楊霞+鄭江華+穆晨+林峻

[摘要]駱駝刺Alhagi sparsifolia，豆科草本植物，是我國傳統(tǒng)維藥。預(yù)測氣候變化對該物種分布范圍的影響對于其保護(hù)和資源可持續(xù)利用具有重要意義。該文基于駱駝刺在中國的42個(gè)地理分布點(diǎn)和19個(gè)環(huán)境因子圖層，采用MaxEnt模型分析了駱駝刺在我國的潛在地理分布，并基于該模型預(yù)測IPCC AR5發(fā)布的2050年及2070年的RCP2.6，RCP8.5氣候情景下駱駝刺的潛在分布范圍。結(jié)果表明：最冷季平均溫（bio11）、年平均溫（bio1）、最冷季平均降雨量（bio19）、年均降雨量（bio12）、最濕月降雨量（bio13）、最濕季平均溫（bio8）、年溫的變化范圍（bio7）是影響駱駝刺分布的主導(dǎo)環(huán)境因子；在當(dāng)前氣候條件下，駱駝刺的適宜生境占我國總面積的7.85%，集中分布在新疆大部，甘肅北部及中部，內(nèi)蒙古西部，寧夏北部。由模型預(yù)測可知：2050—2070年，RCP2.6，RCP8.5氣候情境下，駱駝刺適宜生境總體呈減少的趨勢。

[關(guān)鍵詞]潛在地理分布； 氣候變化； MaxEnt模型； 駱駝刺

[Abstract]Specific information on geographic distribution of a species is important for its conservation. This study was conducted to determine the potential geographic distribution of Alhagi sparsifolia， which is a plant used in traditional Uighur medicine， and predict how climate change would affect its geographic range. The potential geographic distribution of A. sparsifolia under the current conditions in China was simulated with MaxEnt software based on species presence data at 42 locations and 19 climatic variables. The future distributions of A. sparsifolia were also projected in 2050 and 2070 under the climate change scenarios of RCP2.6 and RCP8.5 described in 5th Assessment Report of the Intergovernmental Panel on Climate Change （IPCC）.The result showed that mean temperature of the coldest quarter， annual mean temperature， precipitation of the coldest quarter， annual precipitation， precipitation of the wettest month， mean temperature of the wettest quarter and the temperature annual range were the seven climatic factors influencing the geographic distribution of A. sparsifolia under current climate， the suitable habitats are mainly located in the Xinjiang， in the middle and north of Gansu， in the west of Neimeng， in the north of Nei Monggol. From 2050 to 2070， the model simulations indicated that the suitable habitats of A. sparsifolia would decrease under the climate change scenarios of RCP2.6 and scenarios of RCP8.5 on the whole.

[Key words]potential geographic distribution； climatic change； MaxEnt model； Alhagi sparsifolia

駱駝刺Alhagi sparsifolia，又名駱駝草，豆科，落葉草本，植株高20～30 cm，各分枝從主莖上呈鈍角伸出，針刺長而硬。葉較稀少，圓形或孵圓形，6月開花，8月最盛，結(jié)莢果，總狀花序，根系一般長達(dá)20 m。主要生長在干旱地區(qū)，有沙漠勇士之稱。駱駝刺是駱駝在沙漠中不可缺少的補(bǔ)充物。駱駝刺的存在與生長對于維護(hù)生長地脆弱的生態(tài)環(huán)境有極其重要的生態(tài)價(jià)值。駱駝刺還是維吾爾醫(yī)（簡稱維醫(yī)）用傳統(tǒng)藥材，駱駝刺的葉治療關(guān)節(jié)腫痛；花用于清熱解毒；全草治療感冒發(fā)燒，胃腹?jié)駸?，腸炎；種子用于止熱痢和牙痛；刺糖可治療痢疾，體虛頭暈，活精。藥理學(xué)研究表明可抑制食道癌細(xì)胞生長，是一類有著良好開發(fā)潛力的民族藥材^[1]。

植被-氣候的相互作用是植物學(xué)、地理學(xué)、生態(tài)學(xué)與氣象學(xué)研究的熱點(diǎn)問題，氣候是影響地球上植被分布格局的主要因素，而植物分布格局的變化是對氣候變化最明確、直接的反映^[2]。聯(lián)合國政府間氣候變化專門委員會(huì)（IPCC）第5次評估報(bào)告（AR5）顯示：在過去的130多年間（1880—2012年），全球地表年平均氣溫升高0.85 ℃，其中近9年（2002—2012年）的平均溫度比1850年到1900年的平均溫度上升了0.78 ℃，按照IPCC AR5預(yù)設(shè)的溫室氣體排放情景推算，21世紀(jì)末全球地表年平均氣溫將升高0.3～4.8 ℃^[3]。

物種分布模型（species distribution models，SDMs）是研究個(gè)體生態(tài)學(xué)的重要工具之一，常用來研究入侵物種（蟲害或植物）的潛在威脅^[4]。同時(shí)此類模型也是當(dāng)前預(yù)估氣候變化對物種分布影響的主要工具^[5]。未來全球氣候變化對生物多樣性的影響已經(jīng)成為生物學(xué)研究的重點(diǎn)和熱點(diǎn)問題，已有研究表明，未來氣候變化對物種的生存構(gòu)成一定的威脅^[6]。研究證實(shí)MaxEnt模型在分布點(diǎn)較少的情況下仍能得到滿意的結(jié)果，因此應(yīng)用較為廣泛^[7]。

目前為止，國內(nèi)外學(xué)者對駱駝刺的研究主要集中在生物學(xué)、生態(tài)學(xué)、生理特性^[8]、再生性^[9]以及藥用作用^[10]，并沒有學(xué)者對駱駝刺的潛在地理空間分布范圍做詳細(xì)的記錄，全球氣候變化背景下駱駝刺的生物學(xué)特性、空間分布、物候等必然會(huì)受到影響。因此，預(yù)測全球氣候變化下駱駝刺的潛在地理分布有一定的意義。本文通過查找相關(guān)網(wǎng)站搜集駱駝刺在我國的地理分布記錄數(shù)據(jù)，基于MaxEnt模型，研究了當(dāng)前氣候駱駝刺的潛在地理分布，繪制了分布圖，同時(shí)預(yù)測了未來全球氣候變化背景下2050年、2070年的2種氣候情景（RCP2.6，RCP8.5）駱駝刺的地理分布，分析了影響駱駝刺地理分布的主導(dǎo)環(huán)境因子。

1 材料

1.1 樣本數(shù)據(jù) 本研究中駱駝刺地理分布數(shù)據(jù)，來自于中國數(shù)字植物標(biāo)本館（http：//www.cvh.org.cn）、教學(xué)標(biāo)本資源共享平臺(tái)（http：//mnh.scu.edu.cn/）并利用Google earth查找地理分布點(diǎn)，經(jīng)過篩選剔除，得到駱駝刺在中國的42個(gè)地理分布點(diǎn)。將獲取的駱駝刺地理分布點(diǎn)按照物種名、經(jīng)度、緯度的順序保存為.csv格式文件。

1.2 環(huán)境變量 氣候數(shù)據(jù)來源于世界氣候數(shù)據(jù)庫（http： //www.worldclim.org），共包括19個(gè)環(huán)境因子，見表1，將19個(gè)環(huán)境因子轉(zhuǎn)化為蘭伯特投等積投影。當(dāng)前氣候數(shù)據(jù)通過記錄1950—2000年全球各氣象站點(diǎn)數(shù)據(jù)，并通過插值法獲取空間分辨率為2.5 arc-minutes 全球氣候柵格數(shù)據(jù)。

未來氣候來源于CCAF（http：//www.ccafs-climate.org/），IPCC AR5分析了4種典型溫室氣體排放濃度（RCP2.6，RCP4.5，RCP6.0，RCP8.5）對未來氣候的影響，RCP是典型濃度路徑（representative concentration pathways）的英文縮寫，2.6，4.5，6.0，8.5是2100年相對于1750年的輻射強(qiáng)迫。本研究選取BCC-CSM1.1全球未來氣候模式2050年及2070年2種氣候情景（RCP2.6，RCP8.5）作為我國未來氣候情景，其空間分辨率為2.5 arc-minutes。

2 方法

將駱駝刺的地理分布數(shù)據(jù)和環(huán)境數(shù)據(jù)導(dǎo)入MaxEnt模型中，選取75%的分布點(diǎn)作為訓(xùn)練數(shù)據(jù)，25%的數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)，選取刀切法（Jecknife）。采用接受者操作特性曲線（receiver operating characteristic curve，ROC）分析法進(jìn)行模型精度檢驗(yàn)，ROC曲線基于非閾值依賴判斷（threshold-independent evaluation）模型精度，即以預(yù)測結(jié)果的每一個(gè)值作為可能的判斷閾值，由此計(jì)算得出相應(yīng)的靈敏度和特異度。以特異度即假陽性率為橫坐標(biāo)，以靈敏度即真陽性率為縱坐標(biāo)繪制成ROC曲線，AUC值是ROC曲線與橫坐標(biāo)圍成的面積值，其大小能很好地說明模型模擬值的準(zhǔn)確性。模型運(yùn)行的值是連續(xù)柵格數(shù)據(jù)，且值在0～1。將模型運(yùn)行所得.asc格式的文件轉(zhuǎn)化為Raster格式的文件，并用中國地圖掩膜，采用Natural Breaks執(zhí)行重分類，分為3類，分別為：非適宜生境（0～0.25）、低適宜生境（0.25～0.5）、適宜生境（0.5～1）^[11]，最終確定駱駝刺在中國的分布圖。

3 結(jié)果分析

3.1 模型預(yù)測精度評估 采用接受者操作特征曲線（receiver operating characteristic curve，ROC）來評估模型模擬的效果，ROC曲線與橫坐標(biāo)圍成的面積值即AUC，AUC越大，模型模擬的效果越好，ROC曲線的評估標(biāo)準(zhǔn)見表2 [12]。

在當(dāng)前氣候（1950—2000年）下，利用MaxEnt模型模擬駱駝刺的潛在分布，本研究模擬的訓(xùn)練數(shù)據(jù)集及驗(yàn)證數(shù)據(jù)集的AUC均為0.997，按照模型模擬結(jié)果評估標(biāo)準(zhǔn)，此次模擬結(jié)果非常滿意。

3.2 駱駝刺潛在分布區(qū)主導(dǎo)環(huán)境因子 基于MaxEnt模型，本研究選用19個(gè)環(huán)境因子來構(gòu)建駱駝刺的潛在分布區(qū)，模型運(yùn)行時(shí)選取刀切法（Jacknife）。刀切法指模型在運(yùn)行的過程中，依次忽略一種環(huán)境變量，用其余的變量建模預(yù)測。模型運(yùn)行原理為：對每一個(gè)物種而言，程序開始時(shí)都是均勻分布，并進(jìn)行迭代，每一個(gè)物種的每次迭代將增加樣本在該地的分布概率（即gain值），程序運(yùn)行時(shí)，gain的初始默認(rèn)值為0（即均勻分布的gain值），隨著樣本點(diǎn)的迭代而增加，直至下一次迭代中的增加值小于收斂，或者達(dá)到最大重復(fù)次數(shù)時(shí)終止程序。本研究在MaxEnt模型迭代運(yùn)行下，最終確定了影響駱駝刺潛在分布的主導(dǎo)環(huán)境因子，結(jié)果表明：最冷季平均溫（bio11）、年平均溫（bio1）貢獻(xiàn)率較高，分別為34.9%，24.5%，最冷季平均降雨量（bio19）的貢獻(xiàn)率為14.4%，年均降雨量（bio12）的貢獻(xiàn)率為12.3%，最濕月降雨量（bio13）的貢獻(xiàn)率為8.6%，最濕季平均溫（bio8）的貢獻(xiàn)率為2.8%，年溫的變化范圍（bio7）的貢獻(xiàn)率為1.2%，這7個(gè)環(huán)境因子的累計(jì)貢獻(xiàn)率高達(dá)98.7%，結(jié)果表明：影響駱駝刺分布的主導(dǎo)環(huán)境因子為最冷季平均溫（bio11）、年平均溫（bio1）、最冷季平均降雨量（bio19）、年均降雨量（bio12）、最濕月降雨量（bio13）、最濕季平均溫（bio8）、年溫的變化范圍（bio7）。

3.3 駱駝刺潛在分布區(qū)預(yù)測 將MaxEnt模型運(yùn)行的結(jié)果導(dǎo)入ArcGIS進(jìn)行重分類，按照適宜生境評價(jià)指數(shù)^[13]，將研究區(qū)駱駝刺生境劃分為3類，即不適宜生境、低適宜生境、適宜生境^[11]。同時(shí)利用ArcGIS空間分析疊加顯示模塊，并計(jì)算各個(gè)生境駱駝刺的分布面積，得出駱駝刺在中國的空間分布圖，見圖1。

由圖1可知，駱駝刺集中分布于西北地區(qū)。其中，適宜生境包括新疆大部，甘肅北部，內(nèi)蒙古西部以及寧夏北部；低適宜生境包括新疆中部，甘肅北部

及中部，內(nèi)蒙古西部，寧夏北部，青海中部。對各適宜生境、低適宜生境及非適宜生境駱駝刺分布面積進(jìn)行統(tǒng)計(jì)，最終得到：適宜生境總面積為75.65×104 km2，占總面積的7.85%；低適宜生境總面積為75.86×104 km2，占總面積的7.87%；非適宜生境總面積為811.99×104 km2，占總面積的84.28%。從預(yù)測結(jié)果可知，駱駝刺適宜生境占中國總面積的比例較小，且集中在新疆、甘肅、內(nèi)蒙古、青海等地，可見駱駝刺的生長區(qū)域狹窄。

3.4 氣候變化下駱駝刺分布范圍的預(yù)測

利用MaxEnt模型對未來氣候情景下駱駝刺的分布進(jìn)行模擬。在ArcGIS軟件的支持下，按照上文同一標(biāo)準(zhǔn)，將駱駝刺的分布分為3個(gè)等級，并利用ArcGIS的空間分析模塊疊加顯示，計(jì)算出未來氣候情景下各類生境面積占總面積的比例，最終得出駱駝刺未來氣候情景下空間分布結(jié)果圖，見圖2。

當(dāng)前氣候情景下，駱駝刺的適宜生境占總面積的7.85%，低適宜生境占面積的7.87%，不適宜生境占面積的84.28%。根據(jù)MaxEnt模型運(yùn)行的結(jié)果，2050年的RCP2.6情景及RCP8.5情景下，駱駝刺的適宜生境有所增加，不適宜生境有所增加，而低適宜生境卻在減少。2070年的RCP2.6情景及RCP8.5情景下，與當(dāng)前氣候情景相比，駱駝刺的適宜生境在減少，而低適宜生境在增加，不適宜生境同樣在增加。與當(dāng)前氣候情景比較，相同RCP2.6情景下，適應(yīng)生境呈現(xiàn)先增大后減小的趨勢，低適宜生境呈現(xiàn)先減小后增大的變化，而不適宜生境呈輕微增大的趨勢。2050年，駱駝刺適宜生境分布面積占總面積的7.93%，低適宜生境占總面積的7.62%；2070年，駱駝刺適宜生境分布面積占總面積的6.95%，低適宜生境占總面積的8.31%。相同RCP8.5情景下，適宜生境呈現(xiàn)增大后減小的趨勢，低適宜生境呈現(xiàn)先減小后增大的變化，而不適宜生境呈現(xiàn)輕微先增大后減小的趨勢。2050年，駱駝刺適宜生境分布面積占總面積的8.21%，低適宜生境占總面積的7.15%；2070年，駱駝刺適宜生境分布面積占總面積的7.32%，低適宜生境占總面積的8.44%?？傮w來看，2050年到2070年，RCP2.6，RCP8.5氣候情景下，駱駝刺適宜生境在減少，見表3，圖3。

4 討論

MaxEnt模型是近年出現(xiàn)以軟件來實(shí)現(xiàn)物種潛在分布區(qū)預(yù)測的定量模型，對結(jié)果進(jìn)行AUC分析后表明，其結(jié)果比同類預(yù)測模型更為精確，特別是在物種分布點(diǎn)數(shù)據(jù)不全的情況下，MaxEnt模型仍然能得到較為滿意的結(jié)果^[14]。目前，MaxEnt模型被廣泛的應(yīng)用于預(yù)測入侵生物^[15-16]、經(jīng)濟(jì)作物的適生區(qū)研究，利用MaxEnt模型對中藥的地理分布研究非常少見。本文利用MaxEnt模型對當(dāng)前氣候條件下駱駝刺的適生區(qū)進(jìn)行了研究，并定量分析展示了2050，2070年的RCP2.6氣候情景及RCP8.5氣候情景下駱駝刺適宜生境的面積變化。研究結(jié)果表明，與當(dāng)前氣候情景比較，2050年的RCP2.6情景及RCP8.5情景下，駱駝刺的適宜生境有所增加，不適宜生境有所增加，而低適宜生境卻在減少。2070年的RCP2.6情景及RCP8.5情景下，與當(dāng)前氣候情景相比，駱駝刺的適宜生境在減少，而低適宜生境在增加，不適宜生境同樣在增加。2050—2070年，RCP2.6，RCP8.5氣候情境下，駱駝刺適宜生境總體呈減少的趨勢，且駱駝刺的適生區(qū)集中分布在西北地區(qū)。因此，在駱駝刺適宜分布區(qū)不斷破碎并縮小的形勢下，通過科學(xué)技術(shù)來增加駱駝刺的單位面積生物量、提高利用率、尋找可靠可行的保護(hù)方法勢在必行。

影響駱駝刺分布的主導(dǎo)環(huán)境因子包括最冷季平均溫（bio11）、年平均溫（bio1）、最冷季平均降雨量（bio19）、年均降雨量（bio12）、最濕月降雨量（bio13）、最濕季平均溫（bio8）、年溫的變化范圍（bio7），且這7個(gè)環(huán)境因子的累計(jì)貢獻(xiàn)率高達(dá)98.7%。下步工作是對上述7個(gè)環(huán)境因子進(jìn)行單因子建模，以此消除氣候因子相關(guān)性的影響，從而明確駱駝刺在當(dāng)前氣候環(huán)境下分布區(qū)的氣候特征。

本文在研究駱駝刺的地理分布時(shí)，僅考慮了降水和溫度。除氣候因素外，影響植物分布的因素還有很多，如地形、土壤因素、以及在未來氣候情景下，物種進(jìn)化與環(huán)境的可能相互作用以及物種種間競爭對未來物種分布區(qū)的影響?；谀壳暗恼J(rèn)識(shí)水平及技術(shù)條件下，無法涉及到影響物種分布的所有因素，若能綜合考慮以上因素，物種分布預(yù)測結(jié)果將會(huì)更加準(zhǔn)確。

[注]本文地圖插圖審圖號(hào)：GS（2017）24號(hào)。

[參考文獻(xiàn)]

[1]李君山， 劉勇民， 蔡少青. 維吾爾醫(yī)用駱駝刺類藥材的資源、商品流通及民間應(yīng)用研究[J]. 中國民族醫(yī)藥雜志， 1996（2）：39.

[2]郭彥龍， 衛(wèi)海燕， 路春燕，等. 氣候變化下桃兒七潛在地理分布的預(yù)測[J]. 植物生態(tài)學(xué)報(bào)， 2014， 38（3）：249.

[3]IPCC Working Group I. Climate change 2013：the physical science basis[R].Geneva： IPCC， 2013：5.

[4]Gallagher R V， Hughes L， Leishman M R， et al.Predicted impact of exotic vines on an endangered ecological community under future climate change[J].Biol Invasions，2010，12（12）：4049.

[5]Austin M P， Niel K P V. Impact of landscape predictors on climate change modelling of species distributions： a case study with Eucalyptus fastigata， in southern New South Wales， Australia[J]. J Biogeogr， 2011， 38（1）：9.

[6]王運(yùn)生， 謝丙炎， 萬方浩，等.相似穿孔線蟲在中國的適生區(qū)預(yù)測[J]. 中國農(nóng)業(yè)科學(xué)， 2007， 40（11）：2502.

[7]馬松梅， 聶迎彬， 耿慶龍，等. 氣候變化對蒙古扁桃適宜分布范圍和空間格局的影響[J]. 植物生態(tài)學(xué)報(bào)， 2014， 38（3）：262.

[8]高歡歡， 曾凡江， 魯艷，等. 不同干擾方式對疏葉駱駝刺生長及生理特征的影響[J]. 草業(yè)學(xué)報(bào)， 2015， 24（2）：202.

[9]Zakeri A， Banihashemi Z. The role of weeds in cultivated and virgin soils on activity and perpetuation of Fusarium oxysporum f. sp. melonis in Fars province[J]. Iranian J Plant Pathol， 1996，32（1）：28.

[10]賈曉光， 張雪梅， 熊元君，等. 維藥駱駝刺提取物藥理活性研究[J]. 新疆中醫(yī)藥， 2009， 27（5）：18.

[11]娜仁花， 鄭江華， 郭寶林，等. 高分辨率影像在野生藥用植物宏觀監(jiān)測中的應(yīng)用評價(jià)——以羅布麻為例[J]. 中國中藥雜志， 2014， 39（10）：1777.

[12]Swets J A.Measuring the accuracy of diagnostic systems[J].Science，1988，240（4857）：1285.

[13]胡理樂， 張海英， 秦嶺，等. 中國五味子分布范圍及氣候變化影響預(yù)測[J]. 應(yīng)用生態(tài)學(xué)報(bào)， 2012， 23（9）：2445.

[14]雷軍成， 徐海根. 基于MaxEnt的加拿大一枝黃花在中國的潛在分布區(qū)預(yù)測[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)， 2010， 26（2）：137.

[15]楊會(huì)楓， 鄭江華， 吳秀蘭，等. 基于MaxEnt模型的西伯利亞蝗蟲在新疆潛在分布預(yù)測研究[J]. 新疆農(nóng)業(yè)科學(xué)， 2016（1）：43.

[16]李國慶， 劉長成， 劉玉國，等. 物種分布模型理論研究進(jìn)展[J]. 生態(tài)學(xué)報(bào)， 2013， 33（16）：4827.

[責(zé)任編輯 呂冬梅]