Моделирование ниши и особенности распространения копробионтных грибов в Азии на примере Cyathus stercoreus

Обложка

Цитировать

Полный текст

Аннотация

Распространение видов претерпевает быстрые изменения в связи с модификацией среды обитания и изменением климата. Это вызывает опасения по поводу сохранения исчезающих видов и поднимает экологические вопросы о процессах, регулирующих ареалы и ниши видов. Как следствие, прогностические модели распространения, которые сопоставляют данные о видах с закономерностями в абиотических переменных окружающей среды, стали признанным инструментом в экологии и охране природы. Моделирование пространственного распределения с максимальной энтропией (MaxEnt) решает эту проблему путем определения распределения видов и пригодности окружающей среды на основе данных о встречаемости. Цели этого исследования заключались в создании модели экологической ниши и моделировании пригодности среды обитания для копробионтного вида грибов Cyathus stercoreus на основе его биоклиматических характеристик и особенностей субстрата в Азии. Нами построена карта текущего географического распространения копробионтного гриба Cyathus stercoreus с использованием метода MaxEnt. В модель включены 19 биоклиматических переменных WorldClim с соответствующими высотными данными и 7 пространственно распределенными записями о встречаемости вида. Несмотря на свою узкую субстратную специализацию, Cyathus stercoreus является климатически довольно пластичным и способен развиваться в широком диапазоне варьирования среднегодовых температур и среднегодовых осадков, что следует из анализа двумерной ниши на основе двух климатических переменных с использованием метода Envelope. Моделирование распространения базидиальных копробионтных грибов на примере Cyathus stercoreus показало, что область их потенциального распространения с зоной благоприятного климата является очень большой. Большая часть зоны с благоприятным климатом находится в области с вероятностью присутствия видов до 70%. Cyathus stercoreus не связан с каким-либо конкретным типом местообитаний. На территории России, на юге Сибири, вид находится на северной границе своего ареала в области с наименее благоприятными биоклиматическими факторами среды.

Об авторах

Вячеслав Александрович Власенко

Центральный сибирский ботанический сад СО РАН

Автор, ответственный за переписку.
Email: vlasenkomyces@mail.ru

кандидат биологических наук, старший научный сотрудник лаборатории микологии, альгологии и лихенологии

Россия

Дэжидмаа Турмунх

Научно-исследовательский институт защиты растений Монголии

Email: dejidmaa.chag@gmail.com

PhD, старший научный сотрудник лаборатории патологии растений

Монголия

Чечекмаа Дембиреловна Назын

Тувинский государственный университет

Email: nazynch@mail.ru

кандидат биологических наук, доцент кафедры биологии и экологии

Россия

Анастасия Владимировна Власенко

Центральный сибирский ботанический сад СО РАН

Email: anastasiamix81@mail.ru

кандидат биологических наук, заведующий лабораторией микологии, альгологии и лихенологии

Россия

Список литературы

  1. Warren D.L., Seifert S.N. Ecological niche modeling in MaxEnt: the importance of model complexity and the performance of model selection criteria // Ecological Applications. 2011. Vol. 21, № 2. P. 335–342.
  2. Wright R.N., Westerhoff D.V. New Forest SAC Management Plan. Lyndhurst: English Nature, 2001. 15 p.
  3. Hepinstall J.A. et al. Effects of niche width on the performance and agreement of avian habitat models // Scott J.M. et al (eds.). Washington: Island Press, 2002. P. 593–606.
  4. Brotons L., Thuiller W., Araújo M.B., Hirzel A.H. Presence-absence versus presence-only modelling methods for predicting bird habitat suitability // Ecography. 2004. Vol. 27. P. 437–448.
  5. Hernandez P.A., Graham C.H., Master L.L., Albert D.L. The effect of sample size and species characteristics on performance of different species distribution modeling methods // Ecography. 2006. Vol. 29, № 5. P. 773–785.
  6. Tsoar A., Allouche O., Steinitz O., Rotem D., Kadmon R. A comparative evaluation of presenceonly methods for modelling species distribution // Diversity and distributions. 2007. Vol. 13, № 4. P. 397–405.
  7. Gaston K.J., Fuller R.A. Biodiversity and extinction: losing the common and the widespread // Progress in Physical Geography. 2007. Vol. 31. P. 213–225.
  8. Zurell D., Franklin J., König C., Bouchet P.J., Dormann C.F., Elith J., Fandos G., Feng X., Guillera-Arroita G., Guisan A., Lahoz-Monfort J.J., Leitão P.J., Park D.S., Townsend Peterson A., Rapacciuolo G., Schmatz D.R., Schröder B., Serra-Diaz J.M., Thuiller W., Yates K.L., Zimmermann N.E., Merow C. A standard protocol for reporting species distribution models // Ecography. 2020. Vol. 43, № 9. P. 1261–1277.
  9. Phillips S.J., Dudík M. Modeling of species distributions with MaxEnt: new extensions and a comprehensive evaluation // Ecography. 2008. Vol. 190. P. 231–259.
  10. Phillips S.J., Anderson R.P., Schapired R.E. Maximum entropy modeling of species geographic distributions // Ecological Modelling. 2006. Vol. 190. P. 231–259.
  11. GBIF. 2021 [Internet]. – https://www.gbif.org.
  12. Fernandez A., Sanchez S., Garcıa P., Sanchez J. Macrofungal diversity in an isolated and fragmented Mediterranean forest ecosystem // Plant Biosystems. 2020. Vol. 154, № 2. P. 139–148.
  13. Krug J.C., Benny G.L., Keller H.W. Coprophilous fungi // Biodiversity of fungi: inventory and monitoring methods / eds. Mueller G.M., Bills G.F., Foster M.S. Burlington (MA): Elsevier Academic Press, 2004. P. 467–501.
  14. Hijmans R.J., Guarino L., Mathur P. DIVA-GIS Version 7.5. 2012 [Internet]. – http://diva-gis.org/docs/DIVA-GIS_manual_7.pdf.
  15. Hijmans R.J., Cameron S.E., Parra J.L., Jones P.G., Jarvis A. Very high resolution interpolated climate surfaces for global land areas // International Journal of Climatology. 2005. Vol. 25. P. 1965–1978.
  16. Scheldeman X., Van Zonneveld M. Training manual on spatial analysis of plant diversity and distribution. Rome: Biodiversity International, 2010. 179 p.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рисунок 1 – А – плодовые тела C. stercoreus на старом помете лошади на почве; Б – местообитание вида, степь в Республике Тыва (фото А.В. Власенко)

Скачать (39KB)
3. Рисунок 2 – Местонахождения Cyathus stercoreus в Азии. Россия: 1 – Новосибирская область, г. Новосибирск, 54,8854° с.ш., 83,0708° в.д., 107 м (GBIF); 2 – Республика Горный Алтай, Улаганский район, оз. Телецкое, 51,402476° с.ш., 87,809474° в.д., 607 м (GBIF); 3 – Республика Тыва, Тандинский кожуун, оз. Сватиково (Дус-Холь), степь, 09.07.2021, 51,3563° с.ш., 94,4466° в.д., 703 м, собр. и опред. А.В. Власенко, NSK 1014811; 4 – Амурская область, Благовещенск, прим. 50,25° с.ш., 127,666° в.д., 120 м (GBIF); 5 – Приморский край, Перетино, 42,9938° с.ш., 133,0975° в.д., 22 м (GBIF); 6 – Индия, Гуджарат, Навсари, Вансда, 20,7586° с.ш., 73,4748° в.д., 154 м (GBIF); 7 – там же, Нармада, Сагаи, 21,6912° с.ш., 73,7756° в.д., 333 м (GBIF). Цвета соответствуют высоте над уровнем моря (расшифровка в легенде)

Скачать (45KB)
4. Рисунок 3 – Модель MaxEnt. Наблюдаемые точки присутствия и потенциальное распространение C. stercoreus в современном климате (~1950–2000 гг.). Значения в легенде даны от 0 до 1, что соответствует вероятности присутствия 0–100%

Скачать (32KB)
5. Рисунок 4 – Модель потенциального распространения C. stercoreus в современном климате (~1950–2000 гг.). Значения в легенде даны от 0 до 1, что соответствует вероятности присутствия 0–100%. Пороговые значения в легенде: 0–0,381 – вид присутствовать не может; 0,381–0,5 – вероятность присутствия вида 50%; 0,5–1 – вероятность присутствия вида 50–100%; 1–1 – наблюдаемые точки присутствия

Скачать (38KB)
6. Рисунок 5 – Визуализация двумерной ниши C. stercoreus на основе двух климатических переменных с использованием метода Envelope. Число локалитетов, использованных программой для построения ниши – 7. Пределы двухмерной ниши: А – 0,000; Б – 0,001; В – 0,166; Г – 0,167; Д – 0,333; Е – 0,334. По оси абсцисс – среднегодовая температура, °C – BIO1; по оси ординат – годовые осадки, мм – BIO12

Скачать (50KB)

© Власенко В.А., Турмунх Д., Назын Ч.Д., Власенко А.В., 2021

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».