بررسي تأثير عوامل فيزيوگرافي و انساني بر روي پراكنش مكاني بنه (Pestacia atlantica) با استفاده از GIS در جنگل‌هاي دره‌ شهر

Study the effect of physiographic and anthropogenic factors on the spatial distribution of Pestacia atlantica using GIS in Dareh Shahr forests

اين تحقيق با هدف پيش‌بيني پراكنش بالقوه گونه بنه (Pistacia atlantica) در سطح 7319/63 هكتار از جنگل‌هاي دره‌شهر انجام شد. داده‌هاي 200 نمونه بر اساس مناطق حضور يا عدم حضور به‌منظور تعيين پراكنش مكاني اين گونه استفاده شد. در هر قطعه نمونه، عوامل فيزيوگرافي مختلف و بعلاوه فاصله از مناطق مسكوني اندازه‌گيري شد. ما سپس پراكنش بنه را به‌وسيله رگرسيون لجستيك و روش گام به گام (نسبت احتمال) با استفاده از 80 درصد از نمونه‌ها براي مدل‌سازي و20 درصد از آنها براي اعتبارسنجي، مدلسازي كرديم. نتايج نشان داد كه پراكنش بنه به‌طور مناسب مدلسازي شده است. بر اساس منحني Rok با مقدار 0/7 همبستگي خوب بين متغير مستقل و وابسته وجود داشت. به طور مشخص، جهت دامنه به‌عنوان مهمترين عامل در پراكنش بنه شناخته شد. در مقابل، ارتفاع از سطح دريا با حضور بنه رابطه كاملاً معكوس داشت. بر اساس مدل نهايي بيش از 45 درصد از منطقه مورد مطالعه مستعد حضور بنه است. نتايج مدلسازي نشان داد كه رگرسيون لجستيك مي‌تواند روشي مناسب براي بررسي تأثير عوامل مختلف بر پراكنش مكاني گونه‌‌‌هاي درختي باشد.

This study aimed to predict the potential distribution of Pistacia atlantica on an area of 7319.63 ha in Dareshahr Region forests (west of Iran). The database composed of 200 samples based on the presence or absence of this species was used to determine the spatial distribution. In each plot, various physiographic factors were measured as well as the distance to the nearest residential areas. We then modeled the Pistacia A. distribution with a stepwise (odds ratios) logistic regression using 80% of the database whereas 20% was kept for validation. The results showed that the distribution of Pistacia was adequately modeled. There was a good correlation between dependent and independent variables based on the Roc curve with an amount of 0.7. In particular, the aspect of hillside was determined as the most important factor to explain the distribution of Pistacia A. In contrast, the height above sea level inversely correlated with the presence of Pistacia A. According to the final model, more than 45% of the study area is potentially favourable to the Pistacia A.’s presence. The results of modeling indicated that the logistic regression can be an adapted method to evaluate the impact of various factors on the spatial distribution of tree species.