نوع مقاله : مقاله پژوهشی

نویسندگان

• نسیم شعبانی ¹
• مصطفی ترکش اصفهانی ²
• علیرضا رجبی مظهر ³
• نفیسه صلاحی مقدم ⁴
• پیمان اکبرزاده ⁵
• حسن شادمان ⁶
• مهدی خوشبخت ⁷

¹ محقق بخش جنگل ها و مراتع مرکز تحقیقات، آموزش و ترویج کشاورزی استان زنجان

² دانشیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان، اصفهان، ایران

³ استادیار پژوهشی، بخش تحقیقات جنگل‌ها و مراتع، مرکز تحقیقات کشاورزی و منابع طبیعی استان همدان، سازمان تحقیقات، آموزرش و ترویج کشاورزی، همدان، ایران

⁴ محقق، بخش تحقیقات اقتصادی، اجتماعی و ترویجی، مرکز تحقیقات کشاورزی و منابع طبیعی استان زنجان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زنجان، ایران

⁵ محقق، بخش تحقیقات جنگل‌ها و مراتع، مرکز تحقیقات کشاورزی و منابع طبیعی استان زنجان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زنجان، ایران

⁶ محقق، بخش تحقیقات آبخیزداری، مرکز تحقیقات کشاورزی و منابع طبیعی استان زنجان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زنجان، ایران

⁷ کارشناس 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 shabani ¹
• Mostafa Tarkesh Esfahani ²
• Alireza Rajabi Mazhar ³
• Nafiseh Salahi Moghadam ⁴
• Peyman Akbarzadeh ⁵
• Hasan Shadman ⁶
• Mehdi Khoshbakht ⁷

¹ Researcher in the Forests and Rangelands Department of the Agricultural Research, Education and Extension Center of Zanjan Province

² Associate Professor, Rangeland and Watershed Management Group, Faculty of Natural Resources, Isfahan University of Technology, Isfahan, Iran

³ Assistant Professor, Forests and Rangelands Research Section, Hamadan Agricultural and Natural Resources Research Center, AREEO, Hamadan, Iran

⁴ Researcher, Economic, Social and Extension Research Section, Zanjan Agricultural and Natural Resources Research Center, AREEO, Zanjan, Iran

⁵ Researcher, Forests and Rangelands Research Section, Zanjan Agricultural and Natural Resources Research Center, AREEO, Zanjan, Iran

⁶ Researcher, Watershed Management Research Section, Zanjan Agricultural and Natural Resources Research Center, AREEO, Zanjan, Iran

⁷ Watershed 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