Journal of Geographical Studies of Mountainous Areas

Journal of Geographical Studies of Mountainous Areas

Mapping Bioclimatic Variables Using Geostatistical and Regression Techniques in Lorestan Province

Document Type : Original Article

Authors
Sorour Mahmoudvand 1
Hamed Khodayari 1
Farajollah Tarnian 2
1 M.Sc. Graduated of Biology Department, Faculty of Basic Sciences, Lorestan University, Khorramabad, Iran.
2 Assistant Professor of Natural Resources Engineering and Watershed Management Department, Faculty of Agriculture, Lorestan University, Khorramabad, Iran.
10.29252/gsma.1.3.1
Abstract
Bioclimatic variables are one of the most important environmental variables that used in mapping and species distribution modeling for the management and conservation of vegetation and species cultivation. In order to provide bioclimatic maps, long-term climate data of 49 weather stations were used during the years 1952 to 2017 to extract 19 bioclimatic variables. Geostatistics methods (Kriging and Cokriging) and Multiple Linear Regression model were used to create 19 bioclimatic variables in Lorestan Province. Correlation ratio was used to select the best interpolation model. Also, Cross-validation was used to validate the interpolation method. Root Mean Square Error (RMSE) and the Root Mean Square Standardized Error (RMSSE) were used to select the best interpolation method. Based on the results, the best interpolation method for maping Bio4, Bio5, Bio7, Bio12, Bio13, Bio15, Bio16, Bio17 was Kriging method due to lower error values of RMSE and RMSSE for and Bio18 and the best interpolation method for maping of Bio1, Bio2, Bio3, Bio6, Bio8, Bio9, Bio10, and Bio11 was Cokriging method. Multiple Linear Regression model was also the best interpolation method for Bio19. Based on the results of this study, the use of an elevation auxiliary variable and climatic factor can increase the accuracy of the evaluation of interpolation methods to create accurate maps for modeling of species distribution.
Keywords
Bioclimatic Variables
Species Distribution
Interpolation
Geostatistics
Lorestan
 
۱. ایلدرمی، علیرضا، فرهاد قاسمی و نگار بهمنی. ۱۳۹۴. "ﺑﺮرﺳﯽ ﻧﻘﺶ ﻋﻮاﻣﻞ اﻗﺘﺼﺎدی-اﺟﺘﻤﺎﻋﯽ در ﺗﺨﺮیﺐ زیﺴﺖﺑﻮم ﺟﻨﮕﻞﻫﺎی زاﮔﺮس(ﻣﻨﻄﻘﻪ ﮐﺎﮐﺎرﺿﺎ ﻟﺮﺳﺘﺎن)"، دو ﻓﺼﻠﻨﺎﻣﻪ ﻋﻠﻤﯽ-ﭘﮋوﻫﺸﯽ ﺗﺤﻘﯿﻘﺎت ﺣﻤﺎیﺖ و ﺣﻔﺎﻇﺖ ﺟﻨﮕﻠﻬﺎ و ﻣﺮاﺗﻊ ایﺮان، شماره ۲، صص ۱۴۹-۱۴۰.
۲. پروانه، ایرج. ۱۳۸۸. "تیپولوژی و برآورد کمی بذر بلوط ایرانی در تیپ‌های مختلف جنگل‌های زاگرس"، پایان نامه کارشناسی ارشد در رشته جنگل‌شناسی و اکولوژی جنگل، دانشگاه تهران،۱۰۱ صفحه.
۳. ترنیان، فرج الله، حسین آذرنیوند، راضیه یزدانپرست، محمدعلی زارع چاهوکی، محمد جعفری و سانیل کومار. ۱۳۹۶. "ﺗﻌﯿﯿﻦ ﻣﻬﻤﺘﺮیﻦ ﻋﻮاﻣﻞ ﻣﻮﺛﺮ ﺑﺮ ﭘﺮاﮐﻨﺶ ﮔﻮﻧﻪ Daphne mucronata Royle. و مدل سازی رویشگاه‌های پتانسیل آن". نشریه علمی-پژوهشی مرتع، شماره ۲، صص ۱۹۳-۱۷۹.
۴. ثقفیان، بهرام، هما رزمخواه و باقر قرمزچشمه. ۱۳۹۰. بررسی تغییرات منطقه‌ای بارش سالانه با کاربرد روش‌های زمین‌آمار (مطالعه-ی موردی: استان فارس)، مجله‌ی مهندسی منابع آب، ۳۸-۲۹.
۵. جعفری، علی، روح الله میرزایی و رسول زمانی احمد محمودی. ۱۳۹۵. "ﻣﺪلﺳﺎزی ﭘﺮاﮐﻨﺶ ﻗﻮچ و ﻣﯿﺶ اﺻﻔﻬﺎن در ﻣﻨﻄﻘﻪ ﺣﻔﺎﻇﺖ ﺷﺪه ﺗﻨﮓ ﺻﯿﺎد ﺑﺮاﺳﺎس ﺑﻬﺒﻮد اریﺐ دادهﻫﺎی ﺣﻀﻮر و اﻧﺘﺨﺎب ﻣﺘﻐﯿﺮﻫﺎی ﻣﻨﺎﺳﺐ ﺑﺎ اﺳﺘﻔﺎده از ﺣﺪاﮐﺜﺮ آﻧﺘﺮوﭘﯽ"، بوم‌شناسی کاربردی، شماره ۱۵، صص ۴۸-۳۹.
۶. خسروی، رسول، محمودرضا همامی و منصوره ملکیان. ۱۳۹۳. "مقایسه روش‌های زمین آمار به منظور تعیین بهترین روش درون‌یابی داده‌های زیست‌اقلیمی در مدل‌سازی پراکنش گونه‌های جانوری در مرکز ایران"، بوم‌شناسی کاربردی، شماره ۸، صص ۶۷-۵۵.
۷. خسروی، یونس و اسماعیل عباسی. ۱۳۹۵. "تحلیل فضایی داده های محیطی با زمین آمار"، نشر آذر کلک زنجان، ۲۸۰ صفحه.
۸. خلاصی اهوازی، لیلا، محمدعلی زارع چاهوکی و سید زین‌العادین حسینی. ۱۳۹۴. "مدل‌سازی پراکنش جغرافیایی رویشگاه گونه-های Artemisia aucheri و Artemisia sieberi براساس روش‌های مبتنی بر حضور (MaxEnt و ENFA)"، مجله تحقیقات منابع تجدید شونده، شماره ۱، صص ۷۳-۵۷.
۹. صادقی راد، روح الله، علی‌محمدآخوند علی، فریدون رادمنش، حیدر زارعی و محمدرضا گلابی. ۱۳۹۴. "ارزیابی روش‌های میان-یابی فضایی در توزیع مکانی بارش سالانه (مطالعه موردی: حوضه مارون)". نشریه پژوهش های کاربردی علوم آب. شماره ۱، صص ۱-۱۲.
۱۰. عساکره، حسین. ۱۳۸۷. "کاربرد روش کریجینگ در میان‌یابی بارش مطالعه موردی: میان ‌ابی بارش ۲۶/۱۲/۱۳۷۶ در ایران زمین". جغرافیا و توسعه، شماره ۱۲، صص ۴۲-۲۵.
۱۱. فاطمی قیری، سارا، و حجت‌الله یزدان پناه. ۱۳۹۱. "ارزیابی روش‌های مختلف میان‌یابی به منظور برآورد داده‌های بارش استان اصفهان". فصلنامه علمی-پژوهشی فضای جغرافیایی. شماره۱۲، صص ۶۳-۴۶.
۱۲. فتحی زاده، حسن، حاجی کریمی و مهدی تازه. ۱۳۹۳. "بررسی الگوریتم های مختلف زمین آماری جهت پهنه بندی بارش سالانه استان ایلام". نشریه تحقیقات کاربردی علوم جغرافیایی، شماره ۳۵، صص ۱۵۴-۱۳۹.
۱۳. کاظمی، حسین، خلیل قربانی. ۱۳۹۴. "ارزیابی روش‌های مختلف درون‌یابی به منظور تخمین و پهنه‌بندی متغیرهای بارش در اراضی کشاورزی شهرستان آق‌قلا جهت کشت دیم غلات پاییزه"، نشریه پژوهش‌های حفاظت آب و خاک، شماره ۴، صص ۲۳-۱.
۱۴. گلشن، محمد، پیام ابراهیمی، اباذر اسمعلی عوری. ۱۳۹۴. "انتخاب بهترین روش میان‌یابی برای پهنه‌بندی متوسط دمای سالانه ایران"، جغرافیا و پایداری محیط، شماره ۱۴، صص ۷۱-۵۷.
۱۵. مهدوی، محمد، ابراهیم حسینی چگینی، محمدحسین مهدیان، و سیما رحیمی بندرآبادی. ۱۳۸۳. "مقایسه روش‌های زمین‌آمار در برآورد توزیع مکانی بارش سالانه در مناطق خشک و نیمه‌خشک جنوب‌شرقی ایران"، مجله منابع طبیعی ایران، شماره ۲، صص ۱۷-۱.
۱۶. نادری، فاطمه، پروانه نژادسبزی و بهرام رسولیان. ۱۳۸۸. "ﺑﺮرﺳﯽ ﻋﺮﺿﻪ و ﻣﺼﺮف ﮔﯿﺎﻫﺎن دارویﯽ ﻣﻮﺟﻮد در ﻋﻄﺎری‌های استان لرستان در سال ۱۳۸۷". ﻓﺼﻠﻨﺎﻣﻪ ﻋﻠﻤﯽ ـ ﭘﮋوﻫﺸﯽ داﻧﺸﮕﺎه ﻋﻠﻮم ﭘﺰﺷﮑﯽ ﻟﺮﺳﺘﺎن، شماره ۵، صص ۶۳-۵۷.
۱۷. نادی، مهدی، مژده جامعی، جواد بذرافشان، سمیه جنت‌رستمی. ۱۳۹۱. "ارزیابی روش‌های مختلف درون‌یابی داده‌های بارندگی ماهانه و سالانه (مطالعه موردی: استان خوزستان)". پژوهش‌های جغرافیای طبیعی، شماره ۴، صص ۱۳۰-۱۱۷.
18. Ahmed, K., Shahid, S., Harum, S.B. 2014. “Spatial interpolation of climatic variables in a predominantly arid region with complex topography”. Environment Systems and Decisions. 34: 555-563.
19. Attorre, F, Alfo M, De Sanctis M, Francesconi F, Bruno, F. 2007. “Comparison of interpolation methods for mapping climatic and bioclimatic variables atregionalscale”. Int J Climatol, 27:1825–1843.
20. Aznar, J.C., Gloaguen, E., Tapsoba, D., Hachem, S., Caya, D., B´egin, Y. 2013. “Interpolation of monthly mean temperatures using cokriging in spherical coordinates”. INTERNATIONAL JOURNAL OF CLIMATOLOGY, 33: 758-769.
21. Bo, S., Shenglu, Z., Qiguo, Z. 2003. “Evaluation of spatial and temporal changes of soil quality based on geostatistical analysis in the hill region of subtropical China”. Geoderma, 115(1-2): 85-99.
22. Bostan, P.A., Heuvelink, G.B.M. Akyurek, S.Z. 2012. “Comparison of regression and kriging techniques for mapping the average annual precipitation of Turkey”. International Journal of Applied Earth Observation and Geoinformation, 19: 115-126.
23. Cambardella, C. A., Moorman, T. B., Novak, J. M., Parkin, T. B., Karlen, D. L., Turco, R. F., Konopka, A. E. 1994. “Field-scale variability of soil properties in central Iowa soils”. Soil Science Society America Journal, 58(5): 1501-1511.
24. Chang, T.L. 1991. “Investigation of precipitation droughts by use of Kriging method”. Drai. Engng, 117(6): 935- 943.
25. Cressie, N.A.C. 1993. “Statistics for spatial data”. John Willy and Sons, Inc., New York, 900 p.
26. Diodato, N. 2005. “THE INFLUENCE OF TOPOGRAPHIC CO-VARIABLES ON THE SPATIAL VARIABILITY OF PRECIPITATION OVER SMALL REGIONS OF COMPLEX TERRAIN”. INTERNATIONAL JOURNAL OF CLIMATOLOGY, 25: 351–363.
27. Elith J., Graham, C., Anderson, R., Dudik, M., Ferrier, S., Guisan, A., Hijmans, R., Huettmann, F., Leathwick, J., Lehmann, A., Li, J., Lohmann, L., Loiselle, B., Manion, G., Moritz, C., Nakamura, M., Nakazawa, Y., Overton, J., Peterson, A., Phillips, S., Richardson, K., Scachetti Pereira, R., Schapire, R., Soberon, J., Williams, S., Wisz, M., Zimmermann, N. 2006. “Novel methods improve prediction of species’ distribution from occurrence data”. Ecography, 29: 129-151.
28. Fick, S.E., Hijmans, R.J. 2017. “WorldClim 2: new 1-km spatial resolution climate surfaces for global land areas”. INTERNATIONAL JOURNAL OF CLIMATOLOGY.
29. Hijmans, R. J., Cameron, S.E., Parra, J.L., Jones, P.G., Jarvis, A. 2005. “Very high resolution interpolated climate surfaces for global land areas”. Int. J. Climatol, 25: 1965–1978.
30. Hirzel, A.H., Guisan, A. 2002. “Which is the optimal sampling strategy for habitat suitability modelling”. Ecological Modelling, 157(2–3): 331–341.
31. Hu, J., Jiang, Z. 2010. “Predicting the potential distribution of the endangered Przewalski’s gazelle”. Journal of Zoology, 282: 54–63.
32. Hudson, G., Wackernagel, H. 1994. “MAPPING TEMPERATURE USING KRIGING WITH EXTERNAL DRIFT: THEORY AND AN EXAMPLE FROM SCOTLAND”. INTERNATIONAL JOURNAL OF CLIMATOLOGY, 14: 77-91
33. Li, J., Heap, A.D. 2011. “A review of comparative studies of spatial interpolation methods in environmental sciences: performance and impact factors”. Ecol Informatics, 6: 228–241.
34. Mirzaei, J. 2012. “The causes of forest degradation and the solution Strategies to deal with them. The first national conference of strategies to obtain of sustainable development”. State Ministry-Tehran.
35. Navid, MAI., Niloy, NH. 2018. “Multiple Linear Regressions for Predicting Rainfall for Bangladesh”. Communications, 6(1): 1-4.
36. O’Donnell, M.S., Ignizio, D.A. 2012. “Bioclimatic predictors for supporting ecological applications in the conterminous United States: U.S”. Geological Survey Data Series, 691, 10 p.
37. Padalia, H., Srivastava, V., Kushvaha, S. 2014. “Modeling potential invasion range of alien invasive species, Hyptis suaveolens (L.) Poit. in India: Comparison of MaxEnt and GARP”. Ecological Informatics, 22: 36-43.
38. Phillips, S.J., Anderson, R.P., Schapire, R.E. 2006. “Maximum entropy modeling of species geographic distributions”. Ecological Modelling, 190: 231–259.
39. Rogelis, M. C., Werner, M. G. F. 2013. “Spatial Interpolation for Real-Time Rainfall Field Estimation in Areas with Complex Topography”. Journal of Hydrometeorology, 14:1, 85-104.
40. Stockwell, D., Peters, D. 1999. “The GARP modelling system: problems and solutions to automated spatial prediction”. International Journal of Geographical Information Science, 13(2): 143–158.
41. Vicente-Serrano, S.M., Saz-Sanchez, M.A., Cuadrat, J.M. 2003. “Comparative analysis of interpolation methods in the middle Ebro valley (Spain): application to annual precipitation and temperature”. Climate Res, 24: 2. 161-180.
42. Wang, H., Liu, D., Munroe, D., Cao, K., Biermann, C. 2016. “Study on selecting sensitive environmental variables in modelling species spatial distribution”. ANNALS OF GIS, 22(1): 57-69.
43. Wu, W., Zhang, Q., Song, J., Li, X., Xie, C., Hu, Z. 2018. “ECOLOGICAL CHARACTERISTICS AND SUITABILITY EVALUATION OF FRITILLARIA CIRRHOSA D. DON BASED ON MAXENT MODEL”. African Journal of Traditional, Complementary and Alternative Medicines, 15 (1): 158-167.
Journal of Geographical Studies of Mountainous Areas
Volume 1, Issue 3
Autumn 2020
Pages 1-17