نوع مقاله : مقاله پژوهشی
نویسندگان
1 عضو هیات علمی دانشکده منابع طبیعی دانشگاه تهران
2 دانشگاه تهران
چکیده
هدف از این پژوهش مدلسازی پراکنش رویشگاه گونههای گیاهی مراتع اشتهارد با استفاده از روش رگرسیون لجستیک است. ابتدا بر اساس نقشههای شیب و ارتفاع و تصاویر ماهوارهای واحدهای همگن تعیین شد. در هر واحد، سه ترانسکت 750 متری به روش تصادفی- سیستماتیک مستقر شد و در ابتدا و انتهای هر ترانسکت پروفیل خاک حفر و نمونهبرداری از دو عمق 20–0 و 80-20 سانتیمتر انجام شد، سپس متغیرهای خاک شامل سنگریزه، رس، سیلت، شن، آهک، ماده آلی، اسیدیته و هدایت الکتریکی در آزمایشگاه اندازهگیری شد. همچنین برای ثبت حضور و عدم حضور گونههای گیاهی در طول هر ترانسکت 15 پلات مستقر شد. اندازه پلات نمونهبرداری با توجه به نوع و پراکنش گونههای گیاهی به روش سطح حداقل، سطح مستطیلی شکل 2 مترمربعی تعیین گردید. در گام بعد رابطه رگرسیونی بین عوامل محیطی حضور رویشگاهها با استفاده از نرم-افزار SPSS بدست آمد. نقشه عوامل محیطی با روش درونیابی کریجینگ نیز در محیط نرمافزارGIS تهیه شد. در نهایت رابطه رگرسیونی بدست آمده برای حضور هر رویشگاه بر نقشههای عوامل محیطی موثر اعمال شد و نقشه پیشبینی هر رویشگاه تهیه شد. میزان تطابق بین نقشههای پیشبینی و نقشه واقعی رویشگاهها با استفاده از ضریب کاپا بررسی شد. تطابق بین نقشه واقعی و نقشه پیشبینی حاصل از مدل برای رویشگاهHalocnemum strobilaceum در سطح خوب (66/0K=) ، برای رویشگاهArtemisia sieberi در سطح متوسط (46/0K=) و برای رویشگاه Artemisia sieber- Stipa barbata نیز در سطح متوسط (53/0K=)، برای رویشگاه Artemisia sieberi- Salsola richteriضعیف (29/0K=) ارزیابی شدهاست.
کلیدواژهها
موضوعات
عنوان مقاله [English]
Habitat distribution modeling of some plant species using logistic regression in the semi-arid rangelands. (Case study: Eshtehard rangelands)
چکیده [English]
The aim of this study is habitat species distribution modeling using logistic regression in Eshtehard rangelands. Homogeneous units was determined based on the slope and elevation maps and satellite images. Per unit, three transects with a length of 750 meters was established according to systematic-random method. At the beginning and end of each transect soil profile was dug, Sampling was done from the depths 0-20 and 20-80. Soil variables including gravel, clay,sand, silt, lime, organic matter, pH and electrical conductivity was measured. Also for recording the presence or absence of plant species, 15 plots was established along each transect. Size of plot sampling was determined rectangular area 2 square meters according to the type and distribution of plant species with minimum area. In the next step regression relationship between environmental factors and presence of habitat using SPSS software was obtained.The map of variables was produced by Kriging interpolation method in GIS software. The regression equation related to the presence of any type were applied on maps of effective environmental factors, and prediction map produced for each habitat. The correspondence between the predicted and actual maps was assessed using the kappa coefficient. Correspondence between the predicted and actual maps was assessed for habitat Halocnemum strobilaceum in good level (k=0/66), for habitat of Artemisia sieberi in intermediate level (k=0/46), for Artemisia sieber- Stipa barbata in intermediate level too (K=0/54) and for habitat of Artemisia sieberi- Salsola richteri in poor level (k=0/29).
کلیدواژهها [English]
مدلسازی پراکنش رویشگاه گونههای گیاهی با روش رگرسیون لجستیک در مراتع نیمهخشک (مطالعه موردی: مراتع اشتهارد)
محمدعلیزارعچاهوکی* و نرگسناصریحصار
کرج، دانشگاه تهران، دانشکده منابع طبیعی
تاریخ دریافت: 24/9/93 تاریخ پذیرش: 24/11/95
چکیده
هدف از این پژوهش مدلسازی پراکنش رویشگاه گونههای گیاهی در مراتع اشتهارد با استفاده از روش رگرسیون لجستیک بود. ابتدا بر اساس نقشههای شیب و ارتفاع در مقیاس 1:25000 و تصاویر ماهوارهای، واحدهای همگن تعیین شد. در هر واحد، سه ترانسکت 750 متری به روش تصادفی- سیستماتیک مستقر شد و در ابتدا و انتهای هر ترانسکت پروفیل خاک حفر و نمونهبرداری از دو عمق 20–0 و 80-20 سانتیمتر انجام شد، سپس متغیرهای خاک شامل سنگریزه، رس، سیلت، شن، آهک، ماده آلی، اسیدیته و هدایت الکتریکی در آزمایشگاه اندازهگیری گردید. همچنین برای ثبت حضور و عدم حضور گونههای گیاهی در طول هر ترانسکت 15 پلات مستقر شد. اندازه پلات نمونهبرداری با توجه به نوع و پراکنش گونههای گیاهی به روش سطح حداقل، سطح مستطیلی شکل 2 مترمربعی تعیین گردید. در گام بعد رابطه رگرسیون لجستیک بین عوامل محیطی حضور رویشگاهها با استفاده از نرمافزار SPSS بدست آمد. نقشه عوامل محیطی با روش درونیابی کریجینگ نیز در محیط نرمافزارGIS تهیه شد. در نهایت رابطه رگرسیونی بدست آمده برای حضور هر رویشگاه بر نقشههای عوامل محیطی مؤثر اعمال شد و نقشه پیشبینی هر رویشگاه تهیه شد. میزان تطابق بین نقشههای پیشبینی و نقشه واقعی رویشگاهها با استفاده از ضریب کاپا بررسی شد. تطابق بین نقشه واقعی و نقشه پیشبینی حاصل از مدل برای رویشگاهHalocnemum strobilaceum در سطح خوب (66/0K=)، برای رویشگاه Artemisia sieberi در سطح متوسط (46/0K=)، برای رویشگاه Artemisiasieber-Stipabarbata نیز در سطح متوسط (53/0K=) و برای رویشگاه Artemisia sieberi-Salsolarichteriضعیف (29/0K=) ارزیابی شدهاست.
واژههای کلیدی: مدلسازی پراکنش رویشگاه، رگرسیون لجستیک، مراتع اشتهارد، نقشه پیشبینی.
* نویسنده مسئول، تلفن: 02632249313 ، پست الکترونیکی: mazare@ut.ac.ir
مقدمه
حضور گونههای گیاهی در یک منطقه برآیند عوامل محیطی، نیازهای بومشناسی هر گونه و دامنه بردباری گونه نسبت به عوامل محیطی مهم در هر رویشگاه است. مدلسازی پیشبینی پوشش گیاهی بر اساس ارتباط بین پراکنش پوشش گیاهی و متغیرهای محیطی مؤثر تعریف میشود. از آنجایی که مدلهای پیشبینی به درک نیازهای رویشگاه گونهها و پیشبینی توزیع پتانسیل گونهها کمک میکنند، میتوانند برای مدیریت توزیع گونهها، ارزیابی اثرات زیست محیطی ناشی از عوامل مختلف (آلودگی، تغییرات آب و هوا) و مدیریت گونههای در معرض خطر انقراض استفاده شوند (14). این مدلها مشاهدات میدانی را به مجموعهای از متغیرهای محیطی که احتمالا منعکس کننده برخی از عوامل کلیدی رویشگاه هستند مثل آب و هوا، توپوگرافی، ویژگیهای خاک، زمینشناسی و یا پوشش زمین مرتبط میکنند و در نهایت پیشبینیهای مکانی را که نشاندهنده مناسب بودن منطقه برای گونهها و جوامع و یا تنوع زیستی هدف است، ارائه میدهند (15).
رگرسیون لجستیک به عنوان یکی از روشهای مدلسازی پیشبینی پراکنش گونههای گیاهی، مدل احتمالاتی بین حضور پوشش گیاهی (به عنوان متغیر وابسته) و عوامل مؤثر بر آن (به عنوان متغیر مستقل) را با استفاده از روش حداکثر درستنمایی برازش میدهد و بهکمک تابع احتمالاتی مرتبط با رگرسیون لجستیک، احتمالاتی از صفر تا یک به دست میآید که مقدار صفر احتمال عدم حضور و مقدار یک احتمال 100 درصد حضور است (17). از مهمترین مزیتهای روش رگرسیون لجستیک استفاده از دادههای حضور و غیاب برای مدلسازی است که برخلاف سایر فاکتورهای گیاهی (تراکم، تاج پوشش و تولید) اندازهگیری آن بسیار ساده است (7).
ازجمله پژوهشهایی که از مدل رگرسیون لجستیک برای پیشبینی پراکنش گونهها استفاده شده میتوان به موارد زیر اشاره کرد: در مطالعهای در جنوب سوئیس اطلاعات مربوط به ۱۱۷ گونه گیاهی در ۱۲۵ سایت جمعآوری شد و در هر سایت عوامل ارتفاع، شیب و جهت مطالعه شد. سپس با استفاده از روش رگرسیون لجستیک احتمال حضور هر گونه گیاهی پیشبینی گردید. نتایج حاصل نشان داد که پارامترهای شیب و جهت بیشترین همبستگی را با حضور گونههای گیاهی دارند (18). در مراتع حوض سلطان قم نیز با استفاده از روش رگرسیون لجستیک پراکنش گونههای گیاهی مدلسازی شد. در این پژوهش پس از تهیه نقشه پیشبینی، آستانه بهینه حضور نیز برای هر یک از گونههای گیاهی با استفاده از رویکرد ترکیبی حساسیت و اختصاصیت برابر تعیین شد. در نهایت میزان تطابق نقشه پیشبینی با واقعی از طریق ضریب کاپا ارزیابی شد. نتایج نشان داد که میزان تطابق نقشههای حاصل از مدل و نقشه واقعی از سطح ضعیف (ضریب کاپای 34/0) تا خیلی خوب (ضریب کاپای 72/0) برای رویشگاههای مختلف نوسان دارد (1). در مطالعهای دیگر رویشگاه بالقوه گونه Astragalus verus با استفاده از دادههای حضور و غیاب این گونه از ۱۰۰ سایت (شامل ۵۰ سایت حضور و ۵۰ سایت غیاب) و نقشه فاکتورهای محیطی از قبیل فیزیوگرافی (شیب، جهت، ارتفاع)، اقلیم (دما، بارش و ...) و خاک (اسیدیته، هدایت الکتریکی و ...) با روش رگرسیون لجستیک مدلسازی شد. ارزیابی مدل با استفاده از مجموعه دادههای مستقل، ضریب کاپای 78/0 و با استفاده از سطح زیر منحنی پلاتهای ROC مقدار 93/0 را نشان داد که بیانگر توان بالای مدل رگرسیون لجستیک درختی در تولید نقشه پراکنش گونه Astragalus verus در مقیاس محلی میباشد (7). پژوهشگرانی نیز مدلسازی پراکنش گونههای گیاهی مراتع شرق سمنان را بر اساس عوامل خاک و توپوگرافی با روش رگرسیون لوجستیک انجام دادند و پس از تهیه نقشه پیشبینی رویشگاهها از شاخص کاپا برای بررسی میزان تطابق نقشهها با واقعیت استفاده کردند (4). در پژوهشی در جنوب غربی اسپانیا با استفاده از رگرسیون لجستیک متغیرهای فیزیوگرافی، بارندگی، درجه حرارت و دادههای مربوط به سنگشناسی را در تهیه مدل پراکنش مکانی بلوط چوب پنبهای (Quercus suber)مورد بررسی قرار دادند (15). مدلسازی مطلوبیت رویشگاه گونة Agropyron intermedium با روش تحلیل عاملی آشیان بومشناختی در مراتع طالقان میانی انجام شد (6).
هدف از این پژوهش، ارائه روابط رگرسیونی چند متغیره برای رویشگاه گونههای گیاهی مراتع اشتهارد با بهکارگیری عوامل خاکی و توپوگرافی و تهیه نقشه پیشبینی پراکنش این رویشگاههاست. شناخت عوامل محیطی مؤثر بر پراکنش پوشش گیاهی میتواند در زمینه آشنایی با سازگاری گونههای بومی و بکارگیری آنها در برنامه های اصلاح و احیاء مراتع، کارآمد باشد.
مواد و روشها
معرفی منطقه مورد مطالعه: منطقه مورد مطالعه با مساحت 3/2318 هکتار بخشی از مراتع شهرستان اشتهارد در جنوب غربی استان البرز است که در محدوده جغرافیایی 35 درجه و 41 دقیقه تا 35 درجه و 45 دقیقه شمالی و طول جغرافیایی 50 درجه و 33 دقیقه تا 50 درجه و 38 دقیقه شرقی و در ارتفاع 1129 تا 1378 متر از سطح دریا قرار گرفته است.
جمعآوری دادهها: ابتدا بر اساس نقشههای شیب و ارتفاع به دست آمده از نقشه مدل رقومی ارتفاع با دقت 10 متر و همچنین با استفاده از تصاویر ماهوارهای نقشه واحدهای همگن تهیه شد. انتخاب محل نمونهبرداری در هر واحد به گونهای بود که گونههای معرف هر تیپ رویشی را دربربگیرد و پوشش گیاهی نسبتا همگنی داشته باشد. همچنین به علت اثرات حاشیهای مناطق صنعتی و زمینهای کشاورزی و مناطق مسکونی از نمونهبرداری در نزدیکی این مناطق خودداری شد. در هر واحد همگن سه ترانسکت 750 متری، دو ترانسکت در طول مهمترین گرادیانهای محیطی (ارتفاع، جهت و شیب) و یک ترانسکت عمود بر آن دو ترانسکت مستقر گردید. در طول هر ترانسکت 15 پلات، به فاصله 50 متر قرار داده شد، که به دلیل زیاد بودن طول دامنه و تغییر شرایط محیطی این فاصله مد نظر قرار گرفت. بدین ترتیب در هر واحد همگن 45 عدد پلات مستقر گردید. اندازه پلاتهای نمونه برداری با توجه به نوع و پراکنش گونههای گیاهی به روش سطح حداقل، سطح مستطیلی شکل 2 متر مربعی تعیین گردید. در هر پلات نوع و تعداد گونههای گیاهی و درصد پوشش آنها ثبت شد. برای نمونهبرداری از خاک، در ابتدا و انتهای هر ترانسکت پروفیل خاک حفر شد. با توجه به عمق خاک و عمق مؤثر ریشهدوانی گونههای موردمطالعه دو عمق نمونهبرداری 20–0 و 80-20 سانتیمتر انتخاب گردید. سپس متغیرهای خاک شامل سنگریزه، رس، شن، سیلت، آهک، ماده آلی، اسیدیته و هدایت الکتریکی اندازهگیری شد که بههمراه روش اندازهگیری در جدول 1 آورده شده است. همچنین در هر واحد نمونهبرداری طول و عرض جغرافیایی، شیب، جهت و ارتفاع از سطح دریا نیز تعیین شد.
جدول 1- فهرست متغیرهای محیطی با علامت اختصاری بکار رفته در تحلیلها
ردیف |
روش اندازهگیری |
ویژگی |
علامت |
واحد اندازهگیری |
1 |
هیدرومتری |
رس |
Clay |
درصد |
|
هیدرومتری |
شن |
Sand |
درصد |
2 |
هیدرومتری |
سیلت |
Silt |
درصد |
3 |
هیدرومتری |
سنگریزه |
Gr |
درصد |
4 |
کلسیمتری |
آهک |
Lime |
درصد |
5 |
عصاره گل اشباع الکتریکی |
هدایت الکتریکی |
EC |
دسی زیمنس بر متر |
6 |
pH متر |
اسیدیته |
pH |
- |
7 |
- |
شیب |
Slope |
درصد |
8 |
- |
ارتفاع از سطح دریا |
Abs |
متر |
9 |
والکی و بلاک |
ماده آلی |
OM |
درصد |
در تهیه نقشه پیشبینی پوشش گیاهی علاوه بر مقدار عددی عوامل محیطی، نقشه این عوامل نیز موردنیاز است. به همین دلیل نقشه فاکتورهای خاک با روش درونیابی کریجینگ با نرم افزار GIS نسخه 3/9 تهیه شد (5). همچنین نقشه شیب و ارتفاع از نقشه رقومی ارتفاع با دقت 10 متر بدست آمد.
در این مطالعه متغیرهای وابسته، دادههای حضور و عدمحضور تیپهای رویشی هستند که با کد صفر و یک مشخص میشوند و متغیرهای مستقل شامل خصوصیات خاک و توپوگرافی میباشد. برای استفاده از این روش، ابتدا وجود همخطی چندگانه از طریق محاسبه عامل تورم واریانس (VIF) بین متغیرهای مستقل مورد بررسی قرار گرفت. به دلیل اینکه مقدار عامل تورم واریانس برای تمام متغیرها کمتر از 10 بود، در نتیجه متغیرهای مستقل دارای همخطی چندگانه نبودند. سپس رابطه بین حضور و عدم حضور رویشگاهها و فاکتورهای محیطی با استفاده از روش رگرسیون لجستیک در نرمافزار SPSS نسخه 19 بدست آمد (3). برای آزمون مدلهای بهدست آمده از آماره هوسمر و لمشاو استفاده شد که از طریق رابطه زیر محاسبه میگردد (17):
رابطه (1): |
H=
که در این رابطه، Og، Eg و Ngبهترتیب نشاندهنده مقادیر مشاهده شده، مقادیر مورد انتظار و مشاهدات و G تعداد گروههاست. Ngنیز متوسط احتمال پیشبینی شده حضور است.
پس از بدست آوردن مدل پیشبینی پوشش گیاهی از طریق عوامل محیطی، این مدلهای آماری با استفاده از روشهای زمین آمار و سیستم اطلاعات جغرافیایی و اعمال ضرایب مربوط به هر یک از متغیرهای محیطی بر روی نقشههای این عوامل در نرمافزار GIS نسخه 3/9 تبدیل به نقشه پیشبینی رویشگاه گونههای گیاهی شد (2،1 و 4). نقشه خروجی حاصل از مدل شامل مقادیر احتمال حضور بین صفر تا یک برای رویشگاه موردنظر است، که در این پژوهش احتمال حضور 5/0- 0 بهعنوان عدم حضور رویشگاه و 1- 5/0 را بهعنوان حضور رویشگاه در نظر گرفته شد و نقشه خروجی نهایی بر اساس این دو طبقه حضور و عدمحضور برای هر رویشگاه تعریف شد.
میزان تطابق نقشه پیشبینی تهیه شده با نقشه واقعی پوشش گیاهی نیز با استفاده از ضریب کاپا در نرم افزار Idrisi نسخه 16 محاسبه شد. از این ضریب در بسیاری از مطالعات پیشبینی رویشگاه گونههای گیاهی استفاده شده است (22،19،1 و 23). ضریب کاپا بیانگر تطابق مقادیر پیشبینی شده و مقادیر مشاهده شده میباشد و مقدار آن از صفر تا یک تغییر میکند و هر چه به یک نزدیکتر باشد نشاندهنده تطابق بیشتر بین مقادیر واقعی و مقادیر پیشبینی است.
نتایج
رابطههای 2 تا 5 نتایج حاصل از مدل رگرسیون لجستیک بین حضور و عدم حضور رویشگاهها و عوامل محیطی است. طبق رابطه 2 حضور رویشگاه Stipa barbata- Artemisia sieberi با سنگریزه عمق اول نسبت مستقیم و با ارتفاع و شن عمق دوم نسبت عکس دارد. پس از این رویشگاه، رویشگاه نسبتا خالصی از Artemisia sieberi است که طبق معادله بهدست آمده این گونه با مادهآلی عمق اول و ارتفاع و هدایت الکتریکی عمق دوم نسبت عکس دارد. در رویشگاه بعدی این گونه همراه با Salsolarichteri مشاهده میشود. احتمال حضور این رویشگاه طبق معادله فوق با افزایش درصد سنگریزه و هدایت الکتریکی عمق دوم، کاهش مییابد. رویشگاه بعدی در پاییندست منطقه و حاشیه رودخانه رودشور، رویشگاه Halocnemumstrobilaceum است. بررسی رابطه رگرسیون لجستیک نشاندهنده همبستگی بین حضور این رویشگاه با درصد آهک و سنگریزه است. این رابطه به گونهای است که افزایش این عوامل، کاهش احتمال حضور این گونه را در پی دارد.
رابطه (2): |
رابطه (3): |
رابطه (4): |
p
رابطه (5): |
*: 1 و 2 نشاندهنده مقادیر فاکتورهای خاک در عمقهای اول و دوم خاک است.
بالا بودن مقدار آماره هوسمر و لمشاو (HL) نشاندهنده تطابق بیشتر است. بررسی معناداری هر یک از این مدلها با ضرایب تشخیص و آمارهHL ، بیانگر معناداری این روابط در سطح یک درصد است و نشاندهنده تطابق خوب رابطه لجستیک با دادههاست (جدول 2).
جدول 2- آمارههای مربوط به رگرسیون لجستیک برای پیشبینی حضور رویشگاه
رویشگاههای گیاهی |
R2 |
مقدار HL |
Artemisia sieberi |
836/0 |
**65/0 |
Artemisia sieber- Stipa barbata |
827/0 |
**88/0 |
Halocnemum strobilaceum |
799/0 |
**99/0 |
Artemisia sieberi- Salsola richteri |
571/0 |
**1 |
**: معناداری در سطح یک درصد
در گام بعد نقشه عوامل خاک با روش درونیابی کریجینک با استفاده از نرمافزار GIS تهیه شد که نقشه هدایت الکتریکی عمق دوم برای نمونه در شکل 1 آورده شده است. ضرایب مربوط به هر متغیر بر اساس رابطههای رگرسیونی به دست آمده در لایههای محیطی در محیط GISاعمال و نقشه پیشبینی برای هر یک از رویشگاهها تهیه شد. سپس نقشه نهایی پیشبینی بر اساس دو طبقه حضور رویشگاه با مقادیر احتمال 5/0-0 و عدم حضور رویشگاه با مقادیر احتمال 1-5/0 تهیه شد. این نقشهها برای مقایسه همراه با نقشه واقعی پوشش گیاهی در شکلهای 2 تا 5 آورده شده است.
بحث و نتیجهگیری
بررسی دقت مدل پیشبینی رگرسیون لجستیک با استفاده از ضریب کاپای به دست آمده حاکی از آن است که تطابق بین نقشه واقعی و نقشه پیشبینی حاصل از مدل برای رویشگاه H. strobilaceum در سطح خوب، برای رویشگاههای A. sieberi و –S. barbata A. sieberi در سطح متوسط، برای رویشگاه S. richteri-A. sieberiضعیف ارزیابی شدهاست.
با توجه به عوامل وارد شده به مدلهای رگرسیون لجستیک، ارتفاع، سنگریزه، شن، هدایت الکتریکی، ماده آلی و آهک مؤثرترین عوامل در پراکنش رویشگاههای منطقه مورد مطالعه هستند. این عوامل بیشترین تأثیر را در پراکنش گونههای گیاهی منطقه دارند ولی میزان اثر هر یک از این متغیرها در حضور رویشگاههای مختلف، متفاوت است. رابطه رگرسیون لجستیک برای رویشگاه H. strobilaceum نشاندهنده همبستگی بین حضور این رویشگاه با درصد آهک و سنگریزه است. این رابطه به گونهای است که افزایش این عوامل، کاهش احتمال حضور گونه را در پی دارد. با توجه به ضریب کاپای بالای به دست آمده برای این رویشگاه، میتوان گفت مدل برای رویشگاه مذکور موفق عمل کرده و با دقت بالایی پیشبینی انجام شده است. برای رویشگاه A. sieberi – S. barbata عوامل ارتفاع از سطح دریا و سنگریزه و شن عمق 80-20 وارد رابطه رگرسیونی با حضور رویشگاه شدهاند که با سنگریزه رابطه مستقیم و با ارتفاع و شن رابطه معکوس دارد. در بررسی آتاکولوژی استیپا به ریزبافت بودن خاک رویشگاههای استیپا در استان تهران اشاره شد (9). در مناطق بیابانی گونههای علفی با مقاومت به خشکی پایین، اغلب بر روی خاکهای ریزدانه گسترش دارند (12). برای رویشگاه A. sieberi رابطه رگرسیون لجستیک نشاندهنده همبستگی بین حضور رویشگاه و متغیرهای ارتفاع از سطح دریا، هدایت الکتریکی عمق دوم و ماده آلی عمق اول است، بهطوریکه با ارتفاع و هدایت الکتریکی نسبت معکوس و با ماده آلی نسبت مستقیم دارد. میزان هدایت الکتریکی بیانگر میزان شوری است. شوری زیاد خاک باعث سمیت و بهم خوردن تعادل یونی میشود که روی فعل و انفعالات حیاتی بذر اثر میگذارد و باعث جلوگیری از جوانهزنی بذر و کاهش احتمال حضور گیاهان میشود (8). پژوهشگری در تحلیل پوشش گیاهی مراتع ندوشن، افزایش شوری خاک را از علل کاهش حضور گونه A. sieberi در ترکیب جوامع گیاهی منطقه میداند (10). براساس نتایج تجزیهوتحلیل رگرسیون لجستیک، میتوان گفت که درصد سنگریزه مؤثرترین عامل در پراکنش تیپهای مورد بررسی در منطقه موردتحقیق بوده است. زیرا این عامل به استثنای تیپ Artemisia sieberiدر سه تیپ دیگر وارد مدل شدهاست. تحقیقات بسیاری اثرات مثبت میزان سنگریزه سطحی بر پوشش گیاهی مناطق خشک را نشان دادند (11 و 20).
مدل رگرسیون لجستیک برای پیشبینی رویشگاههایی که شرایط ویژه و منحصر به فردی دارند، نتیجه بهتری ارائه میدهد و برای گونههایی که دامنه بومشناسی وسیعی دارند مدلی قوی ارائه نمیدهد (21). گونه A. sieberiدامنه رویشگاهی وسیعی دارد و نقشههای پیشبینی حاصل از رگرسیون لجستیک برای سه رویشگاهی که گونه درمنه دشتی گونه غالب آنها بوده است تطابق متوسط و ضعیفی با واقعیت دارد که این نتیجه با نتایج سایر پژوهشگران نیز مطابقت دارد (1 و 23). هدف از این پژوهش بررسی امکان تعیین الگوی پراکنش رویشگاهها بر اساس الگوی پراکنش عوامل محیطی مؤثر و در نهایت دستیابی به مدل پیشبینی توزیع مکانی برای رویشگاه گونههای مورد مطالعه با استفاده از روش رگرسیون لجستیک بود. بر اساس نتایج بهدست آمده، رگرسیون لجستیک توانسته ارتباط بین حضور رویشگاهها و عوامل محیطی مؤثر را به خوبی تعیین کند. روش رگرسیون لجستیک از کاربردیترین روشهای مدلسازی پراکنش گونههای گیاهی است که پژوهشگران بسیاری آن را روش مناسبی برای مدلسازی و در نهایت تهیه نقشه پیشبینی گونههای گیاهی معرفی کردند (13،2 و 14).
طبق نتایج این پژوهش میتوان گفت با تعیین عوامل مؤثر بر حضور هر تیپ گیاهی، در مطالعات بعدی میتوان فقط مطالعه را با دقت بیشتری بر روی همین عوامل محیطی متمرکز کرد و از صرف زمان و هزینه برای سایر عوامل جلوگیری کرد. نقشههای پیشبینی حاصل از مدل رگرسیون لجستیک که در واقع نقشه پتانسیل پراکنش رویشگاههاست میتواند نقش مهمی در پیشنهاد گونههای سازگار با شرایط فیزیوگرافی مختلف در برنامههای احیای مرتع داشته باشد، همچنین میتواند تعیین مناطقی با پتانسیل رویش گونههای با ارزش دارویی- صنعتی و یا گونههای نادر و در حال انقراض استفاده شود.