مطلوبیت رویشگاه درمنه بابونه‌ای (artemisia chamaemelifoila vill.) در استان اردبیل

مدل‌های پیش‌بینی پراکنش جغرافیایی گونه‌های گیاهی از نوع مدل‌های استاتیک و احتمالی هستند و روابط ریاضی حاکم بر توزیع جغرافیایی گونه را با محیط فعلی آن‌ها و عوامل مهم محیطی موثر بر پراکنش گونه‌ها را مشخص می‌کنند. هدف تحقیق حاضر تهیه نقشه پیش‌بینی رویشگاه گونه درمنه بابونه‌ایartemisia chamaemelifolia) )از جمله گونه‌های مرتعی و دارویی مهم در سطح مراتع استان اردبیل است. در سطح مراتع استان اردبیل 449 سایت نمونه‌برداری از مناطق حضور و عدم‌حضور گونه مورد مطالعه طی سال‌های 1397 تا 1400 مورد توجه قرار گرفت. دو دسته عوامل محیطی شامل متغیرهای زیست اقلیمی (19 مورد) و توپوگرافیکی شامل شاخص‌های اولیه (3 مورد) و شاخص‌های ثانویه (6 مورد) در ارتباط با حضور گونه مورد بررسی قرار گرفتند. نقشه‌های تمامی عوامل محیطی در محیط سیستم اطلاعات جغرافیایی با 70 درصد داده‌ها تهیه و همپوشان شدند. پیش‌بینی حضور گونه با چهار روش مختلف مدلسازی شامل مدل خطی تعمیم یافته(glm)، مدل جمعی تعمیم‌یافته(gam)، مدل جنگل تصادفی(rf) و مدل رگرسیون تقویت شده تعمیم‌یافته(gbm)در محیط نرم‌افزار r انجام شد. آنالیز اهمیت متغیرهای محیطی برای مدل‌ها در بسته biomode2 انجام شد. برای ارزیابی مدل‌ها از 30 درصد داده‌های گونه و سه آماره سطح زیر منحنی (auc)، کاپا (kappa) و آماره مهارت واقعی (tss )استفاده شد. نتایج مدلسازی‌ها نشان داد که متغیر ارتفاع از سطح دریا در هر چهار روش مورد مطالعه، موثرترین متغیر در انتشار گونه a. chamaemelifolia بود. در روش gam، متغیرهای بارندگی خشک‌ترین ماه، بارندگی گرم‌ترین فصل و درصد شیب نیز به‌عنوان عامل موثر بر حضور گونه درمنه بابونه‌ای به‌دست آمد. مدل rf علاوه بر ارتفاع از سطح دریا  و بارندگی گرم‌ترین فصل، میانگین دامنه دمای روزانه را نیز به عوامل موثر بر حضور گونه افزود. مقایسه عملکرد مدل‌ها نشان داد که مدل gam باauc  0.993، شاخص کاپای 0.969 وtss  0.985 بهترین مدل در بین مدل‌های مورد مطالعه است و توانسته رویشگاه گونه را در سطح عالی پیش‌بینی نماید. پس از آن، مدل rf با شاخص زیر منحنی 0.996، کاپای 0.936 و tss برابر 0.941 با اختلافی اندک، مدل دوم مورد تایید در این ارتباط است. نتایج این بررسی نشان داد که گونه درمنه بابونه‌ای، دارای آشیان بوم‌شناختی به نسبت محدودی است و تمایل به رویش در شرایط رویشگاهی خاص خودش را دارد. بنابراین، نقشه‌های پیش‌بینی تهیه شده می‌تواند مناطق جغرافیایی  که گونه در آن حضور دارد را برای طراحی و اعلام مناطق حفاظتی گونه معرفی نموده و برای پیشنهاد گونه در اصلاح و احیاء مناطق با شرایط اکولوژیک مشابه مناطق حضور گونه، مورد استفاده قرار گیرد. انتظار می‌رود مدل پیش‌بینی در مطالعه کنونی، به‌منظور استراتژی‌های حفاظتی در آینده موثر باشد. 

habitat suitability for artemisia chamaemelifolia vill. in rangelands of ardabil province

the models for predicting the geographic distribution of plant species are static and probabilistic models and specify the mathematical relationships governing the geographical distribution of species with their current environment and important environmental factors affecting the distribution of species. the aim of the present research was to preparing a habitat prediction map of the artemisia chamaemelifolia including the important medicinal species in the rangelands of ardabil province. in the rangelands of ardabil province, 449 sampling sites of the presence and absence of the studied species were considered from 2018 to 2021. two categories of environmental factors including bioclimatic variables (19 cases) and topographic variables including primary indicators (3 cases) and secondary indicators (6 cases) were investigated in relation to the presence of the species. maps of all environmental factors in the environment of the geographic information system were prepared and overlapped with 70% of the data. prediction of species presence with four different modeling methods including; generalized linear model (glm), generalized additive model (gam), random forest model (rf) and generalized boosted regression model (gbm) were performed in the r software environment. the analysis of the importance of environmental variables for the models was done in the biomode2 package. to evaluate the models, 30% of the species data and three statistics of area under curve (auc), kappa and true skill statistics (tss) were used. the results of the modeling showed that the elevation was the most effective variable in the distribution of a. chamaemelifolia species in all four studied methods. in the gam method, the variables of precipitation of the driest month, precipitation of the hottest season, and percentage of slope were also obtained as effective factors on the presence of this species. in addition to the elevation and the precipitation of the hottest season, the rf model also added the average daily temperature range to the factors affecting the presence of the species. comparing the performance of the models showed that the gam model with auc 0.993, kappa index 0.969, and tss 0.985, is the best model among the studied models and was able to predict the habitat of the species at an excellent level. after that, the rf model with the auc of 0.996, kappa 0.936, and tss 0.941, with a small difference, is the second approved model in this connection. the results of this study showed that the species of a. chamaemelifolia has a relatively limited ecological niche and tends to grow in its own habitat conditions. therefore, the prepared prediction maps can introduce the geographical areas in which the species is present to design and announce the protection areas of the species and can be used to suggest the species in the modification and restoration of areas with similar ecological conditions as the species’ presence areas. the prediction model in the current study is expected to be effective for future conservation strategies.