مدل‌سازی پراکنش دلیجه کوچک (Falco naumanni) در استان گلستان

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار محیط‌زیست، گروه محیط‌زیست، دانشکده منابع‌طبیعی و علوم زمین، دانشگاه کاشان

2 دانشیار محیط‌زیست، گروه محیط‌زیست، دانشکده منابع‌طبیعی، دانشگاه صنعتی اصفهان

3 استاد محیط‌ زیست، گروه محیط‌زیست، دانشکده منابع‌طبیعی، دانشگاه تربیت مدرس

4 استادیار محیط‌زیست، گروه محیط‌زیست، دانشکده منابع‌طبیعی، دانشگاه علوم کشاورزی و منابع‌طبیعی گرگان

چکیده

وجود اطلاعات مربوط به پراکنش جغرافیایی و انتخاب زیستگاه، هسته مرکزی حفاظت و مدیریت گونه‌های تهدیدشده است. دلیجه کوچک، نوعی شاهین مهاجر و طبق فهرست سرخ IUCN آسیب‌پذیر است که در استان گلستان پراکنش دارد. مدل‌سازی ماوای بوم‌شناختی با استفاده از روش MaxEnt جهت پیش‌بینی صحیح پراکنش جغرافیایی این گونه در استان گلستان انجام شد. داده‌های حضور در استان جمع‌آوری و به‌صورت مختصات جغرافیایی وارد خوارزمیک آنتروپی شد. سپس ارتباط آن با نقشه‌های رقومی شده 28 متغیر محیط‌زیستی مورد بررسی قرار گرفت. مدل به‌دست‌آمده دارای کارایی پیش‌بینی خوبی بود و به‌طور معنی‌داری بسیار قوی‌تر از مدل تصادفی در پیش‌بینی نقاط حضور در حالت آزمون عمل کرد (AUC=0.9, p < 0.001). فراکافت جک‌نایف نشان داد که مدل در پیش‌بینی نقاط حضور به‌عنوان زیستگاه مطلوب موفق بوده است و فاصله تا مناطق مسکونی، میزان بارش در گرم‌ترین فصل، ارتفاع، میزان بارش در مرطوب‌ترین فصل و شیب، مؤثرترین عوامل بر حضور دلیجه کوچک در استان گلستان می‌باشند.
 

کلیدواژه‌ها


عنوان مقاله [English]

Distribution Modelling of Lesser Kestrel (Falco Naumanni) in Golestan Province, Iran

نویسندگان [English]

  • rohallah mirzaee 1
  • mahmoudreza homami 2
  • abbas esmaeile 3
  • hamidreza rezaee 4
چکیده [English]

Knowledge on geographical distributions and habitat selection of the threatened species are central to their conservation and management. The Lesser Kestrel, a colonial migratory falcon, listed as vulnerable by IUCN occurs in Golestan province. We performed ecological niche modelling using the MaxEnt software to predict geographical distributions of this species across the Golestan Province. Occurrence data were collected within the province and entered into the entropy algorithm in the form of geographical coordinates, and related to digitized maps of 28 environmental variables. The resulted model showed a good predictive ability and was significantly more powerful than the random model in predicting occurrences in test state (AUC=0.9, p < 0.001). Jackknife analysis indicated that the model was successful at predicting known species presences as suitable, and that distance to settlement areas, precipitation of warmest quarter, altitude, precipitation of wettest quarter, and slope were the most important predictors of Lesser Kestrel presence in Golestan Province.

کلیدواژه‌ها [English]

  • Ecological niche modeling
  • Lesser kestrel
  • MAXENT
  • Golestan province