همکاری با انجمن علمی گیاهان دارویی ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مرتع‌داری- گیاهان دارویی و صنعتی، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

2 استادیار، گروه مدیریت مرتع، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

3 استاد، گروه مدیریت مرتع، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

4 دانش‌آموخته دکتری، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

5 دانشیار، دانشگاه کمرینو، ایتالیا

چکیده

شناسه دیجیتال (DOR):
98.1000/1735-0905.1399.36.947.104.6.1603.41

گونه دارویی Perovskia abrotanoides Karel. از خانواده نعناعیان، گونه‌ای بوته‌ای و با ارزش از نظر حفاظت آب، خاک و دارای اثرهای درمانی متنوعی می‌باشد. در این مطالعه، رویشگاه بالقوه این گونه گیاهی مدل‌سازی شده است. بر این اساس متغیرهای مستقل توپوگرافی و زیستی از لایه رقومی DSM خروجی پهپاد، متغیر اقلیمی از آمار ایستگاه‌های هواشناسی و متغیرهای خاکی پس از شبکه‌بندی محدوده و برداشت نمونه خاک از هر واحد تهیه شد. موقعیت مکانی حضور گونه نیز به‌عنوان متغیر وابسته با استفاده از تصاویر ارتوفتوی پهپاد ثبت گردید. اولویت‌بندی متغیرهای مستقل براساس تأثیرگذاری در وقوع گونه مورد بررسی در دو محدوده مطالعاتی با استفاده از الگوریتم بیشینه آنتروپی (MaxEnt) انجام شد. نتایج حاصل از ارزیابی مدل براساس آماره سطح زیر منحنی (AUC) به‌ترتیب برای محدوده مطالعاتی قشلاقی و ییلاقی 0.974 و 0.914 و در سطح بسیار خوب ارزیابی گردید. بر این اساس مهمترین عوامل محیطی تأثیرگذار در پراکنش گونه P. abrotanoides در قشلاق ارتفاع از سطح دریا، میزان پتاسیم و هدایت الکتریکی بود. همچنین در ییلاق ارتفاع، هدایت الکتریکی و درصد سیلت خاک مؤثرین عوامل حضور گونه برآورد گردیدند. نتایج این تحقیق نشان داد، تعیین مطلوبیت رویشگاه گونه‌های دارویی با تصاویر پهپاد می‌تواند در برنامه‌ریزی‌های مدیریتی در زمینه شناسایی مناطق مستعد انتشار گونه و افزایش تولید گونه در سطوح وسیع‌تر مطالعاتی استفاده شود.

کلیدواژه‌ها

موضوعات

- Abdelaal, M., Fois, M., Giuseppe, F. and Bacchetta, G., 2019. Using MaxEnt modeling to predict the potential distribution of theendemic plant Rosa arabica Crép. Ecological Informatics, 50: 68-75.
- Bagheri, H., 2017. Modeling distribution of index halophyte plants in the Mighan playa of Arak. Ph.D thesis, Department of Agricalture and Natural Resource, The Mohaghegh Ardebili University, Iran.
- Çoban, H., Örücü, Ö. and Arslan, S., 2020. MaxEnt modeling for predicting the current and future potential geographical distribution of Quercus libani Olivier. Sustainability, 12(7): 1-17-.
- Cruzan, M.B., Weinstein, B.G., Grasty, M.R., Kohrn, B.F., Hendrickson, E.C., Arredondo, T.M. and Thompson, P.G., 2016. Small unmanned aerial vehicleS (micro-uavS, droneS) in plant ecology. Applications in Plant Sciences, 4(9): 160004.
- Ghayoumi, R., Ebrahimi, A., Hosseini Taifeh, F. and Keshtkar, M., 2019. Predicting the effects of climate change on the distribution of mangrove forests in Iran using the maximum entropy model. Journal of Remote Sensing and GIS in Natural Resources, 10(2): 34-47.
- Hosseinalizadeh, M., Kariminejad, N., Campetella, G., Jalalifard, A. and Alinejad, M., 2018 Spatial point pattern analysis of piping erosion in loess-derived soils in Golestan province, Iran. Geoderma, 328: 20-29.
- Jafari Haghighi, M., 2003. Methods of Soil Analysis: sampling and physical and chemical analysis with emphasis on the theoretical and practical importance. Tehran University Press, 236p.
- Kurpis, J., Cruz, M. and Arroyo, T., 2019. Modeling the effects of climate change on the distribution of Tagetes lucida Cav. (Asteraceae). Global Ecology and Conservation, 20: e00747.
- Ma, B. and Sun, J., 2018. Predicting the distribution of Stipa purpurea across the Tibetan Plateau via the MaxEnt model. BMC Ecology, 18(10): 1-12 .
- Miller, J., 2005. Incorporating spatial dependence in predictive vegetation models: residual interpolation methods. The Professional Geographer, 57(2): 169-184.
- Moallem, S.A. and Niapour, M., 2008. Study of embryotoxicity of Perovskia abrotanoides, an adulterant infolk-medicine, during organogenesis in mice. Ethnopharmacology, 117: 108-114.
- Mousazade, M., Ghanbarian, G., Pourghasemi, H.,
Safaeian, R. and Cerdà, A., 2019. Maxent data mining technique and its comparison with a bivariate statistical model for predicting the potential distribution of Astragalus fasciculifolius Boiss. in Fars, Iran. Sustainability, 11(12): 1-23.
- Naghizadeh Asl, F., Jafari, H., Azarnivand, M. and Zare Chahouki, M., 2016. Study of the role of soil properties in creating differences between plant communities. Iranian Journal of Natural Resources, 69(3): 765-776.
- PourHosseini, S.H., 2013. Investigation of genetic and phytochemical diversity of native populations of Brazmble in Iran. Master Thesis, Shahid Beheshti University of Tehran, 130p.
- Shahraki, S., Mahdavi, S.Kh., Hosseini, S.A., Mazandarani, M. and Tavan, M., 2012. Evaluation of quantity and quality of Proveskia abrotanoides essential oil of the medicinal plant (case study of Golestan and Kiasar national parks). Journal of Ecophytochemistry of Medicinal Plants, 3: 68-81.
- Ye, X.Z., Zhao, G.H., Zhang, M.Z., Cui, X.Y., Fan, H.H. and Liu, B., 2020. distribution pattern of endangered plant semiliquidambar cathayensis (Hamamelidaceae) in response to climate change after the last interglacial Perio. Journal of Forests, 11(4): 434.
- Zare Chahouki, M.A. and Abbassi, M., 2018. Maxent modelling for distribution of plant Rhoum ribes L. In Rangeland of chah torsh Province of yazd. Iranian Journal of Natural Resources, 71(2): 379-391.
- Zare Chahouki, M.A. and Piry Sahragard, H., 2016. Maxent modelling for distribution of plant species habitats of rangelands (Iran). Polish Journal of Ecology, 3: 303-317.
- Zargari, A., 2000. Medicinal Plants (Volume 4). University of Tehran Press, 923p.