Onderbouwingsdocument Pericallis Malvifolia Figuur 1 , Pericallis Malvifolia (iNaturalist, 2018) Wessel Koevoet Has Green Academy AARD 17 - 4 - 2026 1 Inhoudsopgave Inleiding ................................ ................................ ................................ ................... 2 Methode en Materialen ................................ ................................ ............................. 3 Resultaten ................................ ................................ ................................ ............... 5 3.1 Modeloverzicht en kaartresultaten ................................ ................................ .... 5 3.2 Modelprestatie (AUC en training gain) ................................ ............................... 5 3.3 Belangrijke verklarende variabelen ................................ ................................ .... 5 3.4 Response Curves ................................ ................................ ............................ 5 Bronnenlijst ................................ ................................ ................................ ............. 8 2 Inleiding De Pericallis Malvifolia is een endemische plantensoort op de Azoren die voorkomt in specifieke, vochtige en gematigde habitats . Hoewel de soort momenteel als relatief stabiel wordt beschouwd, kunnen toekomstige veranderingen in klimaat en leefomgeving invloed hebben op de geschiktheid en verspreiding van het leefgebied. In dit onderzoek wordt daarom gekeken naar de relatie tussen bijbehorende omstandigheden en het voorkomen van de soort, met speciale aandacht voor de effecten van klimaatverandering. (plantnet, 2026) en (Acores, 2020) De hoofdvraag van dit onderzoek luidt: “Hoe verandert de geschiktheid van het leefgebied van de Pericallis M alvifolia op de Azoren onder invloed van klimaatverandering?” Om deze vraag te beantwoorden zijn de volgende deelvragen opgesteld: • Wat zijn de belangrijkste benodigdheden in het leefgebied van de Pericallis Malvifolia? • Wat is de huidige ruimtelijke verspreiding van de soort op de Azoren? • Welke klimaatveranderingen worden voor de Azoren voorspeld tot 2100? • Hoe beïnvloeden deze klimaatveranderingen de geschiktheid van het huidige leefgebied? • Welke gebieden hebben in de toekomst de grootste kans om geschikt leefgebied te blijven voor de soort? 3 Methode en Materialen Data en databewerking Voor dit onderzoek is gebruikgemaakt van aanwezigheidspunten van de Pericallis M alvifolia in combinatie met klimaatgegevens als omgevingsvariabelen. De klimaatgegevens bestaan uit variabelen zoals temperatuur en neerslag, die van invloed zijn op de geschiktheid van het leefgebied van de soort. Deze variabelen zijn gebruikt in rasterformaat, zod at ze geschikt zijn voor analyse binnen een GIS - omgeving. (WorldClim, 2025) en (GBIF, 2026) De ruwe aanwezigheidspunten zijn eerst opgeschoond om de betrouwbaarheid van het model te vergroten. Hierbij zijn punten verwijderd die geen natuurlijke populaties vertegenwoordigen, zoals waarnemingen die betrekking hebben op fossielen of exemplaren in bo tanische tuinen. Dit zorgt ervoor dat alleen relevante, actuele verspreidingsgegevens worden meegenomen in de analyse. Er is gekozen voor een studiegebied dat Europa en Noord - Afrika omvat. Deze keuze is gemaakt omdat dit het bredere geografische gebied is dat het dichtst aansluit bij het huidige leefgebied van de Pericallis M alvifolia op de Azoren. Door een ruimer studiegebied te hanteren, wordt voorkomen dat het model te sterk wordt beperkt en kunnen ook potentiële geschikte gebieden buiten de huidige verspreiding worden meegenomen. Er is in dit onderzoek geen thinning toegepast op de aanwezigheidspunten. Dit betekent dat alle beschikbare en opgeschoonde waarnemingen zijn gebruikt in de analyse, zonder verdere filtering op onderlinge afstand. BI O_2 Gemiddelde dagelijkse temperatuurschommeling BIO_3 V erhouding tussen dagelijkse schommeling en jaarlijkse schommeling BIO_ 4 H oe sterk temperatuur verandert tussen seizoenen BIO_8 Gemiddelde temperatuur in de natste 3 maanden BIO_9 Gemiddelde temperatuur in de droogste 3 maanden BIO_14 Neerslag in de droogste maand BIO_15 Variatie in neerslag door het jaar heen BIO_19 Neerslag in het koudste kwartaal (3 maanden) Figuur 2 , gebruikte BIO_CLIM S inclusief beschrijving (WorldClim, 2025) De VIF - analyse is uitgevoerd om sterke overlap tussen de BIOCLIM - variabelen te controleren. Variabelen met een hoge VIF - waarde (>5) vertonen sterke onderlinge 4 correlatie en kunnen dubbele informatie bevatten. Op basis van de analyse zijn de variabelen BIO_2, BIO_3, BIO_4, BIO_8, BIO_9, BIO_14, BIO_15 en BIO_19 geselecteerd voor verdere modellering. Hoewel enkele variabelen relatief hoge VIF - waarden vertonen, blijven deze binnen een acceptabel be reik. De R.VIF is uitgevoerd met de volgende instellingen: N 100.000 MAXVIF 10 Seed 5 VIF round 12 Variable VIF SQRTVIF BIO_2 7.28 2.70 BIO_3 6.88 2.62 BIO_4 6.12 2.47 BIO_8 1.31 1.14 BIO_ 9 3.99 2.00 BIO_14 5.2 0 2.28 B IO_15 3.22 1.80 BIO_19 3.01 1.73 5 Resultaten 3.1 Modeloverzicht en kaartresultaten Het Maxent - model is uitgevoerd op basis van 3 aanwezigheidspunten en 19.660 achtergrondpunten. De output bestaat uit een habitatgeschiktheidskaart waarin de geschiktheid van het leefgebied van de Pericallis M alvifolia wordt weergegeven op een continue schaal van 0 tot 1, waarbij hogere waarden duiden op een hogere kans op geschikte omstandigheden. (Breugel, 2026) De modelprojectie laat zien dat geschikte leefgebieden sterk worden bepaald door klimaatomstandigheden, waarbij vooral specifieke gebieden binnen het studiegebied (Europa en Noord - Afrika) hoge geschiktheidswaarden vertonen. Dit betekent dat het model m ogelijk geschikte habitats buiten de huidige verspreiding op de Azoren ziet, op basis van vergelijkbare klimaatomstandigheden. Daarnaast is een clamping - kaart gegenereerd, die laat zien waar voorspellingen onzeker zijn doordat klimaatomstandigheden buiten het trainingsbereik vallen. 3.2 Modelprestatie (AUC en training gain) De prestaties van het model zijn beoordeeld met de AUC - waarde (Area Under the Curve). Het model behaalt een training AUC van 0 999 , wat betekent dat het model de aanwezigheidspunten perfect onderscheidt van de achtergrondpunten binnen de trainingsdata. Daarnaast is de regularized training gain 7.892, wat aangeeft dat het model een sterke relatie heeft gevonden tussen de aanwezigheid van de soort en de omgevingsvariabelen. 3.3 Belangrijke verklarende variabelen De resultaten laten zien dat vooral temperatuurvariatie en seizoensgebonden temperatuur (BIO_4 en BIO_9) de belangrijkste factoren zijn voor de geschiktheid van het leefgebied van de Pericallis M alvifolia . Neerslagvariabelen spelen een minder belan grijke rol in het model. 3.4 Respon se Curves De response curves laten zien hoe de geschiktheid van het leefgebied verandert bij variatie in afzonderlijke omgevingsfactoren. Hieruit blijkt dat het model sterk reageert op veranderingen in temperatuurvariatie en gemiddelden per sei zoen Met name BIO_4 en BIO_9 laten een duidelijke relatie zien met habitatgeschiktheid, waarbij bepaalde ranges leiden tot hogere voorspelde geschiktheid. Dit bevestigt dat de soort gevoelig is voor seizoensgebonden klimaatschommelingen. 6 Figuur 3 , Response C urve BIO_ 4 Figuur 4 , Response Curve BIO_9 7 De uite indelijke output voor geschikte leefgeb ieden op basis van toeko mstige klimaatvariab elen in de toekomst ziet er als volgt uit: Figuur 5 , mogelijk toek omstig leefgeb ied Pericallis Malvifolia Figuur 6 , Huidig en toeko mstig leefgebied Deze uitkomsten la ten zien dat het toek omstige leefgebied volgens de toekomstige klimaato mstandigheden mogelijk o ok de Canarische eilanden, westkust van Afrika, oostku st van Italië en de westkust van Georgi ë zou kunnen bev att en Het huidige leefgeb ied, de Azoren, zou volgen s de toekomstige klimaatomst andigheden ook nog geschikt zijn. 8 B ronnenlijst Acores, P. d. (2020, z.d z.d). Pericallis malvifolia (L’Hér.) B.Nord. Opgehaald van Portal da Bioversidade dos Acores: https://azoresbioportal.uac.pt/pt/especies - dos - acores/pericallis - malvifolia - 11028/ , geraadpleegd op 2 - 3 - 2026 Breugel, P. v. (2026, Maart 18). Species distribution modeling . Opgehaald van SDM in GRASS: https://ecodiv.earth/TutorialsNotes/sdmingrassgis/ , geraadpleegd op 20 - 3 - 2026 EEA, E. E. (2019, April 22). European Environment Agency (EEA) Opgehaald van Macaronesian thermophilous forest fringe: https://eunis.eea.europa.eu/habitats/20786? , geraadpleegd op 7 - 3 - 2026 GBIF. (2026, z.d. z.d.). Pericallis Malvifolia Opgehaald van GBIF: https://www.gbif.org/occurrence/map?taxon_key=3087444 , geraadpleegd op 26 - 2 - 2026 List, I. R. (2025, Maart z.d). Pericallis Malvifolia . Opgehaald van Red List: https://www.iucnredlist.org/species/165276/5998791 , geraadpleegd op 25 - 2 - 2026 plantnet, I. (2026, z.d. z.d.). Pericallis Malvifolia . Opgehaald van Pl@ntnet: https://identify.plantnet.org/nl/k - world - flora/species/Pericallis%20malvifolia%20(L'H%C3%A9r.)%20B.Nord./data , geraadpleegd op 3 - 3 - 2026 WorldClim. (2025, z.d. z.d.). Bioclimatic variables . Opgehaald van WorldClim: https://worldclim.org/data/bioclim.html , geraadpleegd op 2 - 4 - 2026