Prediction of the Potential Spatial Distribution of the Vitis vinifera (Narince cv) SpeciesUnder Current and Future Climate Change Scenarios Using the MaxENT Model

Year 2024, , 157 - 165, 31.12.2024

İrem Aktaş , Orhan Mete Kılıç

https://doi.org/10.55507/gopzfd.1554325

Abstract

The negative impacts of climate change, such as increasing competition among species, habitat loss, and spatial shifts, have a strong influence on species distribution areas. Species distribution models are an important tool for protecting species from the adverse effects of climate change and for conserving biodiversity. In this study, the spatial impact of climate change on the distribution of the Vitis Vinifera (Narince grape) species, which has a natural distribution in Turkey, was predicted using the MaxEnt model. To determine how the species’ distribution areas would be affected by climate change, the HadGEM3-GC31-LL climate model, developed based on the principles of the Coupled Model Intercomparison Project Phase 6 (CMIP6), was used. The potential distribution of the species for the periods 2041–2060 and 2081–2100 was modeled under SSP 2.45 and SSP 5.85 scenarios. The results of the study show that the predicted current distribution area of Vitis Vinifera corresponds to its present geographic distribution. Under current climate conditions, suitable areas for the species are calculated as 21.837 km², highly suitable areas as 5.169 km², and the total suitable area as 27.006 km². For the future climate change scenarios, under the SSP 2.45 scenario, the total suitable areas are predicted to be 22,877 km² for the 2041–2060 period and 24,225 km² for the 2081–2100 period. Under the SSP 5.85 scenario, the total suitable areas are estimated to be 23.908 km² for the 2041–2060 period and 22.781 km² for the 2081–2100 period. According to our findings, it has been determined that the spatial distribution of the species will change under future climate change scenarios, and its distribution in Turkey is expected to decrease.

Keywords

MaxEnt, Species Distribution Modeling, Climate Change Scenarios, GIS

Mevcut ve Gelecekteki İklim Değişikliği Senaryoları Altında Vitis vinifera (Narince cv) Türlerinin Potansiyel Mekansal Dağılımının MaxENT Modeli Kullanılarak Tahmini

Abstract

İklim değişikliğinin türler üzerindeki rekabeti artırma, yaşam alanı kaybı ve mekânsal değişikliği gibi olumsuz etkileri, türlerin dağılım alanları üzerinde güçlü bir etkiye sahiptir. Türleri iklim değişikliğinin olumsuz etkilerinden korumada ve biyolojik çeşitliliğin korunmasında tür dağılım modelleri önemli bir araçtır. Çalışmada Türkiye’de doğal yayılış alanı gösteren Narince üzüm (Vitis vinifera) çeşidinin iklim değişikliğinden mekânsal olarak nasıl etkileneceği MaxEnt model ile tahmin edilmiştir. Türün yayılış alanlarının iklim değişiminden nasıl etkileneceğini belirlemek için Birleştirilmiş Model Karşılaştırma Projesi Aşama 6 (CMIP6) ilkelerine göre geliştirilen HadGEM3-GC31-LL iklim modelinin SSP 2.45 ve SSP 5.85 senaryolarına göre türün 2041-2060 ve 2081–2100 yıllarındaki potansiyel yayılış alanı modellenmiştir. Çalışma sonucunda Narince çeşidinin (Vitis vinifera) günümüz tahmini yayılış alanı mevcut coğrafi dağılımı ile uyuşmaktadır. Günümüz iklim koşullarında çeşide uygun alanlar 21.837km2, çok uygun alanlar 5.169 km2 ve toplam uygun alan 27.006 km2 olarak hesaplanmıştır. Gelecek iklim değişikliği senaryolarından SSP2.45 senaryosunda 2041-2060 yılları arasında toplam uygun alanların 22.877km2, 2081-2100 yılları arasında 24.225km2 olacağı tahmin edilmektedir. SSP 5.85 senaryosunda 2041-2060 yılları arasında toplam uygun alanların 23.908km2, 2081-2100 yılları arasında 22.781 km2 olacağı tahmin edilmektedir. Bu sonuçlarımıza göre gelecek iklim değişikliği senaryoları altında çeşidin mekânsal dağılışının değişeceği ve türün dağılımının Türkiye’de azalacağı tespit edilmiştir.

Keywords

CBS, İklim Değişikliği Senaryoları, MaxEnt, Tür Dağılım Modelleme

References

• Akyol, A., & Örücü, Ö. K. (2019). İklim Değişimi Senaryoları ve Tür Dağılım Modeline Göre Kızılcık Türünün (Cornus Mas L.) Odun Dışı Orman Ürünleri Kapsamında Değerlendirilmesi. Avrupa Bilim ve Teknoloji Dergisi, (17), 224-233.
• Atalay, İ. (2017). Türkiye jeomorfolojisi.  (2. Baskı) Meta Basım, İzmir,85-335
• Ataş, F., Uysal, H., Merken, Ö., Çetinkaya, Ü. N., Eşitken, A., & Altındişli, A. (2021). Organi̇k Üzüm Yeti̇şti̇ri̇ci̇li̇ği̇, Atatürk Bahçe Kültürleri Merkez Araştırma Enstitüsü Müdürlüğü, 107, 1-42
• Biju Kumar, A., & Ravinesh, R. (2002). Climate change and biodiversity. Bioresources and Bioprocess in Biotechnology (C. 1). https://doi.org/10.1007/978-981-10-3573-9_5
• Cangi, R., & Yağcı, A. (2017). Bağdan sofraya yemeklik asma yaprak üretimi. Nevşehir Bilim ve Teknoloji Dergisi, 6, 137-148.
• Daler, S., Korkmaz, N., Kılıç, T., Hatterman-Valenti, H., Karadağ A., & Kaya, O. (2024). Modulatory effects of selenium nanoparticles against drought stress in some grapevine rootstock/scion combinations. Chemical and Biological Technologies in Agriculture, 11(1), 1–27. https://doi.org/10.1186/s40538-024-00609-6
• Doğan, A., & Uyak, C. (2021). İklim değişikliğinin bağcılık üzerindeki etkilerine genel bir bakış. ISPEC 7th International Conference on Agriculture, Animal Sciences and Rural Development, September 18-19, 529-552
• Esringü, A., Canpolat, N., & Barış, Ö. (2021). “İklim Değişikliğinde Yeşil Adımlar” TÜBİTAK 4004 Proje Değerlendirilmesi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 25(3), 883-902.
• Elith, J., Phillips, S. J., Hastie, T., Dudík, M., Chee, Y. E., & Yates, C. J. (2011). A statistical explanation of MaxEnt for ecologists. Diversity and distributions, 17(1), 43-57.
• Gür, H., & Grubu, A. B. A. (2019). Tür Dağılım Modellemesi ile İklim Değişikliği Uygulamaları.  Ekoloji ve Evrimsel Biyoloji Derneği Yayınları. https://doi.org/10.13140/RG.2.2.22132.2240
• Kekeç, M., & Kadıoğlu, İ. (2020). İklim Değişikliğine Bağlı Olarak Xanthium strumarium L.’un Türkiye'de Gelecekte Dağılım Alanlarının Belirlenmesi. Turkish Journal of Weed Science, 23(1), 1-14.
• Li H., Peng X., Jiang P., Xing L., Sun X.(2024). “Prediction of potential suitable distribution for sweet cherry (Prunus avium) based on the MaxEnt model”. Plos One 19(7 July): 1–15. http://dx.doi.org/10.1371/journal.pone.0294098.
• Meena, R. K., Bhandari, M. S., Thakur, P.K.,Negi N., Pandey, S. Kant, R.,Sharma, R., Sahu, N., Avtar, R. (2024). “MaxEnt-Based Potential Distribution Mapping and Range Shift under Future Climatic Scenarios for an Alpine Bamboo Thamnocalamus spathiflorus in Northwestern Himalayas”. Land 13(7): 931.
• Merow, C., Smith, M. J., & Silander, J. A. (2013). A practical guide to MaxEnt for modeling species’ distributions: What it does, and why inputs and settings matter. Ecography, 36(10), 1058–1069. https://doi.org/10.1111/j.1600-0587.2013.07872.x
• Miller, J. (2010). Species distribution modeling. Geography Compass, 4(6), 490–509. https://doi.org/10.1111/j.1749-8198.2010.00351.x
• Özcan, G.E. (2024) “Ips sexdentatus’un Duyarlılığının Maksimum Entropi (MaxEnt) ile Modellenmesi”. Bartın Orman Fakültesi Dergisi 26(2): 16–27.
• Phillips, S. B., Aneja, V. P., Kang, D., & Arya, S. P. (2006). Modelling and analysis of the atmospheric nitrogen deposition in North Carolina. International Journal of Global Environmental Issues, 6(2–3), 231–252. https://doi.org/10.1016/j.ecolmodel.2005.03.026
• Soltekin, O., Altındişli, A., & İşçi, B. (2021). İklim değişikliğinin Türkiye’de Bağcılık Üzerine Etkileri. Ege Üniversitesi Ziraat Fakültesi Dergisi, 58(3), 457–467. https://doi.org/10.20289/zfdergi.882893
• Uyanık, M., Kara, Ş.M., & Gürbüz, B. (2012). Sürdürülebilir kalkınmada biyoçeşitliliğin önemi. Türk Bilimsel Derlemeler Dergisi, (2), 125-127.
• Uysal, T., Ayaz, A., Akdemir, U., Korkutal, İ., Bahar, E., & Candar, S. (2021). Viticulture Tradition in Turkey. Tekirdag Viticulture Research Institute, 1(1), 39–54. https://doi.org/10.52001/vis.2021.5
• Zhang, Y.F., Wang, R.L., Lv, X.L., Jin, Y., Zhao, Y., Liang, D., Wang, M.T. (2021). “Potential Distribution of Table Grape in Sichuan Province and Its Climatic Characteristics Based on MaxEnt Model”. Chinese Journal of Agrometeorology 42(10): 836–44