摘要： 【目的】分析并預(yù)測(cè)未來氣候變化下金花茶（Camellia petelotii） 的物種分布，研究不同氣候因子對(duì)其分布的影響，為其合理保護(hù)及種植提供理論依據(jù)?！痉椒ā炕谥袊鴶?shù)字植物標(biāo)本館和《中國植物志》在線網(wǎng)站現(xiàn)有的198 條有效標(biāo)本記錄，結(jié)合19 個(gè)氣候因子與SSP1-2.6、SSP5-8.5 情景，利用MaxEnt 模型和ArcGISv10.5 軟件分析當(dāng)前金花茶的地理分布及主要影響因子。分析2050 年和2070 年金花茶的地理分布，探討氣候因子對(duì)適宜生境的影響?！窘Y(jié)果】當(dāng)前氣候下，金花茶主要分布于廣西、廣東中部至沿海地區(qū)，在云南、四川、貴州均有零星分布；在SSP1-2.6 模擬的未來氣候情景下，金花茶主要分布于廣西、廣東、福建、貴州南部、江蘇中部，在云南與四川的零星分布面積增大；在SSP5-8.5 模擬的未來氣候情景下，金花茶主要分布于廣西、廣東、福建、海南、四川東南部、貴州南部、江蘇中部、臺(tái)灣西部，在西藏西南部新增了零星分布?？梢姡磥斫鸹ú璺植贾饕詮V西為中心向北部遷移；在預(yù)測(cè)情景下，SSP5-8.5 的影響明顯高于SSP1-2.6。影響金花茶地理分布的主要?dú)夂蛞蜃訛樽罡稍陆邓?、年平均氣溫、平均氣溫日較差和降水量季節(jié)性變化?！窘Y(jié)論】在未來氣候影響下，金花茶主要由現(xiàn)有分布區(qū)域向北遷移。基于金花茶適宜分布的區(qū)域，應(yīng)依其生長(zhǎng)習(xí)性合理保護(hù)種植，以促進(jìn)資源開發(fā)利用。

關(guān)鍵詞： 金花茶；MaxEnt 模型；地理分布；氣候因子

中圖分類號(hào)： S685.140.19 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)： 1004–390X （2024） 03?0144?08

《中國氣候變化藍(lán)皮書（2021）》指出：全球變暖趨勢(shì)仍在持續(xù)，中國是全球氣候變化的敏感區(qū)和影響顯著區(qū)，升溫速率明顯高于同期全球平均水平。氣候變化對(duì)植物及植物分布存在諸多方面的影響[1]，如地理分布[2]、物種多樣性[3]、植物生態(tài)系統(tǒng)[4]、物種節(jié)律性[5]等。在全球氣候變化的情況下，了解未來氣候?qū)ξ锓N潛在分布區(qū)的影響，有利于物種的開發(fā)利用及保護(hù)等，具有重要的理論及應(yīng)用價(jià)值。目前，研究人員主要利用物種分布模型結(jié)合氣候數(shù)據(jù)對(duì)潛在分布區(qū)進(jìn)行預(yù)測(cè)[6]， 主要的物種分布模型有3 種： MaxEnt、Generic Attribute Registration Protocol （GARP） 和Climex。相較而言，MaxEnt 模型利用最大熵原理，準(zhǔn)確度較高，得到了廣泛的應(yīng)用[7]，如：該模型應(yīng)用于馬尾松（Pinus massoniana）[8]、天女花屬（Oyama）[6]、滇桐（Craigia yunnanensis）[9]、桫欏（Alsophila spinulosa）[10]、毛葉兩面針（Zanthoxylumnitidum）[11]等物種的研究，取得了良好的預(yù)測(cè)結(jié)果，為物種的開發(fā)利用及保護(hù)提供了理論依據(jù)。

金花茶（Camellia petelotii） 為山茶科（Theaceae）山茶屬（Camellia） 金花茶組（Camellia Sect.Chrysantha Chang） 多年生灌木或小喬木，具有較高的藥用及觀賞價(jià)值，在中國廣西、貴州、云南等地均有分布。研究表明：遮光率約80%、溫度20.7～21.4 ℃ 適宜金花茶生長(zhǎng)[12]，且其喜陰好濕，主要生長(zhǎng)于酸性和中性土壤[13]。目前，對(duì)于金花茶的研究主要側(cè)重于其產(chǎn)品開發(fā)[14-16]，有關(guān)未來氣候變化對(duì)其潛在分布區(qū)的影響研究較少。本研究查閱了金花茶的標(biāo)本采集記錄，借助MaxEnt3.3.3k 等軟件預(yù)測(cè)其潛在分布區(qū)，并分析關(guān)鍵環(huán)境因子對(duì)潛在分布區(qū)的影響，以期為金花茶的開發(fā)利用及保護(hù)提供理論依據(jù)。

1 材料與方法

1.1 金花茶分布數(shù)據(jù)獲取

當(dāng)前金花茶分布信息來源于中國數(shù)字植物標(biāo)本館（http：//www.cvh.org.cn） 和《中國植物志》在線網(wǎng)站（http：//www.eflora.cn） 數(shù)據(jù)庫。數(shù)據(jù)庫中標(biāo)本信息經(jīng)緯度記錄不明確的標(biāo)本，根據(jù)其記錄的詳細(xì)采樣點(diǎn)，利用百度地圖（http：//www. map.baidu.com/） 中的坐標(biāo)拾取系統(tǒng)進(jìn)行查詢與對(duì)照。人工去除標(biāo)記不明確或人工種植的標(biāo)本記錄后，最終得到198 個(gè)有效分布位點(diǎn)的地理信息（圖1）。

1.2 環(huán)境數(shù)據(jù)

選用的19 個(gè)氣象數(shù)據(jù)因子來源于世界氣候數(shù)據(jù)庫（https：//www. worldclim. org/）；未來2 個(gè)時(shí)間段（2050 年和2070 年） 的數(shù)據(jù)來源于BCCCSM2MR氣候系統(tǒng)模式內(nèi)的SSP1-2.6 和SSP5-8.5[17]。其中，SSP1-2.6 為SSP1 （可持續(xù)發(fā)展路線） 與RCP2.6 （減少CO2 排放的情景） 的合并，代表全球CO2 排放量緩慢減少；SSP5-8.5 為SSP5（化石燃料為主要發(fā)展路徑） 與RCP8.5 （CO2 排放急劇增加的情景） 的合并，代表未來CO2 排放量急劇增加。由于人類活動(dòng)逐漸活躍，各種氣體排放隨之變化，植物生活環(huán)境也隨之變化。選取SSP1-2.6 與SSP5-8.5 環(huán)境情景，可分別代表CO2低排放與高排放，環(huán)境變化程度更高，更有代表性，能夠增加預(yù)測(cè)的準(zhǔn)確性。

1.3 氣象數(shù)據(jù)處理

將獲取的金花茶地理分布經(jīng)緯度數(shù)據(jù)導(dǎo)入Excel，保存為csv. 格式文件；將世界氣候數(shù)據(jù)庫選取的氣象數(shù)據(jù)導(dǎo)入ArcGIS v10.5，利用SpatialAnalyst 的提取分析工具進(jìn)行篩選，得到19 個(gè)氣象數(shù)據(jù)因子，以csv. 格式導(dǎo)出保存。

1.4 MaxEnt 模型的構(gòu)建及模型準(zhǔn)確度的檢驗(yàn)

將1.3 節(jié)獲得的2 個(gè)csv. 格式文件導(dǎo)入Max-Ent 3.3.3k，建立初始模型。選擇25% 的分布位點(diǎn)為測(cè)試樣本，75% 的分布位點(diǎn)為訓(xùn)練樣本；其余的選項(xiàng)設(shè)置為默認(rèn)，利用刀切法（Jackknife） 氣象因子進(jìn)行權(quán)重檢驗(yàn)。重復(fù)上述操作10 次，重復(fù)方法選為交叉插入法。選取鑒權(quán)中心（authenticationcenter，AUC） 值最高的1 次數(shù)據(jù)，再用ArcGIS v10.5 對(duì)19 個(gè)環(huán)境因子進(jìn)行相關(guān)性分析，得到相關(guān)數(shù)據(jù)矩陣。當(dāng)相關(guān)系數(shù)絕對(duì)值大于或等于0.8 時(shí)，選取貢獻(xiàn)率較大的為主要環(huán)境因子，最終選取7 個(gè)氣象因子（bio1、bio2、bio3、bio4、bio14、bio15、bio18） 用于模型構(gòu)建。采用Max-Ent 3.3.3k 中的受試者工作特征曲線（receiver operatingcharacteristic，ROC） 估計(jì)模型準(zhǔn)確度。評(píng)估標(biāo)準(zhǔn)為：0.5

1.5 金花茶適宜生境的劃分

將MaxEnt 模型最終輸出的文件導(dǎo)入ArcGISv10.5，采用重分類工具，將金花茶潛在分布適宜生境等級(jí)分為4 級(jí)：適生概率（P）lt;0.10 為不適宜生境，0.10≤Plt;0.35 為低適宜生境，0.35≤Plt;0.65為中適宜生境，P≥0.65 為高適宜生境[19]。由于MaxEnt 模型輸出的數(shù)據(jù)顏色較淺，不易觀察，對(duì)其采用ArcGIS v10.5 中的空間分析工具將數(shù)據(jù)轉(zhuǎn)換為柵格格式，并利用提取函數(shù)提取金花茶在中國的分布圖，不同地區(qū)用不同顏色標(biāo)注[20]。

2 結(jié)果與分析

2.1 模型準(zhǔn)確度和預(yù)測(cè)精度檢驗(yàn)

由圖2 可知：AUC 值預(yù)測(cè)結(jié)果為0.985，表示該模型最終輸出結(jié)果極準(zhǔn)確，即金花茶適宜生境預(yù)測(cè)具有極高的準(zhǔn)確度和精度。

2.2 當(dāng)前氣候條件下金花茶的分布區(qū)

根據(jù)適宜生境的劃分標(biāo)準(zhǔn)，得到金花茶在當(dāng)前氣候條件下各適宜生境的分布預(yù)測(cè)圖（圖3） 及對(duì)應(yīng)面積（表1），當(dāng)前金花茶分布的模擬與實(shí)際采樣點(diǎn)的分布具有較高的一致性。金花茶的高適宜生境主要覆蓋廣西全境、廣東南部、貴州南部、云南東南部、福建沿海地區(qū)，零星分布于四川中部、浙江及臺(tái)灣沿海地區(qū)，面積為27.21×104 km2。大部分中適宜生境與高適宜生境相連，主要覆蓋貴州中部、廣東中部、福建北部至江西東南部， 在四川東南部有少量分布， 面積為16.18×104 km2。低適宜生境主要分布于貴州北部、四川東部、湖南南部、江西中至南部及福建大部分地區(qū)，零星分布于湖北與重慶、浙江與江西交界處，面積為56.26×104 km2，在所有適宜生境中的面積最大。值得注意的是，金花茶的主要分布區(qū)在廣西全境，并以廣西為中心，以廣東、貴州、云南、福建等地區(qū)為核心，向中國北部及南部依次以高、中、低、非適宜生境遞減擴(kuò)散。

2.3 未來氣候情景下金花茶的潛在分布區(qū)

與當(dāng)前氣候條件下的分布區(qū)相比，在2050年SSP1-2.6 氣候情景下，金花茶的適宜生境向中國北部地區(qū)遷移，湖南東北部、江南西北部、四川南部、云南南部等地區(qū)出現(xiàn)大面積低適宜生境；云南東南部地區(qū)的部分中適宜生境將轉(zhuǎn)變?yōu)楦哌m宜生境；西藏西北部、山東南部和河北南部新增零星低適宜生境（圖4）。由表1 可知：在該氣候情景下，相較于當(dāng)前，金花茶低適宜生境面積增加23.52×104 km2，中適宜生境增加4.62×104 km2，高適宜生境增加6.9×104 km2。2050 年SSP5-8.5 氣候情景下，金花茶的響應(yīng)模式與同年SSP1-2.6 氣候情景相差較大，在四川中部、重慶、安徽南部、湖南中部、貴州中北部等地區(qū)的高適宜生境明顯增加；浙江北部、江蘇南部等地區(qū)的低適宜生境也有所增加（圖4）。整體上看，低、中適宜生境被高適宜生境大面積侵占，導(dǎo)致高適宜生境面積明顯增加（表1）。2070 年的2 個(gè)氣候情景下金花茶適生區(qū)的響應(yīng)模式與2050 年類似（圖4），除2070 年SSP5-8.5 情景下中適宜生境（增加11.80×104 km2） 外，其余情景下各等級(jí)的適宜生境面積均呈現(xiàn)大幅度增加（表1）。

2.4 影響金花茶地理分布的主導(dǎo)氣候變量

由表2 可知：影響金花茶地理分布的氣候因子中，排名靠前的因子為最干月降水量（bio14）、年平均氣溫（bio1）、平均氣溫日較差（bio2） 和降水量季節(jié)性變化（bio15），累計(jì)貢獻(xiàn)率達(dá)93.3%。由圖5 可知：金花茶的適宜最干月降水量為20～60 mm，適宜的年平均氣溫為20～25 ℃，平均氣溫日較差（bio2） 在6～8 ℃ 時(shí)最為適宜，降水量季節(jié)性變化以60～80 mm 為宜，在上述條件下，金花茶的分布概率均達(dá)到峰值。表明金花茶喜陰好濕，適合生長(zhǎng)于溫和環(huán)境，不宜有較大溫差和降水量的環(huán)境中，這與金花茶現(xiàn)有分布區(qū)的氣候特征相符。

3 討論

3.1 當(dāng)前金花茶適宜生境的分布特征

本研究對(duì)當(dāng)前金花茶適宜生境的預(yù)測(cè)結(jié)果顯示：金花茶的高適宜生境主要為廣西全境、廣東南部和貴州南部，其中以廣西為代表的地區(qū)以亞熱帶季風(fēng)氣候?yàn)橹?，土壤類型大多為赤紅壤、紅壤、黃壤等，pH 為中性或酸性，年平均氣溫16.5～23.1 ℃，年平均降水量1 080～2 760 mm[21]；貴州平均氣溫為12.8～18.2 ℃，年平均降水量1 049.4～1 765.7 mm。金花茶喜陰好濕，對(duì)水分要求較為苛刻。莫木信[22]對(duì)金花茶引種的研究表明：在水分充足的環(huán)境中，苗木長(zhǎng)勢(shì)最佳，其引種區(qū)域的降水量為1 647.9 mm。此外，坡向?qū)鸹ú璧某苫盥省⒅旮吣暝鲩L(zhǎng)量、葉片年增長(zhǎng)量、地徑增長(zhǎng)量均有影響，其中，在緩坡的各生長(zhǎng)指標(biāo)均遠(yuǎn)高于平坡等地形[23]?！吨袊参镏尽酚涊d：金花茶原種發(fā)現(xiàn)于山地常綠林，可見其對(duì)光照需求量較低。楊運(yùn)源等[24]對(duì)四季金花茶（C. perpetua）的研究顯示：低光照處理下，其光合速率高于高光照，高光照對(duì)光合作用有明顯的抑制作用。張武君等[25]和裴開程等[26]研究表明：金花茶多生長(zhǎng)于氣候溫和、降雨量多、光照適宜、酸性或中性土壤環(huán)境下，而本研究預(yù)測(cè)結(jié)果中的高適宜生境基本滿足金花茶的生長(zhǎng)環(huán)境。本研究表明：不適宜金花茶生長(zhǎng)的生境面積較大，主要分布于新疆、內(nèi)蒙古、青海、黑龍江等地，這些地區(qū)以溫帶季風(fēng)氣候、溫帶大陸性氣候?yàn)橹鳎鶠橄臒岫?，且區(qū)域土壤受鈣離子和鎂離子影響，土壤呈堿性化[27]，因此不利于金花茶生長(zhǎng)?？梢?，高適宜生境與不適宜生境的氣候、年平均氣溫、年平均降水量以及土壤環(huán)境有著極大的差異，在研究金花茶的生態(tài)適應(yīng)性時(shí)，需要綜合考慮各種因素，制定合理的措施，促進(jìn)金花茶的生長(zhǎng)和保護(hù)。

3.2 氣候變化對(duì)金花茶潛在分布區(qū)的影響

提取不同適生區(qū)的柵格數(shù)據(jù)并計(jì)算面積變化，結(jié)果顯示：與當(dāng)前氣候相比，在2050 年和2070 年不同氣候情景下，金花茶適生區(qū)面積逐步擴(kuò)大，低適生區(qū)增加的面積高于中、高適生區(qū)。本研究還發(fā)現(xiàn)：未來增加的金花茶潛在分布區(qū)主要位于湖南東北部、江西西北部、四川南部、云南南部等，這些地區(qū)均為亞熱帶濕潤季風(fēng)氣候，其特點(diǎn)為溫暖、干濕分明、降水充沛，且四季分明，符合金花茶喜陰好濕的生長(zhǎng)特點(diǎn)。SSP1-2.6和SSP5-8.5 情景下，2050 年與2070 年的不適宜生境以及低、中、高適宜生境差異不大，即選取的情景對(duì)于金花茶遷移的影響較小。金花茶自然分布消失的地區(qū)在不同年限、不同氣候情景均不同，其中，2050 年SSP1-2.6 情景下，分布消失地區(qū)包括江蘇中部、重慶東部、湖北西部、臺(tái)灣南部及海南東南部；2070 年SSP1-2.6 情景下，分布消失地區(qū)為臺(tái)灣南部；2050 年SSP5-8.5 情景下， 分布消失地區(qū)為海南東南部； 2070 年SSP5-8.5 氣候情景下，分布消失地區(qū)包括海南東北部和云南東部。這些地區(qū)位于熱帶和亞熱帶交界處，加之受季風(fēng)或海洋氣流的影響，氣候濕熱，易出現(xiàn)高溫天氣，不適宜金花茶生長(zhǎng)，因此，未來這些地區(qū)可能不會(huì)再有自然生長(zhǎng)的金花茶。在今后的研究中，應(yīng)適當(dāng)在其潛在的適生區(qū)進(jìn)行引種試驗(yàn)，對(duì)預(yù)測(cè)適宜栽培區(qū)進(jìn)行驗(yàn)證，同時(shí)提升金花茶的栽培效果。

3.3 影響金花茶潛在地理分布的氣候因子

本研究表明：最干月降水量（bio14）、年平均氣溫（bio1）、平均氣溫日較差（bio2） 和降水量季節(jié)性變化（bio15） 是影響金花茶分布的主要因子。梁鍵明等[28]研究表明：影響紅豆屬（Ormosia）適生區(qū)域分布的主要因素是降雨、溫度和海拔，且其生長(zhǎng)環(huán)境與本研究相似。江雁楠等[29]研究表明：浙江紅花油茶（C. chekiangoleosa） 喜光，適生于溫暖濕潤氣候且不耐寒冷，生長(zhǎng)環(huán)境主要分布在亞熱帶地區(qū)，影響其分布的最主要因素是最冷季度降水量，最暖季度平均氣溫和土壤類型次之。代玉烜等[30]研究表明：影響小黃花茶（C.luteoflora） 分布的主要?dú)夂蛞蜃右来螢樽顭峒酒骄鶜鉁?、最熱季降水量、最冷季降水量，且三者累?jì)貢獻(xiàn)率為90.8%。何穎等[31]對(duì)瑪納斯河流域棉花（Gossypium herbaceum） 的研究發(fā)現(xiàn)：棉花喜光，適宜在熱量豐富、光照充足的條件下生長(zhǎng)，影響其分布的關(guān)鍵因子是平均氣溫日較差、土壤酸堿度及太陽輻射，其累計(jì)貢獻(xiàn)率達(dá)74.4%。紅花油茶、小黃花茶和金花茶均為山茶科植物，影響其分布的主要?dú)夂蛞蜃泳菤鉁嘏c溫度；而棉花與山茶科植物習(xí)性明顯不同，影響其分布的主要?dú)夂蛞蜃訛樘栞椛渑c平均氣溫日較差。金花茶喜陰好濕，中國廣西、廣東沿海一帶的亞熱帶季風(fēng)氣候日照適中，符合金花茶生長(zhǎng)特性，故成為當(dāng)前金花茶的主要分布區(qū)，與本研究結(jié)果一致。本研究主要探究氣候因子對(duì)金花茶適生區(qū)分布的影響，但土壤、海拔和土地利用對(duì)物種的分布也很重要[32]，因此，本研究的預(yù)測(cè)模型存在一定的局限性，在未來預(yù)測(cè)中還應(yīng)注重各種因素之間相互作用的影響?；诂F(xiàn)有水平，本研究對(duì)當(dāng)前和未來氣候情景下金花茶的潛在分布進(jìn)行預(yù)測(cè)，可為其引種栽培和資源保護(hù)提供參考。

4 結(jié)論

金花茶的適宜生長(zhǎng)區(qū)面積總體呈增長(zhǎng)趨勢(shì)，主要集中于廣西全境、貴州西部、福建西北部、云南西南部等地區(qū)。最干月降水量、年平均氣溫、平均氣溫日較差和降水量季節(jié)性變化可能對(duì)金花茶新增面積有較大影響，為主導(dǎo)氣候因子，在全球溫度升高及金花茶生存群落變化的背景下需提前做好對(duì)應(yīng)措施。金花茶具有較高的經(jīng)濟(jì)價(jià)值和觀賞價(jià)值，在未來的氣候變化下應(yīng)更加注重其優(yōu)質(zhì)種資源的資料收集、高適生區(qū)引種及推廣利用的研究與開發(fā)。

[ 參考文獻(xiàn) ]

[1]李茂華， 都金康， 李皖彤， 等. 1982—2015年全球植被變化及其與溫度和降水的關(guān)系[J]. 地理科學(xué)， 2020， 40（5）：823. DOI： 10.13249/j.cnki.sgs.2020.05.017.

[2]高文強(qiáng)， 王小菲， 江澤平， 等. 氣候變化下栓皮櫟潛在地理分布格局及其主導(dǎo)氣候因子[J]. 生態(tài)學(xué)報(bào)， 2016，36（14）： 4475. DOI： 10.5846/stxb201412012387.

[3]何遠(yuǎn)政， 黃文達(dá)， 趙昕， 等. 氣候變化對(duì)植物多樣性的影響研究綜述[J]. 中國沙漠， 2021， 41（1）： 59. DOI： 10.7522/j.issn.1000-694X.2020.00104.

[4]薛鵬飛， 宋冰， 趙英. 草地生態(tài)系統(tǒng)植物群落及碳交換對(duì)氣候變暖的響應(yīng)研究進(jìn)展[J]. 生態(tài)科學(xué)， 2023， 42（2）：257. DOI： 10.14108/j.cnki.1008-8873.2023.02.030.

[5]張文秀， 寇一翾， 張麗， 等. 采用生態(tài)位模擬預(yù)測(cè)瀕危植物白豆杉5個(gè)時(shí)期的適宜分布區(qū)[J]. 生態(tài)學(xué)雜志， 2020，39（2）： 600. DOI： 10.13292/j.1000-4890.202002.028.

[6]何秋香， 吳海洋， 葉俊偉， 等. 基于MaxEnt探究東亞特有屬： 天女花屬（Oyama）的分布格局變遷[J]. 云南農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)）， 2023， 38（5）： 846. DOI： 10.12101/j.issn.1004-390X（n）.202212010.

[7]曹向鋒， 錢國良， 胡白石， 等. 采用生態(tài)位模型預(yù)測(cè)黃頂菊在中國的潛在適宜生境[J]. 應(yīng)用生態(tài)學(xué)報(bào)， 2010，21（12）： 3063. DOI： 10.13287/j.1001-9332.2010.0431.

[8]吳帆， 朱沛煌， 季孔庶. 馬尾松分布格局對(duì)未來氣候變化的響應(yīng)[J]. 南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2022，46（2）： 196. DOI： 10.12302/j.issn.1000-2006.202008019.

[9]徐佳月， 歐光龍， 肖靜， 等. 孑遺植物滇桐在云南省的潛在適生區(qū)研究[J]. 西部林業(yè)科學(xué)， 2024， 53（2）： 29. DOI：10.16473/j.cnki.xblykx1972.2024.02.005.

[10]許斌， 鐘悅， 張焱. 基于物種分布模型的畫稿溪國家級(jí)自然保護(hù)區(qū)桫欏保護(hù)現(xiàn)狀及影響因素[J]. 西部林業(yè)科學(xué)， 2022， 51（6）： 53. DOI： 10.16473/j.cnki.xblykx1972.2022.06.008.

[11]YANG Y， HE J， LIU Y X， et al. Assessment of Chinesesuitable habitats of Zanthoxylum nitidum in differentclimatic conditions by MaxEnt model， HPLC， and chemometricmethods[J]. Industrial Crops amp; Products， 2023，196（1）： 116515. DOI： 10.1016/j.indcrop.2023.116515.

[12]李文芳. 幾種金花茶的引種栽培適應(yīng)性研究[J]. 福建林業(yè)， 2021（5）： 33. DOI： 10.3969/j.issn.1003-4382.2021.05.016.

[13]王坤， 韋曉娟， 李寶財(cái)， 等. 12種金花茶組植物光合生理特性比較[J]. 經(jīng)濟(jì)林研究， 2019， 37（1）： 80. DOI： 10.14067/j.cnki.1003-8981.2019.01.012.

[14]韋璐， 寧恩創(chuàng)， 劉志新， 等. 金花茶速溶茶的研制[J]. 安徽農(nóng)業(yè)科學(xué)， 2011， 39（1）： 238. DOI： 10.13989/j.cnki.0517-6611.2011.01.007.

[15]程金生， 鐘蘭照， 苗建銀， 等. 基于金花茶天然精油的抗紫外、保濕面霜研究[J]. 廣州化工， 2021， 49（15）： 86.DOI： 10.3969/j.issn.1001-9677.2021.15.026.

[16]寧恩創(chuàng)， 居詩瑤， 熊燕， 等. 金花茶多酚微膠囊的制備及其特性研究[J]. 食品研究與開發(fā)， 2018， 39（20）： 78. DOI：10.3969/j.issn.1005-6521.2018.20.015.

[17]WU T W， LU Y X， FANG Y J， et al. The Beijing climatecenter climate system model （BCC-CSM）： the mainprogress from CMIP5 to CMIP6[J]. Geoscientific ModelDevelopment， 2019， 12（4）： 1573. DOI： 10.5194/gmd-12-1573-2019.

[18] ARAUJO M B， PEARSON R G， THUILLER W， et al.Validation of species-climate impact models under climatechange[J]. Global Change Biology， 2005， 11（9）：1504. DOI： 10.1111/j.1365-2486.2005.01000.x.

[19]段義忠， 王馳， 王海濤， 等. 不同氣候條件下沙冬青屬植物在我國的潛在分布： 基于生態(tài)位模型預(yù)測(cè)[J]. 生態(tài)學(xué)報(bào)， 2020， 40（21）： 7668. DOI： 10.5846/stxb201902210306.

[20]趙金鵬， 王閆利， 陸興利， 等. 軟棗獼猴桃在中國的適宜生境分析及對(duì)未來氣候變化的響應(yīng)[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文）， 2020， 28（10）： 1523. DOI： 10.13930/j.cnki.cjea.200244.

[21]謝賢勝， 王升， 閆妍， 等. 廣西西江流域近50年氣溫和降水變化趨勢(shì)及突變分析[J]. 水力發(fā)電， 2020， 46（12）：19. DOI： 10.3969/j.issn.0559-9342.2020.12.006.

[22]莫木信. 金花茶引種的相關(guān)技術(shù)試驗(yàn)[J]. 江西農(nóng)業(yè)，2019（14）： 16. DOI： 10.19394/j.cnki.issn1674-4179.2019.14.013.

[23]陳侯鑫， 何芬， 農(nóng)壽千， 等. 不同坡度和不同坡向?qū)鸹ú枭L(zhǎng)量的影響[J]. 現(xiàn)代園藝， 2019（1）： 10. DOI： 10.14051/j.cnki.xdyy.2019.01.004.

[24]楊運(yùn)源， 鄧征， 黃永芳， 等. 不同光照強(qiáng)度對(duì)四季金花茶光合生理特性的影響[J]. 亞熱帶植物科學(xué)， 2021， 50（6）：471. DOI： 10.3969/j.issn.1009-7791.2021.06.007.

[25]張武君， 劉保財(cái)， 趙云青， 等. 金花茶種苗繁育與栽培管理研究進(jìn)展[J]. 熱帶農(nóng)業(yè)科學(xué)， 2018， 38（6）： 42. DOI：10.12008/j.issn.1009-2196.2018.06.010.

[26]裴開程， 許文龍， 羅浩然， 等. 廣西防城金花茶花期氣候適應(yīng)性分析[J]. 南方農(nóng)業(yè)學(xué)報(bào)， 2016， 47（12）： 2084. DOI：10.3969/j：issn.2095-1191.2016.12.2084.

[27]柏林. 基于遙感反演的烏裕爾河—雙陽河流域土壤鹽堿化強(qiáng)度研究[D]. 哈爾濱： 哈爾濱師范大學(xué)， 2016.

[28]梁鍵明， 蔣慶蓮， 姜壘， 等. 基于MaxEnt模型預(yù)測(cè)氣候變化下厚葉木蓮在中國的潛在地理分布[J]. 廣西科學(xué)，2023， 30（6）： 1133. DOI： 10.13656/j.cnki.gxkx.20240125.012.

[29]汪雁楠， 賴國楨， 黃建建， 等. 浙江紅花油茶潛在適生區(qū)分布及其對(duì)未來氣候變化的響應(yīng)[J]. 浙江農(nóng)林大學(xué)學(xué)報(bào)， 2022， 39（5）： 989. DOI： 10.11833/j.issn.2095-0756.20210641.

[30]代玉烜， 金瑭， 徐海霞， 等. 基于MaxEnt模型的小黃花茶在中國的適生區(qū)域研究[J]. 四川大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2021， 58（2）： 189. DOI： 10.19907/J.0490-6756.2021.026002.

[31]何穎， 馬松梅， 楊明鳳， 等. 瑪納斯河流域棉花的分布適宜性及其對(duì)未來氣候變化的響應(yīng)[J]. 西南農(nóng)業(yè)學(xué)報(bào)，2022， 35（12）： 2930. DOI： 10.16213/j.cnki.scjas.2022.12.030.

[32]朱耿平， 劉國卿， 卜文俊， 等. 生態(tài)位模型的基本原理及其在生物多樣性保護(hù)中的應(yīng)用[J]. 生物多樣性， 2013，21（1）： 90. DOI： 10.3724/SP.J.1003.2013.09106.

責(zé)任編輯：何謦成

基金項(xiàng)目：貴陽康養(yǎng)職業(yè)大學(xué)校級(jí)科研項(xiàng)目（K2022-5）；貴州省教育廳自然科學(xué)研究項(xiàng)目（黔教技[2024]288 號(hào)）。