توصيفگر ها :
مدل¬ هاي پراكنش گونه اي , مكسنت , شبكه باور بيزين , آويشن شيرازي
چكيده فارسي :
مراتع بهعنوان اكوسيستمهاي حياتي براي تأمين منابع طبيعي و حفظ تنوع زيستي، بهويژه در مواجهه با تغييرات اقليمي و مديريت نادرست، دچار تهديدات جدي هستند. اين مطالعه به ارزيابي پراكنش گياه دارويي آويشن شيرازي (Zataria multiflora) در استان اصفهان پرداخته و با بهرهگيري از دو مدل حداكثر آنتروپي (MaxEnt) و شبكههاي باور بيزين (BBNs) به تحليل دادهها و مدلسازي پراكنش اين گونه پرداخته است. مدل حداكثر آنتروپي، با استفاده از دادههاي نقاط حضور، نشان داد كه زيستگاه بهينه اين گونه در مناطقي با بارش سالانه حدود 140 ميليمتر، دامنه دماي روزانه بين 14 تا 16 درجه سانتيگراد و ارتفاعات بالاي 1600 متر از سطح دريا قرار دارد. همچنين، محدوده دماي سالانه مناسب براي رشد آويشن شيرازي بين 41 تا 42 درجه سانتيگراد تعيين شد. اين مدل همچنين نشان داد كه احتمال حضور گونه در مناطق مسطح كمتر است و با افزايش شيب تا 35 درجه، احتمال حضور اين گونه افزايش مييابد. دقت پيشبينيهاي مدل حداكثر آنتروپي با مقدار سطح زير منحني (AUC) برابر با 9/0، تطابق مطلوبي با دادههاي ميداني داشت. مدل شبكههاي باور بيزين، با تحليلهاي احتمالاتي وابستگيهاي بين متغيرهاي مختلف را بهصورت جامعتري بررسي كرده و امكان پيشبيني پراكنش گونه را در شرايط مختلف فراهم ساخت. اهميت متغير ارتفاع از سطح دريا در مدل شبكههاي باور بيزين بهطور قابل توجهي بيشتر از مدل حداكثر آنتروپي بود، كه ناشي از رويكردهاي متفاوت اين مدلها و نوع دادههاي ورودي آنها است. تحليل حساسيت در هر دو مدل نشان داد كه ترتيب اهميت متغيرهايي چون شيب، دامنه سالانه دما و ميانگين دامنه دماي روزانه مشابه بوده و در هر دو مدل بهعنوان عوامل كليدي در پراكنش گونه شناخته شدهاند. نتايج نشان ميدهد كه اين گونه به تغييرات دمايي و ارتفاع از سطح دريا حساس است و در صورت افزايش دما يا تغييرات اقليمي ديگر، زيستگاههاي مناسب آن ممكن است تغيير يابند يا محدود شوند. اين اطلاعات براي مديريت و حفاظت از زيستگاههاي طبيعي آويشن شيرازي ارزشمند بوده و به تصميمگيران و مديران منابع طبيعي كمك ميكند تا مناطق حساس به تغييرات اقليمي را شناسايي و مديريت نمايند.
چكيده انگليسي :
Rangelands, as vital ecosystems for providing natural resources and preserving biodiversity, are affected by climate change and improper management. This study evaluates the distribution of the medicinal plant Zataria multiflora in Isfahan Province, using two predictive models: Maximum Entropy (MaxEnt) and Bayesian Belief Networks (BBNs) for data analysis. The MaxEnt model, based on presence data, indicated that the optimal habitat for this species is located in areas with an annual rainfall of around 140 mm, daily temperatures between 14 to 16°C, and elevations up to 1600 meters from the sea level. Additionally, the optimal annual temperature range for the growth of Zataria multiflora was found to be between 37.8°C and 44°C. The predictive accuracy of the MaxEnt model, with an Area Under the Curve (AUC) value of 0.90, demonstrated a good match with field data. The Bayesian Belief Network model, which also accounted for absence data, simulated suitable ecological conditions for Zataria multiflora at elevations between 2250 to 3000 meters from the sea level, annual temperatures between 39.9°C to 42.5°C, and average daily temperatures ranging from 15.3°C to 15.8°C. The predictive accuracy of the Bayesian model was also evaluated as satisfactory. This model further indicated that the species is distributed in areas with gentle slopes (0 to 5 percent), and the importance of the elevation variable in the Bayesian Belief Network model was significantly higher than in the MaxEnt model, due to the inclusion of absence points in the Bayesian analysis. In both models, the ranking of variables such as slope, annual temperature range, and average daily temperature was similar, identifying these as key factors in the species’ distribution. The results of this study can contribute to optimizing rangeland management, rehabilitation programs, and initiatives related to medicinal species, serving as a scientific basis for the conservation and sustainable development of rangeland ecosystems.
