Perubahan iklim telah menjadi ancaman utama terhadap keberlanjutan ekosistem hutan di seluruh dunia. Dampaknya meliputi perubahan distribusi spesies, kepunahan, degradasi keanekaragaman hayati serta gangguan pada pola ekosistem yang telah lama terbentuk. Salah satu aspek utama dari perubahan ekosistem ini adalah distribusi spesies pohon yang sangat dipengaruhi oleh perubahan suhu dan pola curah hujan. Model distribusi spesies (Species Distribution Models/SDMs) telah banyak digunakan untuk memprediksi respons spesies terhadap perubahan iklim, memungkinkan pemetaan habitat potensial saat ini dan di masa depan.
Dalam beberapa tahun terakhir, pendekatan berbasis kecerdasan buatan (Artificial Intelligence/AI) dan pembelajaran mesin (Machine Learning/ML) telah berkembang pesat dalam ekologi dan konservasi. Metode seperti Bayesian Additive Regression Trees (BART) telah menunjukkan akurasi tinggi dalam memodelkan distribusi spesies dengan mempertimbangkan berbagai variabel lingkungan. Teknik ini memungkinkan pemahaman yang lebih mendalam tentang faktor lingkungan yang berkontribusi terhadap perubahan distribusi spesies tertentu.
Studi ini bertujuan untuk menganalisis dampak perubahan iklim terhadap distribusi hutan ek Oak Persia (Quercus brantii Lindl.) di hutan Zagros, Iran, dengan menggunakan metode BART. Kami memanfaatkan data dari model sirkulasi umum (General Circulation Models/GCMs) serta skenario jalur konsentrasi representatif (Representative Concentration Pathways/RCPs) untuk tahun 2050 dan 2070. Penelitian ini berupaya memberikan wawasan mengenai bagaimana perubahan iklim mempengaruhi habitat spesies ini dan mengembangkan pendekatan berbasis data besar (big data) untuk mendukung pengelolaan hutan yang lebih baik.
Hasil pemodelan yang dilakukan oleh Mirhashemi et al. (2023) menunjukkan bahwa perubahan iklim secara signifikan memengaruhi distribusi Q. brantii di hutan Zagros. Faktor lingkungan yang paling berpengaruh dalam model ini adalah suhu rata-rata pada kuartal terbasah (bio8), radiasi matahari, kemiringan lahan dan curah hujan pada bulan terbasah (bio13). Hasil prediksi menunjukkan bahwa habitat yang sesuai bagi spesies ini akan mengalami penurunan drastis pada tahun 2070 dengan perkiraan kehilangan habitat mencapai 75.06% di bawah skenario RCP 8.5.
Distribusi spesies ini cenderung bergeser ke daerah dengan ketinggian yang lebih tinggi yang memiliki suhu lebih rendah dan curah hujan lebih tinggi. Perubahan ini selaras dengan pola umum adaptasi spesies terhadap perubahan iklim di mana tanaman cenderung bermigrasi ke daerah yang lebih sesuai secara klimatologis untuk bertahan hidup. Namun pergeseran ini juga menimbulkan tantangan bagi konservasi karena habitat yang lebih tinggi sering kali lebih terbatas dan lebih rentan terhadap gangguan lainnya seperti erosi tanah dan keterbatasan sumber daya air.
BART digunakan dalam penelitian ini untuk meningkatkan akurasi prediksi habitat yang sesuai untuk Q. brantii. BART adalah metode berbasis pohon keputusan yang mampu menangani ketidakpastian dalam data ekologi serta memberikan perkiraan distribusi yang lebih andal dibandingkan dengan model linier tradisional. Evaluasi model menunjukkan bahwa BART memiliki performa tinggi dengan nilai AUC sebesar 0.93 yang lebih unggul dibandingkan dengan Generalized Linear Model (GLM) yang hanya mencapai AUC 0.86.
Keunggulan utama dari metode Bayesian dalam analisis ini adalah kemampuannya untuk menggabungkan berbagai sumber data lingkungan dan mengintegrasikan ketidakpastian dalam prediksi. Selain itu pendekatan ini memungkinkan pemanfaatan data dalam big data secara efisien yang semakin penting dalam era digital saat ini. Penggunaan data iklim resolusi tinggi dari WorldClim serta data geospasial dari GIS telah meningkatkan akurasi pemetaan habitat dan memberikan pemahaman yang lebih baik terhadap hubungan antara perubahan lingkungan dan distribusi spesies.
Hasil penelitian ini memiliki implikasi penting bagi pengelolaan hutan dan konservasi Q. brantii di Iran. Penurunan habitat yang diprediksi mengindikasikan perlunya langkah-langkah adaptasi dalam pengelolaan hutan seperti peningkatan area konservasi di daerah dengan elevasi lebih tinggi serta pengurangan aktivitas manusia yang merusak di habitat yang tersisa. Penggunaan teknik pemodelan berbasis kecerdasan buatan juga dapat menjadi alat yang efektif dalam perencanaan konservasi jangka panjang dengan menyediakan prediksi berbasis data yang lebih akurat.
Selain itu kebijakan mitigasi perubahan iklim harus mencakup langkah-langkah untuk mengurangi emisi gas rumah kaca yang berkontribusi pada pemanasan global yang secara langsung berdampak pada ekosistem hutan. Implementasi strategi reforestasi dengan spesies tahan kekeringan serta pengurangan praktik deforestasi yang tidak berkelanjutan menjadi langkah penting dalam mempertahankan ekosistem ini di masa depan.
Penelitian ini menyoroti peran penting metode Bayesian dan pembelajaran mesin dalam memahami dampak perubahan iklim terhadap distribusi spesies hutan. Hasil menunjukkan bahwa perubahan iklim akan menyebabkan penurunan signifikan dalam habitat Q. brantii di hutan Zagros dengan pergeseran distribusi ke elevasi yang lebih tinggi. Dengan pendekatan berbasis data yang lebih canggih studi ini memberikan wawasan bagi kebijakan konservasi dan pengelolaan hutan yang lebih adaptif dalam menghadapi tantangan perubahan iklim.
Sumber:
Leave a Reply