دوره 10، شماره 20 - ( پاییز و زمستان 1401 1401 )
جلد 10 شماره 20 صفحات 139-129 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
mirza V, mahdavi A, naji H, ahmadi H. (2022). Modeling the Distribution of Species Pistacia atlantica in Ilam Province using MaxEnt Methods. ifej. 10(20), 129-139. doi:10.52547/ifej.10.20.129
URL: http://ifej.sanru.ac.ir/article-1-452-fa.html
URL: http://ifej.sanru.ac.ir/article-1-452-fa.html
میرزایی زاده وحید، مهدوی علی، ناجی حمیدرضا، احمدی حمزه. مدلسازی پراکنش گونه بنه (Pistacia atlantica) در استان ایلام با استفاده از روش ﺣﺪاﻛﺜﺮ آﻧﺘﺮوﭘﻲ (MaxEnt) بوم شناسی جنگل های ایران (علمی- پژوهشی) 1401; 10 (20) :139-129 10.52547/ifej.10.20.129
گروه علوم جنگل، دانشکده کشاورزی، دانشگاه ایلام
چکیده: (1543 مشاهده)
چکیده مبسوط
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، ۳ 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 تأثیر 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 تأثیرگذار 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، مؤثر بوده و شانس موفقیت در طرح‌های کاشت و احیاء را افزایش می‌دهد.
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، ۳ 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 تأثیر 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 تأثیرگذار 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، مؤثر بوده و شانس موفقیت در طرح‌های کاشت و احیاء را افزایش می‌دهد.
فهرست منابع
1. Ahmadi Nasab, F. and A. Zolfaghari. 2017. Study of ecological characteristics of wild and hawthorn Nastaran by conventional and arc comparative comparative analysis method in East Azarbaijan province, Iran. Journal of Crop Ecology, Iran, 13(1): 49-59 (In Persian).
2. Ashcroft, M.B., K.O. French and L.A. Chisholm. 2012. A simple post-hoc method to add spatial context to predictive species. Ecological Modelling, 228: 17-26. [DOI:10.1016/j.ecolmodel.2011.12.020]
3. Baldwin, R.A. 2009. Use of Maximum Entropy Modeling in Wildlife Research. Kearney Agricultural Center, University of California, 11: 854-866. [DOI:10.3390/e11040854]
4. Browicz, K. and D. Zohary. 1995. The genus Amygdalus L. (Rosaceae): species relationships, distribution and evolution under domestication. Gentic, Resourses and crop evolution, 43(3): 229-247. [DOI:10.1007/BF00123275]
5. Denisov, V.P. 1982. Distribution and variability of the wild almonds of Azerbaidzhan. Byuleten-Vsesoyuznogo-ordena-Lenina-I-Ordena-DruzhbyNarodov- Nauchno-Issledovatel skogo. Instituta Rastenievodstva. Imeni-N-I-Vavilova, 126: 9-42.
6. Duan, R.Y., X.Q. Kong, M.Y. Huang, W.Y. Fan and Z.G. Wang. 2014. The Predictive performance and stability of six species distribution models. PLoS ONE, 9(11): e112764. [DOI:10.1371/journal.pone.0112764]
7. Elith, J., C.H. Graham and R.P. Anderson. 2006. Novel methods improve prediction of species' distributions from occurrence data. Echography, 29: 129-151. [DOI:10.1111/j.2006.0906-7590.04596.x]
8. Enright, N.J., B.P. Miller and R. Akhter. 2005. Desert Vegetation and Vegetation-Environment relationships in Kirthar National Park, Sindh, Pakistan. Journal of Arid Environments, 61: 397-418. [DOI:10.1016/j.jaridenv.2004.09.009]
9. Fattahi, A. 1995. History of Zagros vegetation, especially pistachio forests, article presented in the first national seminar of pistachio (green pearl). Ilam (In Persian).
10. Fielding, A.H. and J.F. Bell. 1997. A review of methods for the assessment of prediction errors in conservation presence/absence models. Environmental Conservation, 24(1): 38-49. [DOI:10.1017/S0376892997000088]
11. Heidarian Agakhani, M., M. Torkashm, Z. Jafarian and H. Sanguni. 2016. Prediction of plant species distribution using species distribution models (SDM) Introduction of Maximum Entropy Method, Forest Resources Planning Quarterly, 1(1): 1-7 (In Persian).
12. Hirzel, A., J. Hausser, D. Chessel and N. Perrin. 2002. Ecological-niche factor analysis: how to compute habitat suitability maps without absence data. Ecology, 83: 2027-2036. [DOI:10.1890/0012-9658(2002)083[2027:ENFAHT]2.0.CO;2]
13. Hosseinzadeh, M., M. Aliabadian and I. Rastegar Pouyani. 2015. Evaluation of current and future geographical distribution of invasive species of domestic yellow-bellied jackal, Hemidactylus flaviviridis, Ruppell in Iran using species distribution modeling. Animal Research, 28(4): 431-440
14. (In Persian).
15. Jafari, A., R. Mirzaei and R. Zamani Ahmad Mahmoudi. 2015, Modeling the distribution of Isfahan rams and ewes in Tang Sayad protected area based on oblique improvement of presence data and selection of area variables using maximum entropy, Journal of Applied Ecology, 5(15): 39-48 (In Persian).
16. Karamshahi, A., F. Karami and M. Tahmasebi. 2011. Coriander trees (forest pistachios). Ilam: Ilam University (In Persian).
17. Karamshahi, A. and M. Tahmasebi. 2003. Investigation of Saqez exploitation cooperatives in Ilam province (research project). Ilam: Ilam University and the General Department of Cooperatives of Ilam Province (In Persian).
18. Khalili, F., M. Malekian and M.R. Hemami. 2018. Habitat suitability modelling of Persian squirrel (Sciurus anomalus) in Zagros forests, western Iran. Journal of Wildlife and Biodiversity, 2(2): 56-64.
19. Khedri, S., A. Soltani and A. Askari. 2014. Determining the ecological nests of hawthorn in Chaharmahal and Bakhtiari province, Master Thesis in Forestry, Shahrekord University, 75 p (In Persian).
20. Kozhoridze, G., N. Orlovsky, L. Orlovsky, D.G. Blumberg, A. Golan-Goldhirsh. 2015. Geographic distribution and migration pathways of Pistacia-present, past and future. Ecography, (38)11: 1141-1154. [DOI:10.1111/ecog.01496]
21. Miller, J. 2010. Species Distribution Modeling. Geography Compass, 4/6: 490-509. [DOI:10.1111/j.1749-8198.2010.00351.x]
22. Mirzaei, R., M. Homami, A. Ismaili and H. Rezaei. 2003. Modeling the distribution of Falco naumanni in Golestan province Journal of Environmental Research, 4(8): 149-156 (In Persian).
23. Naghi Pourbarj, A., M. Heidarian Agakhani and H. Sanguni. 2018. Predicting the effect of climate change on the geographical distribution of pistachio (Pistacia atlantica) in the Central Zagros region. Plant Ecology, (Online) 6(13) (In Persian).
24. Naqibzadeh, A., N. Rezaei, J. Colonel and N. Sidi. 2018. Modeling the habitat suitability of wild sheep species in Borouyeh Wildlife Sanctuary of Yazd Province using MaxEntropy method (MaxEnt). Animal Environment, 10(4): 75-82 (In Persian).
25. Naseri Hesar, N., M. Zare Chahouki and S. Saburi Rad. 2014. Introduction of maximum entropy method as a tool for modeling the prediction of habitat of plant species in desert areas (Case study: Eshtehard rangelands), Second National Desert Conference with the approach of dry and desert management, 9 pp (In Persian).
26. Parisaei, B. 2008. Investigating the Impact of Important Climatic Elements on the Distribution of Plant Species in Chaharmahal and Bakhtiari Province, M.Sc. Thesis, Faculty of Natural Resources, Isfahan University of Technology, 120 pp (In Persian).
27. Philips, S. 2010. A brief tutorial on Maxent. Exercise, American Museum of Natural History, New York.
28. Phillips, S.J., R.P. Anderson and R.E. Schapire. 2006. Maximum entropy modeling of species geographic distributions. Ecological Modeling, 190: 231-259. [DOI:10.1016/j.ecolmodel.2005.03.026]
29. Thuiller, W. 2014. Editorial commentary on BIOMOD-optimizing predictions of species distributions and projecting potential future shifts under global change. Global change biology, 20(12): 3591-3592. [DOI:10.1111/gcb.12728]
30. Titshall, L.W., T.G. O'Connor and C.D. Morris. 2000. Effect of long-term exclusion of fire and herbivory on the soils and vegetation of sour grassland. African Journal of Range and Forage Science, 17: 70-80. [DOI:10.2989/10220110009485742]
31. Yang, X.Q., S.P.S. Kushwaha, S. Saran. J. Xu and P.S. Roy. 2013. Maxent modeling for predicting the potential distribution of medicinal plant, Justicia adhatoda L. in Lesser Himalayan foothills. Ecological Engineering, 51: 83-87. [DOI:10.1016/j.ecoleng.2012.12.004]
32. Zare Chahouki, M.A., H. Piri Sahragard and H. Azarnivand. 2003. Modeling the habitat distribution of plant species in the rangelands of Sultan Qom basin by maximum entropy method. Range Magazine, 7(3): 212- 221 (In Persian).
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
