Journal of Rangeland

fa ببررسی رویشگاه پتانسیل گونه Bromus stenostachyus Boiss در مراتع مازندران با رویکرد مدلسازی اجماعی Investigating the Potential Habitat of Bromus stenostachyus Boiss. in Mazandaran Rangelands Using an Ensemble Modeling Approach تخصصي Special كاربردي Applicable سابقه و هدف: عوامل محیطی تعیینکننده پوشش گیاهی و جانوری هر منطقه هستند و در مقیاس وسیع موجب تنوع در زیستبومها و ترکیب گونهای میشوند. به‌دلیل پیچیدگی سیستمهای طبیعی، جهت درک تأثیر این عوامل بر آشیان بالقوه گونهها از مدلهای پراکنش گونهای استفاده میشود. اخیراً در عمده مطالعات برای این منظور، متغیرهای زیستاقلیمی پایگاه داده CHELSA (2013-1979) حاصل از میانیابی دادههای دما و بارش مورد استفاده قرار میگیرند. مواد و روشها: در مطالعه حاضر پتانسیل متغیرهای زیستاقلیمی پایگاه داده چلسا همراه با متغیرهای فیزیوگرافی و انسانی مؤثر بر پراکنش بالقوه و گرایش ترجیحی جارو علفی کوهسری با نام علمی Bromus stenostachyus Boiss در مراتع هیرکانی استان مازندران بررسی شد. نمونهبرداری دادههای رخداد گونه به روش تصادفی- طبقهبندی شده، در قالب پیکسلهای یک کیلومترمربعی و بر اساس ساختار فیزیونومی-فلورستیک صورت گرفت. پس از انتخاب مهم‌ترین متغیرهای محیطی جهت پیشبینی پراکنش، هفت الگوریتم مدل‌سازی شامل مدلهای خطی تعمیمیافته (GLM)، افزایشی تعمیمیافته (GBM)، رگرسیون تطبیقی چند متغیره (MARS)، جنگل تصادفی (RF)، شبکه عصبی مصنوعی (ANN)، حداکثر آنتروپی (Maxent) و تجزیه و تحلیل طبقهبندی درختی (CTA) در چارچوب روش اجماعی به کار رفتند. پس از تعیین آستانه مناسب با رویکرد برابرسازی حساسیت-ویژهانگاری، عملکرد مدلها علاوه بر استفاده از شاخص سطح زیر منحنی، با شاخصهای وابسته به آستانه شامل TSS، حساسیت و ویژهانگاری نیز ارزیابی شد. اختلاف معنیدار بین کارایی مدلها با آزمون آنالیز واریانس روی مقادیر AUC مشخص گردید. تعیین اهمیت متغیرهای محیطی مؤثر بر مدل‌سازی پراکنش با رویکرد آنالیز حساسیت OAT و به تعداد متغیرهای مستقل مدلها انجام شد. سپس، منحنیهای عکسالعمل گونه نسبت به مهم‌ترین متغیرهای محیطی بر اساس مدل با بیشترین کارایی ترسیم و مقدار بهینه و دامنه بردباری اکولوژیک آن تعیین گردید. نتایج: بر اساس معیارهای صحتسنجی، تمامی مدلهای برازش داده شده کارایی عالی برای پیشبینی رویشگاه گونه نشان دادند. مدل اجماعی نسبت به مدلهای مجزا و از بین مدلهای مجزا نیز مدل افزایشی تعمیمیافته و جنگل تصادفی بهترین عملکرد را نشان دادند. طبق نتایج آنالیز حساسیت، حداکثر دمای گرمترین ماه (Bio5) بیشترین اهمیت را در برازش مدلهای پراکنش نشان داد، به گونهای که به تنهایی بیش از یک چهارم تغییرات را توجیه نمود. پس از میانگینگیری ده مرتبه تکرار مدلها، نقشه پراکنش بالقوه گونه تحت مدلهای مجزا و مدل اجماعی تولید شد. بدلیل اینکه پیشبینی هر مدل به توابع ریاضیاتی آن بستگی دارد، مدلهای پراکنش نتایج متفاوتی داشتند. اما در مجموع، رویشگاههای گونه در بخشهایی از استان پراکنده شدهاند که میزان ارتفاع و بارندگی در آنها از میانگین ارتفاع و بارندگی در کل استان بیشتر، اما میزان درجه حرارت آنها از میانگین درجه حرارت استان کمتر است. روی منحنیهای عکسالعمل، رویشگاه مطلوب گونه در مناطقی واقع شده که حداکثر درجه حرارت در گرمترین ماه از 23 و دامنه تغییرات سالانه دما از 32 درجه سانتیگراد کمتر باشد، میزان بارندگی در مرطوبترین ماه حداکثر 100 میلی‌متر، شاخص ایزوترمالیتی کمتر از 26 و تغییرات فصلی دما نیز در دامنه 68-63 باشد. نتیجه‌گیری: مدل اجماعی میتواند شبیهسازی واقعیتری از گونه را نشان دهد، زیرا بر مناطق مشترک توافق بین مدلهای مجزا تأکید میکند. نتایج این مطالعه را میتوان برای برنامهریزیهای کاربردی جهت حفظ و مدیریت مراتع هیرکانی و همچنین پیشنهاد گونه مناسب جهت اصلاح، احیا و بازسازی آنها در مناطق با شرایط اکولوژیک مشابه به کار برد. در واقع، نتایج حاصل به کارشناسان در بهرهبرداری بهینه و اتخاذ تصمیمات مناسب مدیریتی با حفظ گونههای بومی کمک میکند.   Background and objectives: Environmental factors play a pivotal role in determining the flora and fauna distribution in a region, contributing to increased ecosystem biodiversity and species composition on a large scale. Given the intricate nature of natural systems, species distribution models are employed to comprehend the impact of these factors on species' potential niches. In recent studies, bioclimatic variables from the CHELSA database (1979-2013), derived from temperature and precipitation data interpolation, have been widely used for this purpose. Methodology: This study investigates the potential distribution and preference tendencies of Bromus stenostachyus in the Hyrcanian rangelands of Mazandaran province using CHELSA bioclimatic variables, along with physiographic and anthropogenic factors. Stratified random sampling, based on physiognomy-florestic structure, was employed to collect species occurrence data at one square kilometer resolution. After selecting key environmental variables, an ensemble method incorporating seven modeling algorithms—Generalized Linear Model (GLM), Gradient Boosting Machine (GBM), Multivariate Adaptive Regression Spline (MARS), Random Forest (RF), Artificial Neural Network (ANN), Maximum Entropy (Maxent), and Classification Tree Analysis (CTA)—was utilized. Model performances were evaluated using area under the curve (AUC) and threshold-dependent measures such as True Skill Statistic (TSS), Sensitivity, and Specificity. Sensitivity analysis was conducted to determine the importance of environmental variables, and species response curves were plotted based on the most efficient model to identify optimal ecological conditions. Results: Based on validation criteria, all the fitted models showed excellent performance to predict the species habitat. The ensemble model outperformed single models, and among single models, GBM and RF showed the best performance. According to the results of sensitivity analysis, maximum temperature of warmest month (Bio5) was determined the most important variable to fit the species distribution models, in a way that explained more than a quarter of changes in the distribution. After averaging ten model runs, the species potential distribution map was produced under single models and the ensemble model. Because the prediction of each model depends on its mathematical functions, the distribution models had different results. But in general, the species habitats are distributed in parts of province where the elevation and precipitation are higher than the average elevation and precipitation in the whole province, but their temperature is lower than the average temperature of the province. On the response curves, the optimum habitats for the species were located in areas where the maximum temperature of warmest month is less than 23 °C, temperature annual range is less than 32 °C, precipitation of wettest month is at most 100 mm, isothermality is less than 26 and temperature seasonality is in the range of 63-68.  Conclusion: The ensemble modeling approach yields more realistic simulations of species distribution by emphasizing common areas of agreement among single models. The study results can inform practical planning for the preservation and management of Hyrcanian rangelands, as well as suggest suitable species for reclamation, rehabilitation, and restoration efforts in ecologically similar areas. These findings facilitate optimal exploitation and informed management decisions while preserving native species.   رویکرد اجماعی, متغیرهای زیست‌اقلیمی, مدلسازی رویشگاه, منحنی عکس‌العمل bioclimatic variables, ensemble approach, habitat modeing, response curve 513 528 http://rangelandsrm.ir/browse.php?a_code=A-10-107-10&slc_lang=fa&sid=1 Zeinab Jafarian زینب جعفریان z.jafarian@sanru.ac.ir 100319475328460017137 100319475328460017137 Yes Department of Rangeland Management, Faculty of Natural Resources, Sari Agricultural Sciences and Natural Resources University, Sari گروه مرتعداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری Mohadeseh amiri محدثه امیری mohadeseamiri@yahoo.com 100319475328460017138 100319475328460017138 No Department of Range and Watershed Management, Faculty of Natural Resources, Isfahan University of Technology, Isfahan گروه مرتع و آبخیزداری، دانشکده مهندسی منابع طبیعی، دانشگاه صنعتی اصفهان، اصفهان