كاربرد روش رگرسيون لوجستيك در تهيه نقشه پيش‌بيني پراكنش رويشگاه گونه‌هاي گياهي (مطالعه موردي: مراتع بخش خلجستان استان قم)

Developing predictive distribution map of plant species habitats using logistic regression (Case study: Khalajestan rangelands of Qum province)

اين پژوهش با هدف ارزيابي توانايي روش رگرسيون لوجستيك در مشخص كردن شرايط محيطي مؤثر در حضور گونه هاي گياهي و شناسايي مناطق مناسب براي استقرار اين گونه ها انجام شد. بعد از مشخص كردن واحدهاي همگن بوم شناختي در هر رويشگاه، با استفاده از نقشه هاي شيب، جهت، ارتفاع و زمين شناسي با مقياس 1:25000، نمونه برداري از پوشش گياهي به روش تصادفي سيستماتيك از طريق پلات گذاري در امتداد 4 ترانسكت 200 و1000 متري به صورت عمود بر هم انجام شد. سطح پلات ها با توجه به نوع گونه هاي موجود، به روش سطح حداقل بين 2 تا 25 متر مربع و تعداد آن ها با توجه به تغييرات پوشش گياهي و روش آماري 60 پلات تعيين شد. براي نمونه برداري از خاك نيز در هر رويشگاه، هشت پروفيل حفر و از دو عمق 300 و8030 سانتي متري نمونه گرفته شد. نقشه هاي پيش بيني رويشگاه گونه هاي گياهي با استفاده از مدل هاي پيش بيني حاصل و عوامل موجود در آن ها تهيه شد. بعد از تعيين آستانه بهينه حضور، ميزان تطابق نقشه هاي طبقه بندي شده با نقشه هاي واقعي پوشش، با استفاده از ضريب كاپا و آماره واقعي عملكرد اندازه گيري شد. بر اساس مدل هاي حاصل، نوع سازند زمين شناسي، درصد سنگريزه، بافت خاك، اسيديته و آهك بيشترين نقش را در پراكنش جوامع گياهي مورد مطالعه دارند. بر اساس نتايج حاصل، ميزان تطابق نقشه هاي پيش بيني حاصل از مدل ها با نقشه واقعي براي رويشگاه Amygdalus scoparia ، عالي؛ براي رويشگاه هاي Scariola orientalisStipa barbata وPteropyrum olivieri Stipa barbata ، خوب و براي رويشگاه Artemisia aucheri ndash;Astragalus glaucacanthus، متوسط ارزيابي شد. بر اساس اين نتايچ، روش گرسيون لوجستيك براي رويشگاه گونه Amygdalus scoparia كه داراي شرايط رويشگاهي منحصر به فردي است، مدل پيش بيني با دقّت بالاتري را ارائه داد. براي ساير رويشگاه هاي مورد بررسي، به دليل دامنه بوم شناختي گسترده آنها، دقّت مدل هاي پيش بيني به دست آمده پايين تر بود.

This study was conducted to evaluate the ability of logistic regression to specify the environmental condition affecting the presence of selected plant species, and identifying suitable areas for the establishment of these species. Some sites with relatively homogeneous ecological conditions were identified by overlaying slope, aspect, elevation and geology maps (1: 25000 scales). Vegetation sampling was carried out using random systematic method, and 60 plots were established along four transects with 2001000 meters length in each site. The appropriate plot sizes were determined from 2 to 25 m2 using Minimal Area Method. Soil samples were collected from eight soil profiles in each site from 030 cm and 3080 cm depths from soil surface. Predictive maps of plant species habitats were produced using Logistic regression method. Optimal environmental condition of selected plant species were determined and predictive performance of the produced potential maps were assessed using kappa coefficient and the True skill Static. According to the results, geological formation, percent gravel, soil texture, acidity and lime contents were identified as the most important factors controlling distribution of plant communities in the study area. The accuracy of produced predictive maps for Amygdalus scoparia was very good, for Scariola orientalis Stipa barbata and Pteropyrum olivieri Stipa barbata were good and for Artemisia aucheri Astragalus glaucacanthus vegetation habitats was moderate. The results showed that the logistic regression models, provides high accuracy predictive model for Amygdalus scoparia habitat due to its exclusive habitat conditions. The accuracies of the produced maps for other vegetation habitats were lower than Amygdalus scoparia because they had more wider ecological spectrum.