مدل سازی مطلوبیت رویشگاه گونه اسپرس کوهی (Onobrychis cornuta) با روش تحلیل عاملی آشیان بوم شناختی در مراتع بلده نور

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مرتعداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری

2 دانشیار گروه مرتعداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری

3 دانشیار گروه مرتع و آبخیزداری، دانشگاه گیلان

چکیده

مدل های آشیان بوم شناختی ابزارهایی هستند که اجازه می دهند مناطق مناسب مطلوبیت گونه ها محاسبه شود، همچنین خط مشی های حفاظت را توسعه می دهند. جهت مدل سازی مطلوبیت زیستگاه اسپرس کوهی (Onobrychis cornuta)، از روش تجزیه و تحلیل عاملی آشیان بوم شناختی در محیط نرم افزار Biomapper استفاده شده است. در این مطالعه از نقاط حضور گونه به عنوان متغیر وابسته و از 14 متغیر محیطی به عنوان متغیر مستقل استفاده شد. پس از تهیه لایه ها، با استفاده از مدل تحلیل عاملی آشیان بوم شناختی تجزیه و تحلیل شدند. متغیرهای محیطی تأثیرگذار شامل میانگین دمای سالانه، جهت جغرافیایی، هدایت الکتریکی، شیب و مواد خنثی شونده خاک مورد استفاده قرار گرفتند. نتایج مربوط به حاشیه گرایی گونه نشان داد که این گونه تمایل به زندگی در زیستگاه حاشیه ای دارد. همچنین ارزیابی مدل با استفاده از روش اعتبارسنجی متقابل (0/8) نشان دهنده دقت بالا و خوب مدل تحلیل عاملی آشیان بوم‌شناختی برای گونه مورد نظر در منطقه مورد مطالعه می باشد. مدل سازی گونه‌های گیاهی می تواند به طور گسترده برای شناسایی مناطق مناسب برای حفاظت از گونه های گیاهی بومی و ارزشمند استفاده شود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Habitat suitability modeling of Onobrychis cornuta using Ecological Niche Factor Analysis in Rangeland of Baladeh, Nour

نویسندگان [English]

  • Farhad Borna 1
  • Reza Tamartash 2
  • Mohammad Reza Tatian 2
  • Vahid Gholami 3

1 Ph.D. student of Rangeland, Sari Agricultural Sciences and Natural Resources University,Sari, I.R. of Iran

2 Associate Professor of Rangeland, Sari University of Agricultural Sciences and Natural Resources

3 Associate Professor, Department of Rangeland and Watershed Management, Guilan University

چکیده [English]

Ecological Niche models are ways that allow approximating the area of suitability for a species, thereby allowing elaboration of conservation strategies. In order to creat a model the habitat of Onobrychis cornuta Ecological Niche Factor Analysis (ENFA) method in a Biomapper software has been used. In this study, the presence points of species used as a dependent variable and 14 environmental variables used as an independent variable. First this layers were prepared and then analyzed by Ecological Niche Factor Analysis (ENFA) method. Influential environmental variables such as A.m.t, Aspect, Ec, Slop, and TNV have been used. The results of species marginalization shows that this species tends to live in habitat of marginalization. Also, the evaluation of the model using the Cross Validation (0.8) indicate high accuracy model of Ecological Niche Factor Analysis for Onobrychis cornuta in the study area. This way of modeling could be widely used to identify appropriate areas for protecting of valuable native plant species

کلیدواژه‌ها [English]

  • Potential distribution
  • Ecological Niche
  • GIS
  • Biomapper
  • Baladeh of Nour city

مدل­سازی مطلوبیت رویشگاه گونه اسپرس کوهی (Onobrychis cornuta) با روش تحلیل عاملی آشیان بوم­شناختی در مراتع بلده نور

فرهاد برنا1، رضا تمرتاش1*، محمدرضا طاطیان1 و وحید غلامی2

1 ایران، ساری، دانشگاه علوم کشاورزی و منابع طبیعی ساری، دانشکده منابع طبیعی

2 ایران، صومعه سرا، دانشگاه گیلان، دانشکده منابع طبیعی، گروه مرتع و آبخیزداری

تاریخ دریافت: 21/10/1398          تاریخ پذیرش: 07/11/1398

چکیده

مدل­های آشیان بوم­شناختی ابزارهایی هستند که اجازه می­دهند مناطق مناسب مطلوبیت گونه­ها محاسبه شود، همچنین خط­مشی­های حفاظت را توسعه می­دهند. جهت مدل­سازی مطلوبیت زیستگاه اسپرس کوهی (Onobrychis cornuta)، از روش تجزیه و تحلیل عاملی آشیان بوم­شناختی در محیط نرم­افزار Biomapper استفاده شده است. در این مطالعه از نقاط حضور گونه به عنوان متغیر وابسته و از 14 متغیر محیطی به عنوان متغیر مستقل استفاده شد. پس از تهیه لایه­ها، با استفاده از مدل تحلیل عاملی آشیان بوم­شناختی تجزیه و تحلیل شدند. متغیرهای محیطی تأثیرگذار شامل میانگین دمای سالانه، جهت جغرافیایی، هدایت الکتریکی، شیب و مواد خنثی شونده خاک مورد استفاده قرار گرفتند. نتایج مربوط به حاشیه­گرایی گونه نشان داد که این گونه تمایل به زندگی در زیستگاه حاشیه­ای دارد. همچنین ارزیابی مدل با استفاده از روش اعتبارسنجی متقابل (8/0) نشان­دهنده دقت بالا و خوب مدل تحلیل عاملی آشیان بوم­شناختی برای گونه مورد نظر در منطقه مورد مطالعه می­باشد. مدل­سازی گونه­های گیاهی می­تواند به طور گسترده برای شناسایی مناطق مناسب برای حفاظت از گونه­های گیاهی بومی و ارزشمند استفاده شود.

واژه های کلیدی: پراکنش بالقوه، آشیان بوم­شناختی (EN)، سیستم اطلاعات جغرافیایی، Biomapper، بلده­ی نور

* نویسنده مسئول، تلفن: 09126997046، پست الکترونیکی: reza_tamartash@yahoo.com

مقدمه

 

پوشش گیاهی هر منطقه حاصل تغییرات محیطی آن است. بنابراین می­توان گفت که ترکیبی از عوامل بوم­شناختی مانند آب و هوا، خاک و پستی و بلندی بر استقرار گونه­های گیاهی تأثیر می­گذارد (26). مدل آشیان بوم­شناختی بعنوان یک ابزار مهم، می­تواند با پیش­بینی توزیع پوشش گیاهی در یک منطقه براساس رابطه بین توزیع فضایی پوشش گیاهی و برخی متغیرهای محیطی به مدل­سازی مطلوبیت رویشگاه گیاهی بپردازد (35، 26 و 27). مدل­های پیش­بینی کننده محدوده پراکنش گونه، محدوده توزیع گونه­ها و زیستگاه­هایشان را پیش­بینی می­کنند، بنابراین می­توانند ابزار مناسبی برای اهداف حفاظتی و مدیریتی باشند (8). همچنین به­دلیل توانایی مدل­های پیش­بینی رویشگاه در کشف روابط بین وقوع گونه­ها و شرایط محیطی، این مدل­ها ابزاری مهم در بوم­شناسی هستند (22 و 36) و استفاده از نتایج آن­ها در برنامه­های حفاظتی در مقیاس منطقه­ای، به ­­سرعت در حال توسعه است (25). امروزه مدل­های زیادی برای بررسی روابط میان گونه و عوامل محیطی با استفاده از اطلاعات مربوط به نقاط حضور (یا همان پراکنش فعلی) گونه­ها به­­ کار می­روند (9). برتری مدل­هایی که با استفاده از اطلاعات مربوط به حضور گونه­ها اقدام به مدل­سازی می­کنند نسبت به سایر مدل­ها این است که بیش­تر اطلاعات در دسترس مربوط به حضور گونه­ها بوده و داده­های عدم حضور به ندرت در دسترس هستند؛ ­یا مقادیر آن­ها با شک و تردید همراه است (21). مدل تحلیل عاملی آشیان بوم­شناختی یکی از روش­های رایج برای مدل­سازی توزیع گونه­هاست که بر پایه داده­های حضور گونه استوار است (30). مدل­سازی در روش تجزیه و تحلیل عاملی آشیان بوم­شناختی در مقایسه با روش­های وابسته به داده­های حضور و عدم حضور نظیر مدل خطی تعمیم یافته، مدل افزایشی تعمیم یافته و درخت رگرسیون با دقت بیش­تری انجام می­پذیرد؛ زیرا ثبت نقاط عدم حضور گونه در این روش­ها در پاره­ای اوقات، نظیر زمانی که مشاهده حضور گونه دشوار است، ممکن است به اشتباه صورت گیرد (30). استفاده از داده­های عدم حضور می­تواند در نتایج اریب ایجاد کند و در نتیجه استفاده از روش­هایی مبتنی بر نقاط حضور نتیجه مطلوب­تری خواهد داشت (32). محققانی همانند امیدی و همکاران (1)، مصطفوی و همکاران (20) و Hengl و همکاران (28) با استفاده از روش تجزیه و تحلیل عاملی بوم شناختی به تعین مطلوبیت زیستگاه­های جانوری پرداختند. برای تعیین رویشگاه گونه­های گیاهی با استفاده از روش ENFA می­توان به مواردی همچون Trethowan و همکاران (37) که با استفاده از مدل آشیان بوم­شناسی رویشگاه گونه Campuloclinium macrocephalum را بررسی کردند و همچنین Wolmarans و همکاران (40) که به پیش­بینی توزیع گونه­های مهاجم مرتعی با استفاده از مدل آشیان بوم شناختی پرداختند اشاره کرد.

تیره حبوبـات  (Fabaceae) بـا حـدود 600 جـنس و بیش از 12000 گونه، سومین تیره بزرگ در بین گیاهان گـلدار اسـت. جـنس اسـپرس بـا حـدود 130 گونـه از بقولات علوفه­ای بسیار ارزشمندی است که قـرنهاسـت در سطوح وسیعی از ممالـک مختلـف، بـه ویـژه منـاطق معتدل آسیا و از جمله ایران کشت می­شـود، اگرچـه در رویشگاه­های مناطق سرد کوهستانی نیزبه طـور خـودرو دیده می­شود. جنس اسپرس شامل گیاهانی یکسـاله یـا دایمی، اغلب ایستاده و به نـدرت بـه صـورت بوتـه­هـای تیغدار بوده که اغلب دارای کُرک­هـای سـاده و گـاهی بدون کرک هستند (34). گونه اسپرس کوهستانی یا پشته­ای (Onobrychis cornuta) گیاهی مقاوم به خشکی بوده، همچنین این گیاه علوفه­ای است و مناسب کشت در مناطقی که برای کشت یونجه مناسب نیست. همچنین جزء گونه­های خوشخوراک برای گوسفند و گاو بوده به گونه­ای که آن را به یونجه ترجیح می­دهند (6).

به منظور فراهم کردن اطلاعات و شناخت در مورد خصوصیات رویشگاهی گونه مورد مطالعه چگونگی عمل و رفتار این گونه گیاهی در اکوسیستم­های مرتعی و مطابق با آن شناخت رویشگاه­های دارای ویژگی­های بالقوه جهت استقرار و پراکنش این گونه در عملیات اصلاحی مراتع، مدل مطلوبیت رویشگاه این گونه با استفاده از یکی از روش­های مناسب در تعیین مطلوبیت زیستگاه گونه مورد مطالعه و تهیه نقشه مطلوبیت زیستگاه، استفاده از روش تجزیه و تحلیل عاملی آشیان بوم­شناختی به کار گرفته شد، در عین حال به بازگشت دوباره برخی مراتع تخریب یافته و در حال تخریب که زمینه پرورش گونه مذکور را دارند کمک شود و بتوان بدین صورت در جهت مدیریت صحیح و استفاده علمی و اقتصادی رویشگاه­های مرتعی مرتبط گام برداشت. استفاده از این روش فقط نیاز به داده­های حضور دارد و این باعث صرفه جویی در زمان و بودجه خواهد شد (9). بنابرین لازم است که برای پرورش و به­کارگیری این گونه و اهمیت آن در حفاظت خاک شناخت کاملی در مورد رویشگاه این گونه به دست آورد. گونه اسپرس کوهی (O. cornuta) با وجود گسترش زیاد در منطقه تاکنون پژوهش­های زیادی در این مورد انجام نشده است. با توجه به موارد گفته شده، هدف از این مطالعه تعیین مطلوبیت رویشگاه گونه O. cornuta و عوامل مؤثر بر مطلوبیت رویشگاه آن، تعیین دامنه آشیان بوم­شناختی این گونه گیاهی با بکارگیری تحلیل عاملی آشیان بوم­شناختی می­باشد.

مواد و روشها

منطقه مورد مطالعه: مراتع ییلاقی بلده با مساحت حدود 20000 هکتار در استان مازندران، شهرستان نور بین¢29 و °51 تا ¢45 ، °51 طول شرقی و ¢05 ، °36 تا¢14  و °36 عرض شمالی واقع شده است. بیشینه و کمینه ارتفاع منطقه به ترتیب4192 و 2114 متر می‌باشد. میانگین دمای سالیانه هوا بین 7 تا 23 درجه سانتی­گراد، میزان بارندگی سالانه در طول یک دوره ده ساله به طور متوسط 308 میلی­متر می­باشد. بیشینه متوسط دمای گرم­ترین ماه و کمینه متوسط دمای سردترین ماه سال بترتیب برابر با 5/22 و7/3 درجه سانتی­گراد است و از نظر طبقه­بندی اقلیم براساس روش آمبرژه (Q= 6/41) نوع اقلیم نیمه مرطوب سرد است (2).

 

شکل 1 – موقعیت منطقه مورد مطالعه در استان مازندران

 

روش تحقیق: در این پژوهش ابتدا با پیمایش زمینی تیپ رویشی گونه Onobrychis cornuta در منطقه شناسایی و محدوده آن به کمک عوارض طبیعی مشخص شد. در تیپ­ Onobrychis cornuta با استفاده از روش طبقه­بندی– تصادفی تعداد 56 سایت حضور انتخاب و مختصات حضور گونه با استفاده از GPS ثبت شد. بمنظور پیش­بینی رویشگاه Onobrychis cornuta در منطقه بلده نیاز به تولید نقشه­های پایه محیطی است، لذا نقشه­ها­ی مدل ارتفاعی رقومی، شیب و جهت جغرافیایی برای منطقه مورد مطالعه تهیه شد. پس از تهیه نقشه­های اقلیم و متغیرهای خاک، اقدام به انجام مطالعات آزمایشگاهی خاک از طریق انتخاب مناطق نمونه شد. به منظور مطالعه پارامترهای فیزیکی و شیمیایی خاک، نمونه‌های خاک پس از خشک شدن کامل در هوای آزاد، از الک 2 میلی­متری عبور داده شد (33). برای ‌اندازه‌گیری کربن آلی خاک از روش والکی و بلک،  نیتروژن کل خاک به روش کجلدال، تعیین درصد ذرات رس، سیلت و ماسه (بافت خاک) از روش هیدرومتری بایکاس، واکنش خاک (pH) به روش پتانسیومتری، درصد آهک ‌از روش تیتراسیون اندازه‌گیری شد. نقشه­ی رقومی 14 متغیر محیطی شامل متغیرهای فیزیوگرافی (شیب، جهت و ارتفاع)، خاک (شن، سیلت، رس، اسیدیته، هدایت الکتریکی، مواد خنثی شده، کربن آلی، رطوبت اشباع خاک، نسبت جذب سدیم) و اقلیم (دمای میانگین سالانه، بارش میانگین سالانه) در محیط Arc GIS نسخه 3/9 (متغیرهای خاک و اقلیم با رو­ش درونیابی) با اندازه پیکسل 10×10 متر تولید شد (جدول 1).

 

جدول 1 – متغیرهای محیطی مورد استفاده در مدل­سازی مطلوبیت رویشگاه گونه اسپرس کوهی با استفاده از تحلیل عاملی آشیان بوم­شناختی

 

ردیف

متغیر

علائم اختصاری

واحد

متغیرهای فیزیوگرافی

1

ارتفاع

DEM

متر

2

شیب

Slope

درجه

3

جهت

Aspect

درجه

متغیرهای خاکی

4

شن

Sand

درصد

5

سیلت

Silt

درصد

6

رس

Clay

درصد

7

اسیدیته

pH

-

8

هدایت الکتریکی

Ec

دسی زیمنس بر متر

9

مواد خنثی­شده

T.N.V

-

10

کربن آلی

OC

درصد

11

رطوبت اشباع

Sp

درصد

12

نسبت جذب سدیم

SAR

-

متغیرهای اقلیمی

13

میانگین دمای سالانه

A.m.t

درجه سانتی­گراد

14

میانگین بارش سالانه

A.m.p

میلی­متر

 

پس از تولید نقشه متغیرهای محیطی در محیط نرم افزار Arc GIS 9.3، جهت انجام مدل­سازی از نرم­افزار Biomapper 4 استفاده شد (31). برای ورود نقشه­های تولید شده به این نرم­افزار با توجه به اینکه این نرم­افزار فرمت خاصی دارد، ابتدا با استفاده از نرم افزار Idrisi Selva لایه­ها به فرمت مورد نظر تبدیل شدند. نرم­افزار Biomapper دارای دو بخش به شرح زیر می­باشد: WorkMap: این بخش بعنوان متغیر وابسته و شامل نقشه­ی نقاط حضور گونه گیاهی مورد مطالعه در سطح منطقه مطالعاتی می­باشد.Ecogeographicl Maps : این بخش شامل اطلاعات متغیرهای مستقل محیطی هستند (30). بنابراین نقشه­های متغیرهای محیطی در این بخش قرار گرفت. قبل از انجام آنالیز ENFA به بررسی کیفیت داده­ها پرداخته شد، زیرا این آنالیز به نرمال بودن داده­های ورودی حساس است. به این منظور متغیرهای مستقل به روش BOX – COX نرمال شدند (30).

با اطمینان از نرمال بودن متغیرها، به بررسی همبستگی آن­ها پرداخته شد. استفاده از لایه­های همبسته می­تواند با افزایش درجه آزادی، باعث افزایش مصنوعی ضریب همبستگی شود. بنابراین در غالب ماتریس همبستگی بررسی­ها انجام می­شود و از بین دو یا چند متغیری که دارای همبستگی بیش از 85 درصد هستند (29)، یکی از آن­ها از فهرست متغیرهای وارد شونده حذف می­شود؛ سایر متغیرها پس از انجام ماتریس همبستگی و انجام PCA به­دلیل اهمیت کمی که داشتند، حذف شدند. مدل­سازی مطلوبیت رویشگاه براساس متغیرهای محیطی انتخاب شده با تخمین اکوجغرافیایی، از درجه­ی تشابه بین هر شبکه­ی مربعی (سلول) دامنه­ی داده­های محیطی از عملکرد گونه­، حاصل می­شود که در حقیقت احتمال حضور گونه را تعیین می­کند. بنابراین، از نقشه­ی حضور یک گونه، یک نقشه­ی پراکنش گونه در قالب نقشه­ی تناسب رویشگاه با ارزش­هایی که از صفر (حداقل کیفیت زیستگاه) تا 100 (حداکثر کیفیت زیستگاه) متفاوت است، حاصل می­شود (27). بدین منظور نرم­افزار از چهار الگوریتم میانه، میانگین هندسی فاصله­ها، میانگین هارمونیک فاصله­ها و حداقل سطح استفاده می­کند(13)، براین اساس هر چه میزان شاخص بویس بیش­تر و انحراف معیار کم­تر باشد نشان­دهنده­ی این است که الگوریتم مناسب­تر می­باشد (32). شاخص بویس بین مقادیر 1- تا 1+ تغییر می­کند؛ مقادیر مثبت نشان­دهنده­ی مدلی است که مناطق مناسب پراکنش گونه را نشان می­دهد، مقادیر نزدیک به صفر نمایانگر مدل تصادفی و مقادیر منفی بیان کننده­ی نقاطی از رویشگاه است که کیفیت اندکی برای پراکنش گونه دارد (20). نهایتاً برای تعیین طبقات نقشه مطلوبیت از نمودار خطی حاصل از بکارگیری شاخص بویس استفاده شد (23).

در روش تجزیه و تحلیل عاملی آشیان بوم­شناختی که در نرم­افزار Biomapper صورت می­گیرد، خروجی­های آنالیز شامل ماتریس همبستگی، ماتریس امتیازی، ماتریس کواریانس و مقادیر ویژه حاصل می­شود که باید مورد بررسی قرار گیرند. مقادیر ویژه باید بزرگ­تر از صفر باشد و شامل مقادیر منفی و خیلی بزرگ نباشد. در غیر این صورت نشان می­دهد که برخی لایه­ها دارای همبستگی زیادی است و باید حذف لایه انجام شود (29 و 30).

پس از تهیه­ی نقشه شایستگی رویشگاه بمنظور ارزیابی مدل از روش اعتبارسنجی متقابل (Cross Validation) با استفاده از داده­های ورودی مدل استفاده شد (32). برای این منظور از سطح زیر منحنی AUC استفاده گردید که این مقدار بین نیم تا یک (5/0 – 7/0: ضعیف، 7/0 – 9/0: قابل قبول و 9/0 – 1: خوب) متغیر است (41).

نتایج

با انجام آنالیز ENFA خروجی­های مختلفی به دست می­آید که ماتریس همبستگی اولین خروجی مستخرج شده می­باشد که پس از حذف متغیرهای دارای همبستگی، ماتریس نهایی در قالب جدول 2 ارائه شد.

 

جدول 2-  ماتریس همبستگی متغیرهای محیطی

 

دمای میانگین سالانه

جهت

هدایت الکتریکی

شیب

مواد خنثی­شده

دمای میانگین سالانه

1

 

 

 

 

جهت

17/0

1

 

 

 

هدایت الکتریکی

68/0

57/0

1

 

 

شیب

8/0

66/0

75/0

1

 

مواد خنثی­شده

68/0

57/0

31/0

61/0

1

 

از بین 14 عامل محیطی وارد شده به نرم­افزار تنها بر روی پنج متغیر محیطی امکان روش ENFA وجود داشت. که متغیرهای دمای میانگین سالانه، جهت جغرافیایی، هدایت الکتریکی، شیب و مواد خنثی شده خاک به عنوان متغیرهای محیطی مورد استفاده قرار گرفتند.

ماتریس امتیازی (جدول 3) حاصل از روش ENFA نشان داد که مهم­ترین عوامل در تعیین مطلوبیت زیستگاه Onobrychis cornuta بترتیب شامل متوسط دما سالانه و هدایت الکتریکی می­باشند، همچنین جهت جغرافیایی، درصد شیب و مواد خنثی­شده خاک از اهمیت نسبتاً بالایی برخوردار هستند.

 

جدول 3- ماتریس امتیازی متغیرهای مستقل محیطی

ردیف

Marginality (حاشیه­گرایی)

1

2

3

4

دمای میانگین سالانه

57/0

23/0

49/0-

34/0-

58/0

جهت جغراقیایی

39/0

15/0-

8/0

00/0

17/0

هدایت الکتریکی

51/0

57/0

16/0

00/0

57/0-

شیب

39/0

7/0-

28/0-

82/0

12/0

مواد خنثی­شده

29/0

3/0-

00/0

45/0-

52/0-

 

جدول 4 سهم هر یک از متغیرهای محیطی را در توزیع جغرافیایی گونه­ی مطالعاتی نشان می­دهد. عامل اول آنالیز ENFA 100 درصد حاشیه گرایی و 91 درصد تخصص­گرایی را نشان می­دهد. عامل دوم و سوم 3 درصد، عامل چهارم و پنجم 1 درصد تخصص­گرایی گونه را در منطقه نمایش می­دهد. مقادیر مثبت حاشیه­گرایی (ستون اول) بیانگر تمایل به رویش گونه در حدی بالاتر از میانگین آن عامل است.

 

جدول 4- ماتریس امتیازات به دست آمده از تحلیل عاملی آشیان اکولوژیک

عوامل محیطی

عامل­اول ENFA حاشیه­گرایی 100%

عامل­دوم ENFA

عامل­سوم ENFA

عامل­چهارم ENFA

عامل­پنجم ENFA

 

تخصص­گرایی (91%)

تخصص­گرایی  (3%)

تخصص­گرایی  (3%)

تخصص­گرایی  (1%)

تخصص­گرایی (1%)

دمای میانگین سالانه

58/0

23/0

5/0-

34/0-

58/0

جهت جغراقیایی

39/0

15/0-

8/0

00/0

18/0

هدایت الکتریکی

52/0

57/0

16/0

01/0

58/0-

شیب

39/0

7/0-

28/0-

83/0

12/0

مواد خنثی­شده

29/0

32/0-

01/0-

45/0-

53/0-

 

ترکیب­های مختلفی از متغیرهای محیط زیستی برای تولید مدل مطلوبیت زیستگاه Onobrychis cornuta به کار گرفته شد تا بهترین مجموعه از متغیرها انتخاب شود. ملاک انتخاب بهترین متغیرها، سهم مدل ایجاد شده با آن­ها (مدل نهایی) در توجیه حاشیه­گرایی و تخصص­گرایی گونه و اعتبار مدل بود. برای مدل نهایی، با استفاده از مدل چوب شکسته که توسط نرم­افزار محاسبه می­شود، می­توان تعداد عـاملی را که بیش­ترین نقش در توضیـح تخصص­گرایی

گونه دارند را مشخص کرد.

نمایه حاشیه­گرایی (جدول 5) به معنای فاصله بوم­شناختی بین میانگین پراکنش در هر متغیر محیطی تا میانگین همان متغیر در سطح کل منطقه مورد مطالعه است. اعداد محاسبه شده توسط نرم­افزار در جدول 4 بیان شد. در این جدول ویژگی­های مدل انتخاب شده (الگوریتم میانه) ارایه شده است.

 

جدول 5- نتایج تحلیل عاملی آشیان بوم­شناختی در منطقه مورد مطالعه

حاشیه­گرایی

تخصص­گرایی

تحمل­پذیری

87/0

48/2

4/0

 

با استفاده از شاخص بویس، الگوریتم مناسب برای تهیه نقشه مطلوبیت انتخاب شد. بر این اساس هر چه میزان شاخص بویس (Boyce) بیشتر و انحراف معیار (SD) کم­تر باشد نشان­دهنده آن است که الگوریتم انتخاب شده مناسب­تر است. در این مطالعه، با مقایسه مقادیر شاخص بویس چهار الگوریتم مورد استفاده در نرم­افزار برای تولید نقشه­ی رویشگاه بالقوه، الگوریتم میانه انتخاب شد (جدول 6). سپس نقشه رویشگاه بالقوه گونه تهیه شد (شکل2). همچنین درستی مدل با استفاده از روش اعتبارسنجی متقابل(03/0 SD= و 8/0 AUC=) تعیین شد.

در نمودار خطی حاصل از بکارگیری شاخص Boyce، محور عمودی (Fi) نشان دهنده نسبت مقدار عددی پیش­بینی شده برای هر کلاس (i)، به مقدار مورد انتظار است. با توجه به نمودار حاصل (شکل 3)، تغییرات شیب نمودار Fi نقشه مطلوبیت زیستگاه گونه Onobrychis cornuta به چهار طبقه تقسیم شد. Hengl و همکاران (25) بیان کردند که طبقه بندی نقشه تنها به منظور سهولت درک مطلب انجام می­شود و می­تواند به طبقات دیگری نیز تقسیم شود.

Fi = Oi / Ei

 

جدول 6- میزان شاخص بویس در الگوریتم­های مختلف

الگوریتم

Boyce Index ± SD

الگوریتم میانه

378/0±139/0

الگوریتم میانگین هندسی

463/0±077/0

الگوریتم میانگین هارمونیک

460/0±037/0

الگوریتم حداقل فاصله

458/0±049/0

شکل 2- نقشه رویشگاه بالفعل و بالقوه­ی گونه Onobrychis cornuta در منطقه مورد مطالعه

شکل 3- نمودار فراوانی تنظیم شده براساس سطح مبتنی بر الگوریتم میانه

 

شکل 4، مربوط به نقشه کلاسه­بندی شده مطلوبیت رویشگاه گونه Onobrychis cornuta می­باشد که به چهار طبقه رویشگاه نامطلوب، رویشگاه با مطلوبیت متوسط، رویشگاه با مطلوبیت خوب و رویشگاه با مطلوبیت بالا تقسیم­بندی شده است.

 

شکل 4- نقشه پیش­بینی رویشگاه Onobrychis cornuta در منطقه مورد مطالعه با استفاده از مدل تحلیل عاملی آشیان بوم­شناختی

 

بحث

نتایج به دست آمده از انجام تجزیه و تحلیل عاملی آشیان بوم­شناختی گونه Onobrychis cornuta نشان داد که در ترجیح رویشگاه گونه مورد نظر متغیرهای دمای میانگین سالانه، جهت جغرافیایی، هدایت الکتریکی، شیب و مواد خنثی شونده خاک بیش­تر از متغیرهای دیگر بررسی شده تأثیرگذار بودند. انتقال مواد غذایی در یک سیستم با جریان رطوبت همراه است (13). در واقع شرط اصلی چرخه مواد بین گیاهان و خاک، وجود رطوبت کافی است. دما نیز وقتی مؤثر است که رطوبت برای رشد گیاه کافی باشد. هم­چنین جوانه زدن بذر با دما در ارتباط است (34). به طور کلی، عامل دمای هوا با تأثیر بر میزان فتوسنتز تعیین کننده طول دوره رشد و در آخر میزان تولید گیاه خواهد بود (16). افزایش بیش از حد دما نیز سبب اختلال در غذاسازی می­شود و فتوسنتز گیاه را کاهش می­دهد همچنین باعث بالا رفتن تبخیر و در نتیجه میزان آب در دسترس گیاه را کاهش داده و اثر منفی بر تولید گیاه می­گذارد (20). جهت جغرافیایی و شیب از دیگر عوامل تأثیرگذار در توزیع گونه مورد نظر در منطقه مورد مطالعه می­باشد. در کل ویژگی­های توپوگرافی (ارتفاع، شیب و جهت شیب) عوامل اصلی الگوی پراکنش پوشش گیاهی در مناطق کوهستانی است (3 ،33). جهت جغرافیایی به عنوان سومین درجه اهمیت پراکنش درمنه کوهی در منطقه معرفی شد؛ مطالعات Pinke و همکاران (35) و معتمدی و همکاران (20) جهت جغرافیایی را مهم­ترین عامل توپوگرافی در تفکیک رویشگاه­ها و نیز اثرگذار بودن جهت را در توزیع گونه­های گیاهی در سطح منطقه شناسایی کردند. صفایی و اصفهانی (14) مهم­ترین خصوصیات خاک مؤثر در تفکیک­ تیپ­های رویشی را هدایت الکتریکی، بافت خاک و آهک برشمردند که تا حدودی نتایج حاصل از این تحقیق را توجیه می­کند. نتایج مطالعه زارع چاهوکی و همکاران (11) در منطقه اشتهارد نشان­دهنده سهم زیاد هدایت الکتریکی خاک در تغییرات پوشش گیاهی منطقه می­باشد. افزایش املاح در خاک نه تنها هدایت الکتریکی را افزایش می­دهد، بلکه فشار اسمزی خاک را نیز بالا می­برد که مانع جذب آب به وسیله گیاه شده و در نتیجه در رشد گیاه اختلال به وجود می­آورد (5). مواد خنثی شده خاک (آهک) آخرین فاکتور تأثیرگذار در پراکنش گونه است. فاکتور آهک در بعضی موارد رابطه مستقیم و در بعضی موارد رابطه معکوس با فاکتورهای گیاهی دارد. علت این امر وجود مقادیر مناسب آهک در ایجاد ساختمان خوب و تعدیل اسیدیته خاک و به دنبال آن آهک در جذب مواد غذایی مؤثر است (17). محمدی و همکاران (18) بیان داشتند که در مناطقی که میزان آهک بالاتر است، پروفیل خاک بسیار سخت شده و برای نفوذ ریشه گیاه نامناسب خواهد بود. آهک باعث افزایش ذخایر کاتیون­های بازی مانند Ca2+، Mg2+، K+ و Na+ به خاک می­شود، اسیدیته را کاهش داده و قلیائیت را افزایش می­دهد. مطالعات تقی­پور و همکاران (4) نشان­ داد گونه O. cornuta با هدایت الکتریکی و آهک رابطه دارد که با نتایج تحقیق حاضر همسو می­باشد. همچنین عباسی و زارع چاهوکی (15) بیان داشتند آهک از نمک­هایی است که دارای حلالیت کم در آب است و زمانی که بصورت محلول درآید تولید یک قلیای قوی می­کند و رشد گیاهانی که به   pH اسیدی نیاز دارند را با دشوار می­سازد.

مقادیر حاشیه­گرایی، تخصص­گرایی و تحمل­پذیری در این مطالعه بترتیب 87/0، 48/2 و 4/0 محاسبه شد. لذا میزان محاسبه شده برای گونه نشان دهنده این است که درمنه کوهی تمایل زیادی به زندگی در زیستگاه­های بسیار حاشیه­ای و خاص دارد؛ حاشیه­گرایی به معنای فاصله­ی بوم­شناختی بین میانگین پراکنش گونه­ی گیاهی در هر متغیر محیطی تا میانگین همان متغیر در سطح کل منطقه مورد مطالعه است (38). از سوی دیگر عامل تخصص­گرایی گونه مقدار تخصصی بودن گونه را در محدوده­ی منابع مورد نیاز خود نشان می­دهد. این مقدار عکس میزان تحمل­پذیری گونه است و مقادیر کم آن را نشان می­دهد که گونه­ی مورد مطالعه نسبت به بسیاری از متغیرهای محیطی از درجه­ی تحمل­پذیری بالایی برخوردار است (7). میزان تخصص­گرایی بالاتر از 1 نیز نشان­دهنده آن است که گونه به دامنه محدودی از شرایط محیط زیستی منطقه وابسته است و در استفاده از منابع زیستگاه، تخصصی عمل می­کند. میزان کم شاخص تحمل­پذیری گونه نشان می­دهد که گونه تا حدی یک گونه تخصص­گرا در محدوده­ی رویشگاهی خود می­باشد (19). مطالعات زارع چاهوکی و همکاران (41 و 39)، نشان داد که گونه­هایی که شرایط رویشگاهی منحصر به فردی نسبت به عوامل محیطی دارند با واقعیت تطابق بهتری نشان می­دهند و قابلیت پیش­بینی آن­ها بیش­تر است. زارع چاهوکی و عباسی (10) با مطالعه بر روی گونه آویشن کوهی در منطقه طالقان میانی نیز به نتایج مشابه دست یافتند. همچنین برای ارزیابی صحت مدل در نرم­افزار Biomapper روش اعتبارسنجی متقابل ارائه می­گردد (32)؛ که برای نقشه­ تولید شده به روش الگوریتم میانه، برابر  8/0 محاسبه شد که با توجه به وسعت زیاد منطقه صحت خوبی ارزیابی می­شود. محققان دیگر همچون Hengl و همکاران (28)، سنگونی و همکاران (12) و صفایی و همکاران (14) از روش اعتبار سنجی متقابل برای ارزیابی مدل استفاده نموده­اند. نرم­افزار Biomapper تمام متغیرها را در تمامی نقاط حضور گونه با یکدیگر مقایسه کرده و در نهایت مطلوب­ترین وضعیت را در نظر می­گیرد و بخش­هایی از منطقه را به عنوان بهترین رویشگاه برای گونه مورد نظر بصورت نقشه ارائه می­دهد (32). جمع­آوری اطلاعات محیطی، فیزیوگرافی و پوشش گیاهی دقیق مستلزم صرف وقت و هزینه در عملیات صحرایی خواهد بود؛ ولی می­توان با روش­های نوین مدل­سازی توزیع جغرافیایی گونه­ها و نمونه­برداری اصولی از رویشگاه­ها، به مدل­سازی رویشگاه­ها با دقت بالایی پرداخت.

فیزیولوژی گیاه، به طور کلی با تغییرات عوامل اقلیمی، خاکی و توپوگرافی ارتباط دارد که بصورت مستقیم و غیرمستقیم بر حضور یا عدم حضور گونه­ها به ویژه در مناطق کوهستانی مؤثر است (24). این مطالعه به بررسی عوامل مهم و تأثیرگذار گونه Onobrychis cornuta به عنوان گونه­ای با ارزش مرتعی بالا پرداخته است. همچنین مناطق مستعد برای رویش گونه مورد نظر با استفاده از ارائه نقشه پتانسیل رویشگاه برای اهداف مدیریتی و برنامه­ریزی حفاظت در منطقه مورد مطالعه نشان داده شده است.

  • امیدی، م.، کابلی، م.، کرمی، م. 1389. مدل سازی مطلوبیت زیستگاه پلنگ ایرانی (Panthera pardus saxicolor) به روش تحلیل عاملی آشیان بوم شناختی (ENFA) در پارک ملی کلاه قاضی، استان اصفهان. فصلنامه علوم و تکنولوژی محیط زیست، 12 (1): 148 –
  • برنا، ف.، تمرتاش، ر.، طاطیان، م. ر.، غلامی، و. 1395. تعیین سهم برخی خصوصیات خاک در تشریح پراکنش پوشش گیاهی در مراتع ییلاقی بلده نور. مجله تحقیقات منابع طبیعی تجدید شونده، 7 (4): 68 –
  • پیری صحراگرد، ح. 1396. مدل‌سازی پیش‌بینی پراکنش رویشگاه گونه‌های گیاهی با روش رگرسیون لوجستیک (مطالعه موردی: مراتع غرب تفتان، شهرستان خاش). مجله پژوهش­های گیاهی (مجله زیست شناسی ایران)، 30 (4): 792 –
  • تقی­پور، ع.، مصداقی، م.، حشمتی، غ.، و رستگار، ش. 1387. اثر عوامل محیطی بر پراکنش گونه­های مرتعی در منطقه هزار جریب بهشهر (مطالعه موردی: مراتع سرخ گریوه). مجله علوم کشاورزی و منابع طبیعی، 4: 195 –
  • جعفری، م.، طویلی، آ. 1388. احیای زمین­های خشک. دانشگاه تهران. 398 صفحه.
  • جوری، م. ح.، مهدوی، م. 1389. شناسایی کاربردی گیاهان مرتعی. انتشارات آییژ، 456 صفحه.
  • خلاصی اهوازی، ل.، زارع چاهوکی، م. ع. 1392. تعیین رویشگاه بالقوه­ی گونه Zygophyllum eurypterum با استفاده از روش تحلیل عاملی آشیان بوم­شناختی (ENFA) در مراتع شمال شرق سمان. مرتع و آبخیزداری، مجله منابع طبیعی ایران، 67 (4): 525 –
  • خلاصی اهوازای، ل.، زارع چاهوکی، م.ع. آذرنیوند، ح. سلطانی گردفرامرزی، م. 1390. مدل­سازی مطلوبیت رویشگاه Eurotia ceratoides با کاربرد روش تحلیل عاملی آشیان بوم شناختی (ENFA) در مراتع شمال شرق سمنان. مجله علمی پژوهشی مرتع، سال پنجم، شماره جهارم. 362-373
  • زارع چاهوکی، م. ع.، عباسی، م. 1395. مدل­سازی مطلوبیت رویشگاه گونه آویشن کوهی (Thymus kotschyanus & Hohen) با روش تحلیل عاملی آشیان اکولوژیک (مطالعه موردی: مراتع طالقان میانی). دوماهنامه علمی – پژوهشی تحقیقات گیاهان دارویی و معطر ایران، 32 (4): 573 – 561.
  • زارع چاهوکی، م. ع.، عباسی، م.، آذرنیوند. ح. 1397. پیش­بینی رویشگاه بالقوه گونه گیاهی Stipa barbata با استفاده از روش مدل­سازی آنتروپی حداکثر (مطالعه موردی: مراتع طالقان میانی). نشریه علمی پژوهشی مرتع، 12 (1): 47 –
  • زارع چاهوکی، م. ع.، نودهی، ر.، طویلی، ع. 1389. بررسی تنوع گونه‌ای و رابطة آن با عوامل محیطی در مراتع اشتهارد. خشک بوم، 1 (2): 49 –
  • سنگونی، ح.، کریم­زاده، ح.ر.، وهابی، م.ر.، و م، ترکش اصفهانی. 1391. تعیین رویشگاه گون سفید (Astragalus gossypinus Fischer) در منطقه غرب اصفهان با تحلیل عامل آشیان اکولوژیک. مجله کاربرد سنجش از دور و GIS در علوم منابع طبیعی، 3 (2): صفحه 13 –
  • صفایی، م.، ترکش، م،. بصیری، م. و بشری، ح. 1392. مدل سازی رویشگاه بالقوه­ی گونه گون زرد (Astragalus verus) با استفاده از روش تحلیل عامل آشیان اکولوژیک. مجله علمی پژوهشی مرتع، 1: 51 – 40.
  • صفایی، م.، و ترکش اصفهانی، م. 1392. حفاظت رویشگاه گیاه دارویی Ferula ovina Boiss با استفاده از روش مدل­سازی رویشگاه پتانسیل (مدل پیشنهادی: تحلیل عاملی آشیان اکولوژیک). نشریه حفاظت زیست بوم گیاهی، 1 (1): 121 – 105.
  • عباسی، م.، زارع چاهوکی، م. ع. 1395. مدل‌سازی مطلوبیت رویشگاه گونة Agropyron intermedium با روش تحلیل عاملی آشیان بوم‌شناختی (ENFA) (مطالعه موردی: مراتع طالقان میانی). مجله پژوهش­های گیاهی (مجله زیست شناسی ایران)، 29 (4): 819 –
  • عبداللهی، ج.، ارزانی، ح.، نادری، ح.، و عرب­زاده، م. ر. 1391. تأثیر نوسان­های بارندگی و دما بر تولید علوفه برخی از گونه­های گیاهی مراتع استپی یزد در دوره­ی زمانی 1386 – 1378 (مطالعه موردی: منطقه ارنان). دو فصلنامه علمی – پژوهشی خشک بوم، 2 (1): 68 – 58.
  • عبداللهی، ج.، نادری، ح.، میرجلیلی، م. ر.، و طباطبایی­زاده، م. 1392. اثر برخی عوامل محیطی بر خصوصیات رویشی گونه Stipa barbata در مراتع استپی ندوشن. فصلنامه علمی – پژوهشی تحقیقات مرتع و بیابان ایران، 20 (1): 144 – 130.
  • محمدی، ا.، متین خواه، س. ح.، خواجه الدین، س. ج. 1391. بررسی برخی از ویژگی­های اکولوژیکی گونه قیچ (Zygophyllum atriplicoides) در برخی مناطق نیمه خشک استان اصفهان. خشک بوم، 3 (1): 69 –
  • مصطفوی، س. م.، علیزاده، ا.، کابلی، م.، کرمی، م.، گلجانی، ر.، محمدی، س. 1389. تهیه نقشه مطلوبیت زیستگاه های بهاره و تابستانه گونه پازن (Capra aegagrus) در پارک ملی لار. علوم و فنون منابع طبیعی، 5 (2): 121 –
  • معتمدی، ج.، علیلو، ف.، شیدایی کرکج، ا.، کیوان بهجو، ف.، قریشی، ر. 1392. بررسی ارتباط عوامل محیطی و شدت چرای دام با پوشش گیاهی در اکوسیستم های مرتعی خوی. حفاظت زیست بوم گیاهان، 1 (3): 73-90.

 

  • Anderson, R. P., Lew, D., Peterson, A. T. 2003. Evaluating predictive models of species’ distributions: criteria for selecting optimal models. Ecological Modelling, 162 (3): 211 – 232.
  • Austin, M. P., 2007. Species distribution models and ecological theory: A critical assessment and some possible new approaches. Ecological Modelling 200:1-19.
  • Boyce, M., Vernier, P., Nielsen, S., Schmiegelow, F., 2002. "Evaluating resource selection functions". Ecological Modelling 157: 281 – 300.
  • Chakrabortya, A., Joshib, P.K., Sachdeva, K. 2016. Predicting the distribution of major forest tree species to potentialimpacts of climate change in the central Himalayan region. Ecological Engineering, (97): 593 – 609.
  • Davis, F.W. S & A.Goetz, 1990. Modeling vegetation pattern using digital terrain data. Landscape Ecology, 4: 69-80.
  • Franklin, J., 1995. Predictive vegetation mapping: geographic modelling of bio spa-tial patterns in relation to environmental gradients. Prog. Phys. Geogr. 19 (4), 474–499.
  • Guisan, A., Zimmermann, N.E., 2000. Predictive habitat distribution models in ecol-ogy. Ecol. Model. 135, 147–186.
  • Hengl, T., Sierdsema, H., Radovi, A., Dilo, A. 2009. Spatial prediction of species' distributions from occurrence-only records: combining point pattern analysis, ENFA and regression-kriging. Journal of Ecological Modeling, 55(83): 1-13.
  • Hirzel, A., H, Helfer., and F, Mertal. 2001. Assessing habitat suitability models with a virtual species. Ecological Modeling, 145: 111 – 121.
  • Hirzel, A.H., Hausser, J., Chessel, D., Perrin, N. 2002. Ecological Niche Factor Analysis: How to compute habitat-suitability maps without absence data? Ecology, 73(22): 2027-2036.
  • Hirzel, A. H., Hausser, J., Perrin, N., 2004.Biomapper 3.1. Lab. of ConservationBiology, Department of Ecology and Evolution, Lausanne University. URL: http://www.unil.ch/biomapper ”.
  • Hirzel, A.H., Laya, G.L., Helfera, V., Randina, C., Guisana, A. 2006. Evaluating the ability of habitat suitability models to predict species presences. Ecological Modeling.199: 142-152.
  • Jafari Haghighi, M., 2003. Soil analysis methods, sampling and important physical and chemical analyses with emphasis on theory and applied principles. Nedaye Zoha Press, 236 pp.
  • Lock, J. M. and Simpson, K. 1991. Legumes of west Asia, a checklist. Royal Botanic Garden, Kew.
  • Mark, A.F., Dickinson, K.J.M., Hofstede, R.G.M. 2000. Alpine vegetation, plant distribution, life forms, and environments in a humid New Zealand region: Oceanic and tropical high mountain affinities. Arctic Antarctic and Alpine Research, (32): 240 – 254.
  • Pinke G., Pal, R., Botta Dukat, Z. 2010. Effect of environmental factors on weed species composition of cereal and stubble fields in western Hungary. Journal of Biologie, 5(2):283-292.
  • Segurado, P. & M. Araújo, 2004. An evaluation of methods for modelling species distributions. Journal of Biogeography, 31: 55 – 69.
  • Songlin, F., Schibig. J., Vance, M. 2007. Spatial habitat modeling of American chestnut at Mammoth Cave National Park. Forest Ecology and Management, 252: 201-207.
  • Sweets, J. A. 1988. Measuring the accuracy of Diagnostic system. Science, 240: 1285 – 1293.
  • Trethowan, P.D., Robertsonb, M.P., McConnachiec, A.J. 2011. Ecological niche modelling of an invasive alien plant and its potential biological control agents. South African Journal of Botany, 77: 137-146.
  • Wolmarans, R., Robertson, M.P., Van Rensburg, B.J. 2010. Predicting invasive alien plant distributions: how geographical bias in occurrence records influences model performance. Journal of Biogeography, 37(9): 1629-1834.
دوره 34، شماره 2
مرداد 1400
صفحه 511-521
  • تاریخ دریافت: 08 اردیبهشت 1398
  • تاریخ بازنگری: 21 دی 1398
  • تاریخ پذیرش: 07 بهمن 1398
  • تاریخ اولین انتشار: 01 مرداد 1400