پیش بینی تغییرات پراکنش جغرافیایی گونه مرتعی alopecurus textilis boiss بر پایه رویکرد اجماعی تغییر اقلیم در استان مازندران

تغییر اقلیم نقش مهمی در پراکنش گونه های گیاهی دارد. مدل های آماری پراکنش گونه ای (sdms)، به طور گسترده ای برای پیش بینی تغییرات توزیع گونه ها تحت سناریو های تغییر اقلیم استفاده می شوند. در مطالعه حاضر پراکنش گونه alopecurus textilis در شرایط حال حاضر و آینده (2050) تحت اثر اقلیم و دو سناریوی rcp 4.5 و rcp 8.5 با سری داده مدل های گردش عمومی bcc-csm1-1،ccsm4 ;و mri-cgcm3 و با استفاده از پنج مدل پراکنش گونه ای شامل مدل خطی تعمیم یافته، مدل جمعی تعمیم یافته، تحلیل طبقه بندی درختی، مدل رگرسیون تقویت شده و روش جنگل تصادفی در استان مازندران بررسی شد. به این منظور، تعداد 92 داده حضور گونه با استفاده از سیستم موقعیت یاب جهانی (gps) ثبت شد و همراه با لایه های عوامل محیطی شامل شش متغیر زیست اقلیمی و دو متغیر فیزیوگرافی در مدل سازی مورد استفاده قرار گرفتند. از بین متغیر های محیطی به ترتیب میانگین دمای خشک ترین فصل سال، تغییرات فصلی بارندگی، مجموع بارندگی گرم ترین فصل سال و مجموع بارندگی سرد ترین فصل سال بیشترین تاثیر را در مطلوبیت رویشگاه این گونه داشتند. ارزیابی مدل سازی نشان داد که مدل جنگل تصادفی و رگرسیون تقویت شده نسبت به سایر مدل ها پیش بینی قابل اعتماد تری برای تعیین رویشگاه اقلیمی داشتند. تغییر مقدار رویشگاه های مناسب برای این گونه، بر مبنای شرایط حال حاضر نشان داد که تحت سناریوهای انتشار rcp 4.5 ;و rcp 8.5 به ترتیب حدود 22.25 و 36.22 درصد، از مساحت اراضی دارای تناسب اقلیمی برای گونه، تا سال 2050 کاسته می شود. نتایج پژوهش حاضر می تواند ابزاری کارآمد برای حفاظت از تنوع زیستی، مدیریت اکوسیستم و برنامه ریزی برای استقرار مجدد گونه تحت سناریوهای تغییر اقلیم آینده باشد. ;

predicting the geographical distribution of alopecurus textilis boiss rangeland species on basis consensus approach of climate change in mazandaran province

the climate changes have an important role in distribution of plant species. statistical species distribution models (sdms) are widely used to predict the changes in species distribution under climate change scenarios. in the peresent study, the distribution of alopecurus textilis in the current and future climate condition (2050) under the influence of climate change and two scenarios of rcp 4.5 and rcp 8.5 with the gcm data series of general circulation models bcc-csm1-1، ccsm4 and mri-cgcm3 by using of five species distribution models such as generalized linear model, generalized additive model, classification tree analyses, generalized boosting model and random forest method in mazandaran province were investigated. for this purpose, the number of 92 species presence data was recorded using global positioning system and along with layers of environmental factors including six bioclimatic variables and two physiographic variables were used in modeling. among the environmental variables, mean temperature of driest quarter, precipitation seasonality, precipitation of warmest quarter and precipitation of coldest quarter had the most impact on the habitat suitability. modeling evaluation indicated that the random forest and generalized boosting model had better predictions of climatic habitat than other models. results showed that in comparison with current conditions under the emission scenarios of rcp 4.5 and rcp 8.5 respectively 22.25 and 36.22 percent of the climatic suitable area for this species will be reduced by 2050. finally, the results of the present study can be an efficient tool for biodiversity protection, ecosystem management, and species re-habitation planning under future climate change scenarios.