Journal of Plant Research (Iranian Journal of Biology)

Study the effect of physiographic and anthropogenic factors on the spatial distribution of Pestacia atlantica using GIS in Dareh Shahr forests

Document Type : Research Paper

Author

Ilam University

Abstract

This study aimed to predict the potential distribution of Pistacia atlantica on an area of 7319.63 ha in Dareshahr Region forests (west of Iran). The database composed of 200 samples based on the presence or absence of this species was used to determine the spatial distribution. In each plot, various physiographic factors were measured as well as the distance to the nearest residential areas. We then modeled the Pistacia A. distribution with a stepwise (odds ratios) logistic regression using 80% of the database whereas 20% was kept for validation. The results showed that the distribution of Pistacia was adequately modeled. There was a good correlation between dependent and independent variables based on the Roc curve with an amount of 0.7. In particular, the aspect of hillside was determined as the most important factor to explain the distribution of Pistacia A. In contrast, the height above sea level inversely correlated with the presence of Pistacia A. According to the final model, more than 45% of the study area is potentially favourable to the Pistacia A.’s presence. The results of modeling indicated that the logistic regression can be an adapted method to evaluate the impact of various factors on the spatial distribution of tree species.

Keywords

Main Subjects

بررسی تأثیر عوامل فیزیوگرافی و انسانی بر روی پراکنشمکانی بنه
(Pestacia atlantica)با استفاده از GIS در جنگل‌های دره­شهر

مهدی حیدری* و الهام جافریان

ایلام، دانشگاه ایلام، دانشکده کشاورزی، گروه علوم جنگل

تاریخ دریافت: 20/6/94                تاریخ پذیرش: 18/2/95

چکیده

این تحقیق با هدف پیش‌بینی پراکنش بالقوه گونه بنه (Pistacia atlantica) در سطح 63/7319 هکتار از جنگل‌های دره‌شهر انجام شد. داده‌های 200 نمونه بر اساس مناطق حضور یا عدم حضور به­منظور تعیین پراکنش مکانی این گونه استفاده شد. در هر قطعه نمونه، عوامل فیزیوگرافی مختلف و بعلاوه فاصله از مناطق مسکونی مدل­سازی اندازه­گیری شد. ما سپس پراکنش بنه را به‌وسیله رگرسیون لجستیک و روش گام به گام (نسبت احتمال) با استفاده از 80 درصد از نمونه‌ها برای مدل­سازی و20 درصد از آنها برای اعتبارسنجی، مدلسازی کردیم. نتایج نشان داد که پراکنش بنه به­طور مناسب مدلسازی شد. بر اساس منحنی راک  با مقدار 7/0 همبستگی خوب بین متغیر مستقل و وابسته وجود داشت. به طور مشخص، جهت دامنه به­عنوان مهمترین عامل در پراکنش بنه شناخته شد. در مقابل،  ارتفاع از سطح دریا با حضور بنه رابطه کاملاً معکوس داشت. بر اساس مدل نهایی بیش از 45 درصد از منطقه مورد مطالعه مستعد حضور بنه است. نتایج مدلسازی نشان داد که رگرسیون لجستیک می­تواند روشی مناسب برای بررسی تأثیر عوامل مختلف بر پراکنش مکانی گونه­‌ های درختی باشد.

واژه های کلیدی: پراکنش بالقوه، سیستم اطلاعات جغرافیایی، عامل‌های فیزیوگرافی، منحنی راک.

* نویسنده مسئول، تلفن: 01823223600 ، پست الکترونیکی: m_heydari23@yahoo.com

مقدمه

 

پراکنش مکانی درختان یکی از عوامل مهم در جنگل­شناسی است که بررسی آن در هر منطقه یکی از کارهای اصلی و ضروری در اندازه­گیری جنگل و مطالعه پوشش گیاهی می­باشد (1). فیزیوگرافی یکی از عواملی است که به­شدت پراکنش گونه‌های مختلف را تحت تأثیر خود قرار می‌دهد (2 و 5). عوامل فیزیوگرافی نظیر ارتفاع، شیب و جهت شیب به­عنوان داده‌های مهم در تحلیل‌های مکانی و مدل­سازی پراکنش رستنی‌ها در چشم‌اندازهای کوهستانی شناخته شده‌اند (21).

در کنار عوامل توپوگرافی سابقه دخالت‌های انسان از نظر استفاده از اراضی جنگلی برای کشاورزی و دامپروری (23) و آشفتگی‌های طبیعی گذشته و اخیر (سقوط بهمن، سقوط سنگ و تا حدی تأثیر انسان) نقش مهمی در پراکنش تیپ‌های گیاهی داشته است (25).

پیش‌بینی رویشگاه‌های مستعد پراکنش گونه‌ها بحث خیلی مهمی در علومی از قبیل بیولوژی، اکولوژی و بیوژئوگرافی است (17). استفاده از روش‌های مدل‌سازی به­منظور پیش‌بینی رویشگاه مناسب برای گونه‌های مختلف در طرح‌های حفاظتی و مدیریتی جنگل در حال افزایش است (14). جعفریان و همکاران (1391) یک مطالعه با عنوان تهیه الگوی پراکنش مکانی گیاهان با استفاده از رگرسیون لجستیک، انجام دادند. نتایج نشان داد که بین عوامل محیطی و پراکنش گیاهان ارتباط وجود دارد (4). مدرس گرجی و همکاران (1391) تحقیقی به عنوان مدل­سازی پراکنش تیپ­های جنگلی با استفاده از رگرسیون لجستیک در جنگل های آرمرده بانه نتایج نشان داد که مدل بدست آمده برای تیپ­هایی که دارای دامنه پراکنش محدود در منطقه مورد بررسی هستند، دقیق­تر است. بر اساس آزمون منحنی راک بیش­ترین دقت به ترتیب به مدل تیپ­های برودار خالص، برودار، ویول همراه سایر گونه­ها، برودار- سایر گونه­ها همراه مازودار و مازودار- برودار اختصاص یافت. همچنین جهت­دامنه با توجه به حضورش در بیشتر مدل ها، مهم­ترین عامل موثر در پراکنش تیپ­های منطقه شناخته شد (12).

جافریان و همکاران (1394) تحقیقی با هدف تعیین مهم­ترین عوامل فیزیوگرافی تأثیرگذار در پراکنش گونه ارغوان را بررسی و نشان دادند که متغیرهای ارتفاع از سطح دریا و فاصله از آبراهه­ها با پراکنش گونۀ ارغوان ارتباط معنی­داری دارند (2). Mahajan و Kale (2006) با هدف تهیه نقشه پراکنش مکانی پوشش گیاهی و هم‌چنین بررسی رابطه بین پوشش گیاهی و متغیرهای فیزیوگرافی در شمال‌غربی هندوستان پژوهشی را انجام دادند و نشان داد که جنگل‌های متراکم عمدتاً در نواحی میان­اب (مناطقی بین دو رود) با محدوده ارتفاعی 400 تا 800 متر از سطح دریا و جنگل‌های باز، در نواحی که مناطق مسکونی بوده و کشت انتقالی صورت گرفته حضور دارند (22). گونه‌های متعدد درختی و درختچه‌ای در جنگل‌های زاگرس وجود دارد که از مهمترین آنها می­توان به بنه اشاره نمود. بنه یا پسته وحشی از جمله گونه‌های درختی باارزشی است که در مناطق مختلف ایران سطح قابل ملاحظه‌ای را به خود اختصاص داده است. برای نیل به توسعه پایدار خصوصا در بخش منابع طبیعی جمع­آوری اطلاعات پایه زیست محیطی برای منابع حیاتی ضروری است. سیستم­های GIS مقرون به صرفه موجود دارای قابلیت‌­های وسیع و همه­جانبه­ای هستند (7). تحلیل مکانی روابط بین فاکتورهای زیست محیطی و رستنی‌ها با پیشرفت‌های اخیر GIS بیشتر از پیش میسر شده است. با استفاده از نرم­افزارهای GIS می­توان اطلاعات پیچیده را مدیریت کرد و نقشه پراکنش مکانی تهیه نمود (16). این تحقیق با هدف بررسی پراکنش مکانی گونه بنه با استفاده از عوامل انسانی و فیزیوگرافی و با بهره­گیری از سامانه اطلاعات جغرافیایی در جنگل­های زاگرس انجام شده است.

مواد و روشها

مشخصات جغرافیایی منطقه مورد مطالعه: منطقه مورد مطالعه در جنگل­های اطراف شهرستان دره­شهر در استان ایلام واقع شده است. مساحت کل منطقه مورد مطالعه 63/7319 می­باشد. دامنه ارتفاعی منطقه مورد مطالعه 679 تا 2010 متر از سطح دریا می­باشد (شکل 1). این منطقه یکی از رویشگاه های با ارزش بنه در زاگرس است (10). متوسط دمای سالیانه منطقه بین 8 تا 38 درجه سانتیگراد که حداقل آن 7/1- در بهمن ماه و حداکثر مطلق آن در تیر ماه 8/46 درجه سانتی­گراداست. میزان تبخیر منطقه به میزان 2675 میلی­‌متر است. براساس آمار ایستگاه هواشناسی دره­شهر، متوسط میزان بارندگی طی 30 ساله اخیر 483 میلی­‌متر گزارش شده است. حداقل و حداکثر بارندگی 6/227 و 759 میلی­متر گزارش شده است. محاسبه فرمول‌های مربوط به تعیین اقلیم نشان می‌دهد که در روش آمبرژه نوع اقلیم مرطوب معتدل و در روش دومارتن نوع اقلیم نیمه مرطوب است. 

روش تحقیق

بعد از مشخص شدن منطقه مورد مطالعه و انجام بازدیدهای میدانی، محدوده­هایی که در آن بنه وجود داشت و مساحت این گونه به توده (5/0 هکتار) رسیده بود، بوسیله دستگاه GPS تعیین شد. مسیرهای تعیین شده توسط جی­پی­اس به محیط نرم افزار Oziexplorer منتقل شده تا در آنجا به فرمت قابل نمایش در آرک­جی­آی­اس درآیند. سپس در محیط Arc GIS به پلی­گون تبدیل شدند. مساحت قطعات چندوجهی بر اساس هکتار استخراج شد (جدول 1). مساحت کل منطقه مورد مطالعه 63/7319 برآورد شد. سپس در ادامه محدوده بزرگتری از منطقه دره شهر انتخاب و مورد پژوهش قرار گرفت تا بر اساس مناطق حضور گونه و عدم حضور گونه مدل احتمال پراکنش مکانی بنه تهیه شود.

 

 

شکل 1- موقعیت منطقه مورد مطالعه


جدول 1- مساحت مناطق پراکنش بنه

شماره محدوده

1

2

3

4

5

مساحت(هکتار)

3/62

8/34

6/71

3/26

9/52

شماره محدوده

6

7

8

9

 

مساحت(هکتار)

3/15

25

5/26

5/41

 

برای تهیه مدل احتمال پراکنش مکانی درخت بنه نیاز به شناسایی عوامل تأثیرگذار بر گونه­ها می­باشد. در شکل­گیری، توسعه و پایداری جامعه­های گیاهی، عوامل اکولوژیک مختلفی نقش دارند که مهم­ترین آنها عبارت از شیب، جهت دامنه و ارتفاع از سطح دریا که این عوامل جهت ایجاد لایه­های اطلاعاتی شناسایی شدند تا در مدل­سازی نقشه احتمال الگوی پراکنش این گونه مورد استفاده قرار گیرند. هم­چنین عوامل انسانی تأثیرگذار از جمله جاده­ها و روستاها نیز شناسایی شدند تا در هرچه دقیق‌تر به­دست آمدن مدل احتمال پراکنش گونه مورد مطالعه استفاده شوند. عوامل انسانی فاصله از جاده‌ها، مناطق مسکونی هستند.

نقشه مناطق پراکنش بنه که به‌وسیله GPS برداشت شده در شکل 2 نمایش داده شده است، این مناطق شامل نه منطقه بودند.

در راستای اهداف پروژه پس از بررسی منابع متعدد و با توجه به بازدیدهای مقدماتی از منطقه مورد مطالعه عوامل تأثیرگذار در پراکنش گونه بنه که در نرم­افزارهای مناسب سامانه اطلاعات جغرافیایی قابل پردازش باشند، شناسایی و نسبت به جمع­آوری و تهیه داده­های مربوط به این عوامل اقدام گردید. برای استخراج لایه­های مورد نظر نقشه­های رقومی شده سه­بعدی و دوبعدی منطقه مورد، مطالعه با مقیاس 25000/1 تهیه شد. مناطق مورد مطالعه در برگ­های II SE -5462 و II SW -5462 نقشه­های توپوگرافی رقومی واقع هستند. از این نقشه­ها خطوط توپوگرافی، روستاها و جاده­ها استخراج شدند.

  

شکل 2- پراکنش گونه بنه در منطقه

تهیه نقشه عوامل فیزیوگرافی: در ابتدای کار نقشه مدل رقومی ارتفاع با استفاده از خطوط توپوگرافی رقومی با مقیاس 1:25000 تهیه شد. نقشه­های شیب، جهت و ارتفاع با استفاده از توابع موجود در GIS از نقشه مدل رقومی ارتفاع ایجاد و براساس مرور منابع، هدف، دقت و شرایط منطقه طبقه­بندی شدند تا چگونگی توزیع طبقات شیب، طبقات ارتفاعی و جهت جغرافیایی تعیین شود.

با توجه به هدف مطالعه و شرایط شیب منطقه، طبقه­بندی شیب به 5 کلاس 20 درصدی صورت گرفت. نقشه جهت به 4 جهت اصلی شمال، شرق، جنوب، غرب و مناطق مسطح تقسیم­بندی شد. نقشه طبقات ارتفاعی به­‌‌‌صورت مساوی در پنج طبقه 679-945، 945-1211، 1211-1471، 1471-1743 و 1743-2010 متری تهیه شد. نقشه فاصله از مناطق روستایی و جاده‌ها نیز به پنج طبقه 0-300 متر، 300-600 متر، 600-900 متر، 900- 1200متر و 1200 تا 1500 متر تقسیم­بندی شد. در ادامه مناطق حضور بنه با تمامی لایه­های ساخته­شده هم­‌پوشانی داده شد و مساحت حضور بنه در طبقات مختلف لایه­ها مشخص گردید.

مدل­سازی نقشه الگوی پراکنش مکانی گونه بنه بوسیله رگرسیون لجستیک: در این پژوهش تجزیه رگرسیون بر اساس روش گام­به­گام پیش­رونده انجام و بر اساس ضریب آماره­ها نسبت به انتخاب بهترین مدل اقدام شد.

مدل­سازی و اعتبار­سنجی مدل احتمال پراکنش درختان توسط تعدادی از مشاهدات صورت گرفت. در این مطالعه به مناطق حضور بنه­ (مناطق تعیین شده با GPS) کد یک و به مناطق عدم حضور آن کد صفر تعلق گرفت. سپس از هر کدام از این مناطق نمونه­برداری و ارزش هر نمونه برداشت شد.

در ادامه برای اینکه هر مشاهده شانس مساوی جهت انتخاب شدن داشته باشد تعداد 100 نمونه از مناطق حضور بنه و100 نمونه از مناطق عدم حضور به صورت تصادفی انتخاب شد. سپس داده­ها وارد نرم افزار SPSS شدند و برای مدل­سازی احتمال پراکنش درخت بنه و دست­یافتن به عوامل مؤثر در پراکنش این گونه توسط رگرسیون لجستیک به‌کار برده شدند.

از آنجایی که عوامل مختلف مانند شیب و ارتفاع از سطح دریا دارای ارزش­های متفاوتی هستند بهتر است ارزش تمامی عوامل بین صفر و 1 استاندارد شود (19).

برای این که دامنه مقادیر لایه­های مستقل مورد استفاده برای تهیه مدل احتمال پراکنش بین 0 و 1 قرار گیرد با استفاده از رابطه (1) عمل استانداردسازی صورت گرفت.

رابطه 1       X standard = Map – X min / X max – X min

Map: نقشه ورودی

Xmax: بیشترین  ارزش خام هر نقشه

Xmin: کمترین ارزش خام هر نقشه

نقشه­های عوامل فیزیوگرافی بعد از عمل استانداردسازی به عنوان متغیرهای پیش­‌گو برای ایجاد مدل رگرسیون لجستیک مورد استفاده قرار گرفتند.

مدل­سازی توسط رگرسیون لجستیک و روش گام به گام (نسبت احتمال) با انتخاب 80% از نمونه‌ها برای مدل­سازی و 20% نمونه‌ها جهت اعتبار سنجی مدل انجام گرفت (13). مدل رگرسیون لجستیک به صورت رابطه­ی (2) بیان می­شود.

رابطه 2:

Log (P/(1+P)) = β0 + β1 X1 + β2 X2 + … + βi Xi

iβ: ضرایب برآورد شده توسط مدل

P: احتمال پراکنش گونه مورد بررسی

رگرسیون لجستیک با این فرض به‌کار می­رود که احتمال یک بودن متغیر وابسته از منحنی لگاریتمی پیروی می­کند و مقدار آن توسط رابطه (3) تخمین زده می­شود.

رابطه 3:   P(y = 1| X) = exp (MAP) / 1+ exp (MaP)

Map: نقشه احتمال پراکنش

در این پژوهش اعتبارسنجی مدل­های به دست آمده توسط 20 درصد نمونه­های باقی­مانده، به­صورت ارائه منحنی راک (Roc) و آزمون هوسمر -. لمشاو (Hosmer Lemeshow) ارزیابی شد.

معیارهایی که برای ارزیابی مدل استفاده می‌شود، سطح زیر منحنی راک است. این سطح بیانگر این است که مدل چه مقدار می‌تواند متغیر وابسته را به‌خوبی پیش‌بینی کند. آماره والد نیز اگر برای متغیری معنی‌‌‌دار باشد (سطح معنی‌داری کمتر از 05/0 باشد)، آن متغیر در مدل انتخاب می‌شود. آزمون معنی­داری مدل بوسیله آزمون هوسمر -. لمشاو مورد بررسی قرار گرفت. در صورتی‌که سطح معنی­داری این آزمون از 05/0 بیشتر باشد بیانگر اعتبار خوب مدل به دست آمده است و مقادیر کمتر از 05/0 عدم اعتبار مدل را نشان می­دهد. هم‌چنین آمارهNagelkerke R squar  که بیان کننده برازش مدل است، دامنه تغییرات آن از صفر تا یک بوده و مقادیر بالاتر نشان دهنده صحت بیشتر مدل است.

نتایج

نقشه شیب: برای تهیه نقشه شیب از مدل رقومی ارتفاع استفاده شد. در بخش مورد پژوهش 68 درصد از مناطق حضور بنه در کلاسه شیب 0-40 درصد قرار دارند (شکل 3).

 

شکل 3-  نقشه طبقات شیب به درصد

 

نقشه جهت دامنه: نقشه جهت دامنه از نقشه مدل رقومی ارتفاع به دست آمد (شکل 4). بیش­ترین درصد از مناطق حضور بنه در جهت­ جنوبی و کمترین درصد آن در دامنه­های شرقی مشاهده گردید.

 

شکل 4-  نقشه طبقات جهت دامنه

نقشه طبقات ارتفاعی:  نقشه طبقات ارتفاع نیز با طبقه­بندی مدل رقومی ارتفاع به‌دست آمد. بر اساس نتایج بدست آمده بیش‌ترین حضور بنه در ارتفاعات پایین­تر از 1471 متر از سطح دریا مشاهده شد (شکل 5).

 

شکل 5-  نقشه طبقات ارتفاع به متر

نقشه فاصله از جاده: نقشه فاصله از جاده­ها در شکل 6 نشان می­دهد که بیش‌ترین حضور بنه در فاصله 1200-1500 متر از جاده­ها وجود دارد.

 

شکل 6- نقشه فاصله از جاده به متر

نقشه فاصله از مناطق مسکونی: یکی دیگر از عوامل مؤثر در پراکنش مکانی درختان فاصله آنها از مناطق مسکونی می­باشد. این نقشه با جدا کردن این مناطق از نقشه­های رقومی دو بعدی به دست آمد. بیش‌ترین حضور در فاصله 1200- 1500 متر از مناطق مسکونی مشاهده شد (شکل 7).

مدل­سازی به وسیله رگرسیون لجستیک: برای تهیه مدل بهترین متغیرها برای مدل­سازی با توجه به آماره والد شیب، جهت شیب، ارتفاع از سطح دریا، فاصله از مناطق مسکونی و فاصله از جاده تعیین شدند. در مرحله انتخاب بهترین متغیرها برای مدل­سازی، اگر آماره والد معنی­دار باشد (یعنی سطح معنی داری (p-value) آن از 05/0 کوچک­تر باشد) آن متغیر در مدل انتخاب می­شود.

بنابراین با توجه به ضرایبی که به دست آمد، معادله رگرسیون لجستیک به‌صورت (رابطه­ی 4) تعیین شد.

رابطه 4:    Log (P/(1+P) = 5.016 - 0.264 X1 – 0.047X2+0.555X3 + 0.144 X4 - 0.011 X5 + 0.524 X6

 

شکل 7- نقشه فاصله از مناطق مسکونی به متر

که بعد از بدست آمدن نقشه، احتمال وقوع به صورت (رابطه 5) ارائه شد. رابطه  5:

P(y = 1| X) = exp (5.016- 0.264 X1 – 0.047 X2+0.555 X3 + 0.144 X4 -0.011 X5 +) / 1+ exp (5.016 - 0.264 X1

– 0.047 X2+ 0.555 X3 +0.144X4 - 0.011 X5)

به منظور پهنه­بندی لایه احتمال وقوع، در نهایت منطقه مورد مطالعه از نظر احتمال حضور بنه به 5 کلاس پراکنش بسیار بالا، پراکنش بالا، پراکنش متوسط، پراکنش پایین و پراکنش بسیار پایین تقسیم شد. بر اساس نقشه حاصل از اجرای مدل رگرسیون لجستیک مقادیر احتمال وقوع به­دست آمده از 0 تا 1 متغیر می­باشد (شکل 8) همچنین درصد پراکنش بنه در هر کدام از سطوح در جدول 2 ارائه شده است.

جدول 2- مساحت پهنه­های احتمال حضور بنه به درصد در هرکلاس

کلاسه پراکنش

مساحت به درصد

بسیار پایین

½

پایین

12

متوسط

2/39

زیاد

9/42

بسیار زیاد

9/3

 

شکل 8- نقشه پهنه­بندی شده احتمال حضور گونه بنه

صحت کلاسه­بندی نتایج کاربردی به­وسیله مدل نهایی، در جدول 3 نشان داده شده است. 79 درصد داده­های مورد استفاده جهت مدل­سازی و 71 درصد داده­های اعتبارسنجی به­درستی کلاسه­بندی شده­اند که این نتایج نشان از دقت خوب مدل­سازی دارد.

در این تحقیق مهم­‌ترین فاکتور در توزیع پراکنش گونه بنه جهت­دامنه است. ارتفاع از سطح دریا با ضریب 246/2 ارتباط را به صورت منفی با پراکنش گونه بنه داشت. تنها عاملی که وارد مدل نشد عامل فاصله از جاده می­باشد.

نتایج اعتبارسنجی مدل آماری حاصل از رگرسیون لجستیک به­صورت مقدارسطح زیر منحنی راک، آماره­های آزمون هوسمر -. لمشاو و آماره  Nagelkerke R squarبیان شد.

سطح زیر منحنی راک در این تحقیق 7/0بدست آمد که بر طبق جدول 4، نشان دهنده­ی همبستگی خوب بین متغیر مستقل و وابسته است.

 

 

جدول 3- درصد صحت کلاسه بندی برای داده­های مدل­سازی و اعتبار سنجی رگرسیون لجستیک

مشاهدات

پیش­بینی

 

کلاسه بندی نمونه­ها برای مدل­سازی

کلاسه بندی موارد اعتبار سنجی

بنه

درصد صحت

بنه

درصد صحت

0

1

0

1

0    عدم وجود بنه

59

13

79

21

7

71

1     وجود بنه

13

63

1/81

4

20

3/81

    درصدصحت نهایی

 

 

75

 

 

7/77

 

آماره­های آزمون هوسمر -. لمشاو برای آزمون معنی­داری مدل، در جدول 4 ارائه شده است. بر اساس مقدار این آماره 000/0 اعتبار مدل بدست آمده مناسب ارزیابی شد. همچنین با توجه به این‌که در این تحقیق مقدار شاخص Nagelkerke R square معادل 2/0 به­دست آمد مدل برازش قابل قبولی را نشان می­دهد (جدول4).

 

جدول 4- نتایج دقت پیش­بینی مدل توسط متغیرهای انتخابی در منحنی راک

سطح زیر منحنی راک

اشتباه معیار

سطح معنی­دار بودن

سطح اعتماد 95%

حداقل سطح منحنی

حداکثر سطح منحنی

7/0

022/0

000/0

80/0

89/0


بحث 

در این تحقیق از روش رگرسیون لجستیک برای تهیه نقشه پراکنش مکانی گونه بنه استفاده شد. از آنجا که رگرسیون لجستیک ارتباط بین متغیر وابسته و متغیرهای مستقل را به صورت غیرخطی بیان می­کند، استفاده از آن کاملأ متناسب با این تحقیق می­باشد.

براساس نتایج اعتبارسنجی، دقت مدل پراکنش مکانی بنه در سطح خوب تا عالی ارزیابی شد. ارتباط منفی با افزایش ارتفاع از سطح دریا حکایت از آن داشت که این گونه در ارتفاعات پایین حضور بیشتری دارد. نتیجه هم‌پوشانی نقشه طبقه‌بندی شده ارتفاع از سطح دریا با نقشه پراکنش مکانی گونه مورد پژوهش نشان داد که 67 درصد سطح پراکنش در ارتفاع 679 تا 1211متر از سطح دریا واقع شده است. می‌توان گفت که این مطلب، با اختلاف جزئی با نظر جزیره‌ای و ابراهیمی رستاقی (1382) هم‌خوانی دارد (3)، زیرا آنان اظهار داشتند که از نظر ارتفاعی مناسب‌ترین رویشگاه برای گونه بنه در ارتفاع حدود 900 تا 1400 متر از سطح دریاست. به‌نظر می­رسد در ارتفاعات پایین به علت آب و هوای مناسب­تر در این مناطق شرایط مطلوب­تری برای استقرار گونه بنه وجود دارد. در ارتفاعات بالاتر عوامل اکولوژیکی یاد شده حالت نامساعدتری دارند و باعث محدودیت انتشار گونه بنه  می­شوند.

شیب نیز یکی از عوامل تأثیرگذار در پراکنش بنه بود که در تهیه مدل ضریب آن در سطح 01/0 معنی­دار گردید. نتیجه هم‌پوشانی نقشه کلاسه‌بندی شده شیب با نقشه پراکنش این گونه از آن بود که 68 درصد از سطح پراکنش این تیپ در منطقه مورد بررسی در شیب 40-60 درصد وجود دارد. Lassueur و همکاران (2006) به این نتیجه رسیدند که مهم‌ترین عامل پراکنش گونه مورد مطالعه آنها شیب می­باشد که نتایج آنها با نتیجه این تحقیق هم‌خوانی کامل دارد (21).

براساس نتایج تجزیه و تحلیل رگرسیون لجستیک، می‌توان گفت که جاده تأثیری در پراکنش گونه مورد بررسی در منطقه نداشته است اما تا حدودی گسترش مناطق مسکونی بر پراکنش گونه مورد مطالعه تأثیر داشته است. وارد شدن عامل فاصله از مناطق مسکونی در مدل نهایی نیز مؤید همین مسئله می­باشد.

نتایج تجزیه و تحلیل رگرسیون لجستیک نشان داد که جهت دامنه مؤثرترین عامل در پراکنش گونه مورد بررسی در منطقه مورد تحقیق بوده است. زیرا این عامل بیش‌ترین مقدار ضریب (555/0) را بخود اختصاص داده است. در تحقیقات دیگر نیز عامل جهت در پراکنش گونه­های مورد مطالعه­شان کاملا معنی­دار شده است (1، 9 و 25) که نتایج آنها هم‌سویی با نتایج این تحقیق دارد. هم‌چنین هم‌پوشانی مناطق حضور بنه با نقشه جهت نشان می‌دهد که این گونه در تمام جهت‌های جغرافیایی حضور دارد اما جهت جنوبی را بیشتر می‌پسندد. در نیمکره شمالی شیب­های رو به جنوب و غرب اشعه­های مستقیم بیشتری دریافت می­دارند و بنابراین گرم و خشک­تر از شیب­های شمالی و شرقی هستند. در واقع جهت جغرافیایی با تأثیر روی رطوبت و زاویه تابش خورشید و سایر عوامل تأثیر عمده­ای در ترکیب و پراکنش گونه­ها دارد (11).

 در کل با توجه به نتایج اعتبارسنجی، دقت، اعتبار و برازش مناسب مدل توجیه گردید. در پژوهش‌های مشابه انجام شده به روش رگرسیون لجستیک، در خارج از کشور درصد شیب (19 و 21) را به‌عنوان مهمترین عامل و در داخل کشور، ارتفاع از سطح دریا (2) و عوامل خاکی (8) را مؤثرترین عامل در پراکنش تیپ‌های گیاهی منطقه مورد بررسی‌شان معرفی کرده‌اند. با استفاده از مدل‌های ارائه شده می‌توان رویشگاه‌های بالقوه برای گونه­‌های مختلف مورد بررسی را شناسایی و گامی مثبت برای احیاء این جنگل‌ها برداشت. این مدل‌ها می‌توانند نقش مهمی در پیشنهاد گونه‌های سازگار با شرایط فیزیوگرافی مختلف، برای عملیات احیاء و توسعه پایدار اکوسیستم‌های جنگلی داشته باشند.

در مورد شاخص­های آماری مرتبط با مدل رگرسیون لجستیک نیز می­توان گفت که با توجه به اینکه در این پژوهش مقدار شاخص Pseudo R-Square برابر با (2/0) به­دست آمد و همچنین با توجه به اینکه این مقدار بزرگتر از آستانه 2/0 می­باشد، این مدل برازش قابل قبولی را نشان می­دهد. مدل با توجه به سطح معنی­دار بودن آزمون هوسمر -. لمشاو (00/0) دارای اعتبار خوبی می­باشد. مقدار شاخص راک نیز (7/0) مقدار بسیار بالایی را نشان می­دهد (نزدیک به عدد 1) و حاکی از آن است که الگوی پراکنش مکانی محاسبه شده، رابطه­ای قوی با مقادیر احتمال حاصل از مدل رگرسیون لجستیک دارد.

1- بصیری، ر.، اکبری نیا، م.، حسینی، سی. م.، اسدی، م. و طبری کوچک­سرایی، م. 1382.  تعیین و تحلیل کمی تیپ­های جنگل در رابطه با جهات جغرافیایی در منطقه قامیشله مریوان. پژوهش و سازندگی، 16 (3): 59- 68.
2- جافریان، ا.، پیرباوقار، م. و قهرمانی، ل. 1394. تعیین مهمترین عوامل فیزیوگرافی تأثیرگذار بر پراکنش گونۀ ارغوان افغانی (Cercis griffithii) به منظور معرفی مدل پراکنش مکانی. مجله جنگل ایران، 7 (1): 33-44.
3- جزیره­ای، م .ح.  و ابراهیمی رستاقی، م . 1382.  جنگل­شناسی زاگرس. انتشارات دانشگاه تهران ، 560 صفحه.
4- جعفریان، ز.، ارزانی، ح.، جعفری، م.، زاهدی، ق. و آذرنیوند، ح. 1391. تعیین ارتباط بین گونه­های گیاهی غالب با عوامل محیطی و داده­های ماهواره­ای به کمک رگرسیون لجستیک (مطالعه موردی: مراتع رینه استان مازندران). فصلنامه تحقیقات مرتع و بیابان ایران، 19 (3): 371-388.
5- رضوی، س. 1388. نقش عوامل فیزیوگرافیک روی مشخصات کمی تیپ­های جنگلی (جنگل تحقیقاتی واز.. علوم و فناوری چوب و جنگل، 16(3): 121- 134.
6- زارع چاهوکی، م.، شفیع زاده نصرآبادی، م، 1387. بررسی عوامل محیطی مؤثر بر پراکنش چند گونه گیاهی مناطق بیابانی (مطالعه موردی: حاشیه کویر چاه بیکی استان یزد). مجله تحقیقات مرتع و بیابان ایران، 15(3): 403-414 .
7- سادات ­قاسمی، ز.، قربانی، الف.، اسمعیلی عوری، الف، 1390. تهیه نقشه پراکنش گونهDactylis  با استفاده از  GPS  و GIS در سطح شهرستانهای خلخال و کوثر. همایش ژئو ماتیک.
8- ساکی، م.، ترکش، م.، بصیری، م. و وهابی، م. ر. کاربرد مدل رگرسیون لجستیک درختی در تعیین رویشگاه بالقوه گونه گیاهی بالقوه گونه گیاهی گون زرد. مجله بوم­شناسی کاربردی. 1 (2): 27-38.
9- سعیدی فرد، م.، حسینی، م.، پاداشت دهکایی، م.1387. مدل سازی پراکنش مکانی گیاه نادر سوسن چلچراغ، مجله رستنی­ها، 9:  137 - 150.
10- قدس­خواه دریایی، م.،  حسینی، س. ک.،  طاهری، ک.، میرزایی، ج. و  مزبانی، آ. 1391. بررسی اثر متغیرهای مرفولوژیکی درختان بنه (Pistacia atlantica) بر میزان صمغ و بذر تولیدی ﺁنها. مجله زیست شناسی ایران، 25 (2): 303-315.
11- میرزایی، ج.،  اکبری نیا، م.، حسینی، م.، طبری، م. و جلالی، غ. ع. 1386. مقایسه تراکم زادآوری طبیعی گونه­های چوبی در رابطه با عوامل فیزیوگرافی و خاک در جنگل­های زاگرس (مطالعه موردی: منطقه حفاظت شده ارغوان در شمال ایلام). پژوهش و سازندگی. 20 (3): 16-23.
12- مدرس­گرجی، ه.، پیرباوقار، م.، قهرمانی، ل. 1392. مدل­سازی پراکنش تیپ­های جنگلی با استفاده از رگرسیون لجستیک در جنگل­های آرمرده بانه، جنگل و صنوبر ایران21، (1392): 629-642.
13- نوری، ز.، زبیری، م.، فقهی، ج. و مروی مهاجر، م. ر.  1391. بررسی الگوی پراکنش مکانی درختان و ساختار در راشستان­های طبیعی شمال ایران (مطالعه موردی: بخش گرازبن جنگل خیرود). محیط زیست طبیعی، مجلة منابع طبیعی ایران، 66 (1): 113-125.
 
14- Dobrowski S.Z., Greenberg, J.A., Ramirez, C.M. and Ustin, S.L. 2006. Improving image derived vegetation maps with regression based distribution modeling. Applied Logistic Regression. Wiley, New York, 307 pp.
15- Edenius L, Mikusinski, G. 2006. Utility of habitat suitability modelsas biodiversity assessment tools in forest management. Sandinavian Journal of Forest Research. 21, 62–72.
16- Franklin, J. and Miller, J. 2002. Modeling the distribution of four vegetation alliances using generalized linear models and classification trees with spatial dependence. Journal of Ecological Modelling. 157(2-3), 227-247.
17- Garcia-Aguirre, M., Ortiz, M., Zamorano, J., Reyes,Y. 2007. Vegetation and landform relationships at Ajusco volcano Mexico using a geographic information system (GIS). Forest Ecology and Management, 239, 1–12.
18- Guisan, A., and Theurillat, J. 2000. Equilibrium modeling of alpine plant distribution: how far can we go? Phytocoenologia. 30, 353-384.
19- Guzzetti, F., Carrara, A., Cardinali, M. and Reichenbach, P. 1999. Landslide hazard evaluation: a review of current technique and their application in a multi-scale study, Geomorphology. 31 (1), 181–216.
20- Hidalgo, P.J., Marin, J.M., Quijada, J., and Moreira, J.M. 2008. A spatial distribution model of cork oak (Quercus suber) in southwestern Spain: A suitable tool for reforestation. Forest Ecology and Management. 255, 25–34.
21- Horesch,B., Braun, G., Schmidt, U. 2002. Relation between landform and vegetation in alpine regions of Wallis,Switzerland. Amultiscale remote sensing and gis approach omputers, Environment and Urban Systems. 26, 113-139.
22- Lassueur, T., Joost, S, and Randin, C.F. 2006. Very high resolution digital elevation models: Do they improve models of plant species distribution. Ecological Modeling. 198, 139-153.
23- Mahajan, D.M. and Kale, V. 2006. Spatial characteristics of vegetation cover based on remote sensing and geographical information system (GIS). Tropical Ecology 47 (1), 71 -79.
24- Messerli, P. 1989. Mensch und Natur im Alpinen Lebensraum—Risiken, Chancen, Perspektiven. Zentrale Erkenntnisse aus dem Schweizerischen MAB-Programm. Stuttgart: Haupt.
25- Tappeiner, U., Tasser, E., and Tappeiner, G. 1998. Modelling vegetation patterns using natural and anthropogenic influence factors: preliminary experience with a GIS based model applied to an Alpine area. Ecological Modelling. 113, 225–237.
26- Uniyal, S., Awasthi, A., Rawat, G. 2002. Mapping fragile mountain watersheds using topography with remote sensing. Tropical Ecology. 43(1), 203-212.
Journal of Plant Research (Iranian Journal of Biology)
Volume 30, Issue 3
December 2017
Pages 560-570
  • Receive Date: 11 September 2015
  • Revise Date: 03 April 2016
  • Accept Date: 07 May 2016