Chương 1. TỔNG QUAN TÀI LIỆU NGHIÊN CỨU
1.7. Các nghiên cứu về mô hình dự báo MaxEnt
Mô hình hóa dự báo môi trường sống của loài. Việc thu thập dữ liệu điểm về phân bố các loài trở nên khả thi với sự phát triển nhanh chóng của công nghệ (Viễn thám, Hệ thống thông tin địa lý và Hệ thống định vị toàn cầu) trong những năm gần đây. Hơn nữa, các nhà nghiên cứu đã sử dụng các mô hình phân bố loài (SDM) trong sinh thái xâm lấn và sinh học bảo tồn để dự đoán các loài và sự phân bố của chúng ứng phó với biến đổi khí hậu và các thay đổi môi trường khác (Wang và cs., 2017). Mô hình maximum entropy model (MaxEnt) là một loại mô hình phân bố loài (SDM), và nó được thiết lập như một mô hình ước tính mật độ và dự đoán phân bố loài dựa trên lý thuyết maximum entropy (Phillips và Dudík, 2008). MaxEnt là một mô hình thuật toán có khả năng dự đoán đáng chú ý, bảo toàn các ràng buộc về thông tin dữ liệu môi trường nhưng không có hạn chế về dữ liệu phân phối không xác định và các biến môi trường bị thiếu (Poor và cs., 2012). Mô hình này đã được xác định là hữu ích để xác định sự thay đổi phân bố của động vật hoang dã (Dong và cs., 2019; Zhang và cs., 2020), và nó đã được sử dụng để chứng minh sự phù hợp với môi trường sống năng động của các quần thể hoang dã dưới tác động của các yếu tố môi trường và con người (Jiang và cs., 2019).
Một số nghiên cứu sử dụng mô hình MaxEnt như:
Dự đoán mở rộng phạm vi và ước tính các tuyến đường phân tán của hươu nước (Hydropotes inermis) trong khu vực xuyên biên giới giữa Trung Quốc, Viễn Đông Nga và Bán đảo Triều Tiên (Li và cs., 2022).
Li, Ying và cs đã sử dụng MaxEnt để dự đoán mức độ phù hợp với môi trường sống của hươu nước và sử dụng bảy biến số môi trường ví dụ: Độ cao, độ dốc, hướng, khoảng cách đến khu vực, khoảng cách đến nguồn nước, khoảng cách
đến đất trồng trọt và khoảng cách đến các con đường để dự đoán tính phù hợp với môi trường sống. Li, Ying lựa chọn mô hình MaxEnt (AICc = 2572,86) phù hợp với dữ liệu của họ kết quả giá trị AUC là 0,935 ± 0,014. Có môi trường sống chất lượng tốt cho hươu nước trong khu vực ranh giới của các cửa sông Yalu và Tumen giữa Trung Quốc, Triều Tiên và Viễn Đông của Nga, cũng như các khu vực phía đông và phía tây của Bán đảo Triều Tiên.
Hình 1.1. Mô hình MaxEnt về mức độ phù hợp với môi trường sống của hươu nước
Môi trường sống thích hợp Chrysolophus spp. Cần được bảo vệ khẩn cấp khỏi sự
phân mảnh môi trường sống ở Trung Quốc: Môi trường sống đặc biệt thích hợp trong các khu vực không thuộc khu bảo tồn thiên nhiên (Med Wang và cs., 2022).
Med Wang, Peng đã ước tính môi trường sống thích hợp và sự phân mảnh môi trường sống của chim Trĩ (Chrysolophus spp) ở Trung Quốc bằng cách sử dụng MaXent và Fragstast 4.2. So với các nghiên cứu trước đây, khu vực sinh sống của nó đã bị giảm. Hầu hết các môi trường sống thích hợp của nằm ngoài các khu bảo tồn thiên nhiên, và phần này của các sinh cảnh thích hợp đã bị chia cắt nghiêm trọng. Mặc dù chính phủ Trung Quốc đã liệt kê C. Pictus và C. amherstiae là loài được bảo vệ cấp II theo Luật Bảo vệ Động vật Hoang dã của Trung Quốc và đã
nghiêm khắc trấn áp nạn săn trộm không kiểm soát đối với Chrysolophus spp. Việc bảo vệ loài này vẫn còn chưa đủ.
Hình 1.2. Môi trường sống thích hợp tiềm năng của chim Trĩ
Mô hình hóa sự phân bố của kỳ nhông núi Jemez có nguy cơ tuyệt chủng (Plethodon neomexicanus) liên quan đến địa chất, địa hình và khí hậu (Bartlow và cs., 2022).
Kỳ nhông dãy núi Jemez (Plethodon neomexicanus; sau đây gọi là JMS) là một loài kỳ nhông có nguy cơ tuyệt chủng được giới hạn ở Dãy núi Jemez ở phía bắc trung tâm New Mexico, Hoa Kỳ. Tác giả đã lập mô hình phân bố của JMS bằng cách sử dụng MaXent để đánh giá xem các biến địa chất, địa hình và khí hậu ảnh hưởng như thế nào đến sự phân bố của nó. Mô hình phù hợp với môi trường sống tốt nhất chỉ ra rằng kiểu địa chất và nhiệt độ tối đa vào mùa đông (tháng 11 đến tháng 3) là quan trọng nhất trong việc dự đoán sự phân bố của kỳ giông (tầm quan trọng hoán vị lần lượt là 23,5% và 50,3%). Nhiệt độ mùa đông tối thiểu cũng là một biến số quan trọng (21,4%), cho thấy điều này cũng đóng một vai trò trong môi trường sống của kỳ nhông.
Hình 1.3. Bản đồ môi trường sống phù hợp cho kỳ nhông từ các mô hình MaxEnt
Mô hình phân bố của cá voi vây lớn (Balaenoptera Physalus) trên các bãi kiếm ăn ở Bắc Âu và Biển Barents của chúng (Duengen và cs., 2022).
Duengen, Diandra đã sử dụng xác thực chéo khối không gian để điều chỉnh các tham số MaxEnt và đánh giá hiệu suất mô hình bằng cách sử dụng dữ liệu thử nghiệm độc lập về không gian. Các biến số môi trường quan trọng là khoảng cách đến bờ biển và rìa băng biển, sự thay đổi của nhiệt độ bề mặt biển và độ mặn bề mặt nước biển, và độ sâu. Các môi trường sống thích hợp của cá voi vây đã được dự đoán dọc theo bờ biển phía tây của Svalbard, giữa Svalbard và phía đông biển Na Uy, các khu vực ven biển ngoài khơi Iceland và phía nam Đông Greenland, và dọc theo Knipovich Ridge đến Jan Mayen.
Hình 1.4. Sự phù hợp với môi trường sống của cá voi vây lớn ở biển Bắc Âu và
biển Barents
Lập mô hình phân bố Chà vá chân nâu (Pygathrix nemaeus) ở Việt Nam bằng Maxent (Nguyen và cs., 2019). Trong nghiên cứu này, tác giả đã sử dụng MaxEnt, một phương pháp tiếp cận mô hình phân bố loài được chứng minh là có
khả năng dự đoán cao ngay cả với số lượng ghi nhận xuất hiện thấp, để dự đoán sự phân bố hiện tại của Chà vá chân nâu ở Việt Nam dựa trên các ghi chép đã công bố.
Tác giả đã sử dụng cả kết quả, cũng như lý luận sinh thái để giảm 19 biến xuất phát xuống còn 5 biến bao gồm đẳng nhiệt, phạm vi nhiệt độ hàng năm, nhiệt độ trung bình của quý khô nhất, lượng mưa của tháng khô nhất, và lượng mưa theo mùa. Với các khu vực từ các tỉnh Hà Tĩnh, Quảng Bình, Quảng Trị, Thừa Thiên – Huế, Đà Nẵng – Quảng Nam có tiềm năng cao nhất.
Hình 1.5. Mô hình phân bố loài của Chà vá chân nâu bằng MaxEnt
Dự đoán sự phân bố phù hợp cho một loài đặc hữu, quý hiếm và bị đe dọa (Voọc chà vá chân xám, Pygathrix cinerea Nadler, 1997) bằng mô hình MaxEnt (Tran và cs., 2019).
Để dự đoán phân phối phù hợp, tác giả đã thu thập và phân tích 25 biến môi trường từ các nguồn khác nhau. Trong các biến môi trường được chọn có 19 biến
khí hậu, 19 lớp bản đồ khác nhau đã được tải xuống từ Woldclim. Bao gồm 11 biến nhiệt độ và 8 biến liên quan đến lượng mưa và 3 biến địa hình là độ cao, độ dốc và phương hướng. Các biến liên quan đến thực vật bao gồm độ che phủ đất, Chênh lệch chuẩn hóa chỉ số thực vật (NDVI) và tỷ lệ che phủ của cây. Khu vực thích nghi cao nhất tập trung chủ yếu ở vùng giáp ranh Quảng Ngãi (huyện Ba Tơ), Kon Tum (huyện Kon Plông), Bình Định (huyện An Lão) và Gia Lai (huyện K Bang) các tỉnh; và tại Vườn quốc gia Kon Ka Kinh, Kon Cha Răng. Các khu vực thích hợp cao khác nằm giữa Nam Trà My, Huyện Bắc Trà My, Hiệp Đức, Phước Sơn, Nam Giang thuộc tỉnh Quảng Nam.
Hình 1.6. Dự đoán các khu vực có khả năng phù hợp để phân bố P. cinerea trong
khu vực được bảo vệ
Dự đoán môi trường sống thích hợp cho cá heo lưng gù Ấn Độ Dương - Thái Bình Dương (Sousa chinensis) ở Vịnh Bắc Bộ Trung Quốc và Việt Nam (Wu và cs., 2021).
Môi trường sống phù hợp được dự đoán cho thấy sự thay đổi theo mùa, tăng nhẹ vào mùa khô so với mùa mưa. Độ sâu là yếu tố dự báo quan trọng nhất cho sự phù hợp của môi trường sống, phù hợp với sự phân bố ven biển đã biết của cá heo lưng gù. Mô hình MaxEnt đã xác định sáu khu vực không liên tục ở Vịnh Bắc Bộ, với tổng diện tích là 4396,8 km2, là môi trường sống thích hợp cho cá heo lưng gù.
Trong số này, ba môi trường sống phù hợp có diện tích 3948,7 km2 là những nơi cư trú được biết đến, và ba nơi khác có diện tích 448,1 km2 ở biên giới Trung Quốc và Việt Nam hoặc trong vùng biển Việt Nam (Cửa sông Qinghua và Rongshi) mới được xác định.
Hình 1.7. Sự phân bố môi trường sống thích hợp của cá heo lưng gù Ấn Độ Dương-
Thái Bình Dương
Thay đổi môi trường sống thích hợp cho loài Vượn đen má trắng (Nomascus
leucogenys) cực kỳ nguy cấp ở miền Tây Nghệ An. Khu dự trữ sinh quyển, Việt
Nam: Ý nghĩa bảo tồn (Van và cs., 2023)
Phân tích mô hình cho thấy biến “Khoảng cách nông nghiệp” có tác động mạnh nhất đến môi trường sống phù hợp của vượn. Kết quả của tác giả dự đoán nơi sinh sống thích hợp hiện nay của loài vượn là khoảng 4.022,42 km2. Đối với sự đóng góp của từng biến số môi trường trong mô hình ba biến số hàng đầu là
“Khoảng cách nông nghiệp” (39,2%), “Phạm vi nhiệt độ hàng năm” (25,3%) và
“Lượng mưa của khu vực ẩm ướt nhất” (23,3 %).
Hình 1.8. Dự đoán môi trường sống phù hợp cho loài Vượn đen má trắng theo mô
hình MaxEnt
Việc xác định các khu vực thích hợp và các yếu tố tiềm ẩn làm xáo trộn môi trường sống là rất quan trọng đối với việc bảo tồn và quản lý động vật hoang dã dựa vào các điều kiện tự nhiên, xã hội cụ thể. Các chiến lược quản lý bền vững có thể được ấn định dựa trên những phát hiện đó nhằm bảo tồn lâu dài các loài động vật hoang dã. Từ những kết quả của các nghiên cứu ta thấy rằng ứng dụng GIS và xây dựng bản đồ phân bố loài dựa vào phần mềm MaXent được áp dụng thành công trong rất nhiều nghiên cứu tìm kiếm vùng thích nghi cho các loài động vật hoang dã.