تعیین مطلوبیت زیستگاه شوکا (Capreolus Capreolus) در شمال ایران با استفاده از رویکرد مدل‌سازی تجمعی

نوع مقاله : محیط زیست جانوری

نویسندگان

1 گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران

2 پژوهشگاه بیوتکنولوژی کشاورزی ایران، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

3 گروه محیط زیست، دانشکده منابع طبیعی دریا، دانشگاه علوم و فنون دریایی خرمشهر، خرمشهر، ایران

10.22034/aej.2020.122522

چکیده

مدل ‌سازی پراکنش گونه ابزار مهم و ضروری برای مدیریت و حفاظت از شوکا به ­عنوان یک گونه مخفی­ کار و گیاه ­خوار حفاظت شده ملی در ایران است. در این پژوهش با استفاده از بسته Biomod2 و روش مدل ‌سازی تجمعی و تعداد 91 داده­ حضور گونه شوکا و عوامل محیطی و انسانی، مدل تجمعی مطلوبیت زیستگاه براساس شش الگوریتم مدل توزیع گونه در منطقه مورد مطالعه با وسعت 74000 کیلومتر مربع تهیه شد. در این مطالعه AUC  مدل تجمعی معادل 0/97 بود که نشان­ دهنده عملکرد عالی مدل است. نتایج این مطالعه 15 درصد از منطقه مطالعاتی را دارای مطلوبیت کافی برای گونه شوکا شناسایی کرد. هم­ چنین نتایج نشان داد که متغیرهای کاربری سرزمین (29%) و ارتفاع (29%) بیش ­ترین تأثیر و پس از این متغیرها دمای حداکثر در گرم‌ترین ما‌ه (17%) و شیب (11%) اهمیت بالایی بر حضور این گونه دارد. متغیرهای انسانی نتوانستند در مدل ‌سازی تأثیر بالایی بر پراکنش گونه از خود نشان دهند. شوکا مناطق جنگلی متراکم را به ­علت کاهش قابلیت مشاهده شدن و هم ­چنین وجود پناه و غذای کافی، ترجیح می­ دهد.

کلیدواژه‌ها


بخشی، ح..؛ سلمان ­ماهینی، ع.؛ وارسته ­مرادی، ح. و حسنی، م.، 1394. مدل­ سازی مطلوبیت زیستگاه شوکا (Capreolus  Capreolus) با استفاده از تحلیل عاملی آشیان بوم­ شناختی در پارک ملی گلستان. فصلنامه­ محیط زیست­ جانوری. سال 1، شماره 4، صفحات 31 تا 42.
حیدریان­ آقاخانی، م.؛ تمرتاش، ر.؛ جعفریان، ز.؛ ترکش ­اصفهانی، م. و طاطیان، م.، 1396. پیش ­بینی اثرات تغییر اقلیم بر پراکنش بالقوه گونه بادامک (Amygdalus scoparia) با استفاده از مدل ­سازی اجماعی در زاگرس مرکزی. سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی. دوره 8، شماره 3، صفحات 1 تا 4.
سازمان حفاظت از محیط زیست. 1393. جنگل ‌های ایران، ارزش‌ها و تهدید‌ها.
علیزاده، ا.؛ کرمی، م.؛ عطایی، ف. و غضنفری، ح.، 1379. بررسی مقدماتی زیستگاه شوکا (Capreolus capreolus) در جنگل‌ های بوزین و مر‌خیل استان کرمانشاه. مقالات همایش دستاوردهای پژوهشی سازمان حفاظت محیط ‌زیست در برنامه دوم توسعه.
عصاره، م.ح. و سیداخلاقی، س.ج، 1388. سند راهبردی توسعه تحقیقات منابع طبیعی ایران، راهبردها و راهکارها. انتشارات موسسه تحقیقات جنگل­ ها و مراتع کشور، تهران. 380 صفحه.
فیروز، ا.، 1377. حیات ­وحش ایران: مهره داران. چاپ انتشارات مرکز نشر دانشگاهی.
کبیری ­بالاجاده، ح.ر.؛ رضایی، ح.ر. و نادری، س.، 1396. تنوع ژنتیکی شوکا (Capreolus capreolus) در استان ­های گلستان و مازندران براساس توالی ژن دی لوپ (D-LOOP). فصلنامه محیط زیست جانوری. سال 9، شماره 1، صفحات 49 تا 56.
کرمی، م.؛ قدیریان، ط. و فیض ­الهی، ک.، 1392. اطلس پستانداران ایران. انتشارات سازمان محیط زیست. 181 صفحه.
کمایی، م.، 1392. ارزیابی اثر کاربری اراضی بر مطلوبیت زیستگاه خرس قهوه ­ای در منطقه حفاظت شده البرز مرکزی. پایان ‌نامه کارشناسی ارشد. دانشگاه صنعتی اصفهان.
میرسنجری، م. و خالوندی، ا.، 1397. مدل‌ سازی مطلوبیت زیستگاه شوکا (Capreolus Capreolus) در منطقه حفاظت ‌شده بوزین و مرخیل با استفاده از روش آنتروپی بیشینه (MaxEnt). فصلنامه علوم تکنولوژی محیط زیست.
وارسته­ مرادی، ح.، 1384. تعیین نسبت جنسی گوزن مرال (Cervus ealphus) و شوکا (Capreolus capreolus ) در پارک ملی گستان. نشریه علوم کشاورزی و منابع طبیعی. دوره­ 12، شماره 4، صفحات 154 تا 161.
Ahmadi, M.; Nezami, B.; Jowkar, H.; Hemami, M.R.; Fadakar, D.; Malakouti-Khah, Sh. and Ostrowski, S., 2017. Combining Landscape Suitability and Habitat Connectivity to Conserve the Last Surviving Population of Cheetah in Asia. Diversity and Distributions. Vol. 23, No. 6, pp: 592-603.
Almasieh, K; Kaboli, M. and Beier, P., 2016. Identifying habitat cores and corridors for the Iranian black bear in Iran. Ursus. Vol. 27, No. 1, Index Vol. 26, No. 1, pp: 18-30.
Araújo, M.B. and New, M., 2007. Ensemble forecasting of species distributions. Trends in Ecology & Evolution. Vol. 22, No. 1, pp: 42-47.
Bjilsma, R; Bundgaard, J. and Boerema, A., 2000. Does inbreeding affect the extinction risk of small populations? Predictions from Drosophila. Journal of Evolutionary Biology. Vol. 13, No. 3, pp: 502-514.
Brown, J.L., 2014. SDMtoolbox: a python-based GIS toolkit for landscape genetic, biogeographic, and species distribution model analyses. Methods in Ecology and Evolution. Vol. 5, No. 7, pp: 694-700.
Buisson L.; Thuiller, W.; Casajus, N.; Lek, S. and Grenouillet, G., 2010. Uncertainty in ensemble forecasting of species distribution. Global Change Biology. Vol. 16, No. 4, pp: 1145-1157.
Côté, S.D.; Rooney, T.P.; Tremblay, J.P.; Dussault, C. and Waller, D.M., 2004. Ecological impacts of deer overabundance. Annual Review of Ecology, Evolution and Systematics. Vol. 35, pp:113-147.
Coulon, A; Cosson, J.F.; Angibault, J.M; Cargnelutti, B.; Galan, M; Morellet, N.; Petit, E.; Aulagnier, S. and Hewison, A.J.M., 2004. Landscape connectivity influences gene flow in a Roe deer population inhabiting a fragmented landscape: an individualbased approach. Molecular Ecology. Vol. 13, No. 9, pp: 2841-2850.
Development Core Team. 2014. R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, Austria.
Dormann, C.F.; Purschke, O.; Márquez J.R.G; Lautenbach, S. and Schroder, B., 2008. Components of uncertainty in species distribution analysis: a case study of the great grey shrike. Ecology. Vol. 89, No. 12, pp: 3371-3386.
Elith, J.; Graham, C.H. and Anderson, R.P., 2006. Novel methods improve prediction of species’ distributions from occurrence data. Ecography. Vol. 29, No. 2, pp: 129-151.
Franklin, J., 2009. Mapping species distributions: spatial inference and prediction. Cambridge University Press, Cambridge, UK.
Guisan, A.; Zimmermann, N.E.; Elith, J.; Graham, C.H.; Phillips, H. and Peterson, A.T., 2007. What Matters for Predicting the Occurrences of Trees: Techniques, Data, or Species' characteristics? Ecological Monographs. Vol. 77, No. 4, pp: 615-630.
Heikkinen, R.K.; Luoto, M.; Kuussaari, M. and Toivonen, T., 2007. Modelling the spatial distribution of a threatened butterfly: impacts of scale and statistical technique. Landscape and Urban Planning. Vol. 79, No. 3-4, pp: 347-357.
http://biodiversityinformatics.amnh.org/open_source/maxent/(accessed 15 July 2018).
IFRWMO (Forest, Range and Watershed Management Organization of Iran). 2010. Iranian Forests, Range and Watershed Management Organization National Land use/Land cover map.
Ineichen, P., 2015. Habitat selection of roe deer (Capreolus capreolus) in a landscape of fear shaped by human recreation. Master thesis. Department of Environmental Systems Science (D-USYS), Swiss Federal Institute of Technology (ETH), Zurich.
Jiang, G.; Zhang, M. and Ma, J., 2008. Habitat use and separation between red deer Cervus elaphus xanthopygus and roe deer Capreolus pygargus bedfordi in relation to human disturbance in the Wandashan Mountains, northeastern China. Wildlife Biology. Vol. 14, No. 1, pp: 92-100.
Lovaris, S.; Serrao, G. and Mori, E., 2017. Woodland features determining home range size of roe deer, Behavioural Processes. Vol. 140, pp: 115-120.
Martin, J.; Vourc’h, G.; Bonnot, N.; Cargnelutti, B.; Chaval, Y., Lourtet, B.; Goulard, M.; Hoch, T.; Plantard, O.; Hewison, A.J.M. and Morellet, N., 2018. Temporal shifts in landscape connectivity for an ecosystem engineer, the roe deer, across a multiple-use landscape. Landscape ecology. Vol. 33, No. 6, pp: 937-954.
Mysterud, A. and Ostbye, E., 1999. Cover as a habitat element for temperate ungulates: effects on habitat selection and demography. Wildlife Society. Vol. 27, No. 2, pp: 385-394.
Pandini, W. and Cesaris, C., 1997. Home range and habitat use of roe deer (Capreolus capreolus) reared in captivity and released in the wild. Hystrix, the Italian Journal of Mammalogy. Vol. 9, pp: 1-2.
Pellerin, M.; Calenge, C.; Saïd, S.; Gaillard, J.M.; Fritz, H.; Duncan, P. and Van Laere, G., 2010. Habitat use by female western roe deer (Capreolus capreolus): influence of resource availability on habitat selection in two contrasting years. Canadian Journal of Zoology. Vol. 88, No. 11, pp: 1052-1062.
Phillips, S.J; Anderson, R.P. and Schapire, R.E., 2006. Maximum entropy modeling of species geographic distributions. Ecological Modeling. Vol. 190, No. 3-4, pp: 231-259.
Rundel, P.W; Montenegro, G. and Jaksic, F.M., 1998. Landscape disturbance and biodiversity in Mediterranean type ecosystems. Springer. New York, US. 451 p.
Sagheb Talebi, Kh., Sajedi, T. and Pourhashemi, M., 2014. Forests of Iran: A Treasure from the Past, a Hope for the Future, Springer. 152 p.
Seoane, J; Justribo, J.H.; Garcia, F.; Retamar, J.; Rabadan, C. and Atienza, J.C., 2006. Habitat-suitability modelling to assess the effects of land-use changes on Dupont’s lark Chersophilus duponti: a case study in the Layna Important Bird Area. Biological Conservation. Vol. 128, No. 2, pp: 241-252.
Titeux, N.; Dufrene, M.; Radoux, J.; Hirzel, A.H. and Defourny P., 2007. Fitness-related parameters improve presence-only distribution modelling for conservation practice: The case of the red-backed shrike. Biological Conservation. Vol. 138, No. 1-2, pp: 207-223.
Thuiller, W., 2003. BIOMOD-optimizing predictions of species distributions and projecting potential future shifts under global change. Global change biology. Vol. 9, No. 10, pp: 1353-1362.
Thuiller, W.; Lafourcade, B.; Engler, R., and Araújo, M.B., 2009. BIOMOD-a platform for ensemble forecasting of species distributions. Ecography. Vol. 32, No. 3, pp: 369-373.
Welch, D.; Staines, B.W.; Catt, D.C. and Scott, D., 1990. Habitat usage by red (Cervus elaphus) and roe (Capreolus capreolus) deer in a Scottish Sitka spruce plantation. Journal of Zoology. Vol. 221, No. 3, pp: 453-476.
Zaniewski, A.E.; Lehmann, A. and Overton, J.M., 2002. Predicting species spatial distributions using presence-only data: a case study of native New Zealand ferns. Ecological Modelling. Vol. 157, No. 2-3, pp: 261-280.