王文婷

摘要：采用最近鄰體距離法和相關(guān)性分析分別選取樣本數(shù)據(jù)和環(huán)境變量，并應(yīng)用最大熵方法（ Maxent）建立生態(tài)位模型，分析了影響醉馬草潛在分布的主要環(huán)境因素，預(yù)測(cè)了醉馬草在青海省的潛在分布區(qū)域。結(jié)果表明：等溫性、最潮濕季節(jié)的平均溫度、年平均降水量和季節(jié)性降水量對(duì)醉馬草的潛分布影響較大;醉馬草在青海省有廣泛的潛在分布區(qū)，主要分布在青海湖附近和黃河流域。雖然目前醉馬草的現(xiàn)實(shí)分布區(qū)遠(yuǎn)小于潛在分布范圍，但其具有相當(dāng)大的擴(kuò)散空間，應(yīng)高度重視醉馬草的危害性，嚴(yán)格監(jiān)控其向潛在適生區(qū)域擴(kuò)散蔓延。

關(guān)鍵詞：生態(tài)位模型;醉馬草;潛在分布區(qū);最大熵模型

中圖分類號(hào)：Q948.13

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1674-9944（2018）4-0001-03

1 引言

醉馬草（Ach，natherum inebrians）為禾本科芨芨草屬草本植物，常見于海拔較高的草原上，主要分布在新疆、青海、甘肅、寧夏、四川和內(nèi)蒙古等省區(qū)[1]，是一種常見的草原毒雜草[2]。由于其具有抗高寒、耐干旱等優(yōu)勢(shì)，在我國(guó)的各大草場(chǎng)廣泛分布，特別是在退化的草地中蔓延日益嚴(yán)重[3]。醉馬草又常常被稱為“瘋草”，是因?yàn)榫哂新楸陨笾袠猩窠?jīng)的特性，所以醉馬草對(duì)我國(guó)的畜牧業(yè)也造成了巨大的損害。青海省位于中國(guó)西部，青藏高原的東北部，屬于畜牧業(yè)用地面積大，農(nóng)業(yè)耕地少、林地比重低的地區(qū)。因此，預(yù)測(cè)醉馬草在青海省的潛在分布區(qū)，進(jìn)一步對(duì)其進(jìn)行監(jiān)控和防治對(duì)于草原畜牧業(yè)的可持續(xù)發(fā)展具有重要的意義。

生態(tài)位模型是利用物種分布數(shù)據(jù)和相關(guān)環(huán)境變量，根據(jù)一定的算法可以預(yù)測(cè)物種的潛在分布區(qū)，已被廣泛應(yīng)用保護(hù)生物學(xué)、進(jìn)化生物學(xué)、全球氣候變化對(duì)物種分布的影響等[4，5]。近年來(lái)，由于統(tǒng)計(jì)技術(shù)、機(jī)器學(xué)習(xí)技術(shù)和地理信息系統(tǒng)進(jìn)一步強(qiáng)大，生態(tài)位模型的模擬方法層出不窮，其中最大熵（ Maxent）的方法在只有物種記錄點(diǎn)，甚至樣本很小的情況下也能較好的預(yù)測(cè)物種的潛在分布區(qū)[6]。本研究將采用最大熵方法，分析影響醉馬草分布的主要環(huán)境變量，并預(yù)測(cè)其在青海省的潛在分布區(qū)，最后探討如何控制醉馬草對(duì)青海草地的危害。

2 材料和方法

2.1 物種分布數(shù)據(jù)與環(huán)境變量

從中國(guó)植物數(shù)字標(biāo)本館中找到醉馬草在青海省的54個(gè)分布數(shù)據(jù)的記錄。為了避免由于地理聚集導(dǎo)致的空間自相關(guān)性，研究采用最近鄰體距離法篩選樣本數(shù)據(jù)，即在12 km內(nèi)只保留一點(diǎn)，最后用于模擬的數(shù)據(jù)點(diǎn)一共41個(gè)。

從WorldClim環(huán)境數(shù)據(jù)庫(kù)中下載了分辨率為2.5的當(dāng)前環(huán)境變量（即1950 - 2000年的生態(tài)氣候平均值）。通過相關(guān)性分析，去除相關(guān)性大于0.8的環(huán)境變量，最后保留的Bi0 03，Bi0 06，Bi0 08，Bi0 12，Bi0 15（見表1）。

2.2 生態(tài)位模型

醉馬草的生態(tài)位模型是通過將醉馬草的41個(gè)分布記錄數(shù)據(jù)和5個(gè)生物氣候變量導(dǎo)人Maxent 3.3.3e中進(jìn)行模擬，將分布點(diǎn)隨機(jī)選取30%作為測(cè)試數(shù)據(jù)（testingdata），其余的70%為訓(xùn)練數(shù)據(jù)（training data），交叉校驗(yàn)（ cross - validation procedures）模擬20次用于降低模擬過程中隨機(jī)性造成的影響。最后將20次結(jié)果的平均值以柵格文件通過ARCGIS9.3輸出，每個(gè)柵格的值代表物種在該區(qū)域?qū)Νh(huán)境適應(yīng)生存的概率，值域?yàn)閇0，1]。

2.3 模型的精度驗(yàn)證

通過AUC值對(duì)模型精度進(jìn)行檢驗(yàn)，即接受者操作特性曲線（ROC曲線）與橫坐標(biāo)所圍成的面積的值，值域?yàn)閇0.5，1]。ROC曲線是以實(shí)際和預(yù)測(cè)同時(shí)存在的比率（即擊中概率）為縱軸，只存在于預(yù)測(cè)中而實(shí)際上不存在的比率（即虛驚概率）為橫軸所組成的坐標(biāo)圖。所以AUC的值越大，表示預(yù)測(cè)的物種分布與隨機(jī)分布相差越大，其與環(huán)境變量之間的相關(guān)性也越高，即模型的模擬效果越好;反之表示模擬的效果越差[7]。如果AUC值在0.5～0.6之間，表示模型模擬結(jié)果失敗;在0.6～0.7之間表示模擬效果較差;在0.7～0.8之間表示效果一般;在0.8～0.9之間表示效果較好;在0.9～1之間表示效果很好[8]。

3 結(jié)果與分析

3.1 影響醉馬草分布的環(huán)境變量分析

生態(tài)位模型模擬結(jié)果顯示，隨著等溫性（ Bio_03）和年平均的降水量（Bio_12）的增高，醉馬草的潛在分布概率先增大然后減?。▓Dla，d）。等溫性的值大約等于35時(shí)或年平均降水量達(dá)到400 mm時(shí)，分布概率將分別達(dá)到峰值。隨著最潮濕季度的平均溫度（Bio_08）和季節(jié)性降水（Bio_15）的增高，醉馬草的潛在分布概率首先急速增高隨之增長(zhǎng)速率減緩（圖lc，e）。曾有文獻(xiàn)報(bào)道醉馬草一般生長(zhǎng)在降雨量為200～300 mm的地區(qū)[9]，萌發(fā)最佳溫度為20℃[10]，我們的研究表明年平均降水量達(dá)到400 mm，最潮濕季度的溫度達(dá)到20℃時(shí)，醉馬草的潛在分布概率將達(dá)到90%以上。然而，最冷月的最低溫（ Bio_06）的變化對(duì)醉馬草的潛在分布概率沒有顯著的影響（圖lb），這一結(jié)論與醉馬草抗高寒的特性是一致的。

3.2 醉馬草在青海省的潛在分布區(qū)的預(yù)測(cè)

使用青海矢量地圖作底圖，采用ArcGIS對(duì)醉馬草的分布區(qū)進(jìn)行掩膜提取，然后利用Spatial Analyst模塊的Reclassify功能，基于Natural Breaks分級(jí)的方法[7]，按照醉馬草潛在分布概率將其分布區(qū)分為5個(gè)等級(jí)，概率在0.0～0.2之間為不適合生存區(qū)域、在0.2～0.4之間為適合生存的邊緣區(qū)域、在0.4～0.6之間為低存活率區(qū)域、而0.6 - 0.8為適應(yīng)生存區(qū)域，當(dāng)概率達(dá)到0.8～1.0區(qū)域成為醉馬草泛濫的高危區(qū)。由圖2可以看出青海省的醉馬草基本分布在32°～38.5°N和93°～103°E之間的區(qū)域。其中高危區(qū)和適應(yīng)生存區(qū)主要分布青海省東部區(qū)域，介于101°～103°E之間，在青海的西寧周邊區(qū)域。這一區(qū)域臨近青海湖，依賴黃河水源，草地資要分布青海省中南部地區(qū);低存活率區(qū)域零星的分布在邊緣區(qū)之中，面積較小。

3.3 精度測(cè)評(píng)

生態(tài)位模型模擬20次的AUC平均值為0.88，標(biāo)準(zhǔn)差為0.17，模型對(duì)醉馬草中國(guó)潛在分布區(qū)的預(yù)測(cè)效果較好。

4 討論和小結(jié)

本研究對(duì)青海省醉馬草的潛在分布區(qū)域進(jìn)行定量直觀地預(yù)測(cè)。結(jié)果顯示醉馬草在青海省的潛在分布區(qū)域主要集中在青海湖附近和黃河流域，雖然目前醉馬草的分布范圍遠(yuǎn)小于潛在的適生區(qū)域，但是入侵潛力還是很大。由于醉馬草有耐干旱的特性，在干旱的地區(qū)比牧草更容易生存，與牧草競(jìng)爭(zhēng)更具優(yōu)勢(shì)，導(dǎo)致大量的牧場(chǎng)退化，對(duì)畜牧業(yè)造成了重大損失。盡管現(xiàn)在醉馬草在青海省僅僅是局域性的分布，但是預(yù)測(cè)結(jié)果顯示其潛在可擴(kuò)散生存的區(qū)域相當(dāng)廣泛，幾乎達(dá)到青海省總面積的1/2，因此醉馬草的潛在危害不容忽視。特別是近年來(lái)，青海湖流域草地總體呈退化趨勢(shì)[11]，所以青海省應(yīng)作為防止醉馬草擴(kuò)散的重點(diǎn)保護(hù)地區(qū)，對(duì)醉馬草可能會(huì)發(fā)生的區(qū)域給予高度重視，做好嚴(yán)密的防范措施，以阻止其擴(kuò)散到更大的面積。

本研究由于沒有研究區(qū)域土壤類型、地形變量和植被分布等因素的相應(yīng)數(shù)據(jù)，所以在模擬過程通過相關(guān)性分析篩選出3個(gè)溫度因素（即等溫性、最冷月份的最低溫度和最潮濕季度的平均溫度）和2個(gè)降水量因素（即年平均降雨量和季節(jié)性降雨量），只研究其對(duì)醉馬草的影響。此外，醉馬草樣本記錄數(shù)據(jù)只是單一的從CVH上獲取，數(shù)量較少且具有一定的局限性。如果能夠綜合所有對(duì)醉馬草生存有影響的因素，并具有完備的樣本記錄數(shù)據(jù)，生態(tài)位模型模擬將會(huì)得到更加準(zhǔn)確的預(yù)測(cè)結(jié)果。在上述關(guān)于醉馬草潛在分布區(qū)域的預(yù)測(cè)中所產(chǎn)生的各種數(shù)據(jù)都只是一種模擬推測(cè)，并不是由實(shí)地考察產(chǎn)生的，但是本研究結(jié)果對(duì)醉馬草防控策略的制定可提供一定的參考。

參考文獻(xiàn)：

[1]李春杰，高嘉卉，馬斌.我國(guó)醉馬草的幾種病害[J].草業(yè)科學(xué)，2003，21（11）：51～53.

[2]陳為江，王光雷，劉金定.絨山羊醉馬草中毒的治療[J].草食家畜，2013（1）：67～68.

[3]李學(xué)森，任繼生.醉馬草生態(tài)控制的研究[J].草業(yè)學(xué)報(bào)，1996（2）：14～17.

[4]Albright T P，Chen H， Chen L，et alI The ecological niche andreciprocal prediction of the disjunct distribution of an invaslve species： the example of Ailanthus altissima [J]. Biological Invasions，2010（12）：2413～2427.

[5]Peterson AT.Predicting the geography of species'invasions via ec-ological niche modeling[J]. Quarterly Review of Biology， 2003（78）：419～433.

[6]Phillips S J.Anderson， R.P.， Schapire， R.E.. Maximum entropymodeling of species geographic distributions[J]. Ecological Mod-elling， 2006（190）：231～259.

[7]張穎，李君，林蔚，等.基于最大熵生態(tài)位元模型的入侵雜草春飛蓬在中國(guó)潛在分布區(qū)的預(yù)測(cè)[J].應(yīng)用生態(tài)學(xué)報(bào)，2011，22（11）：2970～2976.

[8]Swets J A.Measuring the accuracy of diagnostic systems [J].Sci-ence，1988（240）：1285～1293.

[9]薩赫都拉·霍曼，醉馬草及其防治措施[J]。草業(yè)科學(xué)，1992，9（5）：36～37.

[10]魚小軍，陳本建，師尚禮，等.馬燕玲溫度和水分對(duì)醉馬草種子萌發(fā)的影響[J].草地學(xué)報(bào)，2009，17（2）：218～221.

[11]童李霞，燕琴，駱成風(fēng)，等.青海湖流域草地時(shí)空變化特征初探[J].青海草業(yè)，2017，26（3）;7～12.