Journal of Rangeland

fa کاربرد روش رگرسیون لوجستیک در تهیه نقشه پیش‌بینی پراکنش رویشگاه گونه‌های گیاهی (مطالعه موردی: مراتع بخش خلجستان استان قم) Developing predictive distribution map of plant species habitats using logistic regression (Case study: Khalajestan rangelands of Qum province) تخصصي Special پژوهشي Research این پژوهش با هدف ارزیابی توانایی روش رگرسیون لوجستیک در مشخصکردن شرایط محیطی مؤثر در حضور گونههای گیاهی و شناسایی مناطق مناسب برای استقرار این گونهها انجام شد. بعد از مشخصکردن واحدهای همگن بومشناختی در هر رویشگاه، با استفاده از نقشه‌های شیب، جهت، ارتفاع و زمینشناسی با مقیاس 1:25000، نمونهبرداری از پوشش گیاهی بهروش تصادفی - سیستماتیک از طریق پلات‌گذاری در امتداد 4 ترانسکت 200 و1000 متری به صورت عمود بر هم انجام شد. سطح پلات‌ها با توجه به نوع گونه‌های موجود، بهروش سطح حداقل بین 2 تا 25 مترمربع و تعداد آنها با توجه به تغییرات پوشش گیاهی و روش آماری 60 پلات تعیین شد. برای نمونهبرداری از خاک نیز در هر رویشگاه، هشت پروفیل حفر و از دو عمق 30-0 و80-30 سانتیمتری نمونه گرفته شد. نقشههای پیشبینی رویشگاه گونههای گیاهی با استفاده از مدلهای پیشبینی حاصل و عوامل موجود در آنها تهیه شد. بعد از تعیین آستانه بهینه حضور، میزان تطابق نقشههای طبقهبندیشده با نقشههای واقعی پوشش، با استفاده از ضریب کاپا و آماره واقعی عملکرد اندازهگیری شد. بر اساس مدلهای حاصل، نوع سازند زمین‌شناسی، درصد سنگریزه، بافت خاک، اسیدیته و آهک بیشترین نقش را در پراکنش جوامع گیاهی مورد مطالعه دارند. بر اساس نتایج حاصل، میزان تطابق نقشههای پیشبینی حاصل از مدل‌ها با نقشه واقعی برای رویشگاهAmygdalus scoparia ، عالی؛ برای رویشگاههای Scariola orientalis-Stipa barbata  وPteropyrum olivieri- Stipa barbata ، خوب و برای رویشگاه Artemisia aucheri–Astragalus glaucacanthus، متوسط ارزیابی شد. بر اساس این نتایچ، روش گرسیون لوجستیک برای رویشگاه گونه Amygdalus scoparia که دارای شرایط رویشگاهی منحصر به فردی است، مدل پیشبینی با دقّت بالاتری را ارائه داد. برای سایر رویشگاههای مورد بررسی، بهدلیل دامنه بومشناختی گسترده آنها، دقّت مدل‌های پیش‌بینی بهدست آمده پایینتر بود. This study was conducted to evaluate the ability of logistic regression to specify the environmental condition affecting the presence of selected plant species, and identifying suitable areas for the establishment of these species. Some sites with relatively homogeneous ecological conditions were identified by overlaying slope, aspect, elevation and geology maps (1: 25000 scales). Vegetation sampling was carried out using random- systematic method, and 60 plots were established along four transects with 200-1000 meters length in each site. The appropriate plot sizes were determined from 2 to 25 m2 using Minimal Area Method. Soil samples were collected from eight soil profiles in each site from 0-30 cm and 30-80 cm depths from soil surface. Predictive maps of plant species habitats were produced using Logistic regression method. Optimal environmental condition of selected plant species were determined and predictive performance of the produced potential maps were assessed using kappa coefficient and the True skill Static. According to the results, geological formation, percent gravel, soil texture, acidity and lime contents were identified as the most important factors controlling distribution of plant communities in the study area. The accuracy of produced predictive maps for Amygdalus scoparia was very good, for Scariola orientalis- Stipa barbata and Pteropyrum olivieri- Stipa barbata were good and for Artemisia aucheri- Astragalus glaucacanthus vegetation habitats was moderate. The results showed that the logistic regression models, provides high accuracy predictive model for Amygdalus scoparia habitat due to its exclusive habitat conditions. The accuracies of the produced maps for other vegetation habitats were lower than Amygdalus scoparia because they had more wider ecological spectrum. مدل پیش‌بینی, آستانه بهینه, رگرسیون لوجستیک, روش حساسیّت و اختصاصیّت برابر, ضریب کاپا. Prediction model, optimal threshold, Logistic regression method, equal sensitivity and specificity, kappa. 222 234 http://rangelandsrm.ir/browse.php?a_code=A-10-1-61&slc_lang=fa&sid=1 Hossein Piri sahragard حسین پیری صحراگرد hpirys@uoz.ac.ir 10031947532846002628 10031947532846002628 Yes University of Zabol دانشگاه زابل Mohammad Ali Zare Chahuoki محمدعلی زارع چاهوکی 10031947532846002629 10031947532846002629 No University of Tehran پردیس کشاورزی و منابع طبیعی دانشگاه تهران Hossein Azarnivand حسین آذرنیوند 10031947532846002630 10031947532846002630 No University of Tehran پردیس کشاورزی و منابع طبیعی دانشگاه تهران