ارزیابی زیستگاه کفتار راه راه (Hyaena hyaena) با استفاده از روش تجمیع در دامنه کوه شاهو استان کرمانشاه

نوع مقاله : مقاله پژوهشی

نویسندگان

1 اداره کل حفاظت محیط زیست شهرستان کرمانشاه، کرمانشاه، ایران

2 گروه محیط‌زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، ایران

3 گروه محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ملایر، ایران

چکیده

کفتار راه راه (Hyaena hyaena) در مقیاس جهانی گونه­ ای در معرض خطر است و در محدوده جمعیت خود با خطر انقراض ­های محلی رو به رو است از این رو بررسی و ارزیابی زیستگاه آن برای مناطق تحت پوشش امری ضروری به نظر می ­رسد. این مطالعه به منظور بررسی وضعیت توزیع این گونه در دامنه کوه شاهو واقع در استان کرمانشاه انجام گرفته است. در این مطالعه پس از جمع آوری نقاط حضور گونه، متغیرهای زیستگاهی شامل جهت شیب، ارتفاع، فاصله از مراتع، فاصله از زمین­ های کشاورزی، فاصله از جاده اصلی، تراکم مناطق مسکونی، اکوتون، درصد شیب و میدان دید شناسایی و در تحلیل وارد شدند. در این راستا ابتدا با استفاده از مدل­ های تنها حضور ماشین بردار پشتیبان تک کلاسه زیستگاه گونه مدل سازی گردید. با تایید اعتبار خروجی مدل به وسیله معیار AUC از خروجی باینری مدل برای تهیه نقاط شبه عدم حضور به تعداد 10 برابر نقاط حضور با فاصله تقریبی 5 کیلومتر استفاده شد. سپس از مدل­ های آنتروپی بیشینه (MaxEnt)، مدل شبکه عصبی با پسخور (BP-ANN) و ماشین بردار پشتیبان دو کلاسه (SVM) برای مدل سازی استفاده شد که اعتبار هرکدام به ترتیب 0/97، 0/97 و 89/0 محاسبه گردید. سپس تمام مدل­ ها با توجه به وزن دریافتی از اعتبار سنجی مدل (AUC) در یک سناریو تجمیع استفاده شدند. حساسیت­ ­سنجی مدل با استفاده از روش جنگل تصادفی انجام گرفت. نتایج نشان داد که متغیرهای میدان دید، فاصله از جاده و فاصله از مراتع مهم ­ترین متغیرهای زیستگاهی موثر روی زیستگاه کفتار راه راه در منطقه هستند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Evaluation of the habitat of striped hyaena (Hyaena hyaena) using aggregation method in the Shaho mountain Domain of Kermanshah province

نویسندگان [English]

  • Mohammad Hossein Falahati 1
  • Saman Falahati 2
  • Peyman Karami 3
1 General Department of Environmental Protection of Kermanshah, Kermanshah, Iran
2 Department of Environment, Faculty of Natural Resources and Environment, Malayer University, Malayer, Iran
3 Department of Environment, Faculty of Natural Resources and Environment, Malayer University, Malayer, Iran
چکیده [English]

The striped hyena (Hyaena hyaena) is a global scale endangered species and has a high risk of local extinction in its population, therefore, investigation and evaluation of its habitat for covered areas seems necessary. This study was done to investigate the distribution status of this species in the Shaho Mountain domain in Kermanshah province. In this study, after collecting species presence points, habitat variables including slope direction, elevation, distance from rangelands, distance from agricultural land, distance from main road, residential density, ecotone, slope percentage and viewshed was identified and used in the analysis. In this regard, firstly, using single-class support vector machine models the habitat of the species was modeled. By confirming the validity of the model output through AUC criteria was used from the binary output of the model in order to provide quasi-absence sites 10 times the presense points within almost 5 km distance. Then maximum entropy models (MaxEnt), Back-Propagation (BP) Neural Network model (BP-ANN), and two-class support vector machine (SVM) were then used for modeling. The validity of which were calculated as 0.97, 0.97, 0.89 respectively. Then, all models were used in an aggregation scenario according to the weight obtained from model validation (AUC). Model sensitization was performed using random forest method. The results showed that the variables; viewshed, road distance and distance from the fields were the most important habitat variables affecting the striped hyena habitat in the region.

کلیدواژه‌ها [English]

  • Striped hyena (Hyaena hyaena)
  • Distribution
  • Ensemble method
  • Shaho
  • Kermanshah

مراجع

  1. ابراهیمی، ا.؛ احمدزاده، ف. و نعیمی، ب.، 1396. پیش ­بینی پتانسیل توزیع گونه­ ای کفتار راه راه (Hyaena hyaena) در پاسخ به تغییرات اقلیمی در ایران. فصلنامه علوم محیطی. دوره 15، شماره 4، صفحات 215 تا 232.
  2. ایلدرمی, ع.؛ میرسنجری، م.؛ براتی، ا. و علیزاده شعبانی، ا.، ۱۳۹۰. بررسی مقدماتی پراکندگی کفتار راه راه در منطقه حفاظت شده لشگردر استان همدان. همایش ملی علوم محیط­ زیست و توسعه پایدار. دانشگاه ملایر.
  3. ایمانی ­بوژانی، ف.؛ نادری، م.؛ ایمانی ­هرسینی، ج. و شمس اسفندآباد، ب.، 1397. مدل­ سازی توزیع کل و بز وحشی (1777Capra aegagrus Erxleben) در منطقه حفاظت ­شده و پناهگاه حیات ­وحش بیستون کرمانشاه با مدل­ های مبتنی بر داده ­های حضور. فصلنامه محیط زیست جانوری. دوره 10، شماره 3، صفحات 17 تا 28.
  4. جهانی، ع.، 1395. مدل ­سازی آشفتگی انبوهی جنگل در ارزیابی محیطی با استفاده از شبکه عصبی مصنوعی. فصلنامه تحقیقات جنگل و صنوبر ایران. جلد 24، شماره 2، صفحات310 تا 322.
  5. خاکی ­صحنه، س.؛ علیزاده ­شعبانی، ا.؛ کابلی، م.، نوری، ز. و یاری، ع.، 1395. مدل­ سازی نیازمندی­ های زیستگاهی کفتار راه راه (Hyaena hyaena) در منطقه حفاظت شده لشگردر استان همدان. فصلنامه پژوهش­ های محیط ­زیست. دوره 7، شماره 13، صفحات 11 تا 20.
  6. رضائی، س.؛ نادری، س. و کرمی، پ.، 1397. بررسی وضعیت بوم شناختی نواحی لانه­ گزینی کفتار راه راه ایرانی (Hyaena hyaena) در منطقه حفاظت شده هفتاد قله اراک با استفاده از روش آنتروپی بیشینه. فصلنامه محیط زیست طبیعی. دوره 70، شماره 2، صفحات 352 تا 362.
  7. سعیدی، س. و ماهینی، ع.، 1393. مدل­ سازی ارزش های زیبایی شناختی سرزمین با استفاده از شبکه عصبی مصنوعی (مطالعه موردی حوضه آبخیز زیارت، گرگان، گلستان.). ویژه نامه پژوهش ­های محیط زیست. شماره 1، دوره 1، صفحات 3 تا 10.
  8. شبانی، ا.؛ حبیب ­زاده، ن. و حسینی ­قمی، م.، 1396. تعیین اولویت کریدورهای حیات وحش بین مناطق حفاظت شده استان آذربایجان ­شرقی. فصلنامه جغرافیا و پایداری محیط. سال7، شماره 22، صفحات 67 تا 82.
  9. ضیایی، ه.،1390. راهنمای صحرایی پستانداران ایران. چاپ دوم. کانون آشنایی با حیات‌ وحش تهران. 405 صفحه.
  10. علوی، ج.؛ نوری، ز. و زاهدی ­امیری، ق.، 1395. تعیین موثرترین عوامل محیطی بر توان رویشگاه راش شرقی با استفاده از تکنیک جنگل تصادفی در جنگل خیرود نوشهر. فصلنامه جنگل ایران. سال 8، شماره 4، صفحات 477 تا 492.
  11. کرمی، م.؛ ریاضی، ب. و کلانی، ن.، 1385. ارزیابی زیستگاه کفتار راه راه ایرانی (Hyaena hyaena hyaena) در پارک ملی خجیر و ارایه مدل مطلوبیت به کمک روشHEP ‎. علوم محیطی. دوره 3، شماره 11، صفحات 77 تا 86.
  12. کرمی، م.؛ کلانی، ن. و ریاضی، ب.، 1387. بررسی پراکنش فصلی کفتار راه راه ایرانی (Hyaena hyaena hyaena) پارک ملی خجیر. علوم و تکنولوژی محیط زیست. دوره 10، شماره 2، صفحات 99 تا 104.
  13. کرمی، پ.؛ شایسته، ک.؛ کرمی، ا. و حسینی، س.م.، 1397. شناسایی دالان­ های زیستگاهی گوسفند وحشی ارمنی در بستر سیمای سرزمین مبتنی بر تئوری مدار الکتریکی (مطالعه موردی: مناطق لشگردر و گلپرآباد). فصلنامه پژوهش ­های جانوری. جلد 31، شماره 3، صفحات 295 تا 306.
  14. کفاش، ا.؛ کابلی، م. و کهلر، گ.، 1394. بررسی مقایسه ­ای اثر تغییر اقلیم بر خزندگان مناطق بیابانی و کوهستانی ایران؛ مطالعه موردی (سوسمار دم ­تیغی بین­ النهرین Saara loricataو آگامای قفقازی Paralaudakia caucasia). فصلنامه محیط زیست جانوری. سال 7، شماره 3، صفحات 103 تا 108.
  15. معاونت استانداری کرمانشاه. 1395. واحد GIS، نقشه کاربری/ پوشش اراضی استان کرمانشاه.
  16. Adhikari, D.; Gurung, A.; Sigdel, P.; Poudel, S.; Regmi, P.R. and Basnet, S., 2018. Striped Hyaena: The recent record of road kill of Hyaena hyaena in Central Terai of Nepal. Zoo's Print. Vol. 33,No. 10, pp: 23-26.
  17. Akay, A.E.; Inac, S. and Yildirim, I.C., 2011. Monitoring the local distribution of stripe hyenas (Hyaena hyaena) in the Eastern Mediterranean Region of Turkey (Hatay) by using GIS and remote sensing technologies. Environmental Monitoring and Assessment. Vol. 181, pp: 445-455.
  18. Alam, M.S.; Khan, J.A.; Kushwaha, S.P.; Agrawal, R.; Pathak, B.J. and Kumar, S., 2014. Assessment of suitable habitat of near threatened striped hyena (Hyaena hyaena Linnaeus, 1758) using Remote Sensing and Geographic Information System. Asian Journal of Geoinformatics. Vol. 14,No. 2.
  19. Alam, M.S.; Khan, J.A. and Pathak, B.J., 2015. Striped hyena (Hyaena hyaena) status and factors affecting its distribution in the Gir National Park and Sanctuary, India. Folia Zoologica. Vol. 64,No. 1, pp: 445-455.
  20. Atay, E.; Kasapoğlu, A. and Çetin, İ.T., 2017. Status of Striped Hyaena (Hyaena hyaena) in Hatay and Şanlıurfa Turkey.
  21. Birks, H.J.B., 2012. Overview of numerical methods in palaeolimnology. In: Tracking environmental change using lake sediments, Springer Netherlands. pp: 19-92.
  22. Chefaoui, R.M. and Lobo, J.M., 2008. Assessing the Effects of Pseudo-Absences on Predictive Distribution Model Performance. Ecol Modell. Vol. 210,No. 4, pp: 478-486.
  23. Chen, Y.; Shen, L.; Li, R.; Xu, X.; Hong, H.; Lin, H. and Chen, J., 2020. Quantification of interfacial energies associated with membrane fouling in a membrane bioreactor by using BP and GRNN artificial neural networks. Journal of Colloid and Interface Science.
  24. Cristianini, N. and Scholkopf, B., 2002. Support vector machines and kernel methods the new generation of learning machines. Ai Mag. Vol. 23, pp: 31-41.
  25. Elith, J.H.; Graham, C.P.; Anderson, R.; Dudík, M.; Ferrier, S.; Guisan, A. and Li, J., 2006. Novel methods improve prediction of species’ distributions from occurrence data. Ecography. Vol. 29,No. 2, pp: 129-151.
  26. Falcucci, A.; Maiorano, L. and Boitani, L., 2007.Changes in land-use/land-cover patterns in Italy and their implications for biodiversity conservation. Landscape ecology. Vol. 22,No. 4, pp: 617-631.
  27. Garcia, K.; Lasco, R.; Ines, A.; Lyon, B. and Pulhin, F., 2013. Predicting geographic distribution and habitat suitability due to climate change of selected threatened forest tree species in the Philippines. Applied Geography. Vol. 44, pp: 12-22.
  28. Ghritlahre, H.K. and Prasad, R.K., 2018. Application of ANN technique to predict the performance of solar collector systems-A review. Renewable and Sustainable Energy Reviews. Vol. 84,pp: 75-88.
  29. Guo, Q.; Kelly, M. and Graham, C.H., 2005. Support vector machines for predicting distribution of Sudden Oak Death in California. Ecological modelling. Vol. 182,No. 1, pp: 75-90.
  30. Hoffman, J.D.; Narumalani, S.; Mishra, D.R; Merani, P. and Wilson, R.G., 2008. Predicting potential occurrence and spread of invasive plant species along the North Platte River, Nebraska. Invasive Plant Science and Management. Vol. 1,No. 4, pp: 359-367.
  31. Graham, C.H.; Elith, J.; Hijmans, R.J.; Guisan, A.; Townsend Peterson, A.; Loiselle, B.A. and NCEAS Predicting Species Distributions Working Group. 2008. The influence of spatial errors in species occurrence data used in distribution models. Journal of Applied Ecology. Vol. 45,No. 1, pp: 239-247.
  32. Jahani, A.; Goshtasb, H. and Saffariha, M., 2020. Tourism impact assessment modeling in vegetation density of protected areas using data mining techniques. Land Degradation & Development.
  33. Janitza, S.; Strobl, C. and Boulesteix, A.L., 2013. An AUC-based permutation variable importance measure for random forests. BMC bioinformatics. Vol. 14,No. 1, pp: 119.
  34. Kalantary, S.; Jahani, A.; Pourbabaki, R. and Beigzadeh, Z., 2019. Application of ANN modeling techniques in the prediction of the diameter of PCL/gelatin nanofibers in environmental and medical studies. RSC advances. Vol. 9,No. 43, pp: 24858-24874.
  35. Kogo, B.K.; Kumar, L.; Koech, R. and Kariyawasam, C.S., 2019. Modelling climate suitability for rainfed Maize cultivation in Kenya using a Maximum Entropy (MaxENT) approach. Agronomy. Vol. 9,No. 11, pp: 727.
  36. Leakey, L.N.; Milledge, S.A.H.; Leakey, S.M.; Edung, J.; Haynes, P.; Kiptoo, D.K. and McGeorge, A., 1999. Diet of striped hyaena in northern Kenya. African Journal of Ecology. Vol. 37,pp: 314-326.
  37. Lukarevsky, V.S., 2001. The leopard, striped hyaena and wolf in Turkmenistan. Signar, Moscow.
  38. Maurya, V.; Singh, J.P.; Naseem, K.; Mehra, S.; Dhakate, P.M.; Verma, N. and Ansari, A.G., 2018. Photographic evidence of Striped Hyena Hyaena hyaena (Mammalia: Carnivora: Hyaenidae) in Ramnagar forest division, Uttarakhand, India. Journal of Threatened Taxa. Vol. 10,No. 15, pp: 13017-13019.
  39. Mills, M.G.L. and Hofer, H., 1998. Hyaenas: Status Survey and Action Plan. IUCN/SSC Hyaena Specialist Group. IUCN, Gland andCambridge. pp: 39-79.
  40. Morrison, M.; Marcot, L. and Mannan, R., .2012. Wildlife-habitat relationships Concepts and applications. University of Wisconsin Press Ltd. Madison. Wisconsin, USA. 130 p.
  41. Phillips, S.J.; Anderson, R.P. and Schapire, R.E., 2006. Maximum entropy modeling of specie geographic distributions. Ecological Modelling. Vol. 190, pp: 231-259.
  42. Qarqaz, M.A.; Abu Baker, M.A. and Amr, Z.S., 2004. Status and ecology of the Stripe Hyaena, Hyaena hyaena, in Jordan. Zoology in the Middle East. Vol. 33,No. 1, pp: 87-92.
  43. Rosenberg, B.; Reichman, A. and Shamoon, H., 2016. Striped hyena (Hayena hyaena) movement patterns near Haifa city, Mt. Carmel, Israel [In Hebrew]. Jerusalem: Israel’s Nature and Parks Authority.
  44. Schölkopf, B.; Platt, J.C.; Shawe-Taylor, J.; Smola, A.J. and Williamson, R.C., 2001. Estimating the support of a high-dimensional distribution. Neural computation. Vol. 13,No. 7, pp: 1443-1471.
  45. Senay, S.D.; Worner, S.P. and Ikeda, T., 2013. Novel three-step pseudo-absence selection technique for improved species distribution modelling. PLoS One. Vol. 8,No. 8.
  46. Shamoon, H. and Shapira, I., 2019. Limiting factors of Striped Hyaena, Hyaena hyaena, distribution and densities across climatic and geographical gradients (Mammalia: Carnivora). Zoology in the Middle East. pp: 1-12.
  47. Singh, P.;Gopalaswamy, A.M. and Karanth, K.U., 2010. Factors influencing densities of striped hyenas (Hyaena hyaena) in arid regions of India. Journal of Mammalogy. Vol. 91,No. 5, pp: 1152-1159.
  48. Tourani, M.; Moqanaki, E.M. and Kiabi, B.H., 2012. Vulnerability of Striped Hyaenas, Hyaena hyaena, in a human-dominated landscape of Central Iran. Zoology in the Middle East. Vol. 56,No. 1, pp: 133-136.
  49. Vapnik, V., 1995. The Nature of Statistical Learning Theory. Springer-Verlag, New York.
  50. Wagner, A.P., 2006. Behavioral ecology of the striped hyena (Hyaena hyaena) (Doctoral dissertation, Montana State University-Bozeman, College of Letters & Science).
  51. Zhao, Z.; Lou, Y.; Chen, Y.; Lin, H.; Li, R. and Yu, G., 2019. Prediction of interfacial interactions related with membrane fouling in a membrane bioreactor based on radial basis function artificial neural network (ANN). Bioresource technology. Vol. 282, pp: 262-268.
فصلنامه محیط زیست جانوری
دوره 13، شماره 1
اردیبهشت 1400
صفحه 1-10

فایل ها

هم رسانی

ارجاع به این مقاله

آمار