Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

بوم شناسی پناه در خرس قهوه ای به دلیل اثر آن بر بقاء و تولیـد مثل گونه دارای اهمیت می باشد (34). پناه مانند دیگر منابع یک عامل محدود کننده است. وجود پناه به اندازه کـافی در زیسـتگاهمانن د س ایر من ابع مث ل غ ذا و آب، باع ث اف زایش مطلوبی ت زیستگاه و کمبود آن در زیستگاه باعث کاهش تولیـد مثـل و در نتیجــه پــایین آمــدن نــرخ رشــد جمعیــت مــی شــود (11).
زمستان خوابی به خرس ها کمک می کند تا در دوره هـای کمبـودغذا و شرایط آب و هوایی سخت بقاء یابند. هم چنـین غارهـا وپناهگاه ها به عنوان مکانی برای به دنیا آوردن و مراقبت از توله ها استفاده می شود که دوره بحرانـی از چرخـه زنـدگی ایـن گونـهاست (11). با توجه به اینکه خرس های قهوه ای در پناهگاه خود نسبت به آشفتگی آسیب پـذیر هسـتند (30). بنـابراین شـناختویژگی های مکانی مطلوب و عوامل اثرگذار بر انتخاب زیسـتگاهزمستان خوابی برای حفاظت از بزرگترین گوشـتخوار کشـورمان ضروری است (2). هم چنین مهم تـرین بخـش زیسـتگاه خـرسقهوه ای لانه های زمستانی آن مـی باشـد (38) کـه در اورآسـیا وآمریکای شمالی به خوبی مطالعه شده است (14، 18 و 30 ). در ایران عطایی و همکاران بـا اسـتفاده از رویکـرد تحلیـل عـاملیآشیان بوم شناختی (ENFA) مطلوبیت زیستگاه تابستانه خـرسقهوه ای در منطقه حفاظـت شـده البـرز مرکـزی را مـدل سـازینمودند ولـی تـاکنون پژوهشـی در رابطـه بـا انتخـاب زیسـتگاهزمسـ تان خـ وابی خـ رس قهـ وه ای در ایـ ران انجـ ام نشـ ده است (2). با توجه به اینکه منطقه کوه خم در اسـتان فـارس درجنوبی ترین مرز دامنه توزیع خرس قهـوه ای در ایـران و جهـانقرار دارد (4) و هم چنین یکی از مهم ترین زیستگاه هـای خـرسقهوه ای در استان فارس است که جمعیت مناسبی از این گونه را در خــود جــای داده اســت (2). بنــابراین ارزیــابی زیســتگاه و شناسایی مکان های مناسب برای زمستان خوابی و استراحت ایـنگونه موجب می گردد تا بتوان عوامل مؤثر بر مطلوبیت زیسـتگاهزمستانی آن را شناسـایی و برنامـه هـای مـدیریتی و حفـاظتی رابراساس آن تدوین نمـود . در ایـن مقالـه هـدف از بهـره گیـری
۷۶
هم زمان مدل های GLM و GWR در ارزیـابی زیسـتگاه خـرسقهوه ای، تعیین مهم ترین پارامترهای مؤثر بر مطلوبیـ ت زیسـتگاهزمستان خوابی این گونه و مقایسه نتایج این دو مدل بـا یکـدیگراست. در مدل سازی زیستگاه حیات وحش با توجه به نوع متغیر وابسته مدل های مختلفی ارائه می شـود . بـرای مثـال اگـر متغیـروابسته حضور و عدم حضور (صـفر یـا یـک) باشـد از درخـترگرسیون (Regression Tree :RRT ) مدل خطـی تعمـیم یافتـه (Generalized Linear Model:GLM )، رگرسیون سازشی چند
(Multivariate Adaptive Regression Splines :MARS) متغیره
و مدل افزایشی عمـومی (Generalized Additive Model :GAM ) استفاده می شود (6 و 17). اگر فقط داده هـای حضـور گونـه دردسترس باشد از تجزیه و تحلیل عاملی بوم شـناختی (ENFA)، الگـوریتم ژنتیـک (GARP)، مـاکزیمم آنتروپـی (MAXENT)، سنجه گاور (DOMAIN) Gower Metric و سیستم پیش بینـی وتحلیل اقلـیم زیسـتی Bioclimatic analysis and ) BIOCLIMprediction system) استفاده می شود (9، 27، 28 و 29). تفاوت اصلی بین تحلیل های مبتنی بر داده های حضور و عـدم حضـور در کیفیت داده های ورودی است. مثلاًمثلا GLM نیـاز بـه داده هـایحضور و عدم حضـور دارد امـا ENFA و MAXENT فقـط بـاداده های حضور کار می کنند (35). GLM تعمیم یافته رگرسیون چندگانه با توزیع دوجمله ای (Binomial) و تابع منطقـیLogit است که داده های چند جمله ای را به خوبی برازش می دهد. ایـنمدل متغیر وابسته (حضور و عدم حضور) را توسط یک سـریاز متغیر های مستقل پیش بینی کننـده توضـیح مـی دهـد کـه درسرتاسر فضا ثابت هسـتند (19 و 25). از اینـرو بـا توجـه بـهماهیت تغییر پذیری متغیر های بوم شـناختی در سرتاسـر فضـاتحلیل روابط بین گونه و زیستگاه نیازمند ابزار های پیشرفته ای هستند تا بتواند این تغییرات را اندازه گیری نمایـد (21). یکـیاز این ابزار ها رگرسیون وزنی جغرافیـایی(GWR) اسـت کـهیکی از انواع رگرسیون های فضایی است که به تـازه گـی از آن در بوم شناسی و سایر علومی کـه از داده هـای فضـایی اسـتفاده
می کنند رایج شده است. از جمله مطالعات بوم شناسی که در آن از رگرسیون وزنی جغرافیایی استفاده شده است می توان به مـکنیو (21) اشاره کرد که به بررسی نـاهمگنی مکـانی در انتخـابزیستگاه لانه گزینی باقرقره خلنگ زار (Tympanuchus cupido ) پرداخت ه اس ت. ای ن مطالع ه اول ین ک اربرد رگرس یون وزن ی جغرافیایی در ارزیابی زیستگاه حیات وحش در ایران می باشد.

مواد و روش ها
معرفی منطقه مورد مطالعه
منطقه کوه خم با مساحت 2733 کیلومتر مربع در حاشیه شمالی پارک ملی و پناهگاه حیات وحـش بختگـان و بـین طـول هـای ′46 °53 تا ′33 °54 شرقی و عـرض هـای ′43 °29 تـا ′56 °30 شمالی در استان فارس قرار دارد که از جنوب به شهرستان آباده طشک، از شرق به شهرستان نی ریـز و از غـرب بـه شهرسـتانارسنجان می رسد (شکل 1). اقلیم منطقه گـرم و خشـک همـراهبا زمستان های سرد و تابستان های گرم می باشد. متوسـط بـارشمنطقه 250 میلی متر مـی باشـد . میـانگین ارتفـاعی 2535 متـر ازسطح دریا و حداکثر ارتفاع منطقه 3270 متـر در قلقلّـهّـه دال نشـینمی باشد. زیستگاه از نوع جنگلی تنک در ناحیه ایرانی تورانی بـاپوشـش درختـی غالـب بنـه (Pistacia atlantica)، بـادام تلـخ (Amygdalus scoparia) و کیکم (Acer monspessulanum) و گونه های درختچه ای شامل بادام کـوهی (Amygdalus lycioides) و ارژن (Acer reuteri) می باشد (2).

روش نمونهبرداری
126873867918

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

کار میدانی و شمارش نمایه ها بر اساس نقشـه شـبکهبنـدی تهیـهشده در محیط 10 ArcGIS در قالب پلاتهـای 3 × 3 کیلـومتر(9 کیلومتر مربع) انجام شده است. اندازه پلات براساس وسعت کم ناحیه مورد مطالعـه در مقیـاس سـیمای سـرزمین و حـداقلاندازه گستره خانگی خرس قهوه ای در ایران (50 کیلومتر مربع) و کاربرد آن در پاسخگویی به سؤال مورد نظر انتخـاب گردیـده اس ت (م ذاکره ب ا کارشناس ان مح یط زیس ت اس تان ف ارس). پاس یلیکو و همک اران براس اس ح داقل 20 درص د از گس تره خ انگی در دس ترس، ان دازه پ لات را 5 × 5 کیل ومتر انتخ اب نمودند (31). تعداد کل پلات هـای نمونـه گیـری 300 پـلات درتمامی زیستگاه های حضور و عدم حضور لانه های زمستان خوابی بوده است. تمامی پلات ها توسط یک فرد و با یک دقت بررسی شدند، که در مجموع تعداد 175 نمایه حضور در کل ناحیه مورد مطالعه ثبت گردید که از این میان 20 لانه حضـور در ارتفاعـاتکوه خم و روشن کوه و 20 لانه عدم حضور در سایر زیستگاه ها شناسایی شده است. برای جلوگیری از مزاحمـت هـای ناشـی از سرکشی برای خرس هایی که در لانه های خود در حال استراحت هســتند، نمونــه بــرداری و ثبــت موقعیــت مکــانی لانــه هــای زمستان خوابی در خـارج از فصـل زمسـتان گـذرانی ، در فصـول بهار (20) و تابستان (18) سال های 1389 و 1390 و به مدت 10 روز در هر فصل با استفاده از سامانه موقعیت یاب جهانی ( GPS) انجام شد. انتخاب متغیر ها با توجه بـه اطلاعـات تـاریخ طبیعـیگونه و براساس مرور منابع خارجی بوده است (جدول 1). به جز متغیر زاویه آزیموت تمامی متغیر های کلان زیستگاهی با استفاده از مدل رقومی ارتفاع منطقه با اندازه سلول 100 متر در نرم افـزار10Arc GIS محاسبه شده است (جدول 1). لانه هایی که توسـطخرس های قهوه ای مورد استفاده قرار گرفته بودند آنهـایی بودنـدکه دارای بستر خواب، همراه با حضور نمایه هایی چون سـرگین،مو، باقیمانده غـذا در داخـل لانـه و آثـار تخریـب و شکسـتگیدرختان همراه با مسیر رفت و آمد در جلو لانه مـی باشـند (20). لانه های خرس قهوه ای در این منطقه عمدتاًعمدتا در ارتفاعات کوه خم انتخاب شده اند و شامل غار ها، شکاف صـخره هـا و حفـره هـایزیرکپه سنگ های بزرگ می باشد (40). زیستگاه ها و منـاطقی کـهفاقد لانـه هـای زمسـتان خـوابی بودنـد امـا از نظـر ویژگـی هـایتوپوگرافی و ساختار پوشـش گیـاهی قابلیـت انتخـاب شـدن راداشتند به عنوان زیستگاه عدم حضور درنظر گرفته شد و در آنجـاغار ها و مکان هایی که از نظر ویژگی هـای فیزیکـی و سـاختاریمشابه لانه های انتخاب شده بودند به عنوان لانه های عدم حضـوردرنظر گرفته شده (27) و تمامی متغیرهای مربوط به ایـن غارهـا (جدول 1) نیز با اندازه سلول 100 متر در نرم افـزار 10ArcGIS
۷۷

شکل 1. موقعیت منطقه مورد مطالعه در استان فارس در جنوب غرب ایران

126873867918Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

جدول 1. متغیر های مورد استفاده در مدل سازی مطلوبیت زیستگاه لانه گزینی خرس قهوه ای
منابع انتخاب متغیرها منبع تهیه و نحوه اندازه گیری متغیرها
Reynods et al,1976 (32);
Seryodkin et al, 2003;
Mack, 1990; li et al, 1994; Beecham et al, 1983 (7);
Goldstein et al, 2010 (15); Wathen et al, 1986 براساس مدل رقومی ارتفاع (DEM) تهیه شده از نقشه های 50000/1 سازمان نقشه برداری کشور در
نرم افزار ArcGIS ارتفاع
Reynods et al, 1976; Seryodkin et al, 2003; li et al,
1994; Beecham et al, 1983;
Goldstein et al, 2010; Wathen et al, 1986 (39) محاسبه شده توسط تابع SLOPE در نرم افزار ArcGIS شیب

Zhang et al, 2006 جهت دهانه لانه برحسب زاویه ای که با شمال جغرافیایی (آزیموت)
دارد با استفاده از دستگاه آزیموت سنج اندازه گیری شده است جهت لانه
Ciarniello et al, 2005; Gro et al, 1998; Petram et al, 2004, Nielsen et al, 2004 (24) اعمال تابع DISTANCE بر نقشه کاربری اراضی استان فارس فاصله از جاده
Gro et al, 1998; Petram et al, 2004 اعمال تابع DISTANCE بر نقشه کاربری اراضی استان فارس فاصله از مراکز جمعیتی
Zhang et al, 2006 اعمال تابع DISTANCE بر نقشه کاربری اراضی استان فارس فاصله از منابع آبی
۷۸
محاسبه شده است.

تجزیه و تحلیل های آماری مدل خطی تعمیم یافته
یکی از رویکردهای چند متغیره مدل سازی مطلوبیت زیستگاه و پیش بینی حضور گونه ها که نیازمند استفاده از داده های حضور و عدم حضور است مدل خطی تعمیم یافته با توزیع دو جمله ای و تابع پیوند منطقی می باشد (8 و 12 ). برای انجام این مدل سازی ،ابتدا همبستگی بین داده ها براساس آزمـون همبسـتگی پیرسـونمورد بررسی قرار گرفت و از هر دو متغیری که همبستگی بالای 7/0 داشتند یک متغیر به انتخاب گزینش شـد (16). کـه از ایـنمیان متغیر فاصله از جاده به دلیـل همبسـتگی شـدید بـا شـیب،ارتفــاع و فاصــله از مراکــز جمعیتــی و متغیــر شــیب بــه دلیــل همبســتگی بــا ارتفــاع از رونــد محاســبات حــذف گردیدنــد (جـــدول 2). آنـــالیز همبســـتگی پیرســـون در نـــرم افـــزار
1/13SYSTAT انجام شد (36). در نهایـت بـه منظـور انتخـابمناس ب ت رین م دل، متغی ر ه ای نه ایی وارد نمای ه اطلاع اتی آکاییک(AIC) در مدل خطی عمـو می بـا توزیـع دوجملـه ای و تابع پیوند منطقی در نرم افزار 10 STATISTICA شـدند (37) و بــه ایــن ترتیــب ســری متغیــر هــایی کــه اخــتلاف آکاییــککمتر(( ΔACI از دو داشته باشند به عنوان بهتـرین مـدل انتخـابزیستگاه لانه گزینی خرس قهوه ای درنظر گرفته می شـوند (10).
از آزمون والد (Wald statistic) برای برآورد پارامترها و تعیـینمعنی دار بودن ضرایب رگرسیون استفاده شد. هم چنین به منظـورارزیابی نحوه توصیف داده ها توسط مـدل (نیکـویی بـرازش) از آزمون هاسمر لمشو (Hasmer lemeshow) استفاده شد.

رگرسیون منطقی وزنی جغرافیایی ((GWLR: Geographically weighted logistic regression در این مطالعه به منظور انتخـاب پـارامتر هـای مـؤثر در انتخـابزیستگاه خرس قهوه ای، پس از بررسی همبستگی بین متغیر هـا،تک تک متغیرها به صورت مجـزا وارد رابطـه رگرسـیون منطقـیدوتایی (BLR: Binary Logistic Regression) شد و مقـدار P آنها محاسبه گردید. ارزش (05/0<P ) این آزمون نشـان دهنـدهمعنی داری متغیر در رابطـهBLR اسـت . در نهایـت متغیـر هـایفاصله از جاده، شیب، ارتفاع و آزیمـوت کـه رابطـه معنـی داری برقرار نکردند (05/0P>) از روند محاسبات حذف شدند (1) و سپس به منظور بررسی روابط جغرافیـایی بـین آنهـا، متغیـر هـاینهایی (فاصله از مراکـز جمعیتـی و فاصـله از منـابع آبـی) وارد رابطه رگرسیون منطقی وزنی جغرافیایی در نـرم افـزار 4GWR شدند (23). به منظور انتخاب مناسـب تـرین پهنـای بانـد در هـرنقطه رگرسیون از نمایه اطلاعاتی آکاییک (AIC) اسـتفاده شـدهاست (21). رگرسیون وزنی جغرافیایی شکل محلـی رگرسـیون خطی است. در رگرسیون های معمولی فرض ما بر آن است کـهرابطه ای که می خواهیم بین یک متغیر وابسـته و تعـدادی متغیـرمستقل مدل سازی کنیم در سراسر محدوده مورد مطالعه یکسـاناست که در بسیاری از موارد چنین فرضی صحیح نیست (13 و 22). با فرض تعدادn نقطه با مختصات (u, v) مـدل رگرسـیونمنطقی وزنی از روابط 1 و 2 قابل پیش بینی می باشد:
yi ~ Bernoulli Pi  [1]
[2] logit(Pi) kk (ui,vi)xk,i در رابطه 1 و 2 متغیر وابسته بین صفر و یک است و pi احتمال اینکه متغیر وابسته در مدل یک می شود (22). در این مطالعه مدل رگرسیون منطقی وزنی جغرافیایی با استفاده از رابطه 3 پیش بینی شده است: [3]

37606367539

yi(u) 1exp(exp(1(1ui,vl)x(ui,vl)x112(2ui,vl)x(ui,vl)x2 2  …… mm(ui,ul)x(ui,ul)xmm) )

در ایــن رابطــه y متغیــر وابســته و1xm ،… x2 ،x متغیرهــای پیش بینی کننده مستقل و(u, v) نشان دهنده موقعیت جغرافیـاییi امین نقطـه رگرسـیون و 1βm ،…β2 ،β ضـرایب تشـریح کننـدهاثرات محلی متغیر xm است (13). در این مدل ضرایب رگرسـیونبرای کلیه نقاط به طور جداگانه محاسبه مـی شـود و ضـرایب مکـان (u ,v) بــا بــرازش حــداقل مربعــات تخمــین زده مــی شــود.
126873867918Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

هم چنین وزن دهی بدین صورت است که داده های نزدیـک تـربــه (u, v)، وزن بــیش تــری نســبت بــه داده هــای دورتــر
۷۹

126873867918Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

دریافت می کند (13).

نتایج
به منظور ایجاد مدل مطلوبیت زیستگاه زمستان خوابی بـا اسـتفادهاز رویکرد GLM ترکیـب هـای مختلفـی از متغیـر هـای مسـتقلزیست محیطی به کار گرفته شد و در نهایت بهترین زیرمجموعه از متغیر ها که مدل مبتنی بر آنها از اعتبار بـالایی برخـوردار بـودانتخاب شدند. تحلیلGLM انجـام شـده بـرروی چهـار متغیـرمنجربه تولید 15 مدل شـد کـه از بـین آنهـا براسـاس اخـتلافآکاییک (2 (ΔACI < محاسبه شده، تعداد دو مدل معنی دار بود.
بهترین مدل انتخـاب شـده بـر اسـاس حـداقل معیـار اطلاعـاتآکاییک، ترکیبی از سه متغیر ارتفاع، فاصله از مراکـز جمعیتـی وفاصله از منابع آبی بوده است (147/39(AIC= کـه نشـان دهنـدهبهترین مدل پیش بینی کننده در انتخاب لانه های زمستان گـذرانیخ رس قه وهای در منطق ه ک وه خ م اس تان ف ارس م ی باش د (جدول 3). نتایج آزمون والد نشـان داد کـه پارامترهـای ارتفـاع
(006/0(P= و فاصله از مراکز جمعیتی (005/0(P= بـیش تـرینتأثیر را در پیش بینی مدل مطلوبیت زیستگاه لانه گزینـی خـرسقهوه ای دارند (جدول 4).
براساس نتایج آزمون نیکویی برازش، مدل هـای بـه دسـت آمـدهدارای ارزش P بیش تر از 5 درصد مـی باشـند (36/0HL=8/71 ،P=) که نشان دهنده تناسب قابل قبول داده ها با مدل است.

۸۰
جدول 2. ماتریس همبستگی متغیر های مستقل زیست محیطی
فاصله از
منابع آبی فاصله از
مراکز جمعیتی آزیموت ارتفاع شیب فاصله از جاده متغیر
1 فاصله از جاده
1 0/75 شیب
1 0/82 0/78 ارتفاع
1 0/31 0/13 0/11 آزیموت
1 0/04 0/68 0/63 0/72 فاصله از مراکز جمعیتی
1 0/60 0/10 0/56 0/56 0/60 فاصله از منابع آبی
نتایج رگرسیون منطقی وزنی جغرافیایی
در بررسی روابـط بـین متغیـر هـای مسـتقل و انتخـاب زیسـتگاهزمستان خوابی با درنظر گرفتن سطح معنی دار پنج درصد تحلیـلرگرسیون منطقی دوتایی نشان می دهد که متغیر فاصله تـا منـابعآبی (045/ P=)، و متغیر فاصله تا مراکـز جمعیتـی (012/ (P=، در مقیاس سیمای سرزمین در بین زیستگاه های حضـور و عـدم حضور لانه های زمستان خوابی اختلاف معنی داری وجود دارد و متغیرهای ارتفاع و آزیموت رابطه معنی داری برقرار نکردنـد . بـاتوجه به اینکه انتخاب لانه های زمستان گـذرانی خـرس قهـوه ای متأثر از متغیر های فاصله از مراکز جمعیتی و منـابع آبـی اسـت،روش رگرسیون منطقی وزنی جغرافیایی دامنه تأثیرات هـر یـکاز این متغیر ها را بـرای مطلوبیـت زیسـتگاه زمسـتان خـوابی درجدول 5 نشان می دهد. نتایج آمـار توصـیفی تغییـرات ضـرایبمحلی برای متغیر فاصله از مراکز جمعیتی و فاصله از منابع آبـینشان دهنده تأثیر مقدار مثبـت ایـن دو متغیـر بـرروی مطلوبیـتزیستگاه زمستان خوابی است. یعنی با افـزایش فاصـله از مراکـزجمعیتی بر مطلوبیت زیسـتگاه افـزوده مـی شـود . هـم چنـین بـاافزایش فاصله از منابع آبی منطقـه کـه عمـدتاً در منـاطق بـاز وحاشیه ای زیستگاه قـرار دارنـد بـر مطلوبیـت زیسـتگاه افـزودهمی شود.
مقایسه بین رگرسیون منطقی وزنی جغرافیـایی و رگرسـیون منطقـی عمـومی نشـان دهن ده انحـراف بیشـتر مـدل رگرس یونمنطقی عمومی به میـزان (78/161) از مـدل رگرسـیون منطقـیوزنی جغرافیایی است (جدول 6). هم چنین مقایسه این دو مدل بر اساس معیار اطلاعاتی آکاییک نشان دهنـده برتـری رگرسـیونوزنی بر رگرسیون عمومی است. مدلی که کمتـرین مقـدارAIC را داشته باشد از قدرت پیش بینی بیش تری برخورداراست. معیار اطلاعات آکاییک برای رگرسیون منطقی وزنی جغرافیـایی برابـر
ΔACI
ACI
درجه
آزادی متغیرهای پیش بینی کننده مدل
0/000 39/147 3 فاصله از منابع آبی فاصله ازمراکز جمعیتی ارتفاع 1
0/8 39/947 4 فاصله از منابع آبی فاصله ازمراکز جمعیتی آزیموت ارتفاع 2
3/198 42/345 2 فاصله ازمراکز جمعیتی ارتفاع 3
3/469 42/616 3 فاصله ازمراکز جمعیتی آزیموت ارتفاع 4

P حدود اعتماد
بالا حدود اعتماد پائین آماره والد اشتباه استاندارد متغیر اثر
0/006 – 0/0009 – 0/00584 7/281 0/001255 ارتفاع
0/277 0/0182 -0/0052 1/177 0/006 آزیموت
0/005 0/0013 0/0002 7/727 0/0002 فاصله از مراکز جمعیتی
0/063 0/0025 -0/0000 3/446 0/0006 فاصله ازمنابع آبی
چارک
بالا میانه چارک
پائین حداکثر
حداقل انحراف معیار میانگین متغیر
1/24 0/77 0/77 1/25 0/77 0/23 0/97 عرض از مبدأ
2/40 1/36 1/36 2/41 1/36 0/51 1/80 فاصله از مراکز جمعیتی
2/67 1/10 1/10 2/68 1/10 0/77 1/76 فاصله از منابع آبی
0-292870Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]

Downloaded from ijae.iut.ac.ir at 16:12 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.4.14.75 ]


پاسخ دهید