TY - JOUR JF - rangelandj JO - مرتع VL - 16 IS - 3 PY - 2022 Y1 - 2022/11/01 TI - Prediction of Plant Species Boibiversity using Generalized Linear Model (GLM) and Boosted Regression Tree (BRT) in Eastern Rangelands of Mazandaran TT - پیش‌بینی شاخص‌های تنوع گونه‌‌ای گیاهان با مدل خطی تعمیم یافته (GLM) و مدل درخت رگرسیون تقویت شده (BRT) در مراتع شرق استان مازندران N2 - چکیده سابقه و هدف: پیش­بینی الگوهای غنا و تنوع زیستی برای ایجاد استراتژی‌های حفاظت از تنوع تحت تغییرات محیطی منطقه­ای و جهانی مورد استفاده هستند لذا، مطالعه آنها به مدیریت مراتع کمک خواهد کرد. از آنجایی که مدل‌سازی پراکنش گونه‌های گیاهی می‌تواند اطلاعات کاربردی و با اهمیتی در راستای شناسایی و معرفی زیستگاه­های بالقوه گونه‌های گیاهی ارائه نماید و هم­چنین مطالعات کمی در زمینه‌ی مدل‌سازی غنای گونه‌ای با کمک متغیرهای محیطی در ایران صورت گرفته است، بنابراین مطالعه مدل‌سازی غنای گونه­ای در مدیریت پوشش گیاهی مراتع دارای اهمیت و ضرورت است که هدف تحقیق حاضر است. مواد و روش­ها: چنین بررسی در مراتع سرخ گریوه منطقه هزار جریب بهشهر با مساحت 2620 هکتار انجام شد. برای نمونه‌برداری از پوشش گیاهی و خاک از روش طبقه‌بندی تصادفی-سیستماتیک استفاده شد. در مجموع 260 پلات یک متر مربعی در منطقه مستقر گردید. در هر پلات لیست گونه‌ها، درصد پوشش گونه‌ها، درصد لاشبرگ، سنگ و سنگریزه و تعداد گونه یادداشت گردید. سه نمونه خاک از عمق 30-0 سانتی‌متری در طول هر ترانسکت برداشت و در آزمایشگاه برخی ویژگی­های فیزیکی و شیمیایی اندازه­گیری شدند. متغیر‌های فیزیوگرافی در نرم افزار Arc GIS تعیین شدند. متغیرهای اقلیمی برای دوره آماری 15 ساله (1995-2010) جمع­آوری شدند. متغیر­های اقلیمی پیش­بینی­گر در این تحقیق شامل رطوبت نسبی سالانه، میانگین دمای سالانه و میانگین بارندگی سالانه بودند. ویژگی­های فیزیکی و شیمیایی خاک نیز شامل درصد رطوبت، شن، رس و سیلت، pH، EC، کربن آلی، نیتروژن، فسفر و پتاسیم استفاده شد. پیش بینی شاخص­های تنوع گونه‌‌ای گیاهان با دو روش: مدل­ خطی تعمیم یافته (GLM)، مدل­ درخت رگرسیون تقویت شده (BRT)، انجام پذیرفت. آنالیز اهمیت متغیرهای محیطی برای مدل GLM و مدل BRT در بسته biomode2 انجام ­شدند. برای ارزیابی مدل­ها از ضریب تبیین R2 و RMSE استفاده شد. برای مقایسه عملکرد دو مدل از معیار سطح زیر منحنی (AUC) استفاده شد. نتایج: نتایج مدل GLMنشان داد به ترتیب ارتفاع، سیلت، میانگین بارندگی سالانه، نیتروژن و میانگین رطوبت سالیانه موثرترین عوامل محیطی تاثیرگذار بر غنای گونه­ای بودند. هم چنین در مدل BRT نتایج بیانگر این مطلب است که به ترتیب متغیرهای ارتفاع، اسیدیته خاک، میانگین رطوبت سالانه و رس بیش‌ترین اهمیت را در غنای گونه­ای دارند. نتایج مدل GLM نشان داد که از بین شاخص‌های غنا و تنوع گونه‌ای، بالاترین R2 مربوط به شاخص غنا به مقدار 33/0 بوده است. همچنین مهم‌ترین متغیرهای تأثیر‌گذار بر این شاخص‌ نیتروژن، اسیدیته، هدایت الکتریکی، بارندگی، رطوبت بودند نتایج مدل BRT نشان داد که از بین شاخص‌های بررسی شده بالاترین R2 مربوط به شاخص تنوع شانون به میزان 37/0 بود. همچنین مهم‌ترین متغیرهای تأثیر‌گذار بر این شاخص‌ نیتروژن، ارتفاع، درصد رس و رطوبت بودند. در مجموع با توجه به نتایج به دست آمده از پژوهش حاضر اینطور بر می­آید که پارامترهای محیطی تاثیرگذار بر غنا توسط مدل GLM، شامل ارتفاع، میانگین بارندگی سالانه، میانگین رطوبت سالیانه، نیتروژن و سیلت و توسط مدل BRT، شامل ارتفاع، رطوبت سالیانه، اسیدیته و رس بودند. نتایج ارزیابی دو مدل نشان داد که سطح زیر منحنی (AUC) مدل GLM 61/0 و مدل BRT 72/0 بود که نشان می­دهد مدل BRT عملکرد بهتری در مدلسازی غنای گونه­ای در منطقه داشته است. نتیجه گیری: در این تحقیق نتایج بیانگر این مطلب بود که مدل­های مطالعه شده در یک مقیاس کوچک به خوبی جواب داده و با استفاده از مدلسازی می توان عوامل محیطی اثر گذار بر تنوع زیستی را تعیین نمود. پیشنهاد می­گردد که مدیران مراتع از نتایج تحقیق حاضر و تحقیقات مشابه استفاده کنند و برای عوامل محیطی تاثیرگذار بر پراکنش و غنای گونه­ای اهمیت ویژه­ای قائل شوند. SP - 468 EP - 480 AU - Mohamadi, Mandana AU - Jafarian, Zeinab AU - Tamartash, Reza AD - Department of Range Management, Faculty of Natural Resources, Sari Agricultural Sciences and Natural Resources University, Sari KW - Species distribution KW - Altitude KW - Soil KW - Climate KW - Modeling. UR - http://rangelandsrm.ir/article-1-1053-fa.html ER -