مدل سازی الگوی پراکنش جغرافیایی- اقلیمی کنه Tetranychus urticae در استان خراسان رضوی
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 133
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ARPP-11-2_004
تاریخ نمایه سازی: 4 بهمن 1401
Abstract:
چکیدهکنه تارتن دو لکه ایTetranychus urticae یکی از آفات همه جا زی بوده و به بسیاری از گیاهان در مزارع، باغ ها وگل خانه ها خسارت وارد می کند. شناخت پراکنش این کنه با استفاده از داده های اقلیمی کمک شایانی در جهت مدیریت بهتر این آفت می کند. تحقیق حاضر با استفاده از مدل مکسنت به بررسی پراکنش کنه تارتن دو لکه ای استان خراسان رضوی پرداخته است. این پژوهش با در نظر گرفتن تعدادی باغ میوه به عنوان ایستگاه نمونه برداری انجام شد. مدل سازی پراکنش این آفت با استفاده از شش متغیر اقلیمی شامل حداکثر دمای گرم ترین ماه سال، حداقل دمای سردترین ماه سال، متوسط دمای گرم ترین فصل سال، متوسط دمای سردترین فصل سال، بارش گرم ترین فصل سال و بارش سردترین فصل سال از میان ۱۹ متغیر اقلیمی و به همراه رکوردهای حضور گونه تهیه شد. برای ارزیابی نتیجه مدل سازی از تحلیل منحنی ROC و مساحت زیر منحنی AUC استفاده شد. با بهره گیری از آزمون جکنایف مشخص شد که متغیرهای حداقل دمای سردترین ماه سال، میانگین دمای سردترین فصل و بارش سردترین فصل در پراکنش کنه تارتن دو لکه ای در استان خراسان رضوی نقش بسزایی دارند و در این میان حداقل دمای سردترین ماه سال نقش بیشتری دارد. مقدار میانگین سطح زیر منحنی ROC برابر ۷۵/۰ بدست آمد که نشانگر دقت بالای مدل بدست آمده برای این گونه است. سطح زیر منحنی AUC برابر ۷۵/۰ و برای داده های به کار رفته در تعیین اعتبار مدل برابر ۶۵/۰ است که نشاندهنده قدرت تشخیص قابل قبول مدل است.کلمات کلیدی: پراکنش کنه تارتن دو لکه ای، مدل سازی، MaxEnt، متغیرهای اقلیمی
Keywords:
Authors
مریم رضائی
بخش تحقیقات جانورشناسی کشاورزی، موسسه تحقیقات گیاه پزشکی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران.
رضا جوان نژاد
مرکز تحصیلات تکمیلی، دانشگاه هوایی شهید ستاری، تهران، ایران.
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 :