The response of Astragalus verus Oliver to the most important environmental factors affecting its distribution using the Non Parametric Multiplicative Regression (NPMR) method in western rangelands of Isfahan province

Document Type : Research Paper

Authors
Mostafa Tarkesh 1
Nafiseh Monsef 2
Mohammad Reza Vahabi 3
Saeid Pourmanafi 4
Mohaddeseh Amiri 5, 6
1 Associated Professor, Department of Range and Watershed Management, Faculty of Natural Resources, Isfahan University of Technology, Isfahan, Iran
2 Department of Range and Watershed Management, Faculty of Natural Resources, Isfahan University of Technology, Isfahan, Iran
3 Associated Professor,, Department of Range and Watershed Management, Faculty of Natural Resources, Isfahan University of Technology, Isfahan, Iran
4 Assistant Professor, Environmental Sciences, Faculty of Natural Resources, Isfahan University of Technology, Isfahan, Iran
5 Researcher, Department of Range and Watershed Management, Faculty of Natural Resources, Isfahan University of Technology, Isfahan, Iran
6 Dept. of Agricultural Science, Technical and Vocational University, Tehran, I.R. of Iran.
10.22034/jpr.2025.2274
Abstract
The distribution of plant species in ecosystems is not random but is influenced by environmental factors. The present study was conducted with the aim of investigating the effect of environmental factors on the distribution of Astragalus verus and its response to environmental gradients in western rangelands of Isfahan province. After recording the species presence/absence points, the NPMR model was used for the species’ habitat suitability modeling. For the soil variables that were normalized according to the type of skewness by data transformation, Kriging methods were used and for the variables with non-normal distribution, the IDW method was used to produce the map. The spatial continuity of these variables was checked by selecting the best fitted variogram model. The response curve to the important variables specified by LogB index indicated that the maximum presence of the species occurred in the precipitation of 110mm in the coldest season, the annual mean temperature of 11°C, and soils with neutral pH to slightly alkaline pH. Also, when the mean temperature of coldest season is -2°C, maximum temperature of warmest month is 33°C and the temperature seasonality is 9.2, the maximum presence of the species was observed. The performance of the model was reported to be excellent based on replacement method and the use of independent data method. By selecting the optimal threshold (52%) in the replacement method and creating a fuzzy suitability map, the species covers 30.72% of the area. Results can be used to improve and rehabilitate Astragalus habitats with similar ecological conditions.

Keywords

Subjects

پاسخ گونه گون زرد به مهمترین عوامل محیطی مؤثر بر پراکنش با استفاده از روش رگرسیون غیرپارامتریک مضربی (NPMR) در مراتع غرب استان اصفهان

مصطفی ترکش1*، نفیسه منصف1، محمدرضا وهابی1، سعید پورمنافی2 و محدثه امیری3،1

1 ایران، اصفهان، دانشگاه صنعتی اصفهان، دانشکده منابع طبیعی، گروه مرتع و آبخیزداری

2 ایران، اصفهان، دانشگاه صنعتی اصفهان، دانشکده منابع طبیعی، گروه محیط زیست

3 ایران، تهران، دانشگاه فنی و حرفه­ای، گروه علوم کشاورزی

تاریخ دریافت: 08/09/1401          تاریخ پذیرش: 04/02/1402

چکیده

پراکنش گونه­های گیاهی در اکوسیستم­ها تصادفی نبوده، بلکه تحت تأثیر عوامل محیطی می­باشد. مطالعه حاضر با هدف بررسی تأثیر عوامل اقلیمی، خاکی و فیزیوگرافی بر پراکنش گون زرد به­عنوان گونه شاخص مراتع غرب استان اصفهان و پاسخ آن به گرادیان­های محیطی انجام شد. پس از ثبت نقاط حضور و غیاب گونه به­صورت تصادفی-طبقه­بندی شده، مدلسازی شایستگی رویشگاه با مدل رگرسیون غیرپارامتریک مضربی (NPMR) در نرم­افزار HyperNiche صورت گرفت. برای متغیرهای خاکی که مطابق نوع چولگی با تبدیل داده نرمال شدند، روش­های کریجینگ و برای متغیرهایی که دارای توزیع نرمال نشدند، روش معکوس وزنی فاصله جهت تولید نقشه بکار رفت. پیوستگی مکانی این متغیرها با انتخاب بهترین مدل واریوگرام برازش داده شده در نرم­افزار GS+ 9.0 بررسی شد. طبق منحنی­های پاسخ گونه به متغیرهای مشخص شده با شاخص LogB، بیشترین حضور گونه در بارش 110 میلیمتر در سردترین فصل، میانگین درجه حرارت سالانه 11 درجه سانتیگراد و خاک­های خنثی تا کمی قلیایی (8/7=pH) رخ داد. همچنین زمانیکه متوسط دما در سردترین فصل 2-، حداکثر دما در گرمترین ماه 33 درجه سانتیگراد و تغییرات فصلی درجه حرارت 2/9 بود، اوج حضور گونه مشاهده شد. عملکرد مدل طبق آماره­های ارزیابی به روش­های جایگزینی و استفاده از داده­های مستقل، عالی گزارش شد. روی نقشه شایستگی زیستگاه، طبقه ضعیف شایستگی نیمی از منطقه را به خود اختصاص داد. با انتخاب آستانه اپتیمم 52% در روش جایگزینی و ایجاد نقشه فازی شایستگی، گونه در 72/30 درصد از منطقه حضور داشت. نتایج تحقیق می­تواند جهت اصلاح و احیای گون­زارها در مناطق با شرایط اکولوژیکی مشابه بکار رود.

واژه های کلیدی: اکولوژی، منحنی عکس­العمل، درون­یابی، گرادیان محیطی، مدل NPMR.

* نویسنده مسئول، تلفن: 03113911025، پست الکترونیکی: m_tarkesh@cc.iut.ac.ir   

مقدمه

 

سرزمین ایران به واسطه دارا بودن تنوع توپوگرافی و موقعیت خاص جغرافیایی دارای تنوع اقلیمی در مقیاس­های مختلف مکانی-زمانی می­باشد (14). اقلیم و توپوگرافی خود به عنوان دو عامل مهم خاکسازی که پیدایش، تکامل و رده­بندی خاک را تحت تأثیر قرار می­دهند، عامل عمده استقرار و پراکنش گونه­های گیاهی هستند. در واقع، توپوگرافی با تأثیر بر درصد و شکل شیب، میزان دریافت نزولات جوی، میزان رواناب و نفوذ، فرسایش و زهکشی بر تکامل خاک مؤثر است (12). بنابراین، با تغییر در هر یک از متغیرهای توپوگرافی (ارتفاع از سطح دریا، میزان و جهت شیب) متغیرهای اقلیمی و خاکی تغییر می­کنند (10). تنوع اقلیمی و وجود خاک­های با خصوصیات مختلف سبب شده که ایران رویشگاه گونه­های گیاهی بسیاری باشد. در صورت شناسایی عوامل اکولوژیک مؤثر بر پراکنش و رشد گیاهان که نخستین حلقه زنجیره غذایی در اکوسیستم­های مرتعی هستند، از اتلاف زمان و هزینه در برنامه­ریزی­های اصلاح و احیای مراتع جلوگیری به عمل می­آید (6). جهت بررسی شایستگی زیستگاه گونه­های گیاهی در مقیاس منطقه­ای استفاده از عوامل اقلیمی، فیزیوگرافی و خاکی کفایت می­کند و عوامل زیستی شامل روابط درون­گونه­ای و بین­گونه­ای در سطح محلی یا خرد اقلیم مؤثرند (36). مدلسازی اکولوژیکی گونه­ها از روش­هایی است که به کمک آن می­توان شایستگی زیستگاه گونه و تغییر در محدوده پراکنش جغرافیایی آن را مورد پایش و بررسی قرار داد (23). در نظر گرفتن تأثیر تغییرات زیست محیطی، شناسایی اهمیت نسبی متغیرهای محیطی و کمّی­سازی خصوصیات آشیان یک گونه که محدوده فیزیولوژیک گونه و محدوده بهینه آن را در امتداد گرادیان­های محیطی توصیف می­کند، اهمیت بسزایی دارند (33). عکس­العمل گونه­ها به گرادیان­های اکولوژیکی در زمان و مکان و درک روابط گیاهان و عوامل رویشگاهی، یکی از مسائل مهم در بوم­شناسی پوشش گیاهی است. منحنی پاسخ گونه یا منحنی عملکرد گونه در رابطه با تغییر عوامل محیطی مستخرج از تکنیک­های مختلف آماری، یکی از موضوعات کلیدی در روابط گونه-محیط می­باشد (19). در اکولوژی این دیدگاه رواج یافته که گونه­ها غالباً پاسخ تک نمایی و متقارن به گرادیان­های محیطی نشان می­دهند و از توزیع گوسی تبعیت می­کنند، اما نتایج بسیاری از مطالعات حاکی از این می­باشند که اگرچه گاهی منحنی­های پاسخ متقارن در طبیعت دیده می­شوند، ولی عمومیت ندارند و منحنی­های دونمایی، چوله­دار و غیره نیز مشاهده می­شوند (19). بررسی منحنی­های پاسخ گونه نسبت به عوامل محیطی به دلیل ارائه مقدار بهینه و دامنه آشیان اکولوژیک گونه نسبت به متغیرهای محیطی و نیز بررسی اینکه کدام یک از عوامل محیطی حداکثر و کدام یک حداقل سهم را در منحنی پاسخ گونه ایفا می­کنند، اهمیت بسیاری دارد (7). برای توصیف الگوهای عکس­العمل مشاهده شده، به مدل­های اکولوژیکی نیاز است. یکی از فرضیات اصلی استفاده از مفهوم میدان اکولوژیک گونه­ها در مدلسازی پراکنش این است که گونه­ها در تعادل با اقلیم هستند و روابط بین­گونه­ای نظیر شکار و رقابت، توانایی پراکنش یا جابجایی گونه­ها و مداخلات انسانی در این گونه مطالعات در نظر گرفته نمی­شوند. مدل پیش­بینی کننده NPMR (Non Parametric Multiplicative Regression) نیز بدون هیچ پیش­فرضی، شکل منحنی عکس­العمل گونه نسبت به متغیرهای اکولوژیک و دامنه بردباری گونه را تعیین می­کند. این مدل با اختصاص وزن به نقاط نمونه­برداری و بررسی حضور و غیاب گونه تحت شرایط محیطی حاکم، منحنی­های پاسخ گونه را ترسیم می­کند (16). پژوهش­های مختلفی در خصوص پراکنش و شایستگی زیستگاه گون زرد تحت شرایط فعلی و اقلیم آینده، استفاده از مدل NPMR و بررسی شکل منحنی پاسخ گونه نسبت به گرادیان­های محیطی صورت گرفته است که از آن جمله می­توان به موارد زیر اشاره نمود. صفائی و همکاران (17) به کمک نقشه­های رویشگاه بالقوه گون زرد در مراتع فریدونشهر با استفاده از رگرسیون لجستیک (LR) و تحلیل عاملی آشیان اکولوژیک (ENFA) با 31 متغیر محیطی، روش NPMR را برای ترسیم منحنی­های پاسخ به کار بردند و به این نتیجه رسیدند که مناطقی با شیب متوسط، خاک­های با بافت متوسط تا نسبتاً سنگین و شوری کم رویشگاه مناسب این گونه می­باشند. خداقلی و صبوحی (9) تأثیر تغییرات متغیرهای اقلیمی را بر زوال گون زرد در استان اصفهان بررسی نمودند و دریافتند که دمای سرمایشی مهمترین و مؤثرترین عامل بر رویشگاه­های این گونه می­باشد. نتایج مطالعه طیموری­اصل و همکاران (18) در شناسایی رویشگاه­های مناسب این گونه در استان چهار محال و بختیاری و پیش­بینی تغییرات آنها تحت سناریوهای تغییر اقلیم حاکی از این بود که بخش­های شمال­شرقی و شرق استان در مقایسه با سایر مناطق از اهمیت رویشگاهی بیشتری برای گونه برخوردار می­باشند. همچنین، تغییر اقلیم پیامدهای قابل توجهی دارد. علاوه بر نامطلوب شدن رویشگاه­های امروزی، رویشگاه­های مطلوب این گونه به مناطق با ارتفاع بیشتری اضافه خواهند شد. مطالعه شیخ­زاده و همکاران (39) نیز پیرامون پیش­بینی اثرات تغییر اقلیم بر گون زرد در ایران مرکزی نشان داد که با افزایش دمای حدود 3 درجه سانتیگراد تحت سناریوی CCSM4-RCP2.6، زیستگاه گونه حدود 4/3 درصد کاهش خواهد یافت و به سمت ارتفاعات بالاتر با دمای سردتر جابجا خواهد شد.

در مطالعه حاضر از روش رگرسیون NPMR برای ترسیم منحنی­های پاسخ گونه گون زرد به عنوان یکی از گونه­های با اهمیت صنعتی و دارویی و شاخص مراتع غرب استان اصفهان و تعیین رویشگاه­های بالقوه آن استفاده شد. حدود 5/31 درصد از سطح استان اصفهان به رویشگاه­های گون اختصاص دارد که به صورت تشکیلات گیاهی گوناگون و گاهی نیز جوامع گیاهی یکنواختی دیده می­شوند­ (9). کتیرای استخراج شده از گون­ها از مهمترین محصولات فرعی مرتع در نواحی غیرشمالی کشور است که بهره­برداری اصولی از آن کاملاً اقتصادی می­باشد (11). متأسفانه در حال حاضر بهره­برداری­های بی­رویه و روند افزایشی تخریب گون­ها در استان اصفهان مشاهده می­شود. از آنجاییکه پوشش گیاهی هر منطقه تا حد زیادی تحت کنترل عوامل محیطی قرار دارد، با شناسایی ارتباط عوامل اکولوژیک با پراکنش گونه­های جنس گون که شامل اقلیم، توپوگرافی و خاک می­باشند، می­توان نیازهای اکولوژیکی گونه را تشخیص داد. تعمیم نتایج به مناطق با شرایط اکولوژیک مشابه نیز یکی از راه­حل­های معقول جهت اصلاح و احیای گون­زارها و جلوگیری از نابودی آنها به ویژه از طریق مرتعکاری می­باشد. بنابراین، این مطالعه با هدف ارائه نقشه پتانسیل پراکنش گونه گون زرد با استفاده از روش NPMR، ترسیم منحنی­های پاسخ و ارتباط میان متغیرهای مؤثر با پراکنش گونه در غرب استان اصفهان انجام شد.

 

مواد و روشها

منطقه و گونه مورد مطالعه: استان اصفهان واقع در مرکز کشور و منطقه رویشی ایران-تورانی حدود 45/6 درصد از مساحت ایران را به خود اختصاص داده است. از غرب به شرق استان، میزان بارش کاهش و میانگین دمای هوا افزایش می­یابد. میانگین بارندگی سالانه استان حدود 150 میلیمتر می­باشد که از 1300 میلیمتر در ارتفاعات غربی تا 60 میلیمتر در نواحی پست شرقی و شمال شرقی متغیر است (10). منطقه مورد مطالعه در غرب استان به مختصات جغرافیایی  َ31  ْ31 تا  َ28  ْ34 عرض شمالی و َ38  ْ49 تا  َ44  ْ52 طول شرقی و مساحت 6018425 هکتار در نیمه غربی استان قرار دارد (شکل 1) و ارتفاع آن از 700 تا 3700 متر متغیر است. شیب غالب منطقه 5-0 درصد و جهت غالب شیب نیز شمال­شرقی می­باشد. مراتع غرب استان، اثرات اقتصادی و اجتماعی بسزایی بر جوامع روستایی و عشایری منطقه دارند (15).

جنس گون (Astragalus) از خانواده بقولات (Legominosae) در مناطق معتدله جهان پراکنش وسیعی دارد. ایران به عنوان خاستگاه و از مراکز مهم تنوع گونه­های مختلف این جنس شناخته شده است، بطوریکه حدود 60 درصد گون­ها بومی ایران هستند (34). پراکنش وسیع گونه­های جنس گون در مراتع کوهستانی کشور به دلیل دارا بودن تاج پوشش گسترده و ریشه­های عمیق در حفاظت از خاک مخصوصاً در اراضی شیبدار و نیز دارا بودن خاصیت دارویی و به عنوان یکی از منابع تولید علوفه از اهمیت ویژه­ای برخوردار است (4).

گون زرد (Astragalus verus Oliver)، بوته­ای کوچک، خارپشتی یا کوهانی و یا به صورت درختچه­ای افراشته و با شاخه­های منشعب، نقره­ای یا خاکستری رنگ، پوشیده از کرک­های سفید متراکم و گاهی فاقد کرک است. برگ­ها به طول 7-2 میلیمتر و متصل به دمبرگ، گوشوارک­ها 10-5 میلیمتر، زرد رنگ و پوشیده از کرک­های نمدی هستند (26). علاوه بر نقش حفاظتی این گونه، صمغ آن با نام کتیرا در صنایع آرایشی، داروسازی و رنگرزی مورد استفاده قرار می­گیرد (18).

برداشت میدانی: ابتدا با بازدید از منطقه و به کمک نقشه پوشش گیاهی، 287 مکان مطالعاتی با تلفیق نقشه­های ارتفاع، شیب، جهت و شرایط رویشگاهی انتخاب شدند. به دلیل اندازه پیکسل لایه­های متغیرهای اقلیمی که معادل یک کیلومترمربع می­باشد، در ثبت نقاط رخداد گونه با سیستم موقعیت­یاب جهانی (GPS) نیز سعی بر آن بود مناطقی به عنوان رخداد در نظر گرفته شوند که ضمن غالبیت گونه در آنها، لکه­ای به مساحت حداقل یک کیلومترمربع را پوشش دهند. همچنین نقاط ثبت شده، حداقل یک کیلومتر از هم فاصله داشته باشند (2). بر این اساس و با توجه به اینکه وسعت مناطق عدم حضور گونه از حضور آن بیشتر بود، 106 نقطه حضور و 181 نقطه غیاب گونه انتخاب شد.

 

 

 

شکل 1. پراکنش گونه Astragalus verus و موقعیت منطقه مورد مطالعه در استان اصفهان.

 

 

آماده­سازی لایه­های متغیرهای محیطی: از روی مدل رقومی ارتفاع (DEM) نقشه­های ارتفاع، درصد شیب و جهت شیب در در محیط نرم­افزار ArcGIS®10.3 استخراج شدند. لایه­های رستری نوزده متغیر بیوکلیماتیک شامل مقادیر سالانه، فصلی و ماهانه دو پارامتر درجه حرارت و بارش با قدرت تفکیک مکانی یک کیلومتر از پایگاه اطلاعاتی بین­المللی اقلیم جهان (www.worldclim.org) بدست آمدند. این متغیرها به طور کلی همبستگی بالایی دارند و علیرغم دارا بودن ماهیّت اقلیمی، به لحاظ اکولوژیکی نیز معنی­دار هستند. به منظور تولید لایه­های متغیر خاک، اطلاعات مربوط به 427 پروفیل خاک حفر شده در استان از دانشگاه­ها، ادارات منابع طبیعی و مراکز تحقیقات استان جمع­آوری گردید. با توجه به اینکه جهت درون­یابی به روش کریجینگ نرمال بودن متغیرها الزامی است، توزیع نرمال داده­های خاک با آزمون کلموگروف-اسمیرنوف بررسی شد. از میان متغیرهای خاک فقط درصد سیلت از توزیع نرمال تبعیت می­کرد. از این­رو، بر اساس نوع چولگی تبدیل­های مختلفی جهت نرمال­سازی بر روی سایر متغیرها صورت گرفت که نتایج آنها بر اساس میانگین مجذور مربعات خطا در جدول 1 آمده است.

 

 

جدول 1. ارزیابی بهترین روش درون­یابی متغیرهای خاک.

متغیر

نوع چولگی

روش نرمال­سازی

روش درون­یابی

RMSE

اسیدیته (pH)

چولگی به چپ

توزیع غیر نرمال

معکوس وزنی فاصله

48/2

هدایت الکتریکی (EC)

چولگی به راست

توزیع غیر نرمال

معکوس وزنی فاصله

73/0

رطوبت اشباع (SP)

چولگی به راست

حذف داده­های پرت

کریجینگ جهانی

67/0

کربن آلی (OC)

چولگی به راست

توزیع غیر نرمال

معکوس وزنی فاصله

48/0

شن (Sand)

چولگی به راست

توزیع غیر نرمال

معکوس وزنی فاصله

4/13

سیلت (Silt)

-

-

کریجینگ جهانی

91/8

رس (Clay)

چولگی به راست

تبدیل جذر

کریجینگ ساده

1

سنگ و سنگریزه (G)

چولگی به راست

توزیع غیر نرمال

معکوس وزنی فاصله

73/0

 

 

جهت محاسبات کریجینگ و تشخیص پیوستگی مکانی متغیرها، تغییرنما یا واریوگرام در نرم­افزار GS+ 9.0 محاسبه شد:

(1)   

که در آن  مقدار واریوگرام در فاصله ، : مقدار اندازه­گیری شده در مکان ، : مقدار اندازه­گیری شده متغیر در مکان  و  تعداد جفت نقاط به فاصله  می­باشد (44).

هر واریوگرام شامل سه پارامتر اثر قطعه­ای (Nugget effect)، حد آستانه (Sill) و دامنه تأثیر (Range of Influence) است. اثر قطعه­ای () مقدار واریوگرام در مبداء مختصات یعنی به ازای  می­باشد. حد آستانه () به مقدار ثابتی گفته می­شود که واریوگرام در دامنه تأثیر به آن می­رسد. دامنه تأثیر نیز فاصله­ای است که در آن واریوگرام به حد ثابتی رسیده و به حالت خط افقی نزدیک می­شود. به منظور تعیین درجه وابستگی مکانی متغیرهای مورد مطالعه از نسبت  (اثر قطعه­ای به حد آستانه) استفاده شد (25).

جهت مشخص نمودن همسان­گردی و ناهمسان­گردی نیز واریوگرام­ها در جهات مختلف ترسیم و با برازش رویه آن در جهات مختلف توزیع آنها بررسی گردید. در صورت متقارن بودن رویه واریوگرام، محیط همسانگرد و در غیر این صورت ناهمسانگرد خواهد بود (8). کریجینگ بهترین برآورد کننده خطی نااریب است که بر مبنای میانگین متحرک وزن­دار قرار دارد (24). این روش بر روی داده­های با پراکندگی نامنظم نیز به این صورت برآورد را انجام می­دهد:

(2)                                     

که  تخمین مقدار متغیر  در نقطه ، و  نیز وزن­های آماری تخصیص یافته به مقادیر  در نقاط  می­باشد (25).

برای برخی متغیرهای خاک که با تبدیل داده نرمال نشدند و یا اثر قطعه­ای تام وجود داشت، از روش معکوس وزنی فاصله (IDW: Inverse Distance Weighting) استفاده شد. مقدار عاملی وزن در این روش از رابطه زیر محاسبه می­شود:

(3)                                       

که  وزن نقطه iام،  فاصله نقطه iام تا نقطه مجهول و  نیز توان وزندهی است (24).

جهت انتخاب بهترین روش درون­یابی از شاخص میانگین مجذور مربعات خطا (RMSE) استفاده شد:

(4)                             

در رابطه فوق،  تعداد نقاط نمونه­برداری،  مقدار متغیر مشاهده شده در محل نقاط نمونه­برداری روی نقشه­های تهیه شده (مقدار برآورد شده) و  مقدار متغیر اندازه­گیری شده در نمونه واقعی می­باشد (35). معمولاً هر چه مقدار این شاخص کمتر باشد، دقت روش بیشتر خواهد بود (30).

مدل­های واریوگرام برازش داده شده برای سیلت و رس از نوع کروی و برای رطوبت اشباع از نوع نمایی بود. جدول 2، خصوصیات مدل­های واریوگرام برازش داده شده برای این سه متغیر که به روش کریجینگ درون­یابی شدند را نشان می­دهد. با توجه به تقارن واریوگرام­های سطحی، متغیرهای مورد نظر در منطقه مورد مطالعه از توزیع همسانگرد یا مستقل از جهت برخوردار بودند که حاکی از تغییر پذیری یکسان آنها در جهات مختلف می­باشد.

 

 

جدول 2. اجزای تشکیل­دهنده مدل­های واریوگرام برازش داده شده برای سه متغیر خاک.

نام متغیر

نوع مدل

مدل واریوگرام

اثر قطعه­ای

آستانه

درصد

کلاس وابستگی

دامنه تأثیر

RMSE

سیلت

همسانگرد

کروی

53

132

15/40

متوسط

61100

91/8

رس

همسانگرد

کروی

73/0

10/2

76/34

متوسط

411000

1

رطوبت اشباع

همسانگرد

نمایی

30/71

7/142

96/49

متوسط

26500

67/0

 

 

انتخاب متغیرهای ورودی مدل و ترتیب اهمیت آنها: تمامی لایه­های محیطی به لحاظ محدوده، سیستم تصویر و تعداد پیکسل­های سطر و ستون همسان­سازی شدند. جهت انتخاب متغیرهای مستقل مدل، از ضریب همبستگی پیرسون (8/0>) و شاخص تورم واریانس (3>VIF) استفاده گردید. طی آنالیز حساسیت جهت رتبه­بندی اهمیت متغیرها در نرم­افزار HyperNiche (37)، هر بار یکی از متغیرها از فرآیند مدلسازی خارج شده و مدل با سایر متغیرها اجرا و مقدار شاخص ارزیابی مدل (LogB) اندازه­گیری می­شود. در این روش، هر متغیر که مقدار LogB را بیشتر کاهش دهد، از اهمیت بیشتری برخوردار خواهد بود. در نهایت، پس از حذف متغیرهای غیر ضروری و با همبستگی بالا، ارزش هر یک از متغیرها در نقاط نمونه­برداری از نقشه­های مربوط به آنها استخراج و داده­های اولیه جهت مدلسازی آماده شدند.

برازش مدل NPMR: ابتدا پنجره متحرکی تعریف می­شود که عرض آن باید تعداد مناسبی نقطه را شامل شود. نقطه واقع در مرکز پنجره، فوکال و سایر نقاط داخل آن، همسایه نام دارند. سپس یک منحنی وزندهی گوسی تعریف می­شود که بیشترین وزن (برابر یک) را به نقطه فوکال داده و وزن سایر نقاط از تصویر آنها روی منحنی بدست می­آید. مقدار برازش شده نقطه فوکال با میانگین­گیری وزنی تعیین می­گردد. این فرآیند ادامه می­یابد تا با اتصال مجموعه نقاط ایجاد شده، منحنی پاسخ گونه به عنوان خروجی مدل حاصل شود (42). در این مدل، احتمال وقوع هر واحد نمونه از رابطه زیر محاسبه می­شود (36، 43):

(5)                                

: مقدار برآورد شده احتمال وقوع برای یک واحد نمونه هدف، : مقدار مشاهده شده (0 یا 1) در هر n-1 واحد نمونه غیر هدف، : وزن حاصل از منحنی گوسی برای یک متغیر پیش­بینی کننده منحصر به فرد j در واحد نمونه i که از رابطه (6) محاسبه می­شود، و m: تعداد متغیرهای پیش­بینی کننده می­باشد.

 (6)                        

در رابطه فوق، : مقدار متغیر پیش­بینی کننده j در واحد نمونه i، : مقدار متغیر پیش­بینی کننده j در واحد نمونه هدف و : مقدار انحراف معیار برای متغیر پیش­بینی کننده j می­باشد (36، 43).

ارزیابی مدلسازی: جهت ارزیابی کارایی مدل نسبت به واقعیت زمینی، مقادیر سطح زیر منحنی (AUC) به کار رفت. عدد AUC بزرگتر از 9/0 صحت بالا، 9/0-7/0 صحت خوب و 7/0-5/0 صحت کم مدل را نشان می­دهد. مقدار AUC برابر 5/0 یعنی هیچ تفاوتی بین پیش­بینی مدل بر اساس نقاط حضور و پیش­بینی آن بر اساس نقاط تصادفی وجود ندارد (41). علاوه بر این، شاخص­هایی چون حساسیت (Sensitivity)، ویژه­انگاری (Specificity) و TSS (True Skill Statistic) نیز با رویکرد برابرسازی حساسیت-ویژه­انگاری محاسبه شدند. تغییرات TSS از 1- تا 1+ می­باشد که مقادیر مثبت کارایی بهتر مدل نسبت به تصادف را بیان می­کنند و مقادیر منفی کارایی را نشان می­دهند که از حالت تصادفی بهتر نیستند (29).

ترسیم منحنی­های پاسخ گونه نسبت به گرادیان­های محیطی: در بررسی منحنی پاسخ، رفتار گونه­ها در امتداد فقط یک گرادیان مورد بررسی قرار می­گیرد و می­توان مقدار بهینه و دامنه بردباری اکولوژیک آنها را تعیین کرد (38). در منحنی­های پاسخ گونه، فاصله بین دو حد بالایی و پایینی از شرایط بوم­شناختی یا محیطی، دامنه یا میدان بوم­شناختی گونه نامیده می­شود. بین این دو مرز، یک حد مطلوب یا بهینه وجود دارد که گونه در آن دارای بهترین عملکرد یا بیشترین احتمال وقوع یا فراوانی (مقدار مربوط به مُد منحنی) بر اساس مدل می­باشد. دامنه بوم­شناختی در تابع پاسخ گوسی از "اپتیمم±بردباری" محاسبه می­شود (30).

نتایج

بر اساس آنالیز حساسیت انجام شده و با توجه به مقادیر شاخص LogB، ترتیب اهمیت متغیرها به این صورت می­باشد: میانگین دمای سالانه (A.M.T)، درجه حرارت فصلی (T.S)، حداکثر دما در گرمترین ماه (Max.T.War)، میانگین دما در سردترین فصل (T.C.Q)، بارندگی در خشک­ترین ماه (P.D.M)، بارندگی در سردترین فصل (P.C.Q) و اسیدیته (pH) خاک.

نقشه پیش­بینی رویشگاه گون زرد برای نمایش بهتر و سهولت تفسیر به 4 طبقه شایستگی (ضعیف، متوسط، خوب و عالی) طبقه­بندی شد (شکل 2-الف). جدول 3 مساحت و درصد مساحت مربوط به هر یک از طبقات نقشه پیش­بینی پراکنش گونه حاصل از مدل NPMR را نشان می­دهد. بیشترین و کمترین سطح به ترتیب مربوط به احتمال رخداد (25/0-0) و (5/0-25/0) هستند. سطح مربوط به حداکثر احتمال رخداد گونه شهرستان­های کاشان، نطنز، اردستان، برخوار، شهرضا، سمیرم، دهاقان، مبارکه، لنجان، تیران و اصفهان را به خود اختصاص می­دهد. با رویکرد برابرسازی حساسیت-ویژه­انگاری، آستانه بهینه 52 درصد به منظور کلاس­بندی نقشه پیش­بینی به دو کلاس حضور و عدم حضور انتخاب گردید (شکل 2-ب). با توجه به نقشه فازی شایستگی رویشگاه، گونه 1849269 هکتار (72/30 درصد) از سطح منطقه مورد مطالعه را می­پوشاند.

 

 

شکل 2. (الف) نقشه طبقات شایستگی و (ب) نقشه فازی رویشگاه گونه با استفاده از مدل NPMR.

 

جدول 3. سطح تحت پوشش طبقات شایستگی رویشگاه گونه گون زرد.

درصد مساحت

مساحت (هکتار)

احتمال رخداد

طبقات شایستگی

21/57

3443204

25/0-0

ضعیف

38/9

564268

5/0-25/0

متوسط

73/15

946618

75/0-5/0

خوب

68/17

1064335

1-75/0

عالی

 

 

اپتیمم آستانه و مقادیر شاخص­های ارزیابی مستقل از آستانه و وابسته به آن به دو روش جایگزینی و استفاده از داده­های مستقل، در جدول 4 گزارش شده­اند. نتایج حاصل از ارزیابی مدل بیانگر این است که مدل NPMR با در نظر گرفتن سطح زیر منحنی پلات­های ROC برابر 91/0 در هر دو روش ارزیابی جایگزینی و استفاده از داده­های مستقل، تطابق عالی با واقعیت زمینی دارد. منحنی­های پاسخ گونه گون زرد در ارتباط با مهمترین متغیرهای محیطی در نرم­افزار HyperNiche ترسیم شد (شکل 3).

 

جدول 4. ارزیابی مدل بر اساس شاخص­های آماری.

شاخص

روش جایگزینی

داده­های مستقل

سطح زیر منحنی پلات­های ROC

91/0

91/0

اپتیمم آستانه

52/0

44/0

حساسیت

96/0

92/0

ویژه­انگاری

87/0

79/0

TSS

83/0

71/0

 

 

منحنی عکس­العمل گونه به میانگین دمای سالانه به شکل گوسی و در میانه گرادیان (14-8 درجه سانتیگراد) دارای بیشترین احتمال حضور است. حداکثر احتمال حضور در میانگین دمای سالانه حدود 11 درجه سانتیگراد مشاهده می­شود و پس از آن با افزایش دما احتمال حضور گونه کاهش می­یابد. تغییرات فصلی درجه حرارت از 2/8 تا 8/8 بر حضور گونه تأثیری نداشته است. بیشترین حضور گونه در تغییرات فصلی درجه حرارت حدود 2/9 مشاهده می­شود و پس از آن با افزایش تغییرات، احتمال حضور گونه کاهش می­یابد. منحنی پاسخ گونه در ارتباط با متوسط دما در سردترین فصل نیز حالت گوسی دارد. بدین ترتیب که حداکثر وفور گونه در حدود 2- درجه سانتیگراد مشاهده می­شود. چنانچه حداکثر درجه حرارت در گرمترین ماه از 26 تا 32 درجه سانتیگراد باشد، احتمال حضور گونه افزایش می­یابد، بیشترین احتمال حضور در حداکثر دمای 33 درجه سانتیگراد رخ می­دهد و پس از آن با افزایش دما تا 42 درجه سانتیگراد، احتمال حضور گونه کاهش می­یابد. پاسخ گونه به بارندگی سردترین فصل از یک روند دو نمایی تبعیت می­کند. یک اوج در دامنه بارشی 80-40 میلیمتر و دیگری در دامنه 140-80 میلیمتری مشاهده می­شود که به ترتیب در بارش معادل 65 و 100 میلیمتر می­باشند. رفتار گونه نسبت به تغییرات اسیدیته خاک به صورت خطی کاهشی است. گونه در اسیدیته 7/6 حداکثر حضور را دارد و پس از آن احتمال رخداد کاهش می­یابد.

 

بحث

عملکرد بالای مدل NPMR در مطالعه ترکش و یتشکه (43) نیز اثبات شد. محققین با مقایسه سه روش رگرسیون ناپارامتریک NPMR، MARS و LRT اظهار داشتند که هر سه مدل از توانایی بالایی به لحاظ تفسیر اکولوژیکی و تولید منحنی عکس­العمل گونه­های گراس نسبت به متغیرهای محیطی برخوردار بودند، ولی NPMR در تفسیر پراکنش گونه­ها مؤثرتر عمل نمود. اندریامپرانی و همکاران (31)، اَورت و همکاران (32) و شرستا و همکاران (40) نیز کارایی این مدل را در پیش­بینی پراکنش گونه­ای تأیید نمودند. طبق آنالیز حساسیت، متغیرهای اقلیمی نسبت به متغیرهای خاکی اهمیت بیشتری در پراکنش گونه داشتند. استقرار و رشد رستنی­ها در مناطق خشک و نیمه­خشک به طور عمده تحت تأثیر شرایط اقلیمی به ویژه رطوبت و در مرحله بعدی تحت تأثیر عوامل خاکی می­باشد (5). شیخ­زاده و همکاران (39) جهت پیش­بینی وقوع و زوال گونه گون زرد تحت سناریوهای تغییر اقلیم، متغیرهای اقلیمی میانگین دمای سالانه، حداکثر دمای گرمترین ماه و بارش سردترین فصل را به عنوان ورودی مدل­های آماری انتخاب کردند که در مطالعه حاضر نیز این متغیرها به عنوان متغیرهای مستقل مدل لحاظ شدند.

طبق مطالعه طیموری­اصل و همکاران (18) عوامل اقلیمی ممکن است به عنوان مهمترین عوامل کنترل کننده احیاء و گسترش جمعیت­های طبیعی بر زیستایی جمعیت­های گون زرد مؤثر باشند.  

 

شکل 3. منحنی­های پاسخ گون زرد به شیب تغییرات عوامل محیطی.

 

علی­اکبری و همکاران (20) متوسط دمای سالانه، و خداقلی و صبوحی (9) دمای سرمایشی و سپس بارش را از عوامل مؤثر بر پراکنش این گونه معرفی نمودند. در مطالعه ساکی و همکاران (13) نیز از بین پارامترهای اقلیمی، متغیرهای مربوط به درجه حرارت مهمترین عامل در پراکنش گون زرد می­باشد که با نتایج این مطالعه همخوانی دارد. علت تأثیر بالای تغییرات فصلی دما را می­توان به تغییرات زیاد مکانی دما در منطقه مورد مطالعه نسبت داد که این امر می­تواند ناشی از توپوگرافی پیچیده آن باشد. نتایج مطالعه نقی­پور برج و همکاران (27) نیز مؤید این مطلب می­باشد.

 با توجه به منحنی­های عکس­العمل ارائه شده نیز مشخص است که گونه گون زرد به مقدار مشخصی رطوبت و دما برای رشد نیاز دارد. معمولاً در دمای بالاتر از 7 درجه سانتیگراد اغلب گیاهان شروع به فتوسنتز کرده و در بیش از 10 درجه سانتیگراد قادر به رشد هستند. در ارتفاعات بالا با کاهش دما، تبخیر و تعرق کمتر می­شود و گیاه با مقدار بارندگی سالانه کمتر امکان رشد پیدا می­کند، در حالیکه در ارتفاعات پایین­تر که دما بیشتر است، برای ایجاد شرایط مشابه لازم است که بارندگی بیشتر باشد. با توجه به اینکه گون زرد در ارتفاعات بالا رشد می­کند و درجه حرارت در ارتفاعات بالا و خصوصاً در ماه سرد سال کاهش می­یابد، درجه حرارت تأثیر زیادی بر پراکنش آن دارد. به گونه­ای که افزایش میانگین دمای سالانه، حداکثر دما در گرمترین ماه و میانگین دما در سردترین فصل، رشد گونه مذکور را افزایش می­دهند.

در خصوص پراکنش گونه­ای در ارتباط با عوامل محیطی و نحوه عکس­العمل آن به گرادیان­های محیطی، صفائی و همکاران (16) حالت بهینه حضور گون زرد در مراتع فریدونشهر اصفهان را در متوسط دمای سالانه 15-3/10 درجه سانتیگراد ذکر نمودند. بررسی­های باقرزاده (3) نیز مؤید آن بود که متوسط حداقل و حداکثر درجه حرارت سالانه به ترتیب 4 و 16 درجه سانتیگراد از ویژگی­های رویشگاه­های گونه­های مولد کتیرا در استان اصفهان می­باشد که با منحنی مربوط به این متغیر در شکل 3 مطابقت دارد. اسدیان (1) نیز در مطالعات آت اکولوژی و شیوه بهره­برداری دو گونه گون سفید و گون زرد بیان کرد گون­ها در متوسط درجه حرارت 15-10 درجه سانتیگراد به خوبی رشد می­کنند و استقرار می­یابند. مقاومت به خشکی گون­ها از یک طرف به علت سیستم ریشه­ای طویل و گسترده آنهاست که می­توانند ریشه­های خود را از طریق شکاف­های موجود به عمق خاک رسانده و رطوبت مورد نیاز خود را تأمین کنند و از طرف دیگر مربوط به تاج گیاه و برگ­های کوچک آن است که آب کمی را از طریق تعرق از دست می­دهند. علت شکست منحنی حضور گونه در بارش 110-65 میلیمتر در سردترین فصل بنا به یکی از دلایل زیر می­باشد: 1) رقابت بین گونه­ای می­تواند سبب کاهش حضور گونه شده باشد. رقابت با گراس­ها سبب شده که گراس­ها این گونه را از محدوده مشترک اخراج و آن محدوده را به تنهایی اشغال کنند. البته تأثیر روابط متقابل با سایر موجودات زنده اکوسیستم بر تغییر پراکنش جغرافیایی گیاهان را نیز نباید نادیده گرفت (15). 2) در این دامنه بارشی با کمبود داده­های ورودی مواجه بودیم، 3) اراضی تغییر کاربری داده و از مرتع به کشاورزی تبدیل شدند و یا ممکن است در مناطق حریم روستا واقع شده باشند که در نتیجه برداشت، نقاط غیاب گونه را نشان داده­اند و سبب شده که در این محدوده از بارش، منحنی روند کاهشی نشان دهد. افزایش میزان اسیدیته مانند تجمع املاح در محدوده ریشه بر روی خاصیت اسمزی اثر گذاشته، جذب آب برای گیاه سخت شده و مشکلاتی برای گیاه به وجود می­آورد (21). وهابی (28) بیان کرد که گون زرد با اسیدیته خنثی تا کمی قلیایی سازگاری دارد که با نتایج این تحقیق مطابقت دارد. فتاحی و همکاران (22) و صفائی و همکاران (17) نیز طی مطالعه­ای اذعان داشتند که تراکم گون زرد با اسیدیته خاک رابطه معکوس دارد و این گونه عموماً در خاک­های با اسیدیته خنثی تا کمی قلیایی حضور دارد. علی­اکبری و همکاران (21) در مطالعات خود در خصوص شرایط خاکی رویشگاه گون زرد در مراتع فریدن اصفهان نشان دادند که از بین خصوصیات خاکی بررسی شده فاکتورهای آهک، بافت خاک و اسیدیته بر روی رشد و استقرار گون زرد بیشترین تأثیر را دارا می­باشند. البته بایستی خاطر نشان کرد که در مطالعه حاضر، به دلیل عدم استفاده از عوامل بیولوژیک، انسانی و مدیریتی که بر پراکنش گونه مؤثرند، آشیان اکولوژیک بالقوه گون زرد نقشه­برداری شد که می­تواند از متفاوت آشیان اکولوژیک واقعی آن باشد.

نتیجه­گیری کلی

از اهداف این مطالعه، ارائه روشی برای تجزیه و تحلیل رابطه بین حضور و غیاب گونه گیاهی با عوامل محیطی بود. بر اساس نتایج آزمون نرمالیتی، همه متغیرهای خاک به استثنای درصد سیلت، از توزیع نرمال تبعیت نمی­کردند که با انجام تبدیل­های مختلف نرمال شدند. برای متغیرهای اسیدیته، هدایت الکتریکی، کربن آلی، درصد شن و سنگ و سنگریزه که تبدیل داده بر روی آنها بی­نتیجه بود، از روش معکوس وزنی فاصله جهت میانیابی و تهیه نقشه استفاده گردید. برای متغیرهای درصد سیلت، رس و رطوبت اشباع پس از ترسیم واریوگرام مشخص شد که نوع توزیع این سه متغیر از نوع همسانگرد و کلاس وابستگی آنها متوسط بود. در بخش مدلسازی با توجه به شاخص­های ارزیابی، مدل تولید شده به روش NPMR در آستانه­های انتخاب شده از توانایی بالایی در پیش­بینی پراکنش مکانی گون زرد برخوردار بود. بر اساس نقشه­های تولید شده، گونه بیش از 30 درصد و طبقه ضعیف شایستگی رویشگاه نیز نیمی از سطح منطقه مورد مطالعه را به خود اختصاص داده است. با توجه به نتایج منحنی­های پاسخ گونه به عوامل مؤثر شناسایی شده طی آنالیز حساسیت، حداکثر احتمال رخداد گونه در میانگین دمای سالانه 11 درجه سانتیگراد، حداکثر دما در گرمترین ماه برابر 33 درجه سانتیگراد و میانگین دما در سردترین فصل برابر 2- درجه سانتیگراد رخ داد. همچنین در صورتیکه خاک خنثی و کمی قلیایی، بارندگی در سردترین فصل 110 میلیمتر و تغییرات فصلی درجه حرارت 2/9 باشد، گونه بیشترین احتمال حضور را دارد. در مجموع گونه­های گیاهی با توجه به خصوصیات منطقه رویشی خود، دامنه بردباری و احتیاجات اکولوژیک با برخی عوامل محیطی ارتباط دارند. بنابراین، با تعیین خصوصیات اکولوژیک معرف هر گونه گیاهی حتی چنانچه گونه­های موجود در منطقه به لحاظ حفاظتی یا علوفه­ای ارزش ناچیزی داشته باشند، می­توان گونه­های با ارزش اما با احتیاجات اکولوژیک مشابه را جایگزین نمود. پیشنهاد می­شود قابلیت مدل مذکور برای ارزیابی اثر احتمالی تغییر اقلیم در آینده بر پراکنش گون زرد در مقیاس وسیع ارزیابی شود. ارتباط پراکنش گونه گیاهی با عوامل انسانی و مدیریتی خصوصاً چرا و کاربری اراضی مورد بررسی قرار گیرد و به عنوان یک عامل ورودی در مدلسازی به کار رود. همچنین با ایجاد یک پایگاه داده مطمئن و قابل دسترس، داده­های خاک در سطح استان تهیه شده و مدل به کار رفته یا حتی سایر مدل­ها به کل استان تعمیم یابند.

سپاسگزاری

نویسندگان مراتب تشکر و سپاس خود را از دانشگاه صنعتی اصفهان به سبب فراهم نمودن امکانات جهت برداشت میدانی و جمع­آوری نقاط رخداد گونه اعلام می‍دارند.

1- اسدیان، ق. و معصومی، ع.ا. 1376. آت­اکولوژی گون­های مولد کتیرا  نحوه بهره­برداری در دامنه جنوبی الوند همدان. علوم کشاورزی و منابع طبیعی، 4(1)، 31-21.
2- امیری، م.، ترکش، م. و جعفری، ر. 1398. پیش­بینی پراکنش گونه Artemisia sieberi Besser تحت تأثیر اقلیم در مراتع استپی و نیمه­استپی ایران-تورانی. مدیریت بیابان، 13، 48-29.
3- باقرزاده، ک. 1379. گزارش نهایی طرح تحقیقاتی ملی شناسایی و تعیین گون­های مولد کتیرا در استان اصفهان. مرکز تحقیقات کشاورزی و متابع طبیعی اصفهان. 57 صفحه.
4- بهلولی، ر. و دهشیری، م.م. 1392. مطالعه ریخت­شناسی و تشریح تعدادی از گونه­های Astragalus L. (بخش Incani DC.) در بروجرد. پژوهش­های گیاهی (زیست­شناسی ایران)، 26(4)، 422-412.
5- جعفری، م.، زارع چاهوکی، م.ع.، طویلی، ع. و کهندل، ا. 1385. بررسی رابطه خصوصیات خاک با پراکنش گونه­های گیاهی در مراتع استان قم. پژوهش و سازندگی در منابع طبیعی، 73، 116-110.
6- حاجبی، ع.، میرداوودی، ح.ر. و سلطانی­پور، م.ا. 1401. بررسی برخی ویژگی­های خاک و عوامل فیزیوگرافی مؤثر در استقرار گونه انحصاری کلاجوک (Platychaete aucheri (Boiss.) Boiss) در استان هرمزگان. مرتع، 16(2)، 298-284.
7- حبیبی کیلک، ش.، علوی، س.ج.، اسماعیل­زاده، ا.، 1399. تحلیل منحنی پاسخ گونه شمشاد هیرکانی (Buxus hyrcana Pojark) نسبت به برخی متغیرهای محیطی در جنگل­های هیرکانی. پژوهش و توسعه جنگل، 6(1)، 14-1.
8- حسنی پاک، ع. 1389. زمین­آمار (ژئواستاتیستیک). انتشارات دانشگاه تهران، 330 صفحه.
9- خداقلی، م. و صبوحی، ر. 1398. واکاوی تغییرات متغیرهای اقلیمی و تأثیر آن بر رویشگاه­های گون زرد (Astragalus verus Olivier) استان اصفهان. مرتع و آبخیزداری، 72(2)، 374-359.
10- خداقلی، م.، صبوحی،ر.، اسکندری، ذ.، 1393. تحلیل روند گذشته و پیش­بینی آینده خشکسالی در استان اصفهان. علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک، 67، 379-367.
11- رئوفی­راد، و.، باقری، س.، جعفری، م. و میرطالبی، ا. 1395. برآورد ارزش اقتصادی گون سفید (Astragalus gossypinus) و گون زرد (Astragalus verus) در مقایسه با درآمد حاصل از علوفه مراتع در استان اصفهان. تحقیقات منابع طبیعی تجدید شوند، 7(4)، 57-45.  
12- رسولی، ن.، فرپور، م.ه.، محمودآبادی، م. و اسفندیارپور، ع. 1401. مطالعه تکامل خاک متأثر از اقلیم و توپوگرافی در منطقه ساردوئیه-بم (جنوب استان کرمان). مدیریت خاک و تولید پایدار، 12(2)، 22-1.
13- ساکی، م.، ترکش، م.، بصیری، م. و وهابی، م.ر. 1391. کاربرد مدل رگرسیون لجستیک درختی در تعیین رویشگاه بالقوه گونه گیاهی گون زرد Astragalus verus. بوم­شناسی کاربردی، 1(2)، 38-27.
14- سپاده، د.، صلاحی، ب.، علیجانی، ب. و زینالی، ب. 1400. مطالعه اثر رودباد قطبی بر بارش­های فصل سرد ایران. هواشناسی و علوم جو، 4(3)، 192-178.
15- سنگونی، ح.، وهابی، م.ر.، ترکش اصفهانی، م. و بابایی، ع. 1397. تأثیر مدیریت چرا بر پراکنش جغرافیایی دو گونه گراس فصل سرد در مراتع منطقه فریدن. پژوهش­های گیاهی (زیست­شناسی ایران)، 31(3)، 639-626.
16- صفائی، م.، ترکش، م. و بصیری، م. 1392. تهیه منحنی­های پاسخ گونه گون زرد (Astragalus verus Olivier) نسبت به شیب تغییرات محیطی با استفاده از روش Non-Parametric Multiplicative Regression در منطقه فریدون­شهر استان اصفهان. گیاه و زیست­بوم، 36، 64-53. 
17- صفائی، م.، ترکش، م.، بصیری، م. و بشری، ح. 1392. مدلسازی رویشگاه بالقوه گونه گون زرد (Astragalus verus Olivier) با استفاده از روش تحلیل عاملی آشیان اکولوژیک. مرتع، 7(1)، 51-40.
18- طیموری­اصل، س.، نقی­پور، ع.ا.، اشرف­زاده، م.ر.، حیدریان آقاخانی، م. 1399. پیش­بینی پیامدهای تغییر اقلیم بر پراکنش جغرافیایی گون زرد (Astragalus verus Olivier) در زاگرس مرکزی. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 11(2)، 83-68.
19- علوی، س.ج، نوری، ز. و زاهدی امیری، ق. 1396. منحنی عکس­العمل گونه راش نسبت به متغیرهای محیطی با استفاده از مدل جمعی تعمیم­یافته در جنگل خیررود، نوشهر. پژوهش­های علوم و فناوری چوب و جنگل، 24(1)، 42-29.
20- علی­اکبری، م.، جعفری، ر.،وهابی، م.ر.، سعادت­فر، ا. 1389. تعیین رویشگاه بالقوه گونه گون زرد با استفاده از تلفیق GIS و سنجش از دور. کاربرد سنجش از دور و GIS در علوم منابع طبیعی، 1(1)، 29-15.
21- علی­اکبری، م.، وهابی، م.ر.، جعفری، ر.، کریم­زاده، ح.ر.، بنی­ابراهیمی، م. 1391. بررسی و مطالعه شاخص­های رویشگاهی دو گونه علف گندمی کرکدار (Agropyron trichophorum Link, Rieyt) و گون زرد (Astragalus verus Olivier) با توجه به عامل خاک در مراتع فریدن اصفهان. گیاه و زیست­بوم، 30، 68-59.
22- فتاحی، ب.، آقابیگی امین، س.، ایلدرمی، ع.، اسدیان، ق.، چهری، م. و نوری، س. 1387. بررسی ارتباط گون زرد (Astragalus parrowianus) با عوامل خاکی و توپوگرافی در مراتع کوهستانی زاگرس (مطالعه موردی: مراتع گله­بر همدان). مرتع، 2(3)، 224-208.
23- فرزادمهر، ج. و سنگونی، ح. 1399. بررسی تأثیر تغییر اقلیم بر پراکنش جغرافیایی گاوزبان وحشی در استان خراسان رضوی. پژوهش­های حفاظت آب و خاک، 27(3)، 162-145.
24- کاظمی، ح. و قربانی، خ. 1394. ارزیابی روش­های مختلف درون­یابی به منظور تخمین و پهنه­بندی متغیرهای بارش در اراضی کشاورزی شهرستان آق­قلا جهت کشت دیم غلات پاییزه. پژوهش­های حفاظت آب و خاک، 4، 23-1.
25- محمودوند، س.، خدایاری، ح. و ترنیان، ف. 1399. تهیه نقشه متغیرهای زیست­اقلیمی استان لرستان با استفاده از تکنیک­های زمین­آماری و رگرسیونی. مطالعات جغرافیایی مناطق کوهستانی، 1(3)، 17-1.
26- معصومی، ع.ا. 1385. گون­های ایران (جلد 4). انتشارات مؤسسه تحقیقات جنگل­ها و مراتع، تهران. 786 ص.
27- نقی­پور برج، ع.ا.، حیدریان آقاخانی، م. و سنگونی، ح. 1398. کاربرد روش مدلسازی اجماعی در پیش­بینی اثرات تغییر اقلیم بر پراکنش گونه لاله واژگون (Fritillaria imperialis L.). پژوهش­های گیاهی (زیست­شناسی ایران)، 32(3)، 758-747.
28- وهابی، م.ر.، بصیری، م.، مقدم، م.ر. و معصومی، ع.1. 1385. تعیین شاخص­های رویشگاهی مؤثر برای ارزیابی گون­زارهای کتیرایی در استان اصفهان. نشریه دانشکده منابع طبیعی، 59(4)، 1029-1013.
 
29- Allouche, O., Tsoar, A. and Kadmon, R., 2006. Assessing the accuracy of species distribution models: prevalence, kappa, and the true skill statistics (TSS). Journal of Applied Ecology, 43(6), 1223-1232. 10.1111/j.1365-2664.2006.01214.x.
30- Amiri, M., Tarkesh, M., Jafari, R. and Jetschke, G., 2020. Bioclimatic variables from precipitation and temperature records vs. remote sensing-based bioclimatic variables: Which side can perform better in species distribution modeling? Ecological Informatics, 57, 101060. 10.1016/j.ecoinf. 2020.101060.
31- Andriamparany, J.N., Brinkmann, K., Wiehle, M., Jeannoda, V. and Buerkert, A., 2015. Modelling the distribution of four Dioscorea species on the Mahafaly Plateau of south-western Madagascar using biotic and abiotic variables. Agriculture, Ecosystems & Environment, 212, 38-48. 10.1016/j.agee.2015.06.019.
32- Averett, J.P., McCune, B., Parks, C.G., Naylor, B.J., DelCurto, T. and Mata-González, R., 2016. Non-Native plant invasion along elevation and canopy closure gradients in a Middle Rocky mountain ecosystem. PLoS ONE, 11(1): e0147826. 10.1371/journal. pone.0147826.
33- Bonachela, J.A., Burrows, M.T. and Pinsky, M.L., 2021. Shape of species climate response curves affects community responses to climate change. Ecology Letters, 24(4), 708-718. 10.1111/ele.13688.
34- Ghahremaninejad, F., Bagheri, A. and Maassoumi, A.A., 2012. Two new species of Astragalus L. sect. Incani DC. (Fabaceae) from the Zanjan province (Iran). Adansonia, 34(1), 59-65. 10.5252/a2012n1a6.
35- Goodchild, M. and Jeansoulin R. (eds). 1998. Data quality in geographic information from error to uncertainty, Hermes, Paris. 192 p.
36- McCune, B., 2006. Non-parametric habitat models with automatic interactions. Journal of Vegetation Science, 17: 819-830. jstor.org/stable/4499186.
37- McCune, B. and Mefford, M.J., 2004. HyperNiche. Multiplicative habitat modeling. MjM Software, Gleneden Beach, Oregon, U.S.A. 24 pages. http://www.pcord.com.
38- Peterson, A.T., Soberón, J., Pearson, R.G., Anderson, R.P., Martínez-Meyer, E., Nakamura, M. and Araújo, M.B., 2011. Ecological niches and geographic distributions. Princeton University Press, Princeton, New Jersey. 314 p. jstor.org/stable/j.ctt7stnh.
39- Sheikhzadeh, A., Tarkesh Esfahani, M. and Bashari, H., 2023. Predicting the occurrence and decline of Astragalus verus Olivier under climate change scenarios in central Iran. Arid Land Research and Management, Published Online, 10.1080/15324982.2023.2177905.
40- Shrestha, G., Petersen, S. and Clair, L.S.T., 2012. Predicting the distribution of the air pollution sensitive lichen species Usnea hirta. The Lichenologist, 44(4), 511-521. 10.1017/S0024282912000060.
41- Swets, J., 1988. Measuring the accuracy of diagnostic systems. Science, 240, 1285-1293. 10.1126/science. 3287615.
42- Tarkesh, M., 2008. Predictive vegetation modelling: comparison of methods, effect of sampling design and application on different scales. PhD thesis, Jena University. 100 p.
43- Tarkesh, M. and Jetshcke, G., 2012. Comparison of six correlative models in predictive vegetation mapping on a local scale. Environmental and Ecological statistics, 19, 437-457. 10.1007/s10651-012-0194-3.
44- Webster, R. and Oliver, M.A., 2000. Geostatistics for environmental scientists. Wiley press, 271 p. 10.1002/9780470517277.
Journal of Plant Research (Iranian Journal of Biology)
Volume 38, Issue 1
Spring 2025
Pages 32-48

  • Receive Date 29 November 2022
  • Revise Date 26 February 2023
  • Accept Date 24 April 2023