fa مقایسه عملکرد روش‌های اصلاح اریب مکانی داده‌های حضور در بهبود پیش‌بینی مدل‌های پراکنش عمومى General پژوهشي Research <div style="text-align: justify;">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)<b><span dir="RTL" lang="AR-SA" style="font-size:11.0pt"><span style="line-height:115%"><span b="" lotus="" style="font-family:">، </span></span></span></b>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.&nbsp;</div> <div style="text-align: justify;">Spatial bias in mammal occurrence data due to uneven sampling represents a major challenge for species distribution models. Therefore, assessing bias in presence data is a prerequisite for improving the accuracy of models. At the present study, a range of commonly used and novel methods for correcting spatial bias was applied to the presence data of two herbivores, the wild goat (Capra aegagrus) and the wild sheep (Ovis gmelini / O. vignei) and by implementing different bias-correction approaches, the effect of heterogeneous sampling effort on model performance was evaluated. The effectiveness of each method was further assessed using simulated presence records generated for a set of virtual species. While all methods showed high performance in prediction the spatial range of the species (AUC > 0.75), similarity indices indicated that combination of target-group approach, used as a basis for selecting backgrounds, and filtering presence data within a geographic space performed better than the other methods. The findings demonstrated that correcting spatial bias in presence data plays a fundamental role in improving the accuracy of distribution models and effectively reduced the impact of uneven sampling effort. The proposed approaches provide a useful framework for improving distribution modelling of other species.</div> اریب مکانی, تلاش نمونه برداری, شاخص دسترسی, گونه های فرضی, مدل مکسنت Spatial bias, Sampling effort, Accessibility index, Virtual species, MaxEnt model 21 36 http://ijae.iut.ac.ir/browse.php?a_code=A-10-83-7&slc_lang=fa&sid=1 Rasoul Khosravi رسول خسروی r-khosravi@shirazu.ac.ir Yes Department of Natural Resources and Environmental Engineering, School of Agriculture, Shiraz University, Shiraz, Iran. بخش مهندسی منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران. Hossein Rahimi-Nezhad حسین رحیمی نژاد hosseinr9947@gmail.com No Department of Natural Resources and Environmental Engineering, School of Agriculture, Shiraz University, Shiraz, Iran. بخش مهندسی منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران. Ghaside Nikaeen قصیده نیک آئین nikaeenghaside@gmail.com No Department of Natural Resources and Environmental Engineering, School of Agriculture, Shiraz University, Shiraz, Iran. بخش مهندسی منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران. Seyed Rashid Fallah Shamsi سید رشید فلاح شمسی fallahsh@shirazu.ac.ir No Department of Natural Resources and Environmental Engineering, School of Agriculture, Shiraz University, Shiraz, Iran. بخش مهندسی منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران.