پیش بینی پتانسیل توزیع گونه ای کفتار راه راه (Hyaena hyaena) در پاسخ به تغییرات اقلیمی در ایران

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 140

This Paper With 18 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_SCJS-15-4_014

تاریخ نمایه سازی: 11 آبان 1400

Abstract:

سابقه و هدف: گوشت خواران به خاطر جایگاه شان در راس هرم غذایی همواره در معرض تهدید قرار دارند. امروزه حدود ۶۵% از گوشت خواران در فهرست سرخ اتحادیه جهانی حفاظت، در رده خطر انقراض یا آسیب پذیر قرار گرفته اند .در مقیاس جهانی در راسته گوشت خواران، خانواده کفتارها از خانواده­هایی با تعداد گونه اندک (۴ گونه) محسوب می­شود. کفتار راه راه (Hyaena hyaena) تنها عضو این خانواده در ایران است و در رتبه نزدیک به تهدید ( (NTفهرست سرخ  IUCNقرار دارد. هدف از این پژوهش تهیه مدل توزیع گونه ای کفتار راه راه به عنوان یک گونه با پراکنش جغرافیایی گسترده در ایران است. مواد و روش ها: با استفاده از لایه های نوزده متغیر اقلیمی همبستگی بین متغییرها برای گونه کفتار راه راه تجزیه و تحلیل شد و متغیرهایی که همبستگی بیش از ۷۵/۰ داشتند، حذف شدند. در نهایت هشت مدل توزیع گونه ای در بسته آماری sdm (GLM, GAM, BRT, SVM, RF, MARS, CART, FDA) در نرم افزار R مورد استفاده قرار گرفت. با توجه به اینکه مدل های توزیع گونه ای همواره در معرض عدم قطعیت قرار دارند و این موضوعی است که نمی توان از آن چشم پوشی کرد، یک راه حل  برای برآورد تغییرات بین مدلی و کاهش عدم قطعیت در پیش بینی، استفاده از پیش بینی های ترکیبی به جای استفاده از یک روش مدل سازی واحد است. از این رو پس از تعیین پتانسیل های زیستگاهی کفتار راه راه توسط هشت مدل مذکور، بهترین مناطق برای پراکنش این گونه در ایران با بهره گیری از مدل ترکیبی (Ensemble) مشخص شد. نتایج و بحث: یافته های این بررسی نشان داد متغیر های دمای متوسط سالانه، بارش فصلی، بارش گرم ترین فصل از اهمیت بالایی برخوردارند و در مجموع مدل های FDA ، GAM، BRT،CART، GLM دارای قابلیت اعتماد در سطح خوب، مدل MARS دارای قابلیت اعتماد در سطح عالی و مدل های SVM و RF دارای قابلیت اعتماد بسیار عالی هستند. نتایج نشان داد مدل هایGLM, GAM, BRT, MARS,CART, RF عموما مناطق مرکزی ایران و مدل های SVM و FDA مناطق حاشیه ای دریای خزر را به عنوان بهترین مناطق برای توزیع گونه ای کفتار راه راه پیش بینی کرده اند، تفاوت در نتایج پیش بینی مدل ها تایید کننده عدم قطعیت بین مدل ها است از این رو ضرورت استفاده از روش ترکیبی آشکار می شود. نتایج مدل ترکیبی نشان داد مناسب ترین مناطق برای پراکنش کفتار راه راه مناطق نیمه خشک و استپی مرکزی ایران است. نتیجه گیری: به تازگی از  SDMsبرای تخمین گستره حضور گونه ها و همچنین کشف اثرات تغییر اقلیم بر توزیع آنها استفاده می شود و در میان این مد ل ها استفاده از رویکرد مدل سازی ترکیبی راه حل مناسبی برای کاهش عدم قطعیت پیش بینی در مدل سازی توزیع گونه ای محسوب می شود، بنابراین نتایج این پژوهش علاوه بر پیش بینی توزیع مکانی کفتار راه راه به نوبه خود می تواند به اقدامات مدیریتی حفاظت این گونه نیز کمک کند.

Keywords:

کفتار راه راه ( Hyaena hyaena ) , مدلهای توزیع گونه ای , بسته آماری sdm , تغییرات اقلیمی , مدل ترکیبی

Authors

الهام ابراهیمی

گروه تنوع زیستی و مدیریت اکوسیستم ها، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی، تهران، ایران

فراهم احمد زاده

گروه تنوع زیستی و مدیریت اکوسیستم ها، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی، تهران، ایران

بابک نعیمی

گروه علوم محیط زیست، انستیتو تکنولوژی فدرال زوریخ، دانشگاه زوریخ ( ETH Zurich ) ، سوئیس

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 :
  • Akhani, H. ۱۹۹۸., Plant biodiversity of Golestan National Park, Iran, ...
  • Araújo, M. B. and New, M., ۲۰۰۷. Ensemble forecasting of ...
  • Beale, C.M. and Lennon, J.J., ۲۰۱۲. Incorporating uncertainty in predictive ...
  • Bosso, L., Russo, D., Di Febbraro, M., Cristinzio, G. and ...
  • Breckle, S.W., ۲۰۰۲. Salt deserts in Iran and Afghanistan. Barth ...
  • Breiman, L., ۲۰۰۱. Random forests. Machine learning. ۴۵(۱), ۵-۳۲ ...
  • Breiman, L., Friedman, J., Stone, C. J., and Olshen, R. ...
  • Brown, C. A., Jackson, G. A., Holt, S. A., & ...
  • Estuarine, Coastal and Shelf Science, ۶۴(۱), ۳۳-۴۶ ...
  • Channell, R. and Lomolino, M.V., ۲۰۰۰. Trajectories to extinction: spatial ...
  • Clemens, R. S., Herrod, A., and Weston, M. A., ۲۰۱۴. ...
  • Clemens, R. S., Weston, M. A., Haslem, A., Silcocks, A., ...
  • Elith, J., Phillips, S. J., Hastie, T., Dudik, M., Chee, ...
  • Falcucci, A., Maiorano, L. and Boitani, L., ۲۰۰۷. Changes in ...
  • Franklin, J., ۲۰۱۰. Mapping species distributions: spatial inference and prediction. ...
  • Friedman, J. H., ۲۰۰۱. Greedy function approximation: A gradient boosting ...
  • Gage GS, Brooke MD, Symonds MRE, Wege D., ۲۰۰۴. Ecological ...
  • Giovanelli, J. G., de Siqueira, M. F., Haddad, C. F. ...
  • Hampe, A., and Petit, R. J., ۲۰۰۵. Conserving biodiversity under ...
  • Hanski, I., ۱۹۹۸. Metapopulation dynamics. Nature. ۳۹۶, ۴۱–۴۹ ...
  • Harris G, Pimm SL., ۲۰۰۷. Range size and extinction risk ...
  • Hastie, T., and Tibshirani, R. J., ۱۹۹۰. Generalised additive models ...
  • Hastie, T., Tibshirani, R., and Buja, A., ۱۹۹۴. Flexible discriminant ...
  • Houghton McNab BK., ۲۰۰۳. Metabolism ecology shapes bird bioenergetics. Nature. ...
  • IPCC., ۲۰۱۳. Summary for Policymakers. In: Climate Change ۲۰۱۳: The ...
  • Stocker, T. F., Qin, D., Plattner, G. K., Tignor, M., ...
  • Jafari, M. K., Asghari, A. and Rahmani, I., ۱۹۹۷. Empirical ...
  • Jetz W, C Rahbek RK, Colwell., ۲۰۰۴. The coincidence of ...
  • Karami, M., Ghadirian, T and Faizolahi, K., ۲۰۱۲. The Atlas ...
  • Karami, M., Riazi, B, and Kalani, N., ۲۰۰۸. Investigating the ...
  • Ko, C. Y., Murphy, S. C., Root, T. L. and ...
  • Lee, S., and Oh, H. J., ۲۰۱۲. Ensemble-based landslide susceptibility ...
  • Malekian, M. and Bagheri., R., ۲۰۱۵. Investigating birds' diversity and ...
  • Maurer, B.A. and Taper, M.L., ۲۰۰۲. Connecting geographical distributions with ...
  • McCullagh, P. and Nelder, J. A., ۱۹۸۹. Generalized linear models. ...
  • McNab BK., ۲۰۰۳. Metabolism ecology shapes bird bioenergetics. Nature. ۴۲۶, ...
  • Miller SP, Whalen MW, Cofer DD., ۲۰۱۰. Software model checking ...
  • Naimi, B. and Araújo, M. B., ۲۰۱۶. sdm: a reproducible ...
  • Parmesan, C. and Yohe, G., ۲۰۰۳. A globally coherent fingerprint ...
  • Phillips, S.J., Anderson, R.P. and Schapire, R.E., ۲۰۰۶. Maximum entropy ...
  • Pimm, S.L. and Lawton, J.H., ۱۹۹۸. Planning for biodiversity. Science. ...
  • Platts, P. J., McClean, C. J., Lovett, J. C. and ...
  • Pounds, J.A, Bustamante, M.R., Coloma, L.A, Consuegra, J.A., Fogden, M.P., ...
  • Pounds, J.A, Fogden, M.P.L. and Campbell, J.H., ۱۹۹۹. Biological response ...
  • Pulliam, H.R., ۱۹۸۸. Sources, sinks and population regulation. The American ...
  • Pulliam, H.R., ۲۰۰۰. On the relationship between niche and distribution. ...
  • Renner, I. W. and Warton, D.I., ۲۰۱۳. Equivalence of MAXENT ...
  • Ricklefs, R.E. and Schluter, D., ۱۹۹۳. Species diversity in ecological ...
  • Rokach, L., ۲۰۱۰. Ensemble-based classifiers. Artificial Intelligence Review, ۳۳(۱-۲), ۱-۳۹ ...
  • Royle, J. A., Chandler, R. B., Yackulic, C., and Nichols, ...
  • Scharlemann, J.P., Green, R.E. and Balmford, A., ۲۰۰۴. Land‐use trends ...
  • Shoo, L.P, Williams, S.E. and Hero, J.M., ۲۰۰۵. Climate warming ...
  • Smeraldo, S., Di Febbraro, M., Ćirović, D., Bosso, L., Trbojević, ...
  • Sodhi, N. S., Koh, L. P., Brook, B. W., and ...
  • Svenning, J.C. and Skov, F., ۲۰۰۷. Could the tree diversity ...
  • Vapnik, V., ۱۹۹۵. The nature of statistical learning theory. Springer ...
  • Williams, S.E., Bolitho, E.E. and Fox, S., ۲۰۰۳. Climate change ...
  • Yackulic, C.B., Chandler, R., Zipkin, E.F., Royle, J.A., Nichols, J.D., ...
  • Methods in Ecology and Evolution. ۴(۳), ۲۳۶-۲۴۳ ...
  • نمایش کامل مراجع