پيش‌بيني آشيان بوم شناختي اقليمي گونه .Artemisia aucheri Boiss در ايران مركزي با استفاده از مدل‌سازي پراكنش گونه‌اي

Predicting the Climatic Ecological Niche of Artemisia aucheri Boiss in Central Iran using Species Distribution Modeling

تغيير در پراكنش جغرافيايي گياهان از آثار مهم تغيير اقليم است. مطالعه حاضر با هدف پيش‌بيني تغييرات بالقوه در پراكنش درمنه كوهي (.Artemisia aucheri Boiss) تحت تغيير اقليم در مراتع اصفهان انجام گرفت. لذا شش متغير زيست- اقليمي و دو متغير فيزيوگرافي در چارچوب مدل خطي تعميم‌يافته، آناليز تفكيكي انعطاف‌پذير، پاكت دامنه سطحي، جنگل تصادفي، رگرسيون تطبيقي چندمتغيره و اجماع اين مدل‌ها به‌كار رفتند. از بين عوامل محيطي، متوسط دماي سردترين فصل و بارندگي سالانه بيشترين اهميت را در برازش مدل‌ها داشتند. بر اساس ارزيابي مدل‌سازي، مدل اجماعي و سپس رگرسيون تطبيقي چندمتغيره صحيح‌ترين پيش‌بيني را براي تعيين رويشگاه اقليمي ارائه دارند. همچنين مقادير سطح زير‌منحني مدل پاكت دامنه سطحي با عملكرد خوب و ساير مدل‌ها با عملكرد عالي، اختلاف معني‌داري داشتند. حداكثر حضور گونه در ارتفاع 3000-2000 متر و بارندگي سالانه 250-100 ميلي‌متر رخ داد. در هر دو مدل اقليمي CCSM4 و MPI-ESM-LR، بيشترين ميزان جابه‌جايي رويشگاه گونه تحت سناريوي انتشار RCP8.5 در سال 2070 و كمترين ميزان تحت سناريوي RCP2.7 در سال 2050 خواهد بود. همچنين در سال 2070 نسبت به 2050 رويشگاه به‌ميزان بيشتري جابه‌جا خواهد شد. نتايج مطالعه مي‌تواند در اولويت‌بندي اقدامات حفاظتي يا ورود گونه به مناطقي با شرايط اكولوژيكي مشابه به‌كار رود.

Changes in the geographical distribution of plants are one of the major impacts of the climate change. This study was aimed to predict the potential changes in the distribution of Artemisia aucheri Boiss in Isfahan rangelands. Therefore, six bioclimatic variables and two physiographic variables were used under the Generalized Linear Model (GLM), Flexible Denotative Analysis (FDA), Surface Range Envelope (SRE), Random Forest (RF), and Multivariate Adaptive Regression Spline (MARS), as well as in an ensemble model framework. Among the environmental factors, the mean temperature of the coldest quarter and the mean annual precipitation played the most important role or exhibited relative importance in model fitting. Based on the model evaluation, the ensemble model and then MARS presented the most accurate prediction in the determination of the climatic habitat. There was also a significant difference between area under curve (AUC) of the SRE model with a good performance and other models with a high performance. The maximum presence of the species occurred at the 2000-3000 m elevation and the 100-250 mm annual precipitation. In both CCSM4 and MPI-ESM-LR climatic models, the highest amount of habitat displacement is likely to happen under the RCP8.5 scenario in 2070, while the lowest amount may happen under the RCP2.6 scenario in 2050. Also, the habitat of species will be displaced more in 2070 than in 2050. The results of this study can be used to prioritize conservation measures or species introduction into areas with similar ecological conditions.