مدل‌سازی پراکنش تیپ‌های گیاهی با استفاده از روش آنتروپی حداکثر (مطاالعه موردی: مراتع غرب شهرک صنعتی اشتهارد)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استاد، گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی دانشگاه تهران، کرج، ایران

2 کارشناس ارشد مرتعداری، گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی دانشگاه تهران، کرج، ایران

3 استاد دانشکده گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی دانشگاه تهران، کرج، ایران

چکیده

این پژوهش با هدف مدل‌سازی پراکنش تیپ‌های گیاهی مراتع غرب شهرک صنعتی اشتهارد با روش آنتروپی حداکثر و تعیین عوامل موثر بر حضور هر تیپ انجام شد. اطلاعات پوشش گیاهی و عوامل محیطی شامل خاک و توپوگرافی جمع‌آوری و سپس نقشه تیپ‌بندی اولیه با استفاده از نقشه‌های شیب و جهت و ارتفاع در مقیاس 1:25000و تصاویر ماهواره‌ای تهیه شد. در هر سایت، سه ترانسکت 750 متری، دو ترانسکت در جهت شیب و یک ترانسکت عمود بر جهت شیب مستقر شد. 45 پلات نمونه‌برداری با فواصل 50 متری در امتداد هر ترانسکت قرار داده شد. اندازه پلات‌ نمونه‌برداری باتوجه به نوع و پراکنش گونه‌های گیاهی به روش سطح حداقل، سطح مستطیلی شکل 2 مترمربعی تعیین گردید. در هر پلات فهرست گونه‌های موجود و درصد پوشش گیاهی تعیین شد. در ابتدا و انتهای هر ترانسکت پروفیل خاک حفر و نمونه‌برداری از دو عمق 20-0 و 80-20 سانتی‌متر انجام شد. برای هر واحد نمونه‌برداری، اطلاعات طول و عرض جغرافیایی، شیب، جهت و ارتفاع از سطح دریا نیز تعیین شدند. نقشة متغیرهای محیطی با استفاده از سیستم اطلاعات جغرافیایی و زمین آمار تهیه شد. سپس نقشه‌های پیش‌بینی مربوط به پراکنش تیپ‌های گیاهی با استفاده از روش مدل‌سازی آنتروپی حداکثر تهیه و میزان تطابق نقشه‌های پیش‌بینی با نقشه‌های واقعی با استفاده از ضریب کاپا و دقّت مدل‌های حاصل با استفاده اAUC مورد ارزیابی قرار گرفت. بر اساس ضریب کاپای حاصل از مقایسه نقشه‌ها، میزان تطابق نقشه‌های پیش‌بینی و واقعی برای تیپ Pteropyrum olivieri در سطح خیلی خوب (ضریب کاپا 7/0) و برای تیپ‌های Halocnemum strobilaceum, Salsola richteri‏-Artemisia sieberi, Artemisia sieberi و Artemisia sieberi–Stipa barbata در سطح خوب (ضرایب کاپای 66/0، 64/0، 57/0 و 66/0) ارزیابی شد.

کلیدواژه‌ها


عنوان مقاله [English]

Habitat distribution modeling of plant species using Maximum Entropy Method (Case study:Rangelands of Eshtehard)

نویسندگان [English]

  • Mohammad Ali Zare Chahooki 1
  • Narges Naseri Hesar 2
  • Mohammad Jafary 3
1 Professor, Department of Reclamation of Arid and Mountainous Regions, Natural Resources Faculty, University of Tehran, Tehran, Iran
2 Former M.Sc. in Range Management, Department of Reclamation of Arid and Mountainous Regions, Natural Resources Faculty, University of Tehran, Iran
3 Professor, Department of Reclamation of Arid and Mountainous Regions, Natural Resources Faculty, University of Tehran, Iran
چکیده [English]

     The study was performed with the aim of modeling the distribution habitats of Eshtehard rangelands using Maximum Entropy Method and determining the factors affecting each habitat. Vegetation and environmental data including soil characteristics and topography were collected. The initial map was prepared based on slope, elevation and direction maps and satellite images. At each site, three transects with a length of 750 m were established, two transects along the most important environmental gradients and one transect perpendicular to them. A number of 45 plots along each transect was placed at a distance of 50 meters. The size of plot sampling was determined to be two square meters according to the type and distribution of plant species with minimal area method. Soil profiles were dug at the beginning and end of each transect. Sampling was done from the depths of 0-20 cm and 20-80 cm. The list of species and the percentage of vegetation in each plot were determined. For each sampling unit, the latitude and longitude data, slope, direction, and elevation were also determined. Then the desired characteristics were measured in the laboratory. GIS and Geostatistics methods were used to map the environmental variables. The species distribution models were produced using the species presence data and Maximum Entropy Method (Maxent). The Kappa coefficient index and the area under the curve (AUC) were used to evaluate the accuracy of the distribution maps. The agreements of actual and predicted maps for Pteropyrum olivieri was well (K=0/7) and it was acceptable for Halocnemum strobilaceum, Salsola richteri‏-Artemisia sieberi, Artemisia sieberi, Artemisia sieberiStipa barbata (K=0/66, 0/64, 0/57, 0/66).

کلیدواژه‌ها [English]

  • Maxent
  • Habitat distribution model
  • Rangelands of Eshtehard
  • Kappa coefficient
-  Abdollahi J. and Naderi, H., 2011. Soil and topographical variation influencing the growing factors of Artemisia sieberi in steppic rangeland, Nodoushan-Yazd. Watershed Management Research (Pajouhesh&Sazandegi), 97: 52-62.

-  Abd El-Ghani, M. M. and Amer, W. M., 2003. Soil-Vegetation Relationships in a Coastal Desert Plain of Soutern Sinai, Egypt. Journal of Arid Environments, 55: 607-628.

-  Baldvin, R. A., 2009. Use of Maximum Entropy in Wildlife Research. Journal of Entropy, 1: 854-866.

-  Evangelista, Ph., Kumar, S., Stohlgren, T. J., Jarnevich, C. S., Crall, A. W., Norman, J. B. and Barnett, DT., 2008. Modelling invasion for a habitat generalist and a specialist plant species. Journal of Divers Distributions, 14:808-817.

-  Elith, J., Graham, C. H. and Anderson, R.P., 2006. Novel methods improve prediction of species’distributions from occurrence data. Journal of Ecography. 29: 129- 151.

-  Hosseini, S. Z., Kappas, M., ZareChahouki, M. A., Gerold, G., Erasmia, S. and RafieiEmama, A., 2013. Modelling potential habitats for Artemisia sieberi and Artemisia aucheri in Poshtkouh area, central Iran using the maximum entropy model and geostatistics, Journal of Ecological Informatics, 18: 61-68.

-  KhalasiAhwazi, L., ZareChahouki, M. A., Azarnivand, H. and SoltaniGardFaramarzi, M., 2011. Desirable habitat modeling of Eurotiaceratoides (L.) CAM Using ecological niche factor analysis (ENFA) in North East Semnan ranges. Journal of Range Management, 4: 373-362.

-  Mbatudde, M., Mwanjololo, M., KyomugishaKakudidi, E. and Dalitz, H., 2012. Modelling the potential distribution of endangered Prunusafricana(Hook.f.)Kalkm in East Africa. African Journal Ecology, 50: 393–403.

-  Mostafa, A. and Zaghloul, M., 1996. Environment and Vegetation in the Montane Saint Catherine. Journal of Arid Environment, 34: 331-349.

-  Pearson, R. G., Raxworthy, C. J., Nakamura, M. and Peterson, A.T., 2007. Predicting species' distributions from small numbers of occurrence records: A test case using cryptic geckos in Madagascar. Journal of Biogeography, 34: 102- 117.

-  Peterson, A.T. and Shaw, J., 2003. Lutzomyia vectors for cutaneous leishmaniasis in southern Brazil: ecological niche models, predicted geographic distribution, and climate change effects. Int. Journal of Parasitol, 33: 919-931.

-  Qu, X. X., Huang, Z. Y., Baskin, J. M. and Baskin, C.C., 2008. Effect of Temperature, Light and salinity on seed and Germination and Radicle Growth of the geographically widespread Halophyte shrub Halocnemum strobilaceum, Annals of botany, 101(2): 293-299.

-  Vessella, F. and Schirone, B., 2013. Predicting potential distribution of Quercussuber in Italy based on ecological niche models: Conservation insights and reforestation involvements Forest Ecology and Management: 304, 150–161.

-  Yang, X. Q., Kushwaha, S. P. S., Saran. S., Xu, J. and Roy, P. S., 2013. Maxent modeling for predicting the potential distribution of medicinal plant, Justicia adhatoda L. in Lesser Himalayan foothills. Journal of Ecological Engineering, 51: 83–87.

-  ZareChahouki, M. A., Azarnivand, H., Jafari, M. and Tavili, A., 2010. Multivariate Statistical Methods as a Tool for Model-Based Prediction of Vegetation Types, Russian Journal of Ecology, 41(1): 84-94.

-  ZareChahouki, M. A., PirySahragard, H. and Azarnivand, H., 2013. Habitat distribution modeling of some halophyte plant species using Maximum Entropy Method (Maxent) in HozeSoltan rangelands of Qum Province. Journal of Rangeland, 7(3): 212-221.

-  ZareChahouki, M. A. and Esfanjani, J., 2015. Predicting potential distribution of plant species by modeling techniques in southern rangelands of Golestan, Iran. Journal of Range Management and Agroforestry, 36(1): 66-71.