آنالیز اهمی ت متغیرها
یکی از اساسیترین مشکلاتی که محققین بـا آن روبـرو هسـتند وجود همخطی بی ن متغیرهای مستقل میباشد. بهمنظور بررسـ ی همخطی یا همراستایی بین متغیـر هـای مسـتقل از عامـل تـورمواریانس (VIF) استفاده گردید (22). متغیرهـا یی کـهVIF آنهـاکمتر از 10 باشد مشـکل هـمراسـتایی نخواهنـد داشـت (20).
بدین منظور ابتـدا مقـدارVIF بـرای تمـام متغیـر هـای مسـتقل محاسبه شد، نتایج نشان داد که مقدار VIF برای متغیرهـای آبدر دسترس، ظرفیت زراعـی مزرعـه، وزن مخصـوص ظـاهری،
جدول 1. تیپهای گیاهی منطقه مطالعه به همراه درصد پوشش آنها
درصد خاک لخت درصد سنگ و سنگریزه درصد
لاشبرگ درصد پوشش نوع تیپ
14/19 47/12 4/59 34/1 Astragalus ochrodeucus- Onobrychis cornata
20/8 26/14 5/65 47/41 Agropyron repens- Onobrychis cornata
26/14 35/28 4/95 33/63 Thymus kotschyanus- Agropyron repens

جدول 2. مهمترین آمارههای توصیفی خصوصیات محیطی سه تیپ موجود در منطقه مورد مطالعه
انحراف معیار میانگین انحراف معیار میانگین انحراف معیار میانگین خصوصیات محیطی
0/889 55/445 0/238 55/495 0/154 50/154 میانگین رطوبت سالانه
23/671 18/239 6/053 241/27 4/26 100/986 میانگین بارندگی سالانه
0/36 6/076 0/078 6/097 0/06 3/96 میانکین دمای سالانه
90/737 2656/38 24/392 2547/5 16/652 3182/4 ارتفاع
18/548 27/692 12/038 23/750 18/075 27/80 شیب
66/725 159/923 121/70 269/75 88/381 209/60 جهت
0/13 0/19 0/01 0/16 0/06 0/24 نیتروژن
0/25 6/42 0/11 6/21 0/42 5/96 اسیدیته
0/94 2/84 0/21 3/06 0/79 4/36 کربن آلی
129/79 4/45 21/04 4/08 202/28 7/70 پتاسیم
10/37 40/93 12/97 39/62 11/34 41/5 فسفر
0/26 1/79 0/53 2/15 0/21 1/70 آهک
6/02 38/66 2/44 37/34 7/42 36/08 سیلت
6/52 36/28 1/46 32/28 10/26 32/04 رس
8/23 25/12 2/85 30/38 17/32 31/87 شن
0/07 1/51 1/51 1/54 0/04 1/51 وزن مخصوص ظاهری
3/08 10/34 0/87 8/87 1/54 8/83 اب قابل دسترس
2/34 14/43 0/89 14/14 4/42 15/47 درصد نقطه پژمردگی
4/60 27/59 1/65 26/17 8/18 28/63 نقطه ظرفیت زراعی
-387095-16712

-3870954560621

در این سایت فقط تکه هایی از این مطلب با شماره بندی انتهای صفحه درج می شود که ممکن است هنگام انتقال از فایل ورد به داخل سایت کلمات به هم بریزد یا شکل ها درج نشود

شما می توانید تکه های دیگری از این مطلب را با جستجو در همین سایت بخوانید

ولی برای دانلود فایل اصلی با فرمت ورد حاوی تمامی قسمت ها با منابع کامل

اینجا کلیک کنید

Thy.kot – Ag. rep. Ag.rep.-Ono.cor Astr ochr-Ono.cor

فسفر، درصد شن، درصد کربن آلی، نقطـه پژمردگـی، شـیب ودرجه حرارت بالاتر از 10 میباشد، در نتیجه ایـ ن نـه متغ یـ ر از تجزیه و تحلیل حذف میشوند (12) و مدلسازی با اسـتفاده ازباقیمانده متغیرها شامل اسیدیته، آهک، نیتروژن، پتاسیم، سیلت، رس، رطوبت نسبی، جهت، ارتفاع و بارنـدگ ی صـورت گرفتـهاست. آنالیز اهمی ت متغیرهای محیطی برای مدلهای مختلف در بسته biomod2 انجام شد. نتایج حاصل از این آنـالیز نشـان دادکه در مدل RF متغیرهای پتاسـیم و آهـک بیشـترین اهمیـت را
جدول 3. آنالیز اهمی ت متغیرهای محیطی مورد مطالعه
biomod2 در بسته

RF BRT خصوصیات
0/39 0/25 اسیدیته
1/22 0/71 آهک
0/42 0/56 نیتروژن
0/46 0/66 پتاسیم
0/33 1/11 سیلت
1/48 0/89 رس
0/09 0/12 رطوبت نسبی
1/05 1/10 جهت
0/20 0/56 ارتفاع
0/21 0/38 بارندگی

داشتند. همچنین در مـدلBRT نیـ ز سـ یلت و جهـت بی شـترین اهمیت را در مدل داشتند (جدول3).
نتایج بیانگر این مطلب است که در مدل BRT بـرای گونـهAstragalus ochrodeucus متغیرهای نیتروژن، بارندگی، ارتفاع متغیرهای تأثیرگذار بودند. برای گونه هـای Agropyron repens متغیــ رهــ ای آهــ ک، نیتـــروژن، رس و بــ رای گونــ ه Onobrychis Cornata متغیرهای جهت، پتاسیم، بارندگی تأثیر داشتند. در رابطـه بـا گونـه هـایThymus kotschyanus آهـک،پتاسیم و متغیـر هـای اسـیدیته، ارتفـاع، بارنـدگی نیـ ز در گونـهFerula gumosa اثر داشته است. در شکلهای 2 و 3 نمونـهای از رفتار منحنی و اهمی ت متغیرها در مدل جنگل تصادفی بـرای گونه Agropyron repens آورده شده است. در مدل RF نیـ ز در رابطـه بـا گونـهAstragalus aegobromus اسـیدیته، آهـک و پتاسیم از عوامل تأثیرگذار بر پـراکنش ایـ ن گونـه بودنـد. بـرای گونه Agropyron repens نیز پتاسیم، جهت، آهـک، نیتـروژن ورس در پراکنش تأثیر داشتند. همچنین متغیر هـای تأثیرگـذار بـرپ راکنش گونـه Onobrychis cornata در م دل RF نیت روژن، جهــت و اســیدیته بــوده اســت. در پــراکنش گونــهThymus kotschyanus جهت، نیتروژن، اسیدیته و سـیلت و در پـراکنشگونه Ferula gumosa نیتروژن، بارندگی، ارتفاع و پتاسیم بـودهاست (جدول4).
نتایج حاصل از عملکرد مدلهای BRT و RF نشان داد کـهبــالاترین AUC در مــدل BRT مربــوط بــه حضــور گونــهAgropyron repens به میزان 76/0 بوده است. بالاترین ضریب کاپا و TSS بهترتیب مربوط به گونه Ferula gumosa میباشـد.
در مــدل RF نیـ ز بـ ـالاترینAUC مربـ ـوط بـ ه گونـ ه Onobrychis Cornata اسـت. بـالاترین ضـریب کاپ ا و TSS بـهترتیـ ب مربـوط بـه گونـهFerula gumosa و Agropyron repens بوده است (جدول 5). همچنـین نقشـه پـراکنش گونـهAgropyron repens تولید و در چهار کلاس طبقهبندی گردیـ د
(شکل 4). بـا توجـه بـه جـدول 6 و 7، بـا روش هـای جنگـلتصادفی و درخت رگرسیون تقویت شده قابل پیشبینـی اسـتکـه بـه ترتیـب حـدود 15/34 درصـد و 23/25 درصـد منطقـه مطالعاتی بهعنوان رویشگاه این گونه درنظر گرفته شود.

بحث و نتیجهگیری

-4-3-2-1010.00.51.01.5
MeanDecreaseAccuracyMeanDecreaseGini
شکل 2- خلاصه اهمی ت متغیرهای محیطی بهترتیب در مدل جنگل تصادفی برای گونه Agropyron Repens

شکل 3. شکل رفتار منحنی برخی متغیرهای محیطی در مدل جنگل تصادفی Agropyron Repens
نتایج تحقیق نشان داد که مهمترین عوامل تأثیرگذار بـر پوشـشگیاهی منطقه عوامل خاکی و عوامل توپوگرافی بودند که نشـانمیدهد این دو عامل بر پوشش منطقه تأثیرگذار هسـت ند کـه بـانتایج جعفریان و کارگر (2) مطابقت دارد. به طوریکه در مـدلRF متغیرهای پتاسـیم و آهـک و در مـدلBRT نیـ ز سـ یلت و جهت بیشترین اهمیت را در مدل داشتند که با یافتههای محققان دیگ ر (12، 19 و 20) همخ وانی دارد. در ای ن پ ژوهش از دو روش جنگل تصادفی و درخت رگرسـ یون تقویـ ت شـده بـرای تعیی ن مدلهای پیشبینی گونههای گیاهی غالب منطقه انتخـابشدند. بسیاری از محققان در تهی ه مدلهای پیشبینی از ایـ ن دو روش استفاده کردهاند (13، 19 و 20). در پژوهشی چهار مـدلخطی تعمی م یافته، مدل جمعی تعمی م یافته، درخـت رگرسـیون تقویت شده و جنگل تصـادف ی را بـا هـم مقایسـه کردنـد. ا یـن محققی ن نشان دادند که مدل جنگل تصادفی دقت بیشـتری داردکه با یافتههای تحقیق همخوانی دارد (19). از آنجاییکـه روشجنگل تصادفی است که با یافتههای دوبویس و همکـاران ( 20) مطابقت دارد. نتایج حاصل از این تحقیق بیانگر این مطلب است کـه درصـد اتوانـ یی مـدلسـازی اثـرات متقابـل پیچیـده میـان متغیرهای پیشبینی کننده را دارد، لذا ایـ ن مطلـب مـیتوانـد درعملکرد مـ دل تأثیرگـذار باشـد. براسـاس نتـایج ا یـن پـژوهشمیتوان بیان داشت که روش جنگل تصادفی پراکنش گونههـای گیاهی را بهتر پیشبینی میکند. این موضوع با مطالعـات انجـامشده توسط آرتسن و همکاران (12) و دوبویس و همکاران کـهاز روش های GAM ،RF و GBM اسـتفاده کردنـد، همخـوانی دارد. در این پژوهش از ضریب هـای TSS ،AUC و کاپـا بـرای ارزیابی صحت مدل استفاده شد (14 و 20). با توجه بـه مقـدارضـــریب AUC کـــاربرد مـــدل جنگـــل تصـــادفی بـــرای
RF BRT شاخص آماری
Astragalus ochrodeucus
0/54 0/65 AUC
0/49 0/03 Kappa
0/44 0/11 TSS
Agropyron repens
0/76 0/70 AUC
0/083 0/29 Kappa
0/08 0/35 TSS
Onobrychis cornata
0/65 0/73 AUC
0/54 0/22 Kappa
0/55 0/31 TSS
Thymus kotschyanus
0/71 0/052 AUC
0/34 0/22 Kappa
0/54 0/09 TSS
Ferula gumosa
0/70 0/59 AUC
0/58 0/46 Kappa
0/57 0/27 TSS
RF و BRT جدول 4. متغیرهای پیشبینیگر انتخاب شده در مدل با استفاده
متغیرهای انتخاب شده توسط مدل تکنی ک مدلسازی گونه مورد مطالعه
نیتروژن، بارندگی و ارتفاع
اسیدیته، آهک و پتاسیم BRT RF Astragalus ochrodeucus
آهک، نیتروژن و رس پتاسیم، جهت، آهک، نیتروژن و رس BRT RF Agropyron repens
جهت، پتاسیم و بارندگی
نیتروژن، جهت و اسیدیته BRT RF Onobrychis crornata
آهک و پتاسیم جهت، نیتروژن، اسیدیته و سیلت BRT RF Thymus kotschyanus
اسیدیته، ارتفاع و بارندگی BRT Ferula gumosa
نیتروژن، بارندگی، ارتفاع و پتاسیم RF
جدول 5. عملکرد مدلهای BRT و RFبرای گونههای غالب مرتعی مراتع پلور

(
ب
)

(
الف
)

(

ب

)

  • 1

دیدگاهتان را بنویسید