اکولوژی کاربردی/ سال اول / شماره دوم / پاييز و زمستان ۱۳۹۱

کاربرد مدل رگرسيون لجستيک درختي در تعيين رويشگاه بالقوه گونه گياهي
Astragalus verus گون زرد

مرجان ساکي*، مصطفي ترکش، مهد ي بصيري و محمدرضا وهابي

(تاريخ دريافت: ۱۴/۵/۱۳۹۱ ؛ تاريخ پذيرش: ۱۶/۸/۱۳۹۱)

چكيده
723900819912

رابطه بين گونه هاي گياهي و عوامل محيطي هموار ه يک موضوع اساس ي در اکولوژي گياهي بوده است . با افزايش توان تکنيک هاي آمـاري، زمين آمار و سيستمهاي اطلاعات جغرافيايي (GIS)، توسعه مدل هاي پيش بيني پراکنش موجودات زنـده بـه سـرعت در اکولـوژي درحـال افزايش است . هدف از اين مطالعـه بررسـي توانـايي مـدل آمـاري رگرسـ يون لجـس تيک درختـي در تهيـه نقـشه رويـشگاه بـالقوه گونـه گياهيAstragalus verus مي باشد. اين گونه مولد کتيراي زرد بوده و از ارزش اقتصادي برخوردار است. به اين منظور دادههـاي حـضور و غياب گونه تحت مطالعه از ۱۰۰ سايت شامل (۵۰ سايت حضور و ۵۰ سايت غياب ) جمع آوري گرديد و نقشه فاکتورهاي محيطـي از قبيـل فيزيوگرافي(شيب، جهت، ارتفاع )، اقليم (دما، بارش و …) و خاک (اسيديته، هـدايت الکتريکـي و …) در مقيـاس ۵۰۰۰۰/۱ بـا اسـتفاده از روش هاي کريجينگ و وزن دهي معکوس فاصله براي کل منطقه مورد مطالعه تهيه شد. سپس ارتباط بين داده هاي حضور و غيـاب گو نـه و داده هاي محيطي با استفاده از مدل رگرسيون لجستيک درختي LRT)) تعيين گرديد و به کل منطقه مورد مطالعه تعميم يافت . نتايج نشان داد که حضور گونه با فاکتورهاي محيطي ميانگين درجه حرارت و ۳ فاکتور خاک (رس، هدايت الکتريکي، کربن آلي ) بيشترين ميزان همبـستگي را دارا م ي باشد، بهطوري که حضور گونه با ميزان رس وکربن آلي همبستگي مستقيم و با ميزان هدايت الکتريکي همبـستگي معکـوس دارد . ارزيابي مدل با استفاده از مجموعه دادههاي مستقل، ضريب کاپاي ۷۸/۰ و با استفاده از سطح زير منحني پـلات هـاي ROC مقـدار ۹۳/۰ را نشان داد که بيانگر توان بالاي مدل رگرسيون لجستيک درختي در توليد نقشه پراکنش گونه Astragalus verus در مقياس محلـي مـيباشـد . مدل توليد شده مي تواند به عنوان ابزاري براي استفاده مديران و کارشناسان بخش مرتع به منظـور شناسـايي منـاطق مـستعد جهـت عمليـات اصلاحي همچون بذرکاري و بوته کاري مورد استفاده قرار گيرد.

واژه هاي كليدي : رگرسيون لجستيک درختي، رويشگاه بالقوه، سيستمهاي اطلاعات جغرافيايي، گون زرد، فريدونشهر

۲۷
مقدمه
بررسي ارتباط بين گونه هاي گياهي و عوامل محيطي همـواره ازموضـوع هـاي اساسـي در اکولـوژي گيـاهي بـوده اسـت. تهيـه نقشههاي پـيشبينـي پـراکنش گونـههـاي گيـاهي کـه بـر پايـه مدل سازي آشيان اکولوژيک است، همگام با توسـعه روش هـاي آماري و سيستم اطلاعات جغرافيـايي (GIS) وارد عرصـه علـم اکولوژي گياهي شده است (۱۸). در اين روش پراکنش مکـاني گونه ها براساس توزيع مکاني متغيرهـاي محيط،کـه بـا پوشـش گياهي همبستگي دارند به صورت مدل (نقشه، جدول يا نمودار) ارايه مي شوند. اين مدل ها مي توانند نقش برجسته اي درنظـارت ، ارزيابي، احيا، حفاظت و توسعه پايدار اکوسيستم هاي مرتعي ايفا کنند (۱۸). هم چنين از ابزارهاي بالقوه به منظور کسب اطلاعات درباره علل پراکنش گونه ها و تناسب رويشگاه بـراي گونـه هـاي گياهي محسوب مي شوند.
از آنجا که حضور هرگونه گياهي تحت تأثير عوامل محيطي و روابط بين گونه اي است و يک يا چند عامل محيطي بيشترين اثر را در حضور يک گونه گياهي خاص دارند، اگر بـه طريقـي بتوان عوامل محيطي اثرگذار در پراکنش هرگونه گياهي را تعيين کرد و رفتار گونه را نسبت به متغيرهاي محيطـي بررسـي نمـود مي توان به مدل هاي پيش بيني توزيع گونه اي دست يافت (۳). در مدل سازي پيش بيني پراکنش گونه هـاي گيـاهي ، بـه نقـشه هـاي رقومي متغيرهاي محيطي واطلاعات مکاني پراکنش گونـه هـاي گياهي به عنوان ورودي مدل نياز است. به دنبال آن از مدل هـاي آماري (مدل همبستگي(Correlative model)) براي بيان ارتباط بين حضور گونه ها و عوامل محيطي اسـتفاده مـي شـود (۸). در اين مدلها، متغير پاسخ يا وابسته به طور عمده حـضور و غيـاب گونه مورد نظر و متغير پيشگو يـا مـستقل پارامترهـاي محيطـي مي باشد و روابط بين متغيرها به صورت توابع رياضـي (آمـاري ) ارايه ميشود. از روشهاي مختلف آماري همچون رگرسـيون و رج بندي به منظور تعريف روابط بين متغيـر پاسـخ و متغيرهـاي پيشگو استفاده ميشود. در روشهاي رج بندي مـيتـوان رابطـه بين کليه گونه هاي گياهي و عوامل محيطي را همزمان تجزيـه و
۲۸
تحليل و مدلسازي کرد درحاليکه در آنـاليز رگرسـيون ، رابطـه هرگونه گياهي به تفکيک بررسي و به صـورت يـک مـدل ارا يـه ميشود. در اکولوژي گياهي مدلهاي رگرسيون به منظورتخمين مقادير بهينه، تعيين دامنه اکولوژيک گونه هاي گياهي و پيش بيني عکسالعمل گونهها (وفور، حضور و عـدم حـضور ) نـسبت بـه عوامل محيطي استفاده مي شود ( ۱۹). مدل هاي رگرسيون به دو گروه پارامتري و غيرپارامتري تقسيم مـي شـوند . در روش هـاي پارامتري معمو ﹰلا رابطه بين متغير پاسخ با عوامل محيطي از قبـل تعيين شده اسـت ( بـهصـورت خطـي ، سـيگموئيد يـا گوسـن) درحاليکه در روش هاي غيرپارامتري هيچ گونه پيش فرضـي در رابطه بـا شـکل منحنـي عکـسالعمـل وجـود نـدارد . از جملـه تحقيقاتي که از مدل هاي رگرسيون پارامتري اسـتفاده کـرده انـد مي توان به موارد زير اشاره کرد:
كارتر و همکاران(۲۰۰۶) رابطه بين حـضور و غيـاب گونـه گياهي Aphelocoma coerulescens و عوامل رويشگاهي را بـا استفاده از مدل رگرسيون لجستيک ارايه کردند. ارزيابي مدل بـا استفاده از ضريب کاپا و مـاتريس خطـا انجـام گرفـت و نتـايج نشان داد مدل رگرسيون لجستيک براي پيش بيني رخداد گونه از دقت بالايي برخوردار است (۱۲). لاژوئر و رانـدين (۲۰۰۶) در جنوب سويس اطلاعات مربوط به ۱۱۷ گونه گيـاهي را در ۱۲۵ سايت جمع آوري کردند. در هر سايت عوامل ارتفـاع ، شـيب و جهت مطالعه شد. سپس با استفاده از روش رگرسيون لجستيک احتمال رخداد هرگونه گياهي پيشبيني گرديـد . نتـايج حاصـله نشان داد که پارامترهاي شيب و جهت بيشترين همبستگي را بـا رخداد گونههاي گيـاهي دارا مـي باشـند (۲۱). برخـي محققـينارتباط ۷۱ گونه گياهي بـا ۱۱ متغيـر محي طـي (ارتفـاع، نـور و متغيرهاي اقليمي) را در کوه هاي آلپ بـا اسـتفاده از روش هـاي رگرسيون پارامتري بررسي کردند. نتايج نـشان داد کـه حـضور کليه گونه ها به طور ويژه به فاکتورهـاي محيطـي وابـسته اسـت(۱۵). زارع چاهوكي و همکاران (۱۳۸۶) در مراتـع پـشت کـوه يزد به منظور تعيين رابطه بين حضور گونه هاي گياهي و عوامل محيطي از مدل رگرسيون لجستيک استفاده نمودند. نتايج حاصل از اين تحقيق نـشان داد کـه خـصوصيات خـاک همچـون آهـک ،سنگريزه، رطوبت اشباع، گچ و هدايت الکتريکي مؤثرترين عوامـل تفکيک کننده تيپ هـاي رويـشي اسـت . هـم چنـين نقـشه پـراکنش توليدي آنها از ضريب کاپاي ۹۸/۰ برخوردار بود (۳). از آنجـا کـه اکثر اکولوژيستها پذيرفته اند کـه رابطـه بـين حـضور گونـه هـاي گياهي با عوامل محيطـي مـي توانـد بـه صـورت غيرخطـي باشـد ، بنابراين بهتر است از مدل هاي غيرپارامتريک در تعيين روابط گونه بـا عوامـل محيطـي اسـتفاده شـود (۱۸و۲۲). از جملـه مـدل هـاي رگرسيون غيـر پـارامتري مـي تـوان بـه مـدل هـاي NPMR ،GAM، LRT ،MARS اشاره نمود. به عنوان مثال در مطالعه اي سـه روش رگرسيون غيرپارامتري
(NPMR) Non ParametricMultiplicative Regression ،
(MARS) Multivariate Adaptive Regression Spline) ، (LRT Logistic RegressionTree
در مقياس محلي در شرق آلمان بررسـي شـد و بـه ايـن نتيجـه رسيدند که اگرچه مدل MARS از تـوان آمـاري بهتـري جهـت توليد نقشههاي پراکنش گونهاي برخوردار بود ولي هر سه مـدل قابليت مناسبي از لحاظ تفسير اکولوژيکي و توليد منحنـي هـاي عکس العمل گونه دارا هستند (۲۴).
از مـــدل هـــاي (,(GLM , Generalized Linear Models معکوس فاصله وزني) توليـد شـده و لايـه هـاي فيزيـوگرافي
بــراون (۱۹۹۴) در مطالعــه اي رابطــه بــين متغيرهــاي توپوگرافي، شيب، نور، بـرف و پتانـسيل اشـباع خـاک را بـا چهار گونه گياهي در منطقه پارک در شرق گلاسير با استفاده گونه گون زرد در يک مقياس محلي (مراتع شهرستان فريدونشهر) واقع در استان اصفهان اجرا شد.

مواد و روش ها
منطقه مورد مطالعـه درقـسمتي از مراتـع فريدونـشهر اسـتان اصفهان به مساحت ۹۸۰۰۰ هکتار، بين طـول جغرافيـايي ۳۲
َ۳۸ °۴۹و ً۳۶ ۱۵ °۵۰ و عرض جغرافيـايي ۱۸ 42 °۳۲ و
ً۴۸ ۶ °۳۳ وَاقع شده است (شکل ۱). حداًکثر ارَتفاع منطقـه از سَطح دريا ۴۰۰۰ متر و حـداقل آن ۱۵۰۰ متـر مـي باشـد .
متوسط بارندگي سالانه منطقه حدود۴۷۰ ميلي متـر اسـت . بـه منظور تعيين رويـشگاه بـالقوه گونـه گـون زرد، از داده هـاي حـضور و عـدم حـضور گون ه مـورد نظـر در ۱۰۰ س ايت مطالعاتي شامل ۵۰ سايت حضور و ۵۰ سايت عـدم حـضور استفاده شد(۱). بدين منظور از روش تصادفي طبقه بندي شده استفاده گرديد. ابتدا تيپ هايي که در آن گونـه مـورد مطالعـه به صورت غالب حضور داشت مشخص گرديـد و سـپس در هر تيپ به صورت تصادفي سايتها انتخاب و نمونـه بـرداري صورت گرفت. هم چنـين نقـشه مکـاني هـر يـک از عوامـل محيطي بـه شـرح جـدول ۱ بـا مقيـاس ۵۰۰۰۰/۱در محـيط نرم افزار Arc GIS تهيه شد. نقـشه هـاي خـاک و پارامترهـاي اقليمي از طريق روش هاي ميانيابي (ان واع کريجينگ و
(GAM , Generalized Additive Models) بررسـي نمـود . او اظهار کرد که مؤثرترين عامل بر توزيع گونه هاي مورد مطالعـه متغير توپوگرافي ميباشد (۱۰). کشور ايران خاستگاه اصـلي و يکي از مراکز مهم گونه گون زرد است، کـه عـلاوه بـر نقـش حفاظتي، استفاده از صمغ آن (کتيرا) نيـز داراي سـابقه اي بـس طولاني است. به منظور جلوگيري از نابودي و شناخت منـاطق مستعد رويش اين گياه لازم است ارتباط بين عوامل محيطي بـا اين گياه بررسي شود و نقشه پراکنش اين گونه تهيه گردد (۷). به همين دليل مطالعه حاضر به منظور معرفـي و بررسـي تـوان مدل رگرسيون لجستيک درختي در پيش بيني رويـشگاه بـالقوه (شــيب و جهــت) بــا اســتفاده از نقــشه رقــومي ارتفــاع
(DEM)(Digital Elevation Model)تهيــه گرديــد. بــدين منظور اطلاعات خاک از مطالعـات قبلـي کـه در ايـن منطقـه صورت گرفتـه بـود جمـع آوري شـد (۷۰ پروفيـل خـاک ) و اطلاعات پارامترهـاي اقليمـي از ۱۰ ايـستگاه معـرف منطقـه استخراج گرديد. به منظور بررسـي کفايـت دادههـا و کـاربرد روش هاي ميانيابي در مدل سازي، ابتدا داده هـا از نظـر نرمـال بــودن بــا اســتفاده از روش کلمــوگروف-اســمير نــوف
(Kolmogrov – smirnov) در نرم افزار SPSSمـورد ارزيـابي قرار گرفتنـد ، در صـورت عـدم نرمـال بـودن بـا اسـتفاده از
۲۹
روش هاي تبديل لگاريتم و کاکس بـاکس (Cox & Box) نرمـال شدند. پس از تبديل داده ها، آناليز همبستگي مکاني پارامترهـاي محيطي با استفاده از مدل هاي مختلف واريوگرام(گوسن، نمايي، کروي، خطي) بررسي گرديد و بهترين مدل واريوگرام با استفاده از مجذور ميانگين مربعـات خطـا (Root Mean Squar Error) انتخاب گرديد و اثر قطعه اي(Nugget effect)، دامنـه (Range) و آستانه (Sill) بهترين مدل واريوگرام براي هر يک از پارامترهاي خاک استخراج شد. هم چنين از نسبت اثـر قطعـه اي بـه آسـتانه (0 c0/ (c+c به عنوان معياري براي ارزيابي ساختار مکاني داده هـا استفاده گرديد، وقتي اين نسبت کمتر از ۲۵/۰ باشد، متغير مورد نظر داراي ساختار مکاني قوي است.
هرگاه اين نسبت بين ۲۵/۰ تا ۷۵/۰ باشـد ، سـاختار مکـاني متوسط و هنگامي کـه بـزرگ تـر از ۷۵/۰ باشـد ، داراي سـاختار مکاني ضعيف است (۱۱). در مرحله بعد نقشه فاکتورهاي خاک بـا اسـتفاده از روش هـاي مختلـف ميـان يـابي(interpolation method) (انـواع کريجينـگ و معکـوس فاصـله وزنـي) توليـد گرديد و اندازه سلول نقشه هاي خروجي ۹۰ × ۹۰ متر انتخـاب گرديد لازم به ذکر است که بهتـرين روش ميـان يـابي براسـاس خطاي قـدرمطلق ميـانگين (MAE) (Mean Absolute Error) و خطاي انحراف از ميانگين (MBE) (Mean Bias Error) تعيـين شد (مقادير کمتر اين شاخص ها بيانگر مدل بهتر ميانيابي است).
رابطه بين حضور و عدم حـضور گونـه گيـاهي بـا فاکتورهـاي محيطي با استفاده از روش رگرسيون لجستيک درختي در محيط۳۰
جدول ۱. متغيرهاي محيطي مورد استفاده جهت پيش بيني رويشگاه بالقوه گونه گون زرد
درصد رس، درصد اشباع آب خاک، ميزان آهک، درصدکربن آلي، درصد موادآلي، درصد شن، درصد سيلت، هدايت الکتريکي، ميزان قليائيت. خاک
ميانگين درجه حرارت روزانه، ميانگين درجه حرارت سردترين فصل سال، مينيمم درجه حرارت سردترين ماه سال، درجه حرارت فصلي، ميانگين درجه حرارت ساليانه، ميانگين درجه حرارت مرطوب ترين فصل سال، ميانگين درجه حرارت گرم ترين فصل سال، ماکزيمم درجه حرارت گرم ترين ماه، دامنه درجه حرارت ساليانه، ميانگين درجه حرارت خشک ترين فصل سال، بارندگي خشک ترين فصل، بارندگي ساليانه، بارندگي مرطوب ترين فصل سال، بارندگي سردترين فصل سال، بارندگي فصلي، بارندگي مرطوب ترين ماه، بارندگي گرم ترين فصل، بارندگي خشک ترين ماه، هم دمايي اقليم
ارتفاع، جهت، شيب فيزيوگرافي

نرم افزار lotus تعيين گرديد. اين روش توسـط چـان و لـوح در سال ۲۰۰۴ پيشنهاد شده است (۱۳). رگرسيون لجستيک درختي روشي براي تعيين احتمال رخداد يک پديده معين (y) با استفاده از چندين متغير پيشگو (x)است. در اين روش فضاي داده ها به نحوي شکسته مي شود که ايجاد گروه هاي يکنواخـت و همگـن نمايد به نحوي که واريانس داخل گروه ها حداقل و بين گروه ها حداکثر گردد. اين گروه هاي همگن به نام گ ـره هاي
انتهـايي(Terminal nodes) ناميـده مـ يشـوند و تـشکيل يـک ساختار درختي مي دهد. در هر گره نهايي ي ک معادله رگرسـيون لجستيک برازش مي شود. در مرحله آخر مـدل آمـاري تعريـف شـده بـا اسـتفاده از نـرم افـزار ArcGIS بـه فـضاي جغرافيـايي تعميميافته و نقشه احتمال رخداد گونه مورد نظر توليد گرديـد.
معادلات رگرسـيون لجـستيک کـه در هـر گـره نهـايي بـرازش ميشود بهصورت کلي زير است (۱۶):
Y =

[۱]
در ايـن معادلـه y احتمـال رخـداد گونـه و (۱bو ۲b،و……،bn) ضرايب مدل رگرسيون و xها متغيرهاي پيش بيني کننده (عوامل محيطي) مي باشد. براي ارزيابي پيش بيني مدل نسبت به واقعيت زمين ي از ۴۰ داده م ستقل (ش امل ۲۰ داده ح ضور و ۲۰ داده غياب) استفاده شد و جدول ماتريس خطـا(confusion matrix) تشکيل گرديد و مقاديرشاخص کاپا (k) و سـظح زيـر منحنـي پــلاتهــاي (ROC (AUC of ROC Plot بــا اســتفاده از برنامه ارزيابي مدل MEP توليد شده توسط تـركش و همکـاران تعيين شد(۲۴).

نتايج
۱. تهيه نقشه هاي محيطي
۱ .۱. توليد مدل هاي واريو گرام
با در نظر گرفتن مقدار مجـذور ميـانگين مربعـات خطـا حاصـل از آناليزهاي مدل هاي واريوگرام (خطي، کروي،گوسـي ، نمـايي ) مـدل نمايي به عنوان بهترين مدل واريوگرام انتخـاب گرديـد ( جـدول ۲). مقادير اثر قطعهاي، دامنه و سقف بهترين مـدل وايـوگرام در جـدول ۲ نشان داده شده است. با توجه به مدل واريوگرامها و نتايج جـدول
۲ متغير کربن آلي خاک داراي ساختار مکاني قوي و متغيرهـاي رس و هدايت الکتريکي داري ساختار مکاني متوسط مي باشـند شـکل ۲ به عنوان نمايندهاي از مدلهاي واريـو گـرام توليـد شـده بـراي سـه فاکتور محيطي (رس،کربن آلي، هدايت الکتريکي) ميباشد.

۱ .۲. نقشه هاي محيطي توليد شده با استفاده از روش کريجينـگ و معکوس فاصله وزني
نتايج ارزيابي روش هاي ميانيـابي مختلـف براسـاس روشهـاي اعتبارسنجي متقابـل (Cross Validation) و پارامترهـاي آمـاري (MAE ،RMSE(Root Mean Squre Erorr و MBE نـشان داد که از بين روش هاي کريجينگ (معمولي، جهـاني ، سـاده ) روش کريجينگ معمولي(Ordinary Kriging) براي رس و کربن آلـي و کريجينــگ جهــاني(Universal Kriging) بــراي هــدايت الکتريکي نسبت به سـاير روش هـا داراي کمتـرين ميـزان خطـا ست، بنابراين از اين روش هـا بـراي تهيـه نقـشه عوامـل مـورد نظر(کربن آلي، رس و هدايت الکتريکي) استفاده شد (جدول۳).
به عنوان مثال شکل ۳ چگونگي پـراکنش کـربن آلـي در منطقـه مـورد مطالعـه را نـشان مـ يدهـد. ايـن نقـشه بـهوسـيله روش کريجينگ معمولي توليد شده است.

۲. برازش مدل آماري
بهترين مدل رگرسيون لجستيک درختي (LRT) براي پيش بينـي احتمال حضور گونه گون زرد با توجه به فاکتورهاي محيطي در شکل ۴ نشان داده شده است. تقسيم اوليه دادههـا در گـرههـاي اوليه توسـط فـاکتور اقليمـي ميـانگين درجـه حـرارت روزانـه صورت گرفت. به اين ترتيب که اگـر ميـانگين درجـه حـرارت روزانه از ۳/۱۴ کوچک تر باشد وارد گره ۲ و اگر بزرگ تر باشـد وارد گره ۳ مي شود و در مرحله بعـدي اگـر فـاکتور مـذکور از ۹/۱۳ کوچک تر باشد گره ۴ و در غيـر ايـن صـورت بـه گـره ۵ منتقل مي شود. بدين ترتيب در گـره هـاي حاصـل شـده مقـدار واريانس به حـداقل رسـيده و واريـانس بـين گـره هـا حـداکثر مي باشد. براي هر يک از گره هاي انتهايي يک معادله رگرسـيون لجستيک به صورت زير محاسبه گرديد.
(۶۳/۰= احتمال رخـداد)

=Y
گره ۴
[۲]
268370168453

Y = (Exp /( 8 6198 24 118− /(EC))) (احتمال رخداد =۰/۱۹)
(1+ Exp /( 8 6198 24 118− / (EC))) ۵ گره
[۳]
237890167025

Y = (Exp ( −35 880 0 84434/+ /(Clay))) (احتمال رخداد =۰/۱۹)
((( Exp(−35 880 0 84434/ + / (Clay+1) گره ۳ [۴] در اين معادلات:
Y: احتمال حضور گونه گون زرد، OC : درصد کربن آلي خاک، EC : ميزان هدايت الکتريکي خاک، Clay : درصد رس خاک از بين ۳۱ عامل محيطي يک پارامتر اقليمي (دما) و سـه فـاکتور خاک (کربن آلي، رس و هـدايت الکتريکـي ) وارد مـدل نهـايي گرديد (شکل۴) و با تعميم معادلة رگرسيون لجستيک و ساختار درختـي آنهـا در محـيط نـرم افـزار Arc GIS نقـشه پـيش بينـي رويشگاه گونه گون زرد با اندازه پيکسل ۹۰×۹۰ متر تهيه گرديد (شکل ۵). نتايج حاصـل از ارزيـابي مـدل بـا اسـتفاده از روش ماتريس خطا (شکل۶) نشان داد که مدل پيش بيني شده با مقدار ضريب کاپاي ۷۸/۰، داراي تطابق عـالي مـي باشـد (۲۰) و ميـزا ن
۳۱
سطح زير منحني پلات هايROC برابر ۹۳/۰، نشان دهنده تطابق خيلي خوب مدل است (۲۳). هم چنين با توجه به ماتريس خطا، صحت کلي مدل ۸۹/۰ و بهترين حد آستانه براي ترسـيم نقـشه تناسب رويشگاه به صورت حضور و عدم حضور ۳۱/۰ مي باشد.

بحث و نتيجه گيري ۳۲
جدول ۲. اجزاي مربوط به تغييرنماي (واريوگرام) خصوصيات خاک انتخاب شده براي توليد نقشه
c0/ (c+c0) آستانه(0c+c) اثر قطعه اي (0c) مدل تغييرنما پارامتر
۰/۳۴ ۰/۵۳ ۰/۱۸ نمايي هدايت الکتريکي
۰/۲۴ ۰/۵۱ ۰/۱۳ نمايي کربن آلي
۰/۳۴ ۱۵۲ ۵۲ نمايي رس

شکل
۱
.
مطالعه

مورد

منطقه

موقعيت

اصفهان

استان

در



قیمت: تومان


پاسخ دهید