ახალი კვლევა: რამდენად ზუსტად ვიცით, სად არიან საქართველოს გველები?

წარმოიდგინეთ, საქართველოს რომელიმე რეგიონში გველის მხოლოდ სამი დადასტურებული დაკვირვება გვაქვს. ნიშნავს ეს, რომ სახეობა მხოლოდ იმ სამ წერტილში ცხოვრობს? არა აუცილებლად. შეიძლება ის სხვა ადგილებშიც იყოს, მაგრამ იქ არავის უნახავს, არ გადაუღია, ან ჩანაწერი სამეცნიერო მონაცემთა ბაზამდე არ მისულა.

სწორედ ამ განსხვავებას ეხება 2026 წლის 3 სექტემბერს ჟურნალ Ecology and Evolution-ში გამოქვეყნებული ნაშრომი. გიორგი იანკოშვილი და დავით თარხნიშვილი საქართველოს გველების მონაცემებით კითხულობენ მარტივ, მაგრამ რთულად გასაზომ კითხვას: რამდენად ზუსტად ვიცით, სად არიან გავრცელებული საქართველოს გველები, თუ ჩვენი ჩანაწერები არასრული და არათანაბრად შეგროვებულია?

კვლევა არ ამბობს, რომ საქართველოს გველების რუკები არასწორია. არც იმას ამტკიცებს, რომ IUCN-ის სტანდარტული 2 x 2 კმ ბადე უნდა შეიცვალოს. ავტორების მიზანი უფრო ფრთხილია: აჩვენონ, როგორ შეიძლება დამატებითმა, გამეორებადმა მოდელურმა მიდგომამ მკვლევრებს დაეხმაროს იქ, სადაც დადასტურებული ჩანაწერები სახეობის რეალურ დაკავებულ ტერიტორიას სრულად ვერ აღწერს.

ნაშრომი ეფუძნება საქართველოში დაფიქსირებული 13 კოლუბრიდი გველის occurrence records-ს. ავტორებმა გამოიყენეს როგორც ძველი ბიბლიოგრაფიული წყაროები, ისე თანამედროვე საველე და citizen-science მონაცემები. 2017 წლიდან ისინი აკვირდებოდნენ Facebook-ს, Instagram-ს, iNaturalist-სა და Twitter-ს; სოციალურ ქსელებში ნაპოვნი ფოტო ჩანაწერებისთვის კი ავტორები დამკვირვებლებს უკავშირდებოდნენ, რათა ადგილი საკმარისი სიზუსტით დაეზუსტებინათ.

გაანალიზებული სახეობებია: წითელმუცელა მცურავი (Dolichophis schmidti), წყლის ანკარა (Natrix tessellata), სპილენძა (Coronella austriaca), ჩვეულებრივი ანკარა (Natrix natrix), წენგოსფერი მცურავი (Platyceps najadum), კატისთვალა (Telescopus fallax), ამიერკავკასიური მცურავი (Zamenis hohenackeri), წყნარი ეირენისი (Eirenis modestus), ურარტუს მცურავი (Elaphe urartica), ესკულაპის მცურავი (Zamenis longissimus), ნაირფერი მცურავი (Hemorrhois ravergieri), საყელოიანი ეირენისი (Eirenis collaris) და სახეებიანი მცურავი (Elaphe dione).

ყველაზე კარგად წარმოდგენილი ექვსი სახეობა იყო წითელმუცელა მცურავი (Dolichophis schmidti), წყლის ანკარა (Natrix tessellata), სპილენძა (Coronella austriaca), ჩვეულებრივი ანკარა (Natrix natrix), წენგოსფერი მცურავი (Platyceps najadum) და კატისთვალა (Telescopus fallax). სწორედ ამ ექვს სახეობაზე შეამოწმეს ავტორებმა, რამდენად კარგად მუშაობდა მათი მიდგომა, როცა მონაცემების ნაწილი ხელოვნურად ამოიღეს.

Occurrence record არის კონკრეტული დადასტურებული დაკვირვება: ადგილი, სადაც სახეობა ნახეს, გადაიღეს, შეაგროვეს ან წყაროში ჩაიწერა. ასეთი ჩანაწერი ძალიან მნიშვნელოვანია, მაგრამ ის მხოლოდ წერტილია.

Area of Occupancy, ანუ AOO, სხვა რამეა. ეს არის შეფასება, რამდენ ტერიტორიას იკავებს სახეობა გარკვეული მეთოდოლოგიით. IUCN-ის ოფიციალურ Red List შეფასებებში AOO სტანდარტულად 2 x 2 კმ უჯრედებით ითვლება: თუ სახეობა რომელიმე უჯრედში დადასტურებულია, ეს უჯრედი occupied cell ხდება.

გავრცელების არეალი კიდევ უფრო ფართო ცნებაა. ის არ უდრის რუკაზე რამდენიმე წერტილის შეერთებას. სახეობის range-ს განსაზღვრავს გარემო, ისტორიული მონაცემები, სივრცითი კავშირი და ისიც, რამდენად კარგად არის შესწავლილი კონკრეტული ტერიტორია. ამიტომ ერთი ცარიელი ადგილი რუკაზე ყოველთვის ნამდვილ არარსებობას არ ნიშნავს.

არასრული ჩანაწერები განსაკუთრებით პრობლემურია მცირე, დამალული ან იშვიათად დანახული ცხოველებისთვის. თუ სახეობა რეალურად ათეულობით კილომეტრზეა გავრცელებული, მაგრამ მკვლევრებს მხოლოდ რამდენიმე ლოკაციიდან აქვთ მონაცემი, მხოლოდ ამ წერტილების დათვლა დაკავებულ ტერიტორიას შეიძლება ძალიან ამცირებდეს.

ამავე დროს, მოდელი ახალ დადასტურებულ ჩანაწერს არ ქმნის. თუ რუკაზე მოდელი ვარაუდობს, რომ დაკავებული ტერიტორია შეიძლება უფრო დიდი იყოს, ეს არ ნიშნავს, რომ იქ ახალი ინდივიდი უკვე დადასტურებულია. დადასტურებული დაკვირვება და მოდელური შეფასება ცალ-ცალკე უნდა დარჩეს.

Reptiles.ge-ის მსგავსი biodiversity atlas-ებისთვის ეს განსხვავება პრაქტიკულია: ერთი რამ არის კონკრეტული ფოტოჩანაწერი, მეორე - რეგიონში არსებობის სანდო მტკიცებულება, და მესამე - გავრცელების სავარაუდო ან მოდელირებული არეალი. გველების ჰაბი და სიახლეები ამ სამ დონეს ერთმანეთში არ უნდა ურევდეს.

ავტორებმა ჩანაწერები სხვადასხვა ზომის ბადეებში ჩასვეს: 1 x 1 კმ-დან 25 x 25 კმ-მდე. შემდეგ დააკვირდნენ, როგორ იცვლებოდა დაკავებული უჯრედების რაოდენობა, როცა ბადის უჯრედი დიდდებოდა. იდეა ის იყო, რომ გარკვეულ მასშტაბზე მრუდი ნაკლებად მგრძნობიარე ხდება უჯრედის ზომის ცვლილების მიმართ.

ამ მასშტაბს ნაშრომში breakpoint-derived grid-cell size ეწოდება. მნიშვნელოვანია: ეს არ არის გველის გადაადგილების რადიუსი, არც სახეობის ბიოლოგიური საზღვარი. ეს არის ინფორმაციული სივრცითი მასშტაბი, სადაც ამ კონკრეტულ მონაცემებში დაკავებული უჯრედების რაოდენობა შედარებით სტაბილურ ქცევას აჩვენებს.

აბსტრაქტისა და განხილვის მიხედვით, 13 სახეობიდან 9-ში მნიშვნელოვანი breakpoint დაახლოებით 4-13 კმ დიაპაზონში გამოჩნდა. ეს არ ნიშნავს, რომ 2 კმ ბადე მცდარია. ნაშრომი ამბობს, რომ არასრული მონაცემების პირობებში 2 კმ-იანი დათვლა შეიძლება ძალიან კონსერვატიული იყოს, ხოლო დამატებითი მოდელური ხედვა sampling incompleteness-ის შეფასებაში დაგვეხმაროს.

კვლევის ყველაზე ძლიერი ტესტი ხელოვნური შემცირება იყო. ავტორებმა ექვსი ყველაზე კარგად წარმოდგენილი სახეობისთვის მონაცემების მხოლოდ 25%, 50% ან 75% დატოვეს, შემდეგ კი შეამოწმეს, რამდენად ახლოს მივიდოდა მოდელი სრული მონაცემებით ცნობილ დაკავებული უჯრედების რაოდენობასთან.

შედეგი ასე უნდა წავიკითხოთ: როცა მონაცემების 25% იყო დატოვებული, მოდელური პროგნოზი raw incomplete count-ზე უკეთესი იყო შედარებების 97.3%-ში; 50%-ზე - 97.8%-ში; 75%-ზე - 96.3%-ში. ეს არ არის განცხადება, რომ 96-98%-იანი სიზუსტით ვიცით, სად ცხოვრობენ გველები. ეს არის კონკრეტული validation შედეგი: შემცირებულ dataset-ზე აგებული accumulation-curve პროგნოზი უფრო ახლოს აღმოჩნდა სრულ dataset-თან, ვიდრე უბრალოდ დარჩენილი occupied cells-ის დათვლა.

ავტორებმა ასევე შეამოწმეს, რამდენად მოქმედებდა ჩანაწერების ისტორიული თანმიმდევრობა შედეგზე. ეს აუცილებელი იყო, რადგან ძველი პროფესიული ჩანაწერები ხშირად რამდენიმე კარგად ნასწავლ ადგილზე იყრიდა თავს, ხოლო ბოლო წლებში სოციალურ ქსელებსა და citizen-science პლატფორმებზე გამოქვეყნებულმა ფოტოებმა გეოგრაფიული დაფარვა გააფართოვა.

საქართველოს გველების გავრცელების უკეთ გაგება მხოლოდ ახალი რუკის დახატვა არ არის. ეს არის ცოდნის ხარისხის შეფასება: სად გვაქვს ძლიერი მტკიცებულება, სად გვაქვს ბევრი ჩანაწერი, და სად გვჭირდება მეტი დაკვირვება.

Citizen science ამ სურათში ცენტრალურ როლს თამაშობს. ფოტო, ზუსტი ადგილი, თარიღი და სწორად გადამოწმებული იდენტიფიკაცია შეიძლება იმ სახეობაზეც დაემატოს ცოდნას, რომელსაც პროფესიონალი ჰერპეტოლოგები იშვიათად ხვდებიან. მაგრამ ასეთი ჩანაწერი კვლევისთვის ფასეული ხდება მაშინ, როცა ის სანდოდ არის დოკუმენტირებული და ბიოლოგიურ დასკვნად ნაადრევად არ გადაიქცევა.

ნაშრომის მთავარი გაკვეთილი მშვიდია: გველების გავრცელების რუკა მხოლოდ ცნობილი წერტილების კოლექცია არ არის. ის უნდა გვაჩვენებდეს, რა ვიცით, რა არ ვიცით და რა ტიპის გაურკვევლობა დგას მონაცემებს შორის. სწორედ ამ ზღვრის დანახვაა მნიშვნელოვანი როგორც სამეცნიერო კვლევისთვის, ისე ბუნების დაცვის გადაწყვეტილებებისთვის.

კვლევა ეფუძნება საქართველოს 13 კოლუბრიდი გველის occurrence records-ს და სწავლობს, როგორ მოქმედებს არასრული sampling AOO-ის შეფასებაზე.

ავტორების მიდგომა IUCN-ის ოფიციალური 2 x 2 კმ AOO სტანდარტის შემცვლელი არ არის. ის დამატებითი ინსტრუმენტია sampling incompleteness-ისა და scale dependence-ის შესაფასებლად.

ექვს კარგად წარმოდგენილ სახეობაზე, ხელოვნურად შემცირებულ dataset-ებში, accumulation-curve პროგნოზები raw occupied-cell counts-ზე უკეთესი იყო 97.3%, 97.8% და 96.3% შედარებებში.

13-დან 9 სახეობისთვის მნიშვნელოვანი breakpoint დაახლოებით 4-13 კმ დიაპაზონში გამოვლინდა, მაგრამ ეს არ არის გველების გადაადგილების რადიუსი ან ახალი გავრცელების დადასტურება.

სოციალური ქსელები, iNaturalist და ფოტოდოკუმენტირებული citizen-science ჩანაწერები კვლევაში მნიშვნელოვანი წყაროა, მაგრამ მოდელი დადასტურებულ დაკვირვებას არ ცვლის.

Estimating Area of Occupancy From Incomplete Occurrence Records: Reproducible Workflow Illustrated on a Comprehensive Dataset of Georgian Snakes. Giorgi Iankoshvili and David Tarkhnishvili. Ecology and Evolution, first published 3 September 2026. DOI: 10.1002/ece3.74292.

PubMed record for the same article.