بررسی تاثیرگذاری متغیرهای محیطی مختلف در مدلسازی پراکنش گونه سرخدار (taxus baccata l.) با استفاده از مدل maxent در جنگل‌های هیرکانی

مقدمه و هدف: نقشه پراکنش گونه‌های گیاهی نقش برجسته‌ای در ارزیابی حفاظت منطقه‌ای، توسعه برنامه‌ریزی و اقدامات مدیریتی دارند. مدل‌های پراکنش گونه‌ای (sdm) به عنوان الگوریتم تحلیلی-آماری تعریف می‌شوند که با توجه به مشاهدات میدانی و نقشه‌های محیطی می‌توانند دامنه جغرافیایی پراکنش گونه‌های گیاهی را تعیین کنند. از آن‌جا که گونه سرخدار یکی از گونه‌های با ارزش جنگل‌های هیرکانی است و از مهم‌ترین درختان دیرزیست این ناحیه محسوب می‌شود، دستیابی به نقشه پراکنش و مناطق دارای پتانسیل حضور این گونه و مشخص کردن عوامل تاثیرگذار بر حضور این گونه در سطح جنگل‌های هیرکانی با هدف انجام حفاظتی از گونه‌های ذخیره‌گاهی ضرورت دارد. در میان مدل‌های پراکنش گونه، مدل حداکثر آنتروپی (maxent) یکی از محبوب‌ترین مدل‌هایی است که مزایایی را در بین این رویکردها نشان می‌دهد. مدل حداکثر آنتروپی ﯾﮑﯽ از ﻣﻬﻢﺗﺮﯾﻦ روش‌ها بر اساس نقاط صرفاً حضور است و ﻛﺎراﻳﻲ ﺧﻮﺑﻲ را در اﻳﻦ زﻣﻴﻨﻪ ﻧﺸﺎن داده اﺳﺖ. ﺣﺴﺎﺳﯿﺖ اﯾﻦ روش به وﺟﻮد ﺗﻌﺪاد ﮐﻢ ﻧﻘﺎط ﺣﻀﻮر ﻧﯿﺰ کم است و با حداقل پنج نقطه حضور نیز قابلیت استفاده دارد. همچنین قادر به مدلسازی روابط پیچیده و غیر خطی بین متغیر پاسخ و پیش‌بینی کننده‌ها نیز هستند. با این حال، سهولت و سادگی اجرای آن است که آن را به برجسته‌ترین و پرکاربردترین تکنیک sdm در بررسی های علمی سوق داده است. هدف از این پژوهش پاسخ به این سوال است که کدامیک از متغیرهای محیطی بر پراکنش سرخدار تاثیرگذار است؟مواد و روش‌ها: در این پژوهش ابتدا رویشگاه‌های اصلی سرخدار در جنگل‌های هیرکانی در سه استان گلستان، مازندران و گیلان شناسایی شده و تعداد 1614 حضور گونه سرخدار ثبت شد. سپس متغیرهای محیطی شامل متغیرهای زیست اقلیمی از پایگاه جهانی world clime، متغیرهای محیطی از پایگاه soilgrids و متغیرهای توپوگرافی حاصل از dem یک کیلومتر برای منطقه مورد نظر آماده شد. برای مدلسازی، از مدل maxent استفاده شد؛ به این صورت که یکبار تنها با استفاده از متغیر اقلیمی (m1)، یکبار با ترکیب متغیر اقلیمی و توپوگرافی (m2)، یکبار در ترکیب متغیرهای اقلیمی و خاکی (m3) و در نهایت با تمام متغیرهای محیطی با درنظر گرفتن همبستگی موجود بین متغیرها مدل maxent اجرا شد. در این پژوهش از maxent بهینه با پنج ضریب منظم‌سازی مختلف (0.5، 1، 2، 3 و 4) در ترکیب با ویژگی‌های مختلف (l، lq، h، lqh، lqhp) استفاده شد. همچنین، تنظیمات مدل maxent بهینه بر اساس معیارهای ارزیابی وابسته به آستانه (یعنی نرخ حذف) برای یافتن بهترین شاخص هایی که میانگین ارزیاب‌ها را در اعتبارسنجی به بیشینه می‌رسانند، استفاده شد. پس از شناسایی تنظیمات مناسب و بهینه maxent، سایر گزینه‌های انتخاب شده در این پژوهش شامل روش block با 5000 نقطه پس زمینه است. برای ارزیابی عملکرد مدل و بهبود عملکرد از سطح زیر منحنی مشخصه عملیاتی گیرنده (auc) به عنوان یک معیار مرسوم استفاده شد.یافته‌ها: نتایج نشان داد که مدل 3 که شامل متغیرهای اقلیمی و خاکی بود کمترین مقدار auc را داشت، درحالی که مدل 2 متشکل از متغیرهای اقلیمی و توپوگرافی سبب بهبود عملکرد مدل شد و مقدار auc از 0.93 به 0.94 افزایش یافت. نتایج نشان داد که بیشترین مقدار auc متعلق به مدل 4 با مقدار 0.96 بود که نشان‌دهنده افزایش دقت مدل در پیش‌بینی پس از حذف هم خطی بین متغیرها است. همچنین بر اساس درصد سهم از میان متغیرهای زیست اقلیمی، متغیرهای bio2، bio3، bio7، bio18، از متغیرهای توپوگرافی ارتفاع و شیب به ترتیب در مدلسازی پراکنش گونه‌های سرخدار در جنگل‌های هیرکانی مهم‌ترین متغیرها بودند. این شش عامل، در مجموع 90 درصد در پراکنش گونه سرخدار نقش دارند در این میان تمام متغیرهای خاکی با هم 1.02 درصد در مدلسازی پراکنش سرخدار نقش داشتند.نتیجه‌گیری: نتایج ما نه تنها درک ما را از نحوه عملکرد این عوامل غیرزیستی در پراکنش گونه سرخدار بهبود می‌بخشد، بلکه اهمیت هرکدام از متغیرهای پیش‌بینی کننده بر حضور گونه در معرض خطر انقراض سرخدار را مشخص می‌کند. این پیش‌بینی‌کننده‌ها به تخمین پراکنش بالقوه درختان سرخدار در منطقه جنگلی شمال ایران کمک می‌کنند. این پژوهش یک مبنای علمی برای توسعه و اجرای یک برنامه حفاظتی با اولویت و هماهنگ برای حفاظت از این گونه درختی در محدوده جغرافیایی بومی آن فراهم می‌کند.

investigating the influence of different environmental variables in modeling the distribution of yew (taxus baccata l.) using the maxent model in hyrcanian forests

background and objective: mapping species distributions is vital for evaluating regional conservation priorities, informing planning efforts, and guiding management actions. species distribution models (sdms) are analytical-statistical tools that use field occurrence data and environmental variables to estimate the geographic range of species. the yew tree (taxus baccata), a relict and long-lived species, is among the most ecologically valuable trees in the hyrcanian forests. mapping its current distribution and identifying potential suitable habitats—as well as understanding the environmental drivers of its presence—are essential steps toward effective conservation of this endangered species. among sdms, the maximum entropy (maxent) model is widely regarded as one of the most effective, particularly for presence-only data. it performs well even with a limited number of occurrence records (as few as five points) and is capable of modeling complex, non-linear relationships between predictors and species presence. its simplicity and ease of use have made maxent the most commonly applied sdm technique in ecological studies. the main goal of this research was to identify which environmental variables most influence the distribution of the yew tree.material and methods: to achieve this, the primary habitats of yew in the hyrcanian forests across golestan, mazandaran, and gilan provinces were identified, and 1,614 presence points were recorded. environmental variables included bioclimatic layers from the worldclim database, soil parameters from soilgrids, and topographic variables derived from a 1-km resolution digital elevation model (dem). the maxent model was run under four scenarios: (m1) using only climatic variables; (m2) combining climatic and topographic variables; (m3) combining climatic and soil variables; and (m4) integrating all environmental variables while accounting for multicollinearity. model tuning involved testing five regularization multipliers (0.5, 1, 2, 3, and 4) in combination with various feature classes (l, lq, h, lqh, lqhp). threshold-dependent evaluation metrics—particularly the omission rate—were used to identify the optimal parameter settings that maximized model performance. after selecting the best configuration, modeling was performed using the block method with 5,000 background points. model accuracy was assessed using the area under the receiver operating characteristic curve (auc), a widely used measure in sdm evaluation.results: model 3 (climatic + soil variables) produced the lowest auc, while model 2 (climatic + topographic variables) improved performance slightly, raising the auc from 0.93 to 0.94. the highest predictive accuracy (auc = 0.96) was achieved by model 4, which incorporated all environmental variables after removing multicollinearity—indicating that accounting for variable interdependence enhances model reliability. among all variables, the most influential predictors of yew distribution were the bioclimatic variables bio2, bio3, bio7, and bio18, along with elevation and slope. collectively, these six variables explained 90% of the variation in yew presence, while soil variables contributed just 1.02% to the model’s predictive power.conclusion: this study enhances our understanding of how abiotic factors shape the distribution of the endangered yew tree and underscores the significance of specific environmental predictors. these insights can inform the delineation of potential habitats and support targeted conservation planning in the hyrcanian forests of northern iran. ultimately, the findings provide a scientific foundation for developing prioritized and coordinated conservation strategies to safeguard this valuable species within its native range.