مدل‌سازی مطلوبیت رویشگاه گونة Stipa barbata با استفاده از روش تحلیل عاملی آشیان بوم‌شناختی (ENFA) (مطالعه موردی: مراتع طالقان میانی)

نوع مقاله: پژوهشی

نویسندگان

دانشگاه تهران

چکیده

این پژوهش به‌منظور تعیین مطلوبیت رویشگاه گونة S. barbata با استفاده از روش تحلیل عاملی آشیان بوم‌شناختی در مراتع طالقان میانی انجام شده است. گونة S. barbata از گندمیان مرغوب و با ارزش مرتعی است که اهمیت زیادی در حفاظت خاک و تولید علوفه دام‌ها دارد. به‌منظور مدل‌سازی مطلوبیت رویشگاه این گونه، از نقاط حضور گونه و لایه‌های اطلاعاتی متغیرهای خاکی از جمله درصد سنگریزه، اسیدیته، هدایت الکتریکی، درصد آهک، مادةآلی، نیتروژن، پتاسیم، فسفر، عمق خاک، درصد شن، رس و سیلت و نقشه متغیرهای توپوگرافی منطقه (شیب، جهت و ارتفاع) به‌عنوان متغیرهای مؤثر بر حضور گونه استفاده شد. صحت مدل با استفاده از شاخص بویس مقدار 5/87% به‌دست آمد که نشاندهنده دقت بالای نتایج مدل است و ضریب کاپای به‌دست آمده از بررسی میزان تطابق نقشة پیش‌بینی با واقعیت زمینی نیز (64/0k=) به‌دست آمد. نتایج حاصل از بررسی‌ها نشان می‌دهد که در انتخاب رویشگاه گونه S. barbata در منطقه مورد مطالعه متغیرهای محیطی ارتفاع، جهت شمالی، هدایت الکتریکی و پتاسیم تأثیر منفی و متغیرهای عمق، آهک، ماده‌آلی و اسیدیته تأثیر مثبت داشته‌اند و مهمترین عوامل در مطلوبیت رویشگاه این گونه بوده‌اند. با توجه به مقادیر حاشیه‌گرایی (64/1)، تخصص-گرایی (399/8) و تحمل‌پذیری کل (119/0) به‌دست آمده از مدل، می‌توان نتیجه گرفت که گونه مورد مطالعه نسبت به شرایط خاصی از متغیرهای محیطی تخصص پیدا کرده است و دامنه خاصی از متغیرهای محیطی را در محدوده‌ منطقه مورد مطالعه تحمل می‌کند.

کلیدواژه‌ها


مدل­سازی مطلوبیت رویشگاه گونة Stipa barbata با استفاده از روش تحلیل عاملی آشیان بوم‌شناختی (ENFA) (مطالعه موردی: مراتع طالقان میانی)

محمدعلی زارع چاهوکی[1]*، محبوبه عباسی[2]

تاریخ دریافت: 17-2-95    تاریخ پذیرش 8-12-95

چکیده

این پژوهش به­منظور تعیین مطلوبیت رویشگاه گونةS. barbata با استفاده از روش تحلیل عاملی آشیان بوم‌شناختی در مراتع طالقان میانی انجام شده است. گونةS. barbata از گندمیان مرغوب و با ارزش مرتعی است که اهمیت زیادی در حفاظت خاک و تولید علوفه دام­ها دارد. به­منظور مدل­سازی مطلوبیت رویشگاه این گونه، از نقاط حضور گونه و لایه­های اطلاعاتی متغیرهای خاکی از جمله درصد سنگریزه، اسیدیته، هدایت الکتریکی، درصد آهک، مادةآلی، نیتروژن، پتاسیم، فسفر، عمق خاک، درصد شن، رس و سیلت و نقشه متغیرهای توپوگرافی منطقه (شیب، جهت و ارتفاع) به­عنوان متغیرهای مؤثر بر حضور گونه استفاده شد. صحت مدل با استفاده از شاخص بویس مقدار 5/87% به­دست آمد که نشان ‌دهنده دقت بالای نتایج مدل است و ضریب کاپای به­دست آمده از بررسی میزان تطابق نقشة پیش­بینی با واقعیت زمینی نیز (64/0k=) به­دست آمد. نتایج حاصل از بررسی­ها نشان می­دهد که در انتخاب رویشگاه گونه S. barbata در منطقه مورد مطالعه متغیرهای محیطی ارتفاع، جهت شمالی، هدایت الکتریکی و پتاسیم تأثیر منفی و متغیرهای عمق، آهک، ماده­آلی و اسیدیته تأثیر مثبت داشته­اند و مهمترین عوامل در مطلوبیت رویشگاه این گونه بوده­اند. با توجه به مقادیر حاشیه­گرایی (64/1)، تخصص­گرایی (399/8) و تحمل­پذیری کل (119/0) به­دست آمده از مدل، می­توان نتیجه گرفت که گونه مورد مطالعه نسبت به شرایط خاصی از متغیرهای محیطی تخصص پیدا کرده است و دامنه خاصی از متغیرهای محیطی را در محدوده­ منطقه مورد مطالعه تحمل می­کند.

کلمات کلیدی: تحلیل عاملی آشیان بوم­شناختی (ENFA)، Stipa barbata، مراتع طالقان.

 

 

 

مقدمه

عمده­ترین بخش از عرصه­های گسترده کشور ایران را اکوسیستم­های مرتعی شامل می­شوند. برای مدیریت صحیح این اکوسیستم­ها، داشتن  شناخت و اطلاعات کافی از اجزاء تشکیل­دهنده آن و چگونگی تعامل بین این اجزاء ضروری است. اصلی­ترین جزء در اکوسیستم­های مرتع را گونه­های گیاهی شامل می­شوند. بوم­شناسان گیاهی بر این باورند که عوامل محیطی در مطلوبیت رویشگاه گونه­های گیاهی در مراتع تأثیر به­سزایی دارند، بدین معنی که تعیین کننده خصوصیات رویشگاهی هر گونه می­باشند. تعیین مطلوبیت رویشگاه یکی از ارکان اصلی مدیریت و حفاظت گونه­های گیاهی به­شمار می‌رود. رویشگاه مطلوب تأثیر به‌سزایی در بقا و زاد­آوری گونه­ها دارد. در این میان مشکل بودجه و زمان برای بررسی رویشگاه­ها در مقیاس گسترده (برای مثال در مقیاس یک استان) اجرای بسیاری از بررسی­ها را دشوار و در مواردی غیر ممکن می­کند. علاوه بر این، اطلاعات در دسترس، بیشتر داده­های مربوط به حضور گونه­ها بوده و داده‌های عدم حضور به ندرت در دسترس هستند. حتی اگر این داده­ها در دسترس باشند، مقادیر آنها با شک و تردید همراه است (2). لذا روش­های مدل­سازی که فقط از داده‌های حضور استفاده می­کنند، ابزاری مناسب برای غلبه بر این مشکل می­باشند (8).

از روش­های مدل­سازی که فقط از داده­های حضور استفاده می­کنند می­توان به تجزیه و تحلیل عاملی آشیان بوم­شناختی (ENFA) اشاره کرد که توسط هیرزل از سال 1998 برای تهیة نقشه مطلوبیت رویشگاه ارائه شده است و در نرم­افزار Biomapper اجرا می­شود (10). پژوهشگران زیادی به­دلیل صرفه‌جویی در زمان و هزینه بررسی­ها، در تحقیقات خود  این روش را مورد استفاده قرار داده­اند (7، 22، 23، 27، 28، 30، 32). در روش ENFA با استفاده از داده‌های حضور گونه و عوامل رویشگاهی، مطلوبیت رویشگاه گونه‌ها تعیین می­شود. این روش از نظر ماهیت عملکرد مشابه آنالیز تجزیه به مؤلفه­های اصلی (PCA) می­باشد و متغیرهای محیطی که در پراکنش گونه تأثیر­گذار هستند به تعداد کمی فاکتورهای متعامد و غیرهمبسته تبدیل می­شوند. این روش علاوه بر محاسبه مطلوبیت رویشگاه، عوامل بوم­شناختی مهمی نظیر تخصص­گرایی(Specialization) ، حاشیه‌گرایی (Marginality) و تحمل­پذیری (Tolerance) را نیز محاسبه می­کند که هر کدام از نظر بوم‌شناختی معانی ویژه­ای دارند (9، 11، 12). در پژوهشی که توسط استروب و ماتینز[3]، (2008) انجام شد به پیش­بینی روند پراکنش گونه مهاجم Psittacula krameri  در شمال بلژیک با رویکرد آشیان بوم‌شناختی پرداخته شد نتایج حاصله نشان داد که این گونه تمایل بالایی به اشغال زیستگاه­های نسبتاٌ نادر در سطح منطقه دارد و بسیاری از مناطق مطلوب برای گونه‌های بومی توسط این گونه اشغال شده و یا در آینده­ای نزدیک اشغال خواهند شد. زارع چاهوکی و عباسی (2016) در پژوهشی در مراتع طالقان رویشگاه مطلوب گونه آویشن کوهی Thymus kotschyanus را با استفاده از این روش مدل‌سازی کردند. نتایج نشان داد که رویشگاه مطلوب این گونه در ارتفاع بیش از 2000 متر از سطح دریا و در دامنه­های شمالی و شرقی قرار دارد(30). سونگلین[4] و همکاران (2007)، در مطالعه‌ای از روش  ENFA برای تهیه نقشة مطلوبیت رویشگاه شاه بلوط (Cryphonectria parasitica) استفاده کردند نتایج نشان داد که رویشگاه مطلوب گونه به­شدت تحت تأثیر شکل سازند زمین­شناسی، شیب زیاد و ارتفاع قرار دارد(26). خلاصی اهوازی و همکاران (2012)، در پژوهشی با استفاده از روش ENFA رویشگاه بالقوه گونه گیاهیEurotia ceratoides (L.) C.A.M.  را در مراتع شمال شرق سمنان مدل­سازی کردند. نتایج نشان داد که گونه اروشیا در مناطقی با اسیدیته 8-8/7، هدایت الکتریکی 26/0-17/0 دسی‌زیمنس بر متر، بافت خاک سیلتی شنی و ارتفاع از سطح دریا 2200-1600 متر پراکنده شده است(17). سنگوئی و همکاران (2012)، رویشگاه بالقوه گونه گیاهی گون سفید gossypinus FischerAstragalusرا در منطقه غرب اصفهان با استفاده از روش ENFA مدل­سازی کردند. نتایج نشان داد که متغیرهای درصد سنگریزه، مقدار پتاسیم، رطوبت اشباع، هدایت الکتریکی و بارندگی سالانه مهم­ترین عوامل در انتخاب رویشگاه گون سفید در منطقه مورد مطالعه بوده است(23). از گونه‌های گیاهی مراتع ایران گونه Stipa barbata می­باشد که از نظر تغذیه دام‌های مرتعی در مناطق خشک و نیمه خشک حائز اهمیت است. این گونه از گندمیان پرپشت، با ریشه‌های محکم،  برگ­های باریک و تا حدی خشن است و از آخرین گندمیانی است که در سطوح گسترده در مناطق استپی، نیمه استپی وکوهستانی وجود دارد (3). به‌منظور فراهم آوردن اطلاعات و شناخت در مورد خصوصیات رویشگاهی گونة Stipa barbata و چگونگی عمل و رفتار این گونه گیاهی در اکوسیستم­های مرتعی و مطابق با آن شناخت رویشگاه­های دارای ویژگی‌های بالقوه جهت استقرار و پراکنش این گونه در عملیات اصلاحی مراتع، مدل مطلوبیت رویشگاه این گونه با استفاده از روش تحلیل عاملی آشیان بوم‌شناختی تهیه شد تا اطلاعات و نتایج حاصل از تحقیق در مراتع دارای شرایط بالقوه، جهت حفظ و بهره­برداری اصولی دام از این گونه گیاهی به­کارگرفته شود. در عین حال، به بازگشت دوباره برخی مراتع تخریب یافته و در حال تخریب که زمینة پرورش گونة مذکور را دارند به شرایط کلیماکس کمک شود و بدین ترتیب بتوان در جهت مدیریت صحیح و استفاده علمی و اقتصادی رویشگاه­های مرتعی مرتبط با آن گام برداشت. با توجه به مطالب بیان شده، این مطالعه با اهداف تهیه نقشه مطلوبیت رویشگاه گونهStipa barbata  و عوامل­ مؤثر بر

 

 مطلوبیت رویشگاه آن، تعیین جایگاه گونهStipa barbata  در گستره آشیان بوم­شناختی مربوطه و بررسی امکان بکارگیری فن ENFA در امر مدیریت گونه­های گیاهی ایران انجام شده است.

مواد و روش­ها

منطقه مورد مطالعه

منطقه مورد بررسی در حوزه آبخیز طالقان (شمال غربی استان البرز) در بخش میانی حوزه با وسعت 12/37977 هکتار و با موقعیت جغرافیایی "43 '36 ˚50 تا "20 '53 ˚50  طول شرقی و "19 '5 ˚36 تا "19 '19 ˚36 عرض شمالی واقع شده است. حداکثر ارتفاع منطقه از سطح دریا 3000 متر و حداقل آن 1800متر است. متوسط بارندگی منطقه در حدود 500 میلی­متر و اقلیم منطقه بر اساس روش آمبرژه ارتفاعات سرد (نیمه­مرطوب سرد و مرطوب سرد)، بر اساس روش دومارتن فراسرد ارتفاعی (مدیترانه­ای، نیمه­مرطوب، مرطوب، خیلی‌مرطوب) و به روش گوسن سرد محاسبه شد. شکل (1) موقعیت منطقه را در ایران و استان البرز نشان می­دهد.

 

 

شکل 1- موقعیت منطقه در ایران و استان البرز

 

روش تحقیق

به­منظور بررسی تأثیر عوامل خاکی و توپوگرافی بر ترجیح رویشگاه گونه استیپا ابتدا با استفاده از نقشه پوشش گیاهی منطقه تیپ­های گیاهی منطقه مورد مطالعه مشخص شدند. در محدوده منطقه مطالعاتی پنج تیپ رویشی آگروپایرون، آویشن، گون، استیپا و تیپ آگروپایرون-گون Ag.in)، Th.ko، As.go ، St.ba و (Ag.in-As.goتشخیص داده شد. سپس در منطقه معرف هر تیپ گیاهی اقدام به نمونه­برداری از پوشش گیاهی شد. در مجموع پنج تیپ گیاهی و چهار رویشگاه در کل محدوده مورد مطالعه شناسایی و بررسی شد. با توجه به وضعیت پوشش گیاهی منطقه با استفاده از روش آماری در هر تیپ، 45 پلات یک متر مربعی در امتداد سه ترانسکت 150 متری در طول مهمترین گرادیان محیطی مستقر شد و در طول هر ترانسکت 15 پلات با فاصلة 10 متری از یکدیگر مستقر شد.

در هر تیپ رویشی با توجه به تغییرات پوشش گیاهی و عوامل محیطی و به­صورتی که نمونه‌برداری در کل منطقه همگن باشد، در 6 پلات از پلات‌های نمونه‌برداری پروفیل حفر شده و نمونه­برداری از خاک در عمق حدود 30-0 سانتی­متر انجام شد. موقعیت جغرافیایی نقاط نمونه­برداری نیز بوسیله سیستم موقعیت­یاب جهانی  [5]ثبت شد. در مرحله بعد نمونه­های خاک به آزمایشگاه منتقل شد و خصوصیات خاک شامل بافت خاک، اسیدیته، هدایت الکتریکی، درصد ماده آلی، آهک، فسفر قابل جذب و پتاسیم و ازت کل خاک اندازه­گیری شد. برای تهیه نقشه مطلوبیت رویشگاه لازم است که نقشة هر یک از عوامل مذکور تهیه شود. نقشه‌های شیب، جهت و ارتفاع با استفاده از مدل رقومی ارتفاع[6] منطقه تهیه شد. برای توصیف تغییرات مکانی هر ویژگی خاک و تهیه نقشه هر متغیر خاک از روش­های زمین­آمار استفاده شد. در این تحقیق برای بررسی و تشریح ارتباط و ساختار فضایی از تجزیه و تحلیل«تغییر نما یا واریوگرام» در نرم­افزار +GS نسخه 9 استفاده شد. این روش به طور گسترده در آنالیز اکولوژیکی ناهمگنی خاک از طریق محاسبه­ نیمه واریانس­ها بکار می­رود (29 و 31). در نهایت اقدام به تهیه نقشه­های مربوط به فاکتورهای مختلف خاک‌شناسی با استفاده از روش­های میانیابی گردید. برای هریک از فاکتورهای فوق روش میان­یابی که دارای بالاترین دقت و کم­ترین مقدار خطای محاسباتی بود، انتخاب گردید. سه معیار مجذور میانگین مربعات خطای تخمینRMSE) )، میانگین انحراف خطا (MBE)، میانگین قدر مطلق خطا (MAE) تعیین کننده صحت نقشه­های تولید شده است. روشی دارای بالاترین میزان دقت است که مقدار MBE آن به مقدار ایده­آل صفر نزدیک باشد همچنین نقشه تهیه شده با روشی که کم­ترین میزان MAE و RMSE را دارد، دارای دقت بالاتری خواهد بود (14). بعد از تکمیل اطلاعات با توجه به هدف تحقیق برای مدل­سازی پراکنش مکانی گونه­های مورد بررسی از روش تحلیل عاملی آشیان بوم­شناختی در نرم افزار 4 Biomapper استفاده شد. لایه­های وارد شونده به آنالیزتحلیل عاملی آشیان بوم­شناختی (ENFA) شامل لایه­های مربوط به حضور گونه که به صورت یک نقشه بولی آماده شدند و لایه‌های مربوط به متغیرهای مستقل رویشگاهی بوده­اند که تمامی لایه­های ورودی به شکل لایه‌های رستری بوده­اند.

مراحل اجرای این مدل که در نرم­افزار Biomapper به اجرا در آمد به ترتیب شامل، ماسک کردن لایه­های اطلاعاتی[7]، بررسی وضعیت نرمال بودن لایه­ها، بررسی میزان همبستگی لایه­ها (در مدل ENFA متغیرهایی که همبستگی بالاتر از 85 درصد با هم دارند با یک وزن وارد مدل می­شوند (19) به همین دلیل اگر بین دو متغیر همبستگی بیش از 85/0 باشد، یکی از دو متغیر باید از تجزیه و تحلیل حذف گردد (13). بررسی وضعیت لایه­های اطلاعاتی، اجرای ماتریس کواریانس، اجرای آنالیز تحلیل عاملی آشیان بوم‌شناختی و تهیه نقشة مطلوبیت رویشگاه بوده است. ارزیابی صحت مدل توسط آزمون اعتبار سنجی متقابل[8] و با استفاده از شاخص بویس پیوسته[9]انجام گرفت. لازم به­ذکر است که متغیر­های بافت خاک (رس و شن و سیلت) و همچنین دو لایه از نقشه­های بولی شده جهت با یکدیگر همبستگی بالای 8/0 داشتند (جهت جغرافیایی متغیر کیفی می‌باشد بنابراین ابتدا نقشه جهات جغرافیایی منطقه بصورت نقشه‌های بولینی-صفر و یک- آماده و سپس وارد مدل شدند) لذا قبل از آنالیز ENFA حذف شدند. به منظور تطبیق نقشة رویشگاه بالقوه گونة مورد بررسی با نقشه واقعی پوشش گیاهی و تعیین میزان دقت آن نیز از آماره کاپا در نرم­افزار Idrisi نسخه 16 استفاده شد.

نتایج

جدول (1) اجزای مربوط به به تغییرنمای متغیر­های خاکی اندازه­گیری شده در تحقیق را نشان می­دهد. بدلیل اینکه منطقه مورد مطالعه کوهستانی بوده است، شرایط توپو گرافی منطقه باعث شده مقادیر مربوط به اجزای واریوگرام مثل دامنه تأثیر تا حدی متفاوت از حالت معمول بدست آمد. در جدول (2) نیز میزان دقت چهار روش میانیابی کریجینگ نقطه‌ای، کریجینگ بلوکی، IDW[10] و NDW[11] برای تهیه نقشه‌های متغیرهای خاک ارائه شده است. در کریجینگ نقطه‌ای یک نقطه مجهول براساس نقاط معلوم واقع در محدوده جستجو ارزیابی می‌شود. در کریجینگ بلوکی ابعاد ریز بلوک‌ها در ارزیابی مورد توجه قرار می‌گیرد و در کیفیت تخمین تأثیر می‌گذارد. در شکل 2 به‌عنوان نمونه مدل تغییرنمای خط برازش داده شده بر مدل تغییرنمای تجربی برای متغیر آهک و نقشه آهک خاک در منطقه نمونه­برداری آمده است. با توجه به جدول (2) مقادیر واقعی و مقادیر پیش­بینی شده در ارزیابی­های صورت گرفته در مورد متغیرهای سیلت، شن، آهک و عمق خاک با استفاده از کریجینگ بلوکی، متغیرهای رس، فسفر، نیتروژن، پتاسیم و اسیدیته با استفاده از کریجینگ نقطه­ای و متغیر ماده آلی و سنگریزه با استفاده از روش میانگین متحرک وزندار نااریب تطابق بیشتری دارند.

ماتریس امتیازات مربوط به گونه S. barbataدر جدول 3، ارائه شده است اولین ستون از این ماتریس فاکتور حاشیه­گزینی است. سایر ستون‌ها برابر با فاکتورهای تخصص­گرایی است. ردیف­ها در این ماتریس شامل میزان اهمیت زیست محیطی در ساخت فاکتورها هستند.

 

ردیف

خصوصیت

مدل

تغییر­نما

اثر قطعه­ای

(درصد)

آستانه

(درصد)

دامنه تأثیر

(متر)

نسبت

C/CO+C

ضریب همبستگی

1

شن

کروی

10/0

3/248

2601

00/1

764/0

2

سیلت

کروی

10/0

6/62

1992

99/0

536/0

3

رس

کروی

50/24

2/209

9110

88/0

778/0

4

آهک

نمایی

0/1

0/169

1190

99/0

969/0

5

نیتروژن

کروی

00/0

0021/0

1690

00/1

491/0

6

ماده آلی

کروی

12/0

302/1

2999

90/0

761/0

7

فسفر

کروی

11/0

68/16

1876

95/0

865/0

8

اسیدیته

کروی

004/0

0219/0

1770

81/0

778/0

9

هدایت الکتریکی

کروی

0001/0

1072/0

1195

99/0

471/0

10

پتاسیم

کروی

02/0

26/0

9110

88/0

65/0

11

عمق

کروی

3/0

59/34

1002

91/0

55/0

12

سنگریزه

نمایی

5/1

84/0

1191

98/0

44/0

جدول 1- اجزای مربوط به تغییر نمای متغیر­های خاکی اندازه­گیری شده در تحقیق

 

 

جدول 2- ارزیابی متغیر­های خاک با استفاده از روش­های مختلف زمین­آمار به روش تقاطعی

روش میان­یابی


ویژگی

(%) خطا

Block kriging

Point kriging

IDW

NDW

شن

MAE

571944/6

576389/6

7975/7

88361/10

MBE

510278/0

511389/0

005278/1

766389/1

RMSE

782473/7

786515/7

321966/9

82591/13

سیلت

MAE

9111/3

914722/3

946944/3

69333/5

MBE

14667/0-

17917/0-

18222/0-

199722/0-

RMSE

989927/4

993059/4

168665/5

209122/7

رس

MAE

91/4

90889/4

590833/5

021667/8

MBE

12556/0-

12667/0-

1875/1-

73278/1-

RMSE

125323/6

124241/6

102737/7

612011/9

آهک

MAE

27667/3

27722/3

610556/5

67833/9

MBE

27444/0

27611/0

491667/1

171667/1

RMSE

295277/4

2965/4

863806/6

4659/10

نیتروژن

MAE

0275/0

0275/0

022778/0

034167/0

MBE

0023/0-

0025/0-

00722/0-

0125/0-

RMSE

031047/0

031047/0

028284/0

042328/0

ماده آلی

MAE

6/0

6/0

59722/0

7433/0

MBE

02389/0-

2444/0-

13722/0-

17667/0-

RMSE

73011/0

730301/0

717759/0

893501/0

فسفر

MAE

028056/2

971944/1

029444/2

101944/3

MBE

07583/0-

07556/0-

54917/0-

08028/1-

RMSE

76535/0

766523/2

704794/2

752152/3

اسیدیته

MAE

090556/0

090278/0

088056/0

117222/0

MBE

007222/0

006944/0

026944/0

045556/0

RMSE

108372/0

108128/0

11241/0

145888/0

هدایت الکتریکی

MAE

030556/0

030278/0

028889/0

033056/0

MBE

00167/0-

00194/0-

00667/0-

00917/0-

RMSE

04/0

039896/0

038297/0

04272/0

پتاسیم

MAE

181654/0

18165/0

188286/0

21318/0

MBE

00518/0-

00519/0-

4652/0-

0992/0-

RMSE

274417/0

274421/0

258759/0

30187/0

عمق

MAE

571667/2

574722/2

53333/3

149444/5

MBE

07/0

075278/0

579444/0

632222/0

RMSE

645225/3

648773/3

218911/4

321507/6

سنگریزه

MAE

924722/5

9275/5

781667/5

377222/7

MBE

62194/0-

62583/0-

09/1-

80222/1-

RMSE

333251/7

338826/7

173993/7

069245/9

 

 

 

 

 

 

 

 

 

 

 

 

 

 


شکل 2- مدل تغییرنمای خط برازش داده شده بر مدل تغییرنمای تجربی برای متغیر آهک و نقشه آهک خاک در منطقه نمونه­برداری

 

مقادیر مثبت در این ماتریس نشان­دهنده این است که گونه مورد نظر رویشگاه­هایی را ترجیح می­دهد که دارای مقادیر بیشتری از متغیر مربوطه نسبت به میانگین کل این متغیر در سطح منطقه است و بر عکس مقادیر منفی نشان­دهنده این است که گونه مورد نظر مقادیر کمتری از متغیر مربوطه را نسبت به میانگین کل این متغیر در سطح منطقه ترجیح می­دهد (12). آنالیز  ENFAبا محاسبه 3 عامل اول 94/0 درصد واریانس منطقه را در مورد گونه S. barbataنشان داد.ستون اول این ماتریس 100% حاشیه­گرایی و 78% تخصص­گرایی و ستون­های بعدی به ترتیب 10%، 6% و 2% تخصص­گرایی را نشان می­دهند. جدول (4) پارامترهای آشیان بوم­شناختی و مقدار شاخص بویس الگوریتم­ مدل­سازی ارائه شده است. در این مدل برای تهیه نقشه پیش­بینی گونه امکان به­کارگیری الگوریتم­های متفاوتی فراهم شده است؛ الگوریتم میانه[12]: بیشترین احتمال توزیع در میانگین پراکنش گونه در هر فاکتور است و اینکه این پراکنش­ها متقارن­اند. الگوریتم میانگین هندسی[13]: هیچ پیش­فرضی در مورد الگوی پراکنش گونه مورد مطالعه ندارد.ولی هر چه نقاط مشاهده گونه در محیط متراکم­تر باشد، احتمال توزیع بالاتری خواهد داشت.

الگوریتم میانگین هارمونیک[14]: این الگوریتم شبیه میانگین هندسی است با این تفاوت که وزن بالایی به هر مشاهده گونه می­دهد و لذا ممکن است در زمانی که اندازه نمونه کوچک باشد، نتایج خوبی ارایه کند. الگوریتم حداقل فاصله[15]: این الگوریتم نیز شبیه الگوریتم میانگین هندسی است، ولی حداقل فاصله را در نظر می­گیرد (27). مقدار شاخص بویس پیوسته بین 1 و 1- متغیر است. مقادیر مثبت نشاندهنده آن است که پیش­بینی­های مدل همسو با توزیع داد­ های حضور است. مقادیر نزدیک به صفر نشان­دهنده آن است که پیش­بینی­های مدل متفاوت از یک مدل تصادفی نمی­باشد و مقادیر منفی نشان‌دهنده مدل نامناسب می‌باشد.

 برای تعیین حد رویشگاه مطلوب و نامطلوب و همچنین طبقه‌بندی طبقات مطلوبیت رویشگاه، از نمودار Fi استفاده شد. با توجه به تغییرات شیب نمودار Fi حد رویشگاه مطلوب و نامطلوب تعیین شد. همچنین به منظور ارزیابی صحت مدل در کنار شاخص بویس پیوسته، نمودار Fi به دقت بررسی شد و برای بهبود شاخص بویس پیوسته موارد زیر در آن مورد توجه قرار گرفت. واریانس: می­بایست در سر تاسر منحنی مقدار قابل پذیرشی باشد و در مقادیر بالای مدل افزایش چشمگیری را نشان ندهد.

شکل صحیح نمودار Fi: روند کلی نمودار باید یک روند صعودی باشد، اندازه پنجره را برای Moving window می­بایست تا حد ممکن کوچک انتخاب کرد تا نمودار بازه بیشتری از صفر تا 100 را در بر گیرد.

ماکزیمم نمودار Fi: تا حد ممکن این مقدار بهتر است که بزرگ باشد اما این مقدار به عواملی از قبیل: عرض آشیان بوم­شناختی گونه، شرایط منطقه مورد مطالعه، مقیاس مطالعه و متغیرهای محیطی بستگی دارد (14).

 

جدول 3- ماتریس امتیازات آنالیز ENFA

متغیرهای رویشگاهی

عامل اول

عامل دوم

عامل سوم

100% حاشیه گرایی 78% تخصص­گرایی

10% تخصص­گرایی

6% تخصص­گرایی

ارتفاع

323/0-

366/0-

509/0-

عمق

147/0

228/0-

199/0-

هدایت الکتریکی

431/0-

115/0-

115/0

سنگریزه

122/0

273/0

185/0-

پتاسیم

238/0-

011/0

083/0-

آهک

532/0

751/0-

168/0-

نیتروژن

153/0-

066/0-

65/0-

ماده آلی

324/0

052/0-

087/0

فسفر

009/0

191/0-

317/0-

اسیدیته

416/0

342/0

248/0-

جهت جنوبی

024/0-

022/0-

091/0

جهت شرقی

075/0-

026/0-

085/0

جهت غربی

093/0-

027/0

012/0

جهت شمال شرق

025/0-

026/0

043/0

جهت شمالی

122/0-

004/0

038/0

شیب

041/0

0

09/0-

جدول 4- پارامترهای آشیان بوم­شناختی و مقدار شاخص بویس الگوریتم­ مدل­سازی

 

گونه / رویشگاه

حاشیه­گزینی کل

تخصص­گرایی کل

تحمل­پذیری کل

شاخص بویس

الگوریتم مدل­سازی

Stipa barbata

649/1

399/8

119/0

00956/0±875/0

میانگین هارمونیک

 

 
   

 

 

 

 

 

 

 


شکل 3- نمودار Fi در ارزیابی صحت مدل ENFA

 

میزان تطابق نقشة پیش­بینی رویشگاه­ مورد بررسی با واقعیت زمینی با استفاده از ضریب کاپا 64/0 به‌دست آمد که مطابق با طبقه­بندی محققان (18) در سطح خوب می­باشد. برای طبقه­بندی نقشه مطلوبیت رویشگاه با توجه به نمودار Fi تعداد طبقه­ها و فراوانی آنها تعیین شد این طبقه­بندی بر اساس شیب نمودار Fi انجام گرفت.

 

 

 

 

 

 

 

 

 

 

 

 

شکل4- نقشة مطلوبیت رویشگاه گونة S. barbata (بر روی نقشه واقعی پوشش گیاهی منطقه مورد مطالعه)

 


بحث و نتیجه­گیری

بر اساس نتایج، میزان تطابق نقشه پیش­بینی تولید شده با نقشه واقعی رویشگاه گونة S. barbata مقدار 64/0 به­دست آمد بنابراین می‌توان نتیجه گرفت که متغییرهای محیطی به کار رفته در این تحقیق توانایی لازم را در تعیین مطلوبیت رویشگاه گونه داشته­اند. همچنین شاخص بویس برای مدل اجرا شده در این مطالعه برابر 5/87% به­دست آمد که نشان­دهنده دقت بالا و قابل قبول نتایج این مطالعه است. مهمترین خروجی تجزیه و تحلیل عاملی آشیان اکولوژیکی ماتریس امتیازات است ستون اول این ماتریس که منعکس­کننده 100% حاشیه­گرایی و 87% تخصص­گرایی گونه مورد مطالعه است، نشان می­دهد که متغیرهای محیطی ارتفاع، هدایت الکتریکی، پتاسیم، عمق، آهک، ماده­آلی و اسیدیته مهم­ترین عوامل در انتخاب  رویشگاه گونه S. barbata در منطقه مورد مطالعه می‌باشند.

نمایه حاشیه­گرایی به­ معنای فاصله بوم­شناختی بین میانگین پراکنش گونه S. barbata در هر متغیر محیطی تا میانگین همان متغیر در سطح کل منطقه مورد مطالعه است (13). مقادیر مثبت این نمایه نشان می­دهد که گونه S. barbata مقادیر بیشتری از متغیر مربوطه را نسبت به میانگین کل آن متغیر در سطح منطقه ترجیح می­دهد. این عامل برای گونه S. barbata در منطقه 64/1 محاسبه شد. از سوی دیگر عامل تخصص­گرایی گونه مقدار تخصصی بودن گونه را در محدوده منابع مورد استفاده خود در محیط نشان می­دهد؛  این مقدار عکس میزان تحمل‌پذیری گونه است و مقدار زیاد آن نشان می‌دهد که گونه مورد مطالعه نسبت به شرایط خاصی از متغیرهای محیطی تخصص پیدا کرده است. این مقدار در مورد گونه S. barbata در منطقه مورد مطالعه برابر با 399/8 به­ دست آمد. با توجه به مقدار تحمل­پذیری کل که برای این گونه 119/0 به­ دست آمد. می­توان نتیجه گرفت که گونه S. barbata بردباری بوم­شناختی محدودی نسبت به شرایط منطقه مورد مطالعه را دارد و در این منطقه تخصصی عمل کرده است و دامنه خاصی از متغیرهای محیطی را در محدوده­ منطقه مورد مطالعه تحمل می­کند. متوسط ارتفاع رویشگاه این گونه در این منطقه 2375 متر است. با توجه به نتایج عوامل ارتفاع و جهت شمالی در حضور این گونه تأثیر منفی داشته­اند؛ با افزایش ارتفاع از سطح دریا درجه حرارت کاهش می­یابد، اقلیم منطقة طالقان بر اساس روش دومارتن فراسرد ارتفاعی است که این امر خود مزید برعلت است؛ در تحقیقاتی مشخص شد که گونه مورد نظر در هر منطقه­ای که قرار گرفته باشد برای اینکه مرحله رشد رویشی و سایر مراحل فنولوژی در آن اتفاق بیفتد و به پایان برسد باید به اندازه کافی انرژی گرمایی دریافت کند (1 و 5). در مطالعاتی مشخص شد که این گیاه اصولاٌ به بوته­زارهای استپی تعلق دارد و در ارتفاعات بالاتر از 2800 متر به­صورت پراکنده رویش دارد (6 و 21). در مورد جهت دامنه نیز از عوامل جغرافیایی تأثیرگذار بر میزان آب در دسترس گیاه، دمای خاک و میزان نور دریافتی توسط گیاه می­باشد در نیمکرة شمالی زمین دامنه­های جنوبی همواره گرمتر از دامنه‌های شمالی است زیرا دامنه­های شمالی نور و به­تبع آن انرژی گرمایی کمتری از دامنه­های جنوبی دریافت می­کنند. محققان با مطالعه بر روی فنولوژی گونه S. barbataبیان کردند این گونه زمانی رشد رویشی خود را شروع می کند که شرایط آب و هوایی به­خصوص درجه حرارت هوا مناسب باشد (5) و در مراتعی با اقلیم خشک آن­چنان رویش دارد که گونه­ای همچونAgropyron cristatum  را به‌دلیل شدت خشکی نمی‌پذیرد (6). سنکاری (1979) از این گیاه به­عنوان یکی از مهمترین گندمیان علوفه‌ای مناسب جهت احیای مناطق خشک و مدیترانه­ای یاد کرده است. مطالعات خاکشناسی نشان داد بافت خاک در رویشگاه این گونه از نوع سبک تا متوسط، لوم رسی و شنی و دارای سنگریزه است(24). پژوهشگران بیان کردند این گیاه روی انواع خاک­ها به­استثنای خاک­های شور و شن­های روان پراکنده است (3). همچنین میزان اسیدیته خاک بین 9/7-5/7، ماده­آلی بین 8/1-84/0درصد و میزان هدایت الکتریکی از 2/0 دسی‌زیمنس بر متر تا 29/. دسی زیمنس بر متر متغیر است. تأثیر مثبت مادة­آلی خاک می­تواند در نقش اساسی که در تأمین کربن خاک و انرژی میکروارگانیسم­های هتروتروف دارد باشد (25). عامل هدایت الکتریکی تأثیر منفی بر مطلوبیت رویشگاه گونه S. barbata داشته است. این نتیجه همسو با نتایج بررسی­های جعفری و همکاران (2005) می­باشد که نشان داد مهمترین عامل پراکنش گونه S. barbata بافت و هدایت­الکتریکی خاک می­باشد و حضور این گونه با کاهش درصد شن و هدایت الکتریکی رابطه مستقیم دارد(16). با توجه به ماتریس امتیازات این بررسی، افزایش عمق و آهک خاک تأثیر مثبت بر مطلوبیت رویشگاه گونه S. barbata داشته است؛ همچنین برخی محققان، بیان داشتند که بیشترین فعالیت ریشه گیاهان مرتعی در عمق 30-0 سانتیمتری است (4). فاکتور آهک در برخی موارد رابطه مستقیم و در برخی موارد رابطه معکوس با گیاهان دارد. علت آن این است که وجود مقادیر مناسب آهک باعث بوجود آمدن ساختمان مناسب و ایجاد تعدیل در اسیدیته خاک و به دنبال آن جذب مواد غذایی می­شود. ولی اگر مقدار آن بیش از حد افزایش یابد با ایجاد سخت لایه، افزایش میزان اسیدیته و املاح در محدوده ریشه مشکلاتی را برای گیاهان بوجود می­آورد. نتایج بررسی‌های دیگری در مورد رویشگاه گونة Stipagrostis plumosaنشان داد حضور این گونه با کاهش هدایت الکتریکی و درصد شن و افزایش آهک خاک رابطه مستقیم دارد در عین حال رابطه آن با میزان آهک قوی­تر است (16).

تشخیص متغیرهای اصلی تأثیرگذار و بررسی ارتباط آنها با گونه­ها ی گیاهی در طبیعت دارای پیچیدگی خاصی بوده و به­سادگی امکان­پذیر نمی­باشد. جمع­بندی نتایج بدست آمده از این تحقیق که در اقلیم نیمه­مرطوب انجام شده است نشان می­دهد که روش ENFA یک روش مناسب در تهیه نقشه مطلوبیت رویشگاه گونه‌های گیاهی بوده و به­دلیل اینکه فقط از داده‌های حضور برای مدل­سازی استفاده می­کند، بسیاری از پیچیدگی­های مربوط به روش­هایی که از داده­های حضور و عدم حضور استفاده می‌کنند، را ندارد. مطابق با نتایج، مدل تحلیل عاملی آشیان بوم­شناختی عوامل محیطی نقش مهمی را در ترجیح رویشگاه گونة S. barbata ایفا می­کند. به­طورکلی هر گونه گیاهی با توجه به خصوصیات منطقه رویش، نیازهای اکولوژیکی و دامنه بردباری با برخی از عامل­های محیطی رابطه دارد، بنابراین نتایج به­دست آمده در هر منطقه قابل تعمیم به مناطقی با شرایط مشابه است. نتایج حاصل از این روش اطلاعات کلیدی در مورد دامنه تحمل گونة S. barbata نسبت به متغیرهای محیطی تأثیر­گذار فراهم آورد، که این موضوع می­تواند در اتخاذ تصمیمات صحیح مدیریتی به کمک مدیران آمده و در انجام اقدامات اصلاحی مناسب و در نهایت حفظ و نگهداری منابع مفید باشد و شرایط را جهت بهره‌برداری پایدار از این منابع فراهم آورد.

 

References

  1. Abdollahi, J., H. Naderi., M.R. Mirjalili, & M.S, Tabatabaeezadeh, 2011. Effects of some environmental factors on growth characteristics of stipa barbata species in steppe rangelands of Nodoushan –Yazd. Iranian Journal of Range and Desert Reseach 20(1): 130-144.(In Persian).
  2. Anderson, R.P., D. Lew, & A.T. Peterson, 2003. Evaluating predictive models of species distributions: criteria for selecting optimal models. Journal of Ecological Modelling 162: 211–232.
  3. Azarnivand, H. & M.A. Zare Chahouki, 2008. Range Improvement. Tehran University Press. 354 P. (In Persian).
  4. Bednarek, R., H. Dziadowiec, U. Pokojska, & Z. Prusinkiewicz, 2005. Badania ekologiczno-gleboznawcze (Soil–Ecological Research). PWN, Warszawa.
  5. Ehsani, A., H. Yeganeh, & H. Barati, 2013. Investigation on the phenology of Stipa barbata in steppe and semi-steppe rangelands of Iran. Iranian Journal of Range and Desert Reseach 20 (3): 599-612(In Persian).
  6. Farahani, E., A. Shahmoradi, S. Zarekia, & F. Azhir, 2008. Autecology of Stipa barbata in Tehran Province. Iranian Journal of Range and Desert Research 15(1): 86-94(In Persian).
  7. Farashi, A., M. Kaboli, & M. Karami, 2013. A preliminary survey on raccoon (Procyon lotor (Linnaeus, 1758)). Status as new invasive species in Iran (Case study: Lavandevil wildlife refuge). Journal of Taxonomy and Biosystematics 3(7): 11-14.
  8. Graham, C.H., S. Ferrier, F. Huettman, C. Moritz, & A.T. Peterson, 2004. New developments in museum-based informatics and applications in biodiversity analysis. Journal of Trends in Ecology & Evolution 19 (9): 497–503.
  9. Guisan, A. & W. Thuiller, 2005. Predicting species distribution: offering more than simple habitat models. Journal of Ecology letters 8 (9): 993-1009.
  10. Guisan, A. & N. Zimmermann, 2000. Predictive habitat distribution models in ecology. Journal of Ecological modeling 135: 147-186.
  11. Hirzel, A.H. & A. Guisan, 2002. Which is the optimal sampling strategy for habitat suitability modeling? Journal of Ecological modeling 157: 331-341.
  12. Hirzel, A.H., J. Hausser, D. Chessel, & N. Perrin, 2002. Ecological Niche Factor Analysis: How to compute habitat-suitability maps without absence data. Journal of Ecology 73(22): 2027-2036.
  13. Hirzel, A.H., V. Helfer, & F. Metral, 2001. Assessing habitat-suitability models with a virtual species. Journal of Ecological Modelling 145: 111–121.
  14. Hirzel, A.H., L.G. Laya, V. Helfera, C. Randina, & A. Guisana, 2006. Evaluating the ability of habitat suitability models to predict species presences. Journal of Ecological Modelling 199: 142-152.
  15. Hirzel, A.H., V. Helfer, & F. Metral, 2001. Assessing habitat-suitability models with a virtual species.Journal of Ecological Modelling, 145: 111-121
  16. Jafari, M., M.A. Zare Chahouki., A. Tavili., A. Kohandel., 2005. Soil-vegetation relationships in rangelands of Qom province. Journal of Pajouhesh & Sazandegi 73: 110-116(In Persian).
  17. Khalsi Ahvazi, L., M.A. Zare Chahouki, H. Azarnivand, & M. Soltani Gerdefaramarzi, 2012. Habitat suitability modelling of Eurotia ceratoides (L.) C.A.M. in north east of Seaman, using ecological niche factor analysis. Journal of rangeland 5 (20): 372-362(In Persian).
  18. Monsserud, D.M. & R. Leemans, 1992. Comparing Global Vegetation relationships in coastal desert plain of southern Sinai. Journal of Arid Environments55: 607-628.
  19. Neeti, N., T. Vaclavik & M. Niphadkar, 2007. Potential distribution of Japanese knot weed in Massachusets. ESRI Annual user Conference.
  20. Phillips, S.J., R.P. Anderson., R.E. Schapire, 2006. Maximum entropy modeling of species geographic distributions. Journal of Ecological Modelling 190: 231–259.
  21. Richinger, K.H., 1970. Flora Iranica. 70: 391-392.
  22. Safei, M. & M. Tarkesh Esfehani, 2011. Medicinal plant habitat protection Ferula ovina Boiss using potential habitat modeling (model Proposed ecological niche factor analysis). Journal of Plant Ecosystem Conservation 1(1): 105-121.
  23. Sangoony, H., H.R. Karimzadeh, M.R. Vahabi, & M. Tarkesh esfahani, 2011. Determining the potential habitat of Astragalus gossypinus Fischer in west region of Isfahan, using Ecological Niche Factor Analysis. Iranian Journal of Applied RS & GIS Techniques in Natural Resource Science 3(2): 1-13.
  24. Sankary, M.N. 1979. Autecology of Stipa barbataDesf from the Syrian arid zone in comparison withseveral Mediterranean–type arid zone grassspecies. Journal of Arid Environments 23: 251-262.
  25. Sheikh-Hosseini, A.R. & F. Nourbakhsh, F. 2007. The effect of soil and plant residues on net nitrogen mineralization. Iranian Journal of Pajouhesh & Sazandegi 75: 127-133(In Persian).
  26. Songlin F, J. Schibig, & Vance, M. 2007. Spatial habitat modeling of American chestnut at Mammoth Cave National Park. Journal of Forest Ecology and Management, 252: 201–207.
  27. Strubbe, D. & E. Matthysen, 2008. Predicting the potential distribution of invasive ringnecked parakeets Psittacula krameri in northern Belgium using an ecological niche modelling approach، Biological Invasions Online, Available at http://www.springerlink.com/content/nnw78qq86kx0j671/fulltext.pdf. Accessed 1 May 2008.
  28. Trail, L.W. & R.C. Bigalke, 2006. A presence habitat suitability model for large grazing African ungulates and its utility for wildlife management. Journal of Ecology, 45: 347-354.
  29. Virgilio, N.D., A. Monti, & G, Venturi, 2007. Spatial variability of switch grass (Panicum Virgatum L.) yield as relatead to soil parameters in a small field. Journal of Field Crops Research 101: 232-239.
  30. Zare Chahouki, M.A. & M. Abasi, 2016. Habitat suitability modeling for Thymus kotschyanus Boiss. Using ecological-niche factor analysis (case study: rangeland of middle Taleghan). Iranian Journal of Medicinal and Aromatic Plants 32 (4): 561-573(In Persian).
  31. Zheng, J., M. He, X. Li, Y. Chen, X. Li, & L. Liu, 2008. Effect of Salsola Passerine shrub patches on the micro scale heterogeneity of soil in mountain grassland, China. Journal of Arid Environments 72: 150-161.
  32. Zimmermann, F., V. Lukarevsky S., Beruchashvili, G., Breitenmoser, W. & Breitenmoser, U. 2007. Mapping the vision-potential living space for the leopard in the Caucasus, Cat News, Journal of Special Issue, 2: 28-33.

 

 

 

 

 

 

 

 

 

 

 

 

 



[1] . استاد دانشکده منایع طبیعی دانشگاه تهران، نویسنده مسئول (Mazare@ut.ac.ir)

[2] .دانش آموخته دانشکده منابع طبیعی دانشگاه تهران

[3] Strubbe &  Matthysen

[4] . Songlin

[5] Global Positioning System

[6] Digital elevation model

[7] ماسک کردن به معنی دادن ارزش صفر به سلول­های فاقد اطلاعات (Background) در خارج از محدوده مورد مطالعه است.

[8] Cross-validation

[9] The continuous Boyce index

[10] Inverse Distance Weighting

[11] Normal Distance Weighting

 

1. Median

2. Distance geometric mean

3. Distance harmonic mean

1. Minimum distance

  1. Abdollahi, J., H. Naderi., M.R. Mirjalili, & M.S, Tabatabaeezadeh, 2011. Effects of some environmental factors on growth characteristics of stipa barbata species in steppe rangelands of Nodoushan –Yazd. Iranian Journal of Range and Desert Reseach 20(1): 130-144.(In Persian).
  2. Anderson, R.P., D. Lew, & A.T. Peterson, 2003. Evaluating predictive models of species distributions: criteria for selecting optimal models. Journal of Ecological Modelling 162: 211–232.
  3. Azarnivand, H. & M.A. Zare Chahouki, 2008. Range Improvement. Tehran University Press. 354 P. (In Persian).
  4. Bednarek, R., H. Dziadowiec, U. Pokojska, & Z. Prusinkiewicz, 2005. Badania ekologiczno-gleboznawcze (Soil–Ecological Research). PWN, Warszawa.
  5. Ehsani, A., H. Yeganeh, & H. Barati, 2013. Investigation on the phenology of Stipa barbata in steppe and semi-steppe rangelands of Iran. Iranian Journal of Range and Desert Reseach 20 (3): 599-612(In Persian).
  6. Farahani, E., A. Shahmoradi, S. Zarekia, & F. Azhir, 2008. Autecology of Stipa barbata in Tehran Province. Iranian Journal of Range and Desert Research 15(1): 86-94(In Persian).
  7. Farashi, A., M. Kaboli, & M. Karami, 2013. A preliminary survey on raccoon (Procyon lotor (Linnaeus, 1758)). Status as new invasive species in Iran (Case study: Lavandevil wildlife refuge). Journal of Taxonomy and Biosystematics 3(7): 11-14.
  8. Graham, C.H., S. Ferrier, F. Huettman, C. Moritz, & A.T. Peterson, 2004. New developments in museum-based informatics and applications in biodiversity analysis. Journal of Trends in Ecology & Evolution 19 (9): 497–503.
  9. Guisan, A. & W. Thuiller, 2005. Predicting species distribution: offering more than simple habitat models. Journal of Ecology letters 8 (9): 993-1009.
  10. Guisan, A. & N. Zimmermann, 2000. Predictive habitat distribution models in ecology. Journal of Ecological modeling 135: 147-186.
  11. Hirzel, A.H. & A. Guisan, 2002. Which is the optimal sampling strategy for habitat suitability modeling? Journal of Ecological modeling 157: 331-341.
  12. Hirzel, A.H., J. Hausser, D. Chessel, & N. Perrin, 2002. Ecological Niche Factor Analysis: How to compute habitat-suitability maps without absence data. Journal of Ecology 73(22): 2027-2036.
  13. Hirzel, A.H., V. Helfer, & F. Metral, 2001. Assessing habitat-suitability models with a virtual species. Journal of Ecological Modelling 145: 111–121.
  14. Hirzel, A.H., L.G. Laya, V. Helfera, C. Randina, & A. Guisana, 2006. Evaluating the ability of habitat suitability models to predict species presences. Journal of Ecological Modelling 199: 142-152.
  15. Hirzel, A.H., V. Helfer, & F. Metral, 2001. Assessing habitat-suitability models with a virtual species.Journal of Ecological Modelling, 145: 111-121
  16. Jafari, M., M.A. Zare Chahouki., A. Tavili., A. Kohandel., 2005. Soil-vegetation relationships in rangelands of Qom province. Journal of Pajouhesh & Sazandegi 73: 110-116(In Persian).
  17. Khalsi Ahvazi, L., M.A. Zare Chahouki, H. Azarnivand, & M. Soltani Gerdefaramarzi, 2012. Habitat suitability modelling of Eurotia ceratoides (L.) C.A.M. in north east of Seaman, using ecological niche factor analysis. Journal of rangeland 5 (20): 372-362(In Persian).
  18. Monsserud, D.M. & R. Leemans, 1992. Comparing Global Vegetation relationships in coastal desert plain of southern Sinai. Journal of Arid Environments55: 607-628.
  19. Neeti, N., T. Vaclavik & M. Niphadkar, 2007. Potential distribution of Japanese knot weed in Massachusets. ESRI Annual user Conference.
  20. Phillips, S.J., R.P. Anderson., R.E. Schapire, 2006. Maximum entropy modeling of species geographic distributions. Journal of Ecological Modelling 190: 231–259.
  21. Richinger, K.H., 1970. Flora Iranica. 70: 391-392.
  22. Safei, M. & M. Tarkesh Esfehani, 2011. Medicinal plant habitat protection Ferula ovina Boiss using potential habitat modeling (model Proposed ecological niche factor analysis). Journal of Plant Ecosystem Conservation 1(1): 105-121.
  23. Sangoony, H., H.R. Karimzadeh, M.R. Vahabi, & M. Tarkesh esfahani, 2011. Determining the potential habitat of Astragalus gossypinus Fischer in west region of Isfahan, using Ecological Niche Factor Analysis. Iranian Journal of Applied RS & GIS Techniques in Natural Resource Science 3(2): 1-13.
  24. Sankary, M.N. 1979. Autecology of Stipa barbataDesf from the Syrian arid zone in comparison withseveral Mediterranean–type arid zone grassspecies. Journal of Arid Environments 23: 251-262.
  25. Sheikh-Hosseini, A.R. & F. Nourbakhsh, F. 2007. The effect of soil and plant residues on net nitrogen mineralization. Iranian Journal of Pajouhesh & Sazandegi 75: 127-133(In Persian).
  26. Songlin F, J. Schibig, & Vance, M. 2007. Spatial habitat modeling of American chestnut at Mammoth Cave National Park. Journal of Forest Ecology and Management, 252: 201–207.
  27. Strubbe, D. & E. Matthysen, 2008. Predicting the potential distribution of invasive ringnecked parakeets Psittacula krameri in northern Belgium using an ecological niche modelling approach، Biological Invasions Online, Available at http://www.springerlink.com/content/nnw78qq86kx0j671/fulltext.pdf. Accessed 1 May 2008.
  28. Trail, L.W. & R.C. Bigalke, 2006. A presence habitat suitability model for large grazing African ungulates and its utility for wildlife management. Journal of Ecology, 45: 347-354.
  29. Virgilio, N.D., A. Monti, & G, Venturi, 2007. Spatial variability of switch grass (Panicum Virgatum L.) yield as relatead to soil parameters in a small field. Journal of Field Crops Research 101: 232-239.
  30. Zare Chahouki, M.A. & M. Abasi, 2016. Habitat suitability modeling for Thymus kotschyanus Boiss. Using ecological-niche factor analysis (case study: rangeland of middle Taleghan). Iranian Journal of Medicinal and Aromatic Plants 32 (4): 561-573(In Persian).
  31. Zheng, J., M. He, X. Li, Y. Chen, X. Li, & L. Liu, 2008. Effect of Salsola Passerine shrub patches on the micro scale heterogeneity of soil in mountain grassland, China. Journal of Arid Environments 72: 150-161.
  32. Zimmermann, F., V. Lukarevsky S., Beruchashvili, G., Breitenmoser, W. & Breitenmoser, U. 2007. Mapping the vision-potential living space for the leopard in the Caucasus, Cat News, Journal of Special Issue, 2: 28-33.