استفاده از مدل‌سازی اجماعی جهت پیش‌بینی توزیع گونه‌ای آنغوزه(ferula assa-foetida l.)، در بخش‌هایی از جنوب ایران

سابقه و هدف: یکی از تاثیرات مهم تغییر شرایط محیطی و تغییر اقلیم بر گیاهان، تغییر محدوده جغرافیایی آنها است. پیش‌بینی تاثیر آب و هوا بر توزیع گونه‌های گیاهی ارزشمند برای حفاظت منابع خاک و پوشش گیاهی ضروری است. با توجه به طاقت فرسا بودن و افزایش هزینه‌های بررسی میدانی، مدل‌سازی پیش‌بینی پراکنش گونه‌ای بهترین روش جهت بهره‌برداری مناسب و صیانت از گیاهان خصوصا گیاهان دارویی ارزشمند است. از این رو هدف از این تحقیق پیش‌بینی پراکنش گونه آنغوزه با مدل ترکیبی جهت مدیریت زیستگاه این گونه گیاهی ارزشمند است.مواد و روش‌ها: نمونه‌برداری از نقاط حضور گونه آنغوزه در سال 1399 فصل‌های رویش این گونه با کمک gps در منطقه مورد مطالعه انجام شد. داده‌های محیطی و داده‌های اقلیم از وبگاه‌های مربوط به آن‌ها گرفته سپس با استفاده از پکیج  rusdmمشکل هم‌خطی داده‌ها برطرف شد. از 28 متغیر 14 متغیر فاقد مشکل هم‌خطی انتخاب و مدل‌سازی انجام شد. در مطالعه حاضر از 12 مدل استفاده (ann, fda, cta, glm, gam, gbm, marse, sare, rf, xgboost, maxent,maxnet) شد. این مدل‌ها در ابتدا به صورت تک سنجیده و سپس بر اساس منحنی‌های roc و tssمورد ارزیابی قرار گرفتند. سپس مدل‌ها ترکیب و با tssبالای 0.94 مدل‌سازی ترکیبی ادامه یافت. درصد اهمیت نسبی متغیرها هم در مدل‌های تک و هم در مدل‌های ترکیبی مورد بررسی قرار گرفت. در ادامه نتایج مدل‌های ترکیبی اساس بررسی نتایج این پژوهش قرار گرفت. در مدل‌های ترکیبی از چهار الگوریتم emca, emci, emmean, emcv استفاده شد. در ادامه فرایند مدل‌سازی با چهار الگوریتم مورد تجزیه و تحلیل قرار گرفت. این پژوهش با استفاده از نرم‌افزار برنامه‌نویسی r و پکیج  biomod2استفاده شد.نتایج: نتایج به‌دست آمده از بررسی دقت مدل‌های تک براساس معیارهای roc و tssمدل rf (جنگل تصادفی) دقت بالایی را نشان داد و دقت مدل‌های ترکیبی با tss بالا 0.94 اساس کار این پژوهش قرار گرفت. درصد اهمیت نسبی متغیرها نشان داد bio19, bio18, bio4 و soil-clay (رس خاک) بیشترین اهمیت را در مدل‌سازی دارند. bio19 بارش سردترین فصل به میزان 40 درصد بیشترین تاثیر و جهت شیب 0.06 کم‌ترین تاثیر را نشان می‌دهد. می‌توان گفت این گونه از نظر bio19 به میزان زیادی اختصاصی عمل می‌کند. بنابراین bio19 برای مدل‌سازی این گونه ارزشمند است. نرخ مشارکت کل بارش 13.1درصد، نرخ مشارکت کل دما 2.7 درصد،  نرخ مشارکت کل شاخص (شاخص نرمال شده پوشش گیاهی) ndvi 0.4 درصد، نرخ مشارکت کل متغیر خاک 4.5 درصد و نرخ مشارکت کل (توپوگرافی)  srtm0.2 درصد است، در این مقادیر احتمال حضور گونه آنغوزه بیشتر است. سپس بررسی مطلوبیت زیستگاه این گیاه، نقشه واضحی از 4 الگوریتم مدل ترکیبی به‌دست آمد. نتایج نشان داد رویش این گونه در قسمت‌های مرتفع و کوهستانی دارای بارش زیاد است متناسب است. این نتایج در قسمت‌های شمال هرمزگان و جنوب استان فارس شهرستان لار است این قسمت‌ها دارای آب و هوای گرم و منتهی به کوهستان است.نتیجه‌گیری: نتایج به‌دست آمده در این پژوهش نشان داد مدل‌های اجماعی عملکرد بهتری برای هر یک از اهمیت نسبی متغیرها، منحنی‌های پاسخ و مطلوبیت زیستگاه گونه آنغوزه، نسبت به مدل‌های تک دارند. نتایج مدل‌سازی مجموعه ما نقشه‌های با وضوح بسیار بالا از احتمال وقوع گونه‌ها را پیش‌بینی کرد. نتایج ما مبنای علمی مهمی برای حفاظت، معرفی و استفاده بهینه برای پیش‌بینی امکان این گونه در منطقه مورد مطالعه با توجه به اینکه تاکنون در این مناطق به این موضوع پرداخته نشده،  فراهم می‌کند.

applying ensemble modeling for species distribution forecasting of ferula assa-foetida in southern iran

background and objectives: changing environmental conditions and climate change significantly affect the geographical distribution of plant species. accurate weather forecasting is essential for the sustainable production of valuable plant species, crucial for protecting soil and vegetation resources. given the high costs of field surveys, distribution prediction modeling serves as an effective method for the proper exploitation and conservation of special medicinal plants. this research aims to predict the distribution of ferula assa-foetida l. using an ensemble modeling approach to manage the habitat of this valuable plant species.methodology: sampling for the presence of f. assa-foetida was conducted during the 2019 growing season using gps in the study area. environmental and climate data were obtained from relevant websites and processed using the rudmm package to eliminate collinearity. from 28 variables, 14 were selected and modeled without collinearity issues. twelve models (ann, fda, cta, glm, gam, gbm, mars, sare, rf, xgboost, maxent, maxnet) were used in this study. these models were initially evaluated individually based on roc and tss curves, then combined for continued modeling with tss above 0.94. the relative significance of variables was assessed in both single and combined models. four algorithms (emca, emci, emmean, emcv) were employed in the ensemble models. the study utilized r programming software and the biomod2 package.results: detailed examination of single function models indicated that the rf model (random forest) had high accuracy, and the combined models with tss above 0.94 provided the basis for this research. the relative significance of variables showed that bio19, bio18, bio4, and earth-clay were the most important for modeling. bio19, representing the impact of the coldest season rainfall, contributed 40%, with minimal impact from the slope direction (0.06%). precipitation’s total contribution rate was 13.1%, temperature’s total contribution rate was 2.7%, ndvi (vegetation index) total contribution rate was 0.4%, soil change total contribution rate was 4.5%, and topography’s (srtm2) total contribution rate was 0%. the habitat suitability analysis provided clear maps from four combined model algorithms, showing high suitability for species growth in high and mountainous areas, specifically in northern hormozgan and southern fars provinces, and lar city.conclusion: the consensus models outperformed single models in representing variable contributions, response curves, and habitat suitability for f. assa-foetida. ensemble modeling produced high-resolution maps predicting species distribution probabilities. the findings are crucial for the conservation, introduction, and optimal use of f. assa-foetida in the study area, addressing gaps in previous research.