石子為 康利平 彭華勝 楊少華 張麗霞 景志賢 陳敏 劉大會

[摘要]該文在對云南、四川、貴州3省175個滇重樓種植區(qū)進行實地調(diào)查的基礎上，根據(jù)“中藥資源空間信息網(wǎng)格數(shù)據(jù)庫”提供的1950—2000年1 km×1 km空間分辨率的氣候資料，基于全國區(qū)域和年尺度選取影響我國滇重樓分布的潛在氣候因子，利用最大信息熵模型（MaxEnt）和ArcGIS空間分析技術(shù)，研究了影響我國滇重樓潛在種植分布的主導氣候因子及其氣候適宜性。結(jié)果表明，影響我國滇重樓潛在種植分布的主導氣候因子是8月平均降雨量、最干季平均溫、等溫性、10月平均降雨量、季節(jié)降水量變異系數(shù)和7月平均溫，累積貢獻率達到了972%。利用所建模型給出的滇重樓在待預測地區(qū)的存在概率，將我國滇重樓潛在種植分布區(qū)劃分成氣候不適宜區(qū)、次適宜區(qū)、較適宜區(qū)和最適宜區(qū)，并給出了各氣候適宜區(qū)的氣候特征。研究結(jié)果可為優(yōu)化我國滇重樓生產(chǎn)布局及引種提供參考。

[關鍵詞]滇重樓； 氣候適宜性； 區(qū)劃； 主導氣候因子； 最大信息熵模型（MaxEnt）

Climate suitability for potential Pairs polyphylla var

yunnanensis cultivation in China

SHI Ziwei1，2， KANG Liping3， PENG Huasheng4， YANG Shaohua5， ZHANG Lixia6，

JING Zhixian3， CHEN Min3*， LIU Dahui1*

（1Pharmacy Faculty， Hubei University of Chinese Medicine， Wuhan 430065， China；

2College of Resources and Environment， Yunnan Agricultural University， Kunming 650201， China；

3State Key Laboratory of Daodi Herbs Breeding Base， National Resource Center for Chinese Materia Medica China Academy of Chinese Material Science， Beijing 100700， China；

4 Pharmacy Faculty， Anhui University of Chinese Medicine， Hefei 230012， China；

5 Institute of Alpine Economic Plant， Yunnan Academy of Agricultural Sciences， Lijiang 674100， China；

6Yunnan Branch of Institute of Medicinal Plant Development， Chinese Academy of Medical Sciences， Jinghong 666100， China）

[Abstract]In this paper，the potential climate factors affecting the Pairs polyphylla var yunnanensis distribution in China at rational scales were selected from related literatures， using the sampling point geographic information from of P. polyphylla var. yunnanensis， combine the maximum entropy model （MaxEnt） with spatial analyst function of ArcGIS software， to study the climate suitability of P. polyphylla var. yunnanensis cultivating region in China and the leading climate factors. The results showed that， average rainfall in August， average rainfall in October， coefficient of variation of seasonal precipitation， the average temperature of the dry season， isothermal characteristic， average temperature in July were the leading climate factors affecting the potential distribution of P. polyphylla var. yunnanensis cultivating region in China， with their cumulative contribution rate reached 972% of all candidate climate factors. Existence probability of the region to be predicted of P. polyphylla var. yunnanensis through the constructed model， the climate unsuitable region， low， medium and high region of P. polyphylla var. yunnanensis in China were clarified and the threshold of climatic factors were gave and clarified the climate characteristics of the cultivating region in each climatic suitability division. The results of research can provide reference for production layout and introduction of P. polyphylla var. yunnanensis.endprint

[Key words]Pairs polyphylla var yunnanensis； climatic suitability； regionalization； leading climate factor； maximum entropy model （MaxEnt）

重樓為我國珍稀中藥材，以蚤休之名始載《神農(nóng)本草經(jīng)》，具有清熱解毒、消腫止痛，涼肝定驚的功效?！吨袊幍洹芬?guī)定重樓為百合科植物云南重樓Pairs polyphylla Smith var yunnanensis （Franch） Hand Mazz 或七葉一枝花P polyphylla Smith var chinensis （Franch） Hara的干燥根莖[1]。其中云南重樓又稱為滇重樓，是“云南白藥”和“宮血寧”等多種著名中成藥的主要原料之一，臨床應用廣泛。野生滇重樓主要生長在海拔1 400～3 100 m的常綠闊葉林、云南松林、竹林、灌叢或草坡中，主要分布我國云南、四川、貴州和緬甸北部[2]。長期以來，滇重樓主要靠采挖野生資源來供藥用。但由于滇重樓生長年限較長（野生一般在10年以上），隨著近年來臨床應用和作為中成藥原料的用量猛增，市場需求量已遠超過其野生資源的更新能力。長期掠奪式的采挖已導致滇重樓野生資源瀕危，藥材價格高漲，嚴重影響到以其為原料的醫(yī)藥工業(yè)的可持續(xù)發(fā)展，現(xiàn)已列為云南省30種稀缺瀕危天然藥物之一[3]。大力開展滇重樓人工馴化種植是保證重樓藥材原料持續(xù)有效供應的最有效措施。近年來，在云南、四川、貴州等省均已開展不同規(guī)模的滇重樓人工種植。但由于滇重樓藥材與其引種馴化種植地區(qū)氣候適宜性相關基礎性研究工作的缺乏，導致一些地區(qū)人工引種種植滇重樓失敗，給廣大種植戶帶來巨大經(jīng)濟損失。

氣候是影響滇重樓野生資源分布和人工引種栽培的重要因素。滇重樓的生境范圍較窄，氣候的變化對滇重樓的生長發(fā)育、品質(zhì)及產(chǎn)量構(gòu)成有著重要影響[4]。研究我國滇重樓種植區(qū)的氣候適宜性，可以為合理規(guī)劃滇重樓生產(chǎn)布局，改進農(nóng)藝生產(chǎn)措施等提供科學依據(jù)。近年來，有學者基于文獻調(diào)查，利用中藥材產(chǎn)地適宜性系統(tǒng)（TCMGIS）對滇重樓生產(chǎn)區(qū)劃進行了探索性研究，并分析了滇重樓集中分布區(qū)的生態(tài)因子值，但未找出影響滇重樓潛在分布的主導氣候因子和進行實地調(diào)查的檢驗[5]。為此本文在對我國滇重樓主要引種馴化種植區(qū)實地調(diào)查的基礎上，基于已有研究成果，利用最大熵（MaxEnt）模型，從全國層次和年尺度方面篩選影響我國滇重樓種植分布區(qū)的主導氣候因子，確定各主導氣候因子的閾值，并進行滇重樓氣候適宜性區(qū)劃及其氣候差異性分析，從而為滇重樓人工引種栽培及其產(chǎn)業(yè)發(fā)展提供參考。

1材料

11樣點分布數(shù)據(jù)

根據(jù)文獻查詢滇重樓分布區(qū)域，對有滇重樓種植的區(qū)域進行實地調(diào)查，調(diào)查過程中注意樣地生境和分布的代表性。本研究中滇重樓栽培成功的判斷標準是種植年限在2年以上，可正常開花結(jié)果和越冬，即種群可以自然更新?？傆嫬@得云南、四川、貴州3省175個滇重樓種植區(qū)的經(jīng)緯度、生境、植物照等信息，調(diào)查區(qū)經(jīng)緯度范圍為97°39′—108°42′E，21°48′—30°54′N，見圖1。

12氣候因子數(shù)據(jù)

本研究所涉及氣候因子數(shù)據(jù)來源于“中藥資源空間信息網(wǎng)格數(shù)據(jù)庫”。氣候類型數(shù)據(jù)根據(jù)1950—2000年的氣象觀測數(shù)據(jù)插值而成，包含有12個月的月均降雨量（BIO1～BIO12）和月平均氣溫（BIO13～BIO24），以及年平均溫和年平均降雨量等19個綜合氣候因子（BIO25～BIO43），分辨率為1 km，均為連續(xù)型數(shù)據(jù)。所有生態(tài)因子數(shù)據(jù)細節(jié)比例尺為1∶100萬，投影為WGS84地理坐標系，數(shù)據(jù)格式為Geotiff，地理范圍均為全國尺度，見表1。

13地圖數(shù)據(jù)

下載于國家基礎地理信息系統(tǒng)網(wǎng)（http：//nfgis.nsdi.gov.cn/），分辨率為1∶400萬。

2方法

21潛在氣候因子篩選

211MaxEnt模型參數(shù)設置將滇重樓采樣點的地理分布信息整理成csv格式后導入MaxEnt 333版本，設置參數(shù)運行建模，具體參數(shù)如下：隨機測試比例為15%，最大迭代次為106，設置響應曲線，MaxEnt自定義設置ROC工作曲線和刀切法（Jackknife）檢驗權(quán)重，其他參數(shù)為軟件默認值。

212模型預測評價采用ROC工作曲線和ROC曲線下的面積（AUC） 進行模型精度和準確性評測。

213氣候因子的選擇本研究根據(jù)滇重樓的生物學特性和生長發(fā)育特點，結(jié)合前人的研究成果以及綜合環(huán)境變量之間相關性的問題進行氣候因子的篩選[67]。篩選分3步進行：第一步，將數(shù)據(jù)庫中氣候變量因子和滇重樓采樣點地理信息數(shù)據(jù)代入MaxEnt模型中運算3次，每次運算結(jié)果中舍去貢獻率為0的氣候因子。第二步，將第3次運算結(jié)果中累積貢獻率大于95%的氣候因子，利用ArcGIS軟件的空間分析功能將篩選得到的氣候因子多值提取至采樣點，利用Spearman相關系數(shù)進行相關性分析（SPSS 200），當2個氣候因子之間的相關性大于08時任意舍去其中一個氣候因子[8]，第三步，將第二步剩余的氣候因子利用MaxEnt模型進行計算分析，得到氣候因子對滇重樓氣候適宜性分布的貢獻率和刀切法獲得的氣候因子權(quán)重分析，并將本次篩選得到的貢獻率大、權(quán)重高的氣候因子作為最終變量進行滇重樓的氣候適宜性分析。

22主導氣候因子的篩選

221MaxEnt模型的構(gòu)建參考Moreno等[9]研究方法，將213項篩選得到的氣候因子帶入到MaxEnt軟件（333c），采取測試集為分布點的25%，訓練集為分布點的75%，其余選項均為模型的默認設置，在環(huán)境參數(shù)設置中開啟刀切法（JackKnife）來評價各氣候因子的權(quán)重，并且應用MaxEnt模型模擬輸出的ROC曲線的AUC評估模型模擬的準確性。endprint

222主導氣候因子的選取根據(jù)MaxEnt模型計算得到的潛在氣候因子對滇重樓種植區(qū)潛在分布影響貢獻率的大小，結(jié)合模型提供的刀切法（Jackknife）模塊可以對初始模型輸出的各潛在氣候因子對模擬精度的影響進行分析，并分別對各氣候因子對滇重樓種植分布的貢獻率、累積貢獻率及置換重要性進行分析，按照貢獻率大小提取影響滇重樓潛在分布的主導氣候因子，再將主導氣候因子組合重建最大熵模型，計算滇重樓潛在分布的概率。綜合評價得到的氣候因子的權(quán)重，從而找出影響我國滇重樓種植區(qū)潛在分布的主導氣候因子。在此基礎上，建立我國滇重樓種植區(qū)潛在分布的最大信息熵模型，并進行模擬結(jié)果精度評價。

23滇重樓種植區(qū)氣候適宜性區(qū)劃

利用ArcGIS 102軟件中的格式轉(zhuǎn)換工具，將22項中MaxEnt模型運算結(jié)果的asc格式轉(zhuǎn)化為柵格數(shù)據(jù)格式；MaxEnt模型預測結(jié)果給出的是物種在待預測地區(qū)的存在概率（P），取值0～1。為得到我國滇重樓種植區(qū)的氣候適宜性分區(qū)，利用ArcGIS 102軟件的柵格重分類功能選擇合適的閾值進行滇重樓的氣候適宜性區(qū)劃。根據(jù)統(tǒng)計學原理，當物種在某一格點的存在概率P<005 時為小概率事件，在此定義為不適宜區(qū)。同時參考IPCC報告關于評估可能性的劃分方法，結(jié)合前期實地調(diào)查與實際種植情況，滇重樓種植區(qū)的氣候適宜性區(qū)劃按如下標準進行：P<005 為氣候不適宜區(qū)；005≤P<033為氣候次適宜區(qū)；033≤P<066 為氣候較適宜區(qū)；P≥066為氣候最適宜區(qū)[1011]。利用ArcGIS標準分級方案中的自然斷點法確定相鄰分布區(qū)的界值，繪制滇重樓潛在分布圖，進行滇重樓潛在分布氣候適宜性區(qū)劃。

3結(jié)果與分析

31MaxEnt模型精確度評價

應用MaxEnt模型模擬輸出的ROC曲線的AUC評估模型模擬的準確性，AUC的大小為模型預測準確度的衡量指標，其取值范圍為[0，1]，AUC在050～060為失敗，061～070為較差，071～080為一般，081～090為好，091～10為非常好，越接近1說明模型準確性較高，預測結(jié)果可信，可以較為準確的反應物種的潛在分布[12]。結(jié)果表明，基于43個潛在氣候因子的最大熵模型的AUC達0985，對照AUC值評判標準，得出模擬結(jié)果的準確性達到“非常好”的標準，表明所建模型精確度、可信度高。

32影響我國滇重樓種植區(qū)分布的主導氣候因子篩選

對物種潛在分布及生長發(fā)育有影響的因子都是物種所必需的，但在一定條件下必然有起關鍵作用的主導因子。確定滇重樓種植區(qū)的主導氣候因子有助于揭示氣候?qū)Φ嶂貥欠植嫉挠绊?。利用Jackknife模塊對各氣候因子對模擬精度的影響進行了分析，見圖2?？梢姼饕蜃又?月平均降雨量和等溫性對AUC的影響最大，而7月平均溫和季節(jié)降水量變異系數(shù)對AUC值影響相對較小，表明年尺度的降水和溫度兩資源條件對分布模擬精度影響較大。通過氣候因子對滇重樓種植潛在分布的貢獻百分率和置換重要性來評價各氣候因子對種植分布影響的貢獻，見表2?？芍绊懳覈嶂貥欠N植分布的各氣候因子按貢獻率排序依次為8月平均降雨量 >最干季平均溫 >等溫性 >10月平均降雨量 >季節(jié)降水量變異系數(shù) >7月平均溫 >9月平均降雨量。其中，10月平均降雨量和最干季平均溫的置換重要性最高，分別達到536%，303%，表明這2個因子包含了其他因子不可替代的信息，是滇重樓種植分布的重要限制因子。綜合考慮上述因素，確定影響我國滇重樓種植區(qū)分布的的主導氣候因子為：8月平均降雨量、最干季平均溫、等溫性、10月平均降雨量、季節(jié)降水量變異系數(shù)和7月平均溫等6個氣候因子，累積貢獻率為972%。9月平均降雨量雖然對AUC值的影響較大，但其貢獻率（28%）和置換重要性（35%）較低，故在主導氣候因子里舍去。

33主導氣候因子的綜合分析

主導氣候因子的潛在貢獻率反映了滇重樓對主導氣候因子的適宜程度。在自然條件下，我國滇重樓種植區(qū)潛在貢獻率較高的地區(qū)，需要有適宜的8月平均降雨量、最干季平均溫、等溫性、10月平均降雨量、季節(jié)降水量變異系數(shù)和7月平均溫，其值過高或過低，都不利于發(fā)展滇重樓種植。結(jié)合我國滇重樓種植區(qū)分布的適宜性等級劃分，從影響滇重樓生長的6個環(huán)境因子響應曲線可以分析出影響我國滇重樓種植區(qū)分布的主導氣候因子閾值為：8月平均降雨量180～500 mm、10月平均降雨量50～200 mm、季節(jié)降水量變異系數(shù)74～90、最干季平均溫 2～27 ℃、等溫性35～60和7月平均溫13～27 ℃，見圖3。

文獻和實地調(diào)查發(fā)現(xiàn)，滇重樓主要分布在云貴高原的溫帶氣候區(qū)；區(qū)內(nèi)氣候溫和，春季溫暖、干燥少雨，夏無酷暑、雨量集中，秋季溫涼、雨水減少，冬無嚴寒、天晴少雨，且干、濕季分明。滇重樓為多年生草本植物，以地下根狀莖、不定根和頂芽越冬，地上莖、葉、花、果生長周期僅為6～7個月；種子播種后的第1～4年為苗期，第5年進入生殖生長期，開始開花結(jié)實，野外環(huán)境可生長數(shù)十年。滇重樓人工種植一般采用種子繁殖或地下根狀莖切段繁殖。成年滇重樓的生長物候期為：4月中旬—6月上旬為莖、葉、花的破土出苗期（各地根據(jù)地溫、土壤濕度和雨季來臨早晚，破土出苗時間有差異；一般南部和低海拔地區(qū)在4月，中部和中海拔地區(qū)在5月，北部和高海拔地區(qū)在5月底至6月上旬），5月上旬—6月下旬營養(yǎng)生長期，5月下旬—7月上旬授粉期，6月上旬—9月上旬為果實膨大期，9月中旬—10月下旬果實成熟期，11月衰老倒苗期。本研究篩選出來的6個主導氣候因子剛好是同分布區(qū)的氣候特點和滇重樓生長特性及關鍵物候期相對應的。8月份為滇重樓果實和地下根莖的膨大期，降雨量過低（<180 mm）則干旱會導致滇重樓果實、地下根莖膨大受阻；降雨量過高（>300 mm）則因雨水過多，田間濕度過大，導致滇重樓田間容易發(fā)灰霉病和根腐病，影響生長。10月份是重樓果實成熟采摘期，此時降雨量過高（>130 mm）endprint

則會導致光照不足，影響種子成熟和開裂，過于干旱（<70 mm）則會影響種子灌漿和地下頂芽發(fā)育。等溫性和季節(jié)降水量變異系數(shù)是溫帶氣候特征體現(xiàn)，等溫性參數(shù)低于35一般是亞熱帶區(qū)域，冬季寒冷和夏季炎熱，不適合滇重樓生長；等溫性參數(shù)大于60一般是高寒山區(qū)，氣溫過低和年積溫不夠，限制滇重樓生長；溫帶地區(qū)干濕分明，季節(jié)降水量變異系數(shù)一般較大，變異系數(shù)過小則同滇重樓生長發(fā)育習性不一致。溫帶氣候最干季一般為冬、春兩季，也是最冷季和滇重樓休眠季節(jié)，因而最干季平均溫對滇重樓生長影響也較大，溫度過低（<6 ℃）導致滇重樓地下根狀莖和頂芽會凍傷，溫度過高（>15 ℃）則會打破滇重樓地下根狀莖和頂芽休眠，導致滇重樓干旱季節(jié)出苗，空氣和土壤濕度不夠而影響其生長。7月平均溫為最熱月溫度，滇重樓喜溫涼氣候，7月是滇重樓生長盛季，這一月份平均溫度過高和過低均影響滇重樓生長和開花授粉。

34滇重樓潛在種植分布區(qū)及氣候適宜性分析

基于篩選的主導氣候因子，結(jié)合MaxEnt模型，重新構(gòu)建滇重樓潛在分布模擬模型。結(jié)果顯示，基于主導氣候因子的AUC為0987，模擬結(jié)果的準確性達到“非常好”的標準，可用于滇重樓潛在分布模擬。將MaxEnt計算后得到的asc圖層文件加載到ArcGIS 102中，按照滇重樓氣候適宜性等級評判標準繪制了我國滇重樓潛在分布區(qū)劃圖及其氣候適宜分區(qū)，見圖4。滇重樓氣候適宜性等級主導氣候因子變量概況見表3。并按主產(chǎn)區(qū)省份統(tǒng)計適宜區(qū)（包括高適宜區(qū)、適宜區(qū)和次適宜區(qū)）面積，見表4。

橫坐標單位同表1。

各氣候適宜性分布及其氣候特征如下：氣候最適宜區(qū)，主要集中在云南境內(nèi)，包括昆明、普洱、楚雄、玉溪、紅河、文山、臨滄、大理等地，總面積為7 085 km2。該氣候適宜區(qū)8月平均降雨量180～300 mm、10月平均降雨量70～130 mm、季節(jié)降水量變異系數(shù)80～84、最干季平均溫6～15 ℃、等溫性47～55和7月平均溫17～21 ℃。氣候較適宜區(qū)，主要集中在云南全境、四川的中南部、貴州西部、廣西西部以及西藏的南部、海南島的部分地區(qū)也有零星分布。氣候較適宜區(qū)以云南、四川、貴州、廣西、西藏等5省區(qū)面積最大，也是目前我國滇重樓種植的主要產(chǎn)區(qū)，總面積為420 074 km2。該氣候適宜區(qū)8月平均降雨量175～300 mm、10月平均降雨量75～140 mm、季節(jié)降水量變異系數(shù)75～88、最干季平均溫4～20 ℃、等溫性45～55和7月平均溫15～25 ℃。氣候次適宜區(qū)，主要分布在西藏南部、四川中部、陜西南部與甘肅交界處、貴州中部、廣西中南部、云南南部以及我國的華中地區(qū)（包括湖北、湖南、）和華東地區(qū)（包括浙江、江西、福建）和華南地區(qū)（包括廣東、海南）。該氣候適宜區(qū)8月平均降雨量170～500 mm、10月平均降雨量50～200 mm、季節(jié)降水量變異系數(shù)77～90、最干季平均溫4～25 ℃、等溫性38～60和7月平均溫15～27 ℃。

除上述地區(qū)之外的我國其他地區(qū)為滇重樓種植區(qū)的氣候不適宜區(qū)。該氣候適宜區(qū)8月平均降雨量<150 mm或>500 mm、10月平均降雨量<50 mm或>200 mm、季節(jié)降水量變異系數(shù)<74或>90、最干季平均溫<2 ℃或>27 ℃、等溫性<35或>60和7月平均溫<13 ℃或>27 ℃。

4討論

研究表明，MaxEnt模型可以利用現(xiàn)有的滇重樓種植區(qū)數(shù)據(jù)，進行我國滇重樓潛在種植區(qū)的分布預測。MaxEnt模型主要是基于已有物種分布資料和環(huán)境數(shù)據(jù)，探索物種已知分布區(qū)的環(huán)境特征與潛在分布區(qū)域的非隨機關系，且該模型算法簡單明確，其規(guī)則化程序可以阻止在小樣本的情況下發(fā)生過度擬合[13]。但是，模型基于有限的數(shù)據(jù)預測得到的潛在分布區(qū)域，通常代表了與分布區(qū)相似的環(huán)境條件，但與物種的實際分布界限還是存在一定的區(qū)別[14]。

氣候?qū)Φ嶂貥菨撛诜植嫉挠绊懯蔷C合作用的結(jié)果，確定主導氣候因子有助于定量描述滇重樓分布與氣候之間的關系。通過MaxEnt模型運算得出了各氣候因子對滇重樓潛在分布的貢獻率，確定了影響滇重樓潛在分布的主導氣候因子。結(jié)果經(jīng)過ROC曲線精度檢驗，AUC為0987，表明基于氣候因子的MaxEnt模型對滇重樓的潛在分布區(qū)的預測結(jié)果非常好，準確度高。

段寶忠等[5]采用基于柵格聚類分析方法的TCMGIS對滇重樓的產(chǎn)地適宜區(qū)進行了分析預測，認為年降水量、濕度、7月最高溫、7月平均溫、年均溫、日照等氣候因子要求較高，其中濕度是影響滇重樓生長分布的最主要限制因子；但其尺度還是較大，降水量沒有細化到年尺度范圍，且栽培滇重樓的日照和土壤濕度因子可以通過建造蔭棚和灌溉等人工措施來調(diào)控。本研究采用最大信息熵模型（MaxEnt）方法，從全國層次和年尺度方面進一步深入評價了影響滇重樓生長分布的降水和溫度氣候因子，并篩選出6個主導氣候因子，較前者有較大的提升。另外，采用TCMGIS方法，段寶忠等預測滇重樓適宜生長區(qū)域除云南外，應是向我國東部湖南、湖北、安徽、江蘇、浙江等省偏移，其中浙江、安徽等適宜區(qū)分布面積較大，而云南西北部怒江和迪慶、四川中南部和西藏南部這些歷史上野生滇重樓資源較豐富區(qū)域沒有預測進來。本研究采用MaxEnt 方法，預測滇重樓的氣候適宜區(qū)主要集中在云南大部分地區(qū)、四川中南、貴州西南、西藏南部以及廣西、海南的局部地區(qū)，其中西藏（林芝、澤當）是除滇重樓道地產(chǎn)區(qū)云南、貴州、四川以外的適宜區(qū)面積最大的區(qū)域，浙江、安徽地區(qū)幾乎沒有滇重樓高適宜和適宜區(qū)域分布。預測結(jié)果同李恒的重樓專著[2]記載、滇重樓的標本信息記錄及相關文獻報到高度吻合，說明本文滇重樓氣候適宜性分區(qū)的結(jié)果準確有效，可以為滇重樓人工引種區(qū)域選址和政府種植規(guī)劃提供科學指導。

滇重樓的種植受到人為因素的影響較大，且滇重樓不是高度自由的物理系統(tǒng)，采樣點的數(shù)量及其空間分布、輸入的環(huán)境因子類型及研究區(qū)域的尺度等都會影響MaxEnt模型的模擬精度[15]，因此選取能夠反映滇重樓潛在分布所需環(huán)境條件的采樣點和適宜的研究尺度，是區(qū)劃研究中必須重視的問題。本研究結(jié)果的前提是滇重樓種植制度、人為因素未考慮條件下的滇重樓種植分布及其氣候適宜性區(qū)劃，未考慮人為設施條件以及海拔、土壤養(yǎng)分、植被等生態(tài)因子對種植區(qū)氣候調(diào)節(jié)作用的影響。endprint

5結(jié)論

影響我國滇重樓種植區(qū)潛在分布的主導氣候因子為8月平均降雨量、10月平均降雨量、季節(jié)降水量變異系數(shù)、最干季平均溫、等溫性和7月平均溫等，這些主導氣候因子對滇重樓潛在分布的累積貢獻率達到972%?；谥鲗夂蛞蜃雍筒蓸狱c分布的地理信息，結(jié)合MaxEnt模型構(gòu)建的我國滇重樓種植區(qū)分布與氣候的關系模型能夠準確地模擬我國滇重樓種植區(qū)的潛在分布。根據(jù)潛在分布區(qū)滇重樓的存在概率，得到了我國滇重樓潛在分布區(qū)的氣候適宜性區(qū)劃及各氣候適宜區(qū)的主導氣候因子取值范圍，研究結(jié)果可為我國滇重樓人工引種栽培及其產(chǎn)業(yè)發(fā)展提供科學指導。

[參考文獻]

[1]中國藥典 一部[S] 2010

[2]李恒 重摟屬植物[M]北京：科學出版社， 1998：36

[3]陸輝，許繼宏，陳銳平，等云南重樓屬植物資源現(xiàn)狀與保護對策[J]云南大學學報，2006，28 （S1）：307.

[4]趙東興，李春，趙國祥，等 云南地道藥材滇重樓的研究進展[J]熱帶農(nóng)業(yè)科學，2014，34（1）：42

[5]段寶忠，黃林芳，謝彩香，等基于 TCMGIS技術(shù)的云南重樓生產(chǎn)區(qū)劃初探[J]價值工程，2010，84（2）：140

[6]Sillreo N What does ecological modelling model？ A proposed classification of ecological niche models based on their underlying methods [J]Ecol Model，2011，222（8）：1343

[7]何奇瑾，周廣勝 我國春玉米潛在種植分布區(qū)的氣候適宜性[J]生態(tài)學報，2012，32（12）：3931.

[8]Kumar S，Graham J，West A M， et al Using districtlevel occurrence in MaxEnt for predicting the invasion potential of an exotic insect pset in India[J]Comput Electron Agr，2014，103（2）：55

[9]Roberto M，Zamora R，Ramon J，et al. Predictive modeling of microhabitats for endemic birds in south Chilean temperate forestsusing Maximum entropy （Maxent） [J].Ecol Inform，2011，6（6）：364.

[10]IPCC Climate change 2007：synthesis report contribution of working groups Ⅰ，Ⅱ and Ⅲ to the fourth assessment report of the intergovernmental panel on climate change[S].Geneva： IPCC，2007.

[11]何奇瑾，周廣勝 我國單季稻種植區(qū)的氣候適宜性[J]應用生態(tài)學報，2012，23（2）：426

[12]胡秀，吳福川，郭微，等基于MaxEnt生態(tài)學模型的檀香在中國的潛在種植區(qū)預測[J]林業(yè)科學，2014，50（5）：27

[13]Yang X Q，Kushwaha S P S，Saran S，et al. Maxent modeling for predicting the potential distribution of medicinal plant，Justicia adhatoda L. in Lesser Himalayan foothills[J].Ecol Eng，2013，51： 83

[14]Peterson A T，Papes M，Eaton M.Transferability and model evaluation in ecological niche modeling： a comparison of GARP and Maxent[J].Ecography，2007，30：555

[15]Elith J，Phillips J S，Hastie T，et al.A statistical explanation of MaxEnt for ecologists[J].Divers Distrib，2011，17： 43

[責任編輯呂冬梅]endprint