پیش بینی پراکنش رویشگاه بالقوه گونه Artemisia sieberi Besser با استفاده از روش های داده محور در مراتع پشتکوه استان یزد

پژوهش حاضر با هدف مدل سازی پراکنش رویشگاه بالقوه و شناخت نیازهای بوم شناختی گونه A. sieberi با استفاده از مدل های درخت طبقه بندی و رگرسیون و جمعی تعمیم یافته، در مراتع پشتکوه استان یزد در مرکز ایران انجام شد. برای این منظور، رویشگاه های خالص این گونه مشخص و اطلاعات مربوط به حضور گونه گیاهی با استفاده از روش تصادفی- سیستماتیک جمع آوری شد. لایه های مربوط به متغیرهای محیطی (متغیرهای خاکی و فیزیوگرافیک) با استفاده از زمین آمار و نقشه رقومی ارتفاع با اندازه پیکسل 30×30 متر تهیه شد. مدل سازی پراکنش گونه با استفاده از مدل های درخت طبقه بندی و رگرسیون و جمعی تعمیم یافته در محیط نرم افزار R.3.3.1 انجام شد. عملکرد پیش بینی مدل ها با استفاده از آماره سطح زیر منحنی  ارزیابی شد. علاوه بر این، حد آستانه بهینه حضور گونه نیز بر اساس آماره واقعی مهارت تعیین شد. صحت طبقه بندی نقشه حضور و عدم حضور با استفاده از شاخص کاپا بررسی شد. بر اساس نتایج، مدل درخت طبقه بندی و رگرسیون در مقایسه با جمعی تعمیم یافته عملکرد پیش بینی بهتری از خود نشان داد (مقدار سطح زیر منحنی به ترتیب 97/0 و 89/0). همچنین بر اساس مقادیر ضریب کاپای حاصل، مقدار ضریب کاپا مربوط به مدل درخت طبقه بندی و رگرسیون بیشتر از مدل جمعی تعمیم یافته بود (به ترتیب 9/0 و 88/0). این مطالعه نشان می دهد که مدل درخت طبقه بندی و رگرسیون در مقایسه با مدل جمعی تعمیم یافته در برآورد دامنه پراکنش رویشگاه گونه A. sieberi از دقت بالاتری برخوردار است. تحلیل اهمیت متغیرها نیز نشان داد که متغیرهای هدایت الکتریکی و اسیدیته عمق اول خاک، دارای بیشترین تاثیر در پراکنش گونه A. sieberi هستند. به طور کلی می توان نتیجه گرفت که استفاده از روش های داده محور مثل روش درخت طبقه بندی و رگرسیون، می تواند در برآورد دقیق پراکنش رویشگاه بالقوه گونه های گیاهی در مقیاس محلی مفید باشد. بنابراین، کاربرد این روش ها جهت معرفی گونه های مناسب در طرح های احیاء پوشش گیاهی در مراتع مناطق بیابانی ایران پیشنهاد می شود.