بقا و توزیع حیوانات را نمی توان از یک محیط خاص جدا کرد. اینکه چگونه الگوهای موجود در گونه‌های پستانداران به محیط بستگی دارد، نامشخص است. این مطالعه با ترکیب داده‌های فضایی در مورد آب و هوا، بارش، توپوگرافی و پوشش گیاهی به طور کمی تأثیر عوامل جغرافیایی خاص بر توزیع فضایی غنای پستانداران زمینی را با استفاده از مدل ژئودتکتور تحلیل کرد. ما از روش تحلیل فضایی سیستم‌های اطلاعات جغرافیایی (GIS) استفاده کردیم، که توزیع پستانداران 621 گونه را به شبکه‌های 10 در 10 کیلومتری برای اندازه‌گیری غنای فضایی جدا کردیم. نتایج ما نشان داد که تفاوت های فضایی قابل توجهی در غنای پستانداران زمینی در چین وجود دارد. در شرق و غرب غنای کم و در جنوب غنا زیاد بود. نتایج تشخیص عامل فردی نشان داد که بارش سالانه (AP) و حداقل دمای سردترین ماه (MTCM) عوامل غالب مؤثر بر الگوی فضایی غنای پستانداران در چین بودند. الگوهای توزیع غنای گونه‌ای دارای ویژگی‌های متمایز برای راسته‌های مختلف پستانداران بود و تحت تأثیر عوامل محیطی مختلف قرار گرفتند. توزیع غنای اکثر سفارشات عمدتاً تحت تأثیر MTCM و AP قرار گرفت. نتایج تشخیص تعاملی نشان داد که عوامل متقابل به صورت جفت نقش بسیار بیشتری در توزیع فضایی غنای گونه ای نسبت به عوامل فردی دارند. اثر هم افزایی ارتفاع با AP و MTCM به بهترین وجه تفاوت های توزیع غنای گونه ای را توضیح داد. ما دریافتیم که مدل Geodetector ابزار ارزشمندی است، امیدواریم که به طور گسترده‌تری در جغرافیای زیستی مورد استفاده قرار گیرد.

کلید واژه ها:

عامل محیطی ؛ ژئودیتکتور ; GIS _ غنای پستانداران ؛ تفاوت توزیع فضایی ; پستانداران زمینی

1. مقدمه

بقا و توزیع هیچ حیوانی را نمی توان از محیط خاصی جدا کرد. پیامدهای منفی فعالیت های انسانی، توسعه منابع و محیط زیست را محدود می کند و در نتیجه باعث ایجاد اثرات مخرب بر روی زیستگاه طبیعی می شود [ 1 ]. بسیاری از گونه ها نابود شده اند یا در خطر قریب الوقوع هستند. با این حال، چگونگی بستگی الگوهای توزیع گونه ها به محیط نامشخص است.
نحوه پراکنش گونه ها اثر ترکیبی عوامل غیرزیستی و فعل و انفعالات زیستی است [ 2 ، 3 ، 4 ، 5 ]. شایان ذکر است، بسیاری از محققان فرضیه هایی را برای توضیح مکانیسم های تأثیرگذاری بر الگوها در توزیع جغرافیایی گونه ها ارائه کرده اند. چنین فرضیه هایی عبارتند از: فرضیه بهره وری [ 6 ، 7 ]، فرضیه انرژی محیطی [ 8 ، 9 ]، فرضیه پایداری محیطی [ 10 ، 11 ]، فرضیه دینامیکی آب-انرژی [ 12 ، 13 ]، فرضیه تحمل انجماد [ 13 ، 14 ].]، فرضیه ناهمگونی زیستگاه [ 15 ] و فرضیه تاریخی [ 16 ]. این فرضیه ها اشکال مختلفی از انرژی را نشان می دهد که بر الگوهای فضایی حیوانات از دیدگاه های مختلف تأثیر می گذارد.
چشم انداز، آب و هوا، توپوگرافی و فرآیندهای اجتماعی ممکن است بر توزیع حیوانات تأثیر بگذارد [ 4 ، 17 ]. روش‌های زیادی برای تخمین رابطه بین توزیع جغرافیایی گونه‌ها و متغیرهای محیطی وجود داشته است. تجزیه و تحلیل همبستگی برای آزمایش سازگاری در الگوهای جغرافیایی تنوع برای گروه های طبقه بندی مختلف استفاده می شود [ 18 ]. مدل های رگرسیون اغلب برای تعیین کمیت رابطه بین یک متغیر و متغیرهای دیگری که به آن بستگی دارد استفاده می شود [ 19 ]. به طور خاص، مدل های خطی تعمیم یافته (GLMs)، از جمله رگرسیون خطی، رگرسیون لجستیک و رگرسیون پواسون، برای تجزیه و تحلیل روابط غیرخطی بین گونه ها و متغیرهای محیطی مناسب هستند. ] . با توسعه فناوری رایانه، مدل‌های پیچیده مانند یادگیری ماشینی توانایی پیش‌بینی قوی در شبیه‌سازی توزیع گونه‌ها دارند که می‌توانند روابط پاسخ پیچیده را مدیریت کنند.20 ، 21 ، 22 ، 23 ، 24 ، 25 ]. طبقه بندی و درخت رگرسیون (CART) می تواند تعامل بین پیش بینی کننده های پیچیده را نشان دهد [ 20 ]. درختان رگرسیون چند متغیره (MRTs) می توانند برای کاوش و پیش بینی روابط بین داده های گونه ها و ویژگی های محیطی استفاده شوند [ 21 ]]. جنگل‌های تصادفی یا درختان رگرسیون تقویت‌شده (BRTs) اغلب برای کاوش و پیش‌بینی اینکه کدام عوامل محیطی بر توزیع حیوانات تأثیر می‌گذارند استفاده می‌شوند [ 22 ، 23 ]]. مدل های طاقچه اکولوژیکی همچنین اهمیت متغیرها را شناسایی می کنند، منحنی های پاسخ را برای هر متغیر ارائه می دهند و یک محدوده توزیع بالقوه را با توجه به متغیرهای محیطی مرتبط با سوابق وقوع گونه ها ارائه می دهند [ 24 ، 25 ].
ژئودتکتور یک مدل آماری جدید برای تجزیه و تحلیل پدیده های جغرافیایی با ناهمگونی طبقه بندی شده فضایی است که از چهار آشکارساز [ 26 ] تشکیل شده است: عامل، اکولوژیکی، تعامل و ریسک. آشکارساز عامل می تواند اهمیت نسبی یا شدت تأثیر را در بین این عوامل کلیدی بدون هیچ گونه فرضی یا محدودیتی در مقایسه با روش های آماری سنتی نشان دهد [ 26 ، 27 ، 28 ]. آشکارساز اکولوژیکی تفاوت در تاثیر بین دو متغیر توضیحی را شناسایی می کند [ 26 ، 28 ]. آشکارساز تعامل همچنین می تواند تعاملات بین عواملی را که بر متغیرهای پاسخ تأثیر می گذارند تجزیه و تحلیل کند [ 26 , 28]. آشکارساز خطر تجزیه و تحلیل می کند که آیا میانگین صفات بین دو زیر حوزه از عوامل به طور قابل توجهی متفاوت است [ 26 ، 28 ]. ژئودتکتور می تواند به طور جامع تری عوامل تعیین کننده ناهمگنی طبقه بندی شده متغیرهای وابسته را از چهار جنبه بررسی کند. در مطالعات متعددی از جمله بهداشت عمومی [ 28 ]، کاربری زمین [ 29 ] و محیط زیست محیطی [ 30 ] استفاده شده است و به تدریج برای تحقیقات در زمینه های مرتبط با حیوانات مورد استفاده قرار گرفته است. شن و همکاران [ 31 ] از مدل Geodetector برای تشخیص مناسب بودن زیستگاه ملخ در زیستگاه های استپی مغولستان داخلی استفاده کرد. فن و همکاران [ 32] از نرم افزار Geodetector برای مطالعه تأثیر عوامل زیستگاه بر الگوی توزیع Spermophilus dauricus در شهر منچوری چین استفاده کرد. چن و همکاران [ 33 ] روابط بین الگوهای جغرافیایی زیستی تنوع α-تنوع نرم تنان حرا و عوامل محیطی و متغیرهای فضایی را با استفاده از نرم افزار Geodetector تجزیه و تحلیل کردند. لیو و همکاران [ 34 ] تأثیر لایه‌های خاک، کاربری زمین، پوشش گیاهی و شاخص گیاهی تفاوت نرمال شده (NDVI) را بر روی توزیع تراکم جوندگان با استفاده از ژئودتکتور ارزیابی کرد. لیو و همکاران [ 35 و 36 ] آمار q را توسط Geodetector آزمایش کرد تا از مخدوش شدن احتمالی ناشی از ناهمگنی طبقه بندی شده فضایی جلوگیری کند.
در چین، مطالعات کمی در مورد مکانیسم‌های مؤثر بر شکل‌گیری الگوهای توزیع پستانداران به دلیل در دسترس بودن محدود داده‌های سطح کلان، محدود می‌ماند. در این مقاله، هدف ما ارائه احتمالات استفاده از ژئودتکتور توسط بوم شناسان، نشان دادن استفاده از آن در تجزیه و تحلیل روابط بین توزیع پستانداران و محیط است. ما از مدل Geodetector ترکیب شده با داده‌های مکانی و داده‌های طبقه‌بندی حیوانات اخیر برای کشف رابطه ذاتی بین الگوی فضایی غنای پستانداران زمینی و عوامل محیطی استفاده کردیم. مدل Geodetector بر اساس تحلیل تمایز فضایی با ترکیب فناوری پوشش فضایی سیستم‌های اطلاعات جغرافیایی (GIS) است. مطالعه ما به طور سیستماتیک رابطه بین عوامل مختلف محیطی جغرافیایی را که بر توزیع غنای گونه‌ای تأثیر می‌گذارند، تجزیه و تحلیل کرد تا میزان تأثیرپذیری توزیع گونه‌ها توسط عوامل محیطی را با دقت بیشتری درک کند. انتظار می رفت تحلیل ما مرجع و مبنای علمی مهمی برای سیاست حفاظت از تنوع گونه ها در چین باشد.

2. مواد و روشها

2.1. منطقه مطالعه

این مطالعه کل منطقه چین را در بر گرفت (9.6 میلیون کیلومتر مربع ؛ 73 درجه و 29 دقیقه شرقی (E)–135 درجه و 2 دقیقه شرقی، 3 درجه و 31 دقیقه شمالی (شمال شمالی) تا 53 درجه و 33 دقیقه شمالی)، شکل 1 را ببینید . از شرق به غرب، کشور حدود 5200 کیلومتر امتداد دارد. از شمال به جنوب، حدود 5500 کیلومتر است. این کشور با زمین های متنوع، انواع آب و هوای مختلف و شرایط طبیعی پیچیده مشخص می شود. این تنوع محیط های زیستگاهی است که منجر به فراوانی گونه های باورنکردنی می شود. چین یکی از کشورهایی است که دارای غنی ترین تنوع زیستی در سطح جهان است [ 37]. محیط زمین شناسی در معرض رویدادهایی از جمله حرکت تکتونیکی و بالا آمدن فلات چینگهای-تبت بوده است که منجر به تفاوت های منطقه ای واضح با محیط طبیعی شده و بر الگوی جغرافیایی در توزیع حیوانات تأثیر گذاشته است [ 38 ].

2.2. مواد داده

2.2.1. داده های توزیع پستانداران خشکی
داده های مربوط به توزیع پستانداران به صورت چند ضلعی، از تنوع پستانداران و توزیع جغرافیایی چین [ 39 ]، که اطلاعات پایه را در فهرست گونه ها تکمیل و اصلاح می کند، نشان داده شد. پایگاه داده منتشر شده حاوی پستانداران خشکی‌زی شامل 11 راسته و 625 گونه است. برای این مطالعه، انسان و سه گونه محلی منقرض شده (کرگدن سوماترا، کرگدن جاوه، کرگدن هندی) حذف شدند. تجزیه و تحلیل نهایی شامل 11 راسته و 621 گونه بود. پیش پردازش نشان داد که نقشه‌های توزیع گونه‌ها، طرح مخروطی مساحت مساوی آلبرس را نشان می‌دهند.
محدوده توزیع پستانداران زمینی در فضا همپوشانی دارند. ما کل منطقه مورد مطالعه را به شبکه هایی با 10 در 10 کیلومتر تقسیم کردیم تا الگوهای توزیع پستانداران خشکی را در مقیاس شبکه تعیین کنیم. ما محدوده توزیع 621 پستاندار زمینی را با استفاده از آمار همپوشانی چندلایه GIS قرار دادیم. آنها با شمارش حضور یا عدم حضور پستانداران در هر شبکه 10×10 کیلومتری به صورت “1” و “0” ثبت شدند. همه گونه های فردی در هر شبکه برای نشان دادن غنای گونه جمع شدند. گونه های منفرد در هر دسته طبقه بندی در هر شبکه به اندازه غنای آن تاکسون خاص بود. در مجموع 94860 شبکه برای تجزیه و تحلیل استفاده شد.
2.2.2. منابع داده عوامل محیطی
برای بررسی چگونگی تأثیر عوامل خاص محیط طبیعی بر توزیع پستانداران در چین، 11 متغیر را به عنوان عوامل محیطی با توجه به متغیرهای توضیحی اولیه در میان فرضیه‌ها انتخاب کردیم. حداقل دمای سردترین ماه (MTCM) و حداکثر دمای گرمترین ماه (MTWM) منعکس کننده فرضیه تحمل انجماد است [ 13 ، 14 ]. MTCM و MTWM از مجموعه داده های دمایی ماهانه 1 کیلومتری چین از سال 2012 تا 2014 مرکز ملی داده های علوم سیستم زمین، زیرساخت ملی علم و فناوری چین ( https://www.geodata.cn ) به دست آمد. میانگین دمای سالانه (AMT) یک عامل طبیعی است که فرضیه گرمای محیط را نشان می دهد [ 40]. بارش سالانه (AP)، شاخص گیاهی تفاوت نرمال شده (NDVI) و تبخیر و تعرق واقعی (AET) نشان دهنده سطح بهره وری منطقه است [ 41 ، 42 ]. AMT از مجموعه داده میانگین دمای سالانه چین در سال 2015 به‌دست آمد. AP از مجموعه داده‌های بارش سالانه چین در سال 2015 به‌دست آمد. به دست آمده از مرکز داده برای منابع و علوم محیطی، آکادمی علوم چین (RESDC) ( https://www.resdc.cn/DOI )). تبخیر و تعرق واقعی از مجموعه داده های تبخیر و تعرق زمینی در سراسر چین در سال 2015 مشتق شده است. مجموعه داده توسط مرکز ملی داده فلات تبت ( https://data.tpdc.ac.cn ) ارائه شده است. ارتفاع (Ele)، تسکین ارتفاع (AR)، نوع خاک (ST)، نوع ژئومورفیک (GT) و نوع کاربری زمین (LT) نشان دهنده ناهمگونی زیستگاه است [ 43 ]]. مدل رقومی ارتفاع با وضوح فضایی 30 متر از Aster GDEM مشتق شده است. نوع خاک از داده های توزیع 1:1 میلیون نوع خاک در چین به دست آمد که از 13 راسته خاک تشکیل شده است. داده‌های نوع ژئومورفیک از مجموعه داده‌های توزیع فضایی 1:1 میلیون نوع ژئومورفیک در چین که دارای 8 دسته است، به دست آمد. داده‌های کاربری زمین از روش‌های نظارت سنجش از دور تغییرات کاربری/پوشش زمین چین در سال 2015 به‌دست آمد که دارای 8 دسته است. مجموعه داده ها توسط مرکز داده برای منابع و علوم محیطی، آکادمی علوم چین (RESDC) ( https://www.resdc.cn ) ارائه شده است.). همه نقشه‌های عوامل محیطی بریده شدند و طرح مخروطی یکنواخت آلبرس با مساحت مساوی تغییر شکل دادند و به مربع‌های شبکه تبدیل شدند، و همچنین به داده‌های توزیع گونه‌های مربوطه پیوستند. با توجه به انجام تجزیه و تحلیل در شبکه های 10×10 کیلومتر، اطلاعات لایه های اصلی به وضوح 10×10 کیلومتر تبدیل شد. MTCM، MTWM، AMT، AP، NDVI، AET و Ele میانگین متغیرهای متناظر در هر سلول شبکه بودند. تسکین ارتفاع (AR) اختلاف ارتفاع بین بالاترین نقطه و پایین ترین نقطه در هر شبکه بود. مدل Geodetector از متغیرهای طبقه‌بندی به جای عددی استفاده می‌کند. در اینجا، ما فاکتورهای عددی را با توجه به الگوریتم Natural Breaks به فاکتورهای طبقه بندی تبدیل کردیم [ 44 ]]، که یک روش طبقه بندی برای تقسیم مقادیر مشابه به یک کلاس و به حداکثر رساندن تفاوت بین کلاس ها است [ 45 ]. ما مقادیر هشت متغیر عددی را در 10 کلاس طبقه بندی کردیم (نشان داده شده در جدول مواد تکمیلی S1 ). با توجه به روش مساحت غالب، انواع متغیرهای طبقه بندی با بیشترین سطح پوشش به عنوان انواع برای هر سلول شبکه انتخاب شدند. توزیع فضایی طبقه بندی برای 11 متغیر در شکل 2 نشان داده شده است.

2.3. مواد و روش ها

ناهمگونی طبقه بندی فضایی (SSH) یکی از ویژگی های اساسی پدیده های جغرافیایی است که به تفاوت یک مقدار مشخصه مشخص در انواع یا مناطق مختلف اشاره دارد. هنگامی که اندازه داده ها بزرگ می شود، داده های مکانی به طور قابل توجهی ناهمگن تر هستند [ 27 ]. Geodetector ابزار جدیدی است که از ویژگی های فضایی برای اندازه گیری SSH استفاده می کند که از چهار آشکارساز تشکیل شده است [ 26 ].

آشکارساز عامل در مدل‌های Geodetector بر ناهمگونی بین ویژگی‌های عامل تمرکز می‌کند. میزان تشخیص فاکتور X تمایز فضایی ویژگی Y را توضیح می دهد . با آماره q اندازه گیری می شود، به صورت زیر بیان می شود [ 27 ]:

q=1-1نσ2∑ساعت=1Lنساعتσساعت2=1-اساسدبلیواساستی
اساسدبلیو=∑ساعت=1Lنساعتσساعت2
اساستی=نσ2

که در آن h لایه های متغیر Y یا عامل X است ( h = 1, 2, …, L). N h و N اعداد واحد لایه h و کل مساحت هستند. σ h 2 و σ 2 واریانس Y در لایه h و کل مساحت هستند. SSW و SST مجموع واریانس درون لایه و کل واریانس کل ناحیه را نشان می دهند. مقدار بزرگتر q نشان دهنده ناهمگنی فضایی واضح تر Y استو یک قدرت توضیحی قوی تر از عامل X به متغیر Y , q ∈ [0, 1].

آشکارساز بوم شناختی مقایسه می کند که آیا تفاوت معنی داری بین دو عامل در توزیع فضایی ویژگی Y وجود دارد که توسط آماره F اندازه گیری می شود.

اف=نایکس1(نایکس2-1)اساسدبلیوایکس1نایکس2(نایکس1-1)اساستیایکس2
اساسدبلیوایکس1=∑ساعت=1L1نساعتσساعت2
اساسدبلیوایکس2=∑ساعت=1L2نساعتσساعت2
N X1 و N X2 به ترتیب حجم نمونه دو عامل X1 و X2 را نشان می دهند. L 1 و L 2 به ترتیب تعداد لایه های X 1 و X 2 را نشان می دهند که در آن فرض صفر H 0 SSW X1 = SSW X2 است . اگر H 0 در سطح اهمیت α رد شود، این نشان می دهد که تفاوت معنی داری در اثر دو عامل بر توزیع فضایی Y وجود دارد.
آشکارساز تعامل، تعامل کلی بین عوامل خطر توضیحی مختلف XS را با متغیر وابسته Y بررسی می کند . بررسی می‌کند که آیا تأثیر عوامل X S بر متغیر Y مستقل هستند و آیا آنها با هم برای افزایش یا تضعیف قدرت توضیحی Y کار می‌کنند. ابتدا، مقادیر q دو عامل X 1 و X 2 برای Y به طور جداگانه محاسبه می‌شوند: q( X 1 ) و q( X 2 ). q _سپس ارزش برهمکنش آنها محاسبه می شود (با روی هم قرار دادن توزیع چندضلعی جدید که توسط مماس دو لایه X 1 و X 2 تشکیل شده است ): q( X 1 ∩ X 2 ). سپس، q( X1 ) ، q( X2 ) ، و q( X1∩X2 ) مقایسه می شوند. اگر q( X 1 ∩ X 2 ) از حداقل q( X 1 ) و q( X 2 ) کمتر باشد، نتیجه غیرخطی ضعیف می شود. اگر q( X 1 ∩ X 2) بین q( X 1 ) و q ( X 2 ) است، نتیجه تضعیف غیرخطی تک متغیره است. اگر q( X 1 ∩ X 2 ) بزرگتر از حداکثر q( X 1 ) و q( X 2 ) باشد و از مجموع آنها کمتر باشد، دو متغیره افزایش یافته است. اگر q( X 1 ∩ X 2 ) مجموع q( X 1 ) و q( X 2 ) باشد، X 1 و X 2 مستقل هستند. اگر q( X 1 ∩ X 2) حداکثر مقدار است، افزایش یافته غیرخطی است.

آشکارساز خطر می تواند میانگین Y را در هر زیر ناحیه یک عامل X ارائه دهد. از آزمون آماری t برای تعیین اینکه آیا میانگین صفات بین دو زیرحوزه به طور قابل توجهی متفاوت است استفاده می کند.

تیy¯ساعت = 1 – y¯ساعت = 2=Y¯ساعت = 2-Y¯ساعت = 2[Var(Y¯ساعت = 1)nساعت = 1+Var(Y¯ساعت = 2)nساعت = 2]

جایی که Y¯ساعتمقدار میانگین صفت در لایه h است، n h نشان دهنده تعداد نمونه ها در لایه h است و Var واریانس است. آماره t تقریباً از توزیع t Student پیروی می کند [ 46 ]. روش محاسبه درجات آزادی است

دf=Var(Y¯ساعت = 1)nساعت = 1+Var(Y¯ساعت = 2)nساعت = 21nساعت = 1-1[Var(Y¯ساعت = 1)nساعت = 1]2+1nساعت = 2-1[Var(Y¯ساعت = 2)nساعت = 2]2

که در آن فرضیه صفر H 0 است Y¯ساعت = 1=Y¯ساعت = 2. اگر H 0 در سطح معنی داری α رد شود، تفاوت معنی داری در مقدار میانگین صفات بین دو زیر ناحیه وجود دارد [ 46 ].

3. نتایج

3.1. عوامل مؤثر بر توزیع فضایی غنای پستانداران زمینی

پستانداران خشکی به طور گسترده در سراسر استان های چین پراکنده شدند ( شکل 3 ). ناهمگونی فضایی قابل توجه در توزیع پستانداران در چین با غنای کم در شرق، غرب و شمال، اما غنای بالا در جنوب شناسایی شد. جنوب چین، به‌ویژه کوه‌های هنگ‌دوان در استان یوننان، بیشترین غنا را در گونه‌های پستانداران زمینی دارد. در مقابل، غنای گونه ای در غرب و شرق چین کم بود. غنای پستانداران در شمال چین با کمترین گونه بود.
آشکارساز عامل در مدل‌های ژئودیتکتور می‌تواند چگونگی توضیح عوامل محیطی توزیع فضایی غنای پستانداران زمینی در چین را آزمایش کند. توان مقادیر تعیین کننده (q) 11 عامل در سطح معنی داری 5 درصد ( 05/ 0p <) با استفاده از آشکارساز عامل محاسبه شد ( جدول 1 ). مقادیر q عوامل محیطی به ترتیب AP > MTCM > MTWM > AET > NDVI > ST > LT > AMT > Ele > GT > AR مرتب شدند. ما از آشکارساز اکولوژیکی استفاده کردیم تا نشان دهیم که تفاوت‌های قابل‌توجهی در تأثیر عوامل محیطی مختلف بر توزیع غنای گونه‌ای وجود دارد.
AP دارای مقدار 0.57 است که تأثیر قابل توجهی بر توزیع غنای پستانداران در چین نشان می دهد. مقادیر q نسبتاً بالای MTCM نشان داد که ارتباط مثبت قابل توجهی بین MTCM و غنای پستانداران وجود دارد. MTWM در مقایسه با سایر عوامل تأثیر مثبت نسبتاً مثبتی بر غنای پستانداران داشته است، با آمار q تا 47٪ ( جدول 1)). مقادیر q از AET تأثیر تبخیر و تعرق واقعی را بر توزیع غنای پستانداران نشان داد، به این معنی که AET می تواند حدود 44 درصد از الگوی غنای پستانداران را توضیح دهد. NDVI عامل اصلی تأثیرگذار بر توزیع غنای پستانداران در چین بود که 42 درصد از تغییرات غنای پستانداران را به خود اختصاص داد. نوع خاک (ST) عامل کلیدی مؤثر بر غنای پستانداران بود که 40 درصد از تنوع توزیع غنای پستانداران را توضیح داد. اثر LT (نوع کاربری زمین) بر توزیع غنای پستانداران زمینی ثانویه بود و 37 درصد از تنوع غنای پستانداران را توضیح داد. مشخص شد که AMT نقش کلیدی در توزیع غنای پستانداران دارد. قدرت توضیحی AMT 37٪ بود که نشان می دهد AMT تا حد زیادی به توزیع غنای پستانداران کمک می کند. ارتفاع با غنای پستانداران همبستگی مثبت و ضعیفی داشت، با آمار q 19٪، در حالی که ارتفاع اثر منفی بر غنای پستانداران داشت. نوع ژئومورفیک (GT) و تسکین ارتفاع (AR) اثرات نسبتاً ضعیفی بر توزیع غنای پستانداران اعمال کردند که به ترتیب 16% و 15% از واریانس را بر غنای پستانداران توضیح دادند.
آشکارساز تعامل تعامل بین جفت عوامل محیطی را شناسایی کرد و آزمایش کرد که آیا دو متغیر محیطی به طور جداگانه کار می کنند یا با یکدیگر تعامل دارند. اگر آنها تعامل داشته باشند، اثر تقویت یا ضعیف می شود. برهمکنش هر عامل زوجی در سطح توان توضیحی 5 درصد در جدول 2 نشان داده شده است.. ارتفاع فقط 19 درصد از توزیع غنای پستانداران را توضیح داد. تعامل بارش سالانه و ارتفاع را می توان برای توضیح بهتر تفاوت های توزیع در غنای پستانداران در چین، با آمار aq 80٪ (AP ∩ Ele = 0.80 > 0.76 = AP (0.57) + Ele (0.19)) استفاده کرد. برهمکنش بین حداقل دمای سردترین ماه و ارتفاع (MTCM∩ Ele = 0.80 > 0.72 = MTCM (0.53) + Ele (0.19)) تأثیر قابل‌توجهی بر تفاوت توزیع غنای پستانداران داشت، زیرا غیرخطی افزایش می‌یابد. علاوه بر این، برهمکنش‌های بین ارتفاع و هر عاملی در میان بارش و آب و هوا به عنوان دلایل اصلی توزیع غنای پستانداران شناخته شد. ما همچنین دریافتیم که برخی از عوامل تأثیر نسبتا کمی بر غنای پستانداران دارند. اما اثرات قابل توجهی را با اثر متقابل عوامل بارش و آب و هوا ارائه کرد. به عنوان مثال، نسبت تسکین ارتفاع و بارش سالانه (AR∩ AP = 0.70 <0.72 = AR (0.15) + AP (0.57)) نیز از نظر غنای پستانداران غالب بود، که دو متغیره افزایش یافته است. نوع ژئومورفیک و میانگین دمای سالانه (GT ∩ AMT = 0.63 > 0.53 = GT (0.16) + AMT (0.37)) یکدیگر را با توجه به توزیع غنای پستانداران افزایش می دهند. این نشان داد که عوامل بارندگی و آب و هوا نقش مهمی در افزایش سایر عوامل موثر بر پراکنش پستانداران دارند. نوع ژئومورفیک و میانگین دمای سالانه (GT ∩ AMT = 0.63 > 0.53 = GT (0.16) + AMT (0.37)) یکدیگر را با توجه به توزیع غنای پستانداران افزایش می دهند. این نشان داد که عوامل بارندگی و آب و هوا نقش مهمی در افزایش سایر عوامل موثر بر پراکنش پستانداران دارند. نوع ژئومورفیک و میانگین دمای سالانه (GT ∩ AMT = 0.63 > 0.53 = GT (0.16) + AMT (0.37)) یکدیگر را با توجه به توزیع غنای پستانداران افزایش می دهند. این نشان داد که عوامل بارندگی و آب و هوا نقش مهمی در افزایش سایر عوامل موثر بر پراکنش پستانداران دارند.

3.2. عوامل مؤثر بر توزیع سفارشات پستانداران

ما 11 راسته پستانداران خشکی را تجزیه و تحلیل کردیم و محدوده توزیع آنها در شکل S1 (مواد تکمیلی) نشان داده شده است. ویژگی‌های کلی راسته‌ها مشابه بود، با اکثر آنها غنای گونه‌ای کمتر در شمال و غنای گونه‌ای بالاتر در جنوب غربی چین را نشان دادند. ما از آشکارساز عامل برای تعیین تأثیر عوامل محیطی بر غنای سفارشات مختلف استفاده کردیم.
توزیع غنای اکثر سفارشات عمدتاً تحت تأثیر MTCM و AP قرار گرفت. Chiroptera بیشتر در جنوب چین و در اکثر مناطق شمال متمرکز است. عوامل محیطی جغرافیایی که عمدتاً بر توزیع غنای گونه ای Chiroptera تأثیر می گذارد ( شکل 4) MTCM، AP و MTWM بودند. AR کمترین توزیع را تحت تأثیر قرار داد. راسته Pholidota گونه های کمی با پراکنش اندک در چین دارد. عوامل محیطی مؤثر بر توزیع غنای Pholidota شبیه به Chiroptera بود. گونه های موجود در پریمات ها فقط در جنوب چین پراکنده می شوند. توزیع غنای پستانداران به طور قابل توجهی تحت تاثیر MTCM و AP قرار گرفت. گوشتخواران توزیع گسترده ای از غنا در چین دارند. AP و AET عوامل اصلی مؤثر بر توزیع غنای گونه بودند. Eulipotyphla در سراسر کشور به جز فلات چینگهای-تبت پراکنده شده است. AP، با بیشترین مقدار q، تأثیر قابل توجهی بر توزیع فضایی غنای گونه ای Eulipotyphla و به دنبال آن NDVI داشت.
غنای گونه ای رودنتیا، پریسوداکتیلا و لاگومورفا تحت تأثیر ارتفاع، نوع خاک و AMT قرار گرفت. رودنتیا در سراسر کشور شیوع دارد. پراکنش گونه Rodentia تحت تاثیر ارتفاع و نوع خاک قرار گرفت. Perissodactyla تنها در غرب چین، به شدت تحت تاثیر ارتفاع و ST توزیع شده است. غنای گونه ای لاگومورفا در فلات شرقی چینگهای-تبت بیشتر است. ارتفاع تأثیر قابل توجهی بر توزیع غنای گونه ای لاگومورفا داشت. مقدار q Ele 0.50 و پس از 0.42 برای AMT بود. با این حال، عوامل محیطی مؤثر بر غنای گونه‌ای Cetartiodactyla، Scandentia و Proboscidea با سایر راسته‌ها متفاوت بود. غنای گونه Cetartiodactyla در شمال کمتر از جنوب است. Cetartiodactyla با تفاوت در غنای توزیع عمدتا مربوط به AR و GT بود. محدوده توزیع Scandentia بسیار کوچک است و گونه ها به طور قابل توجهی تحت تأثیر AET قرار می گیرند. Proboscidea در یک منطقه کوچک توزیع می شود که تحت تأثیر هیچ یک از متغیرهای محیطی به جز AET قرار نمی گیرد.
ما از آشکارساز برهمکنش برای شناسایی اثر متقابل بین عوامل محیطی بر توزیع غنای گونه‌ای در ردیف‌های مختلف استفاده کردیم. اثرات متقابل جفت عوامل محیطی افزایش غیرخطی و دو متغیره افزایش یافته بود. نتایج نشان داد که روابط متقابل دو عامل تأثیر غنای گونه ای را افزایش می دهد ( شکل 5). توزیع غنای گونه Chiroptera به طور قابل توجهی تحت تأثیر MTCM قرار گرفت و تعامل بین MTCM و سایر عوامل تأثیر تأثیر را افزایش داد. تأثیر عوامل محیطی بر توزیع Chiroptera و Pholidota مشابه بود. MTCM تک عاملی معنی‌دار بود، در حالی که تأثیر متقابل MTCM و سایر عوامل بر غنای گونه‌ای Pholidota معنی‌دارتر بود. توزیع غنای گونه ای پستانداران بیشتر تحت تأثیر MTCM و کمتر تحت تأثیر Ele قرار گرفت. با این حال، تعامل بین Ele و هر یک از MTCM، AP، و AMT تأثیر آشکارتری بر غنای گونه‌ای پستانداران داشت. AP عامل اصلی مؤثر بر توزیع گونه‌های گوشتخوار بود و تعامل با سایر عوامل تأثیر را افزایش داد. تأثیر Ele بر غنای گونه‌ای Carnivora حداقل بود، اما تعامل Ele با AP، MTCM و AMT معنی‌دارتر بود. عوامل محیطی موثر بر توزیع غنای Eulipotyphla مشابه گوشتخوار بود. AP عامل اصلی تأثیرگذار بود، اما تعامل Ele با سایر عوامل تأثیر آشکارتری بر غنا داشت، به ویژه تعامل بین MTCM و Ele. توزیع گونه Perissodactyla به طور قابل توجهی توسط Ele تحت تاثیر قرار گرفت. اثر متقابل Ele با سایر عوامل تأثیر بر غنای گونه ای Perissodactyla را افزایش داد اما کمتر از اثر ترکیبی NDVI و AMT بود. عوامل محیطی مؤثر بر توزیع غنای Lagomorpha و Rodentia مشابه بودند. Ele عامل اصلی تأثیر بود و تعامل با سایر عوامل تأثیر را افزایش داد. توزیع غنای گونه ای Cetartiodactyla به طور قابل توجهی تحت تأثیر AR قرار گرفت، اما تعامل Ele و سایر عوامل تأثیر را تقویت کرد. توزیع غنای Scandentia عمدتاً تحت تأثیر عامل واحد MTWM قرار گرفت. با این حال، تعامل Ele با AMT، MTCM، و MTWM تأثیر بیشتری بر توزیع غنا داشت و به دنبال آن تعامل MTWM با عوامل دیگر قرار گرفت. غنای گونه ای Proboscidea بیشتر تحت تأثیر AET قرار گرفت. AET همراه با عوامل دیگر تأثیر بیشتری بر توزیع Proboscidea داشت. GT و AR تأثیر کمی بر توزیع غنای گونه‌ای در ردیف‌های مختلف داشتند، اما تعامل با سایر عوامل می‌تواند تأثیر بر غنای گونه‌ای را افزایش دهد. اثر متقابل بین دو عامل بیشتر از تأثیر یک عامل بر غنای گونه ای بود.

3.3. نشان دادن عوامل محیطی در توزیع غنای پستانداران

تجزیه و تحلیل مدل‌های آشکارساز عامل، امکان غربالگری عواملی را فراهم کرد که تأثیرات قابل توجهی بر توزیع حیوانات در میان بسیاری از شاخص‌های محیطی داشتند. هر گونه دارای محدوده منحصر به فرد زیستگاه خود است، با آشکارساز خطر اجازه می دهد تا انواع و محدوده مناسب گونه های پستانداران در عوامل محیطی مورد تجزیه و تحلیل قرار گیرد (سطح اطمینان 95٪).
در مناطقی که بارش سالانه 897.83-1146.46 میلی متر بود، غنای گونه ای فراوان ترین بود. با این حال، در زیر سطح 305.96-480.55 میلی متر از AP، بارش کمتر منجر به تجمع بسیاری از گونه ها نبود. برای غنای پستانداران زمینی، بیشتر غنای گونه ای در محدوده AMT 20.28-28.23 درجه سانتیگراد بود ( شکل 6). با این حال، زمانی که میانگین دمای سالانه زیر صفر بود، غنای گونه کم بود. غنای گونه ای در محدوده 13.28-23.65 درجه سانتیگراد MTWM و محدوده 6.39-17.64 درجه سانتیگراد MTCM بسیار فراوان بود. دمای بسیار پایین محیط تأثیرات منفی بر توزیع حیوانات داشت. در مناطقی که تبخیر و تعرق واقعی زیاد بود، غنای گونه ای بالا بود. شاخص پوشش گیاهی بالاتر نشان دهنده غنای گونه ای بالاتر است. غنای گونه های پستانداران در زمین های جنگلی بیشترین فراوانی را داشت و برخی از پستانداران عمدتاً در چوب درختچه ها پراکنده شدند. با این حال، غنای گونه‌ای در زمین‌های بلااستفاده، از جمله مناطق خالی، که استفاده از زمین در آنها دشوار است، کم بود. پستانداران خشکی به طور عمده در مناطق با ferralsols توزیع شدند. این خاکها عمدتاً در مناطق مرطوب گرمسیری و نیمه گرمسیری پراکنده شدند. در محدوده ارتفاعی 1905.60-2562. در 62 متر غنای گونه ای بیشترین بود اما با افزایش ارتفاع کاهش یافت. غنای گونه‌ای در ارتفاع 2613-3816 متری به وفور یافت می‌شود، اما زمانی که نقش برجسته ارتفاع بیش از حد مسطح بود، غنای آن کاهش یافت. سطح غنای گونه‌ای بالایی در کوه‌های بسیار موج‌دار وجود داشت و تفاوت‌های قابل‌توجهی بین انواع لندفرم وجود داشت.

4. بحث

تجزیه و تحلیل ما نشان داد که بارش سالانه به عنوان تأثیرگذارترین عامل در توزیع فضایی غنای پستانداران در چین است. شایان ذکر است، این دیدگاه توسط مدلین نیز پشتیبانی می‌شود، او پیشنهاد کرد که بارش سالانه یکی از علل اساسی غنای پستانداران است [ 3 ]. بارش و پوشش گیاهی عموماً تأثیرات غیر قابل اغماض بر توزیع پستانداران دارند. بیشتر حیوانات در جهان عمدتاً به پوشش گیاهی علفزار به عنوان منبع غذایی خود وابسته هستند [ 47 ]. مشخص است که بهره وری گیاه تحت تأثیر بارش است [ 48 و 49 ]. تغییرات در پوشش گیاهی به نوبه خود بر توزیع و فراوانی پستانداران تأثیر می گذارد [ 50 ]. یافته های ما مشابه یافته های Lin و همکاران است. [51 ]، که شناسایی کردند که NDVI تأثیر مهمی بر الگوی فضایی غنای گونه‌ای گروه‌های مختلف بر اساس مدل خطی بهینه دارد. حداقل دمای سردترین ماه و حداکثر دمای گرمترین ماه (MTWM) تأثیر مثبت نسبتاً قابل توجهی بر غنای پستانداران دارد. بیشتر پستانداران به عنوان مهره داران گرمازا به بهره وری یا آب و هوای محیطی وابسته هستند، تا حدی به دلیل مکانیسم های مورد استفاده برای تنظیم دما. به عنوان مثال، با تغییر دمای محیط، این گروه نیاز به مصرف انرژی زیادی برای حفظ دمای بدن ثابت دارد [ 52 ]. در حال حاضر، تحقیقات زیادی نشان داده است که MTCM یک عامل قابل توجه تأثیرگذار بر توزیع حیوانات است [ 13 ، 14 ]. شاپ و همکاران [53 ] روابط بین ارتفاع و تنوع تاج رودنتیا و لاگومورفا را با شرایط آب و هوایی فعلی تجزیه و تحلیل کرد و همبستگی قوی پارامترهای ساختار جامعه با حداکثر دمای گرم ترین ماه و حداقل دمای سردترین ماه را یافت. ما دریافتیم که AET نقش مهمی در توزیع غنای گونه ای ایفا می کند. همانطور که در Torres-Romero و Olalla-Tarraga [ 54 ] آشکار شد، تبخیر و تعرق واقعی عامل کلیدی است که بر توزیع غنای گونه های پستانداران در سراسر جهان تأثیر می گذارد.
نتایج ما نشان داد که اکثر سفارشات پستانداران عمدتاً تحت تأثیر سطوح تحمل انجماد و بهره‌وری منطقه‌ای قرار می‌گیرند (به ویژه MTCM و AP). توپوگرافی، آب و هوا، پوشش گیاهی و عوامل دیگر با هم بر روی پستانداران اثر می گذارند و در نتیجه انواع مختلف پستانداران از نظر ساختار مورفولوژیکی و عادات زندگی با محیط های مختلف سازگار می شوند. Chiroptera حیوانات پویکیلوترمیک نیستند و به Megachiroptera و Microchiroptera تقسیم می شوند. تمام گونه‌های Megachiroptera مورد مطالعه، حیواناتی گرمازا هستند، با دمای ثابت بدن بدون توجه به دمای محیط اطراف تا حد زیادی. از طرف دیگر گونه های Microchiroptera درجات مختلفی از هتروترمی را نشان می دهند [ 55]. در بسیاری از گونه های Microchiroptera، دمای بدن و سرعت متابولیسم تنها در طول فعالیت افزایش می یابد. این باعث می‌شود زمانی که فعال هستند گرمازا باشند و زمانی که در حالت استراحت هستند پوکیلوترمیک هستند [ 56 ]. بنابراین، بقای Microchiroptera ارتباط نزدیکی با محیط، به ویژه دما دارد. پستانداران به طور گسترده در مناطق گرمسیری و نیمه گرمسیری پراکنده هستند که عمدتاً در جنگل ها زندگی می کنند [ 57 ] و دمای بسیار پایین فعالیت آنها را محدود می کند. برعکس، Perissodactyla عمدتاً تحت تأثیر ناهمگونی زیستگاه قرار گرفت و سطوح بهره‌وری منطقه تأثیر کمتری بر Lagomorpha داشت. Perissodactyla عمدتاً شامل علفخواران در مقیاس بزرگ است [ 58] که در محیط های استپی، نیمه بیابانی و بیابانی رخ می دهد. آنها در مناطق کوهستانی یا نواحی باز فلات ها ساکن هستند که به شدت تحت تأثیر ارتفاع و نوع خاک قرار دارند. بیشتر گونه های لاگومورفا زیستگاه های آلپی را اشغال می کنند که عمدتاً تحت تأثیر ارتفاع قرار می گیرند. درجه تاثیر بالاتر از ضریب حرارت محیطی بود. اکثر گونه های Eulipotyphla از حشرات و حیوانات کوچک تغذیه می کنند، در حالی که سایر گونه ها از ریزوم گیاهی و میوه های برگ تغذیه می کنند که ارتباط نزدیکی با شاخص پوشش گیاهی دارند.
تجزیه و تحلیل توزیع فضایی حیوانات با ترکیب تجزیه و تحلیل فضایی GIS با روش های آماری از کیفی به کمی تغییر کرده است. با بهره گیری از تجزیه و تحلیل داده های مکانی GIS، ما از آخرین داده ها استفاده کردیم و الگوهای توزیع فضایی پستانداران زمینی در چین را در شبکه های جغرافیایی 10 در 10 کیلومتر اندازه گیری کردیم. در مقایسه با مطالعات قبلی محدود به مناطق اداری یا مناطق کوچکتر، مساحت واحد مورد مطالعه تأثیر مساحت بر غنای گونه‌ای را حذف کرد، برای متغیرهای منفرد کنترل شد، و ما سایر عوامل را با توزیع حیوانات تحت شرایط مشابه مقایسه کردیم.
تمایز اصلی بین روش‌ها شامل نوع داده‌هایی است که استفاده می‌کنند. مدل های طاقچه اکولوژیکی در پیش بینی توزیع پتانسیل گونه ها عملکرد خوبی دارند و منحنی های پاسخ را برای هر متغیر ارائه می دهند. با این حال، اکثر آنها بر اساس داده های حضور گونه ها هستند. هدف ما تحلیل کمی تأثیر عوامل جغرافیایی بر توزیع فضایی غنای پستانداران زمینی در چین بود. با این حال، هیچ مجموعه ای سیستماتیک از داده های حضور-غیاب پستانداران چینی وجود ندارد. در این مطالعه، داده‌های توزیع گونه‌های پستانداران از تنوع پستانداران و توزیع جغرافیایی چین به‌دست آمد [ 39 ]]، که سیستماتیک تر است و توسط بسیاری از جانورشناسان سازماندهی شده است. در همان زمان، متغیرهای طبقه‌بندی شامل خاک، شکل زمین و کاربری زمین را به عنوان عوامل محیطی انتخاب کردیم. تجزیه و تحلیل ژئودتکتور بر اساس یک رابطه آماری [ 59 ] است که یک خروجی فضایی ارائه نمی دهد. تفاوت هایی با مدل های طاقچه اکولوژیکی وجود دارد. با این حال، مدل Geodetector برای طبقه بندی فضایی انواع مختلف داده های کیفی مساعدتر است. این می تواند نوع خاک، شکل زمین و کاربری زمین را برای توضیح طبقه بندی توزیع پستانداران کمیت کند.
هدف ما ارائه امکانات استفاده از ژئودتکتور برای تجزیه و تحلیل عوامل محیطی است که بر توزیع غنای گونه ای تأثیر می گذارد. ژئودتکتور می تواند انواع و محدوده مناسب عوامل تعیین کننده ناهمگنی طبقه بندی شده متغیرهای وابسته را به طور جامع تری شناسایی کند. آشکارساز عامل در ژئودتکتور اهمیت یا تأثیر نسبی متغیرهای مربوط به غنای گونه ای را بدون هیچ گونه فرضی یا محدودیتی در مقایسه با روش های آماری سنتی نشان می دهد. آشکارساز اکولوژیکی در ژئودتکتور تفاوت تاثیر بین دو متغیر توضیحی را شناسایی می کند. آشکارساز خطر در ژئودتکتور می تواند طیف وسیعی از محیط های جغرافیایی مناسب برای بقای چندین حیوان را بررسی کند. این مقایسه بهتری از توزیع گونه ها با طبقه بندی های مختلف عوامل محیطی مختلف ارائه می دهد. با استفاده از آشکارساز برهمکنش در Geodetector برای کشف برهمکنش دو عامل، دیدگاه جدیدی در مطالعات توزیع پستانداران ارائه شده است. نتایج نشان می دهد که تعامل دو عاملی به طور قابل توجهی تأثیر عوامل محیطی مستقل را بر توزیع غنای پستانداران افزایش می دهد.
متغیر باید در مدل های ژئودتکتور طبقه بندی شود. با این حال، برای تجزیه و تحلیل جامع اثرات عوامل محیطی بر غنای گونه‌های پستانداران، باید متغیرهای عددی و متغیرهای طبقه‌بندی را انتخاب کنیم. متغیرهای عددی باید به یک دسته تبدیل شوند که به ناچار منجر به از دست رفتن اطلاعات می شود. طبقه بندی دقیق تر عوامل محیطی عددی منجر به از دست دادن اطلاعات کمتر می شود و نشان دهنده تأثیر مهم تری بر عامل هدف است. متغیرهای عددی را به 10 دسته، 20 دسته، 30 دسته و 50 دسته تقسیم کردیم و مقدار q هر متغیر عددی تغییر چندانی نداشت. نتایج نشان می دهد که، صرف نظر از اینکه هر متغیر عددی چگونه طبقه بندی می شود، تأثیر آن بر غنای گونه ای در محدوده خاصی است. تأثیر نسبی متغیرهای عددی مختلف بر غنای گونه‌ای تغییری نکرد. نوع خاک شامل 13 راسته خاک و نوع لندفرم و نوع کاربری دارای 8 دسته بود. برای حفظ تفاوت‌های کوچک در دسته‌ها بین متغیرهای عددی و متغیرهای طبقه‌بندی، مقادیر هشت متغیر عددی را در 10 کلاس طبقه‌بندی کردیم. عوامل بالقوه دیگری نیز وجود دارند که تأثیرات عمده ای بر غنای پستانداران دارند. در تجزیه و تحلیل بعدی، متغیرهای بیشتری برای طبقه‌بندی مجزای دقیق‌تر برای ارزیابی جامع تأثیر عوامل محیطی بر توزیع غنای گونه‌های پستانداران انتخاب می‌شوند. در نتیجه، ما کشف کردیم که ژئودتکتور ابزار مهم و امیدوارکننده ای برای بوم شناسان برای تجزیه و تحلیل و مطالعه غنای گونه ای است. نوع خاک شامل 13 راسته خاک و نوع لندفرم و نوع کاربری دارای 8 دسته بود. برای حفظ تفاوت‌های کوچک در دسته‌ها بین متغیرهای عددی و متغیرهای طبقه‌بندی، مقادیر هشت متغیر عددی را در 10 کلاس طبقه‌بندی کردیم. عوامل بالقوه دیگری نیز وجود دارند که تأثیرات عمده ای بر غنای پستانداران دارند. در تجزیه و تحلیل بعدی، متغیرهای بیشتری برای طبقه‌بندی مجزای دقیق‌تر برای ارزیابی جامع تأثیر عوامل محیطی بر توزیع غنای گونه‌های پستانداران انتخاب می‌شوند. در نتیجه، ما کشف کردیم که ژئودتکتور ابزار مهم و امیدوارکننده ای برای بوم شناسان برای تجزیه و تحلیل و مطالعه غنای گونه ای است. نوع خاک شامل 13 راسته خاک و نوع لندفرم و نوع کاربری دارای 8 دسته بود. برای حفظ تفاوت‌های کوچک در دسته‌ها بین متغیرهای عددی و متغیرهای طبقه‌بندی، مقادیر هشت متغیر عددی را در 10 کلاس طبقه‌بندی کردیم. عوامل بالقوه دیگری نیز وجود دارند که تأثیرات عمده ای بر غنای پستانداران دارند. در تجزیه و تحلیل بعدی، متغیرهای بیشتری برای طبقه‌بندی مجزای دقیق‌تر برای ارزیابی جامع تأثیر عوامل محیطی بر توزیع غنای گونه‌های پستانداران انتخاب می‌شوند. در نتیجه، ما کشف کردیم که ژئودتکتور ابزار مهم و امیدوارکننده ای برای بوم شناسان برای تجزیه و تحلیل و مطالعه غنای گونه ای است. برای حفظ تفاوت‌های کوچک در دسته‌ها بین متغیرهای عددی و متغیرهای طبقه‌بندی، مقادیر هشت متغیر عددی را در 10 کلاس طبقه‌بندی کردیم. عوامل بالقوه دیگری نیز وجود دارند که تأثیرات عمده ای بر غنای پستانداران دارند. در تجزیه و تحلیل بعدی، متغیرهای بیشتری برای طبقه‌بندی مجزای دقیق‌تر برای ارزیابی جامع تأثیر عوامل محیطی بر توزیع غنای گونه‌های پستانداران انتخاب می‌شوند. در نتیجه، ما کشف کردیم که ژئودتکتور ابزار مهم و امیدوارکننده ای برای بوم شناسان برای تجزیه و تحلیل و مطالعه غنای گونه ای است. برای حفظ تفاوت‌های کوچک در دسته‌ها بین متغیرهای عددی و متغیرهای طبقه‌بندی، مقادیر هشت متغیر عددی را در 10 کلاس طبقه‌بندی کردیم. عوامل بالقوه دیگری نیز وجود دارند که تأثیرات عمده ای بر غنای پستانداران دارند. در تجزیه و تحلیل بعدی، متغیرهای بیشتری برای طبقه‌بندی مجزای دقیق‌تر برای ارزیابی جامع تأثیر عوامل محیطی بر توزیع غنای گونه‌های پستانداران انتخاب می‌شوند. در نتیجه، ما کشف کردیم که ژئودتکتور ابزار مهم و امیدوارکننده ای برای بوم شناسان برای تجزیه و تحلیل و مطالعه غنای گونه ای است. متغیرهای بیشتری برای طبقه‌بندی مجزای دقیق‌تر برای ارزیابی جامع تأثیر عوامل محیطی بر توزیع غنای گونه‌های پستانداران انتخاب می‌شوند. در نتیجه، ما کشف کردیم که ژئودتکتور ابزار مهم و امیدوارکننده ای برای بوم شناسان برای تجزیه و تحلیل و مطالعه غنای گونه ای است. متغیرهای بیشتری برای طبقه‌بندی مجزای دقیق‌تر برای ارزیابی جامع تأثیر عوامل محیطی بر توزیع غنای گونه‌های پستانداران انتخاب می‌شوند. در نتیجه، ما کشف کردیم که ژئودتکتور ابزار مهم و امیدوارکننده ای برای بوم شناسان برای تجزیه و تحلیل و مطالعه غنای گونه ای است.

5. نتیجه گیری ها

ما الگوهای توزیع فضایی غنای پستانداران زمینی را ارزیابی کردیم و عوامل اصلی مؤثر بر تفاوت‌های توزیع در غنای گونه‌ای را تحلیل کردیم. این تحقیق به شناسایی تفاوت های فضایی در غنای پستانداران، با در نظر گرفتن همه جانبه آب و هوا، بارش، توپوگرافی و عوامل پوشش گیاهی، با استفاده از مدل ژئودتکتور برای بحث در مورد قدرت نفوذ و اثر هم افزایی بین عوامل کلیدی کمک می کند. نتایج اصلی به شرح زیر است:
(1)
الگوی فضایی پستانداران زمینی در چین روند پایین شرقی-غربی و ناهمگونی متمایز را در شمال و جنوب نشان داد. AP و MTCM عوامل غالب مؤثر بر تمایز فضایی غنای پستانداران در چین بودند.
(2)
ویژگی‌های توزیع غنای گونه‌ای در گروه‌های طبقه‌بندی تحت تأثیر عوامل محیطی مختلف قرار گرفت. بسیاری از سفارشات پستانداران تحت تأثیر سطوح تحمل انجماد و بهره وری منطقه ای قرار گرفتند (به طور عمده MTCM و AP). Perissodactyla عمدتاً تحت تأثیر ناهمگنی زیستگاه قرار گرفت، در حالی که سطوح بهره‌وری منطقه تأثیر کمتری بر Lagomorpha داشت.
(3)
دمای بسیار پایین محیط تأثیرات منفی بر پراکنش جانوران داشت، با بارش بسیار کم که منجر به تجمع بسیاری از گونه‌ها نمی‌شد. در یک ارتفاع خاص، غنای طبقه بندی پستانداران با افزایش ارتفاع کاهش یافت. پستانداران کمتری در مناطقی وجود داشتند که ارتفاع بیش از حد مسطح بود و بیشتر پستانداران در زمین های جنگلی زندگی می کردند.
(4)
اثر متقابل هر دو عامل محیطی افزایش دو متغیره یا اثرات افزایش غیرخطی قابل توجهی بر توزیع فضایی غنای گونه‌ای با توجه به متغیرهای فردی داشت. هم افزایی ارتفاع با حداقل دمای سردترین ماه و بارش سالانه می تواند تفاوت های توزیع منطقه ای در غنای پستانداران در چین را به بهترین شکل توضیح دهد.
مطالعه ما درک دقیق تری از میزان تأثیرپذیری توزیع گونه ها توسط عوامل محیطی فردی و جفت آنها ارائه می دهد. هدف ما تسهیل استفاده گسترده تر از ژئودتکتور توسط بوم شناسان است. در نتیجه، یافته‌های ما می‌تواند برای نظارت سنجش از راه دور حفاظت از حیوانات مورد استفاده قرار گیرد، که می‌تواند به درک محدوده توزیع پستانداران زمینی و مناطق کنترل کلیدی در مناطق حفاظت‌شده از دیدگاه کلان کمک کند. همچنین می تواند به ارائه برخی شواهد مرجع برای سیاست حفاظت از تنوع گونه ها کمک کند. علاوه بر این، برخی از فعالیت های انسانی مانند چرای بی رویه و جنگل زدایی ممکن است با از بین بردن زیستگاه های موجود بر توزیع حیوانات تأثیر بگذارد.

منابع

  1. Scanes، CG فصل 19-فعالیت انسانی و از دست دادن زیستگاه: تخریب، تکه تکه شدن و تخریب. در حیوانات و جامعه انسانی ; Scanes, CG, Toukhsati, SR, Eds. مطبوعات دانشگاهی: کمبریج، MA، ایالات متحده آمریکا، 2018; ص 451-482. [ Google Scholar ] [ CrossRef ]
  2. دانل، ک. لوندبرگ، پی. Niemela، P. غنای گونه در گیاهخواران پستانداران: الگوها در منطقه شمالی. اکوگرافی 1996 ، 19 ، 404-409. [ Google Scholar ] [ CrossRef ]
  3. Medellín، RA تنوع و حفاظت از پستانداران در selva-lacandona، چیاپاس، مکزیک. حفظ کنید. Biol. 1994 ، 8 ، 780-799. [ Google Scholar ] [ CrossRef ]
  4. اندروز، پی. O’Brien، EM آب و هوا، پوشش گیاهی، و گرادیان های قابل پیش بینی در غنای گونه های پستانداران در جنوب آفریقا. جی. زول. 2000 ، 251 ، 205-231. [ Google Scholar ] [ CrossRef ]
  5. بادگلی، سی. فاکس، DL جغرافیای زیستی اکولوژیکی پستانداران آمریکای شمالی: تراکم گونه ها و ساختار اکولوژیکی در رابطه با شیب های محیطی. J. Biogeogr. 2000 ، 27 ، 1437-1467. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  6. براون، جی اچ دو دهه ادای احترام به سانتا روزالیا – به سوی یک نظریه کلی تنوع. صبح. زول. 1981 ، 21 ، 877-888. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  7. رایت، تئوری انرژی- گونه های DH – بسط نظریه گونه-منطقه. Oikos 1983 ، 41 ، 496-506. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  8. ترنر، JRG; لنون، ​​جی جی؛ Lawrenson، JA بریتانیا توزیع گونه های پرندگان و نظریه انرژی. طبیعت 1988 ، 335 ، 539-541. [ Google Scholar ] [ CrossRef ]
  9. Currie، DJ Energy و الگوهای در مقیاس بزرگ غنای گونه های حیوانی و گونه های گیاهی. صبح. نات. 1991 ، 137 ، 27-49. [ Google Scholar ] [ CrossRef ]
  10. Connell, JH; Orias، E. تنظیم زیست محیطی تنوع گونه ها. صبح. نات. 1964 ، 98 ، 399-414. [ Google Scholar ] [ CrossRef ]
  11. استیونز، جی سی شیب عرضی در محدوده جغرافیایی – چگونه بسیاری از گونه ها در مناطق استوایی همزیستی دارند. صبح. نات. 1989 ، 133 ، 240-256. [ Google Scholar ] [ CrossRef ]
  12. O’Brien، EM گرادیان های اقلیمی در غنای گونه های گیاهی چوبی – به سوی توضیحی مبتنی بر تجزیه و تحلیل فلور چوبی آفریقای جنوبی. J. Biogeogr. 1993 ، 20 ، 181-198. [ Google Scholar ] [ CrossRef ]
  13. هاوکینز، کارشناسی; پورتر، EE; دینیز، بهره‌وری و تاریخچه JAF به عنوان پیش‌بینی‌کننده گرادیان تنوع عرضی پرندگان زمینی. اکولوژی 2003 ، 84 ، 1608-1623. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  14. هاوکینز، قدیمی ترین الگوی اکولوژی کارشناسی ارشد؟ Trends Ecol. تکامل. 2001 ، 16 ، 470. [ Google Scholar ] [ CrossRef ]
  15. کر، جی تی؛ Packer، L. ناهمگونی زیستگاه به عنوان یک عامل تعیین کننده غنای گونه های پستانداران در مناطق پر انرژی. طبیعت 1997 ، 385 ، 252-254. [ Google Scholar ] [ CrossRef ]
  16. Ricklefs، تنوع جامعه RE-نقش های نسبی فرآیندهای محلی و منطقه ای. Science 1987 , 235 , 167-171. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  17. مالدونادو، AD; روپرو، RF؛ آگیلرا، PA; مولانا، ر. Salmeron، A. شبکه های بیزی پیوسته برای تخمین غنای گونه ای. Prog. آرتیف. هوشمند 2015 ، 4 ، 49-57. [ Google Scholar ] [ CrossRef ]
  18. گرنیر، آر. Orme، CDL; جکسون، اس.اف. توماس، جی اچ. دیویس، آر جی. دیویس، تی جی; جونز، KE; اولسون، VA; Ridgely، RS; راسموسن، رایانه شخصی؛ و همکاران توزیع جهانی و حفاظت از مهره داران نادر و در معرض خطر. طبیعت 2006 ، 444 ، 93-96. [ Google Scholar ] [ CrossRef ]
  19. هانتلی، بی. بری، PM; کرامر، دبلیو. مک‌دونالد، مدل‌سازی AP محدوده‌های فعلی و بالقوه آینده برخی از گیاهان عالی اروپایی با استفاده از سطوح پاسخ اقلیمی. J. Biogeogr. 1995 ، 22 ، 967-1001. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. Vayssières، نماینده مجلس؛ کارخانه، RE; درختان طبقه بندی آلن دیاز، BH: یک رویکرد غیر پارامتری جایگزین برای پیش بینی توزیع گونه ها. J. Veg. علمی 2000 ، 11 ، 679-694. [ Google Scholar ] [ CrossRef ]
  21. De’ath، G. درختان رگرسیون چند متغیره: یک تکنیک جدید برای مدل‌سازی گونه‌ها – روابط محیطی. اکولوژی 2002 ، 83 ، 1105-1117. [ Google Scholar ] [ CrossRef ]
  22. استمن، ا. مدل‌های پیش‌بینی آربیزو، PM با استفاده از رگرسیون جنگل تصادفی برای الگوهای توزیع مایوفون در آب‌های ایسلندی. Mar. Biodivers. 2018 ، 48 ، 719-735. [ Google Scholar ] [ CrossRef ]
  23. الیت، جی. Leathwick، JR; Hastie, T. راهنمای کار برای درختان رگرسیون تقویت شده. J. Anim. Ecol. 2008 ، 77 ، 802-813. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  24. سیلو، ن. باربوسا، AM اشتباهات رایج در مدل های طاقچه اکولوژیکی. بین المللی جی. جئوگر. Inf. علمی 2020 ، 1-14. [ Google Scholar ] [ CrossRef ]
  25. آگیلار، م. Lado، C. مدل‌های طاقچه اکولوژیکی اهمیت تنوع آب و هوا را برای جغرافیای زیستی آمیب‌های پروستلوئیدی نشان می‌دهند. ISME J. 2012 ، 6 ، 1506-1514. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  26. وانگ، جی اف. Xu، CD Geodetector: اصل و آینده نگر. Acta Geogr. گناه 2017 ، 72 ، 116-134. [ Google Scholar ] [ CrossRef ]
  27. وانگ، جی اف. ژانگ، TL; Fu، BJ اندازه گیری ناهمگنی طبقه بندی شده فضایی. Ecol. اندیک. 2016 ، 67 ، 250-256. [ Google Scholar ] [ CrossRef ]
  28. وانگ، جی اف. لی، XH; کریستاکوس، جی. لیائو، Y.-L. ژانگ، تی. گو، ایکس. ژنگ، X.-Y. ارزیابی خطر سلامت مبتنی بر آشکارسازهای جغرافیایی و کاربرد آن در مطالعه نقص لوله عصبی منطقه هشون، چین. بین المللی جی. جئوگر. Inf. علمی 2010 ، 24 ، 107-127. [ Google Scholar ] [ CrossRef ]
  29. چن، CL; ژانگ، QJ; Lv، X.; تجزیه و تحلیل هوانگ، XJ بر روی ویژگی‌های مکانی-زمانی و مکانیسم‌های محرک اشغال زمین‌های زراعی و مکمل در استان جیانگ سو. اقتصاد Geogr. 2016 ، 36 ، 155-163. [ Google Scholar ]
  30. زو، بی. خو، اس. Zhang، J. تجزیه و تحلیل تغییرات فضایی آلودگی هوای شهری با استفاده از GIS: دیدگاه کاربری زمین. Geomat. Inf. علمی دانشگاه ووهان 2017 ، 42 ، 216-222. [ Google Scholar ]
  31. شن، جی. ژانگ، ن. او، بی. لیو، سی. لی، ی. ژانگ، هی. چن، XY; Lin, H. ساخت یک سیستم مدل مبتنی بر GeogDetector برای نشان دادن احتمال وقوع ملخ ها در زیستگاه های استپی مغولستان داخلی. گاو نر انتومول. Res. 2015 ، 105 ، 335-346. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  32. فن، LX; وو، EQ; لیو، جی. Qu, XC; لیو، سی. نینگ، کارشناسی; Liu, Y. ویژگی های توزیع Spermophilus dauricus در شهر منچوری در چین در سال 2015 از طریق فناوری ‘3S’. بیومد. محیط زیست علمی 2016 ، 29 ، 603-608. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  33. چن، جی. وانگ، دبلیو. لیو، ی. ژانگ، ی. ما، دبلیو. شین، ک. وانگ، ام. کشف تأثیرات نسبی فضا و محیط در شکل دادن به الگوهای جغرافیایی زیستی تنوع نرم تنان حرا. ICES J. Mar. Sci. 2019 ، 1-10. [ Google Scholar ] [ CrossRef ]
  34. لیو، تی. وانگ، جی. خو، سی. ما، جی. ژانگ، اچ. Xu, C. نقشه برداری ساندویچی از تراکم جوندگان در استان جیلین، چین. جی. جئوگر. علمی 2018 ، 28 ، 445-458. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  35. لیو، بی. جیائو، ز. ما، جی. گائو، ایکس. شیائو، جی. محمد عابد حیات، WH مدل‌سازی توزیع بالقوه ناقل آربوویروس Aedes aegypti تحت سناریوهای آب و هوایی فعلی و آینده در تایوان، چین. آفت مدیریت علمی 2019 ، 75 ، 3076–3083. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  36. لیو، بی. گائو، ایکس. ژنگ، ک. ما، جی. جیائو، ز. شیائو، جی. وانگ، اچ. توزیع پتانسیل و پویایی بردارهای مهم Culex pipiens pallens و Culex pipiens quinquefasciatus در چین تحت سناریوهای تغییر آب و هوا: یک رویکرد مدل‌سازی طاقچه اکولوژیکی. آفت مدیریت علمی 2020 ، 76 ، 3096–3107. [ Google Scholar ] [ CrossRef ]
  37. واتسون، JEM؛ رائو، ام. کانگ، آل. Xie، Y. برنامه ریزی سازگاری با تغییر آب و هوا برای حفاظت از تنوع زیستی: یک بررسی. Adv. صعود چانگ. Res. 2012 ، 3 ، 1-11. [ Google Scholar ] [ CrossRef ]
  38. ژانگ، R. رویدادهای زمین شناسی و توزیع پستانداران در چین. Acta Zool. گناه 2002 ، 48 ، 141-153. [ Google Scholar ]
  39. جیانگ، ز. ممکن است.؛ وو، ی. وانگ، ی. ژو، ک. لیو، اس. فنگ، Z. تنوع پستانداران و توزیع جغرافیایی چین . انتشارات علم چین: پکن، چین، 2015. [ Google Scholar ]
  40. ترنر، JRG; دروازه هاوس، سی ام. کوری، کالیفرنیا آیا انرژی خورشیدی تنوع ارگانیک – پروانه ها، پروانه ها و آب و هوای بریتانیا را کنترل می کند. Oikos 1987 ، 48 ، 195-205. [ Google Scholar ] [ CrossRef ]
  41. آبرامسکی، ز. Rosenzweig، ML Tilman رابطه تنوع بهره وری نشان داده شده توسط جوندگان صحرا را پیش بینی کرد. طبیعت 1984 ، 309 ، 150-151. [ Google Scholar ] [ CrossRef ]
  42. کری، دی جی; Paquin, V. الگوهای زیست جغرافیایی در مقیاس بزرگ غنای گونه ای درختان. طبیعت 1987 ، 329 ، 326-327. [ Google Scholar ] [ CrossRef ]
  43. تیوس، جی. بروس، یو. گریم، وی. تیلبورگر، ک. ویچمن، ام سی؛ شواگر، ام. Jeltsch، F. تنوع گونه های جانوری ناشی از ناهمگونی/تنوع زیستگاه: اهمیت ساختارهای کیستون. J. Biogeogr. 2004 ، 31 ، 79-92. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  44. جنکس، GF مفهوم مدل داده در نقشه برداری آماری. بین المللی سالب. کارتوگر. 1967 ، 7 ، 186-190. [ Google Scholar ]
  45. دینگ، YT؛ ژانگ، ام. کیان، XY; لی، CR; چن، اس. Wang، WW با استفاده از تکنیک آشکارساز جغرافیایی برای بررسی تأثیر عوامل اجتماعی و اقتصادی بر غلظت PM2.5 در چین. جی. پاک. تولید 2019 ، 211 ، 1480-1490. [ Google Scholar ] [ CrossRef ]
  46. زو، ال. منگ، جی. Zhu, L. استفاده از ژئودتکتور برای تفکیک نقش عوامل طبیعی و انسانی در تغییرات NDVI در بخش میانی حوضه رودخانه هیهه. Ecol. اندیک. 2020 , 117 , 106545. [ Google Scholar ] [ CrossRef ]
  47. ارونن، جی تی. پولاماکی، ک. لیو، ال. لینتولاکسو، ک. داموت، جی. جانیس، سی. Fortelius، M. بارش و پستانداران بزرگ گیاهخوار I: برآوردها از جوامع امروزی. تکامل. Ecol. Res. 2010 ، 12 ، 217-233. [ Google Scholar ]
  48. رایش، پی بی. Walters, MB; Ellsworth، DS از مناطق استوایی تا تندرا: همگرایی جهانی در عملکرد گیاهان. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 1997 ، 94 ، 13730-13734. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  49. واکر، BH; Langridge، JL پیش بینی ساختار پوشش گیاهی ساوانا بر اساس رطوبت موجود گیاه (PAM) و مواد مغذی موجود گیاه (PAN): مطالعه موردی از استرالیا. J. Biogeogr. 1997 ، 24 ، 813-825. [ Google Scholar ] [ CrossRef ]
  50. Witecha، MJ اثرات آتش و بارش بر جمعیت و جوامع پستانداران کوچک . دانشگاه تگزاس A&M: Kingsville، TX، ایالات متحده آمریکا، 2011. [ Google Scholar ]
  51. لین، ایکس. وانگ، ز. تانگ، ز. ژائو، اس. Fang, J. الگوهای جغرافیایی و همبستگی های محیطی غنای گونه های پستانداران زمینی در چین. تنوع زیستی علمی 2009 ، 17 ، 652-663. [ Google Scholar ]
  52. وانگ، ز. تانگ، ز. Fan, J. فرضیه گونه-انرژی به عنوان مکانیزمی برای الگوهای غنای گونه. تنوع زیستی علمی 2009 ، 17 ، 613-624. [ Google Scholar ]
  53. Schap، JA; ساموئلز، جی ایکس؛ جوینر، TA برآورد اکومتریکی اقلیم کنونی و گذشته آمریکای شمالی با استفاده از ارتفاع تاج جوندگان و لاگومورف ها. Palaeogeogr. پالئوکلیماتول. Palaeoecol. 2020 . [ Google Scholar ] [ CrossRef ]
  54. تورس رومرو، ای جی. Olalla-Tarraga، MA گشودن اثرات انسانی و محیطی بر شیب جغرافیایی غنای گونه های پستانداران: ارزیابی جهانی و منطقه ای. J. Anim. Ecol. 2015 ، 84 ، 851-860. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  55. Kulzer، E. Temperaturregulation bei Fledermäusen (Chiroptera) aus verschiedenen Klimazonen. Z. Vgl. فیزیول. 1965 ، 50 ، 1-34. [ Google Scholar ] [ CrossRef ]
  56. Reeder، WG; کاولز، جنبه های RB تنظیم حرارت در خفاش ها. جی پستاندار. 1951 ، 32 ، 389-403. [ Google Scholar ] [ CrossRef ]
  57. مارتین، RD Primates، تکامل. در دایره المعارف بین المللی علوم اجتماعی و رفتاری ; Smelser، NJ، Baltes، PB، Eds. پرگامون: آکسفورد، انگلستان، 2001; ص 12032–12038. [ Google Scholar ] [ CrossRef ]
  58. برکوویتز، بی. Shellis، P. فصل 12-Perisodactyla. در دندان های مهره داران پستانداران ; Berkovitz, B., Shellis, P., Eds. مطبوعات دانشگاهی: کمبریج، MA، ایالات متحده آمریکا، 2018; صص 213-221. [ Google Scholar ] [ CrossRef ]
  59. او، جی. پان، ز. لیو، دی. Guo, X. بررسی تفاوت های منطقه ای سلامت اکوسیستم و عوامل محرک آن در چین. علمی کل محیط. 2019 ، 673 ، 553-564. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Ijgi 10 00021 g001 550
شکل 1. توپوگرافی چین.
Ijgi 10 00021 g002a 550 Ijgi 10 00021 g002b 550 Ijgi 10 00021 g002c 550
شکل 2. توزیع عوامل محیطی در منطقه مورد مطالعه.
Ijgi 10 00021 g003 550
شکل 3. الگوی توزیع غنای پستانداران زمینی در چین.
Ijgi 10 00021 g004 550
شکل 4. تأثیر عوامل محیطی بر توزیع غنای راسته های پستانداران (مقادیر q).
Ijgi 10 00021 g005 550
شکل 5. عوامل متقابل و عوامل منفرد عمدتاً بر غنای گونه ای هر راسته تأثیر می گذارد.
Ijgi 10 00021 g006 550
شکل 6. محدوده مناسب عوامل محیطی برای توزیع غنای پستانداران خشکی.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید