كاربرد روش مدل‌سازي اجماعي در پيش‌بيني اثرات تغيير اقليم بر پراكنش گونه لاله واژگون (Fritillaria imperialis L)

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

يكي از اثرات مهم تغيير اقليم بر گياهان، تغيير در گستره جغرافيايي آن‌هاست. پيش‌بيني توزيع بالقوه گونه‌هاي گياهي باارزش و در معرض خطر در پاسخ به تغيير اقليم، امري ضروري در جهت حفاظت و مديريت آن‌ها محسوب مي‌شود. اين مطالعه با هدف پيش‌بيني توزيع جغرافيايي گونه لاله واژگون (Fritillaria imperialis) در زمان حال حاضر و همچنين آينده در استان چهارمحال و بختياري واقع در منطقه زاگرس مركزي انجام شد. دو سناريوي اقليمي شامل 4/5 RCP و 8/5RCP تحت مدل گردش عمومي HadGEM2-CC براي پيش‌بيني آينده (سال 2050) مورد استفاده قرار گرفت. از 19 متغير زيست اقليمي مشتق شده از دما و بارش و سه متغير فيزيوگرافي (شيب، جهت و ارتفاع) به عنوان ورودي به مدل‌ها استفاده شد. پنج روش مدل‌سازي پراكنش گونه‌اي شامل شبكه عصبي مصنوعي، مدل خطي تعميم يافته، تجزيه و تحليل طبقه‌بندي درختي، روش افزايشي تعميم يافته و جنگل تصادفي بودند كه در چارچوب پيش‌بيني توسط مدل‌سازي اجماعي و با استفاده از بسته biomod2 در نرم‌افزار R مورد ارزيابي قرار گرفتند. نتايج نشان داد كه به ترتيب تغييرات فصلي دما و مجموع بارندگي سالانه بيشترين سهم را در تعيين مطلوبيت رويشگاه گونه لاله واژگون داشتند. ارزيابي مدل‌ها نشان داد كه مدل‌ها از صحت و دقت خوبي برخوردار هستند و مدل جنگل تصادفي، قابل‌اعتمادترين مدل براي پيش‌بيني پراكنش گونه تعيين شد. همچنين، در مجموع رويشگاه اين گونه در آينده تحت سناريو 4/5RCP و 8/5RCP به ترتيب حدود 19/7 و 61 درصد كوچكتر از حال حاضر خواهد شد.

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 HadGEM2-CC 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 3.3.1. 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.