ببررسی رویشگاه پتانسیل گونه bromus stenostachyus boiss در مراتع مازندران با رویکرد مدلسازی اجماعی

سابقه و هدف: عوامل محیطی تعیین کننده پوشش گیاهی و جانوری هر منطقه هستند و در مقیاس وسیع موجب تنوع در زیست بوم ها و ترکیب گونه ای می شوند. به‌دلیل پیچیدگی سیستم های طبیعی، جهت درک تاثیر این عوامل بر آشیان بالقوه گونه ها از مدل های پراکنش گونه ای استفاده می شود. اخیراً در عمده مطالعات برای این منظور، متغیرهای زیست اقلیمی پایگاه داده chelsa (2013-1979) حاصل از میانیابی داده های دما و بارش مورد استفاده قرار می گیرند. مواد و روش ها: در مطالعه حاضر پتانسیل متغیرهای زیست اقلیمی پایگاه داده چلسا همراه با متغیرهای فیزیوگرافی و انسانی موثر بر پراکنش بالقوه و گرایش ترجیحی جارو علفی کوهسری با نام علمی bromus stenostachyus boiss در مراتع هیرکانی استان مازندران بررسی شد. نمونه برداری داده های رخداد گونه به روش تصادفی- طبقه بندی شده، در قالب پیکسل های یک کیلومترمربعی و بر اساس ساختار فیزیونومی-فلورستیک صورت گرفت. پس از انتخاب مهم‌ترین متغیرهای محیطی جهت پیش بینی پراکنش، هفت الگوریتم مدل‌سازی شامل مدل های خطی تعمیم یافته (glm)، افزایشی تعمیم یافته (gbm)، رگرسیون تطبیقی چند متغیره (mars)، جنگل تصادفی (rf)، شبکه عصبی مصنوعی (ann)، حداکثر آنتروپی (maxent) و تجزیه و تحلیل طبقه بندی درختی (cta) در چارچوب روش اجماعی به کار رفتند. پس از تعیین آستانه مناسب با رویکرد برابرسازی حساسیت-ویژه انگاری، عملکرد مدل ها علاوه بر استفاده از شاخص سطح زیر منحنی، با شاخص های وابسته به آستانه شامل tss، حساسیت و ویژه انگاری نیز ارزیابی شد. اختلاف معنی دار بین کارایی مدل ها با آزمون آنالیز واریانس روی مقادیر auc مشخص گردید. تعیین اهمیت متغیرهای محیطی موثر بر مدل‌سازی پراکنش با رویکرد آنالیز حساسیت oat و به تعداد متغیرهای مستقل مدل ها انجام شد. سپس، منحنی های عکس العمل گونه نسبت به مهم‌ترین متغیرهای محیطی بر اساس مدل با بیشترین کارایی ترسیم و مقدار بهینه و دامنه بردباری اکولوژیک آن تعیین گردید. نتایج: بر اساس معیارهای صحت سنجی، تمامی مدل های برازش داده شده کارایی عالی برای پیش بینی رویشگاه گونه نشان دادند. مدل اجماعی نسبت به مدل های مجزا و از بین مدل های مجزا نیز مدل افزایشی تعمیم یافته و جنگل تصادفی بهترین عملکرد را نشان دادند. طبق نتایج آنالیز حساسیت، حداکثر دمای گرمترین ماه (bio5) بیشترین اهمیت را در برازش مدل های پراکنش نشان داد، به گونه ای که به تنهایی بیش از یک چهارم تغییرات را توجیه نمود. پس از میانگین گیری ده مرتبه تکرار مدل ها، نقشه پراکنش بالقوه گونه تحت مدل های مجزا و مدل اجماعی تولید شد. بدلیل اینکه پیش بینی هر مدل به توابع ریاضیاتی آن بستگی دارد، مدل های پراکنش نتایج متفاوتی داشتند. اما در مجموع، رویشگاه های گونه در بخش هایی از استان پراکنده شده اند که میزان ارتفاع و بارندگی در آنها از میانگین ارتفاع و بارندگی در کل استان بیشتر، اما میزان درجه حرارت آنها از میانگین درجه حرارت استان کمتر است. روی منحنی های عکس العمل، رویشگاه مطلوب گونه در مناطقی واقع شده که حداکثر درجه حرارت در گرمترین ماه از 23 و دامنه تغییرات سالانه دما از 32 درجه سانتیگراد کمتر باشد، میزان بارندگی در مرطوب ترین ماه حداکثر 100 میلی‌متر، شاخص ایزوترمالیتی کمتر از 26 و تغییرات فصلی دما نیز در دامنه 68-63 باشد.نتیجه ‌گیری: مدل اجماعی می تواند شبیه سازی واقعی تری از گونه را نشان دهد، زیرا بر مناطق مشترک توافق بین مدل های مجزا تاکید می کند. نتایج این مطالعه را می توان برای برنامه ریزی های کاربردی جهت حفظ و مدیریت مراتع هیرکانی و همچنین پیشنهاد گونه مناسب جهت اصلاح، احیا و بازسازی آنها در مناطق با شرایط اکولوژیک مشابه به کار برد. در واقع، نتایج حاصل به کارشناسان در بهره برداری بهینه و اتخاذ تصمیمات مناسب مدیریتی با حفظ گونه های بومی کمک می کند.

investigating the potential habitat of bromus stenostachyus boiss. in mazandaran rangelands using an ensemble modeling approach

background and objectives: environmental factors play a pivotal role in determining the flora and fauna distribution in a region, contributing to increased ecosystem biodiversity and species composition on a large scale. given the intricate nature of natural systems, species distribution models are employed to comprehend the impact of these factors on species’ potential niches. in recent studies, bioclimatic variables from the chelsa database (1979-2013), derived from temperature and precipitation data interpolation, have been widely used for this purpose.methodology: this study investigates the potential distribution and preference tendencies of bromus stenostachyus in the hyrcanian rangelands of mazandaran province using chelsa bioclimatic variables, along with physiographic and anthropogenic factors. stratified random sampling, based on physiognomy-florestic structure, was employed to collect species occurrence data at one square kilometer resolution. after selecting key environmental variables, an ensemble method incorporating seven modeling algorithms—generalized linear model (glm), gradient boosting machine (gbm), multivariate adaptive regression spline (mars), random forest (rf), artificial neural network (ann), maximum entropy (maxent), and classification tree analysis (cta)—was utilized. model performances were evaluated using area under the curve (auc) and threshold-dependent measures such as true skill statistic (tss), sensitivity, and specificity. sensitivity analysis was conducted to determine the importance of environmental variables, and species response curves were plotted based on the most efficient model to identify optimal ecological conditions.results: based on validation criteria, all the fitted models showed excellent performance to predict the species habitat. the ensemble model outperformed single models, and among single models, gbm and rf showed the best performance. according to the results of sensitivity analysis, maximum temperature of warmest month (bio5) was determined the most important variable to fit the species distribution models, in a way that explained more than a quarter of changes in the distribution. after averaging ten model runs, the species potential distribution map was produced under single models and the ensemble model. because the prediction of each model depends on its mathematical functions, the distribution models had different results. but in general, the species habitats are distributed in parts of province where the elevation and precipitation are higher than the average elevation and precipitation in the whole province, but their temperature is lower than the average temperature of the province. on the response curves, the optimum habitats for the species were located in areas where the maximum temperature of warmest month is less than 23 °c, temperature annual range is less than 32 °c, precipitation of wettest month is at most 100 mm, isothermality is less than 26 and temperature seasonality is in the range of 63-68.  conclusion: the ensemble modeling approach yields more realistic simulations of species distribution by emphasizing common areas of agreement among single models. the study results can inform practical planning for the preservation and management of hyrcanian rangelands, as well as suggest suitable species for reclamation, rehabilitation, and restoration efforts in ecologically similar areas. these findings facilitate optimal exploitation and informed management decisions while preserving native species.