12740

11656

كارشناسي ارشد

زيستگاه ها و تنوع زيستي

اصفهان: دانشگاه صنعتي اصفهان، دانشكده منابع طبيعي

1396

سيزده، 89ص.: مصور، جدول، نمودار

ص.ع. به فارسي و انگليسي

محمود رضا همامي

سيما فاخران اصفهاني، حسين بشري

منصوره ملكيان، علي لطفي

1396/06/08

كتابنامه

منابع طبيعي

مهندسي منابع طبيعي

ID11656

1 چكيده از آنجايي كه زندگي بشررر به طور مسررتقيم و غير مسررتقيم در ارتباط با محيطزيسررت ميباشررد حفاظت از آن اهميت دارد يكي از اركان مهم برنامههاي حفاظت از محيطزيست حفظ گونههاي جانوري و گياهي ميباشد بز وحشي به عنوان يك گونه شاخص سالمت مناطق كوهستاني در ايران به دليل كاهش جمعيت از بين رفتن زيستگاهها و شكار بيرويه توسط IUCN در رده آسيبپذير قرار گرفته است گستره پراكندگي بز وح شي از اروپا و آ سياي صغير تا آ سياي مركزي و خاورميانه ميبا شد در اين مطالعه با هدف مدل سازي مطلوبيت زي ستگاه بز وح شي در پارك ملي كاله قاضي در طول زمستان و تابستان از ميان روشهاي مختلف مدل سازي مطلوبيت زيستگاه روش شبكههاي بيزين مورد استفاده قرار گرفت كه يك مدل گرافيكي مي باشرررد و روابط احتماالتي را بين مجموعه اي از متغييرهاي تصرررادفي كه بر يك متغيير هدف تاثير ميگذارند نمايش ميدهد مدلسازي مطلوبيت زيستگاه با روش شبكه بيزين نياز به شناخت درست از اكولوژي گونه هاي هدف و تعامل آنها با محيط اطراف دارد بنابراين با نظر كارشناسان و متخصصان مهمترين عوامل موثر بر بز وحشي شناسايي شدند و به منظور نشان دادن روابط علت و معلولي ميان متغيرها و مطلوبيت زيسررتگاه در يك نمودار اثر قرارگرفتند پس از پر كردن جداول احتماالت شرررطي با دادههاي تجربي و نظر كارشناسان نمودار اثر به يك شبكه باور بيزين تبديل شد كارايي مدل از طريق حساسيت سنجي بررسي شد و مدل نشان داد كه تراكم پوشش گياهي منابع آب و شرايط باد به ترتيب مهمترين عوامل موثر بر مطلوبيت زيستگاه بز وحشي ميباشند صحت مدل نيز بر اساس مجموعهاي از دادههاي فر ضي و واقعي به ترتيب 64 و 85 نقطه ح ضور در زم ستان و تاب ستان برآورد شد اين مدل 001 نقاط ح ضور را مطلوب و 69 68 درصد نقاط عدم حضور را نامطلوب پيشبيني كرد با توجه به دقت باالي مدل ميتوان آن را به عنوان ابزار پشتيبان تصميمگيري براي حفاظت و مديريت گونهها مورد استفاده قرار داد اين مدل بطور بالقوه ميتواند از طريق يك رويكرد مديريت تطبيقي به روز رساني شود كلمات كليدي ابزار پشتيبان تصميمگيري حساسيت سنجي شبكه هاي بيزين مدلسازي مطلوبيت زيستگاه نمودار اثر

90 Predicting Wild Goat Capra aegagrus Distribution Using Bayesian Belief Network in Isfahan Province Arefe Bagheri Arefe bagheri@yahoo com June 15 2017 Department of Natural Resources Isfahan University of Technology Isfahan 84156 83111 Iran Degree MsC Language PersianDr Mahmood Reza Hemami mrhemami@cc iut ac irAbstract Human life directly and indirectly depends on the environment hence it is important to conserve it Anessential part of environmental conservation programs is preserving wildlife and plants Wild goat Capra aegagrus as an indicator species of mountainous area s health in Iran is listed asVulnerable by IUCN because of population decline habitat loss and overhunting Wild goat ranges fromEurope and Asia Minor to Central Asia and the Middle East In this study we aimed to model habitatsuitability of wild goat in Kolah Qazi National Park during winter and summer Among various habitatmodeling approaches we used Bayesian networks which is a graphical model that representprobabilistic relationships between a set of random variables affecting a target variable Habitatsuitability modeling through Bayesian Network needs a good understanding of the target speciesecology and its interaction with the surrounding environment We consulted literature and experts toidentify the most important factors affecting wild goat habitat and included them in an influence diagramto represent the cause to effect relationship between environmental factors and habitat suitability Theinfluence diagram was converted into a Bayesian belief network after populating conditional probabilitytables with empirical data and expert opinion Model efficiency was assessed by sensitivity analysis andit demonstrated that the vegetation density water resources and wind condition are respectively the mostimportant factors affecting suitability of habitat for wild goat Model accuracy was also assessed basedon conceptual and actual data sets including 48 and 58 presences for winter and summer respectively The model predicted 100 of the presence points as suitable and 86 96 of absence points as unsuitablelocations Considering high accuracy of the model it can be used as a decision support tool forconservation and management of the species The model can potentially be updated in an adaptivemanagement approach KeyWords Bayesian Networks Decision support tool Habitat Sutability Modeling InfeluenceDiagram Sensivity Analysis

محمود رضا همامي

سيما فاخران اصفهاني، حسين بشري

منصوره ملكيان، علي لطفي