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

جستجوی مقالات مرتبط با کلیدواژه « جوامع بومی » در نشریات گروه « آبخیزداری، بیابان، محیط زیست، مرتع »

تکرار جستجوی کلیدواژه «جوامع بومی» در نشریات گروه «کشاورزی»
  • زینب عبیداوی *، کاظم رنگزن، روح الله میرزایی، محمدرضا اشرف زاده
    پایش و مدیریت جمعیت های حیات وحش و زیستگاه ها نیازمند مدل سازی زیستگاه های مطلوب و پراکنش گونه ای است. بنابراین در این پژوهش، مدل سازی پراکنش بالقوه آهوی ایرانی با دو رویکرد فازی (مبتنی بر دانش بوم شناختی جوامع بومی) و مکسنت (مبتنی بر داده های حضور گونه) در منطقه حفاظت شده میشداغ اجرا شد؛ تا ضمن مدل سازی پراکنش گونه ای با استفاده از سامانه استنتاج فازی (رویکرد فازی) و الگوریتم آنتروپی بیشینه (رویکرد مکسنت)، به بررسی و مقایسه کارایی هر یک از این دو رویکرد پرداخته شود. به علاوه، ارزیابی هر یک از مدل ها با استفاده از تحلیل جک نایف انجام شد. آستانه گذاری نیز با استفاده از آستانه حضور 10% صورت گرفت. براساس یافته ها، سه متغیر کاربری سرزمین، فاصله از کشت زارها و فاصله از منابع آب در هر دو رویکرد فازی و مکسنت به عنوان مهم ترین متغیرهای مدل سازی شناخته شدند. همچنین، در هر یک از رویکردهای فازی و مکسنت به ترتیب 45/47% و 08/14% منطقه به عنوان منطقه حضور بالقوه پیش بینی شد. براساس تحلیل جک نایف، میزان موفقیت هر یک از مدل های فازی و مکسنت به ترتیب، 95/80% و 66/66% برآورد شد (p<0.01). یافته های پژوهش موید کارایی بالای سامانه استنتاج فازی و الگوریتم آنتروپی بیشینه در مدل سازی پراکنش بالقوه آهوی ایرانی است. این مطالعه را می توان از یک سو تاکیدی بر ضرورت توجه به رویکردهایی همچون رویکرد فازی در مدل سازی پراکنش بالقوه گونه های حیات وحش کشور و از سوی دیگر تاکیدی بر ضرورت توجه به دانش بوم شناختی جوامع بومی هر منطقه دانست.
    کلید واژگان: دانش بوم شناختی, جوامع بومی, پراکنش بالقوه, سامانه استنتاج فازی, الگوریتم آنتروپی بیشینه}
    Zeynab Obeidavi*, Kazem Rangzan, Rouhollah Mirzaei, Mohammadreza Ashrafzadeh
    Monitoring and managing the wildlife populations and habitats required to model the species distribution and habitat suitability. So, Gazella subgutturosa potential distribution in Mishdagh Protected Area was modeled using fuzzy (based on ecological knowledge of local communities) and MaxEnt (based on species occurrence records) approaches; thus, in addition to model the species distribution using maximum entropy algorithm (MaxEnt approach) and fuzzy inference system (fuzzy approach), we can also assess and compare the performance of each approach. In addition, the accuracy of predictive models was tested using jackknife test. Also, we applied threshold of 10%. Based on results of fuzzy and MaxEnt approaches, the most important variables for species potential distribution modelling were land use, distance to farms and distance to water sources. Also, 47.45% and 14.08% of study area predicted as species potential presence area in fuzzy and MaxEnt approaches, respectively. According to results of jackknife test, success rates of fuzzy and MaxEnt approaches were 80.95% and 66.66%, respectively (p
    Keywords: ecological knowledge, local communities, potential distribution, fuzzy inference system, maximum entropy algorithm}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال