مدل سازی مطلوبیت رویشگاه گونه ملج (Ulmus glabra Huds.) در جنگل خیرود نوشهر

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 476

This Paper With 14 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_JWFST-24-3_005

تاریخ نمایه سازی: 11 آبان 1398

Abstract:

سابقه و هدف: گونه ملج یکی از گونه های با ارزش جنگل های شمال کشور می باشد که به دلیل دخالت بی رویه انسان و شیوع بیماری مرگ نارون در معرض خطر انقراض قرار دارد و باید به نحو شایسته ای از نابودی آن جلوگیری گردد، بنابراین حفظ و احیاء این گونه با ارزش امری ضروری است. یکی از مهم ترین ارکان مدیریتی در خصوص حفاظت و احیاء گونه های با ارزش، شناسایی رویشگاه های مطلوب آن گونه می باشد. مدل های پراکنش گونه ای یک الگوریتم تحلیلی- آماری به منظور شناخت روابط بین پراکنش گونه های گیاهی و عوامل محیطی می باشند که برای تعیین رویشگاه های مطلوب گونه ها مورد استفاده قرار می گیرند. هدف از این پژوهش پیش بینی حضور گونه ملج در جنگل خیرود نوشهر با استفاده از مدل های خطی و جمعی تعمیم یافته و تهیه نقشه مطلوبیت رویشگاه با استفاده از بهترین مدل است. مواد و روش ها: در مطالعه حاضر با بهره گیری از دو روش مدل سازی متداول در تهیه نقشه مطلوبیت رویشگاه، یعنی مدل های خطی و جمعی تعمیم یافته و نقشه خصوصیات اولیه و ثانویه توپوگرافی حاصل از مدل های رقومی زمین با اندازه تفکیک 5/12 متر، نقشه مطلوبیت رویشگاه ملج در جنگل خیرود نوشهر تهیه گردید. با استفاده از روش نمونه برداری بدون قطعه نمونه و اطلاعات آماربرداری، تعداد 873 پایه ملج ثبت شد. از آنجا که توپوگرافی یکی از فاکتورهای بسیار مهم در پراکنش گونه های گیاهی می باشد، خصوصیات اولیه (شیب، جهت، ارتفاع از سطح دریا، انحنای سطح زمین، شامل انحنای مسطح، انحنای پروفیلی و انحنای تانژانتی) و ثانویه (شاخص های رطوبت توپوگرافی، توان جریان، تابشی و حرارتی) توپوگرافی با استفاده از مدل رقومی زمین با دقت ارتفاعی 5/12 متر محاسبه گردید. با توجه به موجود بودن نقشه خاک شناسی، حاصلخیزی خاک و زمین شناسی منطقه مورد مطالعه، ارزش هر یک از این مشخصه های محیطی فوق در محل پایه ملج استخراج گردید. در مرحله بعد، با استفاده از دو روش مدل سازی خطی و جمعی تعمیم یافته، احتمال حضور گونه ملج در ارتباط با متغیرهای محیطی ذکر شده، مدل سازی گردید. یافته ها: ارزیابی مدل های مورد بررسی با استفاده از معیارهای سطح زیر منحنی، کاپا و آماره مهارت درست، نشان داد که مدل جمعی تعمیم یافته با مقدار سطح زیر منحنی برابر 78/0، مقدار کاپا برابر 44/0 و مقدار TSS برابر 44/0 درای عملکرد بهتری است. بر اساس ارزیابی اهمیت نسبی متغیرها در مدل جمعی تعمیم یافته، ارتفاع از سطح دریا و عمق دره، مهم ترین متغیرها در تعیین رویشگاه گونه ملج می باشند. مطالعه حاضر نشان داد که حدود 62 درصد منطقه موردمطالعه، دارای پتانسیل مطلوب برای گونه ملج می باشد. نتیجه گیری: نتایج حاصل از این مطالعه نشان داد که به علت شرایط رطوبتی، حرارتی، نوری و توپوگرافی مناسب موجود در میان بند و همچنین پتانسیل بالای این منطقه جهت حضور گونه ملج، این منطقه بهترین رویشگاه برای این گونه می باشد. نتایج و روش های به کار گرفته در این پژوهش می تواند در جهت کمک به تصمیمات مدیریتی در جهت حفاظت و احیاء گونه با ارزش ملج و همچنین سایر گونه های نادر و در معرض خطر، مورد استفاده واقع گردد.

Keywords:

رویشگاه های مطلوب , متغیرهای اولیه و ثانویه توپوگرافی , مدل خطی تعمیم یافته , مدل جمعی تعمیم یافته

Authors

عاطفه محمدی

دانشکده منابع طبیعی و علوم دریایی نور، دانشگاه تربیت مدرس

سید جلیل علوی

دانشکده منابع طبیعی و علوم دریایی - دانشگاه تربیت مدرس

سید محسن حسینی

دانشکده منابع طبیعی و علوم دریایی نور، دانشگاه تربیت مدرس

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 :
  • Aertsen, W., Kint, V., Van Orshoven, J., Özkan, K., and ...
  • ranking of different modelling techniques for prediction of site index ...
  • mountain forests. Ecological modelling, 221(8): 1119-1130. ...
  • Ahmadi, K., Alavi, S.J., and Tabari, M. 2015. Evaluation of ...
  • Lipsky.) Site Productivity using Generalized Additive Model (Case study: Tarbiat ...
  • University forest research station). Journal of Iranian Forest, 7(1): 17-32. ...
  • Alavi, S.J., Zahedi Amiri, Gh., Marvi Mohajer, M.R., and Noori, ...
  • of Ulmus glabra Huds. tree species related to physiographic factors ...
  • educational forest. Journal of Environmental Studies, 33(43): 93-100. (In Persian) ...
  • Ardakani, M.R. 2012. Ecology, Tehran University. Press, 340p. (In Persian) ...
  • Aspinall, R.J. 2002. Use of logistic regression for validation of ...
  • of vegetation species derived from high spatial resolution hyperspectral remotely ...
  • data. Ecological Modelling, 157(2): 301-312. ...
  • Auslander, M., Nevo, E., and Inbar, M. 2003. The effects ...
  • developmental instability and susceptibility to herbivores. Journal of Arid Environments, ...
  • Austin, M. 2007. Species distribution models and ecological theory: a ...
  • some possible new approaches. Ecological modelling, 200(1): 1-19. ...
  • Beauregard, F., and de Blois, S. 2014. Beyond a climate-centric ...
  • edaphic variables add value to distribution Models. PloS one, 9(3): ...
  • Bolandian, H. 1999. Knowing the forest. Imam Khomeini International University ...
  • Machine Learning ...
  • Bourque, C.P.A., and Bayat, M. 2015. Landscape Variation in Tree ...
  • Northern Iran Forests. PloS one, 10(4): 121-172. ...
  • Dormann, C.F., Schymanski, S.J., Cabral, J., Chuine, I., Graham, C., ...
  • A. 2012. Correlation and process in species distribution models: bridging ...
  • Journal of Biogeography, 39(12): 2119-2131. ...
  • Fahimipoor, A., Zarechahooki, M.A., and Tavili, A. 2010. The relationship ...
  • indicator species for environmental Pasture. Journal of Rangeland, 4(1): 23-32. ...
  • Ghahraman, A. 2009. Biodiversity of plant species in Iran, Tehran ...
  • Ghanbari, F., Shataei Jooibari, Sh., Azim Mohseni, M., Habashi, H. ...
  • topography and logistic regression in forest type spatial prediction Iranian ...
  • and Poplar Research, 19(1): 27-41. (In Persian) ...
  • Harrar, Ellwood S., and Harrar, J.G. 1962. Guide to southern ...
  • Hastie, T., and Tibshirani, R. 1986. Generalized additive models. Statistical ...
  • Matusick, G., Ruthrof, K.X., Brouwers, N.C., and Hardy, G.S.J. 2014. ...
  • influences the distribution of autumn frost damage on trees in ...
  • Eucalyptus forest. Trees, 28(5): 1449-1462. ...
  • Hill, M.J., Mathers, K.L., and Wood, P.J. 2015. The aquatic ...
  • of urban ponds in a medium-sized European town (Loughborough, UK). ...
  • Myers, N., Mittermeier, R.A., Mittermeier, C.G., Da Fonseca, G.A., and ...
  • Biodiversity hotspots for conservation priorities. Nature, 403(6772): 853-858. ...
  • Pfiffer, K. 1996. Schwizerisher forestkalender. Anhang. Zurich. Verlag Frauenfeld. 176p. ...
  • Piedallu, C., Gégout, J.C., Lebourgeois, F., and Seynave, I. 2016. ...
  • nitrogen availability, acidity and temperature all contribute to shaping tree ...
  • distribution in temperate forests. Journal of Vegetation Science, 27(2): 387-399. ...
  • Rahmani, A., Dehghani Shooraki, Y., Banch Shafie, Sh. 2009. Nutritional ...
  • Ulmus glabra Huds) trees in National Botanical Garden of Iran. ...
  • and Poplar Research, 17(1): 99-106. (In Persian) ...
  • Rossier, L. 2011. Predicting spatial patterns of functional traits. M.Sc. ...
  • Rovzar, C., Gillespie, T.W., Kawelo, K., McCain, M., Riordan, E.C., ...
  • Modelling the potential distribution of endangered, endemic Hibiscus brackenridgei on ...
  • to assess the impacts of climate change and prioritize conservation ...
  • Conservation Biology, 19(2): 156-168. ...
  • R Core Team (2016). R: A language and environment for ...
  • Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/. ...
  • Sousa-Silva, R., Alves, P., Honrado, J., and Lomba, A. 2014. ...
  • reporting on rare and endangered species through species distribution models. ...
  • Ecology and Conservation, 2: 226-237. ...
  • Vedel, H., and Lange, J. 1960. Trees and bushes in ...
  • Virkkala, R., Marmion, M., Heikkinen, R.K., Thuiller, W., and Luoto, ...
  • range shifts of northern bird species: influence of modelling technique ...
  • Oecologica, 36(3): 269-281. ...
  • Yee, T.W., and Mitchell, N.D. 1991. Generalized additive models in ...
  • of vegetation science, 2(5): 587-602. ...
  • Zahedi Amiri, Gh., Alavi, S.J., Marvi Mohajer, R., and Nouri, ...
  • effects of some soil properties on spatial dispersion of Wych ...
  • Hyrcanian forest, Case study: Kheyroudkenar forest. Journal of the Iranian ...
  • Resources, 61(3): 637-652. (In Persian) ...
  • نمایش کامل مراجع