DOI: https://doi.org/10.1038/s41598-026-35987-4
PMID: https://pubmed.ncbi.nlm.nih.gov/41559157
تاريخ النشر: 2026-01-20
المؤلف: Ovidiu Copoț وآخرون
الموضوع الرئيسي: علم البيئة الغابية ودراسات التنوع البيولوجي
نظرة عامة
يؤكد قسم ورقة البحث على الالتزام الدولي بحماية الغابات القديمة بسبب أدوارها الحيوية في التنوع البيولوجي والبيئة. ومع ذلك، يحدد فجوة في فهم الاستراتيجيات المحددة التي ستخفف بشكل فعال من فقدان التنوع البيولوجي في ظل عدم اليقين المستقبلي. لمعالجة ذلك، قام المؤلفون بنمذجة توزيع موائل الأنواع الفطرية التي تعيش على الخشب الميت، *Anthoporia albobrunnea*، عبر أوروبا باستخدام نمذجة التوزيع المكاني (MaxEnt). قاموا بتقييم التوزيعات المستقبلية المحتملة تحت سيناريوهات مناخية مختلفة، مع التركيز بشكل خاص على مقارنة سيناريو ارتفاع الإشعاع (SSP5-8.5) مع سيناريو أكثر تحفظًا (SSP2-4.5). أظهرت النتائج أنه بينما أدى سيناريو SSP5-8.5 إلى فقدان أكبر للموائل، كانت الفروق أكثر وضوحًا عند النظر في الأساليب الاحترازية وتغيير الموائل بسبب قطع الأشجار. وهذا يبرز أهمية كيفية إدارة عدم اليقين في اتخاذ قرارات الحفظ.
في الختام، توضح الدراسة أهمية تفسير مخرجات نمذجة توزيع الأنواع من خلال عدسات مختلفة تتعلق بديناميات موائل الغابات واستراتيجيات الحفظ. من خلال اعتماد وجهات نظر حذرة ومتفائلة، كشف المؤلفون عن تداعيات متناقضة لملاءمة الموائل المستقبلية. سلط التفسير الحذر الضوء على انكماشات محتملة في النطاق وتجزئة الموائل، مما يدل على ضعف الموائل عالية الجودة، بينما اقترحت النظرة المتفائلة إمكانيات للتتبع المناخي ومرونة الموائل. في النهاية، تدعو النتائج إلى إنشاء مناطق محمية بشكل صارم كأمر حيوي لحفظ أنواع الغابات القديمة، مع التأكيد أيضًا على الحاجة إلى تحسين تقييم عدم اليقين في تخطيط الحفظ.
مقدمة
تسلط مقدمة الورقة الضوء على الدور الحاسم للغابات القديمة (OGF) في توفير وظائف النظام البيئي ودعم الأنواع المتخصصة، لا سيما في أوروبا، حيث تتعرض هذه الغابات للتجزئة بشكل متزايد بسبب استخدام الأراضي التاريخي والأنشطة البشرية المستمرة مثل قطع الأشجار. تهدف السياسات الأوروبية الحالية، بما في ذلك استراتيجية الاتحاد الأوروبي للتنوع البيولوجي لعام 2030، إلى تعزيز حماية الغابات مع معالجة التحديات التي تطرحها تغيرات المناخ. ومع ذلك، لا تزال هناك عدم يقين كبير بشأن مستقبل الأنظمة الاجتماعية-البيئية، لا سيما فيما يتعلق بكيفية تأثير تغير المناخ على التنوع البيولوجي وديناميات النظام البيئي.
تركز الورقة على الأنواع الفطرية المهددة *Anthoporia albobrunnea*، التي تتأثر بالتغيرات في هيكل الغابة وتوافر الركيزة. على الرغم من أهميتها البيئية، غالبًا ما تتجاهل استراتيجيات إدارة OGF الحالية الفطريات. يهدف المؤلفون إلى تقييم التوزيع المحتمل لـ A. albobrunnea تحت سيناريوهين متناقضين لتغير المناخ (SSP285 و SSP5-8.5) وتحديد العوامل المناخية الرئيسية التي تؤثر على ملاءمة موائلها. يقترحون أن فهم عدم اليقين التفسيري المحيط بنماذج توزيع الأنواع (SDMs) أمر حاسم لتخطيط الحفظ الفعال، مع التأكيد على الحاجة إلى النظر في كل من أسوأ السيناريوهات وأفضلها في التقييمات المستقبلية. تستخدم الدراسة نهج أقصى إنتروبيا (MaxEnt) لتوقع توزيعات الأنواع، والذي يُعترف بقوته في التعامل مع بيانات الحضور فقط وملاءمته لاستراتيجيات الحفظ.
طرق
في هذه الدراسة، تم إجراء جميع التحليلات والتصورات باستخدام R الإصدار 4.4.0، مستفيدين من مجموعة متنوعة من الحزم المتخصصة لتسهيل جوانب مختلفة من البحث. تم إجراء تحليلات نظم المعلومات الجغرافية (GIS) باستخدام حزم مثل `dismo` و `raster` و `sf` و `terra`، بينما تم دعم معالجة البيانات بواسطة `dplyr` و `tidyverse` وغيرها. بالنسبة لنمذجة توزيع الأنواع (SDM)، استخدمت الدراسة `ENMeval` و `flexsdm`، وتم إجراء التحليلات الإحصائية بمساعدة `rcompanion`. بالإضافة إلى ذلك، تم إنشاء تمثيلات رسومية باستخدام `ggplot2` و `ggrepel`، مما يضمن تصورًا شاملًا للبيانات طوال عملية البحث.
نتائج
النموذج MaxEnt الذي تم تطويره لشرح توزيع *A. albobrunnea* تضمن سبعة متغيرات عاملية، مما أدى إلى نموذج قوي مع منطقة تحت المنحنى (AUC) للتدريب تبلغ 0.98 ومعيار معلومات أكايكي المصحح (CBI) للتدريب يبلغ 0.99. كانت الفروق بين قيم التدريب والاختبار لـ AUC و CBI ضئيلة، مما يدل على أداء تنبؤي قوي. بيانات ضبط النموذج مفصلة في الجدول S1، ولم يتم اعتبار النماذج البديلة التي كانت لديها دلتا AICc < 2 بسبب عدم استيفائها لعتبات محددة أخرى. تكشف النتائج الرئيسية أن الأشجار المضيفة تؤثر بشكل كبير على توزيع *A. albobrunnea*، حيث تمثل *Picea abies* 43.2% من التباين، بينما ساهمت *Pinus sylvestris*، المضيف الرئيسي، بنسبة 4.6% فقط. ومن الجدير بالذكر أنه عندما تم خلط قيم الاحتمالية لـ *P. abies*، انخفضت أهميتها بشكل كبير إلى 0.5%، بينما زادت *P. sylvestris* إلى 30.8%. كان الرقم الهيدروجيني للتربة عاملًا مهمًا آخر، حيث ساهم بنسبة 13.9% وأشار إلى تفضيل للترب الحمضية المعتدلة. من بين المتغيرات المناخية الحيوية، كانت درجة الحرارة المتوسطة للربع الأكثر جفافًا هي الأكثر أهمية، حيث ساهمت بنسبة 28.8%، بينما أظهرت درجة الحرارة القصوى للشهر الأكثر حرارة استجابة على شكل جرس. بشكل عام، أظهرت *A. albobrunnea* استجابة إيجابية لنطاق درجة الحرارة اليومية المتوسطة السنوية، مما يبرز تفضيلاتها البيئية في الغابات الجافة في شمال أوروبا.
مناقشة
في هذا القسم، تناقش البحث توزيع الموائل المتوقع للفطر *Anthoporia albobrunnea* في أوروبا، كاشفة أن حوالي 555,000 كم² من الموائل متوقعة، مع اعتبار 41% فقط منها مناسبًا و59% هامشيًا. تسلط الدراسة الضوء على توقعات فقدان الموائل الكبيرة بحلول عام 2060، تتراوح من 6% تحت سيناريو متفائل SSP2-4.5 إلى 43% تحت سيناريو احترازي SSP5-8.5. ومن الجدير بالذكر أن التحليل يشير إلى أنه بينما قد تشهد بعض المناطق، لا سيما في شمال أوروبا، تدهورًا في الموائل، قد تحافظ مناطق أخرى، مثل أجزاء من بولندا، على نسبة كبيرة من الموائل المناسبة حتى في ظل الظروف السلبية. تؤكد النتائج على الحاجة الملحة لجهود الحفظ، حيث أن 7.2% فقط من الموائل المتوقعة محمية حاليًا.
تؤكد المناقشة أيضًا على أهمية العوامل المناخية الحيوية، لا سيما درجة الحرارة وتوزيع المضيف، في تشكيل ملاءمة الموائل لـ *A. albobrunnea*. تحدد الدراسة أن درجات الحرارة الصيفية المتوسطة ودرجات الحرارة الشتوية المنخفضة ضرورية لظروف الموائل المثلى. بالإضافة إلى ذلك، تبرز دور المناخات الدقيقة وممارسات إدارة الغابات في التأثير على جودة الموائل المستقبلية. تدعو الأبحاث إلى نهج مزدوج في تقييمات الحفظ – يجمع بين وجهات النظر المحافظة والمركزة على الإمكانيات – لإبلاغ استراتيجيات إدارة الموائل بشكل أفضل. هذا النهج ضروري لحماية الموائل القديمة الحالية مع مراعاة أيضًا إمكانية تشكيل موائل جديدة في مواجهة تغير المناخ. بشكل عام، تدعو الدراسة إلى تعزيز تدابير الحماية، لا سيما في المناطق التي تم تحديدها كحرجة لبقاء الأنواع، لتخفيف فقدان الموائل المتوقع.
القيود
في هذا القسم، يعترف المؤلفون بعدة قيود في دراستهم، لا سيما فيما يتعلق بالسياق الزمني لبياناتهم ونموذجهم. السنة المتوسطة لكل من السجلات الخام والمفلترة هي 2010، مع وجود أرباع تمتد من 2005 إلى 2017 للبيانات الخام وحتى 2018 للبيانات المفلترة. بالإضافة إلى ذلك، تمثل المتغيرات المناخية المستخدمة في النموذج الظروف المتوسطة من 1970 إلى 2000، مما يبرز تأخرًا زمنيًا يتم مواجهته بشكل متكرر في نماذج توزيع الأنواع (SDMs).
علاوة على ذلك، يشير المؤلفون إلى أن نموذج MaxEnt الخاص بهم قد لا يلتقط جميع العوامل ذات الصلة بالكامل، حيث قد يتجاهل المتغيرات المحتملة المهمة التي يمكن أن تؤثر على النتائج. تؤكد هذه القيود على الحاجة إلى الحذر عند تفسير النتائج، حيث أن توقعات النموذج تستند إلى بيانات تاريخية قد لا تعكس بدقة الظروف الحالية أو المستقبلية.
DOI: https://doi.org/10.1038/s41598-026-35987-4
PMID: https://pubmed.ncbi.nlm.nih.gov/41559157
Publication Date: 2026-01-20
Author(s): Ovidiu Copoț et al.
Primary Topic: Forest Ecology and Biodiversity Studies
Overview
The research paper section emphasizes the international commitment to safeguarding old-growth forests due to their critical biodiversity and ecological roles. However, it identifies a gap in understanding which specific strategies would effectively mitigate biodiversity loss amidst future uncertainties. To address this, the authors modeled the habitat distribution of the deadwood-inhabiting fungal species, *Anthoporia albobrunnea*, across Europe using spatial distribution modeling (MaxEnt). They evaluated potential future distributions under various climatic scenarios, specifically contrasting a higher radiative forcing scenario (SSP5-8.5) with a more conservative one (SSP2-4.5). The results indicated that while the SSP5-8.5 scenario led to greater habitat loss, the difference was even more pronounced when considering precautionary approaches and habitat turnover due to timber harvesting. This underscores the importance of how uncertainties are managed in conservation decision-making.
In conclusion, the study illustrates the significance of interpreting species distribution modeling outputs through different lenses regarding forest habitat dynamics and conservation strategies. By employing both cautious and optimistic perspectives, the authors revealed contrasting implications for future habitat suitability. The cautious interpretation highlighted potential range contractions and habitat fragmentation, indicating the vulnerability of high-quality habitats, while the optimistic view suggested possibilities for climatic tracking and habitat resilience. Ultimately, the findings advocate for the establishment of strictly protected areas as vital for the conservation of old-growth forest species, while also emphasizing the need for improved assessment of uncertainties in conservation planning.
Introduction
The introduction of the paper highlights the critical role of old-growth forests (OGF) in providing ecosystem functions and supporting specialist species, particularly in Europe, where these forests are increasingly fragmented due to historical land-use and ongoing human activities such as logging. Current European policies, including the EU Biodiversity Strategy for 2030, aim to enhance forest conservation while addressing the challenges posed by climate change. However, significant uncertainties remain regarding the future of social-ecological systems, particularly in relation to how climate change will affect biodiversity and ecosystem dynamics.
The paper focuses on the threatened fungal species Anthoporia albobrunnea, which is sensitive to changes in forest structure and substrate availability. Despite its ecological importance, existing OGF management strategies often overlook fungi. The authors aim to assess the potential distribution of A. albobrunnea under two contrasting climate change scenarios (SSP285 and SSP5-8.5) and identify key climatic factors influencing its habitat suitability. They propose that understanding the interpretational uncertainties surrounding species distribution models (SDMs) is crucial for effective conservation planning, emphasizing the need to consider both worst-case and best-case scenarios in future assessments. The study utilizes the maximum entropy (MaxEnt) approach for predicting species distributions, which is recognized for its robustness in handling presence-only data and its relevance for conservation strategies.
Methods
In this study, all analyses and visualizations were conducted using R version 4.4.0, leveraging a variety of specialized packages to facilitate different aspects of the research. Geographic Information System (GIS) analyses were performed using packages such as `dismo`, `raster`, `sf`, and `terra`, while data processing was supported by `dplyr`, `tidyverse`, and others. For species distribution modeling (SDM), the study utilized `ENMeval` and `flexsdm`, and statistical analyses were conducted with the help of `rcompanion`. Additionally, graphical representations were created using `ggplot2` and `ggrepel`, ensuring comprehensive data visualization throughout the research process.
Results
The MaxEnt model developed to explain the distribution of *A. albobrunnea* incorporated seven factor variables, resulting in a robust model with a training Area Under the Curve (AUC) of 0.98 and a training Corrected Akaike Information Criterion (CBI) of 0.99. The differences between training and testing values for AUC and CBI were minimal, indicating strong predictive performance. The model’s tuning data is detailed in Table S1, and alternative models with a delta AICc < 2 were not considered due to failing to meet other specified thresholds. Key findings reveal that the host trees significantly influence the distribution of *A. albobrunnea*, with *Picea abies* accounting for 43.2% of variability, while *Pinus sylvestris*, the primary host, contributed only 4.6%. Notably, when the probability values for *P. abies* were shuffled, its importance drastically decreased to 0.5%, whereas *P. sylvestris* increased to 30.8%. Soil pH was another important factor, contributing 13.9% and indicating a preference for moderately acidic soils. Among bioclimatic variables, the mean temperature of the driest quarter was the most significant, contributing 28.8%, while the maximum temperature of the warmest month exhibited a bell-shaped response. Overall, *A. albobrunnea* showed a positive response to the annual mean diurnal temperature range, highlighting its ecological preferences in North European dry forests.
Discussion
In this section, the research discusses the predicted habitat distribution of the fungus *Anthoporia albobrunnea* in Europe, revealing that approximately 555,000 km² of habitat is forecasted, with only 41% deemed suitable and 59% marginal. The study highlights significant habitat loss projections by 2060, ranging from 6% under an optimistic SSP2-4.5 scenario to 43% under a cautionary SSP5-8.5 scenario. Notably, the analysis indicates that while some regions, particularly in Northern Europe, may see habitat degradation, others, such as parts of Poland, could maintain a substantial percentage of suitable habitat even under adverse conditions. The findings underscore the critical need for conservation efforts, as only 7.2% of the predicted habitat is currently protected.
The discussion further emphasizes the importance of bioclimatic factors, particularly temperature and host distribution, in shaping the habitat suitability for *A. albobrunnea*. The study identifies that medium summer temperatures and low winter temperatures are vital for optimal habitat conditions. Additionally, it highlights the role of microclimates and forest management practices in influencing future habitat quality. The research advocates for a dual approach to conservation assessments—combining conservative and possibility-focused perspectives—to better inform habitat management strategies. This approach is essential for protecting existing old-growth forest habitats while also considering the potential for new habitat formation in the face of climate change. Overall, the study calls for enhanced protection measures, particularly in regions identified as critical for the species’ survival, to mitigate the predicted habitat losses.
Limitations
In this section, the authors acknowledge several limitations of their study, particularly regarding the temporal context of their data and model. The median year for both raw and filtered records is 2010, with quartiles spanning from 2005 to 2017 for raw data and up to 2018 for filtered data. Additionally, the climatic variables utilized in the model represent average conditions from 1970 to 2000, highlighting a time lag that is frequently encountered in species distribution models (SDMs).
Moreover, the authors note that their MaxEnt model may not fully capture all relevant factors, as it may overlook potentially significant variables that could influence the outcomes. This limitation underscores the need for caution when interpreting the results, as the model’s predictions are based on historical data that may not accurately reflect current or future conditions.