پیش‌بینی اثرات تغییر اقلیم بر پراکنش بالقوه گونه بادامک (amygdalus scoparia) با استفاده از مدل‌سازی اجماعی در زاگرس مرکزی

پیش‌بینی اثر تغییر اقلیم بر پراکنش گونه‌های گیاهی با ارزش، امری ضروری در راستای حفاظت و مدیریت آن‌ها محسوب می‌شود. بادامک (amygdalus scoparia) یکی از گونه‌های وحشی بادام و بومی ایران است. این مطالعه با هدف پیش‌بینی اثر تغییر اقلیم بر پراکنش جغرافیایی گونه بادامک در استان چهارمحال و بختیاری واقع در منطقه زاگرس مرکزی صورت گرفت. پنج روش مدل‌سازی پراکنش گونه‌ای، شامل مدل خطی تعمیم‌یافته، آنالیز طبقه‌بندی درختی، شبکه عصبی مصنوعی، روش بوستینگ تعمیم‌یافته و جنگل تصادفی در چارچوب روش اجماعی و با استفاده از بسته biomod در نرم‌افزار r مورد استفاده قرار گرفتند. نتایج مطالعه نشان داد که همه مدل‌های مورد استفاده در این مطالعه، مقادیر auc بالاتر از 0.9 و عملکرد عالی دارا بودند. میانگین دمای خشک‌ترین فصل و بارندگی سالانه در حدود 85 درصد تغییرات پراکنش گونه را توجیه ‌نمودند و بیشترین سهم را در تعیین مطلوبیت رویشگاه گونه داشتند. بر اساس نتایج حاصل از اجماع مدل‌ها، 9 درصد (148680 هکتار) از مساحت استان برای گونه بادامک، دارای تناسب رویشگاهی زیاد تعیین شد. مساحت رویشگاه مطلوب گونه در شرایط آب و هوایی حال حاضر و آینده توسط نرم‌افزار arcgis محاسبه گردید. تغییرات پراکنش جغرافیایی گونه در سال 2050 تحت سناریوهای اقلیمی 4.5rcp و 8.5rcp نشان داد که وسعت رویشگاه گونه کاهش می‌یابد (به ترتیب 43 و 59 درصد) و در برخی مناطق نیز شاهد بروز مناطق مستعد وقوع گونه خواهیم بود (به ترتیب 135 و 140 درصد). از نتایج این مطالعه می‌توان در برنامه‌ریزی‌های حفاظتی و اصلاحی گونه بادامک استفاده نمود.

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

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.