秦思思, 顏玉娟, 歐陽晟

基于MAXENT模型和Arc GIS預(yù)測蠟梅適生域在中國的潛在分布

秦思思, 顏玉娟*, 歐陽晟

中南林業(yè)科技大學(xué)風(fēng)景園林學(xué)院, 長沙 410004

蠟梅()是我國二級(jí)瀕危珍稀植物, 是重要的冬季傳統(tǒng)觀花植物。利用已報(bào)道的246個(gè)分布點(diǎn)和worldclim中提取的19個(gè)氣候因子, 基于最大熵(Maxent)模型和地理信息系統(tǒng)(Arc Gis)對(duì)蠟梅在中國的潛在適生區(qū)分布進(jìn)行預(yù)測分析, 采用受試者工作特征(ROC)曲線對(duì)預(yù)測結(jié)果進(jìn)行檢驗(yàn)和評(píng)價(jià)。結(jié)果表明蠟梅的潛在適生范圍相對(duì)集中, 主要集中在西南的四川盆地、華中、華東及華北的中南部地區(qū), 其他地區(qū)則適應(yīng)性較低。溫度是影響蠟梅分布的決定性因子, 其中, 當(dāng)最冷季度平均溫度接近0℃, 等溫性范圍為0—10℃, 降雨量變異系數(shù)約為45時(shí), 蠟梅的分布概率最大。與原分布區(qū)相比較, 蠟梅的適生區(qū)范圍正向中國東部地區(qū)和北部地區(qū)遷移。ROC曲線檢驗(yàn)評(píng)價(jià)結(jié)果表明, Maxent模型的ROC曲線分析法的面積(AUC)值為0.986, 預(yù)測結(jié)果達(dá)到了極高精度。

蠟梅; Maxent; Arc GIS; 模型預(yù)測

0 前言

蠟梅()又稱臘梅, 為蠟梅科(Calycanthaceae)蠟梅屬(Chimonanthus)落葉灌木, 是我國二級(jí)瀕危植物, 是經(jīng)第四季冰川遺留下的亞熱帶代表植物之一, 冬季開花, 具有極高的觀賞價(jià)值、藥用價(jià)值和深厚的文化寓意。據(jù)《中國植物志》記載, 蠟梅主要生于山地林中, 中國野生蠟梅主要分布在山東、江蘇、安徽、浙江、福建、江西、湖南、湖北、河南、陜西、四川、貴州、云南等省, 廣西、廣東等省區(qū)均有栽培[1]。在蠟梅的資源分布方面, 部分研究者進(jìn)行了實(shí)地調(diào)查研究, 張啟翔等[2]對(duì)湖北神農(nóng)架陽日鎮(zhèn)野生蠟梅資源開展了3次調(diào)查, 對(duì)該地的野生蠟梅進(jìn)行了資源調(diào)查及群落分析。陳慧君等[3]就湖北保康天然蠟梅資源分布及其生態(tài)環(huán)境進(jìn)行了初步研究, 蠟梅在中國的野生分布區(qū)主要集中在鄂西、湘西北、浙西北等地。宋興榮等[4]對(duì)四川省萬源市野生臘梅資源調(diào)查進(jìn)行調(diào)查研究, 其結(jié)果表明該地野生蠟梅具有保存完整, 分布廣而集中, 生境差等特點(diǎn)。調(diào)查結(jié)果表明, 蠟梅野生分布區(qū)具有穩(wěn)定性, 且多分布集中, 生境要求不高, 適應(yīng)性強(qiáng), 是極具潛力的園林冬季觀花植物。

目前常用的物種潛在分布區(qū)生態(tài)位模型有多種, 與傳統(tǒng)的實(shí)地踏查法相比, 生態(tài)位模型的應(yīng)用能更大程度的節(jié)省人力財(cái)力, 且方法簡單, 結(jié)果可靠有效。Maxent模型和Arc Gis軟件的配合使用已廣泛應(yīng)用于物種的潛在分布區(qū)預(yù)測[5-8], 主要涉及領(lǐng)域有藥用植物[9-11]、入侵物種[12-13]、珍惜瀕危物種[14-15]、病蟲害防治[16-17]等。Maxent模型的主要作用機(jī)理在于能夠根據(jù)僅有的數(shù)據(jù)信息, 找出物種分布的最大熵, 繼而預(yù)測物種的潛在分布區(qū)[18], 且Maxent模型相較于其他預(yù)測模型, 其應(yīng)用領(lǐng)域更為廣泛, 預(yù)測結(jié)果更為精確[19-20]。多項(xiàng)研究表明, Maxent 模型對(duì)于物種的潛在分布預(yù)測結(jié)果明顯要優(yōu)于其他預(yù)測模型, 特別是在物種分布數(shù)據(jù)不齊全的情況下, 使用Maxent模型預(yù)測潛在分布區(qū)往往能取得更好的預(yù)測結(jié)果[21-22]。羅玫等[23]以大熊貓數(shù)據(jù)為研究對(duì)象, 分別使用Biomod2和MaxEnt兩種軟件進(jìn)行分布區(qū)的預(yù)測, 結(jié)果表明在誤差允許范圍內(nèi), 建議優(yōu)先使用MaxEnt模型預(yù)測。曹向鋒等[24]采用了5種生態(tài)位模型, GARP(the genetic algorithm for rule-set predi-ction)、Maxent、ENFA((ecological niche factor analysis)、Bioclim和Domain對(duì)黃頂菊(())在中國的適生區(qū)進(jìn)行預(yù)測, 結(jié)果表明Maxent模型的模擬精度最好?？紤]到預(yù)測結(jié)果的精準(zhǔn)性及可靠性, Arc Gis軟件繪圖的準(zhǔn)確性及美觀性, 本文利用Arc Gis軟件與Maxent模型, 結(jié)合前人的標(biāo)本信息和調(diào)查數(shù)據(jù), 首次從生態(tài)位模型角度對(duì)蠟梅的適生分布區(qū)進(jìn)行空間化分析及預(yù)測, 并結(jié)合已有的生境環(huán)境分析進(jìn)行模型準(zhǔn)確性驗(yàn)證, 分析影響蠟梅生存的主要生境因子并模擬其空間分布區(qū)域, 旨在為蠟梅的野生資源保護(hù)以及更大范圍的引種栽培提供有價(jià)值的理論參考。

1 材料和方法

1.1 數(shù)據(jù)收集整理

蠟梅地理位置數(shù)據(jù)主要來源于已發(fā)表的文獻(xiàn)資料、教學(xué)標(biāo)本標(biāo)準(zhǔn)化整理整合與資源共享平臺(tái)(http: // mnh.scu.edu.cn/)、中國數(shù)字植物標(biāo)本館(http: //www. cvh.ac.cn//)、中國物種信息系統(tǒng)(http: //www.china biodiversity.com/)等, 共收集到246個(gè)經(jīng)緯度信息準(zhǔn)確的蠟梅分布點(diǎn)。

環(huán)境數(shù)據(jù)采用從世界氣候數(shù)據(jù)庫Worlclim中下載的19個(gè)生物氣候變量, 本文就19個(gè)生物氣候變量對(duì)蠟梅的適生區(qū)進(jìn)行相關(guān)性分析。

1.2 方法

采用Excel軟件用于原始數(shù)據(jù)的收集整理, 利用Google Earths拾取246個(gè)分布點(diǎn)的經(jīng)緯度, 然后將Arc Gis輸出的蠟梅標(biāo)本分布點(diǎn)和19個(gè)生物氣候變量導(dǎo)入到Maxent中, 隨機(jī)選取數(shù)據(jù)的75%標(biāo)本點(diǎn)用于模型的構(gòu)建, 剩余25%的標(biāo)本分布點(diǎn)用于模型的驗(yàn)證。采用刀切法(jacknife)網(wǎng)格化評(píng)估, 每次從19個(gè)氣候環(huán)境變量中剔除1個(gè), 得到新的樣本, 之后由每個(gè)樣本計(jì)算估計(jì)值, 循環(huán)往復(fù), 據(jù)此來逐步確定個(gè)變量在模型中的貢獻(xiàn)值, 從而準(zhǔn)確判斷出影響蠟梅分布的主導(dǎo)因子, 之后進(jìn)行敏感性分析, 定量分析各因素對(duì)蠟梅分布的影響程度, 以輸出數(shù)據(jù)的貢獻(xiàn)性大小作為各因子對(duì)蠟梅分布影響大小的評(píng)判, 數(shù)值越大, 則影響越大。

Maxent模型預(yù)測結(jié)果的精度檢驗(yàn), 以受試者(25%標(biāo)本點(diǎn))工作特征曲線下的面積值即AUC作為檢驗(yàn)標(biāo)準(zhǔn), AUC的取值范圍為0.5—1[25], 其中0.5—0.7診斷價(jià)值較低, 0.8—0.9診斷價(jià)值中等, 0.9—1.0則為診斷價(jià)值達(dá)到優(yōu)秀水平[26]。

將Maxent模型處理的結(jié)果生成格式為ASCII柵格圖層, 導(dǎo)入ARC GIS 10.2軟件后與中國行政區(qū)劃圖進(jìn)行疊加, 輸出蠟梅潛在適生區(qū)分布圖, 根據(jù)圖面結(jié)果進(jìn)行分析總結(jié)。

2 結(jié)果與討論

2.1 地理分布概況

從收集到的標(biāo)本點(diǎn)來看, 蠟梅分布區(qū)域在102°38′—121°56′ E, 20°01′—40°11′ N, 主要集中在西南東部、華中、華東地區(qū), 遍及四川、貴州、重慶、湖南、湖北、江西、安徽、河南、北京、江蘇、浙江、福建、廣東、云南、甘肅、山東、海南、廣西、上海共20個(gè)省級(jí)行政區(qū), 其中以湖南、湖北、重慶、浙江、上海分布區(qū)域最廣(圖1)。王建梅等[27]人認(rèn)為我國蠟梅資源主要分布在秦嶺以南, 橫斷山脈以東的廣大區(qū)域, 這一結(jié)論與圖1中蠟梅樣點(diǎn)的分布情況基本一致。

根據(jù)蠟梅的海拔分布圖(圖2)并結(jié)合標(biāo)本點(diǎn)的海拔分析發(fā)現(xiàn): 蠟梅的海拔分布區(qū)間主要在100—2000 m, 其中分布點(diǎn)最多的集中在500—1000 m區(qū)間內(nèi), 該海拔范圍地形以山地為主, 多山巒和山脈。文獻(xiàn)調(diào)查發(fā)現(xiàn), 目前發(fā)現(xiàn)的蠟梅自然種質(zhì)資源集中地主要有湖北神農(nóng)架及附近、四川大巴山、巫溪、達(dá)州、湖南石門鄉(xiāng)、浙江華東地區(qū)等地, 其地形特點(diǎn)與所得結(jié)論大體一致。

圖1 蠟梅標(biāo)本點(diǎn)分布圖

Figure 1 The distribution map of the specimen of dried plum

根據(jù)蠟梅樣點(diǎn)的生境植被類型圖(圖3)分析發(fā)現(xiàn): 蠟梅主要分布在常綠闊葉林、落葉闊葉林、莊稼、稻田以及其他植被區(qū), 其中常綠闊葉林、落葉闊葉林和其他植被區(qū)分布數(shù)量最多。趙冰等[28]對(duì)蠟梅屬植物的生境及分布特點(diǎn)進(jìn)行了分析總結(jié), 其結(jié)果表明蠟梅更喜生于暖溫帶、亞熱帶濕潤的常綠落葉闊葉混交林和常綠闊葉林地帶, 與本文所得結(jié)論一致, 由此也進(jìn)一步驗(yàn)證了數(shù)據(jù)收集的可靠性高。結(jié)合蠟梅分布海拔及典型的常綠闊葉林和落葉闊葉林的土壤類型來看, 該分布范圍內(nèi)的土壤以黃壤、黃棕壤和棕壤居多。

2.2 適生區(qū)分析

運(yùn)用Arc GIS將Maxent輸出結(jié)果與中國行政圖進(jìn)行疊加, 得出了蠟梅的適生區(qū)分布圖(見圖4)。將潛在適生區(qū)按生境適應(yīng)指數(shù)劃分為5個(gè)等級(jí): 0—0.1248非適應(yīng)區(qū), 0.1248—0.2466低適應(yīng)區(qū), 0.2466—0.4933適應(yīng)區(qū), 0.4933—0.6166較適應(yīng)區(qū), 0.6166—0.7400最適應(yīng)區(qū)。結(jié)果表明, 蠟梅的潛在適生分布區(qū)與蠟梅的標(biāo)本樣點(diǎn)分布區(qū)(圖1)高度一致。由表1可知, 蠟梅的非適應(yīng)區(qū)面積最大, 占國土總面積的69.46%, 涉及省份最廣。蠟梅的核心潛在分布區(qū)(適應(yīng)區(qū)、較適應(yīng)區(qū)、最適應(yīng)區(qū))占國土總面積的26.14%, 遠(yuǎn)小于非適應(yīng)區(qū)。其次為最適區(qū), 占比14.44%, 適應(yīng)區(qū)占7.36%, 較適應(yīng)區(qū)和低適應(yīng)區(qū)分別占比4.356%、4.40%。其中, 適應(yīng)區(qū)所分布區(qū)域涉及省份僅少于非適應(yīng)區(qū), 明顯高于其他分區(qū)。

圖2 蠟梅樣點(diǎn)的海拔分布圖

Figure 2 Elevation distribution of the sample spot of bologna

圖3 生境植被類型圖

Figure 3 Habitat vegetation type map

結(jié)合分析圖4與表1可得: 蠟梅最適應(yīng)區(qū)主要分布在四川盆地(四川東部及重慶)、上海、江蘇的南部(南京、常州、無錫、蘇州、南通、揚(yáng)州及泰州南部)及湖北的中部(荊門、孝感)地區(qū)。較適應(yīng)區(qū)主要分布在山東的西部(德州、聊城、濟(jì)南、菏澤、濟(jì)寧、泰安)及東部(青島、煙臺(tái))地區(qū)、安徽、江蘇北部(鹽城、徐州、宿州、連云港、淮安、揚(yáng)州及泰州北部)、河南最南部(信陽、南陽東部)、天津及北京的大部分地區(qū); 適應(yīng)區(qū)主要分布在廣西北部(河池、柳州、桂林)、河南中部(鄭州及南陽西部局部區(qū)域)、陜西中南部(寶雞、咸陽、渭陽)、湖北西部(十堰、施恩土家苗族自治州、宜昌西部)、山東中北部(濰坊)及東部(威海東部區(qū)域)、河北南部(保定、石家莊、衡水、邢臺(tái)、邯鄲)、湖南、貴州、江西3省的大部分地區(qū); 其他區(qū)域則為不適應(yīng)區(qū)和低適應(yīng)區(qū)。

從圖4與圖1的比較可發(fā)現(xiàn), 蠟梅的適生區(qū)范圍正向中國東部地區(qū)和北部地區(qū)遷移, 其原因可能與全球氣候變暖有關(guān)。與原分布樣點(diǎn)相比, 四川盆地仍為蠟梅的重點(diǎn)分布區(qū), 湖南南部、江西中部及鄱陽湖周邊、安徽北部、河南東部、河北南部、山東全省、江蘇北部及廣東北部均為原分布點(diǎn)外可擴(kuò)增栽培區(qū)域。

2.3 模型精度檢驗(yàn)

利用ROC曲線分析法對(duì)蠟梅的Maxent模型預(yù)測進(jìn)行精度檢驗(yàn), 曲線下得到的面積即為AUC值, 常用作模型預(yù)測準(zhǔn)確性的指標(biāo), 其數(shù)值越接近1.0則表明預(yù)測結(jié)果越準(zhǔn)確[29]。圖5顯示, 本次檢驗(yàn)AUC數(shù)值為0.981, 遠(yuǎn)大于隨機(jī)測試值0.5, 屬于優(yōu)秀(0.9-1.0)范圍, 由此表明Maxent模型的準(zhǔn)確性極好, 可以用來預(yù)測蠟梅的潛在分布區(qū)。

2.4 主導(dǎo)氣候因子的確定

根據(jù)參與模型構(gòu)建的19個(gè)生物氣候變量對(duì)Maxent模型的貢獻(xiàn)率, 可以判斷出影響蠟梅分布的主要環(huán)境因子, 各因子的影響大小如表1所示, 結(jié)果表明19個(gè)生物氣候因子中有16個(gè)環(huán)境因子對(duì)蠟梅的分布有影響, 其中3個(gè)因子的貢獻(xiàn)率大于10%, 分別為: 最冷季度平均溫度度占47.8%, 等溫性占16.1%, 降水量變異系數(shù)占10.7%, 累積貢獻(xiàn)率高達(dá)74.6%。由此說明最冷季度平均溫度、等溫性、降水量變異系數(shù)三個(gè)因子為影響蠟梅分布的主導(dǎo)因子, 其中最冷季度平均溫度是影響蠟梅分布的最大氣候因子, 這與蠟梅耐寒、耐旱、怕澇的生長習(xí)性是一致的。其中最冷季度平均溫度和等溫性(晝夜溫差月均值/最冷月最低溫)2個(gè)氣候因子貢獻(xiàn)率高達(dá)63.9%, 約為降水量變異系數(shù)所占貢獻(xiàn)率的6倍之多。由此可看出, 溫度可能是影響蠟梅分布的決定性氣候因素。25 ℃為蠟梅種子發(fā)芽的最適溫度, 低于或高于該溫度, 蠟梅的發(fā)芽率及生長均會(huì)受到抑制, 且蠟梅種子在0 ℃時(shí)無法萌發(fā)[30], 這可能是溫度限制其物種擴(kuò)增的一個(gè)重要的手段。溫度影響物種的分布在南方紅豆杉()[31]、小葉櫟()[32]、水葫蘆()[33]等物種的地理分布研究中均有體現(xiàn)。從圖4可知, 蠟梅的適生區(qū)范圍有向中國東部地區(qū)和北部地區(qū)遷移的趨勢, 其原因也可能與全球氣候變暖密切相關(guān)。

圖4 潛在適生區(qū)分布圖

Figure 4 Distribution of potential suitable areas

表1 潛在適生區(qū)預(yù)測分區(qū)面積統(tǒng)計(jì)

圖5 ROC曲線及AUC值

Figure 5 ROC curve and AUC value

從Maxent模型輸出的最冷季度平均溫度與地理分布概率的關(guān)系圖(圖6)可以看出: 整個(gè)曲線呈現(xiàn)先升后降趨勢, 當(dāng)最冷季度平均溫度為0℃時(shí), 分布率達(dá)到最高峰, 約為82%, 當(dāng)最冷季平均溫度低于0℃時(shí), 蠟梅分布急劇下降。由此可說明, 最冷季平均溫度為0℃時(shí)是蠟梅分布的臨界溫度, 低于該溫度不利于蠟梅的栽培繁殖。

從Maxent模型輸出的等溫性與地理分布概率的變化趨勢圖(圖7)中可看出: 曲線呈不斷下降趨勢, 溫度保持在0—10 ℃時(shí), 分布率最大, 高達(dá)90%, 之后隨溫度的上升, 分布率呈現(xiàn)不斷下降的態(tài)勢, 由此得出等溫性變化范圍在0-10℃范圍內(nèi)蠟梅的分布概率最大。

從Maxent模型輸出的降水量變異系數(shù)與地理分布概率的變化趨勢圖(圖8)可看出: 曲線呈現(xiàn)先升后降的趨勢, 降水量變異系數(shù)在0—45范圍內(nèi)分布率呈現(xiàn)急速上升的趨勢, 變異系數(shù)在45以后開始下降, 下降趨勢較為平緩。由此可得出降雨量變異系數(shù)在45左右時(shí), 蠟梅的分布概率最大。

表2 最大熵模型各環(huán)境變量的貢獻(xiàn)

圖6 最冷季度平均溫度變化趨勢

Figure 6 Trends of mean temperature in the coldest quarter

圖7 等溫性變化趨勢

Figure 7 Trend of isothermal variation

圖8 降水量變異系數(shù)變化趨勢

Figure 8 Variation trend of precipitation coefficient

3 結(jié)論

綜合分析表明, 海拔100—2000 m, 植被類型為常綠闊葉林、落葉闊葉林, 土壤類型為黃壤、黃棕壤和棕壤是蠟梅生長的適宜環(huán)境。蠟梅的核心適生區(qū)分布范圍小, 僅占國土總面積的26.14%, 由此可見, 蠟梅在中國的適應(yīng)范圍具有一定的局限性, 分布相對(duì)集中。結(jié)合環(huán)境氣候因子對(duì)蠟梅的適生分布進(jìn)行預(yù)測表明, 影響蠟梅分布的環(huán)境氣候因子共16個(gè), 其中最冷季度平均溫度、等溫性及降水量系數(shù)3個(gè)因子是影響其分布的主導(dǎo)因子, 且當(dāng)最冷季度平均溫度低于0 ℃, 等溫性變化范圍在0—10 ℃, 降水量變異系數(shù)在45左右, 蠟梅的分布概率最大。因而, 在進(jìn)行蠟梅的引種栽培時(shí), 可將這些指標(biāo)作為引種地選擇的參考。隨著全球氣候變暖的影響, 蠟梅的分布有向中國東部地區(qū)和北部地區(qū)遷移的趨勢, 因而在引種栽培時(shí), 可在保證蠟梅正常生長的前提下, 可適當(dāng)小幅度地向東部和北部地區(qū)遷移。

本文利用生態(tài)位模型對(duì)蠟梅的適生區(qū)進(jìn)行預(yù)測分析, 對(duì)于預(yù)測蠟梅潛在適生分布區(qū)的野生資源保護(hù)范圍, 為蠟梅引種地選擇提供參考依據(jù), 以及對(duì)蠟梅作為觀賞植物在園林景觀中更大范圍的應(yīng)用的可行性提供理論支持。本文存在的不足在于研究選取的19個(gè)環(huán)境變量并不能完全代表影響蠟梅的地理分布的因素, 除去所選取的因子外, 其他非生物因素如: 光照、空氣、土壤等, 生物因素如人為因素、物種間的影響等都對(duì)物種的分布有重要影響[34]。因此, 在今后的研究中可將各類生物因素和非生物因素歸入模型中加以考慮, 可得到更為準(zhǔn)確的分布區(qū)預(yù)測, 從而建立更為完善的蠟梅種質(zhì)資源保護(hù)體系, 同時(shí)也為蠟梅的引種栽培提供更為可靠的理論依據(jù)。

[1] 中國科學(xué)院中國植物志編輯委員會(huì). 中國植物志(第三十卷)[M]. 北京: 科學(xué)出版社, 1992.

[2] 趙冰, 張啟翔. 湖北神農(nóng)架地區(qū)陽日鎮(zhèn)野生蠟梅資源的調(diào)查[J]. 北方園藝, 2008(2): 103–106.

[3] 陳慧君, 謝其明. 湖北?？堤烊幌灻焚Y源分布及其生態(tài)環(huán)境初探[J]. 植物科學(xué)學(xué)報(bào), 1988, (2): 157–162.

[4] 宋興榮, 袁蒲英, 熊昌發(fā). 四川省萬源市野生臘梅資源調(diào)查研究[J]. 植物遺傳資源學(xué)報(bào), 2015, 16(2): 231–237.

[5] 柳曉燕, 李俊生, 趙彩云, 等. 基于MAXENT模型和ArcGIS預(yù)測豚草在中國的潛在適生區(qū)[J]. 植物保護(hù)學(xué)報(bào), 2016, 43(6): 1041–1048.

[6] MORENO R, ZAMORA R, MOLINA J R, et al. Predictive mo-deling of microhabitats for endemic birds in South Chilean temperate forests using Maximum entropy (Maxent)[J]. Ecological Informatics, 2011, 6(6): 364–370.

[7] SOLHJOUYFARD S, SARAFRAZI A. Patterns of niche overlapping and richness among Geocoris species (Hemiptera: Geoco-ridae) in Iran [J]. Biocontrol Science & Technology, 2016, 26(9): 1–23.

[8] PHILLIPS S J, DUDIK M. Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation[J]. Ecography, 2008, 31(2): 161–175.

[9] 董光, 何蘭, 程武學(xué). 基于MaxEnt和GIS技術(shù)的桔梗適宜性分布區(qū)劃研究[J]. 中藥材, 2019, 42 (1): 66–70.

[10] 王哲, 李波, 姜大成, 等. 基于MaxEnt模型和GIS技術(shù)的吉林省玉竹主導(dǎo)環(huán)境因子與生態(tài)適宜性區(qū)劃研究[J]. 時(shí)珍國醫(yī)國藥, 2018, 29(9): 2250–2253.

[11] 王丹, 衛(wèi)海燕, 楊洋, 等. 基于MaxEnt和GIS的竹葉柴胡適生區(qū)分布預(yù)測[J]. 中藥材, 2017, 40(2): 301–305.

[12] 洪宇辰, 楊星萍, 賀倩, 等. 基于GIS和MaxEnt模型的川內(nèi)澤蘭屬植物生境適宜性評(píng)價(jià)[J]. 山東農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2018, 49(5): 759–762.

[13] 張穎. 基于GIS的生態(tài)位模型預(yù)測源自北美的菊科入侵物種的潛在適生區(qū)[D]. 南京: 南京農(nóng)業(yè)大學(xué), 2011: 13–73.

[14] 譚鈺凡, 左小清. 基于GIS與Maxent模型的金花茶潛在適生區(qū)與保護(hù)研究[J]. 熱帶亞熱帶植物學(xué)報(bào), 2018, 26(1): 24–32.

[15] 席慶. 基于GIS技術(shù)的白頭葉猴潛在分布研究[D]. 南京: 南京林業(yè)大學(xué), 2009: 48–53.

[16] 崔麟, 魏洪義. 基于MaxEnt和DIVA-GIS的亮壯異蝽潛在地理分布預(yù)測[J]. 植物保護(hù)學(xué)報(bào), 2016, 43(3): 362– 368.

[17] 鄭利娟. 基于MaxEnt的華山松大小蠹在中國潛在分布區(qū)預(yù)測[C]//中國氣象學(xué)會(huì). 第34屆中國氣象學(xué)會(huì)年會(huì) S12 提升氣象科技水平, 保障農(nóng)業(yè)減災(zāi)增效論文集,北京: 中國氣象學(xué)會(huì), 2017: 644–649.

[18] PHILLIPS S J, ANDERSON R P, SCHAPIRE R E. Maximum entropy modeling of species geographic distributions[J]. Ecological Modelling, 2006, 190(3): 231–259.

[19] PHILLIPS S J, SCHAPIRE R E. A maximum entropy approach to species distribution modeling[C]// International Conference on Machine Learning. ACM, 2004: 83.

[20] HAI L C, NG H T. A maximum entropy approach to infor-mation extraction from semi-structured and free text[C]// Eighteenth national conference on Artificial intelligence. American Association for Artificial Intelligence, 2002: 786–791.

[21] 馬松梅, 張明理, 張宏祥, 等. 利用最大熵模型和規(guī)則集遺傳算法模型預(yù)測孑遺植物裸果木的潛在地理分布及格局[J]. 植物生態(tài)學(xué)報(bào), 2010, 34(11): 1327–1335.

[22] 張海娟, 陳勇, 黃烈健, 等. 基于生態(tài)位模型的薇甘菊在中國適生區(qū)的預(yù)測[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2011, 27(S1): 413– 418, 420.

[23] 羅玫, 王昊, 呂植. 使用大熊貓數(shù)據(jù)評(píng)估Biomod2和MaxEnt分布預(yù)測模型的表現(xiàn)[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2017, 28(12): 4001–4006.

[24] 曹向鋒, 錢國良, 胡白石, 等. 采用生態(tài)位模型預(yù)測黃頂菊在中國的潛在適生區(qū)[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2010, 21(12): 3063–3069.

[25] 宋花玲. ROC曲線的評(píng)價(jià)研究及應(yīng)用[D]. 上海: 第二軍醫(yī)大學(xué), 2006: 14–20.

[26] 王運(yùn)生, 謝丙炎, 萬方浩, 等. ROC曲線分析在評(píng)價(jià)入侵物種分布模型中的應(yīng)用[J]. 生物多樣性, 2007, 15(4): 365–372.

[27] 王建梅. 豫北地區(qū)蠟梅品種資源調(diào)查及其觀賞特性研究[D].南京: 南京林業(yè)大學(xué), 2012: 2–3.

[28] 趙冰. 蠟梅種質(zhì)資源遺傳多樣性與核心種質(zhì)構(gòu)建的研究[D].北京: 北京林業(yè)大學(xué), 2008: 44–45.

[29] 劉靜遠(yuǎn), 陳林, 宋紹祎, 等. 基于MAXENT的維氏粒線蟲()在我國的潛在分布研究[J]. 植物保護(hù), 2016, 42(6): 86–89.

[30] 趙婷婷, 黎云祥, 賀俊東. 溫度脅迫對(duì)蠟梅種子萌發(fā)的影響[J]. 綿陽師范學(xué)院學(xué)報(bào), 2014, 33(2): 63–68.

[31] 謝偉東. 南嶺山地南方紅豆杉遺傳變異與氣候因子相關(guān)性研究[D]. 長沙: 中南林業(yè)科技大學(xué), 2017: 32–36.

[32] 李垚, 張興旺, 方炎明. 小葉櫟分布格局對(duì)末次盛冰期以來氣候變化的響應(yīng)[J]. 植物生態(tài)學(xué)報(bào), 2016(11): 1164–1178.

[33] 李宏群, 李宇軒, 劉曉莉, 等. 基于Maxent生態(tài)位模型的水葫蘆在中國的適生區(qū)預(yù)測[J]. 生態(tài)科學(xué), 2018, 37(3): 143–147.

[34] 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): 4827–4835.

Prediction of the potential distribution ofin China based on MAXENT model and Arc GIS

Qin Sisi, Yan Yujuan*, Ouyang Sheng

School of Landscape Architecture, Central South University of Forestry and Technology, Changsha 410004, China

is a second-class endangered plant in China and an important traditional ornamental flower in winter. Based on the reported 246 distribution points and the 19 climatic factors extracted from worldclim, the distribution of potential suitable areas ofin China was predicted and analyzed based on the maximum entropy (Maxent) model and geographic information system (Arc Gis), and the predicted results were tested and evaluated by ROC curve. The results showed that the potential suitable rangeofwas relatively concentrated, mainly concentrated in Sichuan Basin in Southwest China, Central China, East China and the central and southern parts of North China, and the adaptability was relatively low in other areas. Temperature was the decisive factor affecting the distribution of. Among them, when the coldest quarter average temperature was close to 0 °C, the isothermal range was 0-10 °C, and the variation coefficient of rainfall was about 45, the distribution probability ofwas the largest. Compared with the original distribution area, the suitable area of thewas moving towards the eastern and northern regions of China. The ROC curve test and evaluation results showed that thearea (AUC) value of the ROC curve analysis method ofMaxentmodel was 0.986, and the prediction result reached extremely high precision.

; maximum entropy (Maxent); geographic information system (Arc Gis); model prediction

10.14108/j.cnki.1008-8873.2020.03.008

S685.9

A

1008-8873(2020)03-049-08

2019-05-06;

2019-09-05

國家林業(yè)局“十三五”重點(diǎn)學(xué)科項(xiàng)目([2015]44); 湖南省教育廳“十二五”重點(diǎn)學(xué)科項(xiàng)目(2011-76); 湖南高校一流本科專業(yè)（湘教通〔2019〕138號(hào)）（園林專業(yè)）

秦思思（1995—）, 女, 湖南衡陽人, 碩士研究生在讀, 主要從事園林植物與應(yīng)用，E-mail: 2245920453@qq.com

顏玉娟, 女, 博士, 副教授，主要從事植物景觀規(guī)劃與設(shè)計(jì)、園林植物資源與應(yīng)用、植物景觀維護(hù)，E-mail: 1964610285@qq.com

秦思思，顏玉娟，歐陽晟. 基于MAXENT模型和Arc GIS預(yù)測蠟梅適生域在中國的潛在分布[J].生態(tài)科學(xué), 2020, 39(3): 49–56.

Qin Sisi, Yan Yujuan, Ouyang Sheng. Prediction of the potential distribution ofin China based on MAXENT Model and Arc GIS [J]. Ecological Science, 2020, 39(3): 49–56.