مدلسازی پراکنش فعلی و آینده راش شرقی (fagus orientalis lipsky) در جنگل‌های هیرکانی

مقدمه و هدف: جنگل‌های راش، از بزرگ‌ترین جنگل‌های اروپا تا مناطق کوهستانی جنوب اروپا و سواحل دریای خزر، زیستگاه راش شرقی (fagus orientalis lipsky) به‌عنوان گونه غالب هستند. این جنگل‌ها نقش مهمی در کاهش دی‌اکسیدکربن و مقابله با تغییرات اقلیمی دارند. پیش‌بینی اثر تغییرات اقلیمی بر اکوسیستم‌ها و گونه‌ها از اهداف اساسی بوم‌شناسی است. برای مدیریت پایدار، شناخت تاثیر اقلیم بر پراکنش گیاهان ضروری است. مدل‌های پراکنش گونه‌ای (sdms) ابزارهای کلیدی در شناسایی زیستگاه‌های مطلوب و تدوین راهکارهای حفاظتی در برابر تغییر اقلیم هستند.مواد و روش‌ها: در این پژوهش، پراکنش راش شرقی در جنگل‌های هیرکانی تحت شرایط اقلیمی فعلی و آینده با استفاده از الگوریتم‌های مدل‌سازی شامل شبکه عصبی مصنوعی، مدل خطی تعمیم‌یافته، رگرسیون تطبیقی چندمتغیره، حداکثر آنتروپی و جنگل تصادفی بررسی شد. مدل رقومی ارتفاع (dem) برای تولید لایه‌های شیب، جهت شیب و ارتفاع به‌کار رفت و 19 متغیر زیست‌اقلیمی با قدرت تفکیک مکانی یک کیلومتر از پایگاه داده chelsa استخراج شد. تعداد 1068 نقطه رخداد گونه با حداقل فاصله یک کیلومتری از یکدیگر به‌عنوان متغیر وابسته، و هشت متغیر فیزیوگرافی و زیست‌اقلیمی با آزمون همبستگی پیرسون (8/0>r>8/0-) به‌عنوان متغیرهای مستقل انتخاب شدند. مدل‌ها با تخصیص 75 درصد داده‌ها برای آموزش و 25 درصد برای ارزیابی، از طریق شاخص‌هایی مانند سطح زیر منحنی roc، حساسیت، ویژه‌انگاری و tss ارزیابی شدند.یافته‌ها: تمامی مدل‌های مجزا توانایی شناسایی محدوده پراکنش راش شرقی را داشتند، اما مدل اجماعی و سپس جنگل تصادفی بهترین عملکرد را نشان دادند. رویکرد اجماعی عدم قطعیت پیش‌بینی‌ها را کاهش داد. بررسی اهمیت متغیرها نشان داد که ارتفاع، تغییرات فصلی دما و شیب، تاثیرگذارترین عوامل در پراکنش گونه بودند، به‌طوری که ارتفاع حدود 40 درصد از تغییرات را توضیح داد. همچنین، ایزوترمالیتی کمترین تاثیر را داشت. پراکنش گونه عمدتاً از آستارا تا گرگان امتداد داشت، با احتمال رخداد بیشتر در استان‌های گیلان و مازندران نسبت به گلستان. مطابق مدل اجماعی، 31.05 درصد از منطقه مطالعه (6030.6 کیلومترمربع) زیستگاه مطلوبی برای گونه بود که تحت اقلیم آینده کاهش خواهد یافت. منحنی‌های پاسخ، ارتفاع 1300 تا 2000 متر و شیب 30 درصد را به‌عنوان شرایط بهینه نشان دادند. در سناریوی ssp5-8.5، کاهش پراکنش در مقایسه با ssp1-2.6 و در دوره 2100-2071 نسبت به 2070-2041 بیشتر بود. تحت سناریوی خوش‌بینانه (2070-2041) و بدبینانه (2100-2071) بر اساس مدل gfdl-esm4، پراکنش راش شرقی به ترتیب 7.65 و 34.8 درصد کاهش خواهد یافت.نتیجه‌گیری: استفاده از مدل اجماعی، به دلیل تاکید بر نواحی مشترک بین مدل‌های مختلف، شبیه‌سازی دقیق‌تری از پراکنش گونه ارائه داد. با توجه به دقت بالای مدل‌ها، این روش‌ها می‌توانند ابزاری ارزشمند در پیش‌بینی تاثیر تغییر اقلیم بر پراکنش راش شرقی در جنگل‌های هیرکانی باشند. یافته‌ها می‌توانند مبنایی علمی برای تدوین راهکارهای حفاظتی، مدیریت پایدار و احیای زیستگاه‌های مستعد باشند.

current and future distribution modeling of oriental beech (fagus orientalis lipsky) in hyrcanian forests

background and objective: beech forests, spanning from europe’s largest woodlands to the mountainous regions of southern europe and the caspian sea coasts, provide a crucial habitat for the oriental beech (fagus orientalis lipsky), the dominant species in these ecosystems. these forests play a vital role in carbon sequestration and climate change mitigation. predicting the impacts of climate change on ecosystems and species is a fundamental objective of ecological research. understanding how climate influences plant distribution is essential for sustainable forest management. species distribution models (sdms) are powerful tools for identifying suitable habitats and informing conservation strategies in response to climate change.material and methods: this study assessed the distribution of oriental beech in the hyrcanian forests under present and future climate conditions using multiple modeling algorithms, including artificial neural networks, generalized linear models, multivariate adaptive regression splines, maximum entropy, and random forest. a digital elevation model (dem) was used to generate slope, aspect, and elevation layers, while 19 bioclimatic variables with a spatial resolution of one kilometer were obtained from the chelsa database. a total of 1,068 occurrence points, each spaced at least one kilometer apart, were used as the dependent variable. eight physiographic and bioclimatic variables, selected through pearson correlation analysis (|r| < 0.8), served as independent variables. models were trained on 75% of the data and evaluated with the remaining 25% using performance metrics such as the area under the roc curve (auc), sensitivity, specificity, and the true skill statistic (tss).results: all individual models successfully identified the distribution range of oriental beech, with the ensemble model and random forest performing the best. the ensemble approach reduced prediction uncertainty. variable importance analysis revealed that elevation, seasonal temperature variation, and slope were the most influential factors, with elevation alone explaining approximately 40% of the variation. in contrast, isothermality had the least impact. the species was primarily distributed from astara to gorgan, with a higher probability of occurrence in gilan and mazandaran provinces compared to golestan. according to the ensemble model, 31.05% of the study area (6,030.6 km²) was classified as suitable habitat, though this is projected to decline under future climate scenarios. response curves indicated that optimal conditions included elevations of 1,300–2,000 meters and slopes of approximately 30%. under the ssp5-8.5 scenario, habitat loss was more pronounced than under ssp1-2.6, with greater reductions projected for 2071–2100 compared to 2041–2070. based on the gfdl-esm4 model, oriental beech distribution is expected to decline by 7.65% under the optimistic scenario (2041–2070) and by 34.8% under the pessimistic scenario (2071–2100).conclusion: the ensemble model provided a more precise prediction of species distribution by integrating common patterns across multiple models. given the high accuracy of the models used, these approaches offer valuable insights into the potential effects of climate change on the distribution of oriental beech in the hyrcanian forests. the findings provide a scientific foundation for developing conservation strategies, implementing sustainable management practices, and guiding habitat restoration efforts.