fa مدل‌سازی پراکنش قوچ و میش اصفهان در منطقه حفاظت شده تنگ صیاد براساس بهبود اریب داده‌های حضور و انتخاب متغیرهای مناسب با استفاده از حداکثر آنتروپی عمومى General پژوهشي Research <p><strong><span dir="rtl">در این پژوهش با استفاده از روش مدل‌سازی حداکثر آنتروپی، الگوی پراکنش قوچ و میش در منطقه حفاظت شده تنگه صیاد بررسی شد. بدین منظور، 8 متغیر محیطی و 98 نقطه حضور قوچ و میش استفاده شد. دو نگرش به منظور بهبود کارایی فرآیند مدل‌سازی شامل کاهش اریب در داده‌های حضور و انتخاب متغیرهای پیش‌بینی کننده با توجه به عملکرد نهایی مدل استفاده شد. با استفاده از چهار حد آستانه گوناگون </span>(10P, F10, LPT , ETS)<span dir="rtl"> پراکنش بالقوه گونه در منطقه برآورد شد. نتایج حاصل از مدل با استفاده از آماره‌های مبتنی بر حدآستانه (</span>Sensivity, Specifity, Kappa, TSS<span dir="rtl">)، آزمون دوجمله‌ای، آزمون ویلکاکسون و آماره سطح زیرمنحنی (</span>AUC<span dir="rtl">) ارزیابی شد و اهمیت نسبی متغیرها براساس آزمون جک‌نایف مشخص شد. نتایج نشان داد که پراکنش‌های پیش‌بینی شده به‌خوبی با داده‌های حضور همخوانی دارند (حداقل 77/0 مربوط به تمام متغیرها با نقاط انتخابی و حداکثر 82/0 مربوط به متغیرهای انتخابی با نقاط انتخابی). نتایج آماره‌های مبتنی بر حدآستانه مشخص کرد که موفقیت پیش‌بینی برای قوچ و میش نسبتاً خوب است. شیب و فاصله تا روستا مهم‌ترین متغیرهای پیش‌بینی کننده بودند. به‌طور کلی نتایج نشان داد که کارایی مدل با انتخاب مناسب متغیرها و کاهش اریب در داده‌های حضور بهبود می‌یابد. </span></strong></p> <p>This study employs the maximum entropy modelling technique to investigate the geographic distribution pattern of wild sheep (<em>Ovis Orientalis)</em> on Tangeh Sayyad Proteced Area. A set of eight environmental predictors is employed together with presence-only records of wild sheep. Two methods has been used to improve the performance of modeling: density-based occurrence thinning and performance-based predictor selection. Using the four different thresholds (Fixed cumulative value 10, 10 Percentile training presence, Minimum training presence, Equal training sensitivity and specificity), potential distribution of species &nbsp;was estimated. Results were evaluated using the threshold-dependent Statistics (Sensivity, Specifity, Kappa, TSS), a binomial test, Wilcoxon signed-rank test, and Area Under Curve (AUC). Relative variable importance was assessed using Maxent&rsquo;s built-in Jacknife functionality. The results showed that the distributions fitted the provided occurrence data very well (at least AUCs = 0.77 for predictors with randomly selected spots and at most AUC=0.82 for random predictors with random sampling) and threshold-dependent Statistics results showed that prediction success for wild sheep were acceptable. Slope and distance to village were found to be the most important predictors. Generally, results showed that the model performance markedly improved by appropriate predictor selection and occurrence thinning.</p> مدل‌سازی آشیان بوم‌ شناختی, حداکثر آنتروپی , قوچ و میش, منطقه تنگه صیاد Ecological niche modeling, Maximum entropy, Wild sheep, Tangeh Sayyad protected area. 39 49 http://ijae.iut.ac.ir/browse.php?a_code=A-10-1-108&slc_lang=fa&sid=1 A. Jafari علی جعفری jafari.ali@nres.sku.ac.ir Yes Shahrekrod Univ., Shahrekrod, Iran. دانشگاه شهرکرد R. Mirzaei روح‌اله میرزایی No Univ. of Kashan, Kashan, Iran. دانشگاه کاشان R. Zamani-Ahmadmahmoodi رسول زمانی احمدمحمودی1 No Shahrekrod Univ., Shahrekrod, Iran. دانشگاه شهرکرد