Spatial distribution, hypervolumes, niche overlaps, and dynamics of the forest plant-community of Triplochiton scleroxylon, Terminalia superba, and Antiaris toxicaria in the context of climate change across Africa
تستخدم هذه الدراسة خوارزميات التعلم الآلي للتنبؤ بأن تغير المناخ سيؤدي إلى تحولات في النيش وإعادة توزيع مكاني لمجتمع النباتات المكون من أنواع *Triplochiton scleroxylon* و*Terminalia superba* و*Antiaris toxicaria* عبر أفريقيا، وهو ما يتميز بالتوسع في المناطق الغربية والوسطى والانكماش في المناطق الشرقية والجنوبية حيث قد تستمر أنواع مختارة فقط.
تخيل غابات الأرض ليس كمجرد تجمع عشوائي من الأشجار، بل كأوركسترا حية وعظيمة تعزف فيها أنواع مختلفة معاً في فرق متماسكة تسمى "المجتمعات النباتية". تماماً كما تحتاج الفرقة الموسيقية إلى درجة الحرارة المناسبة، والرطوبة، وتجهيزات المسرح لتقدم أفضل ما لديها، فإن مجموعات الأشجار هذه لديها "نقطة مثالية" خاصة بها في البيئة حيث تزدهر. يطلق العلماء على هذه النقطة المثالية اسم "المكانة البيئية" (Ecological Niche). فكر في المكانة ليس كنقطة واحدة، بل كفقاعة متعددة الأبعاد — "حجم فائق" (Hypervolume) — يحيط بالنوع، ويحدد بدقة مقدار الحرارة والمطر ونوع التربة التي يمكنه تحملها. وعندما يبدأ تغير المناخ في رفع درجة الحرارة أو تجفيف الأمطار، تتعرض هذه الفقاعات للانضغاط، أو التمدد، أو الدفع إلى مواقع جديدة. إن فهم كيفية تحرك هذه الفقاعات أمر بالغ الأهمية لأن الغابات توفر لنا الخشب، والدواء، والهواء النقي، والمناخ المستقر. وإذا لم نكن نعرف إلى أين تتجه مجتمعات الأشجار هذه، فلن نتمكن من حمايتها أو إدارة الموارد التي توفرها.
تتعمق هذه الورقة في مستقبل ثلاثي أشجار محدد ومهم يوجد عبر غرب ووسط أفريقيا: شجرة "سامبا" (Triplochiton scleroxylon)، وشجرة "فراكي" (Terminalia superba)، وشجرة "أوباس" (Antiaris toxicaria). تنمو هذه الأشجار الثلاث غالباً معاً، مكونة مجتمعاً غابياً متميزاً يبدو ويتصرف كوحدة واحدة. أراد الباحثون معرفة: مع تغير المناخ، هل ستظل هذه الأشجار الثلاث معاً، أم أنها ستتباعد؟ هل ستتقلص "فقاعات" موائلها المناسبة، أم ستكبر، أم ستنتقل إلى دول جديدة؟ وللإجابة على ذلك، استخدم الفريق نماذج حاسوبية قوية — وتحديداً ثلاثة خوارزميات مختلفة من "تعلم الآلة" (MaxEnt، وRandom Forests، وBoosted Regression Trees) — لمحاكاة أين يمكن لهذه الأشجار أن تعيش اليوم وأين قد تعيش في عام 2040 تحت سيناريوهين للمناخ: أحدهما متوسط والآخر مرتفع الانبعاثات.
وجدت الدراسة أنه بينما تتشارك الأشجار الثلاثة حالياً الكثير من المساحة البيئية نفسها، فإن مستقبلها يبدو مختلفاً بعض الشيء. تشير المحاكاة الحاسوبية إلى أن المجتمع الإجمالي من المرجح أن يوسع إقليمه في غرب ووسط أفريقيا، ليجد أرضاً جديدة ملائمة ومواتية هناك. ومع ذلك، فإن القصة تختلف في شرق وجنوب أفريقيا، حيث يُتوقع أن يتقلص الموطن المناسب. وفي تلك المناطق المتراجعة، قد لا ينجو المجتمع كـ "ثلاثي"، بل قد يتمكن نوع واحد أو اثنان فقط (على الأرجح الفراكي أو الأوباس) من الصمود. ومن المثير للاهتمام أن النماذج أظهرت أن الأنواع الثلاثة ستظل على الأرجح "مجتمعاً" في المستقبل، مما يعني أن فقاعاتهم البيئية ستظل متداخلة بشكل كبير، لكن المسافة بين تفضيلاتهم المحددة قد تتغير. على سبيل المثال، يبدو أن شجرة "سامبا" مهيأة لتوسيع نطاقها بشكل كبير، بينما قد يرى نطاق شجرة "الفراكي" المريح مساحة أصغر.
كان الجزء الأكثر أهمية في البحث هو تحديد أي نموذج حاسوبي يقول الحقيقة. اختبر الفريق ثلاث خوارزميات مختلفة، وبينما كان اثنان منها (MaxEnt وRandom Forests) جيدين في الرياضيات، ارتكب واحد منها (Random Forests) خطأً مضحكاً: فقد توقع أن هذه الأشجار الاستوائية ستحب الصحاري القاحلة في مصر وليبيا. وبما أننا نعلم أن هذه الأشجار تكره الصحاري، فقد استبعد الباحثون ذلك النموذج لهذه المهمة المحددة. لقد وثقوا في نموذج MaxEnt أكثر لأن تنبؤاته تطابقت مع ما نعرفه بالفعل عن السلوك الواقعي للأشجار. وباستخدام هذا النموذج الموثوق، أكدوا أنه بينما ستغير الأشجار مواقعها لتتبع الطقس الأفضل، فإنها ستظل على الأرجح تحافظ على "فرقتها" معاً في المناطق التي لا تزال تستطيع البقاء فيها. وتخلص الدراسة إلى أنه للحفاظ على قدرة هذه الأشجار القيمة على إنتاج الخشب والكتلة الحيوية في المستقبل، نحتاج إلى إدارتها بعناية، خاصة مع انتقالها نحو مناطق جديدة في غرب ووسط أفريقيا وتراجعها من الحواف الأكثر جفافاً لنطاقها الحالي.
ملخص تقني: التوزيع المكاني، الحجوم الفائقة، تداخل المناحي، وديناميكيات مجتمع نباتات الغابة المكون من Triplochiton scleroxylon و Terminalia superba و Antiaris toxicaria في سياق تغير المناخ عبر أفريقيا
بيان المشكلة
يعمل تغير المناخ كمحرك رئيسي لفقدان التنوع البيولوجي عالميًا، مما يستدعي استقصاءً جادًا لتوجيه استراتيجيات التخفيف والحفظ. وبينما قامت دراسات عديدة بتحليل التوزيع المكاني للأنواع الفردية في ظل تغير المناخ، تبرز الحاجة إلى التركيز على مجتمعات النباتات كوحدات مهيكلة تستجيب للعوامل البيئية المجتمعة. تتناول هذه الدراسة تأثيرات تغير المناخ على المناحي البيئية (ecological niches)، والتوزيع المكاني، وديناميكيات المجتمع لثلاثة أنواع شجرية مهيمنة في الغابات شبه الاستوائية في أفريقيا: Triplochiton scleroxylon (سامبا)، و Terminalia superba (فراكي)، و Antiaris toxicaria (شجرة أوباس). تشكل هذه الأنواع مجتمعًا نباتيًا مميزًا في الغابات الثانوية من غينيا إلى جمهورية الكونغو الديمقراطية. يبحث هذا البحث تحديدًا في:
ما إذا كانت هناك تداخلات في المناحي (niche overlaps) بين هذه الأنواع المهيمنة.
كيف يؤثر تغير المناخ على ديناميكيات أحجامها البيئية الفائقة (hypervolumes).
كيف يغير تغير المناخ التوزيع المكاني للمجتمع النباتي عبر أفريقيا.
المنهجية
استخدمت الدراسة نمذجة توزيع الأنواع (SDM) وتحليل الحجم الفائق باستخدام سير العمل التالي:
جمع البيانات: تم الحصول على بيانات التواجد للأنواع الثلاثة من المرفق العالمي لمعلومات التنوع البيولوجي (GBIF). تم تنظيف البيانات لإزالة المكررات، والسجلات التي تفتقر إلى الإحداثيات، والمجموعات المستحدثة. كما طُبقت عملية تخفيف (بمسافة 5 كم) باستخدام حزمة spThin في لغة R لتتوافق مع دقة 2.5 دقيقة قوسية للبيانات البيئية.
المتغيرات التنبؤية: استخدمت الدراسة 19 متغيرًا مناخيًا حيويًا من (WorldClim) (السيناريوهات الحالية والمستقبلية) وكثافة السكان البشرية من (SEDAC) كوكيل للضغط البشري. استخدمت التوقعات المستقبلية نموذج الدوران العام MIROC6 تحت مسارين اجتماعيين واقتصاديين مشتركين (SSP): SSP 245 (انبعاثات متوسطة) و SSP 585 (انبعاثات عالية)، مع أفق زمني لعام 2040.
اختيار المتغيرات: استُخدم تحليل معامل التضخم المتعدد (VIF) لإزالة المتغيرات المتعددة الخطية. تم الاحتفاظ بثمانية متغيرات للنماذج النهائية: كثافة السكان، والنمطية (bio3)، وموسمية درجات الحرارة (bio4)، والحد الأدنى لدرجة الحرارة في أبرد شهر (bio6)، وهطول الأمطار في الشهر الأكثر رطوبة (bio13)، وهطول الأمطار في الجفاف الأكثر حدة (bio14)، وموسمية هطول الأمطار (bio15)، وهطول الأمطار في الربع الأبرد (bio19).
خوارزميات النمذجة: تمت مقارنة ثلاث خوارواتيات للتعلم الآلي: MaxEnt، و Boosted Regression Trees (BRT)، و Random Forests (RF). تمت معايرة النماذج باستخدام حزمة sdm في لغة R مع 10,000 نقطة خلفية عشوائية وتحقق تبادلي مكون من 10 طيات.
تقييم الأداء: تم تقييم النماذج باستخدام المساحة تحت المنحنى (AUC)، وإحصائية المهارة الحقيقية (TSS)، ومعامل الارتباط ثنائي القطب (COR)، والانحراف المفسر. تم إنشاء نماذج تجميعية باستخدام العتبة التي تعظم إحصائية TSS.
تحليل الحجم الفائق: استُخدمت حزمة hypervolume في لغة R لبناء أحجام فائقة متعددة الأبعاد بناءً على أكثر أربعة متغيرات بيئية مساهمة. وشملت المقاييس: حجم الحجم الفائق، ومسافات المركز (الإقليدية)، وإحصائيات التداخل (مؤشرات سورين وجاكار) لتحديد كمية تداخل المناحي ودرجات المجتمع.
النتائج الرئيسية
1. أداء النماذج
مقارنة الخوارزميات: تفوقت MaxEnt و Random Forests (RF) على BRT فيما يتعلق بإحصائيات AUC و TSS.
الموثوقية: بينما أظهرت كل من RF و MaxEnt أداءً إحصائيًا متشابهًا، أنتجت MaxEnt تنبؤات أكثر واقعية من الناحية البيئية. فقد توقعت RF بشكل خاطئ وجود ظروف مواتية في المناطق الصحراوية القاحلة (مثل مصر وليبيا والجزائر)، بينما توافقت MaxEnt مع الإيكولوجيا المعروفة للأنواع. وبناءً على ذلك، تم اختيار MaxEnt للتوقعات المكانية المستقبلية.
المحركات الرئيسية: كان الحد الأدنى لدرجة الحرارة في أبرد شهر (bio6) و موسمية درجات الحرارة (bio4) هما المتغيرين الأكثر تأثيرًا لجميع الأنواع الثلاثة.
2. تداخل المناحي ودرجة المجتمع
الوضع الحالي: أكدت فترات الثقة لإحصائيات سورين (≥ 0.5) وجاكار (باستثناء الصفر) وجود تداخلات مناخية كبيرة بين الأنواع الثلاثة عند مستوى ثقة 95%، مما يؤكد صفتها كمجتمع نباتي متميز.
التقارب الإيكولوجي: أظهرت نوعا Triplochiton scleroxylon و Terminalia superba أقرب تقارب إيكولوجي (مسافة المركز: 0.129)، بينما أظهرت Antiaris toxicaria سعة إيكولوجية أوسع وتوزيعًا مكانيًا أكبر.
3. ديناميكيات الحجم الفائق تحت تغير المناخ (أفق 2040)
إزاحة المناحي: أظهرت جميع الأنواع إزاحات في المناحي لتتبع الظروف المواتية.
مسار SSP 245: أظهرت كل من Antiaris toxicaria و Triplochiton scleroxylon زيادة في أحجام الحجم الفائق (0.270 و 0.240 على التوالي)، مما يشير إلى توسع الظروف المواتية. بينما أظهرت Terminalia superba انكماشًا (0.153).
مسار SSP 585: لوحظت اتجاهات مماثلة، حيث ظل حجم Antiaris مستقرًا (0.219) وانكمشت Terminalia بشكل أكبر (0.142).
مسافات المركز: زادت المسافة بين مركزي Antiaris و Samba بشكل كبير (من 0.218 إلى ~0.45–0.47)، مما يشير إلى انخفاض التقارب. وعلى العكس من ذلك، انخفضت المسافة بين Antiaris و Fraké، مما يشير إلى زيادة التقارب.
استقرار المجتمع: على الرغم من التحولات في أحجام الحجم الفائق ومسافات المركز لكل نوع، أكدت إحصائيات سورين وجاكار أن درجة المجتمع (تداخل المناحي) تستمر في ظل كلا السيناريوهين المستقبليين.
4. توقعات التوزيع المكاني
التوسع: من المتوقع أن يمتد التوزيع المكاني للمجتمع النباتي بشكل أساسي في غرب ووسط أفريقيا (بما في ذلك جمهورية الكونغو الديمقراطية) وأجزاء من جنوب أفريقيا.
الانكماش: يُتوقع أن ينكمش المجتمع في شرق وجنوب أفريقيا (بما في ذلك مدغشقر). وفي هذه المناطق المنكمشة، قد يستمر المجتمع بوجود نوع واحد أو اثنين فقط من الأنواع المهيمنة (Terminalia superba و/أو Antiaris toxicaria)، بدلاً من الثلاثية الكاملة.
الأهمية والادعاءات
يدعي البحث أن نتائجه توفر أساسًا قويًا للإدارة المستدامة للغابات وحفظ التنوع البيولوجي في سياق تغير المناخ. ومن خلال إثبات أن هيكل المجتمع النباتي (تداخل المناحي) يظل سليمًا رغم تحول المناحي الفردية للأنواع، تشير الدراسة إلى أن الوحدة الوظيفية للغابة قد تكون مرنة، وإن كان نطاقها الجغرافي سيتغير.
يؤكد المؤلفون على أن:
التدخلات الإدارية ضرورية لتعزيز إنتاج الأخشاب والكتلة الحيوية المستدامة في الوقت والمكان المناسبين، مع استهداف المناطق المواتية المتوسعة في غرب ووسط أفريقيا بشكل محدد.
الاستجابات النوعية: تُعد Antiaris toxicaria الأكثر انتشارًا وتكيفًا، بينما تواجه Terminalia superba الانكماش الأكثر حدة في حجمها الفائق.
المساهمة المنهجية: تثبت الدراسة جدوى استخدام النمذجة التجميعية وتحليل الحجم الفائق لتقييم ديناميكيات المجتمع، مؤكدة أنه بينما تتوفر نماذج وفيرة للأنواع الفردية، فإن تحليل مستوى المجتمع أمر بالغ الأهمية لفهم إنتاجية الغابات والمعالجات الحرجية.
تخلص الورقة إلى أن الإجابة على أسئلة البحث المتعلقة بتداخلات المناحي وديناميكيات الحجم الفائق تسمح بتصميم استراتيجيات إدارة مناسبة لضمان الاستخدام المستدام لهذه الموارد القيمة عبر أفريقيا.