مقایسه مدل های پراکنش گونه ای (SDM) پارامتریک و غیر پارامتریک در تعیین رویشگاه گونه های غالب مرتعی (مطالعه موردی: مراتع خط ریز)
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 147
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJRDR-25-3_005
تاریخ نمایه سازی: 26 فروردین 1402
چکیده مقاله:
اکولوژیست ها و مدیران محیط زیست به طور فزاینده ای مدل های پیش بینی را به عنوان وسیله ای برای بررسی الگوهای پراکنش گونه ای تاکید می کنند. هدف تحقیق حاضر بررسی کارآمدی مدل خطی تعمیم یافته (GLM) و مدل جمعی تعمیم یافته (GAM) در تعیین روابط بین پوشش گیاهی و عوامل محیطی در مراتع خطه ریز است. شاخص های محیطی مطالعه شده شامل خصوصیات خاک (۱۵ مورد)، عوامل توپوگرافی (۳ مورد) و عوامل اقلیمی (۳ مورد) بودند. نمونه برداری با روش طبقه بندی- تصادفی مساوی صورت گرفت. سه گونه غالب در منطقه عبارتند از Bromus tomentollus،Ferula ovina و Agropyron repens تشخیص داده شدند. نتایج نشان داد در مدل GLM برای گونهFerula ovina متغیرهای فسفر و شیب تاثیرگذار بودند. برای گونه های Bromus tomentollus و Agropyron repens متغیرهای رطوبت سالانه، بارندگی، سیلت، و شیب تاثیر داشتند. در مدل GAM نیز در رابطه با گونهFerula ovina رطوبت در دسترس، سیلت و ماده آلی از عوامل تاثیرگذار بر پراکنش این گونه بودند. برای گونهBromus tomentollus سیلت، پتاسیم، اسیدیته و رطوبت سالانهدر پراکنش تاثیر داشتند. همچنین متغیرهای تاثیرگذار بر پراکنش گونه Bromus tomentollus در مدل GAM شیب و سیلت بوده اند. ارزیابی مدل با استفاده از ضرایب آماری سطح زیر منحنی (AUC) به ترتیب برای مدل های GLM و GAM ۶۳/۰ و ۷۰/۰ بودند که نشان دهنده دقت مدل قابل قبول و خوب می باشد.
کلیدواژه ها:
نویسندگان
منصوره کارگر
دانشجوی دکتری علوم مرتع، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
زینب جعفریان
دانشیار، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
رضا تمرتاش
استادیار، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
سید جلیل علوی
استادیار، گروه مرتع داری، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :