انجمن زیست شناسی ایران مجله پژوهش‌های گیاهی (مجله زیست شناسی ایران)(علمی) 2383-2592 30 4 2018 02 20 Predictive modeling of plant species habitat distribution using logistic regression (A case study in western Taftan, Khash City) مدل‌سازی پیش‌بینی پراکنش رویشگاه گونه‌های گیاهی با روش رگرسیون لوجستیک (مطالعه موردی: مراتع غرب تفتان، شهرستان خاش) 792 806 992 FA حسین پیری صحراگرد زابل، دانشگاه زابل، دانشکده آب و خاک، گروه مرتع و آبخیزداری Journal Article 2016 06 04 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. 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. نمونه‌برداری از پوشش گیاهی در هر رویشگاه به روش تصادفی- تعییسیستماتیک از طریق پلات‌گذاری در امتداد 4 خط‌نمونه 150 و200 متری انجام شد. سطح قطعات‌نمونه با توجه به نوع گونه‌های موجود، به‌ روش سطح حداقل بین 2 تا 25 متر‌مربع و تعداد آنها با توجه به تغییرات پوشش گیاهی و روش آماری 40 تا 60 قطعه-نمونه تعیین شد. برای نمونه‌برداری از خاک نیز در هر رویشگاه، هشت پروفیل حفر و از دو عمق 30-0 و60-30 سانتی-متری نمونه‌برداری 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 زمین-شناسی، درصد شیب و ارتفاع بیشترین نقش را در پراکنش رویشگاه‌های مورد مطالعه دارند. 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 lمی تواند 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 بوم-شناختی گسترده، دقّت مدل‌ پیش‌بینی حاصل از این روش پایین‌ بود. https://plant.ijbio.ir/article_992_860320be12a1c050cd7731794e231bd3.pdf