Document Type : Research Paper
Author
Range and Watershed Dept., University of Zabol, Zabol, I.R. of Iran
Abstract
The present study aimed to predictive modelling of plant species habitats distribution and preparation of predictive distribution maps of plant species using logistic regression.Vegetation sampling was carried out by random-systematic method where along four transects in the length of 150- 200 m established With regard to the type of the species, the quadrat size was determined by the minimal area method which ranged from 2 to 25 m2 and sample size was determined 40-60 quadrats by considering the changes in vegetation and statistical method. In order to soil sampling,soil sampling was performed by digging of eight soil profiles and sampling 0-30 and 30-80 cm depths. Habitats distribution was modeled using logistic regression and SPSS software. Predictive maps of plant habitat distribution were prepared using relevant models. Based on predictive obtained model, soil texture, soil organic matter in upper soil, percent of gypsum in subsoil, lime percent in upper soil, soli acidity (pH) in subsoil, type of geological formation, degree of slope and altitude were most effective variables in habitat distribution of plant communities. Based on Kappa value the agreement of predicted and observed maps was exellent for the habitats of A. scoparia, A. aucheri, and for the habitats of H. persicum , Z. eurypterum and A. sieberi was good and poor respectively. Results show that logistic regression could provide high predictive accuracy model for species that have unique habitat condition such as A. scoparia and A. aucheri in comparison with species that have wide ecological amplitude such as A. sieberi.
Keywords
Main Subjects
مدلسازی پیشبینی پراکنش رویشگاه گونههای گیاهی با روش رگرسیون لوجستیک (مطالعه موردی: مراتع غرب تفتان، شهرستان خاش)
حسین پیری صحراگرد
زابل، دانشگاه زابل، دانشکده آب و خاک، گروه مرتع و آبخیزداری
تاریخ دریافت: 15/3/95 تاریخ پذیرش: 11/7/95
چکیده
ارائه مدل پیشبینی پراکنش رویشگاه گونههای گیاهی و تهیه نقشه پیشبینی پراکنش هر یک از رویشگاهها با روش رگرسیون لوجستیک از اهداف این پژوهش بود. برای این منظور، بعد از تعیین واحدهای همگن بومشناختی با استفاده از نقشههای پایه منطقه مورد مطالعه، نمونهبرداری از پوشش گیاهی در هر رویشگاه به روش تصادفی- سیستماتیک از طریق پلاتگذاری در امتداد 4 خطنمونه 150 و200 متری انجام شد. سطح قطعاتنمونه با توجه به نوع گونههای موجود، به روش سطححداقل بین 2 تا 25 مترمربع و تعداد آنها با توجه به تغییرات پوشش گیاهی و روش آماری 40 تا 60 قطعهنمونه تعیین شد. برای نمونهبرداری از خاک نیز در هر رویشگاه، هشت پروفیل حفر و از دو عمق 30-0 و60-30 سانتیمتری نمونهبرداری انجام شد. مدلسازی پراکنش رویشگاهها به روش رگرسیون لوجستیک و با استفاده از نرمافزار SPSS انجام شد. نقشههای پیشبینی رویشگاه گونههای گیاهی، با استفاده از مدلهای حاصل ساخته شد. بر اساس مدلهای پیشبینی، بافت خاک، درصد ماده آلی عمق اول، درصد گچ عمق دوم، درصد آهک عمق اول، اسیدیته عمق دوم، نوع سازند زمینشناسی، درصد شیب و ارتفاع بیشترین نقش را در پراکنش رویشگاههای مورد مطالعه دارند. بر اساس مقادیر شاخص کاپا، میزان تطابق نقشههای پیشبینی حاصل با نقشه واقعی برای رویشگاه A. aucheri و A. scoparia، عالی؛ برای رویشگاههای H. persicum وZ. eurypterum ، خوب و برای رویشگاه A. sieberi ضعیف ارزیابی شد. نتایج نشان میدهد که روش رگرسیون لوجستیک قادر است که برای رویشگاه گونههایA. aucheri و A. scoparia که دارای شرایط رویشگاهی منحصر بهفردی است مدل پیشبینی دقیقی فراهم آورد، اما برای رویشگاه A. sieberi، به دلیل دامنه بومشناختی گسترده، دقّت مدل پیشبینی حاصل از این روش پایین بود.
واژههای کلیدی: مدل پیشبینی، زمینآمار، رگرسیون لوجستیک، تفتان، شاخص کاپا
نویسنده مسئول، تلفن: 09155427534، پست الکترونیکی: hpirys@uoz.ac.ir
مقدمه
در سالهای اخیر بهرهگیری از روشهای آماری در مدلسازی استاتیک پوشش گیاهی، بمنظور برقراری ارتباط بین پراکنش پوشش گیاهی و عوامل محیطی تأثیرگذار افزایش یافته است. این روشها میتواند با ارتباطدادن اطلاعات مربوط به وقوع گونههای معرف با متغیرهای محیطی مرتبط، شرایط محیطی مناسب برای هر گونه را برآورد و آن را بهصورت یک مدل پیشبینی ارائه نماید. بنابراین ساخت مدلهای پیشبینی دقیق برای مکانهای مختلف، بمنظور مشخصکردن پاسخ دقیق گونهها به شرایط محیطی در آن مکان، پیشبینی احتمال حضور گونهها و ارزیابی عدم قطعیّت در نتایج مدلسازی ضروری است (34). بدلیل توانایی مدلهای پیشبینی رویشگاه در کشف روابط بین وقوع گونهها و شرایط محیطی، این مدلها ابزاری مهم در بومشناسی هستند (21، 43). تکرار در استفاده از این مدلهای پیشبینی، برای ارزیابی دقّت پیشبینی مدل، یکی از نکات مهم در مدلسازی پیشبینی پراکنش گونههای گیاهی است (45).
رگرسیون لوجستیک بعنوان یکی از کاربردیترین روشها در بررسی ارتباط بین یک یا چند متغیر مستقل با یک متغیر پاسخ دوسطحی مطرح است و در مواردی که بررسی همبستگی مکانی در پراکنش گونهها مدنظر است، با کاربرد رگرسیون لوجستیک و دادههای اسمی دوسطحی نتایج بهتری حاصل میشود (24). علاوه بر این، روش رگرسیون لوجستیک در مواردی که انواع مختلفی از خطاهای ساختاری مربوط به حضور و غیاب گونهها در مدلسازی پیشبینی پراکنش گونههای گیاهی وجود دارد، نسبت به روشهای دیگر در اولویت است (42). بدلیل ماهیت طبقهبندی متغیرهای پاسخ در مدلهای رگرسیون لوجستیک، برای تبدیل روابط غیرخطی به روابط خطی میتوان از تبدیل لگاریتمی استفاده نمود که به مدل حاصل، مدل لگاریتم طبیعی یا لجیت گفته میشود (27، 28). بهمین دلیل استفاده از این روش برای تهیه مدلهای پیشبینی پراکنش گونهها در مقیاس منطقهای بمنظور استفاده در برنامههای حفاظتی بسرعت در حال توسعه است (25). البته در این روش تجربه و تخصص در انتخاب متغیرهای مناسب، جهت دستیابی به یک مدل مناسب بسیار مهم است (40).
در استفاده از مدلهای پیشبینی پراکنش گونههای گیاهی منطقیبودن شکل منحنی پاسخ مورد استفاده، برای بررسی رابطه بین پراکنش گونهها و متغیرهای محیطی ضروری است. زیرا این امکان وجود دارد که حتی در صورت بالابودن دقّت پیشبینی مدل، شکل منحنی پاسخ ارائهشده توسط مدل از نظر بومشناختی منطقی نباشد (36). برای نمونه، برازش معادلات چندجملهای دارای توان سه برای متغیرهای پیشبینی دارای منحنی پاسخ نامتوازن (اریب) و ارزش عددی پایین مناسب است، اما استفاده از اینگونه معادلات در شرایطی که ارزش عددی متغیرهای پیشبینیکننده بالا است، احتمال رخداد گونهها را بیشتر از واقعیت برآورد میکند که این امر بدلیل نقطه عطف دوم در منحنی پاسخ گونه به عوامل محیطی است (21). بنابراین، با توجه غیرخطی بودن رابطة بین گونهها با عوامل محیطی و مستقلبودن خطای هر مشاهده از سایر مشاهدات، استفاده از روش رگرسیون لوجستیک با این نوع تحقیقات متناسب است(9، 11).
Lassueur و همکاران (2006) در نواحی جنوبی سوئیس با استفاده از اطلاعات مربوط به 117 گونه گیاهی در 125 رویشگاه و خصوصیات مربوط به ارتفاع، شیب و جهت برای این رویشگاهها، احتمال حضور گونههای گیاهی را با استفاده از روش رگرسیون لوجستیک پیشبینی کردند. نتایج نشان داد که پارامترهای شیب و جهت بیشترین همبستگی را با اکثر گونههای گیاهی دارند و روش رگرسیون لوجستیک، روش مناسبی برای برآورد پراکنش گونههای گیاهی است. زارعچاهوکی و همکاران (1392) با استفاده از روش رگرسیون لوجستیک مدلسازی پراکنش گونههای گیاهی را در مراتع سمنان انجام دادند و نتیجه گرفتند که مدل رگرسیون لوجستیک برای پیشبینی پراکنش رویشگاههایی که شرایط ویژهای دارند، با نقشه واقعی بهتر تطبیق دارد. پیریصحراگرد و همکاران (2015) نیز با مقایسه عملکرد سه روش رگرسیون لوجستیک، آنتروپیحداکثر و پرسپترون چندلایه در مدلسازی پیشبینی پراکنش گونههای گیاهی نتیجه گرفتند در صورتیکه متغیرهای پیشبینیکننده بدرستی انتخاب شود، روش رگرسیون لوجستیک قادر است حدود جغرافیایی پراکنش گونههایی با آشیان بومشناختی محدود را بخوبی برآورد کند. علاوه بر مطالعات فوق محققین دیگری نیز از روش رگرسیون لوجستیک برای تهیه نقشه پیشبینی پراکنش رویشگاه گونههای گیاهی استفاده کردهاند و به نتایج تقریباً یکسانی در مورد توانایی این روش در تهیه نقشه پوشش گیاهی دست یافتهاند (13، 24، 30، 31، 32).
یکی از نکات مهم دیگر در مدلسازی پیشبینی پراکنش گونههای گیاهی این است که اغلب این روشها، احتمال حضور گونههای گیاهی را بهشکل سطوح احتمالاتی پیوسته برآورد میکنند که برای استفاده بهتر از نتایج این مدلها برای اهداف مدیریتی، ضروری است که با مدنظر قرار دادن هدف مدلسازی، فراوانی گونههای مورد بررسی و کیفیت مدل پیشبینی حد آستانه بهینهحضور گونههای گیاهی تعیین گردد و نقشههای پیوسته حضور به نقشههای طبقهبندیشده یا نقشههای حضور و غیاب گونهها تبدیل شوند (19،40، 46). علاوه بر این، بدلیل وجود ساختار مکانی در برخی از خصوصیات خاک، استفاده از روشهای آمار مکانی با دقّت بالا، بمنظور تهیه نقشه دقیق متغیرهای واردشده به مدل پیشبینی، از ملزومات استفاده مؤثر از روشهای مختلف مورد استفاده در مدلسازی پیشبینی رویشگاه گونههای گیاهی است (4، 11).
با توجه لزوم تکرار در استفاده از روشهای مدلسازی بمنظور ارزیابی عملکرد پیشبینی این روشها در مناطق مختلف آب و هوایی بمنظور ارائه مدلهای عمومی با فاصله اطمینان مشخص و استفاده از این نتایج در برنامههای اصلاح مراتع، پژوهش حاضر با هدف ارزیابی قابلیت روش رگرسیون لوجستیک در شناخت متغیرهای محیطی تأثیرگذار بر پراکنش گونهها، تحلیل بومشناختی رابطه بین این متغیرها با پراکنش گونهها و تهیه نقشه پیشبینی پراکنش بالقوه گونهها در مراتع غرب تفتان در شهرستان خاش انجام شد.
مواد و روشها
معرفی منطقه مورد مطالعه: منطقه موردمطالعهبا وسعت 64000 هکتار در قسمت غربی قله تفتان در حدود جغرافیایی ′′35 ′20 º28 تا ′′39 ′42 º28 طول شرقی و ′′36 ′39 º60 تا ′′19 58 º60 عرض شمالی واقع شده است (شکل 1).
شکل 1- موقعیت منطقه مورد مطالعه در شهرستان خاش، استان سیستان و بلوچستان و کشور ایران
پستترین و مرتفعترین نقطه منطقه بترتیب 1400 و2800 متر از سطح دریا ارتفاع دارد. از نظر ژئومورفولوژی، منطقه عرصهای دشتی- کوهستانی است. میانگینبارندگیسالانهمنطقهبسته بهشرایطارتفاعی،از160تا350میلیمترمتغیربودهو بارشبرفووقوعیخبنداندرزمستاننیزمتداولاست (14). از گونههای گیاهی که در منطقه تشکیل تیپ گیاهی دادهاند میتوان به گونههای Haloxylon persicum، Artemisia sieberi، Amygdalus scoparia،Zygophyllum eurypterum و از گونههای همراه هم میتوان به گونههای Hamada salicornica، Cousinia stocksi و Artemisia santolina اشاره کرد. برخی از ویژگیهای مربوط به رویشگاههای مورد بررسی در جدول شماره 1 آمده است.
جدول 1- برخی از ویژگیهای تیپهای گیاهی مطالعه شده در مراتع غرب تفتان
ردیف |
نام تیپ گیاهی |
نشانه روی نقشه |
تاج پوشش (درصد) |
شیب (درصد) |
ارتفاع از سطح دریا( متر) |
اقلیم |
بارندگی (میلیمتر) |
1 |
Haloxylon persicum |
Ha.pe |
25-20 |
3-1 |
1500-1400 |
خشک |
190-160 |
2 |
Zygophyllum eurypterum |
Zy.eu |
30-25 |
5-3 |
1700-1500 |
خشک |
190-160 |
3 |
Artemisia sieberi |
Ar.si |
35-25 |
15-5 |
1900-1700 |
خشک |
190-160 |
4 |
Amygdalus scoparia |
Am.sc |
30-20 |
40-30 |
2200-1900 |
نیمهخشک |
350-200 |
5 |
Artemisia aucheri |
Ar.au |
50-40 |
60-40 |
2800-2200 |
نیمهخشک |
350-200 |
جمعآوری اطلاعات مربوط به پوشش گیاهی و عوامل محیطی: بمنظور شناخت عوامل محیطی مؤثر در پراکنش گونههای گیاهی و ارائه مدلهای پیشبینی پراکنش، عوامل محیطی با استفاده از ابزارهایی مانند نقشه مدل رقومی ارتفاع و نقشه زمینشناسی، با مقیاس 1:25000، مطالعات میدانی و آزمایشگاهی کمّی شد. برای انجام مطالعات میدانی، نقشه واحدهای نمونهبرداری از تلفیق نقشههای شکل زمین و زمینشناسی تهیه شد. در هر رویشگاه، نمونهبرداری از پوشش گیاهی با روش تصادفی- سیستماتیک از طریق پلاتگذاری در امتداد 4 خط نمونه 150 تا 200 متری انجام شد. طول خطوط نمونه در هر رویشگاه با توجه به شرایط منطقه و تراکم پوشش گیاهی و اندازه نمونه نیز با توجه به تغییرات پوشش گیاهی و روش آماری کوکران تعیین شد. همچنین سطح قطعاتنمونه نیز با توجه به نوع گونههای موجود، تراکم پوشش آنها و خصوصیات موردنظر برای اندازهگیری، بین 2 تا 25 مترمربع مشخص شد (جدول 2).
جدول 2- طول خط نمونه، فاصله بین پلاتها، تعداد قطعات نمونه و سطح مناسب قطعات نمونه در تیپهای گیاهی مطالعه شده در مراتع غرب تفتان
سطح قطعات نمونه (مترمربع) |
تعداد قطعات نمونه |
فاصله بین قطعات نمونه (متر) |
طول خط نمونه (متر)
|
تیپ گیاهی |
ردیف |
25 |
40 |
20 |
200 |
Ha. pe |
1 |
4 |
40 |
20 |
200 |
Zy. eu |
2 |
2 |
60 |
10 |
150 |
Ar. si |
3 |
25 |
60 |
10 |
150 |
Am. sc |
4 |
2 |
60 |
10 |
150 |
Ar. au |
5 |
در هر قطعهنمونه نوع و تعداد گونههای گیاهی و درصد پوشش آنها ثبت شد. برای نمونهبرداری از خاک نیز در هر رویشگاه، هشت پروفیل حفر و از دو عمق 30-0 و 60-30 سانتیمتری و در مجموع 40 نمونه خاک جمعآوری شد. بعد از انتقال نمونهها به آزمایشگاه، خصوصیات مورد نظر شامل سنگریزه، آهک، اسیدیته، هدایت الکتریکی، رطوبت قابلدسترس، ماده آلی، گچ، شن، سیلت، رس و رطوبت اشباع با روشهای استاندارد اندازهگیری شد (7). علاوه بر این، در هر واحد نمونهبرداری علاوه بر ثبت دادههای مربوط به پوشش گیاهی (نام گونههای گیاهی و درصد تاج پوشش آنها)؛ اطلاعات مربوط به مرزهای جغرافیایی رویشگاهها، شیب، جهت و ارتفاع و نوع سازندزمینشناسی هم ثبت شد.
تجزیه و تحلیل دادهها و تهیه نقشه پیشبینی پراکنش گونههای گیاهی: در این پژوهش بمنظور بررسی رابطه بین تکتک گونهها با عوامل محیطی و ارائه مدل پیشبینی خاص هر گونة گیاهی از رگرسیون لوجستیک استفاده شد. متغیرهای مستقل مورد بررسی شامل خصوصیات خاک، نوع سازندزمینشناسی و متغیرهای مربوط به فیزیوگرافی بود. حضور و غیاب گونهها نیز بعنوان متغیر پاسخ در نظر گرفته شد. بمنظور دستیابی به بهترین ترکیب از متغیرهای پیشبینی در مدل رگرسیون لوجستیک از روش پیشرو (Forward:LR) استفاده شد که نوعی روش گام به گام است (11، 44). در این روش ورود متغیرها به مدل بر اساس معنیداری آماره نسبت درستنمایی و خروج متغیرها از تحلیل بر اساس احتمال این آماره و با توجه به برآوردهای حداکثر درستنمایی جزیی یا تفکیکی انجام میشود (10). شاخص کمّی عامل تورم واریانس (Variance Inflation Factor) نیز بمنظور بررسی وجود همخطی چندگانه بین متغیرهای مستقل مورد بررسی قرار گرفت (11). بدلیل کمتربودن مقدار این شاخص از ده، مشخص شد که بین متغیرهای مستقل همخطی چندگانه وجود ندارد. همچنین برای ارزیابی مدلهای پیشبینی حاصل از رگرسیون لوجستیک از آزمون نیکویی برازش مدل هوسمر و لمشاو استفاده شد(2000). بعد از تولید مدلهای پراکنش گونههای گیاهی، بدلیل اینکه برای تهیه نقشه پیشبینی رویشگاه تهیه نقشه تمام عوامل موجود در مدل ضروری است، بنابراین نقشه ارتفاع از سطح دریا و شیب از نقشه رقومی ارتفاع و نقشه خصوصیات خاک هم با استفاده از روش زمینآمار تهیه شد. بدلیل تفاوت در دقّت روشهای مختلف زمینآمار و لزوم انتخاب دقیقترین روش جهت تهیه نقشه خصوصیات خاک از روش تقاطعی استفاده شد. در مرحله بعد، با استفاده از دو پارامتر آماری میانگین انحراف خطا (Mean Bias Error) و میانگین مطلق خطا (Mean absolute Error) روش دقیقتر جهت درونیابی تعیین شد. برای طبقهبندی میزان وابستگی مکانی متغیرها نیز از نسبت C/C+C0 استفاده شد که بر اساس این نسبت متغیرها از نظر وابستگی مکانی در سه سطح ضعیف، متوسط و قوی قرار میگیرند (جدول3). بعد از تهیه نقشه عوامل مورد نظر، با بهرهگیری از مدلهای بهدست آمده و اعمال ضرایب مربوط به هر متغیر بر لایه اطلاعاتی مربوطه در سیستم اطلاعات جغرافیایی، نقشة پیشبینی رویشگاه گونههای گیاهی تهیه شد.
جدول 3- تعیین وابستگی مکانی متغیرها (22).
کلاس وابستگی مکانی |
C/C+C0 نسبت |
ضعیف |
X<25/0 |
متوسط |
25/0 |
قوی |
X>75/0 |
تعیین حدود آستانه بهینه حضور گونههای گیاهی و بررسی میزان انطباق نقشههای واقعی و پیشبینی: برای تعیین آستانه بهینه حضور گونههای گیاهی از روش پیشنهادی میلر (2005) استفاده شد. بر اساس این روش، در مرحله اول نقشه احتمال حضور در سطوح احتمال 1/0، 2/0، 3/0، 4/0، 5/0، 6/0، 7/0، 8/0، 9/0 و 1 تهیه شد و سپس تطابق این نقشهها با نقشه واقعی مورد مقایسه قرار گرفت. در مرحله بعد، با استفاده از نسبتهای حاصل برای هر کدام از پارامترهای مربوط به حساسیّت، اختصاصیّت و صحّتکلی مدل نموداری تهیه شد. بر اساس این نمودار، آستانه بهینه حضور برای هر گونه نقطهای است که در آن نقطه، این سه خط همدیگر را قطع میکنند (37). بعد از تعیین آستانه بهینه، نقشه پیوسته احتمالاتی گونهها بر اساس این آستانه بهینه طبقهبندی شد و میزان تطابق نقشه پیشبینی با نقشه واقعی با استفاده از شاخص کاپا (κ) مورد بررسی قرار گرفت (رابطه 1). مقادیر a، b، c و d در این رابطه بر اساس جدول توافقی 2*2 تعیین میشود ( جدول 4). این شاخص بهترین و مشهورترین شاخص برای ارزیابی کارایی مدلهای پیشبینی است (34). طبقهبندی شاخص کاپا که بر اساس آن میزان توافق بین مقادیر پیشبینی شده و واقعی مشخص میشود در جدول شماره 5 آمده است (9).
جدول 4- جدول توافقی 2*2 برای محاسبه پارامترهای لازم برای محاسبه شاخص کاپا
_ |
نقشه پیشبینی + |
|
|
||
c |
a |
+ |
|
|
نقشه واقعی |
d |
b |
_
|
+: حضور گونه -: غیاب گونه
جدول 5- طبقهبندی مقادیر شاخص کاپا
ردیف |
مقدار کاپا |
توافق بین مقادیر پیشبینی و واقعی |
1 |
05/0> |
عدم توافق |
2 |
20/0-05/0 |
خیلی ضعیف |
3 |
40/0-20/0 |
ضعیف |
4 |
55/0-40/0 |
متوسط |
5 |
70/0-55/0 |
خوب |
6 |
85/0-70/0 |
خیلیخوب |
7 |
99/0-85/0 |
عالی |
8 |
00/1-99/0 |
کامل |
رابطه (1) 14 خ؛=a+dn-a+ba+c+c+dd+bn21-a+ba+c+c+dd+bn2">
نتایج
بررسی رابطه بین حضور گونههای گیاهی و عوامل محیطی: رابطههای رگرسیونی مربوط به رویشگاههای مورد بررسی، در رابطههای 2 تا 6 ارائه شده است. با توجه به معنیدار بودن آماره هوسمر و لمشاو برای همه مدلهای بدست آمده، میتوان نتیجه گرفت که مدلهای لوجستیک حاصل، تطابق خوبی با دادهها دارد و معنیدار است (جدول 6).
بر اساس رابطه 2، در رویشگاه H. persicumدرصد شن و
ماده آلی عمق صفر تا 30 سانتیمتری دارای بیشترین تأثیرگذاری در پراکنش رویشگاه این گونه هستند. بهعبارت دیگر حضور این گونه با بافت سبک خاک و ماده آلی ارتباط مستقیم دارد.
جدول 6- آمارههای مربوط به مدل رگرسیون لوجستیک برای پیشبینی حضور گونههای گیاهی
شماره |
رویشگاه |
R2 |
مقدارHL |
1 |
Ha.pe |
86/0 |
99/0 |
2 |
Zy.eu |
70/0 |
1 |
3 |
Ar.si |
87/0 |
1 |
4 |
Am.sc |
77/0 |
99/0 |
5 |
Ar.au |
89/0 |
1 |
با افزایش درصد گچ در عمق 30 تا 60 سانتیمتری و همچنین سیلت در عمق صفر تا 30 سانتیمتری احتمال حضور گونه Z. eurypterum افزایش یافته است، بطوریکه با توجه به رابطه 3 میتوان بیان داشت حضور این گونه با این دو عامل رابطه مستقیم دارد. این در حالی است که حضور گونه A. sieberiبا آهک و اسیدیته عمق صفر تا 30 سانتیمتری ارتباط مستقیم دارد (رابطه 4). با حرکت به سمت بالادست منطقه مورد مطالعه، میزان ارتفاع و شیب افزایش مییابد بهگونهای که در رویشگاه A. scoparia علاوه بر تغییر در نوع سازند زمینشناسی، درصد شن در عمق صفر تا 30 سانتیمتری و درصد شیب به عنوان مهمترین متغیرها هستند و وارد مدل رگرسیونی مربوط به این رویشگاه شدهاند. با توجه به رابطه 5، حضور این گونه با درصد شیب و درصد شن ارتباط مستقیم دارد. همچنین، عوامل ارتفاع از سطح دریا و درصد آهک عمق اول خاک دارای تأثیر بیشتری در مدل پیشبینی مربوط به رویشگاه A. aucheri است. بر اساس رابطه 6، حضور این گونه گیاهی با ارتفاع از سطح دریا و درصد آهک در عمق صفر تا 30 سانتیمتری خاک رابطه مستقیم دارد.
رابطه (2)
14 "> 14PHa.pe=Exp(58/0Sand1+33/0 Abs-028/0 Om1 + 88/2)1+Exp(58/0Sand1+33/0 Abs-028/0 Om1 + 88/2)">
رابطه (3)
14PZe.eu=Exp(52/1Gyps2+431/0 Silt1+57/6)1+Exp(52/1Gyps2+431/0 Silt1+57/6)">
رابطه (4)
14PAr.si=Exp(64/0 Lime1+23/18 pH2-64/14)1+Exp(64/0 Lime1+23/18 pH2-64/14)">
رابطه (5)
14 "> 14PAm.sc=Exp(68 /0 Geo + 44 /0Sand1+32/0Slope-058/4)1+Exp(68 /0 Geo + 44 /0Sand1+32/0Slope-058/4)"> رابطه (6)
14PAr.au=Exp(34/4Abs-36/0Lime1+26/11)1+Exp(34/4Abs-36/0Lime1+26/11)">
ارائه نقشه پیشبینی پراکنش رویشگاه گونههای گیاهی: بدلیل اینکه برای تهیه نقشه پیشبینی رویشگاه تهیه نقشه تمام عوامل موجود در مدل ضروری است، بنابراین نقشه ارتفاع از سطح دریا و شیب از مدل رقومی ارتفاع و نقشه خصوصیات خاک هم با استفاده از روشهای زمینآمار تهیه شد. بر اساس نتایج، برای متغیرهای درصد آهک، اسیدیته، درصد گچ، درصد سیلت و درصد ماده آلی بدلیل مقدار خطا و انحراف کمتر، روش درونیابی کریجینگ بعنوان روش درونیابی دقیقتر انتخاب شد و تنها در مورد متغیر درصد شن، روش میانگین متحرک وزندار دارای خطا و انحراف کمتری بود و از این روش برای تهیه نقشه مربوط به این متغیر استفاده شد (جدول 7). اجزای مربوط به تغییرنمای (واریوگرام) خصوصیات خاک ارزیابیشده برای تولید نقشه در جدول 8 آمده است. برای نمونه، شکل 2 نقشه درصد آهک عمق اول خاک را نشان میدهد که دارای ساختار مکانی قوی است.
جدول 7- ارزیابی میزان خطا و انحراف روشهای مورد استفاده برای درونیابی خصوصیات خاک وارد شده به مدلهای رگرسیون لوجستیک
خصوصیت خاک |
عمق |
معیار ارزیابی |
|
روش درونیابی |
|
کریجینگ نقطه ای |
کریجینگ بلوکی |
میانگین متحرک وزندار |
|||
درصد آهک |
30-0 |
MAE |
2854/2 |
2751/2 |
3255/2 |
|
|
MBE |
01833/0- |
01974/0- |
02451/0 |
اسیدیته |
60-30 |
MAE |
09004/0 |
09153/0 |
09524/0 |
|
|
MBE |
0031/0- |
0032/0- |
0154/0- |
درصد گچ |
60-30 |
MAE |
0098/0 |
01233/0 |
6192/0 |
|
|
MBE |
0022/0 |
0025/0- |
1065/0 |
درصد شن |
30-0 |
MAE |
2192/10 |
4521/9 |
4578/8 |
|
|
MBE |
1596/0 |
14856/0 |
0514/0 |
درصد سیلت |
30-0 |
MAE |
3132/5 |
7190/4 |
6421/5 |
|
|
MBE |
32662/0- |
20929/0- |
3375/0- |
درصد ماده آلی |
30-0 |
MAE |
6429/1 |
6222/1 |
7841/1 |
|
|
MBE |
0090/0 |
0091/0 |
0125/0 |
ارزیابی میزان انطباق نقشههای پیشبینی و نقشههای واقعیت زمینی: نتایج حاصل از مقایسه نقشههای پیشبینی بدست آمده با نقشههای واقعی پوشش میدهد که بر اساس مقادیر شاخص کاپای محاسبهشده، بیشترین (95/0) و کمترین (39/0) میزان تطابق، بترتیب مربوط به رویشگاههای A.aucheri و A. sieberiاست. میزان توافق برای دیگر رویشگاهها نیز در جدول 5 آمدهاست. نقشه پیشبینی و واقعی مربوط به رویشگاههای مورد بررسی در شکل 3 آمده است.
شکل 2- نقشه درصد آهک عمق اول ( عمق 0 تا 30 سانتیمتری) خاک در مراتع غرب تفتان
جدول 8- اجزای مربوط به پارامترهای تغییرنما برای متغیرهای خاک انتخابشده برای تولید نقشه
متغیر |
عمق |
مدل واریوگرام |
اثر قطعهای |
سقف |
دامنه تأثیر |
ساختار مکانی (درصد) |
کلاس وابستگی مکانی |
آهک |
30-0 |
کروی |
07/4 |
88/20 |
5380 |
80/0 |
قوی |
اسیدیته |
60-30 |
کروی |
0 |
05/0 |
21100 |
83/0 |
قوی |
گچ |
60-30 |
کروی |
1/0 |
76/0 |
1770 |
95/0 |
قوی |
سیلت |
30-0 |
کروی |
20/1 |
75 |
4250 |
98/0 |
قوی |
ماده الی |
30-0 |
کروی |
03/0 |
07/0 |
7000
|
52/0 |
متوسط |
جدول9 - تعیین آستانه بهینه حضور و میزان توافق بین نقشههای پیشبینی و واقعی با استفاده از شاخص کاپا
ردیف |
تیپ گیاهی |
آستانه بهینه حضور |
ضریب کاپا |
توافق بین مقادیر پیشبینی و واقعی |
1 |
Ha.pe |
5/0 |
62/0 |
خوب |
2 |
Zy.eu |
3/0 |
58/0 |
خوب |
3 |
Ar.si |
3/0 |
39/0 |
ضعیف |
4 |
Am.sc |
3/0 |
86/0 |
عالی |
5 |
Ar.au |
3/0 |
95/0 |
عالی |
بحث و نتیجهگیری
نتایج حاصل از این پژوهش نشان میدهد که در قسمت پاییندست منطقه مورد مطالعه که سه رویشگاه
H. persicum ، Z. eurypterum و A. sieberi در آن محدوده قرار دارند نقش خصوصیات مربوط به خاک مانند بافت خاک، درصد ماده آلی خاک، گچ، آهک و میزان اسیدیته خاک در پراکنش گونههای گیاهی بیشتر است.
شکل3- نقشه واقعی و پیشبینی رویشگاههای مورد مطالعه در مراتع غرب تفتان (نقشه پیشبینی با رنگ سبز نشان داده شده است).
این در حالی است که در قسمت مرتفع منطقه که دو رویشگاه A. aucheri و A. scoparia را در خود جای دادهاست، علاوه بر خصوصیات مربوط به خاک (میزان شن، آهک خاک و نوع سازند زمینشناسی)، عوامل مربوط به فیزیوگرافی مانند درصدشیب و همچنین ارتفاع از سطح دریا نیز در استقرار گونههای گیاهی نقش داشته و به مدل پیشبینی مربوط به این رویشگاهها وارد شده است. بعبارت دیگر، در منطقه موردمطالعه دو دسته از عوامل محیطی شامل عوامل ادافیکی (خصوصیات خاک و سازند زمینشناسی) و خصوصیات فیزیوگرافی (شیب، ارتفاع) دارای نقش مهمتری در پراکنش گونههای گیاهی هستند. همچنین بررسی میزان انطباق نقشههای پیشبینی با نقشههای واقعیت زمینی نشان میدهد که میزان تطابق نقشههای پیشبینی حاصل با نقشه واقعی برای رویشگاه A. aucheri و A. scoparia، عالی (بترتیب 95/0 و 86/0)؛ برای رویشگاههایH. persicum و Z. eurypterum ، خوب (بترتیب 62/0 و 58/0) و برای رویشگاه A. sieberi ضعیف (39/0) است (جدول 5).
بر اساس این نتایج، مدل رگرسیون لوجستیک حاصل برای رویشگاههایA. aucheri و A. scoparia از دقّت خوبی برخوردار بوده است و توانسته بخوبی متغیرهای مهم و تأثیرگذار در رویشگاه این گونهها را شناسایی کند. علاوه بر این، لایههای مربوط به متغیرهای واردشده به مدل برای این دو گونه دارای دقّت بالایی بوده و این امر منجر به انجام پیشبینی با خطای کم شده است. بررسی مدل رگرسیونی مربوط به رویشگاه A. aucheri نشان میدهد که احتمال رخداد این گونه با ارتفاع از سطح دریا (2700-3000 متر) و میزان آهک در عمق صفر تا 30 سانتیمتری خاک (5/0-7/0 درصد) رابطه قوی داشته و میتوان این عوامل را بعنوان عوامل معرف این رویشگاه دانست. ارتفاع از سطح دریا بعنوان یکی از عوامل محدودکننده در پراکنش گونههای گیاهی است، زیرا هر یک از گونههای گیاهی با توجه به نیازهای بومشناختی خود، توانایی استقرار در یک محدوده ارتفاعی خاص را دارند. بنابراین افزایش یا کاهش ارتفاع میتواند باعث تناسب یا عدم تناسب رویشگاه برای استقرار گونههای گیاهی شود (15، 47). علاوه بر این، ارتفاع از سطح دریا میتواند از طریق تأثیر بر خصوصیات خاک مانند عمق خاک، رطوبت و مقدار ماده آلی خاک، استقرار گیاهان را در یک رویشگاه محدود نماید (5، 12،22). تأثیر ارتفاع بر پراکنش این گونه در مطالعات دیگری نیز گزارش شده است (29، 38، 40). آهک نیز بعنوان یکی از خصوصیات مهم میتواند از طریق تأثیر بر اسیدیته خاک و در نهایت قابلیت جذب مواد غذایی در پراکنش گیاهان تأثیرگذار باشد (4). همسو با یافته این پژوهش، آذرنیوند و همکاران (1382) هم درصد آهک را بعنوان یکی از عوامل مؤثر در پراکنش این گونه معرفی کردهاند. علاوه بر این، تأثیر توأم ارتفاع از سطح دریا بهمراه میزان آهک خاک در پراکنش رویشگاه این گونه در مراتع پشتکوه استان یزد نیز گزارش شده است (9، 29).
بر اساس مدل رگرسیونی مربوط به رویشگاه A. scoparia، مهمترین متغیرها در پراکنش این رویشگاه، متغیرهای نوع سازند زمینشناسی، درصد شن عمق صفر تا 30 سانتیمتری (77-53 درصد) و همچنین درصد شیب دامنه (40-30 درصد) است. بعبارت دیگر سازند زمینشناسی، بافت سبک خاک و درصد بالای شیب عوامل معرف رویشگاه این گونه هستند. با توجه به نقشه زمینشناسی منطقه، سازند زمینشناسی مربوط به رویشگاه این گونه، سازند آذرین از نوع آندزیتی است. مشاهدات میدانی نیز نشان میدهد که استقرار این گونه در مراتع غرب تفتان تحت تأثیر نوع سازند زمینشناسی است، بطوریکه این گونه منحصراً روی رخنمونهایی از سازند آذرین (آندزیتی) مشاهده میشود. تأثیر نوع سازند زمینشناسی در پراکنش این گونه در مطالعات دیگری نیز گزارش شده است (6، 18). همچنین گزارش شده است که این گونه در مراتع استان قم بر روی سازند آذرین از نوع بازالتی استقرار یافته است (5). ویژگیهای فیزیکی خاک مانند درصد شن نیز از عوامل مهم در استقرار این گونه است بطوری که این گونه در منطقه مورد مطالعه در خاکهایی با بافت متوسط تا سبک و میزان سنگریزه فراوان (71-51 درصد) استقرار مییابد. این نتایج با یافته گودرزی و همکاران (1391) و همچنین پیریصحراگرد و همکاران (1394) مبنی بر استقرار این گونه در خاکهایی با بافت متوسط تا سبک و مقادیر شن بالا همخوانی دارد. همچنین عامل شیب نیز بعنوان یکی از عوامل تأثیرگذار بر پراکنش و استقرار این گونه بوده و به مدل پیشبینی مربوط به این گونه وارد شده است. بدیهی است که درصد شیب میتواند از طریق تأثیر بر گرادیان رطوبتی خاک، بر تکامل و عمق خاک تأثیر گذارد و در نهایت با محدودکردن عمق ریشهدوانی گیاهان، استقرار گیاهان را محدود سازد(20). در تأیید یافته این پژوهش، مطالعات زیادی اثر درصد شیب را در پراکنش گونههای گیاهی مورد تأکید قرار دادهاند (5، 38، 39).
بررسی مدل رگرسیون لوجستیک حاصل برای رویشگاه H. persicum نیز نشاندهنده همبستگی وقوع این رویشگاه با درصد شن و ماده آلی در عمق صفر تا 30 سانتیمتری خاک است، بگونهای که میتوان سبکبودن بافت خاک (82-78 درصد) و زیادبودن ماده آلی در لایه سطحی خاک (85/0-68/0 درصد) را بعنوان عوامل معرف رویشگاه این گونه معرفی کرد. گزارش شدهاست که خصوصیات فیزیکی خاک مانند بافت خاک دارای تأثیر زیادی بر پراکنش گونه زردتاغ هستند (17). علاوه بر این، اختصاصی (1382) نیز اثر بافت خاک را بر استقرار گونههای مختلف تاغ مورد تأکید قرار داده است. واضح است که در خاکهایی با مقادیر شن زیاد بدلیل نفوذپذیری بالا امکان نفوذ باران به اعماق خاک وجود دارد، از سوی دیگر بعلت ضعیفبودن نیروی صعود مویینهای آب در خاکهایی با مقادیر شن بالا، آب ذخیرهشده در این خاکها از دسترس عوامل تبخیرکننده حفظ شده ودر دسترس گیاه باقی میماند (16). بهمین دلیل خاکهای با بافت سبک، آب قابل دسترس را به راحتی و به مقدار مناسب در اختیار گیاه قرار میدهند و بستر را برای رشد گیاه فراهم میکنند (15). ماده آلی نیز یکی از عوامل اصلی در ایجاد و تشکیل ساختمان خاک بوده و باعث افزایش نفوذپذیری خاک میشود. از سوی دیگر، بدلیل غنیبودن مواد آلی از ازت و امکان جذب سطحی زیاد عناصر و مواد غذایی، بالا بودن مقدار ماده آلی نقش مهمی در افزایش ظرفیت تبادلی عناصر ودر نهایت حاصلخیزی خاک ایفا میکند (3، 8، 49). در تأیید یافته این پژوهش گزارش شدهاست که درصد ماده آلی در لایه سطحی خاک تاغزارها زیاد است (16). این امر میتواند ناشی از تبادل زیاد این مواد از طریق اندامهای هوایی درختچههای تاغ باشد (2).
مدل پیشبینی مربوط به گونه Z. eurypterum نیز نشان میدهد که علاوه بر درصد سیلت خاک، متغیر درصد گچ در عمق 30 تا 60 سانتیمتری (85/2- 2/0 درصد) نیز دارای اهمیّت زیادی در استقرار این گونه در رویشگاه مورد مطالعه است. غنیبودن گچ از منابع کلسیم و سولفور، قابل حلبودن این عناصر و در نهایت سهولت دسترسی به این عناصر برای گیاه، باعث مساعدشدن شرایط برای رشد این گونه گیاهی میشود، زیرا گونه Z. eurypterum از گیاهان گچدوست بوده که بدلیل ظرفیت بالای نگهداری آب و وجود عناصر غذایی قابل دسترس از رشد و شادابی مطلوبی نسبت به گونههای گیاهی دیگر برخوردار است (25). در تأیید این یافته، تأثیر میزان گچ خاک در استقرار گونه Z. eurypterum در مراتع استان سمنان مورد تأکید قرار گرفته و این گونه بعنوان شاخص خاکهای گچی معرفی شده است (11).
نتایج حاصل از مدلسازی پیشبینی رویشگاه A. sieberi نیز نشان میدهد که میزان آهک در عمق صفر تا 30 سانتیمتری (12-5 درصد) و اسیدیته عمق 30 تا 60 سانتیمتری خاک (23/8 – 8/7) بیشترین نقش را در حضور این گونه دارند و میتوان آهک و اسیدیته را بعنوان دو عامل معرف رویشگاه این گونه معرفی کرد، بطوریکه با افزایش میزان آهک و همچنین افزایش اسیدیته، احتمال حضور این گونه افزایش یافته و شرایط برای استقرار این رویشگاه مناسب میشود. وارد نشدن متغیر ارتفاع به مدل پیشبینی مربوط به این گونه نشان میدهد که بر خلاف گونه A. aucheri ، این گونه در یک دامنه گستردهتر ارتفاعی رشد و استقرار پیدا کند (29). تأثیر خصوصیات خاک نظیر مقدار آهک خاک و همچنین اسیدیته خاک در پراکنش این گونه در قم و سمنان نیز گزارش شده است (41، 48).
با توجه به نتایج حاصل از این پژوهش میتوان گفت که روش رگرسیون لوجستیک میتواند پراکنش بالقوه گونههایی که دامنه پراکنش محدودتری دارند یا به عبارت دیگر در یک دامنه محدود از عوامل محیطی رشد میکنند و آشیان بومشناختی منحصر بفردی دارند (مانند رویشگاههای A. aucheri و A. scoparia) را با دقّت بالایی برآورد کند. همسو با نتایج این پژوهش گزارش شدهاست که گستردگی آشیان بومشناختی گونههای گیاهی تأثیرمنفی روی دقّت مدلهای حاصل از روش رگرسیون لوجستیک دارد (9، 11، 27، 40).همچنین بدلیل اینکه در این روش ترکیب مناسب متغیرهای پیشبینی کننده از اهمیّت زیادی برخوردار است و میتواند عملکرد پیشبینی مدل را تحت تأثیر قرار دهد، از این رو انتخاب روش ورود متغیرها به مدل پیشبینی، برای انتخاب بهترین ترکیب متغیرهای پیشبینیکننده از اهمیّت زیادی برخوردار است که در این مطالعه از روش پیشرو بعنوان یکی از روشهای گام به گام استفاده شد (11)، هر چند تجربه و تخصص در انتخاب متغیرهای مورد بررسی در این روش از اهمیّت زیادی برخوردار است و میتواند دقت نتایج را تحت تأثیر قرار دهد.
تشابه برخی از گونههای مورد بررسی در این پژوهش با پژوهشهای انجام شده در مراتع استان قم، سمنان و یزد (مانندA. aucheri ، A. scoparia، A. sieberi و Z. eurypterum) و مقایسه نتایج پژوهش حاضر با نتایج مطالعات انجامشده نشان میدهد که بین متغیرهای تأثیرگذار در پراکنش این گونهها یا متغیرهای وارد شده به مدلهای پیشبینی در مناطق مورد بررسی تا حدود زیادی تشابه وجود دارد، از سوی دیگر دقّت نقشههای پیشبینی مبتنی بر مدل رگرسیون لوجستیک در گونههای ذکرشده نیز تا حد زیادی با یکدیگر مشابهت دارد، بطوری که میتوان بیان داشت که در مناطق مورد بررسی، روش رگرسیون لوجستیک توانسته است متغیرهای تأثیرگذار بر پراکنش گونهها را تقریباً با دقّت یکسانی شناسایی کند، از اینرو میتوان از این مدلهای پیشبینی جهت برآورد حدود جغرافیایی پراکنش این گونهها در مقیاسهای وسیعتر از مقیاس مورد مطالعه استفاده کرد و از نتایج حاصل جهت انجام فعالیتهای اصلاحی جهت احیای پوشش گیاهی مراتع بهره برد.
سپاسگزاری
این پژوهش در قالب طرح پژوهشی شماره 94-40 و با حمایت مالی دانشگاه زابل انجام شده است. بدین وسیله از معاونت پژوهشی و فناوری دانشگاه زابل سپاسگزاری میشود.