Türkiye'de Bulunan Endemik Abies Türlerinin Makine Öğrenme Teknikleri Kullanılarak İklim Değişikliği Senaryoları Altında Habitat Dağılımlarının Modellenmesi

Abstract

Ekosistemler ve türler üzerindeki en belirleyici ekolojik etkenlerden biri iklimdir. Günümüzün en önemli sorunlarından birisi olarak tanımlanan iklim değişikliği, orman ekosistemleri üzerinde büyük bir tehdit oluşturmaktadır. Biyolojik çeşitlilik ve karbon tutma yönünden önemli olan orman ekosistemlerinin, iklim değişikliği baskısıyla yayılımı, bileşimi ve fonksiyonlarının büyük oranda değişeceği tahmin edilmektedir. Bu çalışmanın amacı; Türkiye'de endemik olan ve orman ekosistemine ekolojik katkısıyla öne çıkan göknar taksonlarının (Abies nordmanniana subsp. equi-trojani, Abies cilicica subsp. cilicica, Abies cilicica subsp. isaurica, Abies nordmanniana), günümüz ve gelecekteki potansiyel dağılımının tür varlığı verisi ve çevresel değişkenler ile modellenmesidir. Bu doğrultuda, tür dağılımı günümüz için 1970-2000 yıllarına ait iklim verileri ile gelecek için SSP2 4.5 ve SSP5 8.5 senaryolarına göre 2081-2100 zaman aralıklarını kapsayacak şekilde gerçekleştirilmiştir. Bu analizlerin gerçekleştirilmesi için tür dağılımlarının modellenmesinde günümüzde sıkça kullanılan bir yöntem olan makine öğrenme yöntemleri, Coğrafi Bilgi Sistemleri yazılımları yardımıyla kullanılmıştır. Bu tez çalışmasında kullanılan makine öğrenmesi yöntemleri; Maksimum Entropi (MaxEnt), Çoklu Lojistik Regresyon, Multi Layer Perceptron ve Doğrusal Karışım Modeli yöntemleridir. Model sonuçlarının tahmin doğruluğunu ifade eden Receiver Operating Characteristic (ROC) eğrisi, çalışmanın doğruluk analizinin gerçekleştirilmesinde kullanılarak her iki tür içinde 0.999 Area Under Curve (AUC) değeriyle MaxEnt modeli en doğru yöntem olarak belirlenmiştir. MaxEnt modeli gelecek senaryolara uygulanarak türün gelecekteki durumu ve değişim analizleri tespit edilmiştir. Ayrıca, türlerin geleceğe yönelik planlama kararlarına doğrudan etki edebilecek antropojenik etkiler de (nüfus yoğunluğu ve yol ağlarına erişim) analiz edilmiştir. Bu çalışmada elde edilen bulguların, göknar taksonlarının gelecekte sürdürülebilmesi ve korunmasına yönelik güçlü stratejilerin belirlenmesi için kullanılmasına ve tür dağılımlarının belirlenmesi amacıyla yapılacak çalışmalara katkı sağlaması açısından önemli olduğu belirlenmiştir.One of the most determining ecological factors on ecosystems and species is climate. Climate change, defined as one of the most important problems of our time, poses a major threat to forest ecosystems. It is estimated that the distribution, composition and functions of forest ecosystems, which are important in terms of biodiversity and carbon sequestration, will change significantly under the pressure of climate change. The aim of this study is to model the current and future potential distribution of fir taxa (Abies nordmanniana subsp. equi-trojani, Abies cilicica subsp. cilicica, Abies cilicica subsp. isaurica, Abies nordmanniana), which are endemic in Turkiye and stand out with their ecological contribution to the forest ecosystem, with species presence data and environmental variables. In this direction, species distribution was carried out according to the climate data of 1970-2000 for today and the SSP2 4.5 and SSP5 8.5 scenarios for the future, covering the time intervals of 2081-2100. In order to perform these analyses, machine learning methods, which are frequently used today in modeling species distributions, were used with the help of Geographic Information Systems software. The machine learning methods used in this thesis are Maximum Entropy (MaxEnt), Multiple Logistic Regression, Multi Layer Perceptron and Linear Mixture Model. The Receiver Operating Characteristic (ROC) curve, which expresses the estimation accuracy of the model results, was used in the accuracy analysis of the study and the MaxEnt model was determined as the most accurate method with an Area Under Curve (AUC) value of 0.999 for both species. The MaxEnt model was applied to future scenarios to determine the future status of the species and change analyses. In addition, anthropogenic effects (population density and access to road networks) that could directly affect the future planning decisions of the species were also analyzed. It was determined that the findings obtained in this study are important in terms of using them to determine strong strategies for the sustainability and protection of fir taxa in the future and contributing to the studies to be carried out to determine species distributions.