مدلسازی پراکنش گیاه گز پرشاخه (.Tamarix ramosissima Ledeb) در استان اصفهان بر مبنای مدل حداکثر آنتروپی (MAXENT) | ||
| خشک بوم | ||
| دوره 11، شماره 2، اسفند 1400، صفحه 45-55 اصل مقاله (879.28 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.29252/aridbiom.2022.18347.1889 | ||
| نویسندگان | ||
| سید عباس میرجلیلی* 1؛ زهرا جابرالانصار2؛ محمد علی قوامپور3 | ||
| 1دانشیار، مرکز آموزش عالی امام خمینی (ره)، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران | ||
| 2محقق، مرکز تحقیقات و آموزش کشاورزی اصفهان، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران | ||
| 3دکترای مرتع، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران | ||
| چکیده | ||
| گز پرشاخه به دلیل توان زیادی که در استقرار در نواحی خشک و نیمهخشک دارد، از گیاهان ارزشمند برای ایجاد پوشش گیاهی در این مناطق محسوب میشود. کاربرد این گونه خودرویِ گز در شرق اصفهان میتواند با مقاصد کنترل نواحی بیابانی، تکثیر و گسترش یابد؛ لیکن اطلاعات مربوط به نیازهای رویشگاهی و اکولوژیکی آن محدود است. این پژوهش با هدف شناخت عوامل تأثیرگذار در پراکنش این گونه و مدلسازی زیستگاههای بالقوّة رویش این گونه در استان اصفهان تدوین و انجام شد. نقاط پراکنش گز پرشاخه، طبق فلور ایران مشخص شد و با مراجعه به منطقه، نمونه برداری انجام گرفت و مشخصات جغرافیایی و اکولوژیک آن ثبت گردید. در مجموع، تعداد 55 مکان پراکنش، در 14 شهرستان ثبت شد. با استفاده از مدل حداکثر آنتروپی، 19 متغیر بیواقلیمی و سه متغیر پستی و بلندی برای مدلسازی پراکنش گونه به کار گرفته شد و با آزمون جک نایف اهمّیت هر یک از متغیرهای محیطی در مدلسازی ارزیابی شد. نتایج کیفیت مدل حداکثر آنتروپی برای گز پرشاخه برابر با 967/0 به دست آمد. ارزیابی صحّت مدل با استفاده از ضریب آماری کاپا برابر با 80/0 انجام شد که نشان دهندة تطابق بسیار بالای مدل با واقعیت زمینی است. عامل محیطی مربوط به توپوگرافی شامل درصد شیب و عوامل اقلیمی میزان بارش در سردترین فصل، بارندگی سالانه، دامنه تغییرات سالانه دما و میانگین دمای سردترین فصل به ترتیب بیشترین تأثیر را در پراکنش گونه دارا بودند. بر اساس پیشبینی احتمال حضور گونه بر مبنای پتانسیل رویشگاهی، حدود 19 درصد از مساحت استان اصفهان مشروط به عدموجود عوامل محدودکننده، قابلیت مطلوب برای حضور این گونه را دارد. | ||
| کلیدواژهها | ||
| کنترل بیابان؛ پراکنش؛ متغیرهای محیطی؛ نیاز رویشگاهی؛ Tamarix ramosissima | ||
| عنوان مقاله [English] | ||
| Modeling The Distribution of Tamarix ramosissima Ledeb. In Isfahan Province Based on Maximum Entropy Model (MAXENT) | ||
| نویسندگان [English] | ||
| Seyed Abbas Mirjalili1؛ Zahra Jaberalansar2؛ Mohammad Ali Ghavampour3 | ||
| 1Associate professor, Imam Khomeini Higher Education Center, Agricultural Research, Education and Extension Organization. Tehran, Iran | ||
| 2Zahra Jaberalansar, Researcher, Isfahan agricultural research and education center, Agricultural Research, Education and Extension Organization, Tehran, Iran | ||
| 3Ph.D. in Rangeland, Science and Research Branch, Islamic Azad University, Tehran, Iran | ||
| چکیده [English] | ||
| Tamarix ramosissima, due to its high potential for settling in arid and semi-arid lands, considered as one of the valuable plants for creating vegetation in these areas. The use of the plant in the east of Isfahan can be reproduced and expanded for desertification purposes; however, information on its habitat and ecological requirements is limited. The aim of this study was to identify the factors affecting the distribution of this species and to model the potential habitats for the growth of this species in Isfahan province. The distribution points of the plant were determined according to the flora of Iran and by referring to the region, sampling was performed and its geographical and ecological characteristics were recorded. A total of 55 distribution locations were registered in 14 cities. Using the maximum entropy model, 19 bioclimatic and three topographic variables were used to model the distribution of the species and the importance of each of them in the modeling process was evaluated by Jack Knife test. The results showed the area under the receiving operator curve was equal to 0.967 by using Maxent model. The produced model had an acceptable accuracy as its Kappa coefficient index was 0.80. .Environmental factors related to topography including slope percentage and climatic factors precipitation of coldest quarter, annual precipitation, temperature annual range and mean temperature of coldest quarter had the greatest impact on species distribution, respectively. According to the prediction of the presence of the species based on habitat potential, about 19% of the area of Isfahan province, provided the absence of limiting factors, has the desired potential for the presence of this species. | ||
| کلیدواژهها [English] | ||
| Desertification, Distribution, Environmental variables, Habitat, Tamarix ramosissima | ||
| مراجع | ||
|
[1]. Abdelaal, M., Fois, M., Fenu, G., & Bacchetta, G. (2019). Using MaxEnt modeling to predict the potential distribution of the endemic plant Rosa arabica Crép. in Egypt. Ecological Informatics, 50: 68-75.
[2]. Assadi M. (1998). Flora of Iran, No. 1: Tamaricaceae. Research Institute of Forests and Rangelands. Tehran. 73 Pp. (in Farsi)
[3]. Bazrmanech A, Tarkesh Isfahani M, & Bashari H. (2018). The effect of climate change on climatic ecological nests of Bromus tomentellus Boiss. Using Maxent model in Isfahan province. Rangeland and Watershed Management, Iranian Journal of Natural Resources. 71(4): 857-867. (in Farsi)
[4]. Bing, L., Wenzhi, Z., & Rong, Y. (2008). Characteristics and spatial heterogeneity of Tamarix ramosissima Nebkhas in desert-oasis ecotones. Acta Ecologica Sinica, 28(4): 1446-1455.
[5]. Carter, J.M. and Nippert, J.B. (2012). Leaf-level physiological responses of Tamarix ramosissima to increasing salinity. Journal of Arid Environments, 77: 17-24.
[6]. Evangelista, P. H., Stohlgren, T. J., Morisette, J. T., & Kumar, S. (2009). Mapping invasive tamarisk (Tamarix): a comparison of single-scene and time-series analyses of remotely sensed data. Remote Sensing, 1(3): 519-533.
[7]. Graham, J. Young, N. Jarnevich, CS. Newman, G. Evangelista, P. & Stohlgren, TJ. (2013). The hyper-envelope modeling interface (HEMI): A novel approach illustrated through predicting Tamarisk (Tamarix spp.) habitat in the western USA. Environmental management, 52(4): 929-938.
[8]. Jing, WAN., QI, GJ. Jun, MA. Ren, Y. Rui, WANG., & McKirdy, S. (2020). Predicting the potential geographic distribution of Bactrocera bryoniae and Bactrocera neohumeralis (Diptera: Tephritidae) in China using MaxEnt ecological niche modeling. Journal of Integrative Agriculture, 19(8): 2072-2082.
[9]. Kerns, B. K., Naylor, B. J., Buonopane, M., Parks, C. G., & Rogers, B. (2009). Modeling tamarisk (Tamarix spp.) habitat and climate change effects in the northwestern United States. Invasive Plant Science and Management, 2(3): 200-215.
[10]. Kumar, S., & Stohlgren, TJ. (2009). Maxent modeling for predicting suitable habitat for threatened and endangered tree Canacomyrica monticola in New Caledonia. Journal of Ecology and the Natural Environment, 1(4): 094-098.
[11]. Landis, J.R., Koch, G.G. (1977). The Measurement of Observer Agreement for Categorical Data. Biometric, 33: 159-174.
[12]. Malekpour H, Morovati M., Tazeh M, Taghizadeh R. (2018). Evaluation of optimal habitat capacity of rams and ewes using MaxEnt model (Case study: Tang Sayad protected area). Animal Environment Quarterly, 10 (4): 45-54. (in Farsi)
[13]. Matinkhah S, Kaveh Sedeh Z. (1396). Relationship between soil and vegetative characteristics of Tamarix ramosissima in Abyaneh, Isfahan province. Applied Ecology, 6(3): 89-99. (in Persian).
[14]. Mohammadi M, Mirzaei J, Moradi M. and Naji HR. (2017). Soil physicochemical properties of Tamarisk (Tamarix ramosissima Ledeb.) sites in Ilam province. Iranian Journal of Forest and Poplar Research, 25(3): 419-430. (in Farsi)
[15]. Nasri, M., & Modarres, R. (2009). Dry spell trend analysis of Isfahan Province, Iran. International Journal of Climatology: A Journal of the Royal Meteorological Society, 29(10): 1430-1438..
[16]. Natale, E., Zalba, S.M., Oggero, A. & Reinoso, H., (2010). Establishment of Tamarix ramosissima under different conditions of salinity and water availability: implications for its management as an invasive species. Journal of Arid Environments, 74: 1399-1407.
[17]. Philips, S.J. and Dudik, M. (2008). Modelling of species distribution with Maxent: New extensions and a comprehensive evalution. Ecography, 31 (2), 161-175.
[18]. Phillips, S. J., Anderson, R. P., and Schapire, R. E. (2006). Maximum entropy modeling of species geographic distributions. Ecological modelling, 190(3-4): 231-259.
[19]. Qin, A., Jin, K., Batsaikhan, M. E., Nyamjav, J., Li, G., Li, J. & Xiao, W. (2020). Predicting the current and future suitable habitats of the main dietary plants of the Gobi Bear using MaxEnt modeling. Global Ecology and Conservation, 22, 1-12.
[20]. Remya, K., Ramachandran, A., & Jayakumar, S. (2015). Predicting the current and future suitable habitat distribution of Myristica dactyloides Gaertn. Using MaxEnt model in the Eastern Ghats, India. Ecological engineering, 82: 184-188.
[21]. Rouhi Moghaddam, E., Sargazy, E. and Gholamalizadeh, A., 2015. Ecological properties of Tamarix habitats in Sistan Plain, Iran. Ecopersia, 3(4): 1-9.
[22]. Shahriari Sani, Farashi A, Karimian Z, Al-Ranaei M. (2017). Modeling of Tamarix ramosissima species in urban green space using Biomod2 package in R software and based on current and future local climate of Iran. The Second National Conference on New Thoughts and Technologies in Geographical Sciences. December 25, 2017. Zanjan University. Zanjan, Iran.
[23]. Swets, J. A. (1988). Measuring the accuracy of diagnostic systems. Science, 240(4857): 1285-1293.
[24]. Xu, L., Liu, H., Chu, X., & Su, K. (2006). Desert vegetation patterns at the northern foot of Tianshan Mountains: The role of soil conditions. Flora-Morphology, Distribution, Functional Ecology of Plants, 201(1), 44-50.
[25]. Yi, Y. J., Cheng, X., Yang, Z. F., & Zhang, S. H. (2016). Maxent modeling for predicting the potential distribution of endangered medicinal plant (H. riparia Lour) in Yunnan, China. Ecological Engineering, 92: 260-269.
[26]. Zare Chahouki Ali, and Sahragard Hossein Piri. (2016). Evaluation of MaxEnt method for habitat distribution modeling of three plant species in Garizat rangelands of Yazd province, Iran. Range Management and Agroforestry, 37(2): 142-147.
[27]. Zhang, Q., & Zhang, X. (2012). Impacts of predictor variables and species models on simulating Tamarix ramosissima distribution in Tarim Basin, northwestern China. Journal of plant ecology, 5(3): 337-345. | ||
|
آمار تعداد مشاهده مقاله: 765 تعداد دریافت فایل اصل مقاله: 574 |
||