Skip to main content
SUPERVISOR
Mohammad reza Vahabi,Mostafa Tarkesh esfahani,Saeed Pourmanafi
محمدرضا وهابی (استاد مشاور) مصطفی ترکش اصفهانی (استاد راهنما) سعید پورمنافی (استاد مشاور)
 
STUDENT
Zahra Rahmati
زهرا رحمتی

FACULTY - DEPARTMENT

دانشکده منابع طبیعی
DEGREE
Master of Science (MSc)
YEAR
1390

TITLE

Potential Habitat Modelling of Ferula ovina (Boiss.) using Artificial Neural Network & Multivariate Adaptive Regression Splines in Fereydunshahr Region, Isfahan province
Predicting species spatial distribution requires an appropriate understanding of effective ecological factors which play substantial role in evaluation, protection and development palns. The lack of appropriate environmental data is a challenging issue in Species Distribution Modeling (SDM). SDM approaches are performed by various mathematical algorithms. This study aimed to generate potential distribution map of Ferula ovina (Boiss.), a valuable medicinal plants in Fereydunshahr rangelands in Isfahan province. Artificial Neural Networks (ANN) and Multivariate Adaptive Regression Splines (MARS) methods were used to map the potential habitat of the species. Some topographic, edaphic and climatic maps were prepared using Kriging and inverse distance weighting methods. The occurrence data of Ferual ovina were collected from 278 sites (137 presence and 141 absence sites) and the relationships between environmental variables and species occurrence were determined using ANN and MARS methods. These models were then transferred from ecological space to geographical space using mapping function in geographic information system. The results of the two studied models were comparable because similar input variables for both models were used. Five independent variables (sand, silt, organic matter, elevation and slope) out of 31 produced environmental maps were selected as models inputs according to the results of principle component analysis, correlation matrix and box plots. The evaluation of produced models by area under curve of ROC plot and kappa coefficient indicated that both models had good performance. The AUC of ANN and MARS were 0.9 and 0.84 respectively. According to the results, both models were enable to predict spatial distribution of Ferula ovina in a local scale appropriately. Habitat suitability maps were generated using optimal threshold (maximum kappa). ANN and MARS models revealed that 36713 and 27379 hectares (37% and 27%) of the studied area have potential habitat of the species respectively. According to species response curves, the most abundance of Ferula ovina occurs in the elevation of 2400 to 2800 meters from sea level, the slope between 15 to 40 degree, sand 9 to 20.25%, silt 22 to 28% and organic matter 3.5 to 4.75%. The studied modeling approaches can be used broadly to achieve appropriate management plans for allocating appropriate areas for rehabilitation and protection of other valuable native plant species in rangeland ecosystems. Key words : Species Distribution Model, Potential habitat of Ferula ovina, Artificial Neural Network, Multivariate Adaptive Regression Splines,Geo-statistic, Geographic information system, Fereydunshahr.
نحوه پراکنش مکانی گونه‌ها متضمن درک عوامل بوم شناختی مؤثر برآنها ‌می‌‌باشد که نقش برجسته‌ای در ارزیابی، حفاظت، توسعه و برنامه ریزی‌های منطقه‌ای دارد. بررسی پراکنش رویشگاه و تناسب آن برای گونه‌های گیاهی اغلب با محدودیت و کمبود اطلاعات روبرو است. یکی از ابزارهای بالقوه جهت کامل نمودن و رفع کمبود اطلاعات درباره علل پراکنش گونه‌ها و تناسب رویشگاهی، استفاده از مدلسازی پراکنش بالقوه گونه‌ها ‌می‌‌باشد که با الگوریتم‌های ریاضی مختلف قابل انجام است. این مطالعه با هدف مدلسازی و تهیه نقشه رویشگاه بالقوه گونه گیاهی (.Boiss) Ferula ovina با استفاده از روش‌های ANN و MARS در بخشی از مراتع فریدونشهر استان اصفهان با مساحت 99000 هکتار انجام شد. بدین منظور، رخداد گونه کما در 278 سایت مطالعاتی (شامل137سایت حضور و141سایت عدم حضور ) با استفاده از روش نمونه برداری تصادفی طبقه بندی شده جمع آوری گردید. نقشه پراکنش مکانی عوامل محیطی از قبیل خصوصیات توپوگرافی( ارتفاع ازسطح دریا، جهت جغرافیایی و شیب) داده‌های ادافیکی (برخی از خصوصیات فیزیکی و شیمیایی خاک) و اقلیمی (میانگین سالانه درجه حرارت، میانگین بارش سالانه و...) به روش کریجینگ و وزن دهی معکوس فاصله تهیه شد. ارتباط بین رخداد گونه کما و عوامل محیطی با استفاده از روش‌های ANN و MARS بصورت مدل ریاضی تعریف شد. سپس با تعریف روابط در سیستم اطلاعات جغرافیایی مدل‌های مذکور از فضای اکولوژیک به فضای جغرافیایی بصورت یک نقشه تبدیل گردید. در این مطالعه به منظور مقایسه عملکرد حاصل از دو مدل، متغیرهای ورودی هر دو مدل یکسان در نظر گرفته شد. با توجه به آنالیز مؤلفه‌های اصلی، ماتریس همبستگی و نمودار جعبه‌ای از 31 متغیر محیطی تولید شده، تعداد 5 متغیر مستقل شامل درصد شن، درصد سیلت، درصد ماده آلی، ارتفاع و شیب به عنوان ورودی مدل انتخاب گردید. نتایج ارزیابی مدل نشان داد که عملکرد دو مدل ANN و MARS به ترتیب با سطح زیر منحنی پلات‌های ROC برابربا 9/0 و 84/0 عالی و خوب بوده و با ضریب کاپای 66/0 و 57/0 خوب و متوسط ‌می‌‌باشد. این نتایج بیانگر تطابق نسبتاً خوب مدل با دنیای واقعی می‌باشد و می‌توان گفت که مدل‌های مذکور از توانایی بالایی در پیش بینی پراکنش مکانی گونه کما در یک مقیاس محلی برخوردارند. با استفاده از آستانه اپتیمم حاصل از ارزیابی مدل‌ها، نقشه تناسب رویشگاه (صفر و یک) برای گونه کما بدست آمد. بر این اساس، سطح رویشگاه مناسب این گونه با توجه به مدل ANN برابر 36713 هکتار(%37 از کل منطقه) و برای مدل MARS برابر 27379 هکتار (%27 از کل منطقه) ‌می‌‌باشد. بر اساس منحنی‌های عکس العمل گونه، بیشترین حضور گونه کما در ارتفاع 2800-2400 متر، شیب 40-15 درجه، شن 25/20- 9 درصد ، سیلت 28- 22 درصد و ماده آلی 57/4- 5/3 درصد مشاهده می‌شود. نتایج نشان داد که دو مدل ANN و MARS ‌می‌‌توانند به عنوان ابزاری مفید برای استفاده مدیران و کارشناسان بخش مرتع به منظور شناسایی مناطق مستعد جهت عملیات اصلاحی همچون بذرکاری و بوته کاری پیشنهاد گردد. کلمات کلیدی:مدل‌های پراکنش گونه‌ای، رویشگاه بالقوه گونه کما، مدل ANN، مدل MARS، زمین آمار، سیستم اطلاعات جغرافیایی، فریدونشهر

ارتقاء امنیت وب با وف بومی