مدل سازی مکانی توزیع گونه ای و پیش بینی پتانسیل پراکنش قورباغه پادراز جنگلی ایران
Publish place: Remote Sensing and Iran GIS، Vol: 10، Issue: 2
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 328
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GIS-10-2_007
تاریخ نمایه سازی: 9 آبان 1400
Abstract:
امروزه مشخص شده پیشبینی پتانسیل توزیع گونههای در خطر انقراض با استفاده از روشهای مدلسازی به شدت سودمند بوده و استفاده از این روشها کمک بزرگی به حفاظت و مدیریت اکولوژیکی میکند. قورباغه پادراز جنگلی (Rana pesudodalmatina) از جمله گونههای بومی انحصاری ایران است. در این مطالعه اطلاعات حضور قورباغه پا دراز جنگلی از طریق پایش میدانی در زیستگاههای فعلی گونه گردآوردی گردید و ۱۹ متغیر اقلیمی از پایگاه داده Worldclim استخراج شد. در مرحله بعدی با استفاده از آزمون همبستگی پیرسون، همبستگی بین متغیرهای اقلیمی با ضریب همبستگی ۰.۷۵ مورد سنجش قرار گرفت و سپس متغیرهای دارای همبستگی بالا از فرآیند مدلسازی حذف شدند. مدلسازی توزیع گونهای قورباغه پا دراز جنگلی با استفاده از بسته آماری sdm که شامل مدلهای GLM، GAM، RF، MARS، CART، FDA، BRT و SVM میباشد در محیط نرمافزارR انجام شد. در نهایت با استفاده از مدلسازی ترکیبی[۱] به عنوان یک فرآیند سنتز نتایج مدلهای فردی برای افزایش دقت قدرت پیشبینی، یک نقشه ترکیبی جامع بهدست آمد. نتایج حاصل از مدل ترکیبی برای تعیین پتانسیلهای زیستگاهی قورباغه پا دراز جنگلی در ایران پیشبینی میکند در شرایط اقلیمی حاضر جنگلهای هیرکانی دارای حداکثر پتانسیل توزیع برای این گونه هستند. همچنین از نتایج ارزیابی مدلها نشان داد شاخص AUC و TSS وضعیت بهتری داشته و مدل SVM بیشترین درجه اعتبار است. علاوه بر این نتایج حاصل از سنجش اهمیت هر یک از متغیرها نشان داد BIO۶ بیشترین و BIO۱۹ کمترین اهمیت را برای این گونه دارند.
Keywords:
Authors
فراهم احمد زاده
استادیار پژوهشکده علوم محیطی
نگار امیری
دانش آموخته کارشناسی ارشد تنوع زیستی و مدیریت اکوسیستم ها، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی
الهام ابراهیمی
دانش آموخته پژوهشکده علوم محیطی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :