مدل سازي پراكنش گونه هاي ماكروبنتيك منطقه جزر ومدي رودخانه بهمنشير با استفاده از سيستم اطلاعات جغرافيايي و سنجش از دور

Macrobenthic Species Modeling of Distribution in Bahmanshir River Tidal Zone Using GIS and Remote Sensing

در اين مطالعه، ارائه يك مدل پيش بيني براي حضور و عدم حضور چند گونه غالب ماكروبنتيك در يك ناحيه جزر و مدي مصب رودخانه بهمنشير مورد ارزيابي قرار گرفت. نمونه برداري از منطقه به منظور شناسايي و شمارش گونه ها و هم چنين اندازه گيري ميزان TOMو دانه بندي رسوبات انجام شد. پس از شناسايي و شمارش گونه هاي ماكروبنتيك، نقشه فراواني براي چند گونه غالب منطقه ساخته شد. به منظور دستيابي به نقشه ارتفاعي، منطقه مورد مطالعه، با استفاده از دوربين نيوو نقشه برداري گرديد. براساس همبستگي فاكتورهاي محيطي به دست آمده، مدل پيش بيني رگرسيوني براي چند گونه به دست آمد. نقشه هاي فاكتورهاي محيطي، ارتفاع، شيب، جهت شيب، درصد مواد آلي، درصد رسوبات دانه ريز، فاصله از خط پايين جزر و مدي و اطلاعات دو باند 1 و 6 ماهواره اي 8 landst به عنوان ورودي هاي اين مدل در محيط GIS وارد شدند و نقشه پيش بيني حضور و عدم حضور براي اين گونه ها تهيه گرديد. نتايج به دست آمده از اين مدل به وسيله آزمون آماري كاپا ارزيابي شد. نتايج به دست آمده از اين آزمون نشان داد اين روش، روش مناسبي جهت مدل سازي پيش بيني براي پراكنش بالقوه گونه هاي ماكروبنتيك خواهد بود.

In this study، providing a predictive model for the presence or absence of a few dominant macrobenthic species in a tidal area of mouth of the Bahmanshir River were evaluated. Sampling of the region to identify and count species and also measure the amount of TOM and grading of sediments was carried out. After identifying and counting macrobenthic species، frequency map was prepared for a few dominant species. In order to achieve elevation map، the study area was mapped with Nivo camera. Based on the correlation of environmental factors obtained، the regression model of prediction for a few species was obtained. Maps of environmental factors، elevation، slope، slope direction، the percentage of organic matter، the percentage of fine-grained sediments، the distance from the bottom tidal line، and data from two satellite bands of 1 and 6 of landst8 as inputs to this model were entered in ArcGIS software and the prediction map of the presence or absence for these species were prepared. The results of this model was evaluated by the Kappa statistic. The results of this test showed that this method will be an appropriate method for modelling of prediction for potential distribution of macrobenthic species.