CURRENT GEOGRAPHICAL DISTRIBUTION OF SALVIA ARISTATA (LAMIACEAE), PREDICTION OF ITS FUTURE DISTRIBUTION BASED ON CLIMATICAL DATA; A GUIDE FOR ITS CONSERVATION
محل انتشار: مجله گیاه شناسی ایران، دوره: 25، شماره: 1
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 50
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJB-25-1_002
تاریخ نمایه سازی: 27 آذر 1402
چکیده مقاله:
The current global climate change is a big challenge for biodiversity. Efforts on monitoring biodiversity and conservation is more effective by having information about species spatial distribution. Development in computational model provide new opportunity for botanist to integrate herbarium specimen’s records with evolutionary and ecological data which are so crucial for biodiversity. Salvia aristata Auch. ex Benth (Lamiaceae) is an Irano-Turanian endemic species restricted to western, northwest and center of Iran along with few records from eastern parts of Turkey. In this study, we applied ecological niche modeling with emphasizing on climate data to infer S. aristata distribution in the past, present and future. Our niche model produced good results with high performance based on Area Under Curve (AUC>۰.۹). Altitude was the most important variable contributing in niche models of S. aristata. The last glacial model showed that S. aristata had more restricted niches during Last Glacial Maximum than its current distributions. Also, our future niche model showed that the suitable area of S. aristata will be decreased in ۶۰ years.
کلیدواژه ها:
نویسندگان
Fatemeh Moein
Department of Biology, Faculty of Science, University of Isfahan, Iran
Ziba Jamzad
Department of Botany, Research Institute of Forest and Rangelands, Agricultural Research, Education and Extension Organization (AREEO), P. O. Box ۱۳۱۸۵-۱۱۶, Tehran, Iran.
Mohammad Reza Rahiminejad
Department of Biology, Faculty of Science, University of Isfahan, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :