نوع مقاله : مقاله پژوهشی

نویسندگان

1 پژوهشگر و دانش آموخته دکتری علوم مرتع، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان

2 دانش آموخته دکتری آمایش محیط زیست، کارشناس اداره کل منابع طبیعی و آبخیزداری خوزستان، اداره مهندسی و مطالعات

3 گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان

4 دانش آموخته دکتری جنگلداری دانشگاه تربیت مدرس، کارشناس آموزشی گروه جنگلداری دانشگاه علوم کشاورزی و منابع طبیعی ساری

10.52547/envs.2023.1148

چکیده

سابقه و هدف: گیاهان مهاجم، در حال حاضر مورد توجه اکولوژیست ها، حافظان محیط زیست و مدیران منابع طبیعی هستند و به دلیل گسترش سریع شان تنوع زیستی را کاهش می دهند. این گونه‌ها تغییراتی را در فرآیندهای بوم شناختی، ساختار و کارکرد جامعه در اکوسیستم های طبیعی ایجاد می کنند. بارزترین تغییر در مناطق مورد هجوم، کاهش تنوع زیستی و ایجاد اجتماع خالصی از گیاهان مهاجم می باشد. یکی از گونه های مهاجم در کشور کهور پاکستانی (Prosopis juliflora) می باشد که به دلیل مقاومت به شرایط نامساعد محیطی، در حوزه بیابانزدایی، کنترل بیولوژیک و تثبیت تپه های ماسه ای روان در مناطق جنوبی کشور حائز اهمیت است.
مواد و روش ها: در مطالعه حاضر، کارایی پنج مدل متمایز کننده گروهی (GLM، GBM، ANN، SRE، RF) و یک مدل پروفیل (MAXENT) و اجماع آنها با رویکرد میانگین وزنی در مدلسازی پراکنش مکانی این گونه در منطقه مکران و تعیین مهم ترین عوامل محیطی مؤثر بر پراکنش هجوم مورد بررسی قرار گرفت. با ثبت 63 نقطه رخداد و 100 نقطه غیاب طی برداشت میدانی، استفاده از متغیرهای اقلیمی، فیزیوگرافی و انسانی به عنوان متغیرهای محیطی، و ارزیابی کارایی مدل ها با معیارهای سطح زیر منحنی، TSS، شاخص های حساسیت و ویژه انگاری پتانسیل هجوم گونه مشخص گردید.
نتایج و بحث: از میان الگوریتم های مجزا، با توجه به معیارهای ارزیابی مستقل از آستانه و وابسته به آستانه، دو تکنیک مبتنی بر یادگیری ماشینی شامل RF و GBM گستره مورد هجوم این گونه را با صحت و توانایی تشخیص بالاتری پیش بینی کردند. همچنین معیارهای صحت سنجی در پیش بینی اجماعی نسبت به تمام الگوریتم های مجزای مدلسازی میانگین بیشتری را به خود اختصاص دادند. طبق مدل اجماعی، گستره هجوم کهور پاکستانی تقریباً 15 درصد از کل منطقه مورد مطالعه را به خود اختصاص داده است. پس از تعمیم مدل ها به فضای جغرافیایی مشخص شد که مناطق مورد هجوم گونه به صورت نواری یکدست در سواحل دریای عمان و خلیج فارس گسترش یافته اند. ارزیابی اهمیت متغیرها حاکی از این بود که متغیر ارتفاع از سطح دریا با توجیه نمودن تقریباً نیمی از تغییرات در مدل اجماعی به عنوان مهمترین متغیر مستقل، بیشترین تأثیر را در پراکنش گونه دارد. متغیر فاصله از جاده در درجه بعدی اهمیت قرار دارد، اما جهت شیب کم اهمیت ترین متغیر محیطی مؤثر بر پراکنش هجوم عنوان شد. بر اساس منحنی های عکس العمل گونه، اوج احتمال حضور گونه در ارتفاع 50 متری از سطح دریا و فاصله کمتر از 50 متری جاده مشاهده می شود. همچنین در صورتیکه درجه حرارت در گرم ترین ماه و سردترین فصل سال به ترتیب بیش از 34 و 14 درجه سانتیگراد، و ضریب تغییرات بارندگی نیز بین 150-100 باشد، گونه حداکثر احتمال حضور را دارد.
نتیجه گیری: مشخص شد که الگوریتم های تلفیق شده در چارچوب مدلسازی اجماعی، صحت بالاتری را نشان دادند و نقشه های حاصل از پراکنش بالقوه هجوم گونه این امکان را فراهم می آورند تا با ارائه راهکارهای مدیریتی و طرح ریزی های حفاظتی در جهت حفاظت از گونه های بومی، گستره پراکنش گونه های مهاجم را محدود و مدیریت کرد. در واقع، از نتایج این مطالعه می توان به عنوان مبنایی برای پایش های بعدی جهت ممانعت از گسترش بیشتر گونه های مهاجم و ایجاد تعادلی بین برنامه های حفاظت از پوشش گیاهی بومی منطقه و اقدامات مدیریتی بیابانزدایی استفاده نمود.

کلیدواژه‌ها

عنوان مقاله [English]

Ensemble modelling of the potential invasion of Prosopis juliflora (SW.) DC in Makuran region

نویسندگان [English]

  • Mohadeseh Amiri 1
  • Mohammad Shafiezadeh 2
  • Mostafa Tarkesh 3
  • Seyyed Mostafa Moslemi 4

1 Researcher and Ph.D. graduated of rangeland sciences, Faculty of natural resources, Isfahan university of technology (IUT)

2 Ph.D. graduated of environmental science, Environmental Planning, Natural Resources and Watershed Management Organization, Khuzestan

3 Department of Range & Watershead Management, Faculty of Natural Resources, Isfahan University of Technology

4 Ph.D. graduated of forest management, Tarbiat Modares University, Expert Education of Forestry Departmant of Sari Agriculture Sciences and Natural Resources University

چکیده [English]

Introduction: Invasive species are currently the concern of ecologists, conservationists and natural resource managers, and decrease biodiversity due to their rapid spread. These species cause changes in ecological processes, function and structure of community in natural ecosystems. The most obvious change in the invaded areas is the reduction of biodiversity and the creation of a pure community of invasive plants. One of the invasive species in our country is Prosopis juliflora, which is important in the field of combat desertification, biological control and stabilization of quicksand dunes in the southern regions of Iran due to its resistance to adverse environmental conditions.
Material and methods: In the present study, the efficiency of five discrimination group models (GLM, GBM, ANN, SRE, RF) and a profile model (MAXENT) and their ensemble with the weighted average approach in spatial distribution of this species in Makuran region and determining the most important environmental factors affecting the invasion distribution were investigated. By recording 63 occurrence points and 100 absence points, using climatic, physiographic and human variables as environmental variables, and evaluating the performance of models by Area under Curve (AUC), True Skill Statistics (TSS), Sensitivity and Specificity, the species invasion potential was determined.
Results and discussion: Among the single algorithms, according to the threshold-independent and threshold-dependent evaluation criteria, two machine learning techniques, i.e. RF and GBM, predicted the climatic habitat of this invasive species with higher accuracy. Also, the evaluation criteria in the ensemble prediction were higher than the average of all single modelling algorithms. According to the ensemble model, P. juliflora habitats occupy about 15% of the total study area. After generalization of the models to the geographical space, it was found that the invaded areas have spread in a uniform strip on the shores of Oman Sea and Persian Gulf. Evaluation of variable importance indicated that Altitude was the most important independent variable justifying about half of the changes in the ensemble model and has the greatest effect on species distribution. The variable of distance from road was the next important variable. But, aspect was mentioned the least important environmental variable affecting the scattering of the invasion. Based on response curves, the maximum probability of the species presence was observed at the altitude of 50 m above sea level and a distance less than 50 m from the road. Also, the species is most likely to be present, if the temperature in the warmest month and the coldest season of the year is more than 34 and 14 °C, respectively, and the precipitation seasonality is 100-150.
Conclusion: It was found that the integrated algorithms in the framework of ensemble modelling showed higher accuracy and the maps derived from potential distribution of species invasion make it possible to restrict and manage the distribution range of invasive species by providing management solution and conserving plans to protect native species. In fact, the results of this study can be used as a basis for subsequent monitoring to prevent further spread of invasive species and to create a balance between the native vegetation protection programs of the region and desertification management measures.

کلیدواژه‌ها [English]

  • Ensemble approach
  • Biological invasion
  • Environmental variables