مدل سازی پراکنش و پیش بینی رویشگاه بالقوه گونه سرخدار (Taxus baccata L.) در جنگل های هیرکانی ایران
Publish place: Forest Research and Development، Vol: 5، Issue: 4
Publish Year: 1398
Type: Journal paper
Language: Persian
View: 118
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JFRD-5-4_001
Index date: 4 December 2023
مدل سازی پراکنش و پیش بینی رویشگاه بالقوه گونه سرخدار (Taxus baccata L.) در جنگل های هیرکانی ایران abstract
در این پژوهش با بهرهگیری از چهار روش مدل سازی متداول در ارزیابی رویشگاه بالقوه گونه ها (مدل های خطی و جمعی تعمیم یافته، درخت طبقهبندی و جنگل تصادفی) و نقشه متغیرهای زیست اقلیمی و توپوگرافی، نقشه مطلوبیت رویشگاه گونه سرخدار در جنگل های هیرکانی تهیه شد. ارزیابی مدل ها با استفاده از معیار AUC (GLM=۸۶۳/۰، GAM=۸۷۱/۰، CTA=۷۸۱/۰ و RF=۹۲۲/۰) نشان داد که مدل جنگل تصادفی دارای بهترین عملکرد است که در آن، درصد شیب مهم ترین و شاخص تابش خورشیدی کم اهمیت ترین متغیرها هستند. این پژوهش نشان داد که احتمال حضور گونه سرخدار در منطقه مورد بررسی از شیب ۳۰ درصد به بعد بیشتر می شود و بعدازآن ثابت می ماند. در شرایط کنونی، مساحت رویشگاه های مطلوب و بالقوه برای گونه سرخدار در حدود ۵/۱۰ درصد منطقه مورد بررسی را دربر می گیرد. نتایج این پژوهش نشان میدهد که در حال حاضر و شرایط اقلیمی کنونی، قسمتهای شرقی و مرکزی جنگل های شمال ایران پتانسیل بالاتری برای حضور گونه سرخدار دارند که این امر به مدیریت، احیا و حفاظت از این گونه با ارزش کمک خواهد کرد.
مدل سازی پراکنش و پیش بینی رویشگاه بالقوه گونه سرخدار (Taxus baccata L.) در جنگل های هیرکانی ایران Keywords:
مدل سازی پراکنش و پیش بینی رویشگاه بالقوه گونه سرخدار (Taxus baccata L.) در جنگل های هیرکانی ایران authors
- -
دانشکده منابع طبیعی دانشگاه تربیت مدرس
Kourosh Ahmadi
دانشکده منابع طبیعی دانشگاه تربیت مدرس
seyed Mohsen Hosseini
استاد گروه جنگلداری دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرس
Masoud Tabari
استاد گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس
Zahra Nouri
دانش آموخته دکترای جنگل - دانشگاه تهران
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 :