Plant Ecosystem Conservation

fa پیش‌بینی پراکنش رویشگاه بالقوه گونه Artemisia sieberi Besser با استفاده از روش های داده‌محور در مراتع پشتکوه استان یزد Prediction of potential habitat distribution of Artemisia sieberi Besser using data-driven methods in Poshtkouh rangelands of Yazd province تخصصي Special پژوهشي Research پژوهش حاضر با هدف مدلسازی پراکنش رویشگاه بالقوه و شناخت نیازهای بومشناختی گونه A. sieberi با استفاده از مدلهای درخت طبقهبندی و رگرسیون و جمعی تعمیم یافته، در مراتع پشتکوه استان یزد در مرکز ایران انجام شد. برای این منظور، رویشگاههای خالص این گونه مشخص و اطلاعات مربوط به حضور گونه گیاهی با استفاده از روش تصادفی- سیستماتیک جمعآوری شد. لایههای مربوط به متغیرهای محیطی (متغیرهای خاکی و فیزیوگرافیک) با استفاده از زمینآمار و نقشه رقومی ارتفاع با اندازه پیکسل 30×30 متر تهیه شد. مدلسازی پراکنش گونه با استفاده از مدلهای درخت طبقهبندی و رگرسیون و جمعی تعمیم یافته در محیط نرمافزار R.3.3.1 انجام شد. عملکرد پیشبینی مدلها با استفاده از آماره سطح زیر منحنی  ارزیابی شد. علاوه بر این، حد آستانه بهینه حضور گونه نیز بر اساس آماره واقعی مهارت تعیین شد. صحت طبقهبندی نقشه حضور و عدمحضور با استفاده از شاخص کاپا بررسی شد. بر اساس نتایج، مدل درخت طبقهبندی و رگرسیون در مقایسه با جمعی تعمیم یافته عملکرد پیشبینی بهتری از خود نشان داد (مقدار سطح زیر منحنی بهترتیب 97/0 و 89/0). همچنین بر اساس مقادیر ضریب کاپای حاصل، مقدار ضریب کاپا مربوط به مدل درخت طبقهبندی و رگرسیون بیشتر از مدل جمعی تعمیم یافته بود (بهترتیب 9/0 و 88/0). این مطالعه نشان میدهد که مدل درخت طبقهبندی و رگرسیون در مقایسه با مدل جمعی تعمیم یافته در برآورد دامنه پراکنش رویشگاه گونه A. sieberi از دقّت بالاتری برخوردار است. تحلیل اهمیت متغیرها نیز نشان داد که متغیرهای هدایت الکتریکی و اسیدیته عمق اول خاک، دارای بیشترین تأثیر در پراکنش گونه A. sieberi هستند. بهطور کلی می‌توان نتیجه گرفت که استفاده از روشهای دادهمحور مثل روش درخت طبقهبندی و رگرسیون، میتواند در برآورد دقیق پراکنش رویشگاه بالقوه گونههای گیاهی در مقیاس محلی مفید باشد. بنابراین، کاربرد این روشها جهت معرفی گونههای مناسب در طرحهای احیاء پوشش گیاهی در مراتع مناطق بیابانی ایران پیشنهاد میشود. The present study aimed to model potential habitat distribution of A. sieberi, and its ecological requirements using generalized additive model (GAM) and classification and regression tree (CART) in in the Poshtkouh rangelands of Yazd province. For this purpose, pure habitats of the species was delineated and the species presence data was recorded by the systematic-randomize sampling method. Using DEM and geostatistical method, digital layers of environmental variables (soil and physiographic variables) were prepared with the same spatial resolution (pixel size 30×30 meter). Plant distribution modeling was conducted using CART and GAM models in the R.3.3.1 software environment. The prediction performance of the models was evaluated by the AUC (Area Under the Curve) In addition, The TSS (True Skill Statistic) was used to determine the optimal threshold limitof species presence. The classification accuracy of the presence/ absence map was investigated using the Kappa index. Based on the results, The CART model had a better predictive performance than the GAM models (AUC=0.97 and 0.89, respectively). Furthermore, the Kappa coefficient of the CART model was higher than GAM, based on the obtained Kappa coefficient values (0.97 and 0.89, respectively). This study concludes that the CART model were more accurate in estimating the distribution range of A. sieberi in comparison with the GAM model. The analysis of the importance of variables showed that the electrical conductivity (EC) and acidity (pH) of the first soil depth had the highest effect on the distribution of A. sieberi. In general, it can be concluded that application of data-driven methods, such as CART model, can be useful for accurate estimation of the potential habitat distribution of plant species on a local scale. Therefore, the application of these models to introduce the suitable species in vegetation reclamation plans of Iran's desert rangelands is recommended. پراکنش مکانی, نیازهای رویشگاهی, درخت طبقه بندی و رگرسیون, مدل جمعی تعمیم یافته, مراتع مناطق بیابانی Spatial Distribution, Habitat Requirement, Classification and Regression Tree Generalized Additive Model, Desert Rangelands. 261 279 http://pec.gonbad.ac.ir/browse.php?a_code=A-10-163-3&slc_lang=fa&sid=1 Hossein Piri Sahragard حسین پیری صحراگرد hpirys@gmail.com 10031947532846008194 10031947532846008194 Yes دانشکده آب و خاک، دانشگاه زابل Mohammad Ali Zare Chahouki محمد علی زارع چاهوکی mazare@ut.ac.ir 10031947532846008195 10031947532846008195 No دانشکده منایع طبیعی، دانشگاه تهران،