مجله علمی پژوهشی بوم شناسی کاربردی

Mendeley  

Zotero  

Khosravi R, Rahimi-Nezhad H, Nikaeen G, Fallah Shamsi S R. Comparison of Spatial Bias Correction Methods for Presence Data in Improving Species Distribution Model Predictions. Iranian Journal of Applied Ecology 2025; 14 (3) :21-36
URL: http://ijae.iut.ac.ir/article-1-1292-fa.html

اریب مکانی در داده های وقوع پستانداران به دلیل نمونه‌برداری غیریکنواخت، یکی از مهم‌ترین چالش‌های مدل های پراکنش است. از این رو، ارزیابی اریب نقاط حضور، پیش‌نیاز بهبود دقت مدل‌های پراکنش است. در پژوهش حاضر، مجموعه‌ای از روش‌های متداول و نوین اصلاح اریب مکانی بر روی نقاط حضور دو علفخوار شاخص کشور شامل کل و بز (Capra aegagrus) و گوسفند وحشی(Ovis gmelini/O.vignei) به‌کار گرفته شد و با اعمال رویکردهای مختلف اصلاح اریب، تأثیر ناهمگونی تلاش نمونه‌برداری بر عملکرد مدل‌ها ارزیابی گردید. کارایی هر یک از این روش‌های پیشنهادی با استفاده از شبیه سازی نقاط حضور برای مجموعه ای از گونه های فرضی نیز ارزیابی و مقایسه شد. اگرچه تمامی روش‌های استفاده شده عملکرد مناسبی در پیش‌بینی پراکنش گونه‌ها داشتند (AUC > 0.75)، اما بر اساس شاخص‌‌های تشابه، رویکرد تلفیقی گونه های هدف به‌عنوان مبنایی برای انتخاب نقاط پس زمینه و فیلتر نقاط حضور در یک فضای جغرافیایی در مقایسه با سایر روش‌ها عملکرد بهتری نشان داد. نتایج نشان داد که اصلاح اریب مکانی در داده‌های حضور علفخواران، نقش اساسی در بهبود دقت مدل‌های پراکنش دارد و به‌طور مؤثری اثر ناهمگونی تلاش نمونه‌برداری را کاهش داد. رویکردهای پیشنهادی می تواند الگویی جهت بهبود دقت مدل های پراکنش سایر گونه های جانوری باشد.