杜鳳國(guó)，蘭雪涵

(1.北華大學(xué)林學(xué)院，吉林 吉林 132013；2.長(zhǎng)白山特色森林資源保育與高效利用國(guó)家林業(yè)局重點(diǎn)實(shí)驗(yàn)室，吉林 吉林 132013)

豚草(AmbrosiaartemisiifoliaL.)隸屬菊科(Asteraceae)豚草屬(AmbrosiaL.)，為1 a生風(fēng)媒草本植物，原產(chǎn)于美國(guó)和墨西哥等國(guó)家，是世界公認(rèn)的廣布型惡性入侵雜草[1].我國(guó)于2003 年將豚草列入“中國(guó)第一批外來(lái)入侵物種名單”，也是國(guó)家林業(yè)和草原局公布的10大外來(lái)入侵草本植物.吉林省是豚草在中國(guó)的主要入侵區(qū)域之一，并且有快速擴(kuò)散的趨勢(shì).豚草可導(dǎo)致作物減產(chǎn)，使入侵地物種多樣性銳減，同時(shí)，豚草花粉能夠引起人過(guò)敏，嚴(yán)重危及生命健康，對(duì)豚草進(jìn)行有效監(jiān)測(cè)和防控已迫在眉睫.近年來(lái)，豚草研究主要集中在入侵及擴(kuò)散特征[2]、生物量特征[3]、解剖結(jié)構(gòu)[4]、繁殖特性[5]、種實(shí)及群落特征[6]、危害與防治[7-8]等方面.基于MaxEnt模型預(yù)測(cè)豚草分布區(qū)的研究多是從大尺度國(guó)家范圍出發(fā)[9-10]，從省域內(nèi)小尺度的預(yù)測(cè)研究較少，而豚草在吉林省域內(nèi)的潛在適生區(qū)預(yù)測(cè)尚未見(jiàn)報(bào)道.

MaxEnt模型自2006年開(kāi)發(fā)以來(lái)，已廣泛應(yīng)用于物種潛在適生區(qū)預(yù)測(cè)、未來(lái)氣候變化下物種分布預(yù)測(cè)、入侵物種監(jiān)控區(qū)確定等領(lǐng)域[11-13].該模型對(duì)樣本量要求不苛，即使小樣本也具有較高精度和穩(wěn)定性.基于此，本研究將MaxEnt模型、ENM Tools、R語(yǔ)言和地理信息系統(tǒng)(ArcGis)相結(jié)合，預(yù)測(cè)吉林省外來(lái)入侵植物豚草的主要潛在適生區(qū)域，探索影響豚草分布的主導(dǎo)因子，為吉林省監(jiān)測(cè)與防控豚草繼續(xù)傳播和擴(kuò)散提供科學(xué)依據(jù).

1 材料與方法

1.1 地理分布數(shù)據(jù)與處理

采用以下方法獲取豚草的地理分布(經(jīng)緯度)數(shù)據(jù)：1)對(duì)吉林省部分豚草分布地進(jìn)行實(shí)地調(diào)查與測(cè)量，用GPS測(cè)量?jī)x記錄經(jīng)緯度；2)通過(guò)中國(guó)植物數(shù)字標(biāo)本館(CVH，http：∥www.cvh.ac.cn)獲得數(shù)據(jù)；3)檢索與豚草相關(guān)的文獻(xiàn)[4].通過(guò)以上方法獲得豚草56個(gè)地理分布點(diǎn).為了避免由于豚草分布點(diǎn)聚集導(dǎo)致的模型過(guò)度擬合，利用ENM Tools1.4.4軟件的Trim duplicate occurrences功能篩選分布點(diǎn)數(shù)據(jù)，得到用于模擬豚草地理分布點(diǎn)的51個(gè)數(shù)據(jù).

1.2 環(huán)境變量數(shù)據(jù)與處理

注：相關(guān)性大小用色帶表示，藍(lán)色表示正相關(guān)，紅色表示負(fù)相關(guān)，顏色越深相關(guān)性越大.圖1 31個(gè)環(huán)境變量相關(guān)性分析Fig.1Correlation analysis of 31 environmental variables

表1 豚草分布模擬的19個(gè)環(huán)境變量

1.3 MaxEnt模型優(yōu)化

利用MaxEnt模型預(yù)測(cè)吉林省豚草的潛在適生區(qū).將收集到的豚草地理分布點(diǎn)導(dǎo)入MaxEnt模型，其中，75%的地理分布點(diǎn)用于訓(xùn)練集構(gòu)建，25%用于測(cè)試集驗(yàn)證.選擇刀切法創(chuàng)建環(huán)境變量反饋曲線，設(shè)置訓(xùn)練模型所用的feature和β乘數(shù).使用R語(yǔ)言的kuenm軟件包[18]，從模型的40個(gè)β乘數(shù)水平(0.1～4)和29種選擇特征組合[L、Q、P、T，H，LQ，LP，LT，LH，QP，QT，QH，PT，PH，TH，LQP，LQT，LQH，LPT，LPH，QPT，QPH，QTH，PTH，LQPT，LQPH，LQTH，LPTH，LQPTH]等參數(shù)設(shè)置的1 160種模型結(jié)果中進(jìn)行篩選，選擇AICc最小值作為最優(yōu)設(shè)置并建立最終模型.

1.4 模型評(píng)價(jià)及適生區(qū)等級(jí)劃分

通過(guò)ArcGIS 10.4中的Conversion Tools-ASCII to Raster將MaxEnt運(yùn)行優(yōu)化參數(shù)后所得模擬結(jié)果中的asc格式文件轉(zhuǎn)化成柵格數(shù)據(jù)并劃分適生區(qū).參照邵云玲等[9]的方法，劃分適生級(jí)別并標(biāo)注存在概率的范圍：存在概率<0.1，非適生區(qū)；0.1≤存在概率<0.35，低適生區(qū)；0.35≤存在概率<0.6，中適生區(qū)；存在概率≥0.6，高適生區(qū).統(tǒng)計(jì)各適生區(qū)面積并進(jìn)行比較.

本研究中MaxEnt模型使用AUC評(píng)分法(ROC曲線下面積值)評(píng)估所得模型的準(zhǔn)確性.評(píng)估標(biāo)準(zhǔn)分為5個(gè)等級(jí)，分別為較差(AUC≤0.80)、一般(0.80

圖2 MaxEnt模型的豚草預(yù)測(cè)結(jié)果ROC曲線驗(yàn)證Fig.2ROC curve verification of prediction for Ambro- sia artemisiifolia L.by MaxEnt model

2 結(jié)果與分析

2.1 模型準(zhǔn)確性檢驗(yàn)

基于吉林省豚草地理分布點(diǎn)數(shù)量和相應(yīng)的環(huán)境因子預(yù)測(cè)潛在適生區(qū).從1 160種模型結(jié)果中選擇AICc值最小的組合：β乘數(shù)為3.8，feature為PH.使用組合設(shè)置使模型重復(fù)運(yùn)行10次，得到重復(fù)運(yùn)算AUC訓(xùn)練集平均值為0.938(見(jiàn)圖2)，表明模型預(yù)測(cè)達(dá)到“較好”效果，說(shuō)明預(yù)測(cè)結(jié)果有較高的精確度和可信度.

2.2 潛在適生區(qū)預(yù)測(cè)

將MaxEnt模型輸出的結(jié)果導(dǎo)入ArcGis10.4中，利用吉林1∶100萬(wàn)市界數(shù)據(jù)集和吉林省鐵路圖矢量地圖(以上兩個(gè)矢量數(shù)據(jù)均來(lái)自國(guó)家科技基礎(chǔ)條件平臺(tái)——國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心)疊加作為分析底圖，生成吉林省豚草潛在適生分布圖.預(yù)測(cè)結(jié)果顯示：豚草的高適生區(qū)主要分布于吉林省的地級(jí)市、部分縣級(jí)市范圍內(nèi)，以長(zhǎng)春市為中心，呈“樹(shù)狀”向周邊區(qū)域伸展，并沿鐵路線所聯(lián)通的各地級(jí)市呈放射狀分布.涉及的地級(jí)市包括吉林市、四平市、遼源市、通化市、白山市、松原市和白城市以及一些縣級(jí)市.長(zhǎng)春市的高、中潛在適生區(qū)面積最大，達(dá)2 696.11 km2，占該市總面積的13.09%；四平市次之，其高、中潛在適生區(qū)總面積為847.75 km2，占四平市總面積的6.06%；通化市高、中潛在適生區(qū)總面積為555.64 km2，占通化市總面積的3.57%.中、低適生區(qū)沿高適生區(qū)周?chē)蜞徲蚋浇植?豚草在吉林省各地級(jí)行政區(qū)的適生區(qū)面積預(yù)測(cè)見(jiàn)表2.

表2 豚草在吉林省各地級(jí)行政區(qū)的適生區(qū)面積預(yù)測(cè)Tab.2 Prediction of suitable area of Ambrosia artemisiifolia L.in different prefecture-level districts of Jilin Province

2.3 主導(dǎo)環(huán)境變量確定

不同環(huán)境變量對(duì)豚草潛在分布的貢獻(xiàn)率見(jiàn)表3.由表3可見(jiàn)：人類(lèi)活動(dòng)強(qiáng)度變量的貢獻(xiàn)率最大，高達(dá)81.6%；晝夜溫差月均值、最濕月降水量、降水量變異系數(shù)、最暖月最高溫度、溫度季節(jié)性變化標(biāo)準(zhǔn)差、等溫性、土壤酸堿度和生態(tài)系統(tǒng)類(lèi)型8個(gè)環(huán)境變量的累計(jì)貢獻(xiàn)率合計(jì)為18.3%；土壤類(lèi)型、土壤含沙量和坡向等其他環(huán)境變量對(duì)豚草潛在分布的貢獻(xiàn)微乎其微.因此，人類(lèi)活動(dòng)強(qiáng)度環(huán)境變量在預(yù)測(cè)吉林省豚草地理分布中起著主導(dǎo)作用.

表3 MaxEnt 模型中各環(huán)境變量貢獻(xiàn)率Tab.3 Contribution percent of each environmental variables in MaxEnt modeling

3 結(jié)論與討論

3.1 模型精度

MaxEnt 模型屬于高度復(fù)雜的機(jī)械學(xué)習(xí)式模型，在模型運(yùn)行時(shí)，會(huì)造成過(guò)度擬合，直接影響物種的轉(zhuǎn)移能力[20]，導(dǎo)致模型精度降低.有研究[21]表明，通過(guò)使用AICc參數(shù)和調(diào)整正規(guī)化參數(shù)β可以約束MaxEnt模型的復(fù)雜度.本研究使用R語(yǔ)言的kuenm軟件包[18]從模型40個(gè)β乘數(shù)水平和29種選擇特征組合等參數(shù)設(shè)置的1 160種模型結(jié)果中進(jìn)行篩選，選取AICc值最小優(yōu)化設(shè)置.在重新建模后，得到吉林省豚草潛在適生區(qū)預(yù)測(cè)結(jié)果，優(yōu)于默認(rèn)參數(shù)的預(yù)測(cè)結(jié)果.

3.2 潛在適生區(qū)

本研究預(yù)測(cè)的潛在高適生區(qū)多分布于吉林省的長(zhǎng)春市、四平市和通化市等地級(jí)市、縣級(jí)市中心.其中，長(zhǎng)春市的高適生區(qū)面積最大，入侵風(fēng)險(xiǎn)也最高，這與邵云玲等[9]和柳曉燕等[10]預(yù)測(cè)的豚草在吉林省內(nèi)潛在分布區(qū)的部分結(jié)論不同，原因可能是由于所研究的區(qū)域和所選用的環(huán)境變量不同所導(dǎo)致.本文的研究區(qū)域僅針對(duì)吉林省域內(nèi)，同時(shí)盡可能選用更多的環(huán)境因子，如人類(lèi)活動(dòng)強(qiáng)度、土壤類(lèi)型和生態(tài)系統(tǒng)等因子，所以預(yù)測(cè)結(jié)果更趨于實(shí)際地理分布.根據(jù)預(yù)測(cè)結(jié)果，建議長(zhǎng)春市等高風(fēng)險(xiǎn)區(qū)采取有效措施，防控豚草進(jìn)一步傳播和擴(kuò)散，減少豚草對(duì)吉林省城市森林生物多樣性、經(jīng)濟(jì)發(fā)展和人們健康造成的危害.

3.3 主導(dǎo)環(huán)境變量

研究結(jié)果顯示，影響吉林省豚草地理分布的主要環(huán)境變量是人類(lèi)活動(dòng)強(qiáng)度，說(shuō)明人類(lèi)活動(dòng)指數(shù)越高，豚草入侵的概率越大；在鐵路沿線附近的一些縣級(jí)市有高適生區(qū)分布.有研究[22]表明，對(duì)于入侵植物來(lái)說(shuō)，潛在入侵區(qū)除了受氣候、土壤等直接環(huán)境因素影響外，在人類(lèi)活動(dòng)的參與下，大多數(shù)外來(lái)生物進(jìn)入新生境的概率及入侵成功率大幅提升.豚草果實(shí)有刺，可以附著在人的外衣上，很容易隨人類(lèi)活動(dòng)而傳播擴(kuò)散，因此，為防止豚草的進(jìn)一步入侵和擴(kuò)散，相關(guān)部門(mén)應(yīng)嚴(yán)格審核跨省人員流動(dòng)，對(duì)攜帶的物品、運(yùn)輸物品實(shí)施嚴(yán)格檢疫，并加強(qiáng)入境貨物的過(guò)程監(jiān)管.

致謝：感謝“國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心”(http：∥www.geodata.cn)和“東北亞資源環(huán)境大數(shù)據(jù)中心”(http：∥www.igadc.cn)提供數(shù)據(jù)支撐.