۵۵
مقدمه
1268732170556

Downloaded from ijae.iut.ac.ir at 16:29 IRST on Saturday October 28th 2017

Downloaded from ijae.iut.ac.ir at 16:29 IRST on Saturday October 28th 2017

مدلهای پیشبینی کننـده توزیـع گونـههـا (SDMs) بـا تعیـینفاکتورهای موثر بر حضور و مطلوبیت زیستگاه گونه، ابزار مهمی در تصمیمگیریهای حفاظتی تنوع زیستی به شمار میروند. ایـنمدلها ارتباط اکولوژی، زیست جغرافیا و حفاظـت گونـههـا را فراهم میکننـد (4 و 15). تـا کنـون مـدلهـای متنـوعی بـرای پیشبینی پراکنش گونهها معرفی شده است کـه تفـاوت آنهـا رامیتوان در الگوریتمهای آماری استفاده شده، نوع دادههای وارد شده به مدل و فرضیات بهکار گرفته شده در هر مدل بیان کـرد .
روش مدلسـازی زیسـت- اقلیمـی (8)، BRT ،(9) DOMAIN(10) آشیان بومشناختی (14) بیشینه آنتروپی (19) مهمتـرین روش هـایمدلسازی پراکنش گونهها بشمار میروند. متغیرهای زیست اقلیمی یکی از مهمترین متغیرهای محیطی بوده کـه در اکثـر مطالعـاتمدلسازی پراکنش گونـه هـا اسـتفاده مـیشـوند (13، 15 و24).
تغییرات اقلیمی با ایجـاد محـدودیتهـای فیزیولـوژیکی نقـشمهمی در پراکنش گونههای گیاهی و جانوری دارد (5). ارتبـاطبین اقلیم و توزیع گونهها در یک سیمای سرزمین به سازگاریهـای محلی گونهها، موانع انتشار و میزان دسترسی گونه به زیسـتگاه ، بستگی دارد. متغیرهای زیست اقلیمـی از مقـادیر دمـا و بـارش ماهیانه استخراج میشوند و معنی داری زیستی بیشتری، نسـبت به متغیرهای اقلیمی دارند. این متغیرها شامل رونـدهای سـالانه، رژیم و حدود آستانه یا فاکتورهای محدودکننـده محـیط زیسـتی میباشـند (6). در بیشـتر مطالعـاتی کـه تـا کنـون در رابطـه بـا مدلسازی زیستگاه گونهها استفاده شدهاست از 19 متغیر زیست اقلیمی وبگاه اقلیم جهـانی (Worldclim) اسـتفاده شـده اسـت
(13، 15 و 24).
بخش زیادی از مساحت کشور را سه اسـتان یـزد، اصـفهان وکرمان بهخود اختصاص دادهاند که جزء مناطق با اقلـیم خشـک ونیمهخشک طبقهبندی مـی شـوند و زیسـتگاههـای بیابـانی بخـشوسیعی از این مناطق را پوشانده است. با وجـود محـدودیتهـایمحیطی زیاد، تنوع گونههای گیاهی و جانوری این بخـش از کشـوربالا بوده و گونههای کلیـ دی بسـیاری از جملـه یوزپلنـگ آسـیای
۵۶
(Gazella subgutturosa) آهویـــایرانی،(Acinonyx jubatus)
،جبیــر(Gazell bennetti)، هــوبره (Chlamydotis undulata)، کاراکال (Caracal caracal) و گـور ایرانـی (Equus onager) در این بخش از کشور زیست میکنند. متاسفانه در سالهای اخیـربهدلیل افزایش دخالتهای انسـانی، جمعیـت بسـیاری از ایـنگونهها بهشدت کاهش یافتهاست. این موضوع اهمیت مطالعات علمی در خصوص عوامل موثر بر توزیع گونههای این بخش از کشور را دوچندان میکنـد . عوامـل اقلیمـی بـه خصـوص دمـا وبارندگی عامل محدود کننـده پـراکنش گونـههـای جـانوری وگیاهی زیستبومهای این مناطق معرفی میشوند. لذا استفاده از فاکتورهای اقلیمی در مدلسازی پراکنش گونههای جـانوری درزیستبومهای بیابانی مرکز کشور از اهمیت بهسزایی برخوردار است. از آنجا کـه در کشـور مـا تـا کنـون در رابطـه بـا نحـوهاستخراج و درونیابی دادههای زیست اقلیمی بهمنظـور کـاربرداین متغیرها در مدلهای پیشبینیکننده توزیع گونهها، مطالعات چندانی صورت نگرفتهاست، بههمینمنظور این مطالعه با هدف تعیین بهترین روش درونیابی دادههای زیستاقلیمـی در مرکـزکشور بهمنظور کاربرد این دادهها در مدلسازی پـراکنش گونـه-های این مناطق اجرا شد. برای ساخت لایههای زیستاقلیمـی از دادههـای هواشناسـی 26 ایسـتگاه سـینوپتیک مرکـز کشـور (اصفهان، یـزد و کرمـان ) در طـی سـال هـای 1950 تـا 2010 استفاده شد.
در یک تقسیمبندی کلی میتوان روشهای درونیابی را به
3 دسته روشهای تصادفی، قطعی و دیگر روشها تقسیم بندی کرد (22). انتخاب روش مناسب جهت تهیه نقشههای پیوسته از متغیرهای زیست اقلیمی از مسائل اساسی در تهیه این نقشـه هـا بهشمار میرود که بستگی به ماهیت دادههـا، مقیـاس مکـانی وزمانی دادههـا و تعـداد نقـاط معلـوم دارد. ارزیـابی روش هـایدرونیابی از سه طریق تکه تکه کردن دادهها (Data splitting)، ارزیابی متقابل (Cross validation) و محاسبه واریانس کریجینگ (Kriging variance) امکانپذیر است. نادی و همکاران (3) در مطالعهای در استان خوزستان به مقایسـه روش هـای درونیـابی دادههای اقلیمی پرداختنـد و بهتـرین روش را روش رگرسـیونکریجینگ معرفی کردند. فـاطمی و یـزدانپنـاه (2) بـه ارزیـابیروشهای مختلف میانیابی بهمنظـور بـرآورد دادههـای بـارشاصــفهان پرداختنــد و روش رگرســیون بــارش، ارتفــاع، طــولجغرافیایی را بهترین روش معرفی کردند. اسـمیت و همکـاران(23) روش IDW را برای مناطقی که تعداد دادههای معلوم زیاد نباشد را روش مناسبی برای درونیابی معرفی کردند.

مواد و رو شها
منطقه موردمطالعه، دادههای اقلیمـی و اسـتخراج متغیرهـایزیست اقلیمی

شکل ۱. پراکندگی ایستگاههای سینوپتیک بر روی نقشه رقومی ارتفاع در محدوده مورد مطالعه
منطقه موردمطالعه شامل سه استان مرکزی کشور (یزد، کرمـان، اصفهان) میباشد. محدوده ارتفاعی بین 100 تا 4473 متر متغیر است. به دلیل دقـت و کیفیـت آمـار هواشناسـی ایسـتگاههـایسینوپتبک، در این پژوهش از دادههای ماهانه دمـا و بـارش 26 ایستگاه سینوپتیک در محدوده موردمطالعـه در طـی سـال هـای 1950 تا 2010 استفاده شد. در شکل 1 محدوده مورد مطالعه و موقعیت ایستگاههای سینوپتیک بر روی نقشه توپوگرافی منطقـه نشان داده شدهاست. تغییرات ارتفاعی ایستگاههای موردنظر بین 470 تا 2290 متغیر است که نشان میدهد در برخـی از منـاطق موردمطالعه ایستگاه هواشناسی وجود ندارد. بهمنظور اسـتخراج دادههای زیسـت اقلیمـی، ابتـدا دادههـای ماهانـه دمـا و بـارش بهصورت دادههای نرمال اقلیمی تعریف شـد . سـپس 20 متغیـر زیست اقلیمی از دادههای ماهانه دما و بارش استخراج شد (17، جدول 1). در شاخصهای زیسـت اقلیمـی فصـلی، فصـل بـه صورت بازههای زمانی سه ماهه تعریف شد. لذا این شاخصها برای تمامی ترکیبهای متوالی سه ماهه محاسبه و بعد از آن بسته به نوع شاخص مورد نظر حداقل یا حداکثر شاخص انتخاب شد.
1268732170556

Downloaded from ijae.iut.ac.ir at 16:29 IRST on Saturday October 28th 2017

Downloaded from ijae.iut.ac.ir at 16:29 IRST on Saturday October 28th 2017

جهت تعیین شاخصهای فصلی برای ماههای آخر سال (بهمـن و اسفند)، تعریف دوره سه ماهه با استفاده از ماههای اول سـال انجام گرفت. برای محاسبه متوسـط سـالانه دامنـه روزانـه دمـا (2Bio) از نوسانات دمایی ثبت شده در یک ماه استفاده شد. در این رویکرد استفاده از متوسطهای ماهانه از نظر ریاضـی برابـربا محاسبه دامنه دمـا بـرای هـر روز از مـاه اسـت (17). متغیـرزیسـتاقلیمـی رژیـم دمـا (10Bio و11Bio)، بـه دو صـورت ضریب تغییرات و انحرافمعیار تعریف شد. در محاسـبه رژیـمبارش بر اساس ضریب تغییرات، بهمنظـور جلـوگیری از اعـدادمنفی و یا صفر در مخرج معادله، دادههای دمایی بهصورت درجه کلوین وارد معادله شد.
۵۷

تجزیه و تحلیل دادهها
بررسی توزیع، همبستگی و رگرسیون متغیرها قبل از انتخاب روش مناسب بـرای درونیـابی دادههـای دمـا و بارش سـالانه، بـه بررسـی و تجزیـه وتحلیـل توصـیفی دادههـا پرداخته شد، بدین منظور ابتدا شاخصههای آمار توصیفی برای هر دو متغیر دمای سالانه و بارش محاسبه شد. نرمال بودن دادهها با استفاده از آزمون کولموگروف- اسمیرنوف یک نمونهای و ترسیم
۵۸
جدول ۱. نحوه محاسبه ۲۰ متغیر زیست اقلیمی از دادههای ماهانه دما و بارش
493903-372596

0472079

Downloaded from ijae.iut.ac.ir at 16:29 IRST on Saturday October 28th 2017

Downloaded from ijae.iut.ac.ir at 16:29 IRST on Saturday October 28th 2017

5507991161563

دمای متوسط سالانه بارش سالانه
متوسط سالانه دامنه روزانه بارش مرطوبترین
حداقل دمای سردترین ماه رژیم بارش
محاسبه محاسبه
i =3
i= ماه؛ Tmax= میانگین ماهانه حداکثر دمای روزانه؛ Tmin= میانگین ماهانه حداقل دمای روزانه؛ PPT= بارش کل ماهانه؛ Tavgi- میانگین دمای ماهانه
نمودار q-q بررسی شـد . بـه منظـور محاسـبه معادلـه رگرسـیون بارندگی با ارتفاع و همچنین دمای سالانه با ارتفاع ابتدا ضریب همبستگی محاسبه شد و سپس معادله رگرسیونی ترسیم شد.

بررسی نیم تغییرنما، روند و همبستگی مکانی متغیرها ارتباط بین گشتاور اینرسی، نمودار پراکندگی دادهها و فاصله بین جفت نقاط (h) موسوم به نیمتغییرنما (Semivariogram) است که یکی از مهمترین روشهای تحلیل و بررسی همبستگی مکانی دادههای اقلیمی بهشمار میرود. معادله 1 رابطه نیم تغییرنما را نشان میدهد. در این معاله γ(h) مقدار نیم تغییرنما برای جفت نقاطی است که به فاصله h از هم قرار دارند. n(h) تعداد زوج نقاطی است که به فاصله h از هم قرار دارند.Z (xi) مقدار مشاهده شده متغیر x در موقعیت i وz
(xi+h) مقدار مشاهدهای متغیر در h از xi است
γ(h) =2 1 ∑in [z(xi) z(xi h− + )]2 n(h) =1 [1]
بهمنظور محاسبه میزان وزن اختصاص داده شده به هر ایسـتگاه در روش کریجینگ و همچنین همبستگی مکانی و روند متغیرها، نیم تغییرنما بر اساس سه مدل کروی، گوسی و نمـایی ترسـیمشد. از آنجا که شبکه ایستگاههـا بـهصـورت نـامنظم در سـطحمنطقه مورد مطالعه پراکنده شده بود، لذا انتخاب گـام (Lap) در نـرم افـزارGIS بـر اسـاس متوسـط فاصـله بـین نقـاط و نـیمتغییرنمای بدون جهت صورت گرفت.
وجود یا عدم وجود روند در دادهها با استفاده از ترسیم نیم تغییرنما بررسی شد. بهمنظور انتخاب مناسبترین مدل برازش داده شده به نیم تغییرنمای تجربی از اعتبارسنجی متقاطع استفاده شد. بدین منظور، مدلهای مختلف با پارامترهای متفاوت انتخاب و هر یک از مدلها که پس از اجرای روش کریجینگ دارای خطای برآورد کمتری بود بهعنوان مدل بهینه نیم تغییرنما انتخاب شد.

انتخاب روش درونیابی بـرای داده هـای اقلیمـی و زیسـتاقلیمی
انتخاب بهترین روش درونیابی در واقـع نـوعی آزمـون هزینـه منفعت بین کـارایی و پیچیـدگی مـدل اسـت . اکثـر روشهـای درونیابی از یا رابطه 2 بـرای محاسـبه نقـاط مجهـول اسـتفاده میکنند. تفـاوت هـای روشهـای مختلـف درونیـابی ، در وزن اختصاص داده شده (λ i ) به هر ایستگاه است. در ایـن مطالعـه از روشهای IDW، کریجینگ، کوکریجینگ، کریجینگ با روند خارجی و پنج روش توابع شعاع محور برای مدلسازی مکـانی دادههای اقلیمی و زیست اقیمی استفاده شد
Z* =∑n λiZ(x )i [3]
i=1
ارزیابی روشهای درونیابی بهمنظور انتخاب بهتـری ن روش برای دادههای اقلیمی و زیستاقلیمی
از روش اعتبارسنجی متقاطع برای ارزیابی روشهای مختلف درونیابی استفاده شد. در این روش برای هر یک از نقاط مشاهده شده، برآورد تخمینی با بهکارگیری روش درونیابی موردنظر انجام میگیرد. معیارهای مختلفی برای مقایسه مقادیر مشاهدهای و برآورد شده وجود دارد که در این مطالعه از دو روش میانگین انحراف خطا (MBE) و ریشه دوم مربع میانگین خطا (RMSE) استفاده شد.

بررسی امکان سنجی اجرای روشهای درونیابی و بهینهسازی پارامترها در هر روش
بهمنظور امکان استفاده از هر یک از 9 مـدل بـه بررسـی رونـد،همبستگی مکانی و ناهمسانگـردی داده هـا پرداختـه شـد و درنهایت مدلهای قابل اجرا انتخاب شدند. توان فاصله (Power)، تعداد نقـاط همسـایگی (Neighbor point)، شـعاع همسـایگی (Neighbor distance) و پارامتر هموارسازی از جمله مهمترین پارامترهایی بودند که قبل از اجرای مدل، بهینهسـازی شـدند . از روش اعتبارسنجی متقاطع پارامترهـای هـر مـدل بهینـهشـده وپارامتری که کمترین میزان خطا را داشت بهعنوان پـارامتر بهینـهآن مدل انتخاب شد.

روش معکوس فاصله وزنی
در روش IDW که از جمله روشهای زمین آمار قطعـی اسـت،مقدار نقاط مجهول (0S) از طریق ترکیب خطی نقاط معلوم (Si) در اطراف نقطه مجهول با استفاده از رابطه 3 محاسبه شد.
Z(S )0 = λ∑miZ(S )i [3]
1268732170556

Downloaded from ijae.iut.ac.ir at 16:29 IRST on Saturday October 28th 2017

Downloaded from ijae.iut.ac.ir at 16:29 IRST on Saturday October 28th 2017

وزن هر نقطه معلوم (l i ) بر اساس فاصله آن تا نز 1دی=iکترین
۵۹
1268732170556

Downloaded from ijae.iut.ac.ir at 16:29 IRST on Saturday October 28th 2017

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

Downloaded from ijae.iut.ac.ir at 16:29 IRST on Saturday October 28th 2017

نقطه معلوم بعدی با استفاده از یک تابع فاصلهای غیرخطی زیر محاسبه شد (رابطه 4) (23).
326136195639

λ =imdi−0p, ∑m λ =i 1 [4]
303784-7461

pi=1
0
در رابطه 4، di0 فاصله بین نقطه معلوم تا نقطه مجهول1 =iرا نشان میدهد. از روش IDW تا کنون در رابطـه بـا مطالعـات اقلیمـیزیادی استفاده شده است (7 و 18). روش IDW برای منـاطقیکه تعداد دادههای معلوم زیاد نباشد، روش مناسبی اسـت (22). بهدلیل گستردگی منطقه موردمطالعه و پراکندگی کم ایستگاههای هواشناســی در مرکــز کشــور، از ایــن روش بــرای درون یــابی متغیرهای زیستاقلیمی استفاده شد. قبل از اجـرای مـدل، سـه پارامتر توان فاصله، شعاع همسایگی و نقاط همسایگی با استفاده از روش ارزیابی متقاطع بهینه شد.

روش کریجینگ، کریجینگ با روند خارجی و کوکریجینگ روش کریجینگ با روند خارجی در مواردی استفاده میشود که متغیر اصلی با یک متغیر کمکی، ارتباط مکانی خطی داشته باشد. در این روش نخست روند موجود در دادهها با استفاده از نیم تغییرنما محاسبه شد. برای اجرای روش کوکریجینگ نیم تغییرنمای متغیر کمکی (ارتفاع) و نیم تغییرنمای متقابل متغیر اصلی و متغیر کمکی نیز ترسیم گردید.

روش توابع شعاع محور( RBF)
قبل از اجرای روش RBF پارامترهای این روش بهینه شدند.در این مطالعه پنج مدل مختلف از RBF مورد ارزیابی قرار گرفت و بر اساس میزان ریشه دوم میانگین مربع خطا و همچنین میانگین انحراف خطا بهترین مدل RBF برای درونیابی دو متغیر دما و بارندگی انتخاب شد. تمامی آنالیزهای آماری با استفاده از نرم افزار SPSS و درونیابی دادهها در محیط Arc GIS انجام شد.

نتایج
تجزیه و تحلیل دادههای بارش سالانه و دمای میانگین سالانه آمارههای توصیفی 20 متغیر زیست اقلیمی در منطقه موردمطالعه ۶۰
در جدول 2 نشان داده شدهاست. نتایج بررسی نرمال بودن داده-ها نشان داد که هر دو متغیـر بارنـدگی سـالانه (792/0KS P =) و دمای متوسط سالانه (692/0KS P =) از توزیع نرمـال پیـروی
میکنند (شکل 2). نتایج بررسی هـمبسـتگی نشـان داد کـه بـین متوسـط دمـای سـالانه و ارتفـاع (00/0R =0/926 ، P=) در منطقـه مورد- مطالعه هـم بسـتگی معنـیداری وجـود دارد . امـا میـزان هـم- بستگی بـین بارنـدگی و ارتفـاع (01/0R =0/483 ، P=) چنـدانزیاد نبود همچنین معادله گرادیـان بارنـدگی و ارتفـاع (X 07/0 +33/36 Y=) و گرادیــان دمــا و ارتفــاع (X 007/0+ 20/28 Y=)بدست آمد.

بررسی نیم تغییرنما، روند و همبستگی مکانی متغیرها نتایج محاسبه نیم تغییر نمای بدون جهت برای سه مدل گوسی، نمایی و کروی در جدول 3 آورده شده است. بـر اسـاس روش ارزیابی متقابل، مدل نمایی کمترین میزان خطا را بـرای هـر دو متغیر دما و بارش نشان داد. لذا از این مدل بـرای انجـام روش کریجینگ استفاده شد. بعـد از بهینـه کـردن بهتـرین مـدل نـیم تغییرنما، ترسیم نیم تغیرنما برای دو متغیـر دمـا و بارنـدگی بـر اساس مدل نمایی انجام شد (شکل 3). همـان طـور کـه در ایـن شکل نشان داده شده است، ترسیم نیم تغییرنمای تجربی نشـان از وجود همبستگی مکـانی در دو متغیـر دمـا و بارنـدگی دارد.
علاوه بر این، شیب کم نیم تغییرنما در نزدیک مبدأ، وجود همبستگی مکانی را تائید میکند. از طرف دیگر، با توجه به اینکـه میـزان نیم تغییرنما با افزایش فاصله، افزایش و سپس به سـقف معینـی میرسد، عدم وجود روند و یا ارتباط خطی مستقیم بـین متغیـراصلی و کمکی در دو متغیر دما و بارندگی مشهود است. بـه منظـور بررسی امکان استفاده از مدل کوکریجینگ، نیم تغییرنمای متقابل بارندگی و ارتفاع و همچنین دما و ارتفاع ترسیم شد (شکل 3).
دما و ارتفاع در نیم تغییرنما همبستگی مکانی نشان دادنـد، لـذا امکان استفاده از روش کوکریجینگ وجود داشت، بهدل یـل عـدم وجود همبستگی مکانی بین بارندگی و ارتفاع امکان اسـتفاده از روش کوکریجینگ در محدوده موردمطالعه وجود نداشت.
1268732170556

Downloaded from ijae.iut.ac.ir at 16:29 IRST on Saturday October 28th 2017

Downloaded from ijae.iut.ac.ir at 16:29 IRST on Saturday October 28th 2017

جدول 2. میانگین، میانه، مینیمم و ماکزیمم 20 متغیر زیستاقلیمی در محدوده مورد مطالعه (°C)
میانه میانگین ماکزیمم مینیمم توصیف متغیر
17/59 17/90 26/89 10/93 دمای متوسط سالانه Bio١٠
14/54 14/59 17/79 9/45 متوسط سالانه دامنه روزانه دما Bio٢٠
37/72 37/58 45/76 26/44 ایزوترمالی (همدمایی) Bio٣٠
39/03 38/76 42/75 34/67 دامنه سالانه دما Bio۴٠
37/67 37/72 44/08 31/01 حداکثر دمای گرمترین ماه Bio۵٠
-1/15 -1/04 8/55 -8/11 حداقل دمای سردترین ماه Bio۶٠
126/16 134/37 328/98 51/45 بارش سالانه Bio٧٠
24/34 28/47 62/75 12/16 بارش مرطوبترین ماه Bio٨٠
0/14 0/35 1/32 0/00 بارش خشکترین ماه Bio٩٠
8/95 8/93 10/13 7/99 رژیم دما (انحراف معیار) Bio١٠
3/09 3/07 3/47 2/76 رژیم دما (ضریب تغییرات) Bio١١
85/39 87/82 111/58 75/41 رژیم بارش Bio١٢
59/58 67/71 145/72 26/08 بارش سردترین فصل Bio١٣
1/45 2/22 11/12 0/11 بارش خشکترین فصل Bio١۴
28/01 28/73 36/52 22/16 میانگین دمای گرم ترین فصل Bio١۵

  • 1

پاسخ دهید