مدل سازی رویشگاه گونه ارس (Juniperus excelsa M.Bieb.) با استفاده از سنجش از دور در استان های اردبیل و زنجان

داده های سنجش از دور توانایی بالایی برای نشان دادن ویژگی های زیستگاه و استفاده در مدل های توزیع گونه ها فراهم می کند. هدف از این مطالعه تعیین مهمترین پیش بینی کننده های سنجش از دور شامل شاخص های اقلیمی (بارندگی و درجه حرارت)، شاخص های اولیه و ثانویه توپوگرافی (ارتفاع، شیب، جهت، شاخص موقعیت توپوگرافی (TPI) و شاخص ناهمواری زمین (TRI)) و شاخص های سنجش از دوری (شاخص جهانی پایش محیطی (GEMI)، شاخص سطح برگی (LAI)، شاخص آب اختلاف نرمال شده اصلاحی (MNDWI)، شاخص نسبت ساده اصلاح شده (MSR)، شاخص نسبت سوختگی نرمال شده (NBR) و شاخص مقاومت اتمسفری قابل مشاهده (VARI)) با استفاده از دو مدل توزیع گونه (درخت رگرسیون تقویت شده و جنگل تصادفی) برای پیش بینی حضور گونه ارس (Juniperus excelsa M.Bieb.) در سطح شهرستان خلخال استان اردبیل و بخش شمالی استان زنجان با استفاده از نرم افزار SAHM است. ارزیابی مدل های پیش بینی با استفاده از سطح زیرمنحنی نشان داد برای هر دو مدل درخت رگرسیون تقویت شده (991/0) و مدل جنگل تصادفی (974/0) در سطح عالی قرار می گیرد. مهم ترین متغیرهای موثر بر مطلوبیت زیستگاه براساس روش درخت رگرسیون تقویت شده به ترتیب شامل متغیرهای بارندگی سالانه، شیب، مدل رقومی ارتفاع، دما، شاخص پایش جهانی محیط زیست و شاخص ناهمواری است. مهم ترین متغیرهای موثر بر مطلوبیت زیستگاه براساس روش جنگل تصادفی به ترتیب شامل بارندگی سالانه، مدل رقومی ارتفاع، شاخص جهانی پایش محیط زیست، شیب، شاخص مقاومت اتمسفری قابل مشاهده، دما، شاخص نسبت ساده اصلاح شده، شاخص ناهمواری زمین، شاخص موقعیت توپوگرافی، شاخص نسبت سوختگی نرمال شده، شاخص آب اختلاف نرمال شده اصلاحی، شاخص سطح برگی و جهت شیب است. مناطق تعیین شده به عنوان رویشگاه مناسب در این مطالعه می تواند در تدوین برنامه های مدیریتی با هدف ارزیابی رویشگاه های مستعد، امکان حفاظت، تکثیر و پرورش این گونه مورد استفاده قرار گیرد. با توجه به اینکه انتخاب روش مدل سازی، منبع اصلی تغییرپذیری در پیش بینی هاست و انتخاب بهترین مدل پیش بینی ساده نیست، بنابراین استفاده از ترکیبی از این مدل ها به جای تکیه به خروجی های حاصل از یک مدل مجزا پیشنهاد می گردد.