Using Maxent to model the distribution of Dasiphora fruticosa (L.) Rydb. in Mongolia

Authors

  • Munkhtur Davaagerel Botanic Garden and Research Institude, Mongolian Academy of Sciences, Ulaanbaatar, 13330, Mongolia https://orcid.org/0000-0002-5924-0258
  • Indree Tuvshintogtokh Botanic Garden and Research Institude, Mongolian Academy of Sciences, Ulaanbaatar, 13330, Mongolia
  • Oyunbileg Munkhzul Botanic Garden and Research Institude, Mongolian Academy of Sciences, Ulaanbaatar, 13330, Mongolia
  • Damdindorj Manidari Capital City road Development Agency, Ulaanbaatar, Mongolia
  • Nyamjantsan Nyambayar Botanic Garden and Research Institude, Mongolian Academy of Sciences, Ulaanbaatar, 13330, Mongolia

DOI:

https://doi.org/10.5564/mjb.v5i31.3265

Keywords:

Maxent model, Dasiphora fruticosa, climate change, distirbution

Abstract

Due to climate change, precipitation variability, temperature rise, an increase in the frequency of natural disasters, and direct and indirect human impact, the range of plant species is changing significantly. Specifically, there has been an increase in gathering plants from nature because of the growing use of these valuable and medicinal plants. Thus, by simulating the plant’s existing range using Maxent simulation, our goal is to determine its area as well as how it would alter in response to climate change. 525 ranges from surveys conducted in 2018, 2020, and 2021 in the Mongolian districts of Khentii, Mongolian Dauria, Khangai, and Khuvsgul were utilized. Based on our research, out of 21 environmental indicators, five are the most significant. It is influenced by 65.2% of precipitation of the warmest quarter, 16.2% of the mean temperature of the warmest quarter, 8.1% of the annual mean temperature, 7.4% of slope, and 3% of total annual precipitation. Currently, 30% of Mongolia’s total land area is suitable for Dasiphora fruticosa cultivation, of which 8% is ideal and 7% is exceptionally suitable. However, the remaining 70% cannot expand. The favorable range of Dasiphora fruticosa tends to shrink as a result of climate change.

Сөөгөн боролзгоно (Dasiphora fruticosa (L.) Rydb.) ургамлын тархацыг Монгол орны хэмжээнд Maxent ашиглан загварчлах нь

Хураангуй. Уур амьсгалын өөрчлөлт, хур тунадасны хэлбэлзэл, температурын өсөлт, байгалийн гамшигт үзэгдлүүдийн давтамж нэмэгдэх, мөн хүний шууд болон шууд бус нөлөөгөөр ургамлын төрөл зүйлийн тархац ихээхэн өөрчлөгдөж байна. Тэр дундаа эмийн болон ашигт ургамлын хэрэглээ нэмэгдсэнтэй холбоотойгоор байгаль дээрээс нь түүж бэлтгэх нь ихэссэн. Иймд бид Maxent загварчлалаар Сөөгөн боролзгоно ургамлын одоо байгаа тархцын талбайг тогтоож, цаашлаад уур амьсгалын өөрчлөлтөөс хамааран талбайн хэмжээ хэрхэн өөрчлөгдөхийг илрүүлэх зорилготой. Монгол орны Хэнтийн уулын тайга, Монгол Дагуурын уулын ойт хээр, Хангайн уулын ойт хээр, Хөвсгөлийн уулын тайгын тойргуудад 2018, 2020 болон 2021 онд хийгдсэн судалгаагаар цуглуулагдсан 525 тархцын цэгэн мэдээллийг ашигласан. Бидний судалгаагаар орчны 21 үзүүлэлтээс 5 хүчин зүйлс хамгийн их хамааралтай байна. Үүнд зуны улирлын 6-8 сарын хур тунадас 65.2 хувь, зуны улирлын 6-8 сарын дундаж температур 16.2 хувь, жилийн дундаж температур 8.1 хувь, хэвгийн налуу 7.4 хувь, жилийн нийлбэр хур тунадас 3 хувийн нөлөө үзүүлж байна. Одоогийн Сөөгөн боролзгонын ургах тохиромжтой газар Монгол орны нийт газар нутгийн 30 хувийг эзэлж байна үүнээс 8 хувьд нь хамгийн тохиромжтой, 7 хувьд өндөр тохиромжтой. Харин үлдсэн 70 хувьд нь ургах боломжгүй байна. Уур амьсгалын өөрчлөлт нь Сөөгөн боролзгонын тааламжтай тархац нутгийн хэмжээг багасгах чиг хандлагатай байна.

Түлхүүр үгс: Maxent загвар, Сөөгөн боролзгоно, уур амьсгалын өөрчлөлт, тархац

Abstract
47
PDF
58

References

Baasanmunkh S., Urgamal, M., Oyuntsetseg, B., Sukhorukov, A. P., Tsegmed, Z., Son, D. C., Erst, A., Oyundelger, K., Kechaykin, A. A., Norris, J., Kosachev, P., Ma, J. S., Chang, K. S., & Choi, H. J. 2022. Flora of Mongolia: annotated checklist of native vascular plants. PhytoKeys, 192, 63–169. https://doi.org/10.3897/phytokeys.192.79702

Banka W. 2021. Climate Risk Country Profile: Ethiopia. 1–32. www.worldbank.org

Bayarsaikhan U., Boldgiv, B., Kim, K. R., Park, K. A., & Lee, D. (2009). Change detection and classification of land cover at Hustai National Park in Mongolia. International Journal of Applied Earth Observation and Geoinformation, 11(4), 273–280. https://doi.org/10.1016/j.jag.2009.03.004

Bordi I., Fraedrich, K., Jiang, J. M., & Sutera, A. 2004. Spatio-temporal variability of dry and wet periods in eastern China. Theoretical and Applied Climatology, 79(1–2), 81–91. https://doi.org/10.1007/s00704-004-0053-8

Driouech Déqué, & Sánchez-Gómez. 2010. Weather regimes-Moroccan precipitation link in a regional climate change simulation. Global and Planetary Change, 72(1–2), 1–10. https://doi.org/10.1016/j.gloplacha.2010.03.004

Fernandez-Gimenez M. E., & Allen-Diaz, B. 1999. Testing a non-equilibrium model of rangeland vegetation dynamics in Mongolia. Journal of Applied Ecology, 36(6), 871–885. https://doi.org/10.1046/j.1365-2664.1999.00447.x

Franklin J., & Miller, J. A. 2010. Mapping species distributions: Spatial inference and prediction. Mapping Species Distributions: Spatial Inference and Prediction, 1–320. https://doi.org/10.1017/CBO9780511810602

Guisan, A., & Zimmermann, N. E. 2000. Predictive habitat distribution models in ecology. Ecological Modelling, 135(2–3), 147–186. https://doi.org/10.1016/S0304-3800(00)00354-9

He, J. L., & Li, X. G. 2016. Potentilla fruticosa has a greater capacity to translocate phosphorus from the lower to upper soils than herbaceous grasses in an alpine meadow. Agriculture, Ecosystems and Environment, 228, 19–29. https://doi.org/10.1016/j.agee.2016.04.021

Intergovermental Panel on Climate Change (IPCC). (n.d.). Intergovermental Panel on Climate Change (IPCC).

Li, A., Wu, J., & Huang, J. 2012. Distinguishing between human-induced and climate-driven vegetation changes: A critical application of RESTREND in inner Mongolia. Landscape Ecology, 27(7), 969–982. https://doi.org/10.1007/s10980-012-9751-2

Li, J., Fan, G., & He, Y. 2020. Predicting the current and future distribution of three Coptis herbs in China under climate change conditions, using the MaxEnt model and chemical analysis. Science of the Total Environment, 698, 134141. https://doi.org/10.1016/j.scitotenv.2019.134141

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

Miao, L., Luan, Y., Luo, X., Liu, Q., Moore, J. C., Nath, R., He, B., Zhu, F., & Cui, X. 2013. Analysis of the phenology in the Mongolian Plateau by inter-comparison of global vegetation datasets. Remote Sensing, 5(10), 5193–5208. https://doi.org/10.3390/rs5105193

Moraitis, M. L., Valavanis, V. D., & Karakassis, I. 2019. Modelling the effects of climate change on the distribution of benthic indicator species in the Eastern Mediterranean Sea. Science of the Total Environment, 667, 16–24. https://doi.org/10.1016/j.scitotenv.2019.02.338

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

Reese, G. C., Wilson, K. R., Hoeting, J. A., & Flather, C. H. 2005. Factors affecting species distribution predictions: A simulation modeling experiment. Ecological Applications, 15(2), 554–564. https://doi.org/10.1890/03-5374

Remm, K., & Remm, L. 2017. Shrubby cinquefoil (Dasiphora fruticosa (L.) Rydb.) mapping in Northwestern Estonia based upon site similarities. BMC Ecology, 17(1), 1–14. https://doi.org/10.1186/s12898-017-0117-0

Swets, J. A. 1988. Measuring the accuracy of diagnostic systems. Science (New York, N.Y.), 240(4857), 1285–1293. https://doi.org/10.1126/science.3287615

Wanders, N., Van Loon, A. F., & Van Lanen, H. A. J. 2017. Frequently used drought indices reflect different drought conditions on global scale. Hydrology and Earth System Sciences Discussions, August, 1–16. https://doi.org/10.5194/hess-2017-512

Wang, B., Deveson, E. D., Waters, C., Spessa, A., Lawton, D., Feng, P., & Liu, D. L. 2019. Future climate change likely to reduce the Australian plague locust (Chortoicetes terminifera) seasonal outbreaks. Science of the Total Environment, 668, 947–957. https://doi.org/10.1016/j.scitotenv.2019.02.439

Warren, D. L., & Seifert, S. N. 2011. Ecological niche modeling in Maxent: The importance of model complexity and the performance of model selection criteria. Ecological Applications, 21(2), 335–342. https://doi.org/10.1890/10-1171.1

Warren, R., Vanderwal, J., Price, J., Welbergen, J. A., Atkinson, I., Ramirez-Villegas, J., Osborn, T. J., Jarvis, A., Shoo, L. P., Williams, S. E., & Lowe, J. 2013. Quantifying the benefit of early climate change mitigation in avoiding biodiversity loss. Nature Climate Change, 3(7), 678–682. https://doi.org/10.1038/nclimate1887

Woo, C. S. J., Lau, J. S. H., & El-Nezami, H. 2012. Herbal Medicine. Toxicity and Recent Trends in Assessing Their Potential Toxic Effects. In Advances in Botanical Research (1st ed., Vol. 62). Elsevier Ltd. https://doi.org/10.1016/B978-0-12-394591-4.00009-X

Yan, X., Wang, S., Duan, Y., Han, J., Huang, D., & Zhou, J. 2021. Current and future distribution of the deciduous shrub Hydrangea macrophylla in China estimated by MaxEnt. Ecology and Evolution, 11(22), 16099–16112. https://doi.org/10.1002/ece3.8288

Yang, X. Q., Kushwaha, S. P. S., Saran, S., Xu, J., & Roy, P. S. 2013. Maxent modeling for predicting the potential distribution of medicinal plant, Justicia adhatoda L. in Lesser Himalayan foothills. Ecological Engineering, 51, 83–87. https://doi.org/10.1016/j.ecoleng.2012.12.004

Zare Chahouki, M. A., & Piri Sahragard, H. 2016. Maxent modelling for distribution of plant species habitats of rangelands (Iran). Polish Journal of Ecology, 64(4), 453–467. https://doi.org/10.3161/15052249PJE2016.64.4.002

Zhao, H., Xian, X., Zhao, Z., Zhang, G., Liu, W., & Wan, F. 2022. Climate Change Increases the Expansion Risk of Helicoverpa zea in China According to Potential Geographical Distribution Estimation. Insects, 13(1). https://doi.org/10.3390/insects13010079

Грубов, В. И. 2008. Монголын гуурст ургамал таних бичиг.

Лигаа, У. 2015. Монгол орны эмийн ургамлыг өрнө дорнын анагаах ухаанд хэрэглэхүй.

Мандарь, Д. 2020. Орос махирс (Lycium ruthenicum Murray.) ургамлын тархацыг монгол орны хэмжээнд maxent ашиглан загварчлах нь.

Мөнхжаргал, Б., Цэцэгмаа, Ч., Наранцэцэг, Ц., & Баатарчулуун, Д. (2011). Эмийн ургамал.

Очгэрэл, Н., & Энхтуяа, Л. 2019. Эмийн болон цайны ургамлын тархац, нөөцийн судалгаа, генийн санг хадгалсан тарималжуулалт, ашигт ургамлын плантаци.

Түвшинтогтох, И., Мандарь, Д., Нямбаяр, Н., Билгүүн, Ц., Түмэнжаргал, Ц., Отгонсүх, С., Энхриймаа, Н., Энхмаа, Э., Жавхлан, Н., Намуулин, Т., Тэмүүжин, Б., Жавзандолгор, Ч., & Цэгмид, З. 2020. Хэнтийн уулын тайга, Монгол Дагуурын уулын ойт хээрийн тойргийн ургамлын тархац, нөөцийг тогтоох.

Түвшинтогтох, И., Мандарь, Д., Нямбаяр, Н., Билгүүн, Ц., Түмэнжаргал, Ц., Энхриймаа, Н., Энхмаа, Э., Лянхуа, Б., Даваагэрэл, М., Батзориг, Т., Мөнхзул, О., Гантуяа, Б., Мөнх-Эрдэнэ, Т., Энхболд, Т., & Тэмүүжин, Б. 2021. Нэн ховор, ховор ургамлын талаарх судалгаа.

Downloads

Published

2023-12-15

How to Cite

Davaagerel, M., Tuvshintogtokh, I., Munkhzul, O., Manidari, D., & Nyambayar, N. (2023). Using Maxent to model the distribution of Dasiphora fruticosa (L.) Rydb. in Mongolia. Mongolian Journal of Botany, 5(31), 66–80. https://doi.org/10.5564/mjb.v5i31.3265

Issue

Section

Articles