بخشی از مقاله
چکیده
تنوع اقلیمی و جغرافیایی و وسعت زیاد منجر به پیدایش زیستگاه هاي مختلف با گونه هاي گیاهی و جانوري متنوعی در کشور ما ایران شده است که استفاده ناصحیح انسان از منابع طبیعی منجر به کاهش فراوانی بسیاري از این گونه ها شده است. از آنجا که مدیریت یک گونه بدون آگاهی از نیازهاي زیستگاهی آن امکان پذیر نیست تحلیل روابط بین گونه و محیط زیست آن یک مسئله اساسی در دانش بوم شناسی می باشد. کمی سازي این روابط بنیاد مدلسازي مطلوبیت زیستگاه است.کاربرد این مدل ها علاوه بر اهمیتی که در مطالعات بوم شناختی دارند، در تعیین اولویت هاي حفاظتی نیز نقش اساسی دارند. این مقاله به جمع بندي روشهاي مدلسازي و کاربرد آنها در مطالعات حیات وحش می پردازد.
مقدمه
تعیین مطلوبیت زیستگاه یکی از ارکان مدیریت و حفاظت گونه هاي حیات وحش محسوب می گردد . زیستگاه مطلوب تاثیر بسزائی بر بقاء و تولید مثل گونه ها خواهد داشت و در امر مدیریت و حفاظت حیات وحش مورد توجه بیشتري قرار می گیرد.
اما مشکل زمان و بودجه قابل دسترس براي مطالعه زیستگاهها در مقیاس وسیع به عنوان مثال در مقیاس یک استان– اجراي بسیاري از مطالعات را دشوار و در مواردي غیرممکن می سازد . لذا روشهاي مدلسازي زیستگاه که از سال 1970 تاکنون به سرعت در مدیریت حیات وحش مورد استفاده قرار گرفته اند، ابزاري مناسب براي غلبه بر این مشکل معرفی شده اند
تنوع اقلیمی و جغرافیایی و وسعت زیاد منجر به پیدایش زیستگاه هاي مختلف با گونه هاي گیاهی و جانوري متنوعی در کشور ما ایران شده است که استفاده ناصحیح انسان از منابع طبیعی منجر به کاهش فراوانی بسیاري از این گونه ها شده است. از آنجا که مدیریت یک گونه بدون آگاهی از نیازهاي زیستگاهی آن امکان پذیر نیست تحلیل روابط بین گونه و محیط زیست آن یک مسئله اساسی در دانش بوم شناسی می باشد. کمی سازي این روابط بنیاد مدلسازي مطلوبیت زیستگاه است
با روش هاي مدل سازي زیستگاه می توان به یک تخمین در مقیاس وسیع از مطلوبیت زیستگاه گونه هاي حیات وحش بدون نیاز به جمع آوري اطلاعات از جزئیات ویژگیهاي فیزیولوژیکی و رفتاري گونه دست یافت
مفهوم مدل
مدل چکیده و خلاصه اي از واقعیت است. مدل ها می توانند امکان پیش بینی و شبیه سازي رخدادها در آینده را فراهم کنند. به دلیل ناهمگنی و پیچیدگی در طبیعت و زیستگاه ها یک مدل به تنهایی نمی تواند تمامی جنبه هاي زمانی و مکانی آنها را بطور صحیح پیش بینی کند بر این اساس لوینز در سال 1966 مطرح کرد براي انتخاب مدل مناسب براي مدل سازي توزیع جغرافیایی گونه ها که به سه عامل عمومیت پذیري، دقت و صحت مرتبط است میتوان همزمان فقط دو عامل از عوامل فوق الذکر را توسعه بخشید. لذا بر این اساس می توان سه نوع مدل تجربی - براساس صحت و دقت - ، مکانیکی - بر اساس عمومیت پذیري و صحت - و تحلیلی - بر اساس دقت و عمومیت پذیري - مورد تشخیص قرار داد
انتخاب روش تحلیلی مناسب به کیفیت داده هاي در دسترس وابسته است. پنج سطح عمده از وضعیت داده ها وجود دارد: -1 کمبود داده: کمبود داده هاي زیست شناختی مانعی براي توسعه یک مدل زیستگاه نیست. روش هاي ارزیابی زیستگاه - Habitat Evaluation Procedure - که به - HEP - معروف هستند.[23] این روش ها در بر گیرنده دو مرحله ارزیابی کمیت و کیفیت زیستگاه هستند.
مدل هاي نمایه مطلوبیت زیستگاه یا HSI در مرحله ارزیابی کیفیت مورد استفاده قرارمی گیرند. این مدل ها بر اساس روابط کارکردي بین متغیرهاي زیستگاه و حیات وحش پایه گذاري می شوند. مقیاس در این مدل از صفر - براي زیستگاه هاي نامطلوب - تا یک - براي زیستگاه بهینه - متغیر است.[5] روابط حیات وحش- زیستگاه ممکن است بوسیله داده هاي تجربی، نظر کارشناس یا هر دو بدست آیند.[13] ضعف این مدل ها در این است که اعتبار آنهاکاملاً به اعتبار کارشناسی که آنها را طراحی می کند وابسته است. کمبود داده هاي مستقل در این فرایند، ارزیابی آماري آن را غیر ممکن ساخته و بنابراین در یک نگاه دقیق مدل هاي قدرتمندي نیستند.
-2 داده هاي فقط حضور: داده هاي فقط حضور عمومی ترین شکل داده هاي مشاهده اي هستند معمولاًو می توانند از موزه ها و هرباریوم ها بدست آیند.[10] از مشکلات داده هاي فقط حضور می توان به عدم وجود طرح ریزي در مشاهده ها و اریبی به سمت شهرها و جاده ها اشاره نمود. اعتبار آنها اغلب در تردید است و درستی مکانی آنها نیز نامعلوم است. تغییر تلاش هاي مطالعاتی در محیط ها و نواحی جغرافیایی مختلف قابل کنترل نبوده و در شایستگی مدل قابلیت تنظیم ندارد.[12] با این وجود، روش هاي مدل سازي فقط حضور، بواسطه گستردگی دسترسی به داده هاي حضور بطور وسیع استفاده می شوند.
-3 داده هاي حضور- عدم حضور: داده هاي حضور- عدم حضور این سودمندي را دارند کهمعمولاً با روش سیستماتیک در برگیرنده سطوح طبقه بندي جغرافیایی و محیطی در طرح نمونه برداري جمع آوري می شوند.[4]
-4 داده هاي رسته بندي- طبقه بندي : - ordinal- categorical - تعداد افراد در موقعیت هاي مورد بررسی بر اساس طبقات فراوانی ثبت می شوند.
-5 شمارش ها : - counts - تلاش می شود تعداد واقعی افراد یک گونه در موقعیت هاي مورد بررسی ثبت شوند
مدل هاي مطلوبیت زیستگاه
مدل هاي مطلوبیت زیستگاه، مدل هاي آماري و احتمالی هستند که با استفاده از نرم افزار هاي سامانه اطلاعات جغرافیایی و ابزارهاي آماري چند متغییره، توزیع جغرافیایی گونه ها را به زیستگاه خود بطور آماري مرتبط می کنند و به ابزار مهمی در زیست شناسی حفاظت تبدیل شده اند که در شناسایی عوامل موثر بر مطلوبیت زیستگاه - فاصله تا منبع آب، امنیت زیستگاه، وضعیت پوشش گیاهی و ... - ، به منظور اقدام جهت بهبود زیستگاه، برنامه ریزي براي حفاظت از زیستگاه هاي حیات وحش، ابزاري براي ارزیابی اثرات کاربري زمین و سایر تغییرات زیست محیطی بر روي توزیع ارگانیسم ها، پیش بینی نتایج انتقال گونه ها کاربرد دارند.
روش هاي مدل سازي زیستگاه عمدتاً بر پایه مفهموم آشیان بوم شناختی هاچینسون استوار هستند. بر اساس هاچینسون آشیان بنیادي مجموعه اي از عواملی را در بر می گیرد که حیات گونه را در طولانی مدت تضمین می کند .آشیان واقعی بخشی از آشیان بنیادي است که بطور واقعی توسط گونه اشغال شده است. مدل هاي توزیععمدتاً بر اساس مفهوم آشیان بوم شناختی بنیادي هستند .در هر روش مدل سازي، برخی قوانین یا الگوریتم هاي ریاضی براي تعریف آشیان بوم شناختی گونه بر اساس توزیع رکوردهاي گونه در فضاي محیط زیستی چند بعدي استفاده می شود. این مدل ها بر اساس دو نوع داده شامل داده هاي محیطی و داده هاي مربوط به گونه - نقاط حضور و برخی مواقع حضور-عدم حضور - اجرا می شوند.
تحلیل هاي چند متغیره متعددي براي ساختن مدل هاي فراوانی یا مطلوبیت زیستگاه توسعه یافته اند.[11] مدل هاي چند متغیرهعموماً براي مشخص کردن مطلوبیت زیستگاه استفاده می شوند و با کمک سامانه اطلاعات جغرافیایی - GIS - به ما اجازه می دهند تا نقشه هاي بالقوه توزیع را تهیه کنیم.
در روش هاي تحلیل آماري براي تهیه مدل مطلوبیت زیستگاه روش هاي متکی بر داده هاي حضور / عدم حضور همانند Logistic Regression و روش هاي متکی بر داده هاي حضور Ecological Niche Factor Analysis - ENFA - در دسته بندي کلی قرار دارند. دسته اول روش هایی که شامل مدل هاي خطی تعمیم یافته - جی ال ام - ، مدل هاي افزایشی تعمیم یافته - جی اي ام - ، تحلیل هاي شاخسار همبستگی و طبقه بندي و شبکه عصبی مصنوعی - اي ان ان - می باشند که براي انجام تحلیل هاي خود به داده هاي حضور و عدم حضور با کیفیت مناسب نیاز دارند15]و[16 که با توجه به بررسی ها از میان این روش ها و ازمیان مدل هاي خطی تعمیم یافته روش رگرسیون لجستیک، کاربرد بیشتري در مدلسازي مطلوبیت زیستگاه داشته و در تحقیقات بسیاري بکار گرفته شده است. که البته انتخاب روش تحلیلی مناسب به کیفیت داده هاي در دسترس وابسته است.
نقشه هاي پیش بینی کننده بر اساس داده هاي حضور گونه با استفاده از روش هاي BIOCLIM، HABITAT، MD، DOMAIN، ENFA و GARP می تواند تهیه شود.
:BIOCLIM -1 بر مبناي داده هاي فقط حضور اجرا می شود .آشیان بوم شناختی گونه را بصورت بعدهاي متعدد بر اساس متغیرهاي اقلیمی تعریف می کند که تمامی رکوردهاي گونه را در فضاي اقلیم در بر می گیرد.[6] تمایل به پیش بینی بیش از حد دارد. BIOCLIM یک روش با رویکرد پوشش اقلیمی است که نقشه زیستگاه را بر اساس مطلوبیت اقلیمی براي گونه تهیه می کند
