دوره 18، شماره 3 - ( 11-1403 )
جلد 18 شماره 3 صفحات 466-451 |
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:
Iranmanesh M, Esmaeilpour Y, Gholami H, Moradi N. Applying Ensemble Modeling for Species Distribution Forecasting of Ferula assa-foetida in Southern Iran. مرتع 2025; 18 (3) :451-466
URL: http://rangelandsrm.ir/article-1-1273-fa.html
URL: http://rangelandsrm.ir/article-1-1273-fa.html
ایرانمنش مهدیه، اسماعیلپور یحیی، غلامی حمید، مرادی نوازله. استفاده از مدل‌سازی اجماعی جهت پیش‌بینی توزیع گونه‌ای آنغوزه(Ferula assa-foetida L.) ، در بخش‌هایی از جنوب ایران. مرتع. 1403; 18 (3) :451-466
گروه مهندسی منابع طبیعی دانشکده کشاورزی و منابع طبیعی دانشگاه هرمزگان، بندرعباس
چکیده: (453 مشاهده)
سابقه و هدف: یکی از تأثیرات مهم تغییر شرایط محیطی و تغییر اقلیم بر گیاهان، تغییر محدوده جغرافیایی آنها است. پیش‌بینی تأثیر آب و هوا بر توزیع گونه‌های گیاهی ارزشمند برای حفاظت منابع خاک و پوشش گیاهی ضروری است. با توجه به طاقت فرسا بودن و افزایش هزینه‌های بررسی میدانی، مدل‌سازی پیش‌بینی پراکنش گونه‌ای بهترین روش جهت بهره‌برداری مناسب و صیانت از گیاهان خصوصا گیاهان دارویی ارزشمند است. از این رو هدف از این تحقیق پیش‌بینی پراکنش گونه آنغوزه با مدل ترکیبی جهت مدیریت زیستگاه این گونه گیاهی ارزشمند است.
مواد و روش‌ها: نمونه‌برداری از نقاط حضور گونه آنغوزه در سال 1399 فصل‌های رویش این گونه با کمک GPS در منطقه مورد مطالعه انجام شد. داده‌های محیطی و داده‌های اقلیم از وبگاه‌های مربوط به آنها گرفته سپس با استفاده از پکیج RUSDMمشکل هم‌خطی داده‌ها برطرف شد. از 28 متغیر 14 متغیر فاقد مشکل هم‌خطی انتخاب و مدل‌سازی انجام شد. در مطالعه حاضر از 12 مدل استفاده (ANN, FDA, CTA, GLM, GAM, GBM, MARSE, SARE, RF, XGBOOST, MaxENT,MaxNET) شد. این مدل‌ها در ابتدا به صورت تک سنجیده و سپس بر اساس منحنی‌های ROC و TSSمورد ارزیابی قرار گرفتند. سپس مدل‌ها ترکیب و با TSSبالای 94/0 مدل‌سازی ترکیبی ادامه یافت. درصد اهمیت نسبی متغیرها هم در مدل‌های تک و هم در مدل‌های ترکیبی مورد بررسی قرار گرفت. در ادامه نتایج مدل‌های ترکیبی اساس بررسی نتایج این پژوهش قرار گرفت. در مدل‌های ترکیبی از چهار الگوریتم EMca, EMci, EMmean, EMcv استفاده شد. در ادامه فرایند مدل‌سازی با چهار الگوریتم مورد تجزیه و تحلیل قرار گرفت. این پژوهش با استفاده از نرم‌افزار برنامه‌نویسی R و پکیج Biomod2استفاده شد.
نتایج: نتایج به‌دست آمده از بررسی دقت مدل‌های تک براساس معیارهای ROC و TSSمدل RF (جنگل تصادفی) دقت بالایی را نشان داد و دقت مدل‌های ترکیبی با TSS بالا 94/0 اساس کار این پژوهش قرار گرفت. درصد اهمیت نسبی متغیرها نشان داد bio19, bio18, bio4 و soil-clay (رس خاک) بیشترین اهمیت را در مدل‌سازی دارند. Bio19 بارش سردترین فصل به میزان 40 درصد بیشترین تاثیر و جهت شیب 06/0 کم‌ترین تاثیر را نشان می‌دهد. می‌توان گفت این گونه از نظر bio19 به میزان زیادی اختصاصی عمل می‌کند. بنابراین bio19 برای مدل‌سازی این گونه ارزشمند است. نرخ مشارکت کل بارش 1/13درصد، نرخ مشارکت کل دما 7/2 درصد، نرخ مشارکت کل شاخص (شاخص نرمال شده پوشش گیاهی) NDVI 4/0 درصد، نرخ مشارکت کل متغیر خاک 5/4 درصد و نرخ مشارکت کل (توپوگرافی) SRTM2/0 درصد است، در این مقادیر احتمال حضور گونه آنغوزه بیشتر است. سپس بررسی مطلوبیت زیستگاه این گیاه، نقشه واضحی از 4 الگوریتم مدل ترکیبی به‌دست آمد. نتایج نشان داد رویش این گونه در قسمت‌های مرتفع و کوهستانی دارای بارش زیاد است متناسب است. این نتایج در قسمت‌های شمال هرمزگان و جنوب استان فارس شهرستان لار است این قسمت‌ها دارای آب و هوای گرم و منتهی به کوهستان است.
نتیجه‌گیری: نتایج به‌دست آمده در این پژوهش نشان داد مدل‌های اجماعی عملکرد بهتری برای هر یک از اهمیت نسبی متغیرها، منحنی‌های پاسخ و مطلوبیت زیستگاه گونه آنغوزه، نسبت به مدل‌های تک دارند. نتایج مدل‌سازی مجموعه ما نقشه‌های با وضوح بسیار بالا از احتمال وقوع گونه‌ها را پیش‌بینی کرد. نتایج ما مبنای علمی مهمی برای حفاظت، معرفی و استفاده بهینه برای پیش‌بینی امکان این گونه در منطقه مورد مطالعه با توجه به اینکه تاکنون در این مناطق به این موضوع پرداخته نشده، فراهم می‌کند.
مواد و روش‌ها: نمونه‌برداری از نقاط حضور گونه آنغوزه در سال 1399 فصل‌های رویش این گونه با کمک GPS در منطقه مورد مطالعه انجام شد. داده‌های محیطی و داده‌های اقلیم از وبگاه‌های مربوط به آنها گرفته سپس با استفاده از پکیج RUSDMمشکل هم‌خطی داده‌ها برطرف شد. از 28 متغیر 14 متغیر فاقد مشکل هم‌خطی انتخاب و مدل‌سازی انجام شد. در مطالعه حاضر از 12 مدل استفاده (ANN, FDA, CTA, GLM, GAM, GBM, MARSE, SARE, RF, XGBOOST, MaxENT,MaxNET) شد. این مدل‌ها در ابتدا به صورت تک سنجیده و سپس بر اساس منحنی‌های ROC و TSSمورد ارزیابی قرار گرفتند. سپس مدل‌ها ترکیب و با TSSبالای 94/0 مدل‌سازی ترکیبی ادامه یافت. درصد اهمیت نسبی متغیرها هم در مدل‌های تک و هم در مدل‌های ترکیبی مورد بررسی قرار گرفت. در ادامه نتایج مدل‌های ترکیبی اساس بررسی نتایج این پژوهش قرار گرفت. در مدل‌های ترکیبی از چهار الگوریتم EMca, EMci, EMmean, EMcv استفاده شد. در ادامه فرایند مدل‌سازی با چهار الگوریتم مورد تجزیه و تحلیل قرار گرفت. این پژوهش با استفاده از نرم‌افزار برنامه‌نویسی R و پکیج Biomod2استفاده شد.
نتایج: نتایج به‌دست آمده از بررسی دقت مدل‌های تک براساس معیارهای ROC و TSSمدل RF (جنگل تصادفی) دقت بالایی را نشان داد و دقت مدل‌های ترکیبی با TSS بالا 94/0 اساس کار این پژوهش قرار گرفت. درصد اهمیت نسبی متغیرها نشان داد bio19, bio18, bio4 و soil-clay (رس خاک) بیشترین اهمیت را در مدل‌سازی دارند. Bio19 بارش سردترین فصل به میزان 40 درصد بیشترین تاثیر و جهت شیب 06/0 کم‌ترین تاثیر را نشان می‌دهد. می‌توان گفت این گونه از نظر bio19 به میزان زیادی اختصاصی عمل می‌کند. بنابراین bio19 برای مدل‌سازی این گونه ارزشمند است. نرخ مشارکت کل بارش 1/13درصد، نرخ مشارکت کل دما 7/2 درصد، نرخ مشارکت کل شاخص (شاخص نرمال شده پوشش گیاهی) NDVI 4/0 درصد، نرخ مشارکت کل متغیر خاک 5/4 درصد و نرخ مشارکت کل (توپوگرافی) SRTM2/0 درصد است، در این مقادیر احتمال حضور گونه آنغوزه بیشتر است. سپس بررسی مطلوبیت زیستگاه این گیاه، نقشه واضحی از 4 الگوریتم مدل ترکیبی به‌دست آمد. نتایج نشان داد رویش این گونه در قسمت‌های مرتفع و کوهستانی دارای بارش زیاد است متناسب است. این نتایج در قسمت‌های شمال هرمزگان و جنوب استان فارس شهرستان لار است این قسمت‌ها دارای آب و هوای گرم و منتهی به کوهستان است.
نتیجه‌گیری: نتایج به‌دست آمده در این پژوهش نشان داد مدل‌های اجماعی عملکرد بهتری برای هر یک از اهمیت نسبی متغیرها، منحنی‌های پاسخ و مطلوبیت زیستگاه گونه آنغوزه، نسبت به مدل‌های تک دارند. نتایج مدل‌سازی مجموعه ما نقشه‌های با وضوح بسیار بالا از احتمال وقوع گونه‌ها را پیش‌بینی کرد. نتایج ما مبنای علمی مهمی برای حفاظت، معرفی و استفاده بهینه برای پیش‌بینی امکان این گونه در منطقه مورد مطالعه با توجه به اینکه تاکنون در این مناطق به این موضوع پرداخته نشده، فراهم می‌کند.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
