به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
فهرست مطالب نویسنده:

ملیحه کیقبادی

  • ملیحه کیقبادی، حسین پیری صحراگرد*، محمدرضا پهلوان راد، پیمان کرمی، رضا یاری

    مدل های پراکنش گونه ها با کمی کردن ارتباط بین پراکنش گونه ها و متغیرهای محیطی تاثیرگذار، اساس تصمیمات آگاهانه در مدیریت پوشش گیاهی هستند. هدف این پژوهش ارزیابی کارایی روش های جمعی تعمیم یافته (GAM) و درخت طبقه بندی و رگرسیون (CART) در برآورد پراکنش رویشگاه بالقوه و شناخت نیازهای بوم شناختی گونه های گیاهی در مراتع خضری دشت بیاض خراسان جنوبی بود. با توجه به شرایط منطقه و بازدید میدانی، نمونه برداری از پوشش گیاهی به روش تصادفی- سیستماتیک در سطحی حدود 14500 هکتار انجام شد. 18 متغیر محیطی شامل خصوصیات زمین، شاخص تراکم پوشش گیاهی (NDVI) و شاخص شوری به عنوان تخمین گر برای تهیه نقشه های متغیرهای پیشگو مورد استفاده قرار گرفت. پس از انجام مدل سازی پیش بینی پراکنش رویشگاه با استفاده از روش CART و GAM در نرم افزار R 3.5.2، ارزیابی دقت مدل ها نیز با استفاده از آماره سطح زیرمنحنی (AUC) انجام شد. بعد از تعیین حد آستانه به روش TSS، نقشه پیوسته مطلوبیت به نقشه حضور/عدم حضور تبدیل و میزان تطابق نقشه ها با شاخص کاپا محاسبه شد. بر اساس نتایج حاصل از مدلهای مورد استفاده، متغیرهای سطح پایه شبکه کانال ها، فاصله عمودی به شبکه کانال، عمق دره، شاخص خیسی و موقعیت نسبی شیب در مطلوبیت رویشگاه برای استقرار گونه ها تاثیرگذار هستند. در مجموع، روش GAM در برآورد دامنه پراکنش رویشگاه همه گونه های مورد بررسی از دقت بالاتری برخوردار است (). بر اساس نقشه های حاصل از مدل GAM، بیشترین و کمترین وسعت رویشگاه بالقوه به گونه های S. rigida و T. serotina اختصاص دارد. بنابراین روشGAM  می تواند در شناخت دقیق از نیازهای بوم شناختی گونه های گیاهی و در نتیجه حدود پراکنش آنها در مقیاس محلی مفید باشد. در نتیجه پیشنهاد می شود این روش به عنوان بخشی از یک سیستم پشتیبان مدیریتی در حفاظت و احیای پوشش گیاهی در مراتع خضری دشت بیاض مورد استفاده قرار گیرد.

    کلید واژگان: مرتع, رویشگاه بالقوه, GAM, CART, مراتع خضری
    Maliheh Keyghobadi, Hossein Piri Sahragard *, MohammadReza Pahlavan Rad, Peyman Karami, Reza Yari

    Species distribution models (SDMs) are the basis of informed decisions in vegetation management by quantifying the relationship between species distribution and influential environmental variables. The present study aimed to evaluate the GAM and CART models' performance in estimating the potential habitat distribution as well as recognizing the ecological needs of plant species in the Khezri rangelands of Bayaz plain of southern Khorasan. According to the regional condition and field observation, in an area of about 14500 hectares, vegetation sampling was done using the randomized-systematic method. Eighteen environmental variables including land characteristics, Normalized Difference Vegetation Index (NDVI), and salinity index were used as an estimator to generate maps of predictor variables. After modeling the habitat distribution prediction using CART and GAM methods in R 3.5.2 software, the accuracy of the models was assessed using the subsurface area (AUC) statistics. After determining the threshold by the TSS method, the continuous utility map was converted to the presence/absence map and the degree of conformity of the maps with the kappa index was calculated. Based on the results of the used models, the variables of the base level of the channels network, the vertical distance to the channels network, the depth of the valley, the wetness index, and the relative position of the slope are effective in habitat suitability for species establishment. In general, the GAM method has high accuracy in estimating the habitat distribution range of all species studied (Kappa≥ 0.9). According to the maps obtained from the GAM model, the highest and lowest potential habitats belong to S. rigida and T. serotina species. Therefore, the GAM method can be useful in accurately identifying the ecological needs of plant species and therefore their distribution useful at the local scale. As a result, it is suggested that this method be used as part of a management support system in the protection and restoration of vegetation in the rangelands of the Bayaz plain.

    Keywords: rangeland, potential habitat, Machine learning models, Khezri rangelands
بدانید!
  • در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
  • همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
  • در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال