Journal of Rangeland

other مدل‌سازی پیش‌بینی رویشگاه گونه دارویی قره‌قات (Vaccinium arctostaphylos L.) با روش آنتروپی حداکثر در سطح جهان Habitat Prediction Modeling for the Medicinal Species Vaccinium arctostaphylos L. Using Maximum Entropy Globally تخصصي Special پژوهشي Research سابقه و هدف: کسب شناخت علمی در زمینه ارتباط بین عوامل محیطی مؤثر در استقرار و بقای گیاهان بومی و دارویی و پراکنش رویشگاه گونه‌های در معرض خطر انقراض، به منظور مدیریت و بهره‌برداری مناسب از مراتع و چگونگی پاسخ گونه به تغییرات محیطی و در کل ثبات و پایداری آن‌ها ضروری است. مطالعه حاضر با هدف تهیه مدل پیش‌بینی رویشگاه گونه نادر و دارویی قره‌قات (Vaccinium arctostaphylos L.) با استفاده از روش آنتروپی حداکثر و تعیین دامنه اکولوژیک پتانسیل این گونه در سطح جهانی انجام شد. مواد و روش‌ها: برای این منظور، ابتدا محدوده رویشگاه گونه در ایران با توجه به توپوگرافی متنوع و هدف تحقیق با استفاده از مطالعات میدانی، مشخص شده و سپس از داده‌های بیولوژیکی موجود و نقاط ثبت شده گونه قره‌قات در سطح جهانی از پایگاه داده GBIF دریافت شد. سپس، عوامل اقلیمی از پایگاه داده WorldClim به تعداد 11 متغیر دما و 8 متغیر بارش با دقت مکانی 30 ثانیه (تقریباً معادل 1×1 کیلومتر) شامل 19 متغیر زیست اقلیمی مشتق شده از دما و بارش دریافت شد. علاوه براین، نقشه‌های مدل رقومی ارتفاعی (DEM)، شیب و جهات جغرافیایی به‌عنوان متغیرهای توپوگرافی برای ورودی مدل در نظر گرفته شدند. در نهایت با رویهمگذاری نقشه‌های نقاط نهایی ثبت‌شده و نقشههای عوامل توپوگرافی و اقلیمی، در نرم‌افزار Arc GISver.10.8 نقشه پیش‌بینی رویشگاه گونه قره‌قات در سطح جهانی ارائه شد. نتایج: نتایج کیفیت مدل آنتروپی حداکثر برای قره‌قات برابر با 97/0 به‌دست آمد که نشانگر پیش‌بینی خوب مدل است. نقش عوامل محیطی مؤثر بر پراکنش گونه با استفاده از روش جک‌نایف و منحنی‌های پاسخ بررسی شد. نتایج روش جک‌نایف برای تعیین اهمیت متغیرها در توزیع جغرافیایی گونه قره‌قات نشان داد که به‌ترتیب متغیرهای Bio17 (بارش خشک‌ترین فصل سال) و Bio18 (بارش گرم‌ترین فصل سال) دارای بیش‌ترین تأثیر در پراکنش گونه بود و متغیرهای Bio4 (درجه حرارت فصلی)، Bio12 (بارش سالانه) و Bio14 (بارش خشک‌ترین ماه) نیز در اولویت‌های بعدی قرار گرفتند و از میان عوامل توپوگرافی تأثیر متغیر درصد شیب در رویشگاه‌‌های مورد مطالعه، نسبت به عوامل دیگر مورد اهمیت بود. نتایج منحنی‌های پاسخ در منطقه نشان داد که احتمال حضور گونه V. arctostaphylos با عوامل بارش سالانه (Bio12)، بارش خشک‌ترین ماه (Bio14)، بارش خشک‌ترین فصل سال (Bio17)، بارش گرم‌ترین فصل سال (Bio18) و شیب رابطه مستقیم و با عامل درجه حرارت فصلی (Bio4) رابطه معکوسی داشت. بیش‌ترین احتمال حضور گونه در محدوده بارش سالانه 1200 تا 1700 میلی‌متر و درجه حرارت سالانه 10-5 درجه سانتی‌گراد است و از میان عوامل توپوگرافی بیش‌ترین حضور گونه قره‌قات در شیب حدود 15 تا 30 درصد مشاهده شد. نتیجه‌گیری: برای ارزیابی میزان تطابق نقشه پیش‌بینی با نقشه واقعی از شاخص کاپا استفاده شد. بر این اساس صحت مربوط به مدل‌سازی آنتروپی حداکثر (67/0 :Kappa) قابل قبول بوده و این مدل، دارای دقت خوب در پیش‌بینی حضور گونه با واقعیت رویشگاه بود. بر اساس نتایج مدل، روش آنتروپی حداکثر قادر است برای رویشگاه گونه قره‌قات که دارای شرایط رویشگاهی منحصر به‌فردی است، مدل پیش‌بینی خوبی را فراهم می‌آورد. آشنایی با مهم‌ترین عوامل موثر بر پراکنش جغرافیایی و گرایش ترجیحی گونه قره‌قات در سطح جهانی، می‌تواند راهنمای مناسبی برای برنامه‌ریزی در زمینه حفاظت و احیای رویشگاه‌های مطلوب این گونه باشد.    Background and objectives: Understanding the environmental factors affecting the establishment and survival of native and medicinal plants is crucial for habitat conservation, especially for species at risk of extinction. This study aims to model the habitat suitability of the rare medicinal plant Vaccinium arctostaphylos L. using the Maximum Entropy (MaxEnt) method. Methodology: We identified the habitat of V. arctostaphylos in Iran, considering the region’s diverse topography, and conducted field studies. Occurrence records were extracted from the GBIF database at a global scale, while climate data—including 11 temperature variables and 8 precipitation variables—were sourced from WorldClim with a spatial resolution of 30 seconds (~1 km²). A total of 19 bioclimatic variables were incorporated into the model along with digital elevation models (DEM), slope maps, and geographic orientation maps. Using ArcGIS 10.8, we overlaid these factors with species occurrence points to generate a habitat suitability map. Results: The MaxEnt model achieved an area under the curve (AUC) value of 0.97, indicating strong predictive power. Jackknife analysis identified Bio17 (precipitation of the driest quarter) and Bio18 (precipitation of the warmest quarter) as the most influential factors in V. arctostaphylos distribution. Other significant predictors included Bio4 (temperature seasonality), Bio12 (annual precipitation), and Bio14 (precipitation of the driest month). Among topographic variables, slope percentage was most critical. Response curves demonstrated that species occurrence positively correlated with precipitation variables (Bio12, Bio14, Bio17, Bio18) and slope, while showing an inverse relationship with temperature seasonality (Bio4). The highest probability of presence was recorded in areas with annual precipitation between 1200–1700 mm, temperatures ranging from 5–10°C, and slopes between 15–30%. Conclusion: The model’s accuracy, assessed using the Kappa index (0.67), confirmed the reliability of MaxEnt in predicting suitable habitats for V. arctostaphylos. These findings highlight critical environmental parameters that shape the species' global distribution and provide valuable insights for conservation and habitat restoration efforts.   پراکنش رویشگاه, عوامل اقلیمی, آنتروپی حداکثر, گونه قره‌قات. Habitat distribution, MaxEnt, Climatic factors, Vaccinium arctostaphylos L. 88 107 http://rangelandsrm.ir/browse.php?a_code=A-10-1334-2&slc_lang=other&sid=1 Mina Azizi Kalesar مینا عزیزی کله سر 100319475328460018143 100319475328460018143 No Department of Range and Watershed Management, Faculty of Natural Resources, University of Mohaghegh Ardabili, Ardabil گروه مرتع و آبخیزداری، منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل Mehdi Moameri مهدی معمری 100319475328460018144 100319475328460018144 Yes Department of Range and Watershed Management, Faculty of Natural Resources, University of Mohaghegh Ardabili, Ardabil گروه مرتع و آبخیزداری، منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل Ardavan Ghorbani ادروان قربانی 100319475328460018145 100319475328460018145 No Department of Range and Watershed Management, Faculty of Natural Resources, University of Mohaghegh Ardabili, Ardabil گروه مرتع و آبخیزداری، منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل Seyed Jalil Alavi سید جلیل علوی 100319475328460018146 100319475328460018146 No Department of Forestry, Faculty of Natural Resources and Marine Sciences, Tarbiat Modares University, Nour, گروه جنگلداری، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور