پيش‌بيني رويشگاه بالقوه گونه گياهي Stipa barbata با استفاده از روش مدل‌سازي آنتروپي حداكثر (مطالعه موردي: مراتع طالقان مياني)

Prediction of potential habitat for Stipa barbata species using maximum entropy model (Case Study: Taleghan Miany rangelands)

اين مطالعه با هدف تهيه مدل پيش‌بيني رويشگاه بالقوه گونه Stipa barbata با استفاده از سيستم اطلاعات جغرافيايي و روش حداكثر آنتروپي و يافتن گرايش ترجيحي گونه مورد نظر نسبت به عوامل محيطي انجام شده است. با توجه به هدف، اطلاعات حضور گونه به‌عنوان مكان‌هاي مناسب بالفعل براي رويش آن و لايه‌هاي اطلاعاتي متغيرهاي خاكي از جمله درصد سنگريزه، اسيديته، هدايت الكتريكي، درصد آهك، مادهآلي، نيتروژن، پتاسيم، فسفر، عمق خاك، درصد شن، رس و سيلت و نقشه متغيرهاي توپوگرافي منطقه (شيب، جهت و ارتفاع) به‌عنوان متغيرهاي مؤثر بر حضور گونه استفاده شد. براي تهيه نقشه عوامل توپوگرافي از مدل رقومي ارتفاع منطقه، جهت تهيه نقشه عوامل خاكي از تكنيك‌هاي زمين‌آمار در نرم‌افزارهاي +GS و GIS و براي مدلسازي پيش‌بيني رويشگاه گونه S. barbata از روش حداكثر آنتروپي (Maxent) استفاده شد. نتايج حاصل از ارزيابي تطابق مدل پيش‌بيني با واقعيت زميني ضريب كاپاي 8/0را نشان داد كه در سطح بسيار خوب قرار دارد. با توجه به نتايج مدل، مهم‌ترين متغيرهاي تأثيرگذار در ترجيح رويشگاه گونه مورد بررسي به‌ترتيب متغيرهاي ارتفاع از سطح دريا، فسفر، سيلت، پتاسيم، ماده ‌آلي و شيب مي‌باشند. مدلسازي پراكنش بالقوه گونه S. barbata مي‌تواند در مكان‌يابي مناطق مستعد جهت احياي رويشگاه‌هاي بالقوه اين گونه‌ كمك زيادي نمايد.

This study was performed with the aim of providing potential habitat prediction model for Stipa barbata using GIS and the maximum entropy method (Maxent), to identify its environmental requirements for the species. The locations of the species presence were used as suitable locations for the species growth. Soil variables maps including gravel, pH, electrical conductivity, lime, organic matter, N, P, K, sand, clay, silt and topography variables maps (aspect, slope, and elevation) were used as predictor variables for the species occurrence. Digital elevation model was used to prepare the topography variables maps. Geostatistical techniques were used to provide the soil maps in the GS+ and GIS software. Maxent was used for modeling of the S. barbata habitat prediction. The calculated Kappa coefficient between the prediction and real occurrence of the species maps was 0.8 and indicated a good fit. According to the results elevation, P, silt, K, organic matter, and slope were the most important variables for predicting the species occurrence. Modeling the potential distribution of S. barbata can assist managers to identify suitable places in recovering programs.