عنوان پایان‌نامه
مقایسه روش های مدلسازی برای پیش بینی رویشگاه گونه های گیاهی (مطالعه موردی :مراتع اشتهارد)
- رشته تحصیلی
- مهندسی منابع طبیعی - مرتعداری
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6002;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 64290
- تاریخ دفاع
- ۲۳ شهریور ۱۳۹۳
- دانشجو
- نرگس ناصری حصار
- استاد راهنما
- محمدعلی زارع چاهوکی
- چکیده
- این پژوهش با هدف مقایسه مدل¬های پیش¬بینی توزیع رویشگاه گونه-های گیاهی شامل رگرسیون لجستیک، شبکه عصبی مصنوعی، آنتروپی حداکثردر مراتع اشتهارد انجامشد. نقشه اولیه رویشگاه¬ها بر اساس نقشه¬های شیب و ارتفاع و جهت و همچنین با استفاده از تصاویر ماهواره¬ای، انجام شد و سپس در پیمایش میدانی مرز دقیق رویشگاه¬های گیاهی مشخص شد.انتخاب محل نمونه¬برداری در هر رویشگاه به گونه¬ای بود که ناحیه نسبتا همگن بوده و معرف وضعیت پوشش گیاهی و سایر عوامل محیطی کل واحد نمونه‌برداری باشد. سپس در منطقه معرف هر رویشگاهسه ترانسکت 750 متری، دوترانسکتدرطولمهم¬ترینگرادیان‌هایمحیطی (ارتفاع،جهتوشیب) ویکترانسکتعمودبرآندوترانسکتمستقرگردید.از روش پلات‌گذاری در امتداد ترانسکت در هر واحد نمونه‌برداری استفاده شد. اولینپلاتدرامتدادهرخطترانسکت،تصادفیوبقیهبهفاصله‌هایمنظممستقرشدند. درطولهرترانسکت 15 پلات،بهفاصله 50 مترقراردادهشد،. بدینترتیبدرهرترانسکت 45 عددپلات،مستقرگردید. در مورد نمونه‌برداری از خاک با توجه به سطح واحدهای نمونه‌برداری و شرایط منطقه محل حفر پروفیل‌ها طوری انتخاب شد تا کل محدوده مورد مطالعه را پوشش دهد. نمونه¬برداری خاک از دو عمق 20–0 و 80-20 سانتی‌مترانجام شد. برایهرواحدنمونهبرداریاطلاعاتطولوعرضجغرافیایی،شیب،جهتوارتفاعازسطحدریانیزتعیینشدند. متغیرهای خاک شامل سنگریزه، رس، سیلت، آهک، ماده آلی، اسیدیته و هدایت الکتریکی در هر دو عمق خاک با استفاده از روش¬های معمول اندازه¬گیری شد. روش تجزیه مولفه¬های اصلی ((PCAبرای تعیین ارتباط بین پوشش گیاهی و متغیرهای محیطی به کار برده شد. سپس برای تهیه نقشه خصوصیات خاک روش درونیابی کریجینگ استفاده شد. این نقشه¬ها به همراه نقشه¬های شیب و ارتفاع و داده¬های حضور و عدم حضور رویشگاه¬ها به عنوان ورودی مدل¬ها استفاده شد. پس از مدلسازی برای بررسی میزان تطابق نقشه¬های حاصل از این روش¬ها و نقشه واقعی، آماره کاپا به کار برده شد. ضرایب کاپا برای نقشه¬های حاصل از روش رگرسیون لجستیک نشان¬دهنده تطابق خوب نقشه پیش¬بینی رویشگاه Halocnemum strobilaceumکه آشیان بوم¬¬شناختی محدودتری دارد با نقشه واقعی است. مدل شبکه عصبی مصنوعی توانسته است رویشگاه Pteropyrumolivieriرا در سطح عالی، رویشگاه¬های ArtemisiasieberiوArtemisiasieberi-Stipabarbataرا در سطح خیلی خوب و Halocnemumstrobilaceum و Salsola richteri- Artemisia sieberi را در سطح خوب پیش¬بینی کند. آنتروپی حداکثر نیز توانسته نقشه رویشگاه Pteropyrumolivieri را با تطابق خیلی خوب و نقشه رویشگاه¬هایHalocnemumstrobilaceum و Salsolarichteri-Artemisiasieberi، Artemisia sieberiوArtemisiasieberi-Stipabarbata را با تطابق خوب با نقشه واقعی ارائه دهد. با مقایسه بین ضرایب کاپا حاصل از روش¬های مدلسازی می-توان نتیجه گرفت مدل شبکه عصبی مصنوعی بهترین عملکرد را نسبت به سایر روش¬ها برای رویشگاه¬های Artemisiasieberi، Artemisiasieberi-Stipa barbata،Halocnemumstrobilaceum و Pteropyrumolivieri را داشته است و می¬توان بیان داشت این مدل، در صورت انتخاب درست متغیرهای تاثیرگذار، می¬تواند نسبت به دو روش دیگر مدلسازی، پیش¬بینی دقیق¬تر و نزدیک¬تر به واقعیت را ارائه دهد.
- Abstract
- This study was performed to compare habitat distribution models in Eshtehard rangeland of Alborz province, including logestic regression, Artificial Neural Network and Maximum Entropy. Intial map was prepared based on slope, elevatiob and direction maps and satellite images. Then the exect border was determined in field survey. Sampling locations of each site chosen so that thes area is relatively homogeneous and representativw vegetation and other environmental factors of the whole samling factors. At each site, 3 transects with 750 length were stablished, 2 transects along the most important environmental gradients and 1 transect perpendicular to them. 45 samples plot along each transect was placed at a distance of 50 m. soil sampling locations was determined according to condition so that be generalizable to total region. Soil samples were taken two depths 0-20 cm and 20-80cm. For each sampling unit latitude and longitude, slope, aspect and elevation were determined. Soil variables including gravel, clay, silt, lime, organic matter, pH and EC in both soil depths were mrasured using usual methods.Principal component analysis (PCA) were used to examine the relationship between the vegetation and environmental parameters. kriging interpolation method was used for mapping soil variables. Maps of soil variables, slope, elevation and presence and absence of habitat were used as input of models. After modeling for measuring match of this maps and actual map, kappa statistic was used. ANN model is capable to predict habitats distribution of Pteropyrum olivieri, excellent level, Artemisiasieberi,Artemisia sieberi-Stipa barbata, very good level and Halocnemum strobilaceum,Artemisia sieberi- Salsola richteri, good level.Maximum entropy is also ableto predict habitats distribution of Pteropyrumolivieri, very good level and Halocnemumstrobilaceum, Artemisiasieberi- SalsolarichteriArtemisiasieberi, Artemisiasieberi-Stipabarbata, good level.Comparing the kappa coefficients obtained from modeling techniques can be concluded that ANN model performs best for Artemisia sieberi, Artemisia sieberi-Stipa barbata, Halocnemum strobilaceum and Pteropyrum olivieri.It can be concluded that if the variables are properly chosen, this model can be compared with two other methods of modeling, will predict more accurate .
