دانشگاه یزد خشک بوم 2008-790X 1 1 2010 09 23 Application of spatial statistical methods in predictive models of plant species habitat کاربرد روش‌های آمار مکانی در مدل‌های پیش‌بینی رویشگاه گونه‌های گیاهی 13 24 32 FA محمدعلی زارع چاهوکی محمد زارع ارنانی اصغر زارع چاهوکی لیلا خلاصی اهوازی Journal Article 2013 06 01 The main objective of the study is application of spatial statistics as a tool for model-based prediction of vegetation types. Method of selecting Samples was systematic-randomized. Quadrate size was determined for each vegetation type using the minimal area method; hence suitable quadrate size for different species ranged from 12m to 1010m (i. e., 2-100 m²). Within each unit, 3-5 parallel transects with 300 to 500 m long, each containing 30-50 quadrates (according to the vegetation variations) were established. Soil samples were taken at soil depth of 0-30 and 30-80 cm at the starting and ending points of each transect. Measured soil properties include gravel, texture, available soil moisture, saturation moisture, organic matter, lime, gypsum, pH, electrical conductivity and soluble ions (such as Na⁺, K⁺, Mg²⁺, Ca²⁺, Cl^-, , and ). Logistic Regression (LR) technique was applied for predictive modeling of <em>Cornulaca monachantha</em>. To map soil characteristics, spatial statistical methods of point-Kriging, Normal Distance Weighting and Inverse Distance Weighting were used to predict soil factors using GS+ and ArcGIS softwares. Finally, cross validation technique were used to compare the above mentioned methods by considering the statistical parameters of MAE and MBE. It can be concluded that the point Kriging method is the best method among the others in all of the factors. Results show that the point Kriging method by MAE of 1.56 and MBE of -0.048 in gypsum, and gravel factor by MAE of 0.176 and MBE of 0.006 (0-30 cm depth) is better than the others and the sampling method is effective in accuracy of geostatistical method. Predictive map of <em>C. monachantha </em>which has narrow amplitude, with Kappa coefficient of 0.98, has high accuracy in accordance with the actual vegetation map prepared for the study area. هدف از این پژوهش، بررسی کارآیی روش­های آمار مکانی در تهیة نقشۀ خصوصیات خاک برای استفاده در مدل­های پیش­بینی رویشگاه است. به این منظور، نمونه‌برداری از پوشش گیاهی به روش تصادفی- سیستماتیک از طریق پلات‌گذاری در امتداد 3 تا 5 ترانسکت 500-300 متری انجام شد. سطح پلات‌ها با توجه به نوع گونه‌های موجود به روش سطح حداقل بین 2 تا 100 متر مربع و تعداد آنها با توجه به تغییرات پوشش گیاهی و روش آماری 30 تا50 پلات تعیین شد. همچنین بر اساس نقشة واحدهای نمونه‌برداری، 120 پروفیل خاک حفر و از دو عمق 30-0 سانتی­متر و 80-30 سانتی‌متر نمونة خاک برداشت شد. خصوصیات خاک شامل سنگریزه، بافت، رطوبت اشباع، رطوبت در دسترس، آهک، گچ، ماده آلی، اسیدیته، هدایت الکتریکی و املاح محلول (سدیم، کلسیم، منیزیم، پتاسیم، کلر، کربنات، بی‌کربنات و سولفات) مورد اندازه‌گیری و آزمایش قرار گرفت. بعد از جمع‌آوری داده‌ها با استفاده از رگرسیون لجستیک، رابطة بین حضور گونة <em>Crnulaca monachantha</em> با عوامل محیطی بررسی شد. برای تهیه نقشة پیش‌بینی رویشگاه این گونة گیاهی، ابتدا نقشة خصوصیات خاک با استفاده از روش‌های کریجینگ نقطه­ای، وزن­دهی معکوس فاصله و وزن­دهی نرمال فاصله در محیط نرم‌افزارهای GS⁺ و Arc GIS تهیه شد. برای ارزیابی دقت نتایج، از روش اعتبارسنجی متقابل (cross validation) با کمک دو پارامتر آماری میانگین انحراف خطا و میانگین مطلق خطا استفاده گردید. نتایج نشان داد که روش کریجینگ نقطه‌ای در متغیر سنگریزۀ عمق اول (یعنی 0 تا 30 سانتی­متر) با خطای 56/1 و انحراف 048/0 و گچ با خطای 176/0 و انحراف 006/0 دسی­زیمنس بر متر، دقت بالاتری نسبت به دیگر روش­های مورد استفاده دارد. در نهایت با اعمال رابطة رگرسیون لجستیک به‌دست آمده بر لایه‌های اطلاعاتی، نقشۀ پیش­بینی رویشگاه گونۀ <em> </em><em>C. monachantha</em>تهیه شد که دقت آن با ضریب کاپای 98/0 خوب ارزیابی شد. <br />  https://aridbiom.yazd.ac.ir/article_32_cccdd5c9b515e351d6ac0e9c847de3ea.pdf