
تعداد نشریات | 13 |
تعداد شمارهها | 622 |
تعداد مقالات | 6,489 |
تعداد مشاهده مقاله | 8,607,728 |
تعداد دریافت فایل اصل مقاله | 8,199,692 |
مدلسازی مطلوبیت رویشگاه گونه ملج (Ulmus glabra Huds.) در جنگل خیرود نوشهر | ||
پژوهشهای علوم و فناوری چوب و جنگل | ||
مقاله 5، دوره 24، شماره 3، آذر 1396، صفحه 67-80 اصل مقاله (692.61 K) | ||
نوع مقاله: مقاله کامل علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/jwfst.2017.13119.1672 | ||
نویسندگان | ||
عاطفه محمدی1؛ سید جلیل علوی* 2؛ سید محسن حسینی3 | ||
1دانشکده منابع طبیعی و علوم دریایی نور، دانشگاه تربیت مدرس | ||
2دانشکده منابع طبیعی و علوم دریایی - دانشگاه تربیت مدرس | ||
3دانشکدة منابع طبیعی و علوم دریایی نور، دانشگاه تربیت مدرس | ||
چکیده | ||
سابقه و هدف: گونه ملج یکی از گونههای با ارزش جنگلهای شمال کشور میباشد که به دلیل دخالت بیرویه انسان و شیوع بیماری مرگ نارون در معرض خطر انقراض قرار دارد و باید به نحو شایسته ای از نابودی آن جلوگیری گردد، بنابراین حفظ و احیاء این گونه با ارزش امری ضروری است. یکی از مهمترین ارکان مدیریتی در خصوص حفاظت و احیاء گونههای با ارزش، شناسایی رویشگاههای مطلوب آن گونه میباشد. مدلهای پراکنش گونهای یک الگوریتم تحلیلی- آماری بهمنظور شناخت روابط بین پراکنش گونههای گیاهی و عوامل محیطی میباشند که برای تعیین رویشگاههای مطلوب گونهها مورد استفاده قرار میگیرند. هدف از این پژوهش پیشبینی حضور گونه ملج در جنگل خیرود نوشهر با استفاده از مدلهای خطی و جمعی تعمیمیافته و تهیه نقشه مطلوبیت رویشگاه با استفاده از بهترین مدل است. مواد و روشها: در مطالعه حاضر با بهرهگیری از دو روش مدلسازی متداول در تهیه نقشه مطلوبیت رویشگاه، یعنی مدلهای خطی و جمعی تعمیمیافته و نقشه خصوصیات اولیه و ثانویه توپوگرافی حاصل از مدلهای رقومی زمین با اندازه تفکیک 5/12 متر، نقشه مطلوبیت رویشگاه ملج در جنگل خیرود نوشهر تهیه گردید. با استفاده از روش نمونهبرداری بدون قطعهنمونه و اطلاعات آماربرداری، تعداد 873 پایه ملج ثبت شد. از آنجا که توپوگرافی یکی از فاکتورهای بسیار مهم در پراکنش گونههای گیاهی میباشد، خصوصیات اولیه (شیب، جهت، ارتفاع از سطح دریا، انحنای سطح زمین، شامل انحنای مسطح، انحنای پروفیلی و انحنای تانژانتی) و ثانویه (شاخصهای رطوبت توپوگرافی، توان جریان، تابشی و حرارتی) توپوگرافی با استفاده از مدل رقومی زمین با دقت ارتفاعی 5/12 متر محاسبه گردید. با توجه به موجود بودن نقشه خاک شناسی، حاصلخیزی خاک و زمین شناسی منطقه مورد مطالعه، ارزش هر یک از این مشخصههای محیطی فوق در محل پایه ملج استخراج گردید. در مرحله بعد، با استفاده از دو روش مدلسازی خطی و جمعی تعمیم یافته، احتمال حضور گونه ملج در ارتباط با متغیرهای محیطی ذکر شده، مدلسازی گردید. یافتهها: ارزیابی مدلهای مورد بررسی با استفاده از معیارهای سطح زیر منحنی، کاپا و آماره مهارت درست، نشان داد که مدل جمعی تعمیمیافته با مقدار سطح زیر منحنی برابر 78/0، مقدار کاپا برابر 44/0 و مقدار TSS برابر 44/0 درای عملکرد بهتری است. بر اساس ارزیابی اهمیت نسبی متغیرها در مدل جمعی تعمیمیافته، ارتفاع از سطح دریا و عمق دره، مهمترین متغیرها در تعیین رویشگاه گونه ملج میباشند. مطالعه حاضر نشان داد که حدود 62 درصد منطقه موردمطالعه، دارای پتانسیل مطلوب برای گونه ملج میباشد. نتیجهگیری: نتایج حاصل از این مطالعه نشان داد که به علت شرایط رطوبتی، حرارتی، نوری و توپوگرافی مناسب موجود در میان بند و همچنین پتانسیل بالای این منطقه جهت حضور گونه ملج، این منطقه بهترین رویشگاه برای این گونه میباشد. نتایج و روش های به کار گرفته در این پژوهش میتواند در جهت کمک به تصمیمات مدیریتی در جهت حفاظت و احیاء گونه با ارزش ملج و همچنین سایر گونه های نادر و در معرض خطر، مورد استفاده واقع گردد. | ||
کلیدواژهها | ||
رویشگاه های مطلوب؛ متغیرهای اولیه و ثانویه توپوگرافی؛ مدل خطی تعمیمیافته؛ مدل جمعی تعمیمیافته | ||
مراجع | ||
1.Aertsen, W., Kint, V., Van Orshoven, J., Özkan, K., and Muys, B. 2010. Comparison and ranking of different modelling techniques for prediction of site index in Mediterranean mountain forests. Ecological modelling, 221(8): 1119-1130. 2.Ahmadi, K., Alavi, S.J., and Tabari, M. 2015. Evaluation of Oriental Beech (Fagus orientalis Lipsky.) Site Productivity using Generalized Additive Model (Case study: Tarbiat Modares University forest research station). Journal of Iranian Forest, 7(1): 17-32. (In Persian) 3.Alavi, S.J., Zahedi Amiri, Gh., Marvi Mohajer, M.R., and Noori, Z. 2007. Spatial distribution of Ulmus glabra Huds. tree species related to physiographic factors in Kheyroodkenar educational forest. Journal of Environmental Studies, 33(43): 93-100. (In Persian) 4.Ardakani, M.R. 2012. Ecology, Tehran University. Press, 340p. (In Persian) 5.Aspinall, R.J. 2002. Use of logistic regression for validation of maps of the spatial distribution of vegetation species derived from high spatial resolution hyperspectral remotely sensed data. Ecological Modelling, 157(2): 301-312. 6.Auslander, M., Nevo, E., and Inbar, M. 2003. The effects of slope orientation on plant growth, developmental instability and susceptibility to herbivores. Journal of Arid Environments, 55(3): 405-416. 7.Austin, M. 2007. Species distribution models and ecological theory: a critical assessment and some possible new approaches. Ecological modelling, 200(1): 1-19. 8.Beauregard, F., and de Blois, S. 2014. Beyond a climate-centric view of plant distribution: edaphic variables add value to distribution Models. PloS one, 9(3): e92642. 9.Bolandian, H. 1999. Knowing the forest. Imam Khomeini International University Press. 245p. (In Persian) 1- Machine Learning 10.Bourque, C.P.A., and Bayat, M. 2015. Landscape Variation in Tree Species Richness in Northern Iran Forests. PloS one, 10(4): 121-172. 11.Dormann, C.F., Schymanski, S.J., Cabral, J., Chuine, I., Graham, C., Hartig, F., and Singer, A. 2012. Correlation and process in species distribution models: bridging a dichotomy. Journal of Biogeography, 39(12): 2119-2131. 12.Fahimipoor, A., Zarechahooki, M.A., and Tavili, A. 2010. The relationship between some indicator species for environmental Pasture. Journal of Rangeland, 4(1): 23-32. (In Persian) 13.Ghahraman, A. 2009. Biodiversity of plant species in Iran, Tehran University. Press, 1210p. (In Persian) 14.Ghanbari, F., Shataei Jooibari, Sh., Azim Mohseni, M., Habashi, H. 2011. Application of topography and logistic regression in forest type spatial prediction Iranian Journal of Forest and Poplar Research, 19(1): 27-41. (In Persian) 15.Harrar, Ellwood S., and Harrar, J.G. 1962. Guide to southern trees. 2d ed. Dover, New York. 709p. 16.Hastie, T., and Tibshirani, R. 1986. Generalized additive models. Statistical science. 297- 310. 17.Matusick, G., Ruthrof, K.X., Brouwers, N.C., and Hardy, G.S.J. 2014. Topography influences the distribution of autumn frost damage on trees in a Mediterranean-type Eucalyptus forest. Trees, 28(5): 1449-1462. 18.Hill, M.J., Mathers, K.L., and Wood, P.J. 2015. The aquatic macroinvertebrate biodiversity of urban ponds in a medium-sized European town (Loughborough, UK). Hydrobiologia 760: 225–238. 19.Myers, N., Mittermeier, R.A., Mittermeier, C.G., Da Fonseca, G.A., and Kent, J. 2000. Biodiversity hotspots for conservation priorities. Nature, 403(6772): 853-858. 20.Pfiffer, K. 1996. Schwizerisher forestkalender. Anhang. Zurich. Verlag Frauenfeld. 176p. 21.Piedallu, C., Gégout, J.C., Lebourgeois, F., and Seynave, I. 2016. Soil aeration, water deficit, nitrogen availability, acidity and temperature all contribute to shaping tree species distribution in temperate forests. Journal of Vegetation Science, 27(2): 387-399. 22.Rahmani, A., Dehghani Shooraki, Y., Banch Shafie, Sh. 2009. Nutritional Status of elm (Ulmus glabra Huds) trees in National Botanical Garden of Iran. Iranian Journal of Forest and Poplar Research, 17(1): 99-106. (In Persian) 23.Rossier, L. 2011. Predicting spatial patterns of functional traits. M.Sc. Thesis. University of Lausanne, 44p. 24.Rovzar, C., Gillespie, T.W., Kawelo, K., McCain, M., Riordan, E.C., and Pau, S. 2012. Modelling the potential distribution of endangered, endemic Hibiscus brackenridgei on Oahu to assess the impacts of climate change and prioritize conservation efforts. Pacific Conservation Biology, 19(2): 156-168. 25.R Core Team (2016). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/. 26.Sousa-Silva, R., Alves, P., Honrado, J., and Lomba, A. 2014. Improving the assessment and reporting on rare and endangered species through species distribution models. Global Ecology and Conservation, 2: 226-237. 27.Vedel, H., and Lange, J. 1960. Trees and bushes in wood and hedgerow. Methuen and Co. Ltd. Press. 224p. 28.Virkkala, R., Marmion, M., Heikkinen, R.K., Thuiller, W., and Luoto, M. 2010. Predicting range shifts of northern bird species: influence of modelling technique and topography. Acta Oecologica, 36(3): 269-281. 29.Yee, T.W., and Mitchell, N.D. 1991. Generalized additive models in plant ecology. Journal of vegetation science, 2(5): 587-602. 30.Zahedi Amiri, Gh., Alavi, S.J., Marvi Mohajer, R., and Nouri, Z. 2008. Investigation on the effects of some soil properties on spatial dispersion of Wych elm (Ulmus glabra Huds) in Hyrcanian forest, Case study: Kheyroudkenar forest. Journal of the Iranian Natural Resources, 61(3): 637-652. (In Persian) | ||
آمار تعداد مشاهده مقاله: 895 تعداد دریافت فایل اصل مقاله: 659 |