Iranian Journal of Applied Ecology

fa ‌‌‌‌‌‌‌مدل‌سازی مطلوبیت زیستگاه خرس قهوه‌ای (Ursus arctos) در منطقه حفاظت‌ شده شیمبار، استان خوزستان Habitat Suitability Modelling of Brown Bear (Ursus arctos) in Shimbar Protected Area, Khuzestan Province عمومى General پژوهشي Research <a name="OLE_LINK22"></a><a name="OLE_LINK21">تعیین مطلوبیت زیستگاه‌های حیات ‌وحش دارای اهمیت به‌سزایی در برنامه‌های حفاظت و مدیریت حیات ‌وحش است. لذا در پژوهش حاضر، مدل‌سازی مطلوبیت زیستگاه خرس قهوه‌ای در منطقه حفاظت‌ شده شیمبار با استفاده از الگوریتم آنتروپی بیشینه انجام شد. بدین منظور، پس از بررسی و رفع خودهمبستگی مکانی داده‌های حضور، داده‌ها به دو دسته داده‌های آموزش و آزمون تقسیم و به‌همراه 10 متغیر محیطی (</a>VIF<10) انتخاب شده توسط MMS، وارد نرم‌افزار MaxEnt شد. اعتبارسنجی مدل با استفاده از AUC و تحلیل جک‌نایف صورت گرفت. نقشه حضور/عدم حضور نیز براساس دو آستانه LPT و 10% تهیه شد. هم‌چنین تحلیل جک‌نایف دیگری جهت حساسیت‌سنجی مدل و شناسایی متغیرهای محیطی مهم در مدل‌سازی انجام شد. براساس یافته‌ها، مدل پیش‌بینی شده به‌طور معناداری بهتر از حالت تصادفی می‌باشد (AUC = 0/965 , P = 0/000). به‌علاوه، 75/20% منطقه به‌عنوان زیستگاه مطلوب بالقوه خرس شناسایی شد. طبق تحلیل جک‌نایف، بالاترین میزان موفقیت مدل در پیش‌بینی مناطق مطلوب بالقوه 46/88% محاسبه شد(P=0/000). هم‌چنین، متغیر تیپ‌بندی گیاهی به‌عنوان مهمترین عامل مؤثر بر پراکنش گونه شناسایی شد. براساس یافته‌ها، موفقیت این روش در مدل‌سازی مطلوبیت زیستگاه گونه‌های حیات ‌وحش همچون خرس قهوه‌ای تأیید شده، بهره‌گیری از آن به‌عنوان ابزاری نیرومند جهت بهبود اطلاعات زیستگاه‌های حیات ‌وحش در سطح کشور پیشنهاد می‌گردد. Status determination of wildlife habitats is very important in conservation programs and management of wildlife. So, in this study Ursus arctos habitat suitability was modeled using maximum entropy algorithm (MaxEnt) in Shimbar protected area. In order to model the habitat suitability, after investigating and resolving the spatial autocorrelation of occurrence records, spatially independent localities were divided into the calibration and evaluation sets and then were combined with 10 environmental variables (VIF<10) selected by MMS software. The performance of predictive models was tested using AUC and jackknife validation test. So, we applied two different thresholds, the LPT threshold and 10% threshold to generate presence/absence map. Also other Jackknife tests applied to measure variables importance. The results showed that predictive model was more efficient than random model (AUC=0.980). In addition, the potential suitable areas cover 20.75% of study area. The MaxEnt model had 88.46% success rate and was statistically significant (P = 0.000). Results of Jackknife showed that ‘plant type’ variable alone contains valuable information for modelling. Our study demonstrated that habitat suitability was successfully predicted by MaxEnt modelling, so this methodology might provide a powerful tool for improving the wildlife habitats information. الگوریتم آنتروپی بیشینه, مدل‌سازی مطلوبیت زیستگاه, منطقه حفاظت‌ شده شیمبار, خرس قهوه‌ای Maximum entropy algorithm, Habitat suitability modelling, Shimbar protected area, Ursus arctos. 61 72 http://ijae.iut.ac.ir/browse.php?a_code=A-10-1-133&slc_lang=fa&sid=1 Z. Obeidavi زینب عبیداوی z.obeidavi@gmail.com Yes Shahid Chamran Univ. of Ahvaz, Ahvaz, Iran. دانشگاه شهید چمران اهواز K. Rangzan کاظم رنگزن No Shahid Chamran Univ. of Ahvaz, Ahvaz, Iran. دانشگاه شهید چمران اهواز R. Mirzaei روح‌اله میرزایی No Univ. of Kashan, Kashan, Iran. دانشگاه کاشان M. Kabolizade مصطفی کابلی‌زاده No Shahid Chamran Univ. of Ahvaz, Ahvaz, Iran. دانشگاه شهید چمران اهواز