کاربرد روش مدل‌سازی اجماعی در پیش‌بینی اثرات تغییر اقلیم بر پراکنش گونه لاله واژگون (fritillaria imperialis l.)

یکی از اثرات مهم تغییر اقلیم بر گیاهان، تغییر در گستره جغرافیایی آن‌هاست. پیش‌بینی توزیع بالقوه گونه‌های گیاهی باارزش و در معرض خطر در پاسخ به تغییر اقلیم، امری ضروری در جهت حفاظت و مدیریت آن‌ها محسوب می‌شود. این مطالعه با هدف پیش‌بینی توزیع جغرافیایی گونه لاله واژگون (fritillaria imperialis) در زمان حال حاضر و همچنین آینده در استان چهارمحال و بختیاری واقع در منطقه زاگرس مرکزی انجام شد. دو سناریوی اقلیمی شامل 4.5rcp و 8.5rcp تحت مدل گردش عمومی hadgem2cc برای پیش‌بینی آینده (سال 2050) مورد استفاده قرار گرفت. از 19 متغیر زیست اقلیمی مشتق شده از دما و بارش و سه متغیر فیزیوگرافی (شیب، جهت و ارتفاع) به عنوان ورودی به مدل‌ها استفاده شد. پنج روش مدل‌سازی پراکنش گونه‌ای شامل شبکه عصبی مصنوعی، مدل خطی تعمیم یافته، تجزیه و تحلیل طبقه‌بندی درختی، روش افزایشی تعمیم یافته و جنگل تصادفی بودند که در چارچوب پیش‌بینی توسط مدل‌سازی اجماعی و با استفاده از بسته biomod2 در نرم‌افزار r مورد ارزیابی قرار گرفتند. نتایج نشان داد که به ترتیب تغییرات فصلی دما و مجموع بارندگی سالانه بیشترین سهم را در تعیین مطلوبیت رویشگاه گونه لاله واژگون داشتند. ارزیابی مدل‌ها نشان داد که مدل‌ها از صحت و دقت خوبی برخوردار هستند و مدل جنگل تصادفی، قابل‌اعتمادترین مدل برای پیش‌بینی پراکنش گونه تعیین شد. همچنین، در مجموع رویشگاه این گونه در آینده تحت سناریو 4.5rcp و 8.5rcp به ترتیب حدود 19.7 و 61 درصد کوچکتر از حال حاضر خواهد شد.

Application of ensemble modelling method in predicting the effects of climate change on the distribution of Fritillaria imperialis L.

One of the major impacts of climate change on plants is the change in their geographical range. Predicting the potential distribution of endangered plants in response to climate change is essential for their conservation and policy management. This study aimed at predicting the effect of climate change on the geographical distribution of Fritillaria imperialis in Chaharmahal Bakhtiari province in the central Zagros region. We used RCP4.5 and RCP8.5 (two climate change scenario) and general circulation model HadGEM2CC in order to predict the future geographic distribution of the species. In this study, we used 19 bioclimatic variables related to rainfall and temperature and three physiographical variables to create the models. In this regard, we used 5 modelling approaches, Generalized Linear Model (GLM), Classification Tree Analysis (CTA), Artificial Neural Network (ANN), Generalized Boosting Method (GBM) and Random Forest (RF) under the ensemble using biomod2 package in the free statistical software environment R 3.3.2. The results of the model showed that annual precipitation and temperature seasonality had the most important to provide habitat suitability of this species. All the models were accurate enough to predict the species distribution, among them, RF presented the most reliable model for the prediction. Under RCP4.5 and RCP8.5 climate scenario, the habitat of the species will shrink to 19.7% and 61, respectively in 2050.