آنالیز اهمی ت متغیرها
یکی از اساسیترین مشکلاتی که محققین بـا آن روبـرو هسـتند وجود همخطی بی ن متغیرهاي مستقل میباشد. بهمنظور بررسـ ی همخطی یا همراستایی بین متغیـر هـاي مسـتقل از عامـل تـورمواریانس (VIF) استفاده گردید (22). متغیرهـا یی کـهVIF آنهـاکمتر از 10 باشد مشـکل هـمراسـتایی نخواهنـد داشـت (20).
بدین منظور ابتـدا مقـدارVIF بـراي تمـام متغیـر هـاي مسـتقل محاسبه شد، نتایج نشان داد که مقدار VIF براي متغیرهـاي آبدر دسترس، ظرفیت زراعـی مزرعـه، وزن مخصـوص ظـاهري،
جدول 1. تیپهاي گیاهی منطقه مطالعه به همراه درصد پوشش آنها
درصد خاك 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 آمارههاي 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 دماي 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 ظاهري
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 مدلسازي با اسـتفاده ازباقیمانده متغیرها شامل اسیدیته، آهک، نیتروژن، پتاسیم، سیلت، رس، رطوبت نسبی، جهت، ارتفاع و بارنـدگ ی صـورت گرفتـهاست. آنالیز اهمی ت متغیرهاي محیطی براي مدلهاي مختلف در بسته biomod2 انجام شد. نتایج حاصل از این آنـالیز نشـان دادکه در مدل RF متغیرهاي پتاسـیم و آهـک بیشـترین اهمیـت را
جدول 3. آنالیز اهمی ت متغیرهاي 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 بـراي گونـهAstragalus ochrodeucus متغیرهاي نیتروژن، بارندگی، ارتفاع متغیرهاي تأثیرگذار بودند. براي گونه هـاي Agropyron repens متغیــ رهــ اي آهــ ک، نیتـــروژن، رس و بــ راي گونــ ه Onobrychis Cornata متغیرهاي جهت، پتاسیم، بارندگی تأثیر داشتند. در رابطـه بـا گونـه هـايThymus kotschyanus آهـک،پتاسیم و متغیـر هـاي اسـیدیته، ارتفـاع، بارنـدگی نیـ ز در گونـهFerula gumosa اثر داشته است. در شکلهاي 2 و 3 نمونـهاي از رفتار منحنی و اهمی ت متغیرها در مدل جنگل تصادفی بـراي 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. بـراي گونه Agropyron repens نیز پتاسیم، جهت، آهـک، نیتـروژن ورس در پراکنش تأثیر داشتند. همچنین متغیر هـاي 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 مدلهاي 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 طبقهبندي گردیـ د
(شکل 4). بـا توجـه بـه جـدول 6 و 7، بـا روش هـاي 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 نتیجهگیري

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

شکل 3. شکل رفتار منحنی برخی متغیرهاي 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 طوريکه در مـدلRF متغیرهاي پتاسـیم و آهـک و در مـدلBRT نیـ ز سـ یلت و جهت بیشترین اهمیت را در مدل داشتند که با یافتههاي 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 بـراي تعیی ن مدلهاي پیشبینی گونههاي گیاهی غالب منطقه انتخـابشدند. بسیاري از محققان در تهی ه مدلهاي 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 بیشـتري داردکه با یافتههاي تحقیق همخوانی دارد (19). از آنجاییکـه روشجنگل تصادفی است که با یافتههاي دوبویس و همکـاران ( 20) مطابقت دارد. نتایج حاصل از این تحقیق بیانگر این مطلب است کـه درصـد اتوانـ یی مـدلسـازي اثـرات متقابـل پیچیـده میـان متغیرهاي 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 گونههـاي گیاهی را بهتر پیشبینی میکند. این موضوع با مطالعـات انجـامشده توسط آرتسن و همکاران (12) و دوبویس و همکاران کـهاز روش هاي GAM ،RF و GBM اسـتفاده کردنـد، همخـوانی دارد. در این پژوهش از ضریب هـاي TSS ،AUC و کاپـا بـراي ارزیابی صحت مدل استفاده شد (14 و 20). با توجه بـه مقـدارضـــریب AUC کـــاربرد مـــدل جنگـــل تصـــادفی بـــراي
RF BRT شاخص آماري
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. متغیرهاي پیشبینیگر انتخاب شده در مدل با استفاده
متغیرهاي انتخاب شده توسط مدل تکنی ک مدلسازي 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 مدلهاي BRT و RFبراي گونههاي غالب مرتعی مراتع پلور

(
ب
)

(
الف
)

(

ب

)


دیدگاهتان را بنویسید