پيش‌بيني اثرات تغيير اقليم بر پراكنش بالقوه گونه بادامك (Amygdalus scoparia) با استفاده از مدل‌سازي اجماعي در زاگرس مركزي

Forecasts of climate change effects on Amygdalus scoparia potential distribution by using ensemble modeling in Central Zagros

پيش‌بيني اثر تغيير اقليم بر پراكنش گونه‌هاي گياهي با ارزش، امري ضروري در راستاي حفاظت و مديريت آن‌ها محسوب مي‌شود. بادامك (Amygdalus scoparia) يكي از گونه‌هاي وحشي بادام و بومي ايران است. اين مطالعه با هدف پيش‌بيني اثر تغيير اقليم بر پراكنش جغرافيايي گونه بادامك در استان چهارمحال و بختياري واقع در منطقه زاگرس مركزي صورت گرفت. پنج روش مدل‌سازي پراكنش گونه‌اي، شامل مدل خطي تعميم‌يافته، آناليز طبقه‌بندي درختي، شبكه عصبي مصنوعي، روش بوستينگ تعميم‌يافته و جنگل تصادفي در چارچوب روش اجماعي و با استفاده از بسته Biomod در نرم‌افزار R مورد استفاده قرار گرفتند. نتايج مطالعه نشان داد كه همه مدل‌هاي مورد استفاده در اين مطالعه، مقادير AUC بالاتر از 0/9 و عملكرد عالي دارا بودند. ميانگين دماي خشك‌ترين فصل و بارندگي سالانه در حدود 85 درصد تغييرات پراكنش گونه را توجيه ‌نمودند و بيشترين سهم را در تعيين مطلوبيت رويشگاه گونه داشتند. بر اساس نتايج حاصل از اجماع مدل‌ها، 9 درصد (148680 هكتار) از مساحت استان براي گونه بادامك، داراي تناسب رويشگاهي زياد تعيين شد. مساحت رويشگاه مطلوب گونه در شرايط آب و هوايي حال حاضر و آينده توسط نرم‌افزار ArcGIS محاسبه گرديد. تغييرات پراكنش جغرافيايي گونه در سال 2050 تحت سناريوهاي اقليمي 4/5RCP و 8/5RCP نشان داد كه وسعت رويشگاه گونه كاهش مي‌يابد (به ترتيب 43 و 59 درصد) و در برخي مناطق نيز شاهد بروز مناطق مستعد وقوع گونه خواهيم بود (به ترتيب 135 و 140 درصد). از نتايج اين مطالعه مي‌توان در برنامه‌ريزي‌هاي حفاظتي و اصلاحي گونه بادامك استفاده نمود.

Predicting the potential distribution of plants in response to climate change is essential for their conservation and management. Amygdalus scoparia is a wild almond species native to Iran Therefore, this study aimed at predicting the effect of climate change on the geographical distribution of A. scoparia in Chaharmahal and Bakhtiari province in the central Zagros region. In this regard, we used 5 modeling approaches, Generalized Linear Model (GLM), Classification Tree Analysis (CTA), Artificial Neural Network (ANN), Generalized Boosting Method (GBM) and Random Forest (RF) to determine relationships between the occurrence of species and environmental factors under the ensemble framework by using Biomod and R software. The results showed that AUC values greater than 0.9 and functioning of all models been excellent. The mean temperature of the driest quarter and Annual precipitation had the most important role for habitat suitability of this species and (85%) changes in A. scoparia distribution was justified. The results of the model showed that 9%, (148680 ha) of in Chaharmahal and Bakhtiari province for the A. scoparia have had high habitat suitability. Area of suitable habitat was calculated by ArcGIS software on current and future climate conditions. Under RCP4.5 and RCP8.5 climate scenario A. scoparia might lose (Respectively 43% and 59%) of its climatically suitable habitats due to climate change factors, by 2050, while in a number of areas (135% and 140%), the current unsuitable habitats may be converted to suitable. The results of this study can be used in planning, conservation and rehabilitation of A. scoparia.