۱۳۹۶پاييز / سوم/ شماره ششم / سالکاربردي شناسيبوم

1

در منطقه يکرکس مصر ياهیتغذ ستگاهیز تیاز مطلوب مقیاسی چند سازيلمد

ارسباران شدهحفاظت

2زادهرضا حسنعلی و *1زادهنادر حبیب

)17/5/1396 پذیرش: تاریخ ؛ 19/9/1395 دریافت: (تاریخ

دهیکچ

و شـده شناخته کمتر گونه عنوانهب ارسباران شدهحفاظت ر منطقه د يکرکس مصر ياهیتغذ ستگاهیز تیمطلوب يسازمطالعه نقشه نیهدف ا

شـده در هفـت يریگاندازه یطیمح ستیز ریمتغ 12و اسیمستقل از مق ریدو متغ ریثأبود. ت یاسیمقچند يسازمدل کمکبه انقراض خطر در

ـ متغعملکرد در مدل تک نیبا بهتر يهاریپرنده مطالعه شد. متغ ياهیتغذ ستگاهیز تیبر مطلوب کیلومتر) 5/0- 15( اسیمق ـ در هـر مق رهی اس،ی

شده در طول سال يآورجمع ياهینقطه تغذ 25 براساس يسازشدند. مدل ياهیتغذ ستگاهیز تیمطلوب یابیشیپ يبرا یاسیمقوارد مدل چند

ـ گ يهاپوشش کییموزاکه درصد نشان داد جیانجام شد. نتا یاجماع يسازمدل کردیرو چوبدر چار 1394تا 1380 يها ـ یطب یاهی بـا یع

حتمال مشاهده اپرنده دارند. ياهینقش مهم در احتمال مشاهده نقاط تغذ یو فاصله تا مناطق مسکون لومتریک 8 اسیدر مق يکشاورز یاراض

بـه يبـافر در گسـتره يو کشـاورز یعیطب یاهیگ يهاپوشش کییاز موزا یبا درصد کم یمناطق مسکون کینزد یدر اراض يکرکس مصر

از یکییپرنده که شـامل مـوزا یمعادل گستره خانگ اسیبا مق یدر نواح هیتغذ يبرا يکرکس مصر حی. ترجابدییم شیافزا لومتریک 8شعاع

سـاخت و انسـان یعیمتنوع طب یستگاهیز يهاپیت يریدرکنار هم قرارگ تیدهنده اهمنشان باشد،یم يو کشاورز یعیطب یاهیگ يهاپوشش

.استپرنده ياهیتغذ ستگاهیز تیمطلوب شیافزا يستره براگ نیدر ا

Neophron percnopterus ،SAHM-VisTrailsگستره، ،مدل اجماعی: يدیلک يهاواژه

، ایرانتبریز ،یدانشگاه آزاد اسالم ،زیواحد تبرگروه محیط زیست، .1

رانیا ز،یتبر، اه آزاد اسالمیدانشگواحد تبریز، باشگاه پژوهشگران جوان و نخبگان، . 2

habibzadeh@iaut.ac.ir :یکیترونکال پست اتبات،کم مسئول :*

Dow

nloa

ded

from

ijae

.iut.a

c.ir

at 2

3:00

IRD

T o

n W

edne

sday

Apr

il 29

th 2

020

[ D

OI:

10.2

9252

/ijae

.6.3

.1 ]

۱۳۹۶پاييز / سوم/ شماره ششم / سالکاربردي شناسيبوم

2

مقدمه

دهنـده یندها با تغییر مقیاس نشانافر -ري روابط الگوهایتغییرپذ

سـازي الگوهـاي سـیماي اهمیت تعیین درست مقیاس در کمی

هـاي ). مقیاس در حوزه پـژوهش 52( است) Landscapeمنظر (

(Resolution) پـذیري کلی با مفهوم تفکیک طوربهسیماي منظر

د، شومیتعریف (Extent) و گستره (Grain)که با دو جزء بافت

دیـد براسـاس سرزمینسیماي تبیین شده است. بافت و گستره

تمـال شود. چون احیند مورد نظر توصیف میاموجود زنده یا فر

از بافت متأثرتشخیص الگوي خاص از داده و درك توزیع آنها

بنـابراین، هـر نـوع تفسـیر در اسـت سرزمینسیماي و گستره

سـیماي مطالعات وابسته بـه مقیـاس نیازمنـد تعریـف درسـت

.)52(شد بامی سرزمین

الگوهـاي تـأثیر ، سـرزمین سـیماي شناسی در مطالعات بوم

ر این روابـط ییو درك نحوه تغ وحش حیاتبر سرزمینسیماي

). بسـیاري از 52با مقیاس مورد توجه زیادي قرار گرفته است (

وحش یا تنها در یک مقیاس مکـانی مطالعات زیستگاهی حیات

)Macro) و کـالن ( Microهاي ناپیوسته خـرد ( و یا در مقیاس

باعـث از دسـت دادن الگوهـاي مهـم لهئمساند. این انجام شده

) و یـا 54و 7شـوند ( هاي دیگر ظاهر میکه در مقیاسد شومی

ده زیستگاهی مـی هاي نادرست در مورد استفاگیريباعث نتیجه

شناسـان بـراي حـل ایـن مشـکل از اصـول ). زیست45د (شون

بنـدي در مطالعـات و فنـون مقیـاس سرزمینسیماي شناسیبوم

زیـع هاي تو). مدل52نند (کمیاستفاده وحش حیاتشناسی بوم

مقیاسـی قـدرت هـاي تـک نسبت به مدل مقیاسی چنداي گونه

). امـا، اگـر متغیرهـاي 18ننـد ( کمـی بینی باالتري را ایجاد پیش

هـا شـوند هـاي نادرسـت وارد مـدل ی در مقیـاس محیط زیست

).33تواند منجر به نتایج نادرست شود (می

هـا در بسـیاري از توزیـع گونـه سازيلمددر حال حاضر

. )53(شـود استفاده مـی زیستمحیط و زیستیعلوم هاي تهرش

و )49(هــاي فراوانــی بــراي حفاظــت دارنــد هــا کــاربردمــدل

زیستی را به مناطقی که احتمال حضور گونه وجـود برآوردهاي

اي را پایـه . عـالوه بـر ایـن )48 و 21 ،11(کنند دارد، مرتبط می

رات سیماي منظر و هاي گونه نسبت به تغیییابی پاسخبراي پیش

) و در شناسایی مناطق 6و 5(کنند هوایی ایجاد میویا تغییر آب

. )55و 34، 23، 4(ند شـو مـی با اولویت حفاظتی بـاال اسـتفاده

هـا وجـود دارد توزیـع گونـه سازيلمدهاي زیادي براي روش

هـا ثابـت و بعضی از آنها نسبت به دیگـر مـدل )31و 27، 26(

خـاص بهتـر عمـل سـازي لمددر بعضی شرایط شده است که

، 32، 29، 28، 19، 14(. چنـد نمونـه از مطالعـات )30(کنند می

هــاي رگرســیونی بــراي از رویکــرد تحلیــل )50و 37، 36

انـد. وجـود هـاي پرنـده اسـتفاده کـرده توزیع گونـه سازيلمد

، )51 و 20( سـازي لمدي مختلف هاروشناسازگاري در نتایج

کنـد. نتـایج رو مـی هنتخاب یک روش مناسب را با مشکل روبا

هاي مختلف نه تنها وابسته به نوع رابطه خطی یا غیرخطـی مدل

ی است بلکه، وابسته به محیط زیستبین حضور گونه و شرایط

مجموعه داده استفاده شده یعنی اطالعات حضور و عدم حضور

ها، و اشتباه مدل هاي کاهش عدم اطمینان. یکی از راه)20( است

سازيلمدهاي مختلف در یک رویکرد سازي نتایج مدلخالصه

.)6(شد بامی Ensemble Modeling) ( اجماعی

ــر ــا در خط ــروزه ب ــودن ام ــراض ب ــري انق ــرکس مص ک

)Neophron percnopterus( در ســطح جهــان )ــه 10 )، نیــاز ب

شـود. طبـق مطالعه و حفاظت از این گونه بیشتر احسـاس مـی

طالعات دانشمندان در بسیاري از نقاط اروپا از جملـه در شـبه م

جزیره ایبري و بالکان فاکتور تغذیه مهمترین نقش زیستگاهی را

. این امر اهمیت بررسـی و مطالعـه منـاطق )47و 35، 15(دارد

ند. کمیگونه را دو چندان ايتغذیه

هاي کـوچکی از کـرکس )، جمعیت2منابع معتبر ( براساس

ننـد. کمیدر سراسر سال در برخی از نقاط ایران زندگی مصري

اما اطالعات زیستی در مـورد ایـن گونـه بسـیار انـدك اسـت.

شـده ارسـباران، اطالعات مربوط به این گونه در منطقه حفاظت

شناسـان و تنها محدود به مشاهدات پراکنده توسط برخی پرنـده

مبـود . ایـن ک اسـت زیسـت محیط کارشناسان سازمان حفاظت

،IUCNاطالعات به همراه وضعیت این پرنده در لیسـت سـرخ

.کندیگونه را دو چندان م نیا یشناسمطالعات بوم تیاهم لیدل

Dow

nloa

ded

from

ijae

.iut.a

c.ir

at 2

3:00

IRD

T o

n W

edne

sday

Apr

il 29

th 2

020

[ D

OI:

10.2

9252

/ijae

.6.3

.1 ]

ای کرکس مصری در ...هيستگاه تغذيت زياسی از مطلوبيمق سازی چندمدل

3

ارسباران شده حفاظتکرکس مصري در منطقه ايتغذیه. موقعیت جغرافیایی منطقه مطالعاتی و نقاط 1شکل

سـیماي شناسی کارگیري اصول بومهدر این مطالعه سعی شد با ب

مطلوبیـت زیسـتگاهی، نقشـه مطلوبیـت سـازي لمدو سرزمین

زیسـت هـاي کرکس مصري براسـاس متغیـر ايتغذیهزیستگاه

)در مقیاس متناسب از دیـدگاه پرنـده (گیري شده ی اندازهمحیط

د. بـراي ایـن منظـور، شودر منطقه حفاظت شده ارسباران تهیه

و کیفیــت ايتغذیــهقــاط از توزیــع ن ســرزمینســیماي تحلیــل

زیستگاه کرکس مصري با اهداف زیر انجام شد:

اجمـاعی جهـت سازيلمداستفاده از یک چارچوب - 1

کرکس مصري ايتغذیهبینی احتمال حضور نقاط پیش

شـده در ی محاسـبه محیطـ زیستبا کمک متغیرهاي

یک مقیاس متناسب با دیدگاه پرنده

در سـرزمین سـیماي هاي مهـم مشخص نمودن ویژگی -2

گونه. ايتغذیهنقاط

هامواد و روش

ارس و يمرز رودخانه در جنوب ارسباران شدهحفاظت منطقه

کلیبر شهرستان اهر و در غرب شهرستان شمال يکیلومتر 60در

طـول 47ْ 1َ 41 ً تـا 46ْ 39 َ 50 ًیجغرافیـائ و در مختصات

شـده واقـع یشـمال عرض 39ْ 8َ 11ً تا 38ْ 43َ 41ً و یشرق

102 معـادل ،ارسـباران شدهحفاظت . مساحت کل منطقه است

جـز هبشد که از لحاظ وضعیت پستی و بلندي بامیهکتار هزار

،ارس رودخانـه در امتـداد شـده حفاظـت منطقه یشمال حاشیه

منطقه . حداکثر ارتفاعاست پرشیب يهادامنه ی باکوهستان کامالً

متـر از 1287 ارتفـاع متـر و متوسـط 290 متر و حداقل 2890

.)1( )1(شکل استدریا سطح

نقطه حضـور گونـه کـه بـا 25در این مطالعه، از اطالعات

شـده از وجـود الشـه همـراه بودنـد و توسـط شواهدي ثبـت

Dow

nloa

ded

from

ijae

.iut.a

c.ir

at 2

3:00

IRD

T o

n W

edne

sday

Apr

il 29

th 2

020

[ D

OI:

10.2

9252

/ijae

.6.3

.1 ]

۱۳۹۶پاييز / سوم/ شماره ششم / سالکاربردي شناسيبوم

4

ارسباران شدهحفاظت کرکس مصري در منطقه ايتغذیهتوزیع نقاط سرزمینسیماي ی براي تحلیل محیط زیستهاي . متغیر1 جدول

منبع تشریح متغیر

پوشش گیاهی

درصد پوشش اراضی کشت شده

هاي گیاهی طبیعی (درخت، درختچه و پوشش علفی)پوشش درصد پوشش موزاییک

با اراضی کشاورزي

کننده انزبرگ خصد پوشش درختی پهندر

سبز برگ همیشهدرصد پوشش درختی سوزنی

ESA (2014) برگدرصد پوشش درختی مخلوط سوزنی و پهن

هابوته با علفی - درصد پوشش موزاییک درخت

زاردرصد پوشش بوته

درصد پوشش علفزار

%15ش علفی) با تاج پوشش کمتر از درصد پوشش گیاهی پراکنده (درخت، درختچه و پوش

عوامل توپوگرافی

)برحسب متر(ارتفاع از سطح دریا

Aster DEM آزیموت (برحسب درجه)

درجه شیب

عوامل انسانی فاصله از مناطق مسکونی (برحسب متر)

نقشه توپوگرافی

1:25000

فاصله از جاده (برحسب متر)

آوري جمـع 1394تا 1380ن از سال ارسبارا ذخیرگاهبانان محیط

د کرکس مصـري اسـتفاده شـ ايتغذیهنقاط عنوانبهشده بودند

). براي اطمینان از قرارگیري دقیق موقعیـت مختصـات 1(شکل

در محل واقعـی خودشـان، بـا کمـک ايتغذیهجغرافیایی نقاط

ــس ــه عک ــیط قطع ــود در مح ــاالي موج ــت ب ــا کیفی ــاي ب ه

Google Earth ل قرارگیـري نقـاط بـا مشـورت مح ،1/5نسخه

صـورت سابقه در ذخیرگـاه ارسـباران، در بانان بایکی از محیط

دند.شلزوم تصحیح

ی منطقـه پـراکنش محیطـ زیسـت هاي براي تشریح ویژگی

ی محیط زیستارسباران، متغیرهاي شدهحفاظت گونه درمنطقه

بلنـدي، انسـانی براسـاس آگـاهی از و پوشش گیـاهی، پسـتی

زیسـت اسـتفاده گردیـد. دو متغیـر )39و 15(اسی گونه شنبوم

ی مســتقل از مقیــاس شــامل فاصــله از جــاده و منــاطق محیطــ

گیري شـده در هفـت مقیـاس متغیر اندازه 12همراه مسکونی به

اسـتفاده سـازي لمدکیلومتر) براي 15، و 11، 8، 5، 3، 1، 5/0(

یاسی نـه تنهـا ). استفاده از این رویکرد چند مق1(جدول شدند

در مورد جهت و قدرت ارتباط بین حضـور ارزشی اطالعات با

ی اندازه گیري شـده در اطـراف محیط زیستگونه و متغیرهاي

هاي ایجاد شده بـا دهد بلکه مدلآن در چندین مقیاس ارائه می

یابی بهتـري نسـبت بـه رویکـرد تـک این رویکرد قدرت پیش

هسـته هـا، انـدازه مقیـاس ). در انتخـاب ایـن 9مقیاسی دارند (

مثـل (معـادل خانگی پرنده در زمان فصل تولید مرکزي، گستره

)) و 15کیلومتر ( 8و 1هاي ترتیب با شعاعبه سیماهاي سرزمین

گرفتـه شـد. درنظـر ) 38آن ( ايتغذیـه حداکثر جابجایی فاصله

هاي رستري متغیرهاي وابسته به مقیـاس بـه کمـک ابـزار نقشه

گیري مقـادیر متوسـط ، با اندازهArcGISدر محیط focalآماري

هـاي متناسـب بـا هاي متحرك به شعاعها با اجراي پنجرهسلول

هفت مقیاس انتخاب شده به مرکزیت هر سلول تولید شدند.

Dow

nloa

ded

from

ijae

.iut.a

c.ir

at 2

3:00

IRD

T o

n W

edne

sday

Apr

il 29

th 2

020

[ D

OI:

10.2

9252

/ijae

.6.3

.1 ]

ای کرکس مصری در ...هيستگاه تغذيت زياسی از مطلوبيمق سازی چندمدل

5

از داده پوشش گیاهی تهیه شده توسط آژانس فضایی اروپا

)Climate Change Initiative-Land Cover (CCI-LC) نسـخه

الیـه پوشـش عنـوان بهمتر 300) با اندازه سلول نزدیک به 6/1

الیه پوشـش گیـاهی بـه کردن . با وارد)22(د شگیاهی استفاده

هـاي گیـاهی درصد پوشش ،)FRAGSTATS 4.2 )42افزارنرم

هـاي کمـک پنجـره متحـرك بـا شـعاع ) به1نظر (جدول مورد

به قـرار گرفتـه شـده، مـورد محاسـ درنظر هاي مطابق با مقیاس

سـلول (انـدازه ASTERگرفتند. با کمک مدل رقومی ارتفـاعی

و کســــــب شــــــده از درگــــــاه متــــــر 30 تقریبــــــاً

)https://lpdaac.usgs.gov(، ــاي ــم فاکتوره ــریح مه ــده تش کنن

شـیب )، متر برحسب( یاشامل ارتفاع از سطح در بلندي و پستی

). بـا کمـک 1ل شدند (جدو محاسبه درجه)( وتآزیم ،)درجه(

ــاطق مســکونی موجــود در نقشــه اطالعــات راه ــا و من ــاي ه ه

ــوگرافی ( ــاطق مســکونی)، فاصــله از راه1:25000توپ هــا و من

مورد محاسبه قرار گرفتند. QGIS(برحسب متر) در محیط

گیـري شـده در هـر کننده هر متغیر اندازه بینیقدرت پیش

متغیري بـا کمـک هاي تکیجاد و آزمون مدلمقیاس از طریق ا

). 9مورد ارزیابی قرار گرفتنـد ( fold cross validation-5روش

AUC testی بـــا بیشـــترین مقـــدار محیطـــ زیســـتمتغیـــر

)Area under the receiver operating characteristic curve (

). متغیرهاي با مقدار 9متغیر شد ( در هر مقیاس، وارد مدل چند

AUC test وارد مدل چند متغیـره نشـدند و بـراي 5/0کمتر از

متغیـره میـزان متغیرهاي باقی مانده، قبـل از ایجـاد مـدل چنـد

آزمـون شـد. )r(ضریب همبستگی پیرسون براساسهمبستگی

بـود تنهـا یکـی از 7/0اگر میزان همبستگی بین دو متغیر باالي

مقـدار بـاالي شـناختی آن و متغیرها با توجـه بـه اهمیـت بـوم

AUC test متغیـره بـا هـاي چنـد وارد شد. مدل سازيلمددر

ایجـاد سـازي لمـد م سادگی و پیچیـدگی اهیمف گرفتن درنظر

هـاي آمـاري) امکـان هاي ساده (مدل. با استفاده از مدلندشد

جهت شناسایی مناطق جدید حضور گونـه در ،یابی مدلبرون

). در کنار این 43دارد ( مناطق بدون اطالعات صحرایی وجود

ي یـادگیري هـا مـدل ي پیچیـده ( هـا مـدل ها، با استفاده از مدل

ثر در پراکندگی ؤماشینی)، امکان شناسایی صحیح فاکتورهاي م

هـــا وجـــود دارد. بـــر ایـــن اســـاس، در ایـــن گونـــه

ــه از ــارمطالعـ ــک چهـ ــدتکنیـ ــازيلمـ ،)GLM )41سـ

(Multivariate Adaptive Regression Splines) MARS )25،(MaxEnt )46 و (RF )13،( زیسـتگاه سـازي لمـد براي

ــه اســتفاده شــد ايتغذیــه هــايتکنیــک بعــد از اجــراي .گون

در یـک 7/0بـاالي AUCهاي با مقادیر ، نتایج مدلسازيلمد

).53و 43، 6( ندترکیـب شـد یـابی اجمـاعی پـیش چارچوب

فــزار ملحــقااز نـرم ســازيلمــدجهـت انجــام کلیــه مراحـل

ــزامحــــیط نــــرم گونــــه در ســــازيلمــــدشــــده رافــ

(SAHM: Software for Assisted Habitat Modeling)

VisTrails .را سـازي لمـد افزار هم سرعت این نرم استفاده شد

هاي ورودي کند یک مجموعه از دادهبرد و هم کمک میباال می

هاي مختلف نهکاري، و گزییندامختلف، مراحل قبل و بعد از فر

توزیع گونـه کـه در محـیط سازيلمداجرایی براي سازيلمد

بـا . )44(قرار دارند، نگهـداري شـود VisTrailsافزار کاري نرم

تـوان عـدم ، هـم مـی یـابی اجمـاعی پـیش چارچوب ازاستفاده

توانـد وجـود داشـته باشـد را مـی مـدل که در هر یهایاطمینان

هـاي مختلـف یابی تکنیکیی پیشاارتوان ککاهش داد و هم می

هـا که همه ایـن مـدل از آنجایی. )53را افزایش داد ( سازيلمد

ند، هسـت هـاي عـدم حضـور گونـه از موقعیت یهاینیازمند داده

تواند اعتبـار پـیش هاي عدم حضور نادرست میاستفاده از داده

)، در نتیجـه، بـراي ارزیـابی 17ها را کاهش دهد (یابی این مدل

هـاي فاده از دادهت، در این مطالعه از رویکرد اسـ توزیعهاي مدل

اسـتفاده شـد. داده (Pseudo-absence data)عدم حضور کاذب

ايتغذیهبرابري تعداد نقاط 10 ه تعدادب ي عدم حضور کاذبها

روش براسـاس درصدي چگالی ایجاد شده 95فضاي ) در 17(

Kernel مدلتمایز توانایی و صحت . جهت ارزیابیتولید شدند

ــاي ــعهـــــــ ــاخص توزیـــــــ ــاياز شـــــــ هـــــــ

AUC ،(True skill statistic) TSS بنـدي درصـدي از طبقـه و

شــد اســتفاده )Percent correctly classified) :PCC صــحیح

بـا کمـک نقاط حضور و عـدم حضـور کـاذب هاي ). داده24(

تصـادفی صـورت هب مرتبه 5به تعداد ،cross-validationیند افر

Dow

nloa

ded

from

ijae

.iut.a

c.ir

at 2

3:00

IRD

T o

n W

edne

sday

Apr

il 29

th 2

020

[ D

OI:

10.2

9252

/ijae

.6.3

.1 ]

۱۳۹۶پاييز / سوم/ شماره ششم / سالکاربردي شناسيبوم

6

کرکس ايتغذیه) بین نقاط test AUCگیري شده باقدرت ارتباط (اندازه ةدندهنمودار نشان(متغیره هاي تک. کارایی متغیرها در مدل2ل شک

ی با قدرتمحیط زیستهاي . متغیراستهاي مختلف گیري شده در مقیاسی اندازهمحیط زیستمتغیر مصري و هر

.)اندچند متغیره نشان داده شده شده در مدل ی ندارند. تنها متغیرهاي واردکارآی 5/0 ≥کننده بینیپیش

25هاي ارزیابی (ها) و دادهدرصد داده 75( آموزشهاي داده به

.تقسیم شـد ها یی مدلاتوانایی کار جهت ارزیابی )هادادهدرصد

7/0بـاالي AUCهاي با شـاخص مدل اجماعی از ترکیب مدل

ی وارد شده در محیط زیستیت متغیرهاي ). اهم53شد ( درست

بینـی ضـریب همبسـتگی پیرسـون بـین پـیش براساسهر مدل

اري زگـ بـار جـاي 5 براسـاس کـه ي استاندارد و آنهاییهاهکنند

ـ هتصادفی هر متغیر ب آیـد، مـورد دسـت مـی هصورت جداگانه ب

هـاي ها براي مدلاهمیت متغیرمقدار ). 53سنجش قرار گرفت (

ــدرت ــه ق ــه ک ــیشک ــابی پ ــب ی ــه ترتی ــوب (ب ــحت خ و ص

شد. محاسبه ) داشتند، TSSو AUCبراساس

نتایج و بحث

تخمینی از عنوانبه AUC testدهنده قدرت ارتباط نشان 2ل شک

ــیش ــدرت پ ــیق ــاي بین ــین متغیره ــده) ب ی محیطــ زیســتکنن

کرکس ايتغذیههاي مختلف با نقاط گیري شده در مقیاساندازه

. تنهـا متغیرهـاي اسـت ارسباران شدهاظتحف مصري در منطقه

اند. متغیرهاي مانده در مدل نهایی چندمتغیره نشان داده شدهباقی

بوته بـا -ارتفاع از سطح دریا و درصد پوشش موزاییک درخت

). ≥ 5/0AUC testمتغیـره وارد نشـدند ( ها در مدل چنـد علفی

11در مقیاس سبزبرگ همیشهمتغیرهاي پوشش درختی سوزنی

ـ 5کیلومتر و پوشش علفـزار در مقیـاس خـاطر هکیلـومتر نیـز ب

همبستگی باال با متغیرهاي دیگر از مـدل نهـایی کنـار گذاشـته

متغیر در مدل نهایی وارد شدند. 10شدند. در نهایت

هاي کنار دست آمده از دادههب AUCبراساس معیار ارزیابی

ــدل ــا م ــارایی تنه ــابی، ک ــت ارزی ــده جه ــته ش ــايگذاش ه

RF وMaxEnt دهنـده ) کـه نشـان 2بوده (جدول 7/0بیشتر از

مقـادیر براساس. )51( استها یابی خوب این مدلصحت پیش

PCCــاالیی در طبقــه ، ایــن مــدل ــایی ب بنــدي صــحیح هــا توان

Dow

nloa

ded

from

ijae

.iut.a

c.ir

at 2

3:00

IRD

T o

n W

edne

sday

Apr

il 29

th 2

020

[ D

OI:

10.2

9252

/ijae

.6.3

.1 ]

ای کرکس مصری در ...هيستگاه تغذيت زياسی از مطلوبيمق سازی چندمدل

7

حفاظت شده ارسبارانکیلومتر، منطقه 8و 1ي توزیع زیستگاه تغذیه اي کرکس مصري در گستره بافري به شعاع هامدلکارایی .2جدول

(انحراف معیار) PCC (انحراف معیار) TSS (انحراف معیار) AUC مدل

GLM )11/0 (52/0 )28/0 (02/0 )41/5 (80/62

MARS )12/0 (52/0 )22/0 (09/0 )80/12 (50/69

MaxEnt )09/0 (78/0 )16/0 (35/0 )40/3 (70/76

RF )08/0 (76/0 )24/0 (15/0 )22/5 (40/88

شده ارسبارانتظدر منطقه حفا (Neophron percnopterus)اي کرکس مصري . نقشه مطلوبیت نقاط تغذیه3شکل

درصد؛ جدول 70/76و 40/88ب داشتند (به ترتی ايتغذیهنقاط

دهنـده نشـان TSS. ولی مقادیر متوسط و انحراف معیار )3( )2

بـر . )4() 2شـد (جـدول بامیMaxEnt صحت خوب تنها مدل

بـراي تشـریح اهمیـت MaxEntاین اساس، تنها از نتایج مـدل

ايتغذیه ثر بر احتمال حضور نقاطؤی ممحیط زیستمتغیرهاي

د.ششده ارسباران استفاده حفاظتکرکس مصري در منطقه

پـایین MARSو GLMهاي مدل AUCکه مقدار از آنجایی

هیـه نقشـه بودند در ساخت مدل اجماعی الزم براي ت 7/0تر از

اسـتفاده )3(شـکل کرکس مصري ايتغذیهاحتمال توزیع نقاط

نشدند.

معیارهـاي براسـاس MaxEntبا توجـه بـه کـارایی مـدل

، از ایـن مـدل بـراي درك اهمیـت اثـر TSSو AUCارزیابی

بینـی کننـده بـر متغیـر احتمـال حضـور نقـاط متغیرهاي پیش

یـانگین کرکس مصري اسـتفاده شـد. بـا توجـه بـه م ايتغذیه

Dow

nloa

ded

from

ijae

.iut.a

c.ir

at 2

3:00

IRD

T o

n W

edne

sday

Apr

il 29

th 2

020

[ D

OI:

10.2

9252

/ijae

.6.3

.1 ]

۱۳۹۶پاييز / سوم/ شماره ششم / سالکاربردي شناسيبوم

8

زیستاهمیت متغیرهاي ( MaxEntمدل نهایی وارد شده درمستقل ی محیط زیستاهمیت متغیرهاي . مقادیر متوسط و انحراف معیار 4شکل

اري زگبار جاي 5 براساسکه ي استاندارد و آنهاییهاهکنند بینیضریب همبستگی پیرسون بین پیش براساسی وارد شده در مدل محیط

)ه استآید، مورد سنجش قرار گرفتدست میهصورت جداگانه بهمتغیر ب تصادفی هر

کننده، تنها دو متغیر درصد پوشـش بینیپیشاهمیت متغیرهاي

و هـاي گیـاهی طبیعـی (درخـت، درختچـه پوشـش موزاییک

کیلـومتر و 8پوشش علفی) با اراضـی کشـاورزي در مقیـاس

فاصله تا مناطق مسکونی داراي اهمیت بیشتري بودنـد و بقیـه

متغیرها با توجه به مقـادیر میـانگین و انحـراف معیارشـان، در

پرنـده نقـش نداشـتند ايتغذیهیابی احتمال حضور نقاط پیش

ـ هاي پاسخ تولید). منحنی4(شکل ن دو متغیـر، شده بـراي ای

گونه با افزایش فاصله ايتغذیهدهند که حضور نقاط نشان می

از مناطق مسکونی رابطه معکـوس دارد. امـا، آنهـا تمایـل بـه

تغذیه در نواحی با درصد تـاج پوشـش کمتـري از موزاییـک

بافري به شـعاع شده در گستره پوشش گیاهی طبیعی و کشت

).5کیلومتر دارند (شکل 8

به اهمیت بررسی دقیق الگوهاي استفاده از یاديمطالعات ز

یندهاي ازیستگاه در یک مقیاس متناسب با مقیاسی که توسط فر

). 12و 8انـد ( گیرند، اشاره کردهقرار می تأثیر شناختی تحتبوم

)، نواحی شـمال 3با توجه به نقشه احتمال حضور گونه (شکل

رین مطلوبیـت شده ارسباران بیشت تظشرقی و شرق منطقه حفا

کنـد. در ایـن مطالعـه را براي تغذیه کـرکس مصـري مهیـا مـی

کنـد در انتخـاب مشخص شد کـه کـرکس مصـري سـعی مـی

شـرایط فاکتورهـاي براسـاس خـود ايتغذیـه موقیعت نـواحی

8به شـعاع سیماهاي سرزمینی موجود در داخل محیط زیست

مثل) یدخانگی پرنده در فصل تول کیلومتر (معادل اندازه گستره

به اندازه گستره خـانگی و حـداکثر سیماهاي سرزمیننسبت به

بهتر پاسخ کیلومتر) 15و 1ترتیب روزانه (به ايتغذیهجابجایی

ثر در ایـن انتخـاب نیـز ؤدهد. مهمترین عناصر سیماي منظر مـ

-وجــود درصــد پوشــش پــایینی از موزاییــک پوشــش گیــاهی

. تـرجیح کـرکس تاسکشاورزي و نزدیکی به مناطق مسکونی

هاي گیاهی مصري براي تغذیه در مناطق با موزاییکی از پوشش

اهمیت درکنـار هـم قرارگیـري دهندهنشانطبیعی و کشاورزي

ساخت براي افـزایش هاي زیستگاهی متنوع طبیعی و انسانتیپ

Dow

nloa

ded

from

ijae

.iut.a

c.ir

at 2

3:00

IRD

T o

n W

edne

sday

Apr

il 29

th 2

020

[ D

OI:

10.2

9252

/ijae

.6.3

.1 ]

ای کرکس مصری در ...هيستگاه تغذيت زياسی از مطلوبيمق سازی چندمدل

9

منطقه حفاظت شده ارسباران در Maxentاي کرکس مصري براي متغیرهاي مهم در مدل . احتمال حضور نقاط تغذیه5 شکل

ی یهـا . چنـین زیسـتگاه اسـت پرنده ايتغذیهمطلوبیت زیستگاه

تـر را بـراي احتمال دارد که امکان تشخیص غذا و تغذیه راحت

پرنده نسبت به مناطق با پوشش متراکم افزایش دهد. این مناطق

هـاي اهلـی مکـرر توسـط دام طوربهاز جمله نواحی هستند که

غربـی اي در شـمال مورد استفاده قـرار گیـرد. مطالعـه تواند می

گذاري کرکس مصـري نشـان داد کـه اسپانیا روي نواحی آشیانه

هاي خود را نزدیک به مناطق مسـکونی پرنده تمایل دارد آشیانه

نشان دادنـد کـه )39(دیگري هاي ولی، یافته )16( انتخاب کند

م انسـانی در گذاري از منـاطق متـراک کرکس مصري براي آشیانه

کند. دلیل تفاوت این نتایج را نیز شرقی اسپانیا اجتناب می شمال

هاي متفاوت کـرکس مصـري در دو منطقـه مطالعـاتی به تراکم

هـاي اند که کرکس مصري در تـراکم اند و بیان کردهارتباط داده

هاي خـود را از منـاطق مسـکونی دور کند آشیانهپایین سعی می

هـا بـه هاي بـاال، نزدیکـی آشـیانه ر تراکمنگه دارد و برعکس د

اي بـراي خـاطر وجـود رقابـت درون گونـه مناطق مسکونی بـه

شـود. دلیـل نزدیکـی ناپذیر مـی گذاري اجتنابهاي آشیانهمحل

کرکس مصري به مناطق مسکونی در این مطالعه ايتغذیهمناطق

یوانات توسـط مـردم در اطـراف هاي حتواند به رهایی الشهمی

ها ارتباط داده شود. ولی براي اطمینان از اینکه آیا این اهتگسکون

اي کرکس به منـاطق مسـکونی هیمکانیسم در نزدیکی نقاط تغذ

ثر دارد، نیاز به داشتن اطالعات دقیق از توزیع، تراکم و ؤنقش م

ي رها شده در اطـراف روسـتاها وجـود دارد. هانوع دام و الشه

تواند کمـک پرنده در منطقه میداشتن اطالعات از رژیم غذایی

زیادي در درك نقش سایر عوامـل غـذایی غیـر از ایـن فـاکتور

خاطر اینکه، بخش زیادي از رژیم غـذایی پرنـده هداشته باشد. ب

هاي وحشی شامل پسـتانداران کوچـک جثـه، تواند از طعمهمی

. استفاده از این اطالعات جزئی )15(ماهی، خزنده و پرنده باشد

مثـال، پوشـش عنوانبهی (محیط زیستسایر متغیرهاي در کنار

تواند باعث افزایش کارایی مدل مطلوبیت زیستگاهی گیاهی) می

. )40( شود

ها وجـود توزیع گونه سازيلمد درمحدودیتی که خاطربه

. تفاوت بارزي کرددارد باید در تفسیر نتایج این مطالعه احتیاط

جغرافیــایی در مفهــوم ی و فضــاي محیطــ زیســتبــین فضــاي

آشــیان سـازي لمـد هـا وجـود دارد. توزیـع گونـه سـازي لمـد

ی محیطـ زیسـت شناختی، بین نقاط مشاهده گونه و شـرایط بوم

ند تا کمیی) از لحاظ مکانی ارتباط برقرار محیط زیست(فضاي

هاي مدل شده را در متن فضاي جغرافیایی تصـویر کنـد. توزیع

آشـیان سـازي لمـد اسـتفاده شـده بـراي ي هاروشبسیاري از

کننـد کـه یافته یک گونه را برآورد می شناختی، آشیان تحققبوم

زیسـتی تنـوع مطالعـات .)32( یستمشابه با آشیان واقعی آن ن

وابسـته بـه هـا کـامالً توزیع زیستگاه گونـه سازيلمدبراساس

هـا نـه هاي اولیه دقیق و طوالنی مدت از حضـور گو داشتن داده

. بنابراین، جهت باال بردن صحت، دقـت و کـاهش اریبـی است

د کـه در شـو هاي حضـور پیشـنهاد مـی مطالعات وابسته به داده

Dow

nloa

ded

from

ijae

.iut.a

c.ir

at 2

3:00

IRD

T o

n W

edne

sday

Apr

il 29

th 2

020

[ D

OI:

10.2

9252

/ijae

.6.3

.1 ]

۱۳۹۶پاييز / سوم/ شماره ششم / سالکاربردي شناسيبوم

10

، پایگــاه داده کــامالًزیســتمحــیط ســاختار ســازمان حفاظــت

هـا هـاي حضـور گونـه تخصصی براي نگهداري و بازیابی داده

ت در صـورت نفعان امر حفاظایجاد شود تا محققین و سایر ذي

تـرین راه ممکـن بـراي لزوم بتوانند به این اطالعـات در سـریع

دسترسی داشته باشند. زیستی تنوعپیشبرد اهداف حفاظت از

استفاده مورد منابع

تها، فرصرسباران با استفاده از نقاط قوت، ضعفا شدهحفاظت کارهاي مدیریتی و ارزیابی منطقه تدوین راه. 1389اسماعیلی، ع. .1

واحد علوم و تحقیقات، تهران. -دانشگاه آزاد اسالمی ،ارشد ینامه کارشناسانیپا .(SWOT)ها، تهدیدها

ص. 513 ،انتشارات کتاب فرزانه. راهنماي پرندگان ایران. 1392منصوري، ج. .2

3. Allouche, O., A. Tsoar and R. Kadmon. 2006. Assessing the accuracy of species distribution models: prevalence, kappa and the true skill statistic. Journal of Applied Ecology 43: 1223-1232.

4. Araújo, M. B. and P. H. Williams. 2000. Selecting areas for species persistence using occurrence data. Biological Conservation 96: 331-345.

5. Araújo, M. B., W. Thuiller and R. G. Pearson. 2006. Climate warming and the decline of amphibians and reptiles in Europe. Journal of Biogeography 33: 1712-1728.

6. Araújo, M. B. and M. New. 2007. Ensemble forecasting of species distributions. Trends in Ecology & Evolution 22: 42-47.

7. Baker, B. W., B. S. Cade, W. L. Mangus and J. L. McMillen. 1995. Spatial analysis of sandhill crane nesting habitat. Journal of Wildlife Management 59: 752-758.

8. Beasley, J. C., T. L. DeVault, M. I. Retamosa and O. E. Jr. Rhodes. 2007. A hierarchical analysis of habitat selection by raccoons in northern Indiana. Journal of Wildlife Management 71: 1125-1133.

9. Bellamy, C. C. and J. D. Altringham. 2015. Predicting species distributions using record centre data: multi-scale modelling of habitat suitability for bat roosts. PLoS ONE 10: e0128440.

10. BirdLife International. 2016. Neophron percnopterus. The IUCN Red List of Threatened Species 2016: e.T22695180A90559652. http://dx.doi.org/10.2305/IUCN.UK.2016-3.RLTS.T22695180A90559652.en. Downloaded on 08 May 2017.

11. Bourg, N. A., W. J. McShea and D. E. Gill. 2005. Putting a CART before the search: successful habitat prediction for a rare forest herb. Ecology 86: 2793-2804.

12. Bradter, U., W. E. Kunin, J. D. Altringham, T. J. Thom and T. G. Benton. 2013. Identifying appropriate scales of predictors in species distribution models with the random forest algorithm. Methods in Ecology and Evolution 4:167-174.

13. Breiman, L. 2001. Random forest. Machine Learning 45: 5-32. 14. Brotons, L., W. Thuiller, M. B. Araújo and A. H. Hirzel. 2004. Presence-absence versus presence-only modelling

methods for predicting bird habitat suitability. Ecography 27: 437-448. 15. Carrete, M. J. M., J. L. Grande, J. A. Tella, J. A. Sanchez-Zapata, R. Donazar, Dıaz-Delgado and A. Romo. 2007.

Habitat, human pressure, and social behavior: partialling out factors affecting large-scale territory extinction in an endangered vulture. Biological Conservation 136:143-154.

16. Ceballos, O. and J. A. Donázar. 1989. Factors influencing the breeding density and nest–site selection of the Egyptian Vulture (Neophron percnopterus). Journal für Ornithology 130: 353-359.

17. Chefaoui, R. M. and J. M. Lobo. 2008. Assessing the effects of pseudo-absences on predictive distribution model performance. Ecological Modelling 210(4):478-486.

18. Cunningham, M. A. and D. H. Johns on. 2006. Proximate and landscape factors influence grassland bird distributions. Ecological Applications 16: 1062-1075.

19. Elith, J., C. H. Graham, R. P. Anderson, M. Dudık, S. Ferrier, A. Guisan, R. J. Hijmans, F. Huettmann, J. R. Leathwick, A. Lehmann, J. Li, L. G. Lohmann, B. A. Loiselle, G. Manion, C. Moritz, M. Nakamura, Y. Nakazawa, J. M. Overton, A. T. Peterson, S. J. Phillips, K. Richardson, R. E. Scachetti-Pereira, R. E. Schapire, J. Soberón, S. Williams, M. S. Wisz and N. E. Zimmermann. 2006. Novel methods improve prediction of species’ distributions from occurrence data. Ecography 29: 129-151.

20. Elith, J. and C. H. Graham. 2009a. Do they? How do they? Why do they? On finding reasons for differing performances of species distribution models. Ecography 32: 66-77.

21. Engler, R., A. Guisan and L. Rechsteiner. 2004. An improved approach for predicting the distribution of rare and endangered species from occurrence and pseudo-absence data. Journal of Applied Ecology 41: 263-274.

Dow

nloa

ded

from

ijae

.iut.a

c.ir

at 2

3:00

IRD

T o

n W

edne

sday

Apr

il 29

th 2

020

[ D

OI:

10.2

9252

/ijae

.6.3

.1 ]

ای کرکس مصری در ...هيستگاه تغذيت زياسی از مطلوبيمق سازی چندمدل

11

22. ESA (European Space Agency). CCI Landcover product. 2014. User Guide Version 2.4, ESA CCI LC project. 23. Ferrier, S., G. Watson, J. Pearce and M. Drielsma. 2002. Extended statistical approaches to modeling spatial pattern

in biodiversity in northeast New South Wales. I. Species- level modeling. Biodiversity Conservation 11: 2275-2307. 24. Fielding, A. H. and J. F. Bell. 1997. A review of methods for the assessment of prediction errors in conservation

presence/absence models. Environmental Conservation 24: 38-49. 25. Friedman, J. H. 1991. Multivariate Adaptive Regression Splines. The Annals of Statistics 19: 1. 26. Guisan, A. and N. E. Zimmermann. 2000. Predictive habitat distribution models in ecology. Ecological Modelling

135: 147-186. 27. Guisan, A. and W. Thuiller. 2005. Predicting species distribution: offering more than simple habitat models.

Ecology Letters 8: 993-1009. 28. Habibzadeh, N., S. K. Karami, Alavipanh and B. Riazie. 2013. Landscape requirements of Caucasian grouse

(Lyrurus mlokosiewiczi) in Arasbarn region, east Azerbijan, Iran. The Wilson Journal of Ornithology 125(1): 140-149.

29. Habibzadeh, N. and O. Rafieyan. 2016. Land cover patterns surrounding Caucasian grouse (Lyrurus mlokosiewiczi) leks in Arasbaran region, East Azerbaijan, Iran. Wildlife Research 43: 267-275.

30. Hernandez, P. A., C. H. Graham, L. L. Master and D. L. Albert. 2006. The effect of sample size and species characteristics on performance of different species distribution modeling methods. Ecography 29: 773-785.

31. Hirzel, A. H. and G. Le Lay. 2008. Habitat suitability modeling and niche theory. Journal of Applied Ecology 45: 1372-1381.

32. Kahler, B. M. and V. S. Cavalieri. 2014. Modelling Great Lakes Piping Plover habitat selection during the breeding period from local to landscape scales. Upper Mississippi River and Great Lakes Region Joint Venture Technical Report No. 2014-1, Bloomington, MN, USA.

33. de Knegt, H. J., F. van Langevelde, M. B. Coughenour, A. K. Skidmore, W. F. de Boer, I. M. A. Heitkonig, N. M. Knox, R. Slotow, C. van der Waal and H. H. T. Prins. 2010. Spatial autocorrelation and the scaling of species-environment relationships. Ecology 91: 2455-2465.

34. Loiselle, B. A., C. A. Howell, C. H. Graham, J. M. Goerck, T. Brooks, K. G. Smith and P. H. Williams. 2003. Avoiding pitfalls of using species distribution models in conservation planning. Conservation Biology 17: 1591-1600.

35. LO´ PEZ-LO´ PEZ, P. S., A. R. CLARA GARCI´ and V. URIOS. 2014. Food predictability determines space use of endangered vultures: implications for management of supplementary feeding. Ecological Applications 24(5): 938-949.

36. Manel, S., J. M. Dias and S. J. Ormerod. 1999. Comparing discriminant analysis, neural networks and logistic regression for predicting species distributions: a case study with a Himalayan river bird. Ecological Modelling 120: 337-347.

37. Manel, S., S. T. Buckton and S. J. Ormerod. 2000. Testing large-scale hypotheses using surveys: the effects of land use on the habitats, invertebrates and birds of Himalayan rivers. Journal of Applied Ecology 37: 756-770.

38. Margalida, A. and Colomer, M. A. 2012. Modelling the effects of sanitary policies on European vulture conservation. Scientific Reports 2: 753; DOI:10.1038/srep00753.

39. Margalida, A., D. García and A. Cortés-Avizanda. 2007. Factors influencing the breeding density of Bearded Vultures, Egyptian Vultures and Eurasian Griffon Vultures in Catalonia (NE Spain): management implications. Animal Biodiversity and Conservation 30(2): 189-200.

40. Mateo-Tomás, P. and P. P. Olea. 2015. Livestock-driven land use change to model species distributions: Egyptian vulture as a case study. Ecological Indicators 57: 331-340.

41. McCullagh, P. and J. A. Nelder. 1989. Generalized Linear Models. 2nd edn. Chapman and Hall, London, 532 p. 42. McGarigal, K., S. A. Cushman and E. Ene. 2012. FRAGSTATS v4: Spatial Pattern Analysis Program for

Categorical and Continuous Maps. Computer software program produced by the authors at the University of Massachusetts, Amherst.

43. Merow, C., M. J. Smith, J. T. C. Edwards, A. Guisan, S. M. McMahon, S. Normand, W. Thuiller, R. O. Wüest, N. E. Zimmermann and J. Elith. 2014. What do we gain from simplicity versus complexity in species distribution models? Ecography 37: 1267-1281.

44. Morisette, J. T., C. S. Jarnevich, T. R. Holcombe, C. B. Talbert, D. Ignizio, M. K. Talbert, C. Silva, D. Koop, A. Swanson and N. E. Young. 2013. VisTrails SAHM: Visualization and work flow management for species habitat modeling. Ecography 36: 129-135.

45. Orrock, J. L., J. F. Pagels, W. J. McShea and E. K. Harper. 2000. Predicting presence and abundance of a small mammal species: the effect of scale and resolution. Ecological Applications 10: 1356-1366.

46. Phillips, S. J., R. P. Anderson and R. E. Schapire. 2006. Maximum entropy modeling of species geographic distributions. Ecological Modelling 190: 231-259.

Dow

nloa

ded

from

ijae

.iut.a

c.ir

at 2

3:00

IRD

T o

n W

edne

sday

Apr

il 29

th 2

020

[ D

OI:

10.2

9252

/ijae

.6.3

.1 ]

۱۳۹۶پاييز / سوم/ شماره ششم / سالکاربردي شناسيبوم

12

47. Prabodh Chander, K. H. 2013. Home range use of winter migratory vultures in and around Jorbeer, Bikaner (Rajasthan) India. Bioscience Discovery 4(1): 96-99.

48. Raxworthy, C. J., E. Martinez-Meyer, N. Horning, R. A. Nussbaum, G. E. Schneider, M. A. Ortega-Huerta and A. T. Peterson. 2003. Predicting distributions of known and unknown reptile species in Madagascar. Nature 426: 837-841.

49. Rodríguez, J. P., L. Brotons, J. Bustamante and J. Seoane. 2007. The application of predictive modeling of species distribution to biodiversity conservation. Diversity and Distributions 13: 243-251.

50. Suárez-Seoane, S., P. E. Osborne and J. C. Alonso. 2002. Large-scale habitat selection by agricultural steppe birds in Spain: identifying species-habitat responses using generalized additive models. Journal of Applied Ecology 39: 755-771.

51. Swets, J. 1988. Measuring the accuracy of diagnostic systems. Science 240: 1285-1293. 52. Thompson, C. M. and K. McGarigal. 2002. The influence of research scale on bald eagle habitat selection along the

lower Hudson River, NewYork (USA). Landscape Ecology 17: 569-586. 53. Thuiller, W., B. Lafourcade, R. Engler and M. B. Arau´jo. 2009. BIOMOD - a platform for ensemble forecasting of

species distributions. Ecography 32: 369-373. 54. Wiens, J .A. 1989. Spatial scaling in ecology. Functional Ecology 3: 385-397. 55. Wilson, K. A., M. I. Westphal, H. P. Possingham and J. Elith. 2005. Sensitivity of conservation planning to different

approaches to using predicted species distribution data. Biodiversity Conservation 122: 99-112.

Dow

nloa

ded

from

ijae

.iut.a

c.ir

at 2

3:00

IRD

T o

n W

edne

sday

Apr

il 29

th 2

020

[ D

OI:

10.2

9252

/ijae

.6.3

.1 ]