@article { author = {Piry, Hossein and Zare Chahouki, Mohammad Ali and Azarnivand, Hossein}, title = {؟}, journal = {Journal of Range and Watershed Managment}, volume = {69}, number = {4}, pages = {819-834}, year = {2017}, publisher = {University of Tehran}, issn = {5044-2008}, eissn = {2423-7795}, doi = {10.22059/jrwm.2017.61093}, abstract = {؟}, keywords = {؟}, title_fa = {کاربرد روش آنتروپی حداکثر در مدل‌سازی پیش بینی پراکنش رویشگاه های گیاهی (مطالعۀ موردی: مراتع بخش خلجستان استان قم)}, abstract_fa = {پژوهش حاضر با هدف شناسایی مهمترین متغیرهای تأثیرگذار در پراکنش رویشگاه­های مورد مطالعه و تهیۀ نقشه پیش­بینی رویشگاه­ها با استفاده از روش آنتروپی حداکثر انجام شد. بدین منظور، بعد از تعیین واحدهای همگن نمونه­برداری با استفاده از نقشه رقومی ارتفاع و نقشۀ زمین­شناسی با مقیاس 1:25000، نمونه­برداری از پوشش گیاهی به روش تصادفی - سیستماتیک انجام شد. سطح قطعات نمونه با توجه به نوع گونه­های موجود به روش سطح حداقل بین 2 تا 25 متر مربع و تعداد آنها با توجه به تغییرات پوشش گیاهی و خصوصیات مورد­نظر برای اندازه­گیری، با استفاده از روش آماری 60 پلات تعیین شد. برای نمونه­برداری از خاک نیز در هر رویشگاه هشت پروفیل حفر و از دو عمق 30-0 و 80-30 سانتی­متری نمونه گرفته شد و خصوصیات مورد­نظر در آزمایشگاه مورد اندازه­گیری قرار گرفت. برای انجام مدل‌سازی به روش آنتروپی حداکثر، لایه­های مربوط به متغیرهای محیطی با بهره­گیری از روش زمین­آمار و سیستم اطلاعات جغرافیایی تهیه شد و مدلسازی پراکنش رویشگاه­ها با استفاده از نرم­افزار MaxEnt انجام شد. بعد از اجرای مدل، به­منظور ارزیابی دقّت طبقه­بندی مدل­ها و میزان تطابق نقشه­های واقعی و پیش­بینی  ضریب کاپا و آماره سطح زیر منحنی اندازه­گیری شد. بر اساس نتایج، دقّت طبقه­بندی مدل­ها در سطح قابل قبول قرار می­گیرد و متغیرهای ارتفاع از سطح دریا، جهت، شیب، آهک، سنگریزه عمق اول و دوم خاک و سیلت عمق اول و دوم بیشترین تأثیر را در پراکنش رویشگاه­های مورد مطالعه دارند. میزان تطابق بین نقشه­های نقشه­های پیش­بینی و واقعی برای رویشگاه Artemisia aucheri –Astragalus glaucacanthus، در سطح عالی (کاپای 91/0) و برای رویشگاه­های Amygdalus scoparia،  Scariola orientalis- Stipa barbata و Pteropyrum olivieri- Stipa barbata در سطح خیلی­خوب قرار می­گیرد (به‌ترتیب کاپای 8/0، 83/0 و 79/0). این نتایج نشان می­دهد که روش آنتروپی حداکثر یک روش زایا و تولیدی است و مدل­های حاصل از آن می­تواند به آسانی توسط متخصصین مورد تفسیر قرار گیرد که این ویژگی از نظر کاربردی بسیار حائز اهمیّت است.}, keywords_fa = {مدلسازی پیش بینی,آنتروپی حداکثر,زمین آمار,سطح زیر منحنی,آمارۀ کاپا}, url = {https://jrwm.ut.ac.ir/article_61093.html}, eprint = {https://jrwm.ut.ac.ir/article_61093_c47a43c4458ba973a20aa2fb04dbb38d.pdf} }