بوم شناسي کاربردي/ سال چهارم / شماره چهاردهم / زمستان ۱۳۹۴

ارزیابی زیستگاه زمستان خوابی خرس قهوه اي (Ursus arctos syriacus)
با استفاده از مدل سازي خطی تعمیم یافته (GLM) و رگرسیون وزنی جغرافیایی (GWR) در جنوب ایران

علی اصغر زارعی1*، سیاوش عابدي2، مازیار محمودي1 و شیوا پیروي لطیف1

(تاریخ دریافت: 30/3/1393 ؛ تاریخ پذیرش: 27/10/1394)

126873867918

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

چكيده
لانه هاي زمستان خوابي بخش مهمي از زيستگاه خرس قهوه اي مي باشند که بر توليدمثل و بقاء آن تأثير گذار است. بنابر اين شناسايي عوامـلمؤثر بر انتخاب زيستگاه و تعيين مناطق مطلوب لانه گزيني در حفاظت از بـزرگ تـرين گوشـتخوار کشـورمان ضـرورت دارد . بـه منظـورمدل سازي مطلوبيت زيستگاه لانه گزيني خرس قهوه اي در منطقه کوه خم استان فـارس از دو روش رگرسـيون منطقـي وزنـي جغرافيـايي(Geographically Weighted Logistic Regression) و مدل خطي تعميم يافته (Generalized Linear Model) استفاده شد. در اين پژوهش از ۲۰ لانه حضور و هم چنين ۲۰ غار كه آثار حضور خرس ها در آنها يافت نشد (نقاط عدم حضور گونه)، به عنوان متغيـر وابسـته و شـشفاکتور زيست محيطي به عنوان متغير مستقل استفاده شد. نتايج حاصل از مدل خطي تعميم يافته حاکي از آن بود کـه متغير هـاي فاصـله ازمراكز جمعيتي، ارتفاع از سطح دريا و فاصله از منابع آبي نقش مهمي در مطلوبيت زيستگاه زمستان خـوابي خـرس قهـوه اي دارنـ د. نتـايجرگرسيون منطقي وزني جغرافيايي نشان دهنده تغييرات محلي معنا دار در روابط بين حضور لانه هاي زمستان خوابي و متغير فاصـله از مراكـزجمعيتي است. نتايج هر دو روش مدل سازي نشان داد كه زيستگاه مطلوب زمستان خوابي اين گونـه ، منـاطق صـعب العبـور در ارتفاعـاتكوهستاني و دور از دسترس انسان است.

واژه هاي كليدي : خرس قهوه اي، مطلوبيت زيستگاه زمستان خوابي، استان فارس، مدل خطي تعميم يافته، رگرسيون وزني جغرافيايي

۱. گروه محيط زيست، دانشکده محيط زيست و انرژي، دانشگاه آزاد اسلامي واحد علوم و تحقيقات تهران
۲. گروه محيط زيست، دانشگاه آزاد اسلامي واحد ارسنجان
* : مسئول مكاتبات، پست الكترونيكي: aazarei65@gmail.com
۷۵
مقدمه
126873867918

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

بوم شناسی پناه در خرس قهوه اي به دلیل اثر آن بر بقاء و تولیـد مثل گونه داراي اهمیت می باشد (34). پناه مانند دیگر منابع یک عامل محدود کننده است. وجود پناه به اندازه کـافی در زیسـتگاهمانن د س ایر من ابع مث ل غ ذا و آب، باع ث اف زایش مطلوبی ت زیستگاه و کمبود آن در زیستگاه باعث کاهش تولیـد مثـل و در نتیجــه پــایین آمــدن نــرخ رشــد جمعیــت مــی شــود (11).
زمستان خوابی به خرس ها کمک می کند تا در دوره هـاي کمبـودغذا و شرایط آب و هوایی سخت بقاء یابند. هم چنـین غارهـا وپناهگاه ها به عنوان مکانی براي به دنیا آوردن و مراقبت از توله ها استفاده می شود که دوره بحرانـی از چرخـه زنـدگی ایـن گونـهاست (11). با توجه به اینکه خرس هاي قهوه اي در پناهگاه خود نسبت به آشفتگی آسیب پـذیر هسـتند (30). بنـابراین شـناختویژگی هاي مکانی مطلوب و عوامل اثرگذار بر انتخاب زیسـتگاهزمستان خوابی براي حفاظت از بزرگترین گوشـتخوار کشـورمان ضروري است (2). هم چنین مهم تـرین بخـش زیسـتگاه خـرسقهوه اي لانه هاي زمستانی آن مـی باشـد (38) کـه در اورآسـیا وآمریکاي شمالی به خوبی مطالعه شده است (14، 18 و 30 ). در ایران عطایی و همکاران بـا اسـتفاده از رویکـرد تحلیـل عـاملیآشیان بوم شناختی (ENFA) مطلوبیت زیستگاه تابستانه خـرسقهوه اي در منطقه حفاظـت شـده البـرز مرکـزي را مـدل سـازينمودند ولـی تـاکنون پژوهشـی در رابطـه بـا انتخـاب زیسـتگاهزمسـ تان خـ وابی خـ رس قهـ وه اي در ایـ ران انجـ ام نشـ ده است (2). با توجه به اینکه منطقه کوه خم در اسـتان فـارس درجنوبی ترین مرز دامنه توزیع خرس قهـوه اي در ایـران و جهـانقرار دارد (4) و هم چنین یکی از مهم ترین زیستگاه هـاي خـرسقهوه اي در استان فارس است که جمعیت مناسبی از این گونه را در خــود جــاي داده اســت (2). بنــابراین ارزیــابی زیســتگاه و شناسایی مکان هاي مناسب براي زمستان خوابی و استراحت ایـنگونه موجب می گردد تا بتوان عوامل مؤثر بر مطلوبیت زیسـتگاهزمستانی آن را شناسـایی و برنامـه هـاي مـدیریتی و حفـاظتی رابراساس آن تدوین نمـود . در ایـن مقالـه هـدف از بهـره گیـري
۷۶
هم زمان مدل هاي GLM و GWR در ارزیـابی زیسـتگاه خـرسقهوه اي، تعیین مهم ترین پارامترهاي مؤثر بر مطلوبیـ ت زیسـتگاهزمستان خوابی این گونه و مقایسه نتایج این دو مدل بـا یکـدیگراست. در مدل سازي زیستگاه حیات وحش با توجه به نوع متغیر وابسته مدل هاي مختلفی ارائه می شـود . بـراي مثـال اگـر متغیـروابسته حضور و عدم حضور (صـفر یـا یـک) باشـد از درخـترگرسیون (Regression Tree :RRT ) مدل خطـی تعمـیم یافتـه (Generalized Linear Model:GLM )، رگرسیون سازشی چند
(Multivariate Adaptive Regression Splines :MARS) متغیره
و مدل افزایشی عمـومی (Generalized Additive Model :GAM ) استفاده می شود (6 و 17). اگر فقط داده هـاي حضـور گونـه دردسترس باشد از تجزیه و تحلیل عاملی بوم شـناختی (ENFA)، الگـوریتم ژنتیـک (GARP)، مـاکزیمم آنتروپـی (MAXENT)، سنجه گاور (DOMAIN) Gower Metric و سیستم پیش بینـی وتحلیل اقلـیم زیسـتی Bioclimatic analysis and ) BIOCLIMprediction system) استفاده می شود (9، 27، 28 و 29). تفاوت اصلی بین تحلیل هاي مبتنی بر داده هاي حضور و عـدم حضـور در کیفیت داده هاي ورودي است. مثلاًمثلا GLM نیـاز بـه داده هـايحضور و عدم حضـور دارد امـا ENFA و MAXENT فقـط بـاداده هاي حضور کار می کنند (35). GLM تعمیم یافته رگرسیون چندگانه با توزیع دوجمله اي (Binomial) و تابع منطقـیLogit است که داده هاي چند جمله اي را به خوبی برازش می دهد. ایـنمدل متغیر وابسته (حضور و عدم حضور) را توسط یک سـرياز متغیر هاي مستقل پیش بینی کننـده توضـیح مـی دهـد کـه درسرتاسر فضا ثابت هسـتند (19 و 25). از اینـرو بـا توجـه بـهماهیت تغییر پذیري متغیر هاي بوم شـناختی در سرتاسـر فضـاتحلیل روابط بین گونه و زیستگاه نیازمند ابزار هاي پیشرفته اي هستند تا بتواند این تغییرات را اندازه گیري نمایـد (21). یکـیاز این ابزار ها رگرسیون وزنی جغرافیـایی(GWR) اسـت کـهیکی از انواع رگرسیون هاي فضایی است که به تـازه گـی از آن در بوم شناسی و سایر علومی کـه از داده هـاي فضـایی اسـتفاده
می کنند رایج شده است. از جمله مطالعات بوم شناسی که در آن از رگرسیون وزنی جغرافیایی استفاده شده است می توان به مـکنیو (21) اشاره کرد که به بررسی نـاهمگنی مکـانی در انتخـابزیستگاه لانه گزینی باقرقره خلنگ زار (Tympanuchus cupido ) پرداخت ه اس ت. ای ن مطالع ه اول ین ک اربرد رگرس یون وزن ی جغرافیایی در ارزیابی زیستگاه حیات وحش در ایران می باشد.

مواد و روش ها
معرفی منطقه مورد مطالعه
منطقه کوه خم با مساحت 2733 کیلومتر مربع در حاشیه شمالی پارك ملی و پناهگاه حیات وحـش بختگـان و بـین طـول هـاي ′46 °53 تا ′33 °54 شرقی و عـرض هـاي ′43 °29 تـا ′56 °30 شمالی در استان فارس قرار دارد که از جنوب به شهرستان آباده طشک، از شرق به شهرستان نی ریـز و از غـرب بـه شهرسـتانارسنجان می رسد (شکل 1). اقلیم منطقه گـرم و خشـک همـراهبا زمستان هاي سرد و تابستان هاي گرم می باشد. متوسـط بـارشمنطقه 250 میلی متر مـی باشـد . میـانگین ارتفـاعی 2535 متـر ازسطح دریا و حداکثر ارتفاع منطقه 3270 متـر در قلقلّـهّـه دال نشـینمی باشد. زیستگاه از نوع جنگلی تنک در ناحیه ایرانی تورانی بـاپوشـش درختـی غالـب بنـه (Pistacia atlantica)، بـادام تلـخ (Amygdalus scoparia) و کیکم (Acer monspessulanum) و گونه هاي درختچه اي شامل بادام کـوهی (Amygdalus lycioides) و ارژن (Acer reuteri) می باشد (2).

روش نمونهبرداري
126873867918

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

کار میدانی و شمارش نمایه ها بر اساس نقشـه شـبکهبنـدي تهیـهشده در محیط 10 ArcGIS در قالب پلاتهـاي 3 × 3 کیلـومتر(9 کیلومتر مربع) انجام شده است. اندازه پلات براساس وسعت کم ناحیه مورد مطالعـه در مقیـاس سـیماي سـرزمین و حـداقلاندازه گستره خانگی خرس قهوه اي در ایران (50 کیلومتر مربع) و کاربرد آن در پاسخگویی به سؤال مورد نظر انتخـاب گردیـده اس ت (م ذاکره ب ا کارشناس ان مح یط زیس ت اس تان ف ارس). پاس یلیکو و همک اران براس اس ح داقل 20 درص د از گس تره خ انگی در دس ترس، ان دازه پ لات را 5 × 5 کیل ومتر انتخ اب نمودند (31). تعداد کل پلات هـاي نمونـه گیـري 300 پـلات درتمامی زیستگاه هاي حضور و عدم حضور لانه هاي زمستان خوابی بوده است. تمامی پلات ها توسط یک فرد و با یک دقت بررسی شدند، که در مجموع تعداد 175 نمایه حضور در کل ناحیه مورد مطالعه ثبت گردید که از این میان 20 لانه حضـور در ارتفاعـاتکوه خم و روشن کوه و 20 لانه عدم حضور در سایر زیستگاه ها شناسایی شده است. براي جلوگیري از مزاحمـت هـاي ناشـی از سرکشی براي خرس هایی که در لانه هاي خود در حال استراحت هســتند، نمونــه بــرداري و ثبــت موقعیــت مکــانی لانــه هــاي زمستان خوابی در خـارج از فصـل زمسـتان گـذرانی ، در فصـول بهار (20) و تابستان (18) سال هاي 1389 و 1390 و به مدت 10 روز در هر فصل با استفاده از سامانه موقعیت یاب جهانی ( GPS) انجام شد. انتخاب متغیر ها با توجه بـه اطلاعـات تـاریخ طبیعـیگونه و براساس مرور منابع خارجی بوده است (جدول 1). به جز متغیر زاویه آزیموت تمامی متغیر هاي کلان زیستگاهی با استفاده از مدل رقومی ارتفاع منطقه با اندازه سلول 100 متر در نرم افـزار10Arc GIS محاسبه شده است (جدول 1). لانه هایی که توسـطخرس هاي قهوه اي مورد استفاده قرار گرفته بودند آنهـایی بودنـدکه داراي بستر خواب، همراه با حضور نمایه هایی چون سـرگین،مو، باقیمانده غـذا در داخـل لانـه و آثـار تخریـب و شکسـتگیدرختان همراه با مسیر رفت و آمد در جلو لانه مـی باشـند (20). لانه هاي خرس قهوه اي در این منطقه عمدتاًعمدتا در ارتفاعات کوه خم انتخاب شده اند و شامل غار ها، شکاف صـخره هـا و حفـره هـايزیرکپه سنگ هاي بزرگ می باشد (40). زیستگاه ها و منـاطقی کـهفاقد لانـه هـاي زمسـتان خـوابی بودنـد امـا از نظـر ویژگـی هـايتوپوگرافی و ساختار پوشـش گیـاهی قابلیـت انتخـاب شـدن راداشتند به عنوان زیستگاه عدم حضور درنظر گرفته شد و در آنجـاغار ها و مکان هایی که از نظر ویژگی هـاي فیزیکـی و سـاختاريمشابه لانه هاي انتخاب شده بودند به عنوان لانه هاي عدم حضـوردرنظر گرفته شده (27) و تمامی متغیرهاي مربوط به ایـن غارهـا (جدول 1) نیز با اندازه سلول 100 متر در نرم افـزار 10ArcGIS
۷۷

شکل 1. موقعیت منطقه مورد مطالعه در استان فارس در جنوب غرب ایران

126873867918Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

جدول 1. متغیر هاي مورد استفاده در مدل سازي مطلوبیت زیستگاه لانه گزینی خرس قهوه اي
منابع انتخاب متغیرها منبع تهیه و نحوه اندازه گیري متغیرها
Reynods et al,1976 (32);
Seryodkin et al, 2003;
Mack, 1990; li et al, 1994; Beecham et al, 1983 (7);
Goldstein et al, 2010 (15); Wathen et al, 1986 براساس مدل رقومی ارتفاع (DEM) تهیه شده از نقشه هاي 50000/1 سازمان نقشه برداري کشور در
نرم افزار ArcGIS ارتفاع
Reynods et al, 1976; Seryodkin et al, 2003; li et al,
1994; Beecham et al, 1983;
Goldstein et al, 2010; Wathen et al, 1986 (39) محاسبه شده توسط تابع SLOPE در نرم افزار ArcGIS شیب

Zhang et al, 2006 جهت دهانه لانه برحسب زاویه اي که با شمال جغرافیایی (آزیموت)
دارد با استفاده از دستگاه آزیموت سنج اندازه گیري شده است جهت لانه
Ciarniello et al, 2005; Gro et al, 1998; Petram et al, 2004, Nielsen et al, 2004 (24) اعمال تابع DISTANCE بر نقشه کاربري اراضی استان فارس فاصله از جاده
Gro et al, 1998; Petram et al, 2004 اعمال تابع DISTANCE بر نقشه کاربري اراضی استان فارس فاصله از مراکز جمعیتی
Zhang et al, 2006 اعمال تابع DISTANCE بر نقشه کاربري اراضی استان فارس فاصله از منابع آبی
۷۸
محاسبه شده است.

تجزیه و تحلیل هاي آماري مدل خطی تعمیم یافته
یکی از رویکردهاي چند متغیره مدل سازي مطلوبیت زیستگاه و پیش بینی حضور گونه ها که نیازمند استفاده از داده هاي حضور و عدم حضور است مدل خطی تعمیم یافته با توزیع دو جمله اي و تابع پیوند منطقی می باشد (8 و 12 ). براي انجام این مدل سازي ،ابتدا همبستگی بین داده ها براساس آزمـون همبسـتگی پیرسـونمورد بررسی قرار گرفت و از هر دو متغیري که همبستگی بالاي 7/0 داشتند یک متغیر به انتخاب گزینش شـد (16). کـه از ایـنمیان متغیر فاصله از جاده به دلیـل همبسـتگی شـدید بـا شـیب،ارتفــاع و فاصــله از مراکــز جمعیتــی و متغیــر شــیب بــه دلیــل همبســتگی بــا ارتفــاع از رونــد محاســبات حــذف گردیدنــد (جـــدول 2). آنـــالیز همبســـتگی پیرســـون در نـــرم افـــزار
1/13SYSTAT انجام شد (36). در نهایـت بـه منظـور انتخـابمناس ب ت رین م دل، متغی ر ه اي نه ایی وارد نمای ه اطلاع اتی آکاییک(AIC) در مدل خطی عمـو می بـا توزیـع دوجملـه اي و تابع پیوند منطقی در نرم افزار 10 STATISTICA شـدند (37) و بــه ایــن ترتیــب ســري متغیــر هــایی کــه اخــتلاف آکاییــککمتر(( ΔACI از دو داشته باشند به عنوان بهتـرین مـدل انتخـابزیستگاه لانه گزینی خرس قهوه اي درنظر گرفته می شـوند (10).
از آزمون والد (Wald statistic) براي برآورد پارامترها و تعیـینمعنی دار بودن ضرایب رگرسیون استفاده شد. هم چنین به منظـورارزیابی نحوه توصیف داده ها توسط مـدل (نیکـویی بـرازش) از آزمون هاسمر لمشو (Hasmer lemeshow) استفاده شد.

رگرسیون منطقی وزنی جغرافیایی ((GWLR: Geographically weighted logistic regression در این مطالعه به منظور انتخـاب پـارامتر هـاي مـؤثر در انتخـابزیستگاه خرس قهوه اي، پس از بررسی همبستگی بین متغیر هـا،تک تک متغیرها به صورت مجـزا وارد رابطـه رگرسـیون منطقـیدوتایی (BLR: Binary Logistic Regression) شد و مقـدار P آنها محاسبه گردید. ارزش (05/0<P ) این آزمون نشـان دهنـدهمعنی داري متغیر در رابطـهBLR اسـت . در نهایـت متغیـر هـايفاصله از جاده، شیب، ارتفاع و آزیمـوت کـه رابطـه معنـی داري برقرار نکردند (05/0P>) از روند محاسبات حذف شدند (1) و سپس به منظور بررسی روابط جغرافیـایی بـین آنهـا، متغیـر هـاينهایی (فاصله از مراکـز جمعیتـی و فاصـله از منـابع آبـی) وارد رابطه رگرسیون منطقی وزنی جغرافیایی در نـرم افـزار 4GWR شدند (23). به منظور انتخاب مناسـب تـرین پهنـاي بانـد در هـرنقطه رگرسیون از نمایه اطلاعاتی آکاییک (AIC) اسـتفاده شـدهاست (21). رگرسیون وزنی جغرافیایی شکل محلـی رگرسـیون خطی است. در رگرسیون هاي معمولی فرض ما بر آن است کـهرابطه اي که می خواهیم بین یک متغیر وابسـته و تعـدادي متغیـرمستقل مدل سازي کنیم در سراسر محدوده مورد مطالعه یکسـاناست که در بسیاري از موارد چنین فرضی صحیح نیست (13 و 22). با فرض تعدادn نقطه با مختصات (u, v) مـدل رگرسـیونمنطقی وزنی از روابط 1 و 2 قابل پیش بینی می باشد:
yi ~ Bernoulli Pi  [1]
[2] logit(Pi) kk (ui,vi)xk,i در رابطه 1 و 2 متغیر وابسته بین صفر و یک است و pi احتمال اینکه متغیر وابسته در مدل یک می شود (22). در این مطالعه مدل رگرسیون منطقی وزنی جغرافیایی با استفاده از رابطه 3 پیش بینی شده است: [3]

37606367539

yi(u) 1exp(exp(1(1ui,vl)x(ui,vl)x112(2ui,vl)x(ui,vl)x2 2  …… mm(ui,ul)x(ui,ul)xmm) )

در ایــن رابطــه y متغیــر وابســته و1xm ،… x2 ،x متغیرهــاي پیش بینی کننده مستقل و(u, v) نشان دهنده موقعیت جغرافیـاییi امین نقطـه رگرسـیون و 1βm ،…β2 ،β ضـرایب تشـریح کننـدهاثرات محلی متغیر xm است (13). در این مدل ضرایب رگرسـیونبراي کلیه نقاط به طور جداگانه محاسبه مـی شـود و ضـرایب مکـان (u ,v) بــا بــرازش حــداقل مربعــات تخمــین زده مــی شــود.
126873867918Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

هم چنین وزن دهی بدین صورت است که داده هاي نزدیـک تـربــه (u, v)، وزن بــیش تــري نســبت بــه داده هــاي دورتــر
۷۹

126873867918Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

دریافت می کند (13).

نتایج
به منظور ایجاد مدل مطلوبیت زیستگاه زمستان خوابی بـا اسـتفادهاز رویکرد GLM ترکیـب هـاي مختلفـی از متغیـر هـاي مسـتقلزیست محیطی به کار گرفته شد و در نهایت بهترین زیرمجموعه از متغیر ها که مدل مبتنی بر آنها از اعتبار بـالایی برخـوردار بـودانتخاب شدند. تحلیلGLM انجـام شـده بـرروي چهـار متغیـرمنجربه تولید 15 مدل شـد کـه از بـین آنهـا براسـاس اخـتلافآکاییک (2 (ΔACI < محاسبه شده، تعداد دو مدل معنی دار بود.
بهترین مدل انتخـاب شـده بـر اسـاس حـداقل معیـار اطلاعـاتآکاییک، ترکیبی از سه متغیر ارتفاع، فاصله از مراکـز جمعیتـی وفاصله از منابع آبی بوده است (147/39(AIC= کـه نشـان دهنـدهبهترین مدل پیش بینی کننده در انتخاب لانه هاي زمستان گـذرانیخ رس قه وهاي در منطق ه ک وه خ م اس تان ف ارس م ی باش د (جدول 3). نتایج آزمون والد نشـان داد کـه پارامترهـاي ارتفـاع
(006/0(P= و فاصله از مراکز جمعیتی (005/0(P= بـیش تـرینتأثیر را در پیش بینی مدل مطلوبیت زیستگاه لانه گزینـی خـرسقهوه اي دارند (جدول 4).
براساس نتایج آزمون نیکویی برازش، مدل هـاي بـه دسـت آمـدهداراي ارزش P بیش تر از 5 درصد مـی باشـند (36/0HL=8/71 ،P=) که نشان دهنده تناسب قابل قبول داده ها با مدل است.

۸۰
جدول 2. ماتریس همبستگی متغیر هاي مستقل زیست محیطی
فاصله از
منابع آبی فاصله از
مراکز جمعیتی آزیموت ارتفاع شیب فاصله از جاده متغیر
1 فاصله از جاده
1 0/75 شیب
1 0/82 0/78 ارتفاع
1 0/31 0/13 0/11 آزیموت
1 0/04 0/68 0/63 0/72 فاصله از مراکز جمعیتی
1 0/60 0/10 0/56 0/56 0/60 فاصله از منابع آبی
نتایج رگرسیون منطقی وزنی جغرافیایی
در بررسی روابـط بـین متغیـر هـاي مسـتقل و انتخـاب زیسـتگاهزمستان خوابی با درنظر گرفتن سطح معنی دار پنج درصد تحلیـلرگرسیون منطقی دوتایی نشان می دهد که متغیر فاصله تـا منـابعآبی (045/ P=)، و متغیر فاصله تا مراکـز جمعیتـی (012/ (P=، در مقیاس سیماي سرزمین در بین زیستگاه هاي حضـور و عـدم حضور لانه هاي زمستان خوابی اختلاف معنی داري وجود دارد و متغیرهاي ارتفاع و آزیموت رابطه معنی داري برقرار نکردنـد . بـاتوجه به اینکه انتخاب لانه هاي زمستان گـذرانی خـرس قهـوه اي متأثر از متغیر هاي فاصله از مراکز جمعیتی و منـابع آبـی اسـت،روش رگرسیون منطقی وزنی جغرافیایی دامنه تأثیرات هـر یـکاز این متغیر ها را بـراي مطلوبیـت زیسـتگاه زمسـتان خـوابی درجدول 5 نشان می دهد. نتایج آمـار توصـیفی تغییـرات ضـرایبمحلی براي متغیر فاصله از مراکز جمعیتی و فاصله از منابع آبـینشان دهنده تأثیر مقدار مثبـت ایـن دو متغیـر بـرروي مطلوبیـتزیستگاه زمستان خوابی است. یعنی با افـزایش فاصـله از مراکـزجمعیتی بر مطلوبیت زیسـتگاه افـزوده مـی شـود . هـم چنـین بـاافزایش فاصله از منابع آبی منطقـه کـه عمـدتاً در منـاطق بـاز وحاشیه اي زیستگاه قـرار دارنـد بـر مطلوبیـت زیسـتگاه افـزودهمی شود.
مقایسه بین رگرسیون منطقی وزنی جغرافیـایی و رگرسـیون منطقـی عمـومی نشـان دهن ده انحـراف بیشـتر مـدل رگرس یونمنطقی عمومی به میـزان (78/161) از مـدل رگرسـیون منطقـیوزنی جغرافیایی است (جدول 6). هم چنین مقایسه این دو مدل بر اساس معیار اطلاعاتی آکاییک نشان دهنـده برتـري رگرسـیونوزنی بر رگرسیون عمومی است. مدلی که کمتـرین مقـدارAIC را داشته باشد از قدرت پیش بینی بیش تري برخورداراست. معیار اطلاعات آکاییک براي رگرسیون منطقی وزنی جغرافیـایی برابـر
ΔACI
ACI
درجه
آزادي متغیرهاي پیش بینی کننده مدل
0/000 39/147 3 فاصله از منابع آبی فاصله ازمراکز جمعیتی ارتفاع 1
0/8 39/947 4 فاصله از منابع آبی فاصله ازمراکز جمعیتی آزیموت ارتفاع 2
3/198 42/345 2 فاصله ازمراکز جمعیتی ارتفاع 3
3/469 42/616 3 فاصله ازمراکز جمعیتی آزیموت ارتفاع 4

P حدود اعتماد
بالا حدود اعتماد پائین آماره والد اشتباه استاندارد متغیر اثر
0/006 – 0/0009 – 0/00584 7/281 0/001255 ارتفاع
0/277 0/0182 -0/0052 1/177 0/006 آزیموت
0/005 0/0013 0/0002 7/727 0/0002 فاصله از مراکز جمعیتی
0/063 0/0025 -0/0000 3/446 0/0006 فاصله ازمنابع آبی
چارك
بالا میانه چارك
پائین حداکثر
حداقل انحراف معیار میانگین متغیر
1/24 0/77 0/77 1/25 0/77 0/23 0/97 عرض از مبدأ
2/40 1/36 1/36 2/41 1/36 0/51 1/80 فاصله از مراکز جمعیتی
2/67 1/10 1/10 2/68 1/10 0/77 1/76 فاصله از منابع آبی
0-292870Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]



قیمت: تومان


پاسخ دهید