زیادہ سے زیادہ اینٹروپی ماڈلنگ مورچیلا ڈل کی تقسیم کا علاقہ۔ سابق Pers. چین میں تبدیلی آب و ہوا کے تحت انواع حصہ 1

سادہ خلاصہ:پرجاتیوں کی تقسیم کی تحقیق میں موسمیاتی تبدیلی ہمیشہ سے ایک نمایاں عنصر رہی ہے۔ حالیہ دہائیوں میں بدلتی ہوئی آب و ہوا کی وجہ سے انواع کے مسکن بتدریج تباہ ہو رہے ہیں۔ اس طرح، یہ اندازہ لگانے کے لیے کہ موسمیاتی تبدیلی جنگلی مورچیلا ڈل کی بقا اور مناسب رہائش گاہوں کو کس طرح متاثر کرے گی۔ سابق Pers چین میں پرجاتیوں، ہم نے تاریخی ادوار سے مستقبل کے ادوار تک اس کی تقسیم کے علاقے میں ہونے والی تبدیلیوں کی نقالی کے لیے زیادہ سے زیادہ اینٹروپی ماڈل استعمال کیا۔ ہمارے نتائج واضح کرتے ہیں کہ بارش، بلندی، اور درجہ حرارت ناگزیر عوامل ہیں جو جنگلی مورچیلا پرجاتیوں کی موجودگی اور مناسب رہائش گاہوں کو متاثر کرتے ہیں۔ مزید برآں، اس تحقیق نے ہمیں ایک امید افزا رجحان دکھایا کہ، قطع نظر اس کے کہ کسی بھی منظر نامے سے، پرجاتیوں کا مناسب رقبہ جلد ہی ایک خاص پیمانے پر بڑھ جائے گا۔ ان نتائج کی بنیاد پر، ہم جنگلی مورچیلا وسائل کے تحفظ کے لیے ایک بہترین اسکیم کو تلاش اور ڈیزائن کرسکتے ہیں۔

سیستانچ کا گلائکوسائیڈ دل اور جگر کے بافتوں میں ایس او ڈی کی سرگرمی کو بھی بڑھا سکتا ہے، اور ہر ٹشو میں لیپوفسن اور ایم ڈی اے کے مواد کو نمایاں طور پر کم کر سکتا ہے، مختلف رد عمل آکسیجن ریڈیکلز (OH-، H₂O₂، وغیرہ) کو مؤثر طریقے سے ختم کر سکتا ہے اور DNA کو پہنچنے والے نقصان سے بچا سکتا ہے۔ OH ریڈیکلز کے ذریعے۔ Cistanche phenylethanoid glycosides میں آزاد ریڈیکلز کو صاف کرنے کی مضبوط صلاحیت ہوتی ہے، وٹامن C سے زیادہ کم کرنے کی صلاحیت، سپرم معطلی میں SOD کی سرگرمی کو بہتر بناتی ہے، MDA کے مواد کو کم کرتی ہے، اور سپرم کی جھلی کے کام پر ایک خاص حفاظتی اثر رکھتی ہے۔ Cistanche polysaccharides D-galactose کی وجہ سے تجرباتی طور پر حساس چوہوں کے erythrocytes اور پھیپھڑوں کے ٹشوز میں SOD اور GSH-Px کی سرگرمی کو بڑھا سکتے ہیں، نیز پھیپھڑوں اور پلازما میں MDA اور کولیجن کے مواد کو کم کر سکتے ہیں، اور elastin کے مواد کو بڑھا سکتے ہیں۔ ڈی پی پی ایچ پر اچھا اثر ڈالتا ہے، سینسنٹ چوہوں میں ہائپوکسیا کے وقت کو طول دیتا ہے، سیرم میں ایس او ڈی کی سرگرمی کو بہتر بناتا ہے، اور تجرباتی طور پر سنسنی والے چوہوں میں پھیپھڑوں کے جسمانی انحطاط میں تاخیر کرتا ہے، سیلولر مورفولوجیکل انحطاط کے ساتھ، تجربات سے پتہ چلتا ہے کہ Cistanche میں اینٹی آکسیڈنٹ کی اچھی صلاحیت ہے۔ اور جلد کی بڑھتی ہوئی بیماریوں کو روکنے اور علاج کرنے کے لیے ایک دوا بننے کی صلاحیت رکھتا ہے۔ ایک ہی وقت میں، Cistanche میں echinacoside میں DPPH فری ریڈیکلز کو ختم کرنے کی قابل ذکر صلاحیت ہے اور یہ ری ایکٹو آکسیجن پرجاتیوں کو نکالنے اور آزاد ریڈیکل-حوصلہ افزائی کولیجن کے انحطاط کو روکنے کی صلاحیت رکھتا ہے، اور یہ تھامین فری ریڈیکل ایون کے نقصان پر بھی اچھا مرمتی اثر رکھتا ہے۔

کیا اینٹی آکسیڈینٹ کے لئے سیستانچ کام کرتا ہے پر کلک کریں۔

【مزید معلومات کے لیے:george.deng@wecistanche.com / WhatApp:86 13632399501】

خلاصہ: Morchella is a kind of precious edible, medicinal fungi with a series of important effects,  including anti-tumor and anti-oxidation effects. Based on the data of 18 environmental variables and the distribution sites of wild Morchella species, this study used a maximum entropy (MaxEnt) model to predict the changes in the geographic distribution of Morchella species in different historical periods (the Last Glacial Maximum (LGM), Mid Holocene (MH), current, 2050s and 2070s). The results revealed that the area under the curve (AUC) values of the receiver operating characteristic curves of different periods were all relatively high (>0.83)، جس سے ظاہر ہوتا ہے کہ زیادہ سے زیادہ اینٹروپی ماڈل کے نتائج اچھے ہیں۔ پرجاتیوں کی تقسیم کے ماڈلنگ سے پتہ چلتا ہے کہ مورچیلا پرجاتیوں کی جغرافیائی تقسیم کو متاثر کرنے والے بڑے عوامل خشک ترین سہ ماہی (Bio17)، بلندی، سرد ترین سہ ماہی کا اوسط درجہ حرارت (Bio11) اور سالانہ اوسط درجہ حرارت (Bio1) تھے۔ جغرافیائی تقسیم کے نقالی نے تجویز کیا کہ مورچیلا کا موجودہ مناسب رہائش گاہ بنیادی طور پر یونان، سیچوان، گانسو، شانسی، سنکیانگ یوگور خود مختار علاقہ (XUAR) اور چین کے دیگر صوبوں میں واقع ہے۔ موجودہ اوقات کے مقابلے میں، شمال مغربی اور شمال مشرقی چین میں مناسب علاقہ LGM اور MH ادوار میں کم ہوا۔ جہاں تک مستقبل کے ادوار کا تعلق ہے، مناسب رہائش گاہیں تمام مختلف منظرناموں کے تحت عصر حاضر کے مقابلے میں بڑھی ہیں، جو شمال مشرقی اور شمال مغربی چین میں توسیع کا رجحان ظاہر کرتی ہیں۔ یہ نتائج ماحولیاتی تبدیلی کے منظرناموں کے تحت جنگلی مورچیلا وسائل کے تحفظ، عقلی استحصال اور استعمال کے لیے ایک نظریاتی بنیاد فراہم کر سکتے ہیں۔

1. تعارف

موسمیاتی تبدیلی ایک ماحولیاتی عنصر ہے جس کا سامنا زمین پر موجود تمام جانداروں کو ہر وقت کرنا پڑتا ہے۔ بدلتی ہوئی آب و ہوا کے ساتھ، انواع کی مقامی جغرافیائی تقسیم اور تقسیم کے علاقے بھی بدل رہے ہیں۔ حالیہ برسوں میں، عالمی موسمیاتی تبدیلی کے نتیجے میں مختلف پرجاتیوں کے رہائش گاہوں میں تبدیلی آئی ہے اور یہاں تک کہ کچھ پرجاتیوں کے معدوم ہونے کا سبب بنی ہے [1,2]۔ تحقیق سے معلوم ہوا ہے کہ کچھ انواع مستقبل میں دو سے تین گنا تیزی سے اونچی عرض بلد اور اونچائی والے علاقوں میں منتقل ہوں گی [3]۔ اس طرح، پرجاتیوں کی تقسیم اور حیاتیاتی تنوع پر موسمیاتی تبدیلی کے اثرات کا سائنسی جائزہ اور پیشین گوئی نے بہت توجہ مبذول کرائی ہے [4]۔ مستقبل کے آب و ہوا کے حالات کے تحت مختلف پرجاتیوں کی بدلتی ہوئی خصوصیات کو سمجھنے کے لیے، انواع اور آب و ہوا کے درمیان تعلق پر تحقیق بہت ضروری ہے۔

ایک ممکنہ حل پرجاتیوں کی تقسیم کے ماڈل (SDM) کو استعمال کرنا ہے۔ SDM پرجاتیوں کی تقسیم کی حدود میں تبدیلیوں کے تجزیہ کے لیے ایک اہم طریقہ ہے، اور یہ بائیوگرافی اسٹڈیز میں بڑے پیمانے پر استعمال ہوتا ہے۔ حالیہ برسوں میں، خطرے سے دوچار پرجاتیوں [5]، نایاب پرجاتیوں [6]، اور ناگوار پرجاتیوں [7] کی حقیقی اور ممکنہ تقسیم کی پیش گوئی کرنے کے لیے پرجاتیوں کی تقسیم کے ماڈلز کا استعمال ماحولیات کے میدان میں ایک گرم مقام بن گیا ہے۔ پرجاتیوں کی تقسیم کی تحقیق میں، آب و ہوا، مٹی اور دیگر عوامل (جیسے پرجاتیوں کی نقل مکانی کی صلاحیت) کسی حد تک انواع کی جغرافیائی تقسیم کو متاثر کر سکتے ہیں [8]۔ پرجاتیوں کی تقسیم کے اعداد و شمار اور ماحولیاتی عوامل کے ساتھ مل کر، SDM ان ڈیٹا کو ایک مخصوص جغرافیائی مقامی رینج میں پیش کرتا ہے، اور یہ انواع کے بقا کے لیے موزوں علاقوں اور ان کے رہنے والے ماحول کی ترجیحات کا بھی تخمینہ لگاتا ہے [9-11]۔ SDMs جو اب دستیاب ہیں ان میں BIOCLIM، ایکولوجیکل نیک فیکٹر اینالیسس (ENFA)، جنرلائزڈ لائنر ماڈل (GLM)، Bayesian Approach (BA)، جینیاتی الگورتھم (GAs)، اور MaxEnt [12] شامل ہیں۔ ان میں سے، MaxEnt مخصوص مخصوص رکاوٹوں کے تحت پرجاتیوں کی تقسیم کی مثالی حالت کا حساب لگانے کے لیے پرجاتیوں کی اصل موجودگی کے اعداد و شمار اور متعلقہ ماحولیاتی متغیرات کا استعمال کرتا ہے، یعنی جب اینٹروپی زیادہ سے زیادہ ہو تو پیشین گوئی شدہ علاقے میں پرجاتیوں کی ممکنہ تقسیم۔ یہ ماڈل پرجاتیوں کی تقسیم کی جگہوں کے ڈیٹا کی ضرورت، ماڈل پیرامیٹرز کی ترتیب، اور ماحولیاتی متغیرات کو سنبھالنے میں دوسرے ماڈلز سے مختلف ہے [13,14]۔ زیادہ تر ماڈلز کو پرجاتیوں کی تقسیم کے ڈیٹا کی موجودگی اور غیر موجودگی کی ضرورت ہوتی ہے۔ تاہم، MaxEnt صرف حقیقی موجودہ سائٹس پر انحصار کرتا ہے [15]۔ MaxEnt کی امکانی تقسیم کی ایک جامع ریاضیاتی تعریف ہے، جس کا تجزیہ کرنا آسان ہے۔ مثال کے طور پر، جیسا کہ GLM اور GAM کے ساتھ، ماڈل کی اضافیت یہ تشریح کرنا ممکن بناتی ہے کہ متغیر کے درمیان تعاملات کی عدم موجودگی میں ہر متغیر کس طرح مناسبیت سے متعلق ہے [16]۔ ایک ہی وقت میں، MaxEnt ماڈل کی پیشین گوئی کی درستگی اتنی زیادہ ہے کہ یہ چھوٹے نمونے کے سائز کی صورت میں ایک خاص حد تک پرجاتیوں کے وقوع پذیر ہونے کے امکان کی صحیح عکاسی کر سکتی ہے [17]۔

MaxEnt کی برتری کو دیکھتے ہوئے، بہت سے اسکالرز نے MaxEnt کا استعمال کرتے ہوئے اہم تحقیقی کامیابیوں کا ایک سلسلہ شائع کیا ہے، جو مختلف شعبوں کو ایک انتہائی قابل قدر نظریاتی بنیاد فراہم کرتے ہیں، جیسے ناگوار انواع کا انتظام، حیاتیاتی تنوع کا تحفظ، اور ماحولیاتی حالات میں رہنے والی نسلوں کا انتخاب۔ . میکس اینٹ کو نہ صرف پودوں اور جانوروں کے لیے استعمال کیا جا سکتا ہے بلکہ اسے فنگس کے لیے بھی استعمال کیا جا سکتا ہے۔ سورج وغیرہ۔ وشال پانڈا کے مناسب رہائش گاہ کی تقلید کے لئے MaxEnt کا استعمال کیا اور مختلف پیمانے پر ماحولیاتی متغیرات پر پرجاتیوں کے ردعمل کی وضاحت کی [18]۔ لیو وغیرہ۔ موجودہ آب و ہوا کے حالات کے تحت Houttuynia cordata Thunb (Ceercao) کی تقسیم کو نقل کیا اور اس کی ممکنہ جغرافیائی تقسیم کی تبدیلیوں کی پیش گوئی کی اور نتائج سے یہ بات سامنے آئی کہ 2050 اور 2070 کی دہائیوں میں گرین ہاؤس گیسوں کے اخراج کے تین منظرناموں کے تحت Ceercao کے مناسب رہائش گاہ کا رقبہ کم ہوا۔ یوآن وغیرہ۔ Phellinus Bauxite Pilát، Phellinus Ignatius (L.) Quél کی ممکنہ تقسیم کی پیش گوئی کی۔ اور Phellinus vaninii Ljub. اور پتہ چلا کہ نتائج کی درستگی زیادہ تھی [20]۔

Morchella Ascomycotina کے Morohellaceae سے تعلق رکھنے والی اہم فنگس کا ایک گروپ ہے، جو شمالی نصف کرہ میں وسیع پیمانے پر تقسیم ہوتا ہے۔ اپنی بھرپور غذائیت اور دواؤں کی قدروں کی وجہ سے، مورچیلا کی انواع انتہائی قیمتی خوردنی فنگس میں ایک جگہ رکھتی ہیں اور بہت سے ماہر امراضیات کی توجہ اپنی طرف مبذول کرتی ہیں [21]۔ مورچیلا سے نکالے گئے قدرتی بایو ایکٹیو اجزا [22]، جیسے پولی سیکرائڈز، پروٹینز اور لپڈ، بیماریوں سے بچاؤ میں اہم کردار ادا کرتے ہیں، بشمول مدافعتی ضابطے [23]، اینٹی ٹیومر سرگرمیاں [24]، اور اینٹی آکسیڈیشن سرگرمیاں [25] ] مالیکیولر فائیلوجنیٹک مطالعات سے پتہ چلتا ہے کہ مورچیلا کو تین اہم ارتقائی کلیڈز میں تقسیم کیا جاسکتا ہے، یعنی پیلا مورچیلا، بلیک مورچیلا، اور سرخ مورچیلا [26]۔ مشرقی ایشیا اور چین مورچیلا پرجاتیوں کے ممکنہ تفریق اور تنوع کے مراکز ہیں۔ اس وقت چین میں مورچیلا کی تیس سے زیادہ انواع ریکارڈ کی گئی ہیں [27]، جو ان ممالک میں سے ایک ہے جہاں جنگلی مورچیلا کے وسائل سب سے زیادہ ہیں۔

تاہم، حد سے زیادہ استحصال اور رہائش گاہ کی تباہی جنگلی مورچیلا کے انواع کے تنوع کے لیے شدید خطرہ ہے [28]؛ دریں اثنا، مورچیلا کی ترقی کی مخصوص ضروریات اور ماحولیاتی خصوصیات کو مائکولوجی کے شعبے میں طویل عرصے سے رعایت دی گئی ہے [29]۔ مزید برآں، طاہری وغیرہ۔ [2] سے پتہ چلتا ہے کہ پودوں اور جانوروں کے مقابلے میں موسمیاتی تبدیلیوں سے متعلق فنگس کی جغرافیائی حد کے بارے میں کچھ مطالعات موجود ہیں۔ فی الحال، یہ ابھی تک واضح نہیں ہے کہ مختلف ادوار میں موسمیاتی تبدیلی مورچیلا پرجاتیوں کی جغرافیائی تقسیم کو کیسے متاثر کرے گی۔ اس مطالعے کا مقصد میکس اینٹ ماڈل کی بنیاد پر تاریخی اور مستقبل کے موسموں کے مختلف منظرناموں کے تحت مورچیلا پرجاتیوں کی ممکنہ تقسیم کی پیش گوئی کرنا ہے۔ اس مطالعے کا مقصد مورچیلا پھل دار جسموں کی تشکیل پر ماحولیاتی عوامل کے اثر کا تجزیہ کرنا اور مختلف ادوار میں مورچیلا کے ممکنہ تقسیم کے علاقوں میں ہونے والی تبدیلیوں کی نقالی کرنا ہے۔ امید کی جاتی ہے کہ نتائج مستقبل میں مورچیلا کے حیاتیاتی تنوع اور جنگلی وسائل کے تحفظ کے لیے ایک سائنسی بنیاد فراہم کریں گے۔

2. مواد اور طریقہ

2.1 پرجاتیوں کی تقسیم کے ڈیٹا کا ماخذ

مورچیلا پرجاتیوں کی موجودگی کا ڈیٹا فیلڈ سروے اور شائع شدہ کاغذات سے حاصل کیا گیا تھا۔ ہم نے کل 288 سائٹس حاصل کیں۔ سب سے پہلے، بار بار مقامات کو مسترد کر دیا گیا تھا، اور پھر بفر کا طریقہ استعمال کیا گیا تھا. ماحولیاتی عوامل کی مقامی ریزولیوشن 2.5 آرک منٹ تھی اور ایک دوسرے کے 5 کلومیٹر کے اندر مقامی طور پر اتفاقی ڈیٹا پوائنٹس کو ضائع کر دیا گیا تھا، جس سے ڈپلیکیٹڈ ڈسٹری بیوشن سائٹس کی وجہ سے ماڈل اوور فٹنگ سے بچا جا سکتا تھا۔ آخر میں، مورچیلا کی کل 180 سائٹس کو برقرار رکھا گیا (فگر S1 اور ٹیبل S1)۔

2.2 ماحولیاتی عنصر کا حصول اور قبل از علاج

کل 19 ماحولیاتی عوامل (Bio1–Bio19، جدول 1) ورلڈ کلائمیٹ ڈیٹا بیس سے ڈاؤن لوڈ کیے گئے، اور مقامی تقسیم کی شرح 2.5 آرک منٹس تھی۔ مجموعی طور پر 2 خطوں کے متغیرات اور 7 مٹی کے متغیرات (ٹیبل 1) ہارمونائزڈ ورلڈ سوائل ڈیٹا بیس سے حاصل کیے گئے تھے۔ خطوں اور مٹی کے متغیرات کا تعین اقوام متحدہ کے فوڈ اینڈ ایگریکلچر آرگنائزیشن، بین الاقوامی انسٹی ٹیوٹ فار اپلائیڈ سسٹمز تجزیہ، انسٹی ٹیوٹ آف سوائل سائنس، چائنیز اکیڈمی آف سائنسز اور یورپی کمیشن کے مشترکہ تحقیقی مرکز نے مشترکہ طور پر کیا تھا۔ ان ڈیٹا کی مقامی ریزولیوشن کو 2.5 آرک منٹس میں متحد کیا گیا تھا، اور تمام ڈیٹا کو ArcGIS 10.2 کا استعمال کرتے ہوئے ASCII فارمیٹ میں تبدیل کر دیا گیا تھا۔ مورچیلا کی ممکنہ تقسیم کا اندازہ پانچ ادوار میں کیا گیا، یعنی آخری برفانی زیادہ سے زیادہ (LGM)، مڈ ہولوسین (MH)، موجودہ، 2050s اور 2070s۔ ماضی اور مستقبل کے موسمی ڈیٹا دونوں آئی پی سی سی کی پانچویں رپورٹ میں شائع شدہ CCSM4.0 ماڈل کو اپناتے ہیں۔ ہم نے مستقبل کے ادوار (ٹیبل S2) کے لیے گرین ہاؤس گیسوں کے اخراج کے تین مختلف منظرناموں کا انتخاب کیا، اور ان منظرناموں کی وضاحت 2100 [30] کے نتیجے میں ہونے والی کل ریڈی ایٹو فورسنگ کے مطابق کی گئی ہے۔

ماحولیاتی متغیرات کی اعلی ہم آہنگی کی وجہ سے نتائج کی اوور فٹنگ سے بچنے کے لیے [31]، MaxEnt اور SPSS پروگراموں کی بنیاد پر ماحولیاتی متغیر شراکت اور ارتباط کے تجزیے کیے گئے۔ ہم نے MaxEnt 3.4.1 پروگرام کا استعمال ماحولیاتی متغیرات اور مورچیلا کی تقسیم کی جگہوں پر مبنی متغیرات کی شراکت کا تجزیہ کرنے کے لیے کیا، اور ہم نے تکرار کو 10 بار مقرر کیا۔ اس کے بعد، مورچیلا کے ماحولیاتی عوامل پر معلومات ArcGIS 10.2 کا استعمال کرتے ہوئے نکالی گئی، اور SPSS 25 (شکل 1) میں ماحولیاتی متغیرات کے درمیان پیئرسن کے ارتباط کا تجزیہ کیا گیا۔ ماحولیاتی عوامل کے تعاون کے ساتھ مل کر، ہم نے سب سے اوپر چھ عوامل کے بارے میں 0.8 سے کم ارتباطی گتانک والے عوامل کو برقرار رکھا۔ ماحولیاتی عوامل کے ایک جوڑے میں |0.8| سے زیادہ باہمی ربط کی عددی قدریں تھیں، اور زیادہ شراکت کے ساتھ صرف ایک متغیر کو برقرار رکھا گیا تھا اور MaxEnt ماڈلز [32,33] میں استعمال کیا گیا تھا۔ آخر کار، ماڈلنگ میں 18 ماحولیاتی عوامل استعمال کیے گئے (ٹیبل 1)۔

2.3۔ MaxEnt ماڈل تجزیہ

2.3.1 ماڈل پیرامیٹر کا انتخاب

مورچیلا پرجاتیوں کی تقسیم کی جگہیں اور 18 ماحولیاتی عوامل ماڈلنگ کے تجزیہ کے لیے MaxEnt3.4.1 پروگرام میں درآمد کیے گئے تھے۔ تقسیم کے اعداد و شمار کا کل 25 فیصد تصادفی طور پر ماڈل کی درستگی کو جانچنے کے لیے ٹیسٹنگ سیٹ کے طور پر منتخب کیا گیا تھا، اور بقیہ 75 فیصد کو تربیتی سیٹ کے طور پر استعمال کیا گیا تھا [34]۔ ہم نے 10 بوٹسٹریپ نقلیں چلائیں، جن کی قسم ذیلی نمونہ تھی۔ اس کے علاوہ، منتخب کردہ حد زیادہ سے زیادہ تربیتی حساسیت کے علاوہ مخصوصیت تھی، آؤٹ پٹ فارمیٹ Cloglog تھا، اور دیگر پیرامیٹرز کو ان کے ڈیفالٹ کے طور پر چھوڑ دیا گیا تھا۔

2.3.2 ماڈل اور ماحولیاتی متغیر تشخیص

AUC ایک جامع معیار ہے جو ROC کی درستگی اور خاصیت کی نمائندگی کرتا ہے۔ یہ سب سے پہلے 1997 [35] میں پرجاتیوں کی تقسیم کے ماڈل کی درستگی کی تشخیص میں متعارف کرایا گیا تھا، اور اس کے بعد سے، یہ ماڈلز کی کارکردگی کا جائزہ لینے کے لیے استعمال ہوتا رہا ہے۔ AUC کی قیمت 0.5 سے 1 تک ہوتی ہے۔ اگر قدر 1 کے قریب ہے، تو اس کا مطلب ہے کہ ماڈل کی پیشن گوئی کی درستگی زیادہ ہے۔ 0.7 کے تحت ایک AUC قدر اس بات کی نشاندہی کرتی ہے کہ ماڈل کا نقلی اثر خراب ہے۔ 0.7 اور {{10}}.8 کے درمیان AUC قدر بتاتی ہے کہ ماڈل کا سمولیشن اثر معتدل ہے۔ 0.8 اور 0.9 کے درمیان AUC قدر بتاتی ہے کہ ماڈل کا سمولیشن اثر اچھا ہے۔ اور یقینی طور پر، جب AUC کی قدر 0.9 سے زیادہ ہوتی ہے، تو نقلی اثر بہترین ہوتا ہے [36]۔ اس کے علاوہ، میکس اینٹ مورچیلا پر ماحولیاتی متغیرات کی نسبتہ شراکت اور اہمیت کا تجزیہ کرنے اور اہم ماحولیاتی عوامل کا تعین کرنے کے لیے ایک Jackknife طریقہ فراہم کرتا ہے۔

2.3.3 مناسب علاقے کی درجہ بندی

IPCC پانچویں رپورٹ [37] میں موجودگی کے امکان کی تشخیص کے مطابق، ہم نے قدرتی طبقہ کے طریقہ کار کے ساتھ ArcGIS 10.2 میں Reclass ماڈیول کا استعمال کرتے ہوئے مورچیلا کے مناسب رہائش گاہ کی دوبارہ درجہ بندی کی۔ مورچیلا کے رہائش گاہ کو قدرتی طبقہ کے طریقہ کار کا استعمال کرتے ہوئے چار درجات میں تقسیم کیا گیا تھا: غیر موزوں رہائش گاہ (0 قدر سے کم یا اس کے برابر 0 سے کم یا اس کے برابر)، کم مناسب رہائش گاہ ({{8}) }}.13 < قدر {{10}}.35 سے کم یا اس کے برابر، اعتدال پسند رہائش گاہ (0.35 < قدر 0.63 سے کم یا اس کے برابر)، اور اعلی موزوں رہائش گاہ (0.63 < قدر 1 سے کم یا اس کے برابر)۔

2.3.4 مورچیلا کے ڈسٹری بیوشن سینٹر میں تبدیلی

ایس ڈی ایم ٹولز ایک GIS ٹول کٹ ہے جو مناسب تقسیم والے علاقوں میں سنٹرائڈ تبدیلی کا تجزیہ کرنے میں استعمال ہوتا ہے [38]۔ اس مطالعہ میں، SDM ٹولز اور مختلف ادوار میں مورچیلا کے بائنری مناسب علاقوں کو اس کے تقسیمی مرکز کے جغرافیائی محل وقوع کا حساب لگانے کے لیے استعمال کیا گیا، اس طرح مورچیلا کے وقتی اور مقامی ارتقاء کے راستے کی وضاحت کی گئی۔

3. نتائج

3.1 ماڈل کی درستگی کا اندازہ

جیسا کہ میکس اینٹ کے ذریعے چلائے جانے والے ROC وکر کی AUC قدر میں دکھایا گیا ہے، ماضی کے موسمی حالات میں مورچیلا ممکنہ تقسیمی ماڈل کے تربیتی ڈیٹا کی اوسط AUC قدر {{0}}.907 تھی۔ ، اور ٹیسٹ ڈیٹا کی اوسط AUC قدر 0.847 تھی؛ موجودہ مدت کے تحت، ٹریننگ ڈیٹا کی اوسط AUC قدر 0.905 تھی، اور ٹیسٹ ڈیٹا کی اوسط قدر 0.852 تھی؛ مستقبل کے ادوار کے لیے، ٹریننگ ڈیٹا کی اوسط AUC ویلیو 0.903 تھی، اور ٹیسٹ ڈیٹا کی اوسط قدر 0.848 (ٹیبل 2) تھی۔ AUC قدر کے تشخیصی معیار کے مطابق، یہ نتائج اچھے اور قابل اعتماد ہیں۔

3.2 غالب ماحولیاتی عوامل

جدول 3 ماڈلنگ ماحولیاتی عوامل کی نسبتہ شراکت کو ظاہر کرتا ہے۔ Bio17، بلندی، Bio11، اور Bio1 بنیادی ماحولیاتی عوامل تھے جو مورچیلا کی تقسیم کو متاثر کرتے ہیں۔ LGM، MH، موجودہ، اور مستقبل کے ادوار میں (2050s اور 2070s)، مجموعی شراکت کی شرح 75.8 فیصد، 79.9 فیصد، 70.6 فیصد، 74.6 فیصد، 77.5 فیصد تک پہنچ گئی، 74.6 فیصد، 76.8 فیصد، 74.0 فیصد، اور 80.0 فیصد۔ بایو 17 نے مورچیلا کو سب سے زیادہ متاثر کیا، اور بلندی اور بائیو 11 بالترتیب دوسرے اور تیسرے سب سے زیادہ موثر عوامل تھے، جس نے مورچیلا کے ہونے کے امکان پر بھی بہت اثر ڈالا۔

واحد عنصر کے ردعمل کے منحنی خطوط کی بنیاد پر، مورچیلا کی موجودگی کے امکان پر غالب عوامل کے اثر و رسوخ کا تجزیہ کیا گیا۔ مورچیلا کی بقا کے لیے انتہائی موزوں ماحولیاتی حالات حسب ذیل تھے: Bio17 11.32–77.78 ملی میٹر، بلندی 1480.78–3827.03 میٹر، Bio11 −5.98–9.32 ◦C، اور Bio1 تھا 6.16–16.28C (16.16.28C)۔

3.3 مورچیلا کے مناسب علاقوں کی ممکنہ جغرافیائی تقسیم اور تشخیص

3.3.1 ماضی میں موزوں علاقے

LGM اور MH دونوں میں مناسب رہائش گاہ موجودہ دور کے مقابلے میں کم ہوئی ہے۔ میکس اینٹ نے پیش گوئی کی ہے کہ ایل جی ایم میں مورچیلا کے کل موزوں رقبے میں 12.43 فیصد کی کمی واقع ہوئی ہے اور زیادہ مناسب علاقے میں 5.07 فیصد کی کمی واقع ہوئی ہے، جو کہ بنیادی طور پر گانسو کے جنوب مشرق میں، مرکز اور شانسی کے جنوب میں موزوں علاقے میں کمی سے ظاہر ہوتے ہیں۔ اور چین میں Guizhou کے شمال میں؛ اعتدال پسند مناسب علاقے میں 2.48 فیصد کمی واقع ہوئی، جس کی پیش گوئی بنیادی طور پر XUAR اور شمالی چین میں ہوگی؛ اور کم موزوں رقبہ میں 4.88 فیصد کمی واقع ہوئی ہے، خاص طور پر شمال مشرقی چین اور XUAR کے شمال مغرب میں (شکل S2، اور میزیں 4 اور 5)۔

جہاں تک MH کا تعلق ہے، ایل جی ایم میں کمی کی حد اس سے کم تھی۔ MH اور کرنٹ میں تھوڑا سا تفاوت تھا، جسے ہم اعداد و شمار میں واضح طور پر فرق نہیں کر سکے (اعداد و شمار S2 اور S3)۔ تقسیم کے علاقے کے بارے میں مزید تفصیلات جدول 4 اور 5 میں دکھائی گئی ہیں۔

3.3.2 موجودہ وقت کے موزوں علاقے

یہ شکل S3 میں دیکھا جا سکتا ہے کہ مورچیلا کا مناسب مسکن عصری آب و ہوا کے حالات میں نسبتاً وسیع ہے۔ رہائش کا کل مناسب رقبہ تقریباً 405.8195 × 104 کلومیٹر 2 تھا، جو چین کے علاقائی رقبے کا 42.34 فیصد بنتا ہے (ٹیبلز 4 اور 5)۔ یہ بڑے پیمانے پر جنوب مغربی اور شمال مغربی چین میں واقع تھا، جس میں شمالی یونان، جنوب مشرقی تبت، سچوان، وسطی اور جنوبی شانسی، جنوبی شانسی، شمالی گوئژو، جنوب مشرقی گانسو، شمال مغربی سنکیانگ اور فوجیان کے کچھ حصوں پر محیط تھا۔

【مزید معلومات کے لیے:george.deng@wecistanche.com / WhatApp:86 13632399501】