| تعداد نشریات | 286 |
| تعداد نشریات سازمان | 84 |
| تعداد شماره‌ها | 2,996 |
| تعداد مقالات | 33,553 |
| تعداد مشاهده مقاله | 44,160,032 |
| تعداد دریافت فایل اصل مقاله | 20,533,723 |
بررسی تغییرات پراکنش گونه گون گزی Astragalus adscendens - Boiss&Hausskn در استان اصفهان تحت اثر تغییر اقلیم | ||
| تحقیقات مرتع و بیابان ایران | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 21 اردیبهشت 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/ijrdr.2025.133606 | ||
| نویسندگان | ||
| نسیم شعبانی* 1؛ مصطفی ترکش اصفهانی2؛ علیرضا رجبی مظهر3؛ نفیسه صلاحی مقدم4؛ پیمان اکبرزاده5؛ حسن شادمان6؛ مهدی خوشبخت7 | ||
| 1محقق بخش جنگل ها و مراتع مرکز تحقیقات، آموزش و ترویج کشاورزی استان زنجان | ||
| 2دانشیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان، اصفهان، ایران | ||
| 3استادیار پژوهشی، بخش تحقیقات جنگل‌ها و مراتع، مرکز تحقیقات کشاورزی و منابع طبیعی استان همدان، سازمان تحقیقات، آموزرش و ترویج کشاورزی، همدان، ایران | ||
| 4محقق، بخش تحقیقات اقتصادی، اجتماعی و ترویجی، مرکز تحقیقات کشاورزی و منابع طبیعی استان زنجان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زنجان، ایران | ||
| 5محقق، بخش تحقیقات جنگل‌ها و مراتع، مرکز تحقیقات کشاورزی و منابع طبیعی استان زنجان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زنجان، ایران | ||
| 6محقق، بخش تحقیقات آبخیزداری، مرکز تحقیقات کشاورزی و منابع طبیعی استان زنجان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زنجان، ایران | ||
| 7کارشناس آبخیزداری، اداره کل منابع طبیعی استان همدان، سازمان منابع طبیعی و آبخیزداری، همدان، ایران | ||
| چکیده | ||
| سابقه و هدف تغییرات اقلیمی به‌عنوان یکی از تهدیدات جدی برای تنوع زیستی در اکوسیستم‌های طبیعی شناخته می‌شود که تأثیرات عمده‌ای بر بقا، عملکرد و پراکنش گونه‌های گیاهی و جانوری دارد. این تغییرات می‌توانند باعث تغییر در نرخ‌های جمعیتی، انقراض گونه‌ها و تغییرات در پراکنش رویشگاه‌های گیاهی شوند. بنابراین، درک دقیق از جایگاه اقلیمی گونه‌ها و پیش‌بینی واکنش آن‌ها به تغییرات اقلیمی برای مدیریت منابع طبیعی ضروری است. مدل‌های پراکنش گونه‌ای (SDMs) ابزارهای مفیدی برای پیش‌بینی تغییرات رویشگاه‌ها و ارزیابی تأثیرات آینده تغییرات اقلیمی هستند. در این مطالعه، عملکرد سه مدل پراکنش گونه‌ای شامل: مدل حداکثر آنتروپی (Maxent)، تحلیل عاملی آشیان اکولوژیک (ENFA) و رگرسیون غیرپارامتریک مضربی (NPMR) مورد مقایسه قرار گرفته است و اثر تغییر اقلیم بر پراکنش رویشگاه گونه گون گزی طی سال‌های 2050 و 2100 تحت سناریوی HadGEM-RCP 4.5 با استفاده از بهترین مدل بررسی شده است. مواد و روش ها استان اصفهان با مساحتی بالغ بر 107 هزار کیلومتر مربع به دلیل تنوع ارتفاعی گسترده (707 متر تا حدود 4000 متر)، اقالیم رویشی مختلفی (نیمه بیابانی، استپی، نیمه استپی، جنگل‌های خشک و کوه‌های مرتفع) را در بر‌می‌گیرد. گونه گیاهی گون گزی (Astragalus adscendens) به عنوان یک گونه بومی و مهم مراتع ایران شناخته می‌شود. به منظور مدل‌سازی این گونه، 70 سایت حضور و 70 سایت عدم حضور گونه با استفاده از روش تصادفی طبقه بندی شده از نقشه تیپ گیاهی استان اصفهان استخراج شد. همچنین تعداد 70 سایت جدید با استفاده از دستگاه موقعیت یاب جهانیGPS از طریق بازدید میدانی در شهرستان‌های سمیرم و فریدونشهر به عنوان داده‌های ارزیابی مدل برداشت و استفاده گردید. تعداد 22 لایه محیطی شامل سه متغیر فیزیوگرافی (شیب، جهت و ارتفاع) و 19 متغیر زیست اقلیمی در سه دوره زمانی حال حاضر و سال‌های2050 و 2100 تحت سناریوی اقلیمی 5/4RCP و مدل گردش عمومی HadGEM2 تهیه شدند، این متغیرها از سه پارامتر اصلی شامل بارش ماهانه، دمای حداقل و حاکثر ماهانه استخراج می‌گردند. تمامی لایه‌های محیطی با اندازه پیکسل یک کیلومتر‌مربع آماده‌سازی شدند. در نهایت سه روش مدل‌سازی شامل مدل حداکثر آنتروپی (Maxent)، تحلیل عاملی آشیان اکولوژیک (ENFA) و رگرسیون غیرپارامتریک مضربی (NPMR) برای پیش‌بینی پراکنش گونه گون گزی استفاده شد. نتایج هر سه مدل عملکرد مناسبی جهت پیش بینی رویشگاه گونه گون گزی ارائه کردند (0.85AUC>). کاهش سطح رویشگاه در هر سه مدل، تحت سناریوی تغییر اقلیم HadGEM-RCP 4.5 قابل مشاهده است. بارش سالانه به‌عنوان مهم‌ترین عامل محیطی مؤثربر پراکنش گونه گیاهی گون گزی شناسایی شد. منحنی‌های پاسخ گونه نسبت به متغیرهای محیطی مؤثر مستخرج از مدل‌های Maxent و NPMR نشان می‌دهند که گونه گون گزی در بارش‌های بیش از 350 میلی‌متر و ارتفاعات بالای 2500 متر حضور بیشتری دارد. شکل منحنی عکس‌العمل گونه گون گزی نسبت به شیب صعودی بوده و نشان می‌دهد که احتمال حضور گونه با افزایش شیب، بیشتر می‌شود. بر اساس ارزیابی مدل، عملکرد مدل Maxent نسبت به سایر مدل‌ها بهتر است و از شاخص AUC بالاتری برخودار است. نتیجه گیری تغییرات اقلیمی، به ویژه کاهش بارش و افزایش دما، تأثیرات منفی جدی بر پراکنش گونه گون گزی خواهند داشت بطوری‌که تا سال 2100، حضور گونه گون گزی در استان اصفهان به ویژه در منطقه فریدونشهر (غرب استان) به شدت کاهش می‌یابد و تنها در ارتفاعات پادنا در منطقه سمیرم، به صورت لکه‌هایی در مناطق مرتفع قابل مشاهده خواهد بود. لازم به ذکر است مدل‌های پراکنش گونه‌ای استفاده شده در این تحقیق صرفاً شرایط اقلیمی و توپوگرافی را در نظر گرفته است و سایر عوامل مؤثر همچون ویژگی‌های خاک، عوامل مدیریتی و برهم‌کنش‌های زیستی در آن لحاظ نشده‌اند. ازاین‌رو، نتایج ارائه‌شده می‌توانند برآوردی کلی از پراکنش بالقوه گونه تحت سناریو اقلیمی HadGEM-RCP 4.5 باشند ولی برای مدیریت دقیق‌تر رویشگاه، بررسی سایر عوامل محیطی و زیستی ضروری است. | ||
| کلیدواژه‌ها | ||
| استان اصفهان؛ تحلیل عاملی آشیان اکولوژیک؛ تغییر اقلیم؛ حداکثرآنتروپی؛ رگرسیون غیرپارامتریک مضربی؛ Astragalus adscenden | ||
| عنوان مقاله [English] | ||
| Study of the Distributional Changes of Astragalus adscendens Boiss & Hausskn. species in Isfahan Province under the Impact of Climate Change | ||
| نویسندگان [English] | ||
| nassim shabani1؛ Mostafa Tarkesh Esfahani2؛ Alireza Rajabi Mazhar3؛ Nafiseh Salahi Moghadam4؛ Peyman Akbarzadeh5؛ Hasan Shadman6؛ Mehdi Khoshbakht7 | ||
| 1Researcher in the Forests and Rangelands Department of the Agricultural Research, Education and Extension Center of Zanjan Province | ||
| 2Associate Professor, Rangeland and Watershed Management Group, Faculty of Natural Resources, Isfahan University of Technology, Isfahan, Iran | ||
| 3Assistant Professor, Forests and Rangelands Research Section, Hamadan Agricultural and Natural Resources Research Center, AREEO, Hamadan, Iran | ||
| 4Researcher, Economic, Social and Extension Research Section, Zanjan Agricultural and Natural Resources Research Center, AREEO, Zanjan, Iran | ||
| 5Researcher, Forests and Rangelands Research Section, Zanjan Agricultural and Natural Resources Research Center, AREEO, Zanjan, Iran | ||
| 6Researcher, Watershed Management Research Section, Zanjan Agricultural and Natural Resources Research Center, AREEO, Zanjan, Iran | ||
| 7Watershed Management Expert, Hamadan General Directorate of Natural Resources, Forests, Rangelands and Watershed Management Organization, Hamadan, Iran | ||
| چکیده [English] | ||
| Background and Objective Climate change is recognized as one of the serious threats to biodiversity in natural ecosystems, having major impacts on the survival, performance, and distribution of plant and animal species. These changes can lead to alterations in population rates, species extinction, and shifts in the distribution of plant habitats. Therefore, a precise understanding of the climatic niche of species and the prediction of their responses to climate change are essential for natural resource management. Species distribution models (SDMs) are useful tools for predicting habitat changes and assessing the future impacts of climate change. In this study, the performance of three species distribution models, including the Maximum Entropy Model (Maxent), Ecological Niche Factor Analysis (ENFA), and Non-Parametric Multiplicative Regression (NPMR), is compared. The effect of climate change on the distribution of the habitat of Astragalus adscendens is analyzed for the years 2050 and 2100 under the HadGEM-RCP 4.5 scenario using the best-performing model. Materials and Methods Isfahan Province, covering an area of over 107,000 square kilometers, has a wide range of elevations (707 meters to about 4000 meters) and diverse climatic zones (semi-arid, steppe, semi-steppe, dry forests, and high mountains). The plant species Astragalus adscendens is recognized as a native and significant species of the Iranian rangelands. To model the distribution of this species, 70 presence sites and 70 absence sites were randomly extracted from the vegetation type map of Isfahan Province using a stratified sampling method (Feizi et al., 2017). Additionally, 70 new sites were sampled through field visits in the towns of Semirom and Fereydunshahr using a GPS device for model evaluation data. A total of 22 environmental layers were prepared, including three physiographic variables (slope, aspect, and elevation) and nineteen bioclimatic variables for the present, 2050, and 2100 under the RCP 4.5 climate scenario using the HadGEM2 general circulation model. These variables are derived from three main parameters: monthly precipitation, minimum monthly temperature, and maximum monthly temperature. All environmental layers were prepared with a pixel size of one square kilometer. Finally, three modeling methods Maxent, ENFA and NPMR—were used to predict the distribution of Astragalus adscendens. Results All three models showed good performance for predicting the habitat of Astragalus adscendens (AUC > 0.85). A reduction in habitat area under the HadGEM-RCP 4.5 climate change scenario is evident in all three models. Annual precipitation was identified as the most significant environmental factor influencing the distribution of Astragalus adscendens. Species response curves for the environmental variables, extracted from the Maxent and NPMR models, suggest that Astragalus adscendens is more prevalent in areas with precipitation over 350 mm and elevations above 2500 meters. The response curve of the species to slope indicates a positive relationship, showing that the likelihood of species presence increases with slope. Based on model evaluation, the Maxent model outperforms the others, showing a higher AUC index. Conclusion Climate change, particularly reduced precipitation and increased temperatures, will have significant negative effects on the distribution of Astragalus adscendens, such that by 2100, the presence of this species in Isfahan Province, especially in the Fereydunshahr region (western part of the province), will severely decrease. It will only be found in patches in the high elevations of Padanah in the Semirom region. It should be noted that the species distribution models used in this study considered only climatic and topographic conditions, without accounting for other influencing factors such as soil properties, management practices, and biological interactions. Therefore, the results presented can provide a general estimate of the potential distribution of the species under the HadGEM-RCP 4.5 climate scenario, but for more accurate habitat management, further studies incorporating other environmental and biological factors are essential. | ||
| کلیدواژه‌ها [English] | ||
| Astragalus adscendens, Climate change, Ecological Niche Factor Analysis Maximum Entropy, Isfahan Province, Non-Parametric Multiplicative Regression | ||
| مراجع | ||
|
Abbasi, M. and Zare Chahouki, M. A., 2016. Habitat suitability modeling for Agropyron intermedium species using Ecological Niche Factor Analysis (case study: rangeland of Taleghan miany). Journal of Plant Research, 29(4): 819-832 .20.1001.1.23832592.1395.29.4.12.0. [In Persian]
Aligaz, M. A., Bekele, A., and Bogale, B. A., 2024. Predicting climate change impact on the habitat of Ethiopia’s spot-breasted lapwing using ensemble model. Global Ecology and Conservation, 54: 1-12. https://doi.org/10.1016/j.gecco.2024.e03139.
Asadian, G., 1996. Autoecology of tragacanth-producing Astragalus species and their exploitation method in Artemisia south of Alvand, Hamedan. M.Sc. thesis, Department of Rangeland and Watershed Management, Faculty of Natural Resources, Gorgan University of Agricultural Sciences and Natural Resources, Iran, 150 pp. [In Persian].
Azimi, F., Haji Hashemi, S., and Sadeghi, S.E., 2016. Factors affecting the decline of Astragalus adscendens producing tragacanth in the Golestankouh region of Khansar. the 22nd Iranian Plant Protection Congress, Iran, 27-30 Aug: 669. [In Persian].
Behmanesh, B., Tabasi, E., Fakhireh, A. and Khalasi Ahvazi, L., 2019. Modeling the distribution of medicinal plant species of Thymus kotschyanus and Achillea millefolium using ENFA and Logistic Regression. PEC, 6(13): 91-120. [In Persian].
Boissier, E. P., 1872. Flora Orientalis. Five volumes and supplement. Geneva & Basle, 317p.
Cushman, S. A., Kilshaw, K., Campbell, R. D., Kaszta, Z., Gaywood, M., and Macdonald, D. W., 2024. Comparing the performance of global, geographically weighted and ecologically weighted species distribution models for Scottish wildcats using GLM and Random Forest predictive modeling. Ecological Modelling, 492: 110691. https://doi.org/10.1016/j.ecolmodel.2024.110691
Davis, P. H., 1970. Flora of Turkey and the East Aegean Islands. Printed in Great. Edinburgh University Press.
Dutra Silva, L., Brito de Azevedo, E., Vieira Reis, F., Bento Elias, R., and Silva, L., 2019. Limitations of species distribution models based on available climate change data: a case study in the Azorean forest. Forests, 10(7): 575. https://doi.org/10.3390/f10070575
Fu, C., Wen, X., Huang, T., Wang, Y., Liu, X., Jiang, N., and Zhao, J., 2024. Comparison of GARP and MaxEnt in Modeling Current and Future Geographic Distribution of Ceracris nigricornis Walker (Acrididae, Orthoptera) in China. Ecology and Evolution, 14(10): 1-10. https://doi.org/10.1002/ece3.70439.
Guo, J., Zhang, C., Zhang, M., Bi, Y., Wang, M. and Li, M., 2024. Analysis of the distribution of Astragalus membranaceus var. Mongholicus in Inner Mongolia under climate change using the GEE platform. Science of Traditional Chinese Medicine, 2(3): 237-244. https://doi.org/: 10.1097/st9.0000000000000045.
Haidarian, M., Tamartash, R., Jafarian, Z., Tarkesh, M. and Tatian, M. R., 2021. The effects of climate changes on the future distribution of Astragalus adscendens in Central Zagros, Iran. Journal of Rangeland Science, 11(2): 152-170.
Jung, J. B., Park, G. E., Kim, H. J., Huh, J. H., and Um, Y., 2023. Predicting the habitat suitability for Angelica gigas medicinal herb using an ensemble species distribution model. Forests, 14(3): 592. https://doi.org/10.3390/f14030592.
Khodagholi, M., Saboohi, R., Bayat, M., Ashouri, P. and Motamedi, J., 2022. Effects of climate change on the habitat of Bromus tomentellus Boiss in south Zagros based on climate prediction model. Iranian Journal of Range and Desert Research, 29(4): 531-541. https://doi.org/10.22092/ijrdr.2022.128073. [In Persian].
Korznikov, K., Petrenko, T., Kislov, D., Krestov, P., and Doležal, J., 2023. Predicting Spruce Taiga Distribution in Northeast Asia Using Species Distribution Models: Glacial Refugia, Mid-Holocene Expansion and Future Predictions for Global Warming. Forests, 14(2): 219. https://doi.org/10.3390/f14020219.
Mahmoodi, S., Ahmadi, K., Zahravi, M. and Karami, O., 2022. Modeling of Iranian oak distribution in the southwest of Iran based on the presence-based approach Maximum Entropy (MaxEnt). Journal of Forest Research and Development, 8(2): 113-131. https://doi.org/10.30466/jfrd.2021.53916.1576. [In Persian].
Mehdizadeh, S., Ahmadi, F., and Kouzehkalani Sales, A., 2023. Development of wavelet-based hybrid models to enhance daily soil temperature modeling: application of entropy and τ-Kendall pre-processing techniques. Stochastic Environmental Research and Risk Assessment, 37(2): 507-526. [In Persian].
Mirhashemi, H., Heydari, M., Karami, O., Ahmadi, K., and Mosavi, A., 2023. Modeling climate change effects on the distribution of oak forests with machine learning. Forests, 14(3): 469. https://doi.org/10.3390/f14030469.
Mirjalili, S. A., Jaberalansar, Z. and Ghavampour, M. A., 2021. Modeling the distribution of Tamarix ramosissima in Isfahan Province based on Maximum Entropy Model (MAXENT). Journal of Arid Biome, 11(2): 45-55. https://doi.org/10.29252/aridbiom.2022.18347.1889 [In Persian].
Monnier-Corbel, A., Robert, A., Hingrat, Y., Benito, B. M., and Monnet, A. C., 2023. Species Distribution Models predict abundance and its temporal variation in a steppe bird population. Global Ecology and Conservation, 43 (2): 1-10. https://doi.org/10.1016/j.gecco.2023.e02442.
Narouei, M., Khodagholi, M. and Saboohi, R., 2024. The effect of climate change on the habitat distribution of Platychaete aucheri Boiss species in Sistan and Baluchestan province based on climate prediction model. Iranian Journal of Range and Desert Research, 31(3): 284-300. https://doi.org/10.22092/ijrdr.2024.132036. [In Persian].
Nateghi, S., Khodagholi, M., Souri, M. and Eftekhari, A., 2024. Assessment of the effects of climate change on the habitat of important rangeland species in Alborz province based on the climate prediction model. Iranian Journal of Range and Desert Research, 31(3): 301-322. https://doi.org/10.22092/ijrdr.2024.132044. [In Persian].
Pakzad, Z., Raeini Sarjaz, M. and Khodagholi, M., 2013. Evaluation of the effects of climate factors on the distribution of the habitats of Astragalus adscendens in Isfahan province. Iranian Journal of Range and Desert Research, 20(1): 112-212. https://doi.org/10.22092/ijrdr.2013.3009. [In Persian].
Salazar‐Tortosa, D. F., Saladin, B., Castro, J., and Rubio de Casas, R., 2024. Climate change is predicted to impact the global distribution and richness of pines (genus Pinus) by 2070. Diversity and Distributions, 30(2): 1-17. https://doi.org/10.1111/ddi.13849.
Singleton, A. L., Glidden, C. K., Chamberlin, A. J., Tuan, R., Palasio, R. G., Pinter, A., ... and De Leo, G. A., 2024. Species distribution modeling for disease ecology: a multi-scale case study for schistosomiasis host snails in Brazil. PLOS Global Public Health, 4(8): 1-28. https://doi.org/10.1371/journal.pgph.0002224.
Wang, Z., Xu, D., Liao, W., Xu, Y., and Zhuo, Z., 2023. Predicting the current and future distributions of Frankliniella occidentalis (Pergande) based on the MaxEnt species distribution model. Insects, 14(5): 1-12. https://doi.org/10.3390/insects14050458.
Yang, J., Huang, Y., Jiang, X., Chen, H., Liu, M., and Wang, R., 2022. Potential geographical distribution of the endangered plant Isoetes under human activities using MaxEnt and GARP. Global Ecology and Conservation, 38(2): 1-12. https://doi.org/10.1016/j.gecco.2022.e02186.
| ||
|
آمار تعداد مشاهده مقاله: 76 |
||