of Arid Environment.69, 473-489. - Hengl T., Sierdsema, H., Radovi, A. and Dilo, A (2009). Spatial prediction of species distributions from occurrence-only records: combining point pattern analysis, ENFA and regression-kriging. Ecological Modeling. 220, 3133-3222. - Herreraa B. J., J. Camposa, B, Finegana and Alvarado, A (2004). Factors affecting site productivity of a Costa Rican secondary rain forest in relation to Vochysia ferruginea, a commercially valuable canopy tree species. Forest Ecology and Management. 118(1), 73-81. - Hirzel A. and Guisan, A (2002). Which is the optimal sampling strategy for habitat suitability modeling? Ecological Modeling. 157, 331-341. - Jensen, M., P. Jeff, A. James, Barber and Patric, S (2001).Spatial Modeling of Rangeland Potential Vegetation Environments. Journal of Range Management. 54 (5), 528-536. - Lehmann, A., Overton, J. M. C. and Leathwick, J. R (2002). GRASP: generalized regression analysis and spatial prediction. Ecological modeling. 157(2), 189-207. - Pinke G., R. Pal and Botta–Dukat, Z (2010). Effect of environmental factors on weed species composition of cereal and stubble fields in western Hungary. Journal of Biology. 5(2), 283-292. - R Development Core Team (2007). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org/. - Tarkesh, M. and Gottfried, J (2012). Comparison of six correlative models in predictive vegetation mapping on a local scale. Environ Ecol Stat. - Villers-Ruiz, L., I. Trejo-Vazquez and Lipez-Blanco, J (2003). Dry vegetation in relation to the physical environment in the Baja California Peninsula, Mexico. Journal of Vegetation Science. 14, 517-524.
| ||
آمار تعداد مشاهده مقاله: 2,051 تعداد دریافت فایل اصل مقاله: 1,578 |