مدل سازی مطلوبیت زیستگاه پلیکان پاخاکستری (Pelecanus crispus) با استفاده از روش حداکثر آنتروپی (MAXENT) در ایران

نوع مقاله : بوم شناسی

نویسندگان

گروه محیط زیست، واحد اراک، ‌دانشگاه آزاد اسلامی، اراک، ایران

چکیده

این پژوهش به ­صورت کمی به مدل­ سازی مطلوبیت زیستگاه پلیکان پاخاکستری با استفاده از مدل MAXENT در کشور پرداخته است. این تحقیق با استفاده از نقاط حضور این پرنده در ایران و داده‌ های محیطی از پایگاه داده اقلیمی (world climate) به ­دست آمد. نتایج آزمون VIF جهت بررسی هم­ خطی بین متغیرها به­ کار گرفته شد که 7 متغیر میانگین درجه حرارت سالیانه (1 Bio)، میانگین مقادیر روزانه (2 Bio)، هم دمایی (3 Bio)، تغییرات فصلی درجه حرارت (4 Bio)، بارش سالیانه (12 Bio)، تغییرات فصلی بارش (15 Bio)، میانگین بارش در خشک‌ ترین فصل سال (17 Bio) دارای کم ­ترین میزان هم‌ خطی بوده که به ­عنوان متغیرهای اقلیمی انتخاب و مورد استفاده قرار گرفتند. شاخص AUC مدل به ­میزان 0/953 به ­دست آمد. براساس نمودار جک نایف متغیرهای میانگین مقادیر روزانه حرارت (2 Bio) و تغییرات فصلی درجه حرارت (4 Bio) به ­ترتیب بیش ­ترین درصد مشارکت و اهمیت و متغیرهای میانگین بارش در خشک‌ ترین فصل سال (14 Bio) و هم ­دمایی (3 Bio) کم ­ترین درصد مشارکت و اهمیت را در تهیه نقشه مطلوبیت زیستگاه گونه پلیکان پاخاکستری در مدل مکسنت را داشتند. در این مطالعه، نتایج مدل‌ سازی MAXENT نشان می‌ دهد تنها 77838 کیلومتر مربع (5 درصد از مساحت کل کشور) برای حضور پلیکان پاخاکستری مطلوب می‌ باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Modeling Habitability Pelecanus Crispus Using the Maximum Entropy Eethod (MaxEnt) in Iran

نویسندگان [English]

  • Mohamad Ali Pooyani
  • Bahman Shams-Esfandabad
  • Abbas Ahmadi
  • Hamid Toranjzar
Department of Environment, Arak Branch, Islamic Azad University, Arak, Iran
چکیده [English]

This study aims to quantitatively model the utility of low-lying Pelican habitats using the MAXENT model in Iran. The bird's presence points were obtained from data recorded by the EPA and the World Report on its presence. The environmental data used were also obtained from the climate database www.worldclim.org. The results of VIF test were used to examine the correlation between variables including 7 variables mean annual temperature (Bio1), mean daily values ​​(Bio2), isothermality (Bio3), seasonal temperature changes (Bio4), annual precipitation (Bio12), seasonal variations. Precipitation (Bio15), mean precipitation in the driest season of the year (Bio17) had the lowest co-linearity and were used as climate variables. The model's AUC index was 0.953. According to the Jack-Nieff graph, the mean daily temperature (Bio2) and seasonal temperature (Bio4) variables have the highest percentage of participation and importance, respectively, and the mean precipitation variables in the driest season (Bio17) and isothermal (Bio3), respectively. They were important in mapping the habitat suitability of pecans in the Maxent model. In this study, the MAXENT modeling results show that only 77838% of the total country (5%) is favorable for the presence of thick pelicans.
 

کلیدواژه‌ها [English]

  • Pelecanus crispus
  • habitability
  • Climate data
  • MAXENT
  1. انصاری، م.، 1393. مدل­ سازی مطلوبیت زیستگاه درنای معمولی (Grus grus) در تالاب میقان اراک. فصلنامه اکوبیولوژی تالاب. سال 7، شماره 42، صفحات 50 تا 57.
  2. سرباز، م.؛خانی، ع. و فراشی،آ.، 1397. پیش‌بینی احتمال حضور گونه زرده بر (Vormela peregusna) در استان خراسان رضوی با استفاده از روش MaxEnt.. مجله زیست­ شناسی جانوری تجربی. دوره 7، شماره 1، صفحات 35 تا 44.
  3. شریبی، ز.؛ خلیلی ­پور، ا. و عسگری، م.، 1397. مدل­ سازی مطلوبیت زیستگاه اردک مرمری (Marmaronetta angustirostris)   با استفاده از روش حداکثر آنتروپی. فصلنامه محیط زیست جانوری. سال 10، شماره 2، صفحات 75 تا 82.
  4. کرمی، م.؛ ریاضی، ب. و کلانی، ن.، 1385. ارزیابی زیستگاه کفتار ایرانی در پارک ملی خجیر و ارائه مدل مطلوبیت به ­روشHEP. مجله علوم محیطی. دوره 11، صفحات 77 تا 86.
  5. مشتاقی، م.؛ کابلی، م. و شمسایی، م.، 1392. تعیین شاخص مطلوبیت زیستگاه رودخانه­ ای اردک سرسبز (Anas platyrhynchos) در رودخانه زاینده ­رود. نشریه اکوبیولوژی تالاب. دوره 5، شماره 18، صفحات 13 تا 21.
  6. منوچهری، و.،1390. مکان ­یابی و تعیین مطلوبیت زیستگاه گوزن زرد ایرانی با استفاده از روش HEP در منطقه حفاظت ­شده قلاجه استان کرمانشاه به ­منظور رهاسازی آن. پایان ­نامه کارشناسی­ ارشد، واحد علوم وتحقیقات اهواز.
  7. Ashrafzadeh, M.R.; Naghipour, A.A.; Haidarian, M. and Khorozyan, I., 2019. Modeling the response of an endangered flagship predator to climate change in Iran. Mammal Research. Vol. 64, No. 1, pp: 39-51.
  8. Bombi, P.; Salvi, D.; Vignoli, L. and Bologna, M.A., 2009. Modelling Bedriaga's rock lizard distribution in Sardinia: an ensemble approach. Amphibia,Reptilia. Vol. 30, No. 3, 413 p.
  9. Dong, Z.; Wang, Z.; Liu, D.; Li, L.; Ren, C.; Tang, X.; Jia, M. and Liu, C., 2013. Assessment of habitat suitability for waterbirds in the West Songnen Plain, China, using remote sensing and GIS. Ecological engineering. Vol. 55, pp: 94-100.
  10. Elith, J.; Phillips, S.J.; Hastie, T.; Dudík, M.; Chee, Y.E. and Yates, C.J., 2011. A statistical explanation of MaxEnt for ecologists. Diversity and distributions. Vol. 17, pp: 43-57.
  11. Fielding, A.H. and Haworth, P.F., 1995. Testing the generality of bird‐habitat models. Conservation biology. Vol. 9, No. 6, pp: 1466-1481.
  12. Franklin, J., 2010. Mapping species distributions: spatial inference and prediction. Cambridge University Press.
  13. Guisan, A.; Thuiller, W. and Zimmermann, N.E., 2017. Habitat Suitability and Distribution Models: With Applications in R. Cambridge University Press.
  14. Guisan, A.; Tingley, R.; Baumgartner, J.B.; Naujokaitis Lewis, I.; Sutcliffe, P.R.; Tulloch, A.I.; Regan, T.J.; Brotons, L.; McDonald‐Madden, E. and Mantyka Pringle, C., 2013. Predicting species distributions for conservation decisions. Ecology Letters. Vol. 16, pp: 1424-1435.
  15. Hirzel, A.H.; Helfer, V. and Metral, F., 2001. Assessing habitat-suitability models with a virtual species. Ecological modelling. Vol. 145, No. 2-3, pp: 111-121.
  16. Hua, Y.; Cui, B. and He, W., 2012. Changes in water birds habitat suitability following wetland restoration in the Yellow River Delta, China. Clean Soil, Air, Water. Vol. 40, No. 10, pp: 1076-1084.
  17. Mack, E.L.; Firbank, L.G.; Bellamy, P.E.; Hinsley, S.A. and Veitch, N., 1997. The comparison of remotely sensed and ground-based habitat area data using species-area models. J of Applied Ecology. Vol. 34, No. 5, pp: 1222-1228.
  18. Pearson, R.G.; Raxworthy, C.J.; Nakamura, M. and Townsend,P.A., 2007. Predicting species distributions from small numbers of occurrence records: a test case using cryptic geckos in Madagascar. J of biogeography. Vol. 34, pp: 102-117.
  19. Phillips, S.J.; Anderson, R.P. and Schapire, R.E., 2006. Maximum entropy modeling of species geographic distributions. Ecological modelling. Vol. 190, pp: 231-259.
  20. Qin, A.; Liu, B.; Guo, Q.; Bussmann, R.W.; Ma, F.; Jian, Z. and Pei, S., 2017. Maxent modeling for predicting impacts of climate change on the potential distribution of Thuja sutchuenensis Franch., an extremely endangered conifer from southwestern China. Global Ecology & Conservation. Vol. 10, pp: 139-146.
  21. Remya, K.; Ramachandran, A. and Jayakumar, S., 2015. Predicting the current and future suitable habitat distribution of Myristica dactyloides Gaertn. Using MaxEnt model in the Eastern Ghats, India. Ecologi engineer. Vol. 82, pp: 184-188.
  22. Sebastián‐González, E. and Green, A.J., 2014. Habitat use by waterbirds in relation to pond size, water depth, and isolation: lessons from a restoration in southern Spain. Restoration Ecology. Vol. 22, No. 3, pp: 311-318.
  23. Tian, B.; Zhou, Y.; Zhang, L. and Yuan, L., 2008. Analyzing the habitat suitability for migratory birds at the Chongming Dongtan Nature Reserve in Shanghai, China. Estuarine, Coastal and Shelf Science. Vol. 80, pp: 296-302.
  24. Wang, Z.; Song, K.; Zhang, B.; Liu, D.; Ren, C.; Luo, L.; Yang, T.; Huang, N.; Hu, L.; Yang, H. and Liu, Z., 2009. Shrinkage and fragmentation of grasslands in the West Songnen Plain, China. Agriculture, ecosystems and environment. Vol. 129, No. 1-3, pp: 315-324.
  25. Waltert, M.; Chuwa, M. and Kiffner, C., 2009. An assessment of the puku (Kobus vardonii Livingstone 1857) population at Lake Rukwa, Tanzania. African journal of ecology. Vol. 47, No. 4, pp: 688-692.
  26. Weber, T.C., 2016. Maximum entropy modeling of mature hardwood forest distribution in four US states. Forest Ecology and Management. Vol. 261, No. 3, pp: 779-788.
  27. Wilson, C.D.; Roberts, D. and Reid, N., 2011. Applying species distribution modelling to identify areas of high conservation value for endangered species: A case study using Margaritifera margaritifera (L.). Biological Conservation. Vol. 144, No. 2, pp: 821-829.
  28. Yang, X.Q.; Kushwaha, S.P.S.; Saran, S.; Xu, J. and Roy, P.S., 2013. Maxent modeling for predicting the potential distribution of medicinal plant, Justicia adhatoda L. in Lesser Himalayan foothills. Ecological Engineer. Vol. 51, pp: 83-87.
  29. Yi, Y.; Cheng, X.; Yang, Z. and Zhang, Sh., 2016. Maxent modeling for predicting the potential distribution of endangered medicinal plant in Yunnan, China. Echography. Vol. 92, pp: 260-269.
  30. Young, N., 2011. A MaxEnt Model v3.3.3e Tutorial (ArcGIS v10).
  31. Young, N.; Carter, L. and Evangelista, P., 2013. A MaxEnt Model v3.3.3e Tutorial (ArcGIS v10).