1394 4 14 0 88

مدل‌سازی زیستگاه یوزپلنگ ایرانی با روش تحلیل عاملی آشیان بوم شناختی (مطالعه موردی پناهگاه حیات وحش دره انجیر) Modeling of Iranian Cheetah Habitat using Ecological Niche Factor Analysis (Case Study: Dare Anjir Wildlife Refuge) 1 1 تعیین مطلوبیت زیستگاه یکی از ارکان مدیریت و حفاظت گونه‌های حیات وحش محسوب می‌گردد، زیستگاه‌های مطلوب تاثیر به‌سزایی بر بقاء و تولید مثل گونه‌ها خواهد داشت و در امر مدیریت و حفاظت حیات وحش مورد توجه قرار می‌گیرند. در این پژوهش به‌منظور مطالعه زیستگاه یوزپلنگ ایرانی و تهیه نقشه مطلوبیت زیستگاه این گونه در پناهگاه حیات وحش دره انجیر جهت حفاظت مؤثرتر از این گونه در آستانه انقراض، داده‌های حضور گونه که طی چهار فصل در سال‌های 1390-1388 از این منطقه جمع‌آوری گردید با روش تحلیل عاملی آشیان بوم شناختی در نرم‌افزار Biomapper مورد بررسی قرار گرفت. پس از آماده‌سازی نقشه‌ها توسط نرم‌افزار Idrisi و Biomapper ، متغیرهای زیستگاهی شامل ارتفاع، شیب، جهت، تیپ پوشش گیاهی، فاصله از منابع آب و فاصله از پاسگاه‌های محیط‌بانی وارد نرم‌افزار بایومپر شد. جدول امتیاز حاصل از تحلیل عاملی نشان می‌دهد که یوزپلنگ ایرانی به مناطق کوهستانی که دارای عوارض توپوگرافی مناسب برای مخفی شدن به منظور شکار طعمه است و جهت‌های شمالی که دارای رطوبت نسبی بیشتر و پوشش گیاهی غنی‌تر و طعمه بیشتر است تمایل بیشتری نشان می‌دهد. تجزیه و تحلیل مدل مطلوبیت زیستگاه یوزپلنگ ایرانی در پناهگاه حیات وحش دره انجیر نشان می‌دهد که یوزپلنگ ایرانی در این زیستگاه دارای پهنای آشیان بوم شناختی متوسط می‌باشد و به زیستگاه‌های حاشیه‌ای تمایل بیشتری نشان می‌دهد. 2 Evaluation of habitat sustainability indexes is essential in wildlife management and conservation of rare species. Suitable habitats are required in wildlife managements and conservation also, they increase reproduction and survival rate of species. In this study in order to mapping habitat sustainability and recognizing habitat requirements of Iranian Cheetah (Acinonyx jubatus venaticus), field data from Dare Anjir  wildlife refuge were collected since autumn 2009 until summer 2011. Ecological Niche Factor Analysis approach has been used to develop habitat suitability model. In this method primary maps of  habitat variables including elevation, slope, aspect, vegetation cover, distance from water sources and environmental monitoring stations have been produced by Idrisi and Biomapper software and imported in Biomapper. The output scores obtained from the analysis showed that Iranian cheetah tends to mountain areas where has more topographical features for camouflage in order to hunting, and northern aspects which have more humidity, denser vegetation cover and more preys . Our result showed that the Iranian cheetah has medium niche width and prefer marginal habitats. 1 12 2016/02/24 1394/12/5 2016/02/24 1394/12/5 نوید زمانی N. Zamani دانشگاه صنعتی خاتم الانبیا، خوزستان ایران مجتبی قندالی M. GHandali دانشگاه ملایر، همدان ایران ghandali@gmail.com وحید زمانی W. Zamani دانشگاه ژوزف فوریه، گرونوبل، فرانسه ایران جلال موسوی J. Mousavi اداره محیط زیست شهرستان بافق، یزد ایران شاهو کرمی SH. Karami دانشگاه پیام نور تهران ایران Biomapper Boyce continuous Index Habitat Suitability Model Presence-Only Data Specialization. بایومپر نمایه پیوسته بویس مدل مطلوبیت زیستگاه داده‌های فقط حضور تخصص‌گرایی 9. Boyce, M. S., P. R. Vernier, S. E. Nielsena and F. K. A. Schmiegelowc. 2002. Evaluating resource selection functions. Ecological Modelling 157: 281-300.##10. Caro, T. M. 1994. Cheetahs of the Serengeti Plains. The University of Chicago Press, Chicago, 478 p.##11. Eaton, R. 1970. The Cheetah: the Biology, Ecology and Behavior of an Endangered Species. Van Nostrand Reinhold Company, New York, 178 p. ##12. Farhadinia, M. 2004. The last stronghold: Cheetah in Iran. Cat News 40: 11-14. ##13. Farhadinia, M., A. Jourabchian, M. Eslami, F. Hosseini and B. Nezami. 2008. Is food availability a reliable indicator of cheetah presence in Iran? Cat News 49: 14-17.##14. Firouz, E. 1974. Environment of Iran. National Society of the Conservation of Natural Resources and Human Environment, Tehran, 491 p. ##15. Guisan, A. and N. E. Zimmermann. 2000. Predictive habitat distribution models in ecology. Ecological Modelling 135: 147-186.##16. Harrison, D. L. and P. J. J. Bates. 1991. Cheetah. in: Mammals of Arabia. Sevenoaks, UK: Harrisson Zoological Museum, 172 p.##17. Heptner, V. G. and A. A. Sludski. 1992. Mammals of the Soviet :::union:::, Carnivora (Hyenas and Cats), 982 p.##18. Hirzel, A., J. Hausser, D. Chessel and N. Perrin. 2002. Ecological-niche factor analysis: how to compute habitat-suitability maps without absence data? Journal of Ecology 83(7): 2027-2036.##19. Hirzel, A., V. Helfer and F. Metral. 2001. Assessing habitat-suitability models with a virtual species. Ecological Modelling 145: 111-121.##20. Hirzel, A., G. Le Lay and V. Helfer. 2006. Evaluating the ability of habitat suitability models to predict species presences. Ecological modeling 199: 142-152.##21. Hunter, L., H. Jowkar, H. Ziaie, G. Schaller, G. Balme, C. Walzer, S. Ostrowski, P. Zahler, N. Robert-Charrue, K. Kashiri and S. Christie. 2007. Conserving the Iranian cheetah in Iran: Launching the first radio-telemetry study. Cat News 46: 8-11##22. IUCN .2006. IUCN Red List of Threatened Species. IUCN, Gland, Switzerland [http://www.redlist.org, accessed 24 September 2008].##23. Mills, M., L. S. Broomhall and J. T. Toit. 2004. Cheetah (Acinonyx jubatus) feeding ecology in the Kruger National Park and a comparison across African savanna habitats: is the cheetah only a successful hunter on open grassland plains? Wildlife Biology 10(3):177-186.##24. Nowell, K. and P. Jackson. 1996. Wild Cats: Status Survey and Conservation Action Plan. IUCN, Gland, 421 p.##25. Tyre, A. J., H. P. Possingham and D. B. Lindenmayer. 2001. Inferring process from pattern can territory occupancy provide information about life history parameters. Journal of Ecological Applications 11: 1722-1737.##26. Van Horne, B. 1983. Density as a misleading indicator of habitat quality. Wildlife Management 47: 893-901. ##27. Zaniewski, A. E., A. Lehmannand and J. M. C. Overton. 2002. Predicting species spatial distributions using presence-only data: a case study of native New Zealand ferns. Ecological Modelling 157: 261-280.##امیدی، م. 1387. تجزیه و تحلیل و مدل‌سازی زیستگاه یوزپلنگ ایرانی درپارک ملی کلاه قاضی استان اصفهان. پایان نامه کارشناسی ارشد رشته علوم محیط زیست- زیستگاه‌ها وتنوع زیستی، دانشگاه علوم تحقیقات تهران. ##2. جورابچیان، ع. ر، م. ص. فرهادی ‌نیا. 1387. پروژه حفاظت از یوزپلنگ آسیایی و زیستگاه‌های مرتبط با آن، گزارش نهایی، دفتر پروژه حفاظت از یوزپلنگ آسیایی، سازمان حفاظت از محیط‌زیست، تهران، 128 ص.##3. درویش صفت، ع. 1385. اطلس مناطق حفاظت شده ایران (چاپ اول). تهران: انتشارات سازمان حفاظت محیط زیست، 175 ص.##4. زمانی، ن. 1389. بررسی و مقایسه عادات غذایی یوزپلنگ ایرانی در دو پناهگاه حیات وحش نایبندان و دره انجیر استان یزد، پایان‌نامه کارشناسی ارشد، دانشگاه تهران.##5. فراشی، آ.، م. کابلی و ا. مومنی. 1388. مدل‌سازی مطلوبیت زیستگاه پازن در پارک ملی کلاه قاضی استان اصفهان، با روش ENFA، نشریه محیط زیست طبیعی (مجله منابع طبیعی ایران) 63(1): 73-63.##6. فلاح باقری، ف. 1386. ارزیابی مطلوبیت زیستگاه قوچ و میش در پارک ملی کلاه قاضی. پایان نامه کارشناسی ارشد، دانشگاه صنعتی اصفهان.##7. قندالی، م. 1389. مقایسه ارزیابی زیستگاه با استفاده از دو روش مدل های خطی تعمیم یافته و رویکرد تحلیل عاملی آشیان بوم شناختی برای گوسفند وحشی در پارک ملی کویر. پایان نامه کارشناسی ارشد، دانشگاه تهران.##8. مهندسین مشاور جامع ایران. 1388. مطالعات طرح مدیریت پناهگاه حیات وحش دره انجیر و نی باز، گزارش شماره 6، معاونت محیط طبیعی و تنوع زیستی. دفتر زیستگاه‌ها و امور مناطق، 183 ص.## ##

مدل‌سازی و تهیه نقشه خطر وقوع آتش‌سوزی جنگل با استفاده از سنجش از دور و سامانه اطلاعات جغرافیایی (مطالعه موردی: منطقه حفاظت ‌شده باغ شادی یزد) Modeling and Risk Mapping of Forest Fires using Remote Sensing and GIS (Case Study: Baghe-Shadi Protected Area, Yazd Province) 1 1 باغ‌شادی یکی از مناطق جنگلی استان یزد بوده که بیشترین آمار آتش‌سوزی‌های استان در آن رخ داده است. هدف از این مطالعه مدل‌سازی و تهیه نقشه پهنه‌بندی خطر آتش‌سوزی به‌کمک سامانه اطلاعات جغرافیایی و سنجش از دور است. در این مطالعه از روش تحلیل سلسله مراتبی (AHP) استفاده شد و معیارهایی از قبیل فیزیوگرافی شامل سه زیرمعیار ارتفاع، شیب و جهت شیب، اقلیم شامل دو زیرمعیار دما و بارش، عوامل انسانی شامل دو زیرمعیار فاصله از جاده و فاصله از مناطق مسکونی و معیار گیاهی شامل زیرمعیار تراکم پوشش بود. میزان تراکم پوشش منطقه با استفاده از شاخص گیاهی نرمال شده (NDVI) از تصاویرسنجنده OLI ماهواره‌ای لندست 8 به‌دست آمد. برای وزن‌دهی عوامل انتخابی از تعدادی آتش‌سوزی‌های به وقوع پیوسته و پرسشنامه‌های تکمیل شده توسط متخصصین استفاده و وزن هر یک از عوامل ارتفاع، شیب و جهت شیب، دما، بارش، فاصله از جاده، فاصله از مناطق مسکونی و تراکم پوشش گیاهی از طریق مدل تصمیم‌گیری با معیارهای چندگانه به‌دست آمد و سپس با تلفیق وزن عوامل در محیط سیستم اطلاعات جغرافیایی، نقشه خطر وقوع آتش‌سوزی در پنج طبقه تهیه شد. نتایج نشان داد که مهم‌ترین عوامل مؤثر در وقوع آتش‌سوزی به‌ترتیب معیار گیاهی با وزن 569/0 و سپس انسانی با وزن 204/0 بود. برای صحت‌سنجی مدل از تطابق نقشه ساخته‌شده با پهنه‌های آتش‌گرفته گذشته استفاده شد که طبقات پرخطر و خطرناک هم‌پوشانی بالایی با نقاط آتش‌گرفته گذشته داشت. هم‌چنین تست مدل توسط منحنی مشخصه عملکرد سیستم ROC نشان از دقت بالای مدل تولیدی(88/0) داشت. 2 Baghe-shadi in Yazd province is one the forests which is reported to be an area with high rate fire occurrence. The aim of this study was to model and map the fire risk area using geographic information system and remote sensing. In this study Analytical Hierarchy Process (AHP) with human related factors (distance from road, distance from settlements, and distance from vegetation), climatic related factors (air temperature and rainfall), and physiographic related factors (elevation, slope, aspect) were selected. Vegetation cover was estimated using Landsat OLI Normalized Difference Vegetation Index (NDVI). Weights were determined from specialists through questionnaire. Weight of each factor, elevation, slope and aspect, temperature, precipitation, distance from roads, distance from settlements and vegetation cover was achieved through multiple criteria decision making model, then areas with five susceptible classes were determined using GIS. Results showed that vegetation related factor and human related factor with weights of 0.569 and 0.204 are the most important factors respectively. In order to assess the accuracy of developed model, fire susceptibility map of was compared with the previously fired area. Result of comparison showed very high and high risk areas are corresponding to the controls area. Receiver operating charasteristic (ROC) test confirmed the high level (0.88) of accuracy of presented model. 13 26 2016/02/242016/02/24 1394/12/5 2016/02/242016/02/24 1394/12/5 احمد نجفی A. Najafi دانشگاه یزد ایران ahmad.najafi@yahoo.com محمدحسین ایران‌نژاد M. H. Irannezhad دانشگاه یزد ایران احد ستوده A. Sotoudeh دانشگاه یزد ایران محمدحسین مختاری M. H. Mokhtari دانشگاه یزد ایران بهمن کیانی B. Kiani دانشگاه یزد ایران Analytical Hierarchy Process Forest Fire Risk Geographic Information System Remote Sensing. تحلیل سلسله مراتبی خطر وقوع آتش‌سوزی سنجش از دور سیستم اطلاعات جغرافیایی 16. Adab, H., K. Devi Kanniah and K. Solaimani. 2012. Modeling forest fire risk in the northeast of Iran using remote sensing and GIS techniques. Natural Hazard 65(3): 1723-1743.##17. Alexandrian, D. and F. Esnault. 1998. Public policies affecting forest fires in the Mediterranean Basin. FAO Forestry Rome.##18. Begueria, S. 2006. Validation and evaluation of predictive models in hazard assessment and risk management. Natural Hazard 37(3): 315-329.##19. Chang, Y., Z. Zhu, R. Bu, H. Chen, Y. Feng, Y. Li, Y. Hu and Z. Wang. 2013. Predicting fire occurrence patterns with logistic regression in Heilongjiang Province, China. Landscape Ecology 28(10): 1989-2004.##20. Chen, W., T. Sakai, K. Moriya, L. Koyama and C. Cao. 2013. Estimation of vegetation in semi-arid sandy land based on multivariate statistical modeling using remote sensing data. Environmental Modeling & Assessment 18(5): 547-558.##21. Cochrane, M. A. 2003. Fire science for rainforests. Nature 421: 913-919.##22. Chuvieco, E. 2003. Wildland fire danger estimation and mapping. World Scientific Pub. Spain. 264 p.##23. Dong, X., D. Li-min, S. Guo-fan, T. Lei and W. Hui. 2005. Forest fire risk zone mapping from satellite images and GIS for Baihe Forestry Bureau, Jilin, China. Journal of Forestry Research 16(3): 169-174.##24. Hadi, D. 2008. A RS/ GIS-Based multi criteria approaches to assess forest fire hazard in Indonesia case study: west kutari district, east Kalimantan province. PhD. Thesis. School of Agriculture science. The university of Bogor.##25. Sasikala, K. and M. Petrou. 2001. Generalised fuzzy aggregation in estimating the risk of desertification of a burned forest. Fuzzy Sets and Systems 118(1): 121-137.##26. Turner, D., M. Lewis, B. Ostendorf. 2011. Spatial indicators of fire risk in the arid and semi-arid zone of Australia. Ecological indicators 11(1): 149-167.##27. Xu, D., G. Shao, L. Dai, Z. Hao, L. Tang and H. Wang. 2006. Mapping forest fire risk zones with spatial data and principal component analysis. Science in China Technological Sciences 49(1): 140-149. ##28. Zarekar A., H. Vahidi, H. Kazemi Zamani, S. Ghorbani and H. Jafari. 2012. Forest fire hazard mapping using fuzzy AHP and GIS, Study area: Gilan province of Iran. Internatonal journal on Technical and physical problems of engineering 12(3): 47-55.##29. Zhang H., X. Han and S. Dai. 2013. Fire occurrence probability mapping of Northeast china with binary logistic regression model. Earth observation and remote sensing 6(1): 121-127##1. اسکندری، س.، ج. اولادی قادیکلایی، ح. جلیلوند و م .ر. سراجیان. 1392. مدل‌سازی و پیش‌بینی خطر آتش‌سوزی در جنگل‌های بخش سه نکا- ظالمرود با استفاده از سامانه اطلاعات جغرافیایی. فصلنامه علمی پژوهشی تحقیقات جنگل و صنوبر ایران 21(2): 217-203.##2. امیری، ف. و ح. یگانه. 1391. ارزیابی شاخص‌های گیاهی برای تهیه نقشه درصد پوشش گیاهی در اراضی نیمه‌خشک بخش مرکزی ایران (حوزه آبخیز قره آقاچ). نشریه مرتع و آبخیزداری 65(2): 189-175.##3. بهبهانی، ن.، س. ر. فلاح شمسی، ج. فرزاد مهر، س. ی. عرفانی فرد و م. رمضانی گسک. 1389. استفاده از شاخص‌های پوشش گیاهی تصاویر Aster-L1B در برآورد سطح تاج پوشش تک درختان مراتع مشجر مناطق خشک. مطالعه موردی تگ احمد شاهی- خراسان جنوبی. مجله علمی پژوهشی مرتع 4(1): 103-93.##4. توکلی وردنجانی، ر. 1390. تعیین مهم‌ترین عوامل مؤثر بر گسترش حریق و پهنه‌بندی خطر آتش‌سوزی در جنگل‌ها و مراتع استان چهارمحال و بختیاری، پایان نامه کارشناسی ارشد مرتعداری. دانشگاه شهرکرد.##5. حبیبی‌پور، ا. و ف. حیدری. 1390. بررسی آسیب پذیری عرصه‌های طبیعی استان یزد از نظر وقوع آتش‌سوزی و ارائه یک برنامه عملیاتی برای ستاد فرماندهی حریق. نخستین همایش بین المللی آتش‌سوزی در عرصه‌های منابع طبیعی. گرگان. آبان 90.##6. زرع کار، آ.، ب. کاظمی زمانی، س. باقری، م. عاشق معلا و ح. ر. جعفری. 1392. تهیه نقشه پراکندگی فضایی خطر آتش‌سوزی جنگل با استفاده از روش تصمیم‌گیری چند معیاره و سامانه اطلاعات جغرافیایی(مطالعه موردی: سه حوزه جنگلی در استان گیلان). فصلنامه علمی پژوهشی تحقیقات جنگل و صنوبر ایران 21(2): 230-218.##7. سرکارگر اردکانی، ع.، م. ولدان زوج و ع. منصوریان. 1387. تحلیل فضایی نیروی آتش‌سوزی مناطق مختلف کشور با استفاده از GIS/RS. محیط شناسی 52(4): 44-25.##8. سلامتی، ح.، ح. مصطفی‌لو، ع. مستوری و ف. هنردوست. 1390. ارزیابی و تهیه نقشه خطر آتش‌سوزی جنگل با استفاده از GIS در جنگل‌های استان گلستان، نخستین همایش بین‌المللی آتش‌سوزی در عرصه‌های منابع طبیعی. گرگان. آبان 90.##9. فاطمی، س. ب. و ی. رضایی.1389. مبانی سنجش از دور، انتشارات آزاده، چاپ دوم، 268 ص.##10. قدسی‌پور، ح. 1391. فرآیند تحلیل سلسله مراتبی (AHP). انتشارات دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران). چاپ هشتم. 220 ص.##11. گراوند، س. 1392. ارزیابی احتمال وقوع و محاسبه میزان خطر آتش‌سوزی در عرصه‌های طبیعی استان لرستان. پایان‌نامه کارشناسی ارشد جنگلداری. دانشگاه شهرکرد.##12. گراوند، ی. 1392. بررسی ساختار و الگوی پراکنش درختان بنه در دو منطقه قرق و تحت چرا (منطقه حفاظت شده باغ ‌شادی یزد). پایان نامه کارشناسی ارشد جنگداری. دانشگاه یزد. ##13. محمدی، ف.، ن. شعبانیان، م. پورهاشمی و پ. فاتحی. 1389. تهیه نقشه خطر آتش‌سوزی جنگل با استفاده از GIS و AHP در بخشی از جنگل‌های پاوه. فصلنامه علمی پژوهشی تحقیقات جنگل و صنوبر ایران 18(4): 586-569.##14. منصوری، ن.، ر. نظری، پ. نصیری و ع. ر. قراگوزلو. 1390. تدوین برنامه مدیریت بحران آتش‌سوزی جنگل با تکنولوژی GIS/RS. فصلنامه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در برنامه‌ریزی 3(2): 73-63.##15. مهندسین مشاور جامع ایران. 1387. طرح جامع مدیریت منطقه حفاظت ‌شده باغ شادی خاتم. اداره کل حفاظت محیط زیست استان یزد.## ##

اثرات تراکم گیاه و تنش خشکی بر عملکرد و توانایی‌های رقابتی یونجه (.Medicago sativa L) و بروموس تومنتلوس (.Bromus tomentellus Boiss) Effects of Plant Density and Water Stress on Competitive Ability and Yield of Medicago Sativa L. and Bromus tomentellus Boiss.in Mono and Mixed Cropping 1 1 به‌منظور بررسی اثرات تراکم گیاهی و تنش خشکی بر عملکرد یونجه و بروموس تومنتلوس، آزمایشی در گلخانه تحقیقاتی دانشگاه صنعتی اصفهان در سال 1392 به‌صورت فاکتوریل در قالب طرح بلوک کامل تصادفی و در چهار تکرار اجرا شد. 18 تیمار شامل 3 ترکیب کشت به‌صورت خالص و مخلوط، دو سطح تراکم گیاهی و سه سطح آبیاری اعمال گردید. نتایج نشان داد که کشت خالص یونجه نسبت به کشت مخلوط و کشت مخلوط نسبت به کشت خالص بروموس دارای عملکرد کل بالاتری است. شاخص نسبت برابری زمین (LER) در تمامی تیمارهای کشت مخلوط کمتر از یک به‌دست آمد که نشان‌دهنده وجود رقابت بین‌گونه‌ای در کشت مخلوط بود. میزان عملکرد و تولید زیست‌توده به‌ازای پایه با افزایش تراکم و افزایش رقابت و هم‌چنین با افزایش تنش خشکی و کاهش منبع رطوبت کاهش یافت. مقایسه وزن ماده خشک عملکرد بالای سطح و پایین سطح نشان داد که یونجه بیشتر به رقابت درون‌گونه‌ای حساس است تا رقابت برون گونه‌ای و عملکرد بروموس بیشتر به‌وسیله رقابت بین گونه‌ای اعمال شده توسط یونجه محدود می‌شود تا رقابت درون گونه‌ای. شاخص شدت رقابت نسبی در تمامی تیمارها برای بروموس مثبت و برای یونجه منفی به‌دست آمد که نشان‌دهنده توان رقابتی بیشتر یونجه نسبت به بروموس در کشت مخلوط بود. 2 The effects of plant density and water stress on yield of Medicago sativa and Bromus tomentellus was studied. A greenhouse experiment was conducted at Isfahan University of Technology in 2013. The experiment included 18 treatments, three crop compositions (M.sativa, B. tomentellus or mixture of the two), two plant density levels, three watering regimes and four replicates, arranged in a completely randomized block design. Results showed that total yield of M. sativa mono-cropping was higher than mixed cropping and it was higher than B. tomentellus mono-cropping. Land Equivalent Ratio (LER) values were less than 1 for all mixed cropping treatments, indicated the interspecific competition in mixed cropping. The biomass production per plant decreased with increasing density, competition for resource utilization and water stress. Compare of above-ground and below-ground dry matter showed that M. sativa appeared to be more constrained by intraspecific than by interspecific competition, Conversely, B. tomentellus was more suppressed by interspecific competition exerted by M. sativa than by intraspecific competition. Relative competition intensity (RCI) values were positive for B. tomentellus and negative for M.sativa, implying that competitive ability of M.sativa was higher than B. tomentellus in mixed cropping . 27 38 2016/02/242016/02/242016/02/24 1394/12/5 2016/02/242016/02/242016/02/24 1394/12/5 سوسن براتی S. Barati دانشگاه صنعتی اصفهان ایران S_barati@na.iut.ac.ir مهدی بصیری M. Bassiri دانشگاه صنعتی اصفهان ایران محمدرضا وهابی M. R. Vahabi دانشگاه صنعتی اصفهان ایران محمدرضا مصدقی M. R. Mosaddeghi دانشگاه صنعتی اصفهان ایران مصطفی ترکش M. Tarkesh دانشگاه صنعتی اصفهان Bromus tomentellus Intra-specific competition Inter-specific competition Medicago sativa Mixed cropping Mono-cropping. بروموس تومنتلوس رقابت درون‌گونه‌ای رقابت برون‌گونه‌ای کشت خالص کشت مخلوط یونجه 6. Begon, M., J. L. Harpers and C. R. Townsend. 1996. Ecology: Individuals, Populations and Communities. 3rd.–Blackwell Science oxford, 1068 p.##7. Briggs, L. J. and H. L. Shantz. 1912. The Wilting Coefficient for Different Plants and Its Indirect Determination. USDA Bureau of Plant Industry Bull, Government Printing Office: Washington, DC, 100 p.##8. Callaway, R. M. and L. R. Walker. 1997. Competition and facilitation: a synthetic approach to intraction in plant communities. Ecology 78:1958-1965.##9. Diebel, P. L., J. R. Williams and R. V. Llewelyn. 1995. An economic comparison of conventional and alternative cropping systems for a representative northeast Kansas farm. Review of Agricultural Economics 17:323-335.##10. Galkovskyi, T., Y. Mileyko, A. Bucksch, B. Moore, O. Symonova, C. A. Price, C. N. Topp, A. S. Iyer-Pascuzzi, P. R. Zurek, S. Fang, J. Harer, P. N. Benfey and J. S. Weitz. 2012. GiA Roots: software for the high-throughput analysis of plant root system architecture. BMC Plant Biology, 12(1), 116.##11. Gao, Y., A. Duan, X. Qiu, Z. Liu, J. Sun, J. Zhang and H. Wang. 2010. Distribution of roots and root length density in a maize/soybean strip intercropping system. Agricultural Water Management 98:199-212.##12. Gordon, W. S. and R. B. Jackson. 2000. Nutrient concentrations in fine roots. Ecology 81: 275-280.##13. Grime, J. P. 2001. Plant Strategies, Vegetation Processes, and Ecosystem Properties. John Wiley & Sons, LTD, Chichester, UK, 456 p.##14. Jumpponen, A., P. Hogberg, K. Huss-Danell and C. P. H. Mulder. 2002. Interspecific and spatial differences in nitrogen uptake in monocultures and two species mixtures in north European grasslands. Functional Ecology 16:454-461.##15. Lucero, D. W., P. Grieu and A. Guckert. 1999. Effects of water deficit and plant interaction on morphological growth parameters and yield of white clover (Trifolium repens L.) and ryegrass (Lolium perenne L.) mixtures. European Journal of Agronomy 11:167-177.##16. Niemela, M., A. Markkola and P. Mutikainen. 2008. Modification of competition between two grass species by a hemiparasitic plant and simulated grazing. Basic and Applied Ecology 9:117-125.##17. Radosevich, S. R. 1987. Methods to Study Interactions among Crops and Weeds. Weed Technology 1:190-198.##18. Tallec, T., S. Dique´ loua, S. Lemauviel, J. B. Cliquet, F. Lesuffleur and A. Ourrya. 2008. Nitrogen:sulphur ratio alters competition between Trifolium repens and Lolium perenne under cutting: Production and competitive abilities. European Journal of Agronomy 29:94-101.##19. Tilman, D. 1990. Constraints and tradeoffs: toward a predictive theory of competition and succession. Oikos 58:3-15.##20. Tirado, R. and F. I. Pugnaire. 2005. Community structure and positive interaction in constrain environments. Oikos 111:437-444.##21. Weigelt, A. and P. Jolliffe. 2003. Indices of plant competition. Journal of Ecology 91:707-720.##22. Willey, R. W. and D. S. O. Osiru. 1972. Studies on mixture of maize and beans (Phaseolus vulgaris) with particular reference to plant population. The Journal of Agricultural Science 79:531-540.##23. Xu, B. C., W. Z. Xu, J. Huang, L. Shan and F. M. Li. 2011. Biomass allocation, relative competitive ability and water use efficiency of two dominant species in semiarid Loess Plateau under water stress. Plant Science 181:644-651.##24. Xu, B. C., W. Z. Xu, Z. J. Gao, J. Wang and J. Huang. 2013. Biomass production, relative competitive ability and water use efficiency of two dominant species in semiarid Loess Plateau under different water supply and fertilization treatments. Ecological Research 28: 781-792.##25. Zhang, G., Z. Yang and S. Donga. 2011. Interspecific competitiveness affects the total biomass yield in an alfalfa and corn intercropping system. Field Crops Research 124:66-73.##26. Zhao, C., Y. Sheng, H. Ren, F. Gao and J. Zhang. 2013. A study on the root competitive pattern of annual pasture in mixed grassland in alpine region. Acta Ecologica Sinica 33:145-149.####1. بهشتی، س. ع. و ب. سلطانیان. 1391. رقابت درون و برون‌ گونه‌ای در کشت مخلوط ردیفی سورگوم و لوبیا به‌روش عکس عملکرد ، مجله به‌زراعی نهال و بذر، 28(1):17-1.##2. سرخی لله لو، ف.، ع. دباغ محمدی نسب، ج. شفق کلوانق و م. فاتح.1391. بررسی رقابت درون و برون‌گونه‌ای در اجتماع گندم (Triticum aesticium) و یولاف وحشی (Avena fatuca) با استفاده از مدل عکس عملکرد و شاخص‌های رقابتی، تحقیقات غلات، 2(2): 147-137.##3. شعبان، م.، س. منصوری فر، م. قبادی و ر. اشرفی پارچین. 1390. اثر تنش خشکی و کود نیتروژنه آغازگر بر خصوصیات ریشه و عملکرد چهار ژنوتیپ (Cicer arietinum L.) ، مجله به‌زراعی نهال و بذر، 27(4): 470-451.##4. قادری، غ.، ع. گزانچیان و م. یوسفی. 1387. مقایسه عملکرد علوفه کشت مخلوط و تک کشتی یونجه و آگروپایرون، فصلنامه علمی- پژوهشی تحقیقات مرتع و بیابان ایران، 15(2): 268-256.##5. نوروزپور، ق. و پ. رضوانی مقدم. 1384. اثر دوره‌های مختلف آبیاری و تراکم بر عملکرد و اجزای عملکرد گیاه دارویی سیاه دانه (Nigella sativa)، مجله پژوهش‌های زراعی ایران، 3(2): 315-305. ## ##

بررسی الگوی پراکنش درختان ولیک (Cratagus monogyna) آلوده به لیسه (Yponomeuta padella) در جنگل‌های بازفت استان چهارمحال و بختیاری Study of Spatial Distribution of the Hawthorn (Crataegus monogyna) Trees Attacked by Orchard Ermine (Yponomeuta padella) in Bazoft Forests of Chaharmahal and Bakhtiari Province 1 1 درختان تحت شرایط تنش (مانند هجوم آفات)، واکنش‌های متعددی درساختار مکانی از خود نشان می‌دهند، به‌علاوه، تراکم درختان و میزان آلودگی به آفت در یک توده نیز بر روند الگوی پراکنش مؤثر است. این تحقیق با مطالعه الگوی پراکنش درختان ولیک (Crataegus monogyna) آلوده به آفت لیسه (Yponomeuta padella) در بخشی از مناطق جنگلی حوضه آبریز رودخانه بازفت انجام شد. تعداد 9 رویشگاه با آلودگی متفاوت انتخاب شدند. انتخاب رویشگاه‌ها براساس وجود آلودگی و محل قرارگیری آنها (شمالی یا جنوبی) بود. میزان آلودگی به آفت لیسه، تراکم درختان ولیک و مختصات ( Xو Y) هر درخت ثبت گردید. الگوی پراکنش در هر رویشگاه به‌وسیله شاخص Eberhart و تابع K- function به‌دست آمد. نتایج نشان داد که عامل تراکم و میزان آلودگی درختان ولیک به آفت لیسه بر روند الگوی پراکنش درختان مؤثر است، به‌طوری‌که رویشگاه‌های آلوده به آفت لیسه که درصد بالایی از درختان ولیک را به‌خود اختصاص داده بودند (تراکم بالای درختی)، از الگوی پراکنش کپه‌ای تبعیت می‌کردند. رویشگاه‌های آلوده به آفت لیسه ولی با تراکم کمتر درختان ولیک، از الگوی پراکنش تصادفی تا یکنواخت و رویشگاه‌هایی که عاری از هرگونه آلودگی به آفت لیسه بودند، بدون تأثیر عامل تراکم از الگوی پراکنش کپه‌ای تبعیت می‌کردند. 2 Forest trees demonstrate different distribution patterns, depend on their living condition (Such as pest infestations). Forest density and epidemic pest concentration are hypothetically among the most influential factors. The current study was carried out on distribution pattern of the orchard ermine (Yponomeuta padella) infested hawthorn trees (Crataegus monogyna) in Bazoft river watershed in Central Zagros. Nine sites were selected with different infections. The site selection was based on pollution and position (North or South) it. Pollution, density of trees and coordinates (X , Y) were recorded for each tree. Eberhart and Ripley’s K functions were used to elucidate the infested and non-infested tree distribution. The results showed a clumped distribution of the trees in sound sites and in infested sites with high hawthorn density. Trees in low-dense infested sites had a tendency toward more random and even uniform population distribution. 39 49 2016/02/242016/02/242016/02/242016/02/24 1394/12/5 2016/02/242016/02/242016/02/242016/02/24 1394/12/5 حسین شریعتی نجف آبادی H. Shariati Najaf Abadi دانشگاه شهرکرد ایران hoseinshariati67@yahoo.com علی سلطانی A. Soltani دانشگاه شهرکرد ایران زریر سعیدی Z. Saeidi مرکز تحقیقات کشاورزی و منابع طبیعی چهارمحال و بختیاری ایران شادی گرجستانی‌زاده Sh. Gorjestani Zadeh دانشگاه شهرکرد ایران Forest tree distribution Hawthorn Orchard ermine Density K- function Eberhart index Bazoft. پراکنش درختان جنگلی ولیک لیسه تراکم تابع K شاخص ابرهارت بازفت 8. Arevalo, J. R. and J. M. Fernandez-Palacios. 2003. Spatial patterns of trees and juveniles in a laurel forest of Tenerife. canary islands, Plant Ecology 165: 1-10.##9. Askari, Y., E .Kafash Saei, D. Delpasand and D. Rezaei. 2013. Evaluation of Crategus sp. spatial pattern in the Central Zagros Forest. International journal of Advanced Biological and Biomedical Research 1: 179-85.##10. Bakker, A. C., P. S. B. Roessingh and J. Menken. 2008. Sympatric speciation in Yponomeuta: no evidence for host plant fidelity Entomologia Experimentalis et Applicata. Institute for Biodiversity and Ecosystem Dynamics 128: 240-247.##11. Brookes, M. I. and R. K. Butlin. 1994. Population structure in the small ermine moth Yponomeuta padellus: an estimate of male dispersal. Ecological Entomology 19: 97-107.##12. Dale, M. R. T. 1999. Spatial Pattern Analysis in Plant Ecology. Cambridge University Press, Cambridge, United Kingdom, 326 p.##13. Desheng, L., K. Maggi, G. Peng and G. Qinghua. 2007. Characterizing spatial-temporal tree mortality patterns associated with a new forest disease. Forest Ecology and Management 253: 220-231.##14. Dixon, P. M. 2006. Ripley\'s K Function, In Encyclopedia of Environmetrics: John Wiley & Sons, Ltd, 448 p.##15. Enquist, B. J. and C. A. F. Enquist. 2011. Long-term change within a Neotropical forest: assessing differential functional and floristic responses to disturbance and drought. Global Change Biology 17: 1408-1424.##16. Feeley, K. J., S. J. Davies, R. Perez, S. P. Hubbell and R. B. Foster. 2011. Directional changes in the species composition of a tropical forest. Ecology 92: 871-882.##17. Franklin, J., J. Michaelsen and A. H. Strahler. 1985. Spatial analysis of density dependent patterns in coniferous forest stands. Vegetation 64: 29-36.##18. Fraver, S., A. W. D\'Amato, J. B. Bradford, B. G. Jonsson, M. Jönsson and P. A. Esseen. 2013. Tree growth and competition in an old-growth Picea abies forest of boreal Sweden: influence of tree spatial patterning. Journal of Vegetation Science 91: 987-996.##19. Goreaud, F., M. Loreau, and C. Millier. 2002. Spatial structure and the survival of an inferior competitor: a theoretical model of neighbourhood competition in plants. Ecological Modelling 158: 1-19.##20. Hocking, D. 1993.Trees for Drylands. New York; USA: International Science Publisher, 370 p.##21. Hou, J. H., X. C. Mi, C. R. Liu, and K. P. Ma. 2004. Spatial patterns and associations in a Quercus- Betula forest in northern China. Journal of Vegetation Science 15: 407-414.##22. Kenkel, N. C. 1988. Pattern of self-thinning in jack pine: testing the random mortality hypothesis. Ecology 64: 1017-1024.##23. Krebs, C. J. 1999. Ecological Methodology. Benjamin/Cummings, 320 p.##24. Legendre, P. and M. J., Fortin. 1989. Spatial pattern and ecological analysis. Vegetation 80: 107-138.##25. Meddens, A. J. H. and J. A. Hicke. 2014. Spatial and temporal patterns of Landsat-based detection of tree mortality caused by a mountain pine beetle outbreak in Colorado, USA. Forest Ecology and Management 322: 78-88.##26. Mercader, R. J., N. W. Siegert, A. M. Liebhold and D. G. McCullough. 2010. Influence of foraging behavior and host spatial distribution on the localized spread of the emerald ash borer, Agrilus planipennis. Population Ecology## 53: 271-85.##27. Palmino, R. L. 2005. Spatial distribution patterns of trees in a seasonally dry forest in the Ceros de Amotape National Park northwestern Peru. Revista Peruana de Biología 12(2): 317-326.##28. Pielou, E. C. 1969. An Introduction to mathematical ecology. Wiley-Interscience, New York, viii, 286 p.##29. Poly, W. J. 1997. Nongenetic variation, genetic-environmental interactions and altered gene expression П, disease, parasite and pollution effects. Comparative Biochemistry and Physiology 117 (1): 61-74.##30. Ripley, B. D. 1979. Tests of \'randomness\' for spatial point patterns. Journal of the Royal Statistical Society 1:368-374.##31. Rouault, G., J. N. Candau, F. Lieutier, L. M. Nageleisen, J. C. Martin and N. Warzée. 2003. Effects of drought and heat on forest insect populations in relation to the 2003 drought in Western Europe. Annals of Forest Science 63: 613-624.##32. Safranyik, L. and A. L. Carroll. 2007. The biology and epidemiology of the mountain pine beetle in lodgepole pine forests. Natural Resources Canada, 304 p.##33. Schulze, E. D., E. Beck and K. Müller-Hohenstein. 2005. Plant Ecology. Springer, 702 p.##34. Silver, E. J., S. Fraver, A. W. D’Amato, T. Aakala and B. J. Palik. 2013. Long-term mortality rates and spatial patterns in an old-growth Pinus resinosa forest. Canadian Journal of Forest Research 43: 809-816.##35. Szwagrzyk, J. 1992. Small-scale spatial patterns of trees in a mixed Pinus sylvestris-Fagus sylvatica forest. Forest Ecology and Management 51: 301-315.##36. Tomppo, E. 1986. Models and methods for analysing spatial patterns of trees. Finnish Forest Research Institute, 65 p.##1. اردکانی، م. 1382. اکولوژی. انتشارات دانشگاه تهران، 340 ص.##2. بصیری، ر.، ه. سهرابی و م. مزین. 1382. تحلیل آماری الگوی پراکنش مکانی گونه‌های درختی در منطقه قامیشلو مریوان. نشریه منابع طبیعی ایران 59(3): 588-579.##3. حیدری، ر. ح.، م. زبیری، م. نمیرانیان و ه. سبحانی. 1388. مقایسه روش‌های نمونه‌برداری با قطعه نمونه دایره‌ای شکل و خط نمونه در جنگل‌های زاگرس. فصلنامه علمی– پژوهشی تحقیقات جنگل و صنوبر ایران 17(3): 368-359.##4. شریعتی نجف آبادی، ح.، ش. گرجستانی زاده، ع. سلطانی و ز. سعیدی. 1393. بررسی برخی شاخص‌های رویشی مؤثر در گزینش گونه‌های ولیک توسط پروانه لیسه Hyponomeuta padella در جنگل‌های بازفت. تحقیقات حمایت و حفاظت جنگل‌ها و مراتع ایران 12: 66-57. ##5. عسکری، ی. 1391. ارزیابی روش‌های مختلف نمونه‌برداری برای برآورد پارامترهای کمی در ذخیره‌گاه جنگلی چهارطاق اردل. پایان‌نامه کارشناسی ارشد، دانشکده منابع طبیعی دانشگاه شهرکرد.##6. علوی، س. ج.، ق. ا. زاهدی امیری و م. ر. مروی مهاجر. 1384. تعیین الگوی پراکنش مکانی گونه ملج در جنگل‌های شمال ایران (مطالعه موردی در جنگل آموزشی و پژوهشی خیرود کنار، نوشهر). مجله منابع طبیعی ایران 58(4): 805-793. ##7. کیانی، ب.، م. طبری، ا. فلاح، س. م. حسینی و م. ح. ایران نژاد پاریزی. 1390. استفاده از سه روش نزدیکترین همسایه، تابع K رایپلی و میانگین مربعات در تعیین الگوی پراکنش گونه تاغ (Haloxylon ammodenderon C. A. Mey) در منطقه حفاظت شده سیاه کوه استان یزد. فصلنامه تحقیقات جنگل و صنوبر ایران 19(3): 356-369.## ##

اثرات تعداد، سطح و شکل پلات روی صحت و دقت برآورد تولید چند علفزار با استفاده از شبیه‌سازی نمونه‌گیری The Effects of Plot Size and Shape on Accuracy and Precision of Estimation of Production at Some Pastures by Sampling Simulation 1 1 به‌منظور بررسی اثرات تعداد، سطح و شکل پلات روی صحت و دقت برآوردها، داده‌های تولید علوفه پنج منطقه از علفزارهای بخش شمالی کشور با استفاده از نرم‌افزار R در یک پلات بزرگ 640 متر مربعی با ابعاد 32×20 متر که داده‏های آن به تفکیک 640 پلات یک متر مربعی گردآوری شده بودند، شبیه‌سازی شد. با استفاده از روش ترسیمی برای پلات‌هایی با ابعاد 1×1، 2×1، 2×2، 4×2، 4×4 و 8×4 متر، تعداد پلات کافی مشخص گردید. طبق نتایج حاصله تعداد پلات کافی برای سطوح فوق به ترتیب60، 50، 40، 30، 5 و 5 به‌دست آمد. هنگامی‌که با سطوح و اشکال مختلف پلات براساس تعداد پلات کافی نمونه‌گیری شد، تقریباً کلیه آنها میانگینی برابر با میانگین واقعی داشتند، اما استفاده از پلات 1×1 کمترین اشتباه معیار میانگین را دارا بود که در نتیجه بیشترین دقت حاصل شد. مقایسه پلات‏های دارای سطح برابر و شکل متفاوت نشان داد که پلات‏های مستطیل کشیده دارای بالاترین دقت هستند. واضح است که در مطالعات شبیه‌سازی نشده با پارامترهای نامعلوم، رعایت راه‌کارهای نمونه‌گیری ارائه شده در این تحقیق به برآورد صحیح و دقیقی از پارامترها منتهی می‌شود. 2 To investigate the effects of plot size, shape and number on accuracy and precision of the estimates, forage production data of 5 regions of northern pastures of the country, collected separately by 640 one-square meter plots, were simulated using R software in a 640 m2 macro- plot with dimensions 20×32 m. The adequate sample size of different plot sizes of 1×1, 1×2, 2×2, 2×4, 4×4 and 4x8 m were obtained by the sketch method which were 60, 50, 40 ,30, 5, and 5, respectively. When the plot was sampled in different levels and shape based on the adequate plot numbers, almost all of them showed a mean equal to the actual mean. However, the highest precision was obtained using a 1x1 plot with the lowest SE. Comparison of plots with the same size and different shapes revealed that long-length rectangle plots show the highest precision. It is obvious that in actual situation of non-simulated studies with unknown parameters, the sampling guidelines of this paper will be helpful for proper and accurate estimation of the parameters. 51 60 2016/02/242016/02/242016/02/242016/02/242016/02/24 1394/12/5 2016/02/242016/02/242016/02/242016/02/242016/02/24 1394/12/5 نفیسه فخار ایزدی N. Fakhar Izadi دانشگاه فردوسی مشهد ایران کمال الدین ناصری K. Naseri دانشگاه فردوسی مشهد ایران klnaseri@um.ac.ir منصور مصداقی M. Mesdaghi دانشگاه فردوسی مشهد ایران Accuracy Parameter Plot size Plot shape Production Precision Statistics. آمار اندازه پلات پارامتر تولید دقت شکل پلات صحت ##اثرات تعداد، سطح و شکل پلات روی صحت و دقت برآورد##تولید چند علفزار با استفاده از شبیه‌سازی نمونه‌گیری####نفیسه فخار ایزدی1، کمال الدین ناصری1* و منصور مصداقی1##(تاریخ دریافت: 23/1/1394 ؛ تاریخ پذیرش: 24/9/1394)##چکیده##به‌منظور بررسی اثرات تعداد، سطح و شکل پلات روی صحت و دقت برآوردها، داده‌های تولید علوفه پنج منطقه از علفزارهای بخش شمالی کشور با استفاده از نرم‌افزار R در یک پلات بزرگ 640 متر مربعی با ابعاد 32×20 متر که داده‏های آن به تفکیک 640 پلات یک متر مربعی گردآوری شده بودند، شبیه‌سازی شد. با استفاده از روش ترسیمی برای پلات‌هایی با ابعاد 1×1، 2×1، 2×2، 4×2، 4×4 و 8×4 متر، تعداد پلات کافی مشخص گردید. طبق نتایج حاصله تعداد پلات کافی برای سطوح فوق به ترتیب60، 50، 40، 30، 5 و 5 به‌دست آمد. هنگامی‌که با سطوح و اشکال مختلف پلات براساس تعداد پلات کافی نمونه‌گیری شد، تقریباً کلیه آنها میانگینی برابر با میانگین واقعی داشتند، اما استفاده از پلات 1×1 کمترین اشتباه معیار میانگین را دارا بود که در نتیجه بیشترین دقت حاصل شد. مقایسه پلات‏های دارای سطح برابر و شکل متفاوت نشان داد که پلات‏های مستطیل کشیده دارای بالاترین دقت هستند. واضح است که در مطالعات شبیه‌سازی نشده با پارامترهای نامعلوم، رعایت راه‌کارهای نمونه‌گیری ارائه شده در این تحقیق به برآورد صحیح و دقیقی از پارامترها منتهی می‌شود. ####‌واژه‌های‌ کلیدی‌: آمار، اندازه پلات، پارامتر، تولید، دقت، شکل پلات، صحت ##############1. گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه فردوسی مشهد##* : مسئول مکاتبات، پست الکترونیکی: klnaseri@um.ac.ir## ##مقدمه##با توجه به اهمیت مراتع در تأمین غذای دام و حفظ محیط زیست، لازم است از ظرفیت تولیدی مراتع برآورد صحیح و دقیقی به‌دست آید. خطا در برآورد تولید می‏تواند به تعیین نادرست ظرفیت چرای دام و در نتیجه چرای مفرط یا کمتر از ظرفیت مرتع منجر شود. هنگام نمونه‌گیری برای برآورد تولید علوفه مراتع معمولاً از پلات استفاده می‌شود. انتخاب شکل، تعداد و اندازه پلات مناسب برروی دقت و صحت نمونه‌گیری بسیار مؤثر است و باعث می‌گردد که واریانس داده‏ها و زمان نمونه‌گیری به حداقل برسد (6 و 14). نمونه‌گیری در واقع فرآیند انتخاب بخشی از یک جامعه آماری است به این منظور که ویژگی‌ها و کیفیت کل مجموعه را از طریق سنجش متغیرهای نمونه بتوان با درجه اطمینان قابل قبولی برآورد کرد (10). مروری بر منابع نشان می‌دهد که در انتخاب تعداد و شکل پلات، قاعده مشخص و ثابتی وجود ندارد و افراد اغلب با توجه به نوع مطالعه، میزان تجربه و درنظر داشتن سهولت کار، پلات مناسب را تعیین می‎کنند (1). علی‌رغم آنکه اغلب در مکالمات روزمره معنای دو واژه "صحت" (accuracy) و "دقت" ( (precisionیکسان تلقی می‌شود، لازم است مفاهیم متفاوت آنها در آمار زیستی تعریف شوند (13 و 18). صحت، نزدیکی آماره‏ نمونه (statistics) به‌مقدار واقعی پارامتر جمعیت است، در حالی‌که دقت نزدیکی داده‏ها حول میانگین آنهاست؛ به‌عبارت دیگر، هر قدر انحراف معیار داده‏ها کمتر باشد، به دقت برآورد افزوده می‎شود. مسلماً انتخاب سطح پلات و تعداد پلات روی صحت و دقت برآورد حاصل از نمونه اثرگذار است. (4، 8، 9 و 12). ## واژۀ نمونه و معادل انگلیسی آن (sample) چه در منابع انگلیسی و چه در منابع فارسی منشاء تناقض بوده است و غالباً نمونه به‌عنوان یک واحد نمونه‌گیری به‌کار رفته است در حالی‌که معادل فارسی s‏ample size تعداد واحدهای نمونه‌گیری (پلات) است. هم‌چنین در این تحقیق معادل فارسی "plot size" سطح پلات است.##اصولاً در یک طرح نمونه‌گیری چند سؤال اساسی به‌شرح زیر مطرح می‌شوند: 1) چه تعداد پلات باید گرفته شود؟ 2) سطح پلات چه اندازه باشد؟ و 3) از چه شکل‌های پلات استفاده شود؟## در تحقیق حاضر ابتدا از طریق نمونه‏برداری صد درصد یک جمعیت آماری کوچک، پارامترهای واقعی جمعیت (میانگین و واریانس) به‌دست آمد. سپس با استفاده از نرم‏افزار R نمونه‌گیری‏های مکرر از جمعیت مذکور شبیه‏سازی شد و نتایج حاصل از آماره‏های نمونه با پارامتر جمعیت مقایسه گردید. مزیت این تحقیق در واقعی بودن داده‏های آن، امکان نمونه‌گیری‏های فراوان با صرف زمان و هزینه اندک به‌منظور آشکارسازی روند تغییرات دقت و صحت و در اختیار داشتن پارامترهای واقعی جمعیت به‎منظور مقایسه دقیق است. ## در زمینه شبیه‌سازی نمونه‌گیری، مطالعات محدودی انجام شده است، اما مهمترین آنها مربوط به مطالعه کالی و سینکلایر (12) است که در یک شبکۀ 12×12 کیلومتر با 144 پلات 1×1 کیلومتر، تعداد کانگوروها را با استفاده از سطوح مختلف پلات و روش‎های متفاوت نمونه‌گیری شبیه‌سازی کردند. زنگنه و همکاران (1) نیز با مکان‌یابی پایه‌های گیاهی گونه گون خاردار (Astragalus verus) در منطقه مایان مشهد، اقدام به بررسی صحت و دقت با سطح و شکل‎های مختلف پلات نمود که با به‌کارگیری نرم‌افزارR ، پلات‎هایی مصنوعی با سطح و شکل‎های مختلف را روی پایه‌های گیاهی مستقر و نتایج دقیقی از تراکم گونه بوته‌ای فوق به‌دست آورد. گرچه این شبیه‎سازی‎ها برای برآورد تراکم بود، با این حال نتایج آنها نکات مهمی را مشخص کرد که سطح پلات‎های کوچک با تعداد بیشتر (1) و هم‌چنین استفاده از ترانسکت موازی با شیب تغییرات تراکم (12) به برآوردهای دقیق و صحیح‌تری ختم شده‌اند. الزینگا و همکاران (16) معتقدند روند تغییرات دقت و صحت جز در تعداد زیاد نمونه‌گیری (چند صد یا چند هزار بار) آشکار نمی‌شود. بدیهی است که این تعداد نمونه‌گیری در عملیات میدانی امکان‏پذیر نیست و تنها از طریق شبیه‏سازی محقق خواهد شد. سایر تحقیقات انجام شده در ایران اگرچه در قالب شبیه‌سازی نبوده‌اند، با این حال در مطالعه‌ای که توسط میرجلیلی و همکاران (7) برای برآورد تولید در مراتع استپی یزد انجام شد، با استفاده از روش ترسیمی با قبول20 درصد تغییرات، تعداد نمونه لازم برای برآورد تولید علوفه بدون تفکیک گونه‌ای، 30 پلات 2 متر مربعی و با تفکیک گونه‌ای، 100 پلات 2 متر مربعی بود. مصداقی و عجمی (3) نیز برای برآورد تولید علفزارهای مراتع چهار باغ گرگان پس از استقرار 90 پلات یک متر مربعی، با استفاده از روش ترسیمی، تعداد پلات کافی را حدود 50 پلات برآورد کردند. هنگامی‌که از پلات‌های مستطیلی کشیده در جهت عمود بر خطوط تراز استفاده شود، حداکثر دقت به‌دست می‌آید و پلات‌های مربع یا دایره‌ای شکل به‌دلیل نشان دادن یکنواختی کمتر در امتداد گرادیان محیطی، دقت کمتری دارند (10). به‌منظور مقایسه کارایی اندازه و شکل‌های مختلف پلات جهت برآورد تولید در مناطق استپ و نیمه‌استپ ایران، مقدم و قربانی پاشاکلایی (6) نشان دادند که اندازه‌های 1 تا 5/1 متر مربع برای مناطق استپ و استپ مرتفع و اندازه‌های 5/0 تا 1 متر مربع برای منطقه نیمه‌استپ مناسب‌تر بوده‌اند. در مطالعه‌ای توسط برومر و همکاران (11)، کارایی شکل و سطوح مختلف پلات جهت بـرآورد تولیــد در مراتع تحقیقـاتی دانشگاه نبراسکا با علف گندمیــان ریزوم‌دار Andropogon halli و longifolia Calamovilfa و گندمیان دسته‌ای hisuta Bouteloua و scoparium Schizachyrium بررسی شد که برای گونه‌های ریزوم‌دار پلات6/3 متر مربع و برای علف گندمیان دسته‌ای پلات 8/1 متر مربع مناسب بودند. ویگرت (19) مطالعاتی را در مراتع جنوب شرقی میشیگان جهت انتخاب سطح مناسب پلات برای برآورد تولید علف گندمیان، پهن برگان علفی و میزان لاشبرگ انجام داد که معیار انتخاب سطح پلات، حداقل حاصل‌ضرب واریانس نسبی در هزینه نسبی بود. دنگلر و همکاران (15) بیان کردند که سطوح متفاوتی از پلات جهت نمونه‎‎‎برداری از جوامع مختلف گیاهی وجود دارند به‌طوری که از سطح کمتر 1/0 متر مربع برای گیاهان کوچک بدون گل مانند گلسنگ‌ها تا بزرگتر از 10000 متر مربع برای جنگل‌های گرمسیری حاره‌ای مناسب است. مطالعه کرمی و همکاران (2) در مراتع مراوه تپه با استفاده از روش ویگرت (19) نشان داد که سطح 75/0 متر مربع برای پوشش علفزار یک‌ساله مناسب است اما به‌طور کلی این مطالعات پراکنده و غیرمنسجم به‌دلیل نامعلوم بودن پارامتر واقعی جمعیت‌های آماری، پاسخگوی سؤالات اساسی تحقیق ما نیست، بنابراین اهداف این تحقیق شامل 1) تعیین تعداد پلات کافی برای سطوح مختلف پلات با استفاده از روش ترسیمی، 2) تعیین دقت و صحت برآورد تولید با سطوح و شکل‎های مختلف پلات و 3) مقایسه شکل‎های مختلف مربع و مستطیل با سطوح یکسان می‌باشد. ##مواد و روش‏ها##مشخصات مناطق جمع‌آوری داده‌های تولید##داده‏های تولید مورد استفاده در این تحقیق از پنج منطقه با پوشش غالب علف گندمیان (برای سهولت و دقت بیشتر در قطع و توزین) در بخش‎های شمالی کشور جمع‌آوری شده است (جدول 1). داده‏های بارندگی براساس متوسط دراز مدت نزدیک‏ترین ایستگاه هواشناسی ارائه شده است. ##گردآوری داده‏های میدانی و تصادفی کردن ##از هر منطقه، علوفه تولیدی پلات‎های بزرگ 64 متر مربعی (به ابعاد 8×8 متر) با 2 تکرار به تفکیک یک متر مربع قطع و پس از انتقال به آزمایشگاه خشک و وزن خشک آنها برحسب گرم در متر مربع تعیین شد (جدول 1).## از آنجا که پلات‎های هم‌جوار از نظر عوامل محیطی یکسانند، جهت جلوگیری از بروز خطای خودهمبستگی مکانی (spatial autocorrelation)، کلیه داده‌های640 پلات یک متر مربعی طی فرایند تصادفی کردن، با هم تلفیق و سپس تصادفی شدند تا استنتاجات آماری درباره آنها صدق نمایند. بنابراین طرح کلی شبیه‌سازی نمونه‌گیری تولید در نرم‎افزار R با ترکیب ##جدول 1. مشخصات مناطق مختلف نمونه‌گیری در بخش‎های شمالی ایران و متوسط تولید علوفه خشک آنها##بارندگی##(میلی‌متر) ارتفاع##(متر) عرض جغرافیایی##(متر) طول جغرافیایی##(متر) ##منطقه##600 2000 ̋00 \'55 ˚36 ̋18 \'04 ˚50 زرچاک، استان گیلان##625 1970 ̋39 \'17 ˚37 ̋15 \'54 ˚48 اسپندول، استان گیلان##262 1240 ̋56 \'08 ˚36 ̋10 \'32 ˚59 طرق، استان خراسان رضوی##290 1090 ̋04 \'19 ˚37 ̋21 \'03 ˚56 دشت، استان خراسان شمالی##322 1720 ̋24 \'38 ˚37 ̋56 \'29 ˚58 آسلمه، استان خراسان رضوی## ##پلات‎ها در ماتریسی از داده‎های تولید به ابعاد 32×20 متر (به‌عنوان جمعیت آماری) است. سپس نتایج حاصل از تولید هر سطح به‌صورت گرم در یک متر مربع استاندارد شدند تا امکان مقایسه داده‏های حاصل از سطوح مختلف پلات فراهم شود.##ویژگی‏های واحدهای نمونه و شبیه‏سازی نمونه‌گیری ##جهت شبیه‏سازی نمونه‌گیری در تعداد زیاد با استفاده از نرم‏افزار آماری R (که ابزار توانمندی جهت شبیه‌سازی نمونه‌گیری از جمعیت‏های آماری است)، دو شکل پلات مربع و مستطیل (پهن، متوسط و کشیده) و در شش سطح به ابعاد 1×1، 2×1، 2×2، 4×2، 4×4 و 32×1 متر درنظر گرفته شد. در هر یک از ابعاد مذکور معادل یک چهارم جمعیت آماری (160 متر مربع) نمونه‏برداری شد. بنابراین با حجم نمونۀ ثابت، به ترتیب تعداد 160، 80، 40، 20، 10 و 5 واحد نمونه در هر بار نمونه‌گیری انتخاب شد و هر نمونه هزار بار تکرار گردید. لازم به ذکر است که در داخل نرم‌افزار R بسته‌های نرم‌افزاری (Package) وجود دارد که کلیه توابع و مجموعه‌های داده‌ای R در بسته‌های نرم‌افزاری آن ذخیره شده‌اند که در اینجا برای رسم منحنی‌ها تعداد نمونه کافی در سطوح مختلف از بسته‌های sp، splancs و plotrix استفاده شده است.##پردازش داده‎ها##انحراف معیار و میانگین واقعی جمعیت آماری (پارامترها) محاسبه شد و سپس با میانگین، انحراف معیار و اشتباه معیار حاصل از نمونه‌گیری (آماره‏ها) در سطوح مختلف مقایسه گردید و میزان صحت و دقت آنها با معیار حدود اطمینان و انحراف معیار واقعی جامعه بررسی شد. با استفاده از آزمون تجزیه واریانس، داده‏های استاندارد شدۀ حاصل از شکل‌های مختلف با هم مقایسه شدند. در صورت معنی‎دار شدن اختلاف‎ها، برای تعیین میزان تفاوت معنی‎دار از آزمون فیشر(LSD) استفاده شده است.##تعیین تعداد پلات کافی برای سطوح مختلف شکل و اندازه پلات به‌روش ترسیمی##از آنجا که داده‏های کل جمعیت آماری به تفصیل در اختیار بودند، جهت تعیین تعداد پلات کافی برای هر بار نمونه‌گیری، به‌جای داده‏های نمونه‌گیری از داده‏های کل جمعیت مربوط به هر سطح استفاده شد. بر این اساس میانگین تجمعی تولید برای پلات‎های مربع 1×1متر (640 پلات)، مستطیل 2×1 متر (320 پلات)، مربع 2×2 (160 پلات) و مستطیل 4×2 (80 پلات)، مربع 4×4 (40 پلات) و مستطیل 8×4 (20 پلات) براساس هر 5 پلات متوالی محاسبه و میانگین تجمعی تولید در مقابل تعداد پلات رسم شدند (نمودار میانگین به سطح). با اضافه شدن تعداد پلات از نوسانات منحنی کاسته شده تا منحنی صاف و موازی محور xها شود که آغاز صاف شدن منحنی نشانه تعداد پلات کافی است. (5،10 و 14).##تعیین صحت و دقت سطوح مختلف شکل و اندازه پلات ##از آنجا که تعداد واحد نمونه در نمونه‌گیری‏های مختلف یکسان نبود، جهت برقراری امکان مقایسه واحدهای نمونه با یکدیگر از اشتباه معیار میانگین (به‌جای انحراف معیار) استفاده شد. بنابراین برای هر اندازه پلات، میانگین و اشتباه معیار میانگین به‌دست آمد. ملاک صحت براساس نزدیکی به میانگین واقعی و دقت براساس کمترین اشتباه معیار میانگین انتخاب شد (10).##نتایج##همان‌طور که در بخش مواد و روش‌ها نیز اشاره شد از هر منطقه، علوفه تولیدی پلات بزرگ64 متر مربعی (8×8) با 2 تکرار به تفکیک یک متر مربع قطع و پس از انتقال به آزمایشگاه خشک و وزن خشک آنها برحسب گرم در متر مربع تعیین شد و مقدار تولید آنها به‎دست آمد (جدول 2).##تعداد پلات کافی ##طبق شکل 1 با اضافه شدن تعداد پلات از نوسانات ##منحنی کاسته شده و منحنی تقریباً صاف و موازی محورx ها می‎شود که آغاز هموارشدن منحنی، تعداد پلات کافی را نشان می‌دهد (شکل 1 و جدول 3). همان‌طور که در جدول 3 مشاهده می‌شود هر چه سطح پلات بزرگتر می‌شود به تعداد نمونه کمتر نیاز است در واقع وقتی پلات مورد نظر کوچک است برای دست یافتن به دقت کافی به تعداد پلات بیشتری نیاز است.##جدول 2. مقدار تولید در هر منطقه برحسب گرم در متر مربع##متوسط تولید##(گرم در متر مربع) منطقه##9/64 زرچاک، استان گیلان##3/96 اسپندول، استان گیلان##8/126 طرق، استان خراسان رضوی##4/195 دشت، استان خراسان شمالی##1/333 آسلمه، استان خراسان رضوی##جدول 3. تعداد نمونه کافی برحسب سطوح مختلف پلات##سطح پلات تعداد کل پلات در هرسطح تعداد پلات کافی##1×1 640 60##1×2 320 50##2×2 160 40##4×2 80 30##4×4 40 5##8×4 20 5##صحت و دقت سطوح مختلف پلات##نتایج مربوط به صحت و دقت سطوح مختلف پلات براساس 1000 بار نمونه‌گیری تصادفی در جدول 4 درج شده است. ## طبق جدول 4، میانگین سطوح مختلف تفاوت چندانی با میانگین واقعی ندارند و تقریباً همۀ سطوح دارای صحت قابل قبولی هستند. از نظر دقت، اشتباه معیار میانگین سطح 1×1 دارای کمترین مقدار بوده و بنابراین دقیق‎تر است. هم‌چنین طبق جدول 4 با بزرگتر شدن سطح پلات) به‌جز مستطیل کشیده)، دقت هر واحد نمونه کاهش می‌یابد. برای مقایسه دقت واحدهای نمونه می‏توان از اشتباه معیار استفاده کرد ولی برای مقایسه و بررسی دقت نمونه‎ها باید از انحراف معیار استفاده نمود. همان‌طور که در جدول مشاهده می‎شود واحد نمونه 1×1 دارای دقت بیشتری است ولی نمونه 5 تایی با واحد نمونه ## ## تعداد پلات تعداد پلات## ## تعداد پلات تعداد پلات## ## تعداد پلات تعداد پلات##شکل 1. رابطه بین تعداد پلات و میانگین براساس تقسیمات 5 نمونه‌ای##خط چین‌ها، تعداد پلات مناسب برای هر اندازه پلات را مشخص می‌کند (جدول3).##جدول 4. میانگین و اشتباه معیار سطوح و اشکال مختلف پلات و مقایسه آن با میانگین واقعی (34/163 متر مربع)##اشتباه معیار میانگین ##انحراف معیار میانگین برآورد شده ##سطح و تعداد پلات برداشت شده##56/8 28/108 59/163 ##95/17 56/160 18/163 ##50/34 24/218 41/163 ##17/68 89/304 29/163 ##44/130 49/412 29/163 ##89/47 09/107 32/163 ####جدول 5. میانگین و اشتباه معیار سطوح یکسان با اشکال مختلف پلات و مقایسه آن با میانگین واقعی (34/163 گرم در متر مربع)##اشتباه معیار میانگین## ##انحراف معیار میانگین برآورد شده ##سطح و تعداد پلات برداشت شده##56/34 58/218 49/163 ##50/34 24/218 41/163 ##59/130 98/412 37/163 ##44/130 49/412 29/163 ##40/33 65/105 13/163 ##54/119 72/597 38/163 ##06/123 34/615 73/163 ##89/47 09/107 32/163 #### ## 32 متر مربعی دقیق‎تر است اما از آنجا که مستقر کردن آن در عرصه دشوار است و در عمل پلات مربع 1×1 توصیه شود. در کار میدانی مواردی از قبیل زمان و سهولت استقرار واحد نمونه مدنظر قرار می‌گیرد. تجزیۀ واریانس نتایج مربوط به‌سطوح مختلف پلات از نظر آماری معنی‎دار نبودند (05/0 = ).##مقایسه شکل‎های با سطوح یکسان ##از آنجا که داده‎های پایه این تحقیق به تفکیک یک متر مربع گردآوری شده‏اند، لذا شکل‎های انتخاب شده با سطوح برابر به نحوی انتخاب شدند که از اعداد کسری در ابعاد آنها اجتناب شود. مقایسه مربوط به دو شکل مربع 2×2 با مستطیل 4×1 و هم‌چنین مقایسه مربوط به سه شکل مستطیل 32×1 ( کشیده)، 16× 2 (متوسط) و 8×4 (پهن) از نظر آماری معنی‎دار نیستند (05/0P>)، اما مقایسات مربوط به سه شکل مربع 4×4 ##و مستطیل‌های 16×1 و 8×2 معنی‌دار هستند (05/0P<) (شکل 2).## نتایج مربوط به صحت و دقت اشکال مختلف با سطوح یکسان با پلات براساس 1000 بار نمونه‌گیری تصادفی در جدول 5 درج شده است. ## همان‌طور که در جدول 5 مشاهده می‌شود تمام اشکال مورد مقایسه دارای صحت برابر و نزدیک به میانگین واقعی جمعیت هستند. از اینرو می‌توان گفت صحت داده‎های به‌دست آمده از همه اشکال پلات مورد اشاره در جدول تقریباً برابر است اما به‌لحاظ دقت در سطح برابر پلات‏های مستطیل کشیده دارای بالاترین دقت بوده‌اند.##بحث و نتیجه‌گیری##آنچه که در این تحقیق، بررسی‏های کالی و سینکلایر و زنگنه و همکاران ارائه شده است (1 و 12)، شبیه‌سازی برنامه نمونه‌گیری از جمعیت آماری با پارامترهای معلوم است، لذا چنانچه در نمونه‌گیری‏های میدانی بدون در دست داشتن مقدار پارامترهای واقعی، طرح صحیحی برای نمونه‌گیری انتخاب شود، می‌توان از پارامترهای نامعلوم برآورد صحیحی به‌دست آورد. در واقع نکات کلیدی این تحقیق به شرح زیر است:##1- پس از انتخاب سطح پلات مناسب، در مرحله بعد تعداد پلات کافی مطرح می‌شود که در بسیاری از مقالات ##به‌صورتی کاملاً کلیشه‌ای و مبهم به این مورد مهم اشاره شده است، و در واقع تعداد پلات کافی یکی از مباحث مهم نمونه‌گیری محسوب می‌شود که باید با استفاده از روش ترسیمی و یا با روش محاسباتی تعداد پلات کافی مانند ##شکل 1 و جدول 3 مشخص و توضیحات لازم ارائه شود. مسلماً هر قدر تغییرات مکانی پوشش گیاهی بیشتر باشد،## ##شکل 2. مقایسه‏ آماری مربوط به داده‏های تولید حاصل از شکل‎های مربع 4×4 (ss) و مستطیل‌های 16×1(rl) و##8×2(rm) . ستون‏های هم‌حرف معنی‎دار نیستند.## تعداد پلات کافی نیز افزایش می‌یابد و در هر منطقه با مشخص کردن تعداد پلات کافی در وقت و هزینه نمونه‌گیری صرفه‌جویی خواهد شد و هم‌چنین می‌توان به دقت مورد نظر دست یافت.##2- بعد از انتخاب تعداد و سطح پلات، شکل‏های مختلف پلات هم یکی از موارد مهم در نمونه‌گیری است که باید به آن توجه شود. اکثر محققین بر این عقیده‌اند که پلات‏هایی با اشکال مستطیل کشیده ناهمگنی‌های درون جامعه آماری را بهتر نشان می‌دهند.(10 و 16). غالباً الگوی پراکنش گیاهان به‌خصوص در مناطق خشک و نیمه‌خشک از الگوی کپه‌ای یا نزدیک به کپه‌ای پیروی می‌کند به‌همین دلیل پلات‏های مستطیل کشیده به‌نحو بهتری بازگو کننده تغییرات درون جامعه آماری است. در عین حال باید توجه داشت که در کنار ملاک‏های آماری باید به سهولت ایجاد و استقرار پلات در عرصه میدانی نیز توجه کرد. ##3- در برخی مقالاتی که در سال‎های اخیر در مجلات ایرانی منتشر می‌شود، از روش سطح حداقل جهت تعیین اندازه واحد نمونه استفاده می‌شود. باید توجه داشت که روش سطح حداقل، روش انحصاری در مطالعات جامعه‏شناسی گیاهی در مکتب براون‏بلانکه جهت تعیین اندازه رولوه است که صرفاً به‌منظور تهیه فهرست گونه‏های گیاهی استفاده می‌شود و کاربردی جهت تعیین ویژگی‏های مورد نظر در مطالعات اکولوژیک از قبیل تولید، تاج‏پوشش، تراکم و غیره ندارد. لذا لازم است جهت تعیین سطح پلات مناسب در مطالعات اکولوژیک از معیارهای آماری مناسب بهره گرفته شود (17). ## ##منابع‌ مورد استفاده##1. زنگنه، ز.، ک. ناصری، ف. ملتی و م. مصداقی. 1394. بهینه‌سازی واحدهای نمونه‌گیری جهت برآورد گیاهان بوته‌ای. مجله منابع طبیعی ایران 68 (1): 94-81. ##2. کرمی، پ.، غ. حشمتی و م. مصداقی. 1381. تعیین شکل و سطح بهینه پلات برای برآورد تولید علفزارهای نیمه استپی شمال شرق استان گلستان. مجله علوم کشاورزی و منابع طبیعی گرگان 3(2): 47-41.##3. مصداقی، م. و س. عجمی. 1376. مقایسه روش‌های برآورد تولید علوفه در مراتع چهار باغ گرگان. مجله علوم کشاورزی و منابع طبیعی گرگان 14 (4): 26-15.##4. مصداقی، م. 1390. روش‌های آمار و رگرسیون: با رویکرد کاربردی در علوم گیاهی و جانوری. انتشارات دانشگاه امام رضا (ع) مشهد، 421 ص.##5. مصداقی، م. 1386. مرتع‌داری در ایران. چاپ پنجم. انتشارات دانشگاه امام رضا (ع)مشهد، 333 ص.##6. مقدم، م. و ج. قربانی پاشاکلایی. 1380. مقایسه کارایی اندازه و شکل‌های مختلف پلات جهت برآورد تولید در مناطق استپ، استپ مرتفع و نیمه استپ ایران. مجله منابع طبیعی ایران 54(2): 204-191. ##7. میر جلیلی، ع. ب.، ق. ع. دیانتی تیلکی و ن. باغستانی. 1387. مقایسه پنج روش اندازه‌گیری فاصله‌ای تعیین تراکم در بوته‌زارهای تنگ لایبید یزد، فصلنامه علمی- پژوهشی تحقیقات مرتع و بیابان ایران 14(3): 303-259.##8. یزدی صمدی، ب.، ع. رضایی و م. ولی‌زاده. 1376. طرح‌های آماری در پژوهش‌های کشاورزی. انتشارات دانشگاه تهران، ##600 ص.##9. Avery, T. E. and H. E. Burkhart. 2002. Forest measurement. 4th ed. McGraw-Hill. New York. USA, 456 p.##10. Bonham, C. D. 2013. Measurement for terrestrial vegetation. 2ed. ed. John Wiley and Sons, USA, 246 p.##11. Brummer, J. E., J. T. Nichols, R. K. Engel and K. M. Eskridge. 1994. Efficiency of different quadrat size and shape for sampling standing crops. Journal of Range Management 47:84-89.##12. Caughley, G. and A. R. E. Sinclair. 1994. Wildlife Ecology and Management. Blackwell Scientific Publications, Boston, USA, 334 p.##13. Cochran, C. W. and G. M. Cox. 1992. Experimental designs. 2nd ed. John Wiley and Sons, New York, 611 p.##14. Cook, C. W. and J. Stubbendieck. 1986. Range Research: Basic problem and Techniques. Society for Range Management, USA, 317 p.##15. Dengler. J., S. Lobel and Ch. Dolnik. 2009. Species constancy depends on plot size – a problem for vegetation classification and how itcan be solved. Journal of Vegetation Science 20: 754-766.##16. Elzinga, C. L., D. W. Salzer and J. W. Willoughby. 1998. Measuring and monitoring plant population. BLM Technical reference, USA, 479 p.##17. Greig-Smith, P. 1983. Quantitative plant ecology. 3rd ed. Butterworth Science Publication., London, England, 359 p.##18. Kerbs, C. J. 1999. Ecological methodology. 2nd ed. Addison Wiley Longman, Menlo park, California, USA, 624 p. ##19. Wiegert, R. G. 1962. The selection of an optimum quadrat size for sampling the standing crop of grasses and forbs. Ecology 43: 125-129. ####The Effects of Plot Size and Shape on Accuracy and Precision of Estimation of Production at Some Pastures## by Sampling Simulation####N. Fakhar Izadi1, K. Naseri1* and M. Mesdaghi1##(Received: Apr. 12-2015; Accepted: Dec. 15-2015) ##Abstract##To investigate the effects of plot size, shape and number on accuracy and precision of the estimates, forage production data of 5 regions of northern pastures of the country, collected separately by 640 one-square meter plots, were simulated using R software in a 640 m2 macro- plot with dimensions 20×32 m. The adequate sample size of different plot sizes of 1×1, 1×2, 2×2, 2×4, 4×4 and 4x8 m were obtained by the sketch method which were 60, 50, 40 ,30, 5, and 5, respectively. When the plot was sampled in different levels and shape based on the adequate plot numbers, almost all of them showed a mean equal to the actual mean. However, the highest precision was obtained using a 1x1 plot with the lowest SE. Comparison of plots with the same size and different shapes revealed that long-length rectangle plots show the highest precision. It is obvious that in actual situation of non-simulated studies with unknown parameters, the sampling guidelines of this paper will be helpful for proper and accurate estimation of the parameters.####Keywords: Accuracy, Parameter, Plot size, Plot shape, Production, Precision, Statistics.############1. Dept. of Rangeland and Watershed, Faculty of Natur. Resour., Ferdowsi Univ. of Mashhad, Mashhad, Iran.##*: Corresponding Author, Email: klnaseri@um.ac.ir ##1. زنگنه، ز.، ک. ناصری، ف. ملتی و م. مصداقی. 1394. بهینه‌سازی واحدهای نمونه‌گیری جهت برآورد گیاهان بوته‌ای. مجله منابع طبیعی ایران 68 (1): 94-81. ##2. کرمی، پ.، غ. حشمتی و م. مصداقی. 1381. تعیین شکل و سطح بهینه پلات برای برآورد تولید علفزارهای نیمه استپی شمال شرق استان گلستان. مجله علوم کشاورزی و منابع طبیعی گرگان 3(2): 47-41.##3. مصداقی، م. و س. عجمی. 1376. مقایسه روش‌های برآورد تولید علوفه در مراتع چهار باغ گرگان. مجله علوم کشاورزی و منابع طبیعی گرگان 14 (4): 26-15.##4. مصداقی، م. 1390. روش‌های آمار و رگرسیون: با رویکرد کاربردی در علوم گیاهی و جانوری. انتشارات دانشگاه امام رضا (ع) مشهد، 421 ص.##5. مصداقی، م. 1386. مرتع‌داری در ایران. چاپ پنجم. انتشارات دانشگاه امام رضا (ع)مشهد، 333 ص.##6. مقدم، م. و ج. قربانی پاشاکلایی. 1380. مقایسه کارایی اندازه و شکل‌های مختلف پلات جهت برآورد تولید در مناطق استپ، استپ مرتفع و نیمه استپ ایران. مجله منابع طبیعی ایران 54(2): 204-191. ##7. میر جلیلی، ع. ب.، ق. ع. دیانتی تیلکی و ن. باغستانی. 1387. مقایسه پنج روش اندازه‌گیری فاصله‌ای تعیین تراکم در بوته‌زارهای تنگ لایبید یزد، فصلنامه علمی- پژوهشی تحقیقات مرتع و بیابان ایران 14(3): 303-259.##8. یزدی صمدی، ب.، ع. رضایی و م. ولی‌زاده. 1376. طرح‌های آماری در پژوهش‌های کشاورزی. انتشارات دانشگاه تهران، ##600 ص.## ##

بررسی روابط بین جوامع گیاهی مختلف و عوامل محیطی در حوضه آبخیز گنبد، همدان The Relationships between Different Plant Communities and Environmental Factors in Gonbad Watershed, Hamadan 1 1 شناخت روابط بین گیاهان مرتعی و عوامل مؤثر بر استقرار و پایداری آنها برای مدیریت پایدار و احیاء عرصه‌های مرتعی ضروری است. بدین منظور حوضه آبخیز گنبد، به‌دلیل داشتن تنوع در پوشش گیاهی، شرایط محیطی و مدیریت‌ چرا مطالعه شد. کل حوضه به واحدهای همگونی از نظر تیپ پوشش گیاهی و ویژگی‌های محیطی تفکیک شد. در هر واحد، 3 الی 4 قاب (1*1 متر ‌مربع) مطالعه شد. ویژگی‌های زمین، کل تاج پوشش گیاهی و تاج پوشش پنج فرم رویشی (گندمیان یک‌ساله، گندمیان چندساله، پهن برگان یک‌ساله، پهن برگان چندساله و بوته‌ای)در هر قاب تعیین، و از گیاه و خاک سطحی (15-0 سانتی‌متر) در اوایل فصل پاییز 1391 نمونه‌برداری شد. با استفاده از روش TWINSPAN، گونه‌هایsp.  Silen، Centaura virgate،Astragalus verus  و Cousinia bijarensis مانند گونه‌های معرف مشخص شدند. تحلیل DCA، کل حوضه را براساس گونه‌های گیاهی معرف، تولید گندمیان چندساله و ویژگی‌های محیطی از قبیل درصد شن، رس و جهت شیب به 5 گروه اکولوژیک تفکیک کرد. براساس تحلیل گونه‌های شاخص، سه گروه مشخص گردید، که گونه‌هایAsteragalus gossypinus (001/0=P)، Taeniatherum crinitum (002/0=P) و Heteranthelium piliferum (007/0=P) در تفکیک این گروه‌ها تأثیر داشتند. گونه‌های گیاهی .Silen sp،Astragalus gossypinus ،Centaurea virgat ، Artemisa siberi و Festuca ovina نشان‌دهنده شرایط اکولوژیک محیط کوهستانی، نیمه‌استپی و استپی است. عمق ریشه دوانی این گیاهان زیاد بوده که مقاومت آنها را به خشکی بیشتر می‌کند. بنابراین نتایج نشان می‌دهد شرایط اکولوژیک برای حضور گونه‌های چندساله که وابسته به خاک سبک با نیاز آبی کم‌اند، متناسب است. 2 The knowledge of rangeland vegetation types and factors influencing on their establishment and stability is essential for sustainable management and regeneration of rangeland areas. With this aim, Gonbad watershed, due to different vegetation types, environmental conditions and grazing managements was studied. The watershed was stratified to homogenous units based on morphology of vegetation types and environmental factors. Land properties, total canopy and canopy of the main five vegetation forms (annual grasses, perennial grasses, annual forbs, perennial forbs, and shrubs) were determined in 3 to 4 plots (1 x 1 m2) in each unit; plant and surface soil were sampled. Using TWINSPAN method, Silen sp., Centaura virgate, Astragalus verus and Cousinia bijarensis were identified as indicator species. DCA analysis subdivided the watershed into six ecological groups based on indicator plant species, production of perennial grasses and environmental factors, such as percent of sand and clay, and slope aspect. Based on the analysis of indicator species Asteragalus gossypinus (p= 0.001), Taeniatherum crinitum (p= 0.002) and Heteranthelium piliferum (p= 0.007) classified the vegetation cover into three main groups. Silen sp., Astragalus gossypinus, Centaurea virgat, Artemisa siberi, and Festuca ovina represent mountainous steppe and semi-steppe ecological environments. These deep rooting species are resistant to dry conditions. Therefore, ecological 61 73 2016/02/242016/02/242016/02/242016/02/242016/02/242016/02/27 1394/12/8 2016/02/242016/02/242016/02/242016/02/242016/02/242016/02/27 1394/12/8 خدیجه سالاری نیک Salari Nik KH. دانشگاه بوعلی سینا همدان ایران قاسم اسدیان Asadian GH. مرکز تحقیقات کشاورزی و منابع طبیعی همدان ایران محسن نائل Nael M. دانشگاه بوعلی سینا همدان ایران moh_nael@yahoo.com Analysis of indicator species Detruded correspondence analysis TWINSPAN Vegetation type. تحلیل دو طرفه گونه‌های معرف تحلیل تطبیقی قوس‌گیر شده تحلیل گونه‌های شاخص تیپ پوشش گیاهی 15. Andrieu, N., E. Josien and M. Duru. 2007. Relationships between diversity of grassland vegetation, field characteristics and land use management Agriculture, Ecosystems and Environment 120:395-369.##16. Barnes, B. V., K. S. Pregitzer and T. A. Spies. 1982. Ecological forest site classification. Journal of Forestry 80:493-498.##17. Barrett, G. 2006. Vegetation communities on the shores of a salt lake in semi-arid Western Austalia, Journal of Arid Environments 67: 77-89.##18. Cain, S. A. 1938. The species-area curve. American Midland Naturalist 19: 573-581.##19. Gauch, H. G. 1982. Multivariate Analysis in Community Ecology, Cambrige University Press. Cambrige, England, 298 p.##20. Haynes, M. A., Z. Fang and D. M. Waller. 2012. Grazing impacts on the diversity and composition of alpine rangelands in northwest yunnan. Journal of Plant Ecology 30: 1-9.##21. Holechek, J. L., R. D. Pieper and C. H. Herbel. 2004. Range Management: Principles and Practices. 5th ed. Upper Saddle River, NJ: Prentice-Hall, 607p. ##22. Kerbs, C. J. 1999. Ecological methodology. 2nd ed., Addison Wesly Longman, Menlo Park, California, USA, 624 P.##23. Kraaij, S. and J. Milton. 2006. Vegetation changes (1995-2004) in semi-arid Karoo shrubland, South Africa: Effects of rainfall, wild herbivores and change in land use. Journal of Arid Environment 64: 174-192.##24. Lu, T., K. M. Ma., W. H. Zhang and B. J. Fu. 2006. Differential responses of shrubs and herbs present at the upper Minjiang River basin (Tibetan plateau) to several soil variables. Journal of Arid Environments 67(3): 373-390.##25. McCune, B. and M. J. Mefford. 1999. PC-ORD. Multivariate analysis of ecological data. Version 4. MjM Software Design, Gleneden Beach, Oregon, USA, 237 p.##26. Myklestad, A. and M. Saetersdal. 2004. The importance of traditional meadow management techniques for vascular plant species richness in Norwey. Biological Conservation 118: 133-139. ##27. National Soil Survay Center. 1996. Soil Survay Laboratory Methods Manual. Soil Survay Investigations Report. No. 42, Lincoln Nebraska.##28. Olsen, S. R, C. V. Cole., F. S. Watanabe and L. A. Dean. 1954. Estimation of available phosphorus in soil by extraction with sodium bicarbonate. USDA. Circ. 939. U. S. Gover. Prin Office. Washington .DC.##29. Quevedo, D. I. and F. Frances. 2008. A conceptual dynamic vegetation-soil model for arid and semiarid zones. Hydrology and Earth System Science 12: 1175-1187.##30. Walkley A. and I. A. Black. 1934. An examination of Degtjareff method for determining soil organic matter and a proposed modification of the chromic acid in soil analysis. soil science 37: 29-38. ##31. Zhang, J. T., Y. Dong and Y. Xi. 2008. A comparison of SOFM ordination with DCA and PCA in gradient analysis of plant communities in the midst of Taihang Mountains, China. .Ecological Informatics 3: 367-374.##1. اسدیان، ق. 1386. بررسی اکوفیتوسوسیولوژی پوشش گیاهی دامنه شرقی آلموقولاغ. پایان‌نامه کارشناسی ارشد مرتعداری، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران مرتع و بیابان ایران.##2. اکبرزاده، م. 1384. بررسی تغییرات پوشش گیاهی داخل و خارج قرق رودشور. تحقیقات مرتع و بیابان ایران 12(2): 188-167.##3. بنائی، م. ح.، ع. مومنی، م. بایبوردی و م. ج. ملکوتی. 1383. خاک‌های ایران: تحولات نوین در شناسایی، مدیریت و بهره‌برداری. موسسه تحقیقات خاک و آب، انتشارات سنا، تهران، 481 ص.##4. بهرامی، ا. 1391. مدل‌سازی پویایی کربن آلی خاک با استفاده از مدل APEX در حوضه زوجی گنبد. پایان‌نامه کارشناسی ارشد دانشکده کشاورزی، دانشگاه بوعلی سینا.##5. پایگاه اطلاع رسانی هواشناسی کشور (استان همدان) 1387. آمار و اطلاعات هواشناسی ایستگاه همدان. سایت www.hamedanmet.ir .##6. جعفری، م.، م. ع. زارع چاهوکی، ع. طویلی و ا. کهندل. 1385. بررسی رابطه خصوصیات خاک با پراکنش گونه‌های گیاهی در مراتع استان قم. مجله پژوهش و سازندگی در منابع طبیعی 73: 116-110.##7. حسینی توسل، م و م. جعفری. 1382. بررسی ارتباط برخی گونه‌های شاخصی مرتعی با خصوصیات خاک در منطقه نیمه طالقان. مجله علوم کشــاورزی و منابع طبیعی گرگان 10(1): 118-115.##8. زارع، س. 1387. بررسی روابط برخی ویژگی‌های خاک گیاهی بر روی زمین خشک (مطالعه موردی: مراتع چهارباغ شهریار، ایران). پایان نامه کارشناسی ارشد، دانشگاه تهران. ##9. زارع چاهوکــی، م. ع. 1380. بررســی رابطــه چنــد گونه مرتعی بــا برخی از خصوصیات فیزیکی و شــیمیایی خاک در مراتع پشــتکوه اســتان یزد. پایان نامه کارشناسی ارشد مرتعداری دانشگاه تهران. ##10. طهماسبی، پ. 1390. رج‌بندی (تجزیه و تحلیل‌های چندمتغیره در علوم محیطی و منابع طبیعی). انتشارات دانشگاه شهرکرد، 181 ص.##11. مصداقی، م. 1380. توصیف و تحلیل پوشش گیاهی. انتشارات جهاد دانشگاهی مشهد، 287 ص.##12. معتمدی، ج.، ا. شیدائی کرکج، ف. علی‌لو، ر. قریشی و ک. کیوان بهجو. 1392. بررسی ارتباط عوامل محیطی و شدت چرای دام با پوشش گیاهی. نشریه حفاظت زیست بوم گیاهان 3: 89-73 .##13. مقدم، م .ر. 1380 . اکولوژی توصیفی و آماری پوشش گیاهی. انتشارات دانشگاه تهران، 285 ص.##14. نصراللهی، ا .1377. مطالعه خصوصیات فیزیکی و شیمیایی خاک به منظور یافتن گیاهان معرف". پایان نامه کارشناسی ارشد مرتعداری، دانشکده منابع طبیعی دانشگاه تهران## ##

ارزیابی زیستگاه زمستان‌خوابی خرس قهوه‌ای (Ursus arctos syriacus) با استفاده از مدل‌سازی خطی تعمیم‌ یافته (GLM) و رگرسیونوزنی جغرافیایی (GWR)در جنوب ایران Assessment of Brown Bear\'s (Ursus arctos syriacus) Winter Habitat Using Geographically Weighted Regression and Generalized Linear Model in South of Iran 1 1 لانه‌های زمستان‌خوابی بخش مهمی از زیستگاه خرس قهوه‌ای می‌باشند که بر تولیدمثل و بقاء آن تأثیر‌گذار است. بنابر‌این شناسایی عوامل مؤثر بر انتخاب زیستگاه و تعیین مناطق مطلوب لانه‌ گزینی در حفاظت از بزرگ‌ترین گوشتخوار کشورمان ضرورت دارد. به‌منظور مدل‌سازی مطلوبیت زیستگاه لانه‌ گزینی خرس قهوه‌ای در منطقه کوه‌ خم استان فارس از دو روش رگرسیون منطقی وزنی جغرافیایی (Geographically Weighted Logistic Regression) و مدل خطی تعمیم‌ یافته (Generalized Linear Model) استفاده شد. در این پژوهش از 20 لانه حضور و هم‌چنین 20 غار که آثار حضور خرس‌ها در آنها یافت نشد (نقاط عدم‌ حضور گونه)، به‌عنوان متغیر وابسته و شش فاکتور زیست ‌محیطی به‌عنوان متغیر مستقل استفاده شد. نتایج حاصل از مدل خطی تعمیم‌ یافته حاکی از آن بود که متغیرهای فاصله از مراکز جمعیتی، ارتفاع از سطح دریا و فاصله از منابع آبی نقش مهمی در مطلوبیت زیستگاه زمستان‌خوابی خرس‌ قهوه‌ای دارند. نتایج رگرسیون منطقی وزنی جغرافیایی نشان‌دهنده تغییرات محلی معنا‌دار در روابط بین حضور لانه‌های زمستان‌خوابی و متغیر فاصله از مراکز جمعیتی است. نتایج هر دو روش مدل‌سازی نشان داد که زیستگاه مطلوب زمستان‌خوابی این گونه، مناطق صعب‌العبور در ارتفاعات کوهستانی و دور از دسترس انسان است. 2 Winter dens are one of the important components of brown bear;#39s (Ursus arctos syriacus) habitat, affecting their reproduction and survival. Therefore identification of factors affecting the habitat selection and suitable denning areas in the conservation of our largest carnivore is necessary. We used Geographically Weighted Logistic Regression (GWLR) and Generalized Linear Model (GLM) for modeling suitability of denning habitat in Kouhkhom region in Fars province. In the present research, 20 dens (presence locations) and 20 caves where signs of bear were not found (absence locations) were used as dependent variables and six environmental factors were used for each location as independent variables. The results of GLM showed that variables of distance to settlements, altitude, and distance to water were the most important parameters affecting suitability of the brown bear;#39s denning habitat. The results of GWLR showed the significant local variations in the relationship between occurrence of brown bear dens and the variable of distance to settlements. Based on the results of both models, suitable habitats for denning of the species are impassable areas in the mountains and inaccessible for humans. 75 88 2016/02/242016/02/242016/02/242016/02/242016/02/242016/02/272016/02/27 1394/12/8 2016/02/242016/02/242016/02/242016/02/242016/02/242016/02/272016/02/27 1394/12/8 علی اصغر زارعی A. A. Zarei دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران ایران aazarei65@gmail.com سیاوش عابدی S. Abedi دانشگاه آزاد اسلامی واحد ارسنجان ایران مازیار محمودی M. Mahmoudi دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران ایران شیوا پیروی لطیف Sh. Peyravi Lati دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهرانScience and Research Branch, Islamic Azad Univ., Tehran, ایران Brown bear (Ursus arctos) Fars province Generalized Linear Model (GLM) Geographically Weighted Regression (GWR) Winter habitat suitability. خرس قهوه‌ای مطلوبیت زیستگاه زمستان‌خوابی استان فارس مدل خطی تعمیم‌ یافته رگرسیون وزنی جغرافیایی 6. Austin, M. P. 2002. Spatial prediction of species distribution: an interface between ecological theory and statistical modeling. Ecological Modeling 157: 101-118.##7. Beecham, J. J., D. G. Reynolds and M. G. Hornocker. 1983. Black bear denning activities and den characteristics in west-central Idaho.‌‌‌‌‌‌‌‌‌‌‌‌‌‌ International Conference on Bear Research and Management. 5: 79-86.##8. Braunisch, V. and R. Suchant. 2007. A model for evaluating the \'habitat potential\' of a landscape for capercaillie Tetrao urogallus: a tool for conservation planning. Wildlife biology 13: 21-33.##9. Carpenter, G., A. N. Gillson and J. Winter. 1993. DOMAIN: a flexible modeling procedure for mapping potential distributions of plants and animals. Biodiversity and Conservation 2: 667-680.##10. Ciarniello, L. M., M. S. Boyce, D. C. Heard and D. R. Seip. 2005. Denning behavior and den site selection of Grizzly bears along the Parsnip River, British Columbia, Canada. Ursus 16(1): 47-58.##11. Crook, A. 2001. Amulti-scale assessment of den section of Louisiana balck bear (Ursus americanus luieous) in northern and central Louisiana. M. Sc. Thesis, University of victoria.##12. Elith, J., C. H. Graham, R. P. Anderson, M. Dudík, S. Ferrier, A. Guisan, R. J. Hijmans, F. Huettmann, J. R. Leathwick, A. Lehmann, J. Li, L. G. Lohmann, B. A. Loiselle, G. Manion, C. Moritz, M. Nakamura, Y. Nakazawa, J. M. Overton, A. T. Peterson, S. J. Phillips, K. Richardson, R. Scachetti-Pereira, R. E. Schapire, N. J. Sobero, S. Williams, M. S. Wisz and N. E. Zimmermann. 2006. Novel methods improve prediction of species’ distribution from occurrence data. Ecography 29: 129-151.##13. Fotheringham, A. S., C. Brunsdon and M. E. Charlton. 2002. Geographically Weighted Regression: The analysis of spatially varying relationships, Wiley, 282 p. ##14. Garrison, E. P. 2004. Reproductive ecology, cub survival and denning ecology of the Florida black bear. M. Sc Thesis, University of Florida.##15. Goldstein, M. I., L. H. Suring, R. M. Nielson and T. L. Mcdonald. 2010. Brown bear den habitat and winter recreation in South-Central Alaska. Journal of Wildlife Management 74: 35-42.##16. Gormley, A. M., D. M. Forsyth, P. Griffioen, M. Lindeman, D. S. L. Ramsey, M. P. Scroggie and L. Woodford. 2011. Using presence-only and presence-absence data to estimate the current and potential distributions of established invasive species. Journal of Applied Ecology 48: 25-34.##17. Guisan, A. and N. E. Zimmermann. 2000. Predictive habitat distribution models in ecology. Ecological modeling 135: 147-186.##18. Groff, C., A. Caliari, E. Dorigatti and A. Gozzi. 1998. Selection on denning caves by brown bears in Trentino, Italy. Ursus 10: 279-275.##19. Hirzell, A. F., V. Helfer and F. Metral. 2011. Assessing habitat-suitability models with a virtual species. Ecological Modelling 145: 111-121.##20. Li, X., M. Yiqing, G. Zhongxing and L. Fuyuan. 1994. Characteristics of dens and selection of denning habitat for bears in the South Xiaoxinganling Mountains, China. International Conference on Bear Research and Management 9(1): 357-362.##21. Mcnew, L., A. Gregory and B. Sandercock. 2012. Spatial heterogeneity in habitat selection: nest site selection by Greater Prairie-Chickens. Journal of Wildlife Management 77(4): 791-801.##22. Nakaya, T., S. Fotheringham, C. Brunsdon and M. Charlton. 2005. Geographically Weighted Poisson, regression for disease associative mapping. Statistics in Medicine 24: 2695-2717.##23. Nakaya, T. 2012. Windows application for geographically weighted regression modelling. Department of geography, Ritsumeikan university.##24. Nielsen, S. E., S. Herrero, M. S. Boyce, B. Benn, R. D. Mace, M. L. Gibeau and S. Jevons. 2004. Modelling the spatial distribution of human-caused grizzly bear mortalities in the central rockies ecosystem of Canada. Biological Conservation1 20: 101-113.##25. Palma, L., P. Beja and M. Rodgrigues. 1999. The use of sighting data to analyse Iberian lynx habitat and distribution. Journal of Appled Ecology 36(5): 812-824.##26. Petram, W., F. Knauer and P. Kaczensky. 2004. Human influence on the choice of winter dens by European brown bears in Slovenia. Biological conservation 119: 129-136.##27. Pearson, R. G. and T. P. Dawson. 2003. Predicting the impacts of climate change on the distribution of species: Are bioclimate envelope models useful? Global Ecol. Biogeography 12: 361-371.##28. Phillips, S. J., R. P. Anderson and R. E. Schapire. 2006. Maximum entropy modeling of species geographic distributions. Ecological Modeling 190: 231-259.##29. Phillips, S. J., K. S. Richardson, R. Scachetti-Pereira, R. E. Schapire, J. Soberón, S. Williams, M. S. Wisz and N. E. Zimmermann,. 2006. Novel methods improve prediction of species’ distributions from occurrence data. Ecography 29: 129-151.##30. Podruzny, Sh. R., S. Cherry, Ch. C. Schwartz and L. A. Landenburger. 2002. Grizzly bear denning and potential conflict areas in the Greater Yellow Stone Ecosystem. Ursus 13: 19-28.##31. Posillico, M., A. Meriggi, E. Pagnin, S. Lovari, and L. Russo. 2004. A habitat model for brown bear conservation and land use planning in central Appennines. Journal of Biological Conservation 118(2): 141-150.##32. Reynolds, H. V., J. A. Curatolo and R Quimby. 1976. Denning ecology of grizzly bears in Northeastern Alaska. International Conference on Bear Research and Management 3: 403-409.##33. Sahlen, E., O. G. Stoen and J. E. Swenson. 2011. Brown bear den site concealment in relation to human activity in Sweden. Ursus 22(2): 152-158.##34. Seryodkin, I. V., L. V. Kostyria, J. M. Goodrich, D. G. Miquelle, , E. N. Smirnov, L. L. Kerley, H. B. Quigley and M. G. Hornocker. 2003. Denning ecology of brown bears and Asiatic black bears in the Russian Far East. Ursus 14(2): 153-161.##35. Syfert, M. M., M. J. Smith and D. A. Coomes. 2013. The effects of sampling bias and model complexity on the predictive performance of maxent species distribution models. Plos One 8(2): e55158.##36. SYSTAT. 2009. Ver 13. 1. Copy right© Systat Software, Inc. www. systat. com.##37. STATISTICA (data analysis software system). 2011. version 10. Copy right© StatSoft, Inc www.statsoft.com.##38. Waller, B. W., J. L. Belant, B. W. Young, B. D. Leopold and S. L. Simek. 2012. Denning chronology and den characteristics of American black bears in Mississippi. International Association for Bear Research and Management. Ursus 23(1): 6-11.##39. Wathen, W. G., K. G. Johnson and M. R. Pelton. 1986. Characteristics of Black bears dens in the Southern Appalachians region. International Conference on Bear Research and Management 6: 119-127.##40. Zhang, Z., R. R. Swaisgood, H. WU, M. Li, Y. Yong , J. HU and F. WEI. 2007. Factors predicting den use by maternal Giant Panda. Journal of Wildlife Management 71: 2694-2698.##. کریمی، س.، ح. وارسته مرادی و ح. رضایی. 1391. مطلوبیت زیستگاه دارکوب سیاه (Dryocopus martius) در دو فصل زمستان و بهار در جنگل شصت کلاته گرگان. مجله بوم شناسی کاربردی 1(1):29-15.##2. زارعی، ع. 1391. بوم‌شناسی لانه‌های زمستان‌گذرانی خرس قهوه‌ای(Ursus arctos syriacus) در منطقه کوه‌خم استان فارس(جنوب غربی ایران). پایان‌نامه کارشناسی‌ارشد. دانشکده محیط‌زیست و انرژی، دانشگاه آزاد اسلامی واحد علوم وتحقیقات تهران.##3. عطایی، ف.، م. کرمی و م. کابلی. 1390. مدل‌سازی مطلوبیت زیستگاه تابستانه خرس قهوه‌ای ‌ (Ursus arctos syriacus)در منطقه حفاظت شده البرز جنوبی. نشریه محیط زیست طبیعی، مجله منابع طبیعی، 65)23): 245-235.##4. غلامحسینی، ع.، ح. اسماعیلی، ح. آهنی، آ. تیموری، م. ابراهیمی، ح. کمی و ح. ظهرابی.1389. بررسی اثر عوامل توپوگرافی و اقلیمی بر پراکنش خرس قهوه‌ای Ursus arctus (Linneaus 1758): Carnivora, Ursidae در استان فارس با استفاده از سامانه اطلاعات جغرافیایی(GIS). مجله زیست‌شناسی ایران 23: 233-215.##5. نظامی، ب. 1387 . بررسی بوم شناسی خرس قهوه ای در محدوده امن منطقه حفاظت شده البرز مرکزی (استان مازندران ( پایان نامه کارشناسی ارشد. دانشگاه آزاد اسلامی واحد علوم وتحقیقات.## ##