基于最大熵值模型的山白樹適生區(qū)分布變化研究

周天華，錢增強(qiáng)，王 勇

(1 陜西理工學(xué)院 生物科學(xué)與工程學(xué)院，陜西 漢中 723001；2 陜西師范大學(xué) 生命科學(xué)學(xué)院,陜西 西安710062；3 陜西省南鄭縣大河坎九年制學(xué)校，陜西 南鄭 723100)

基于最大熵值模型的山白樹適生區(qū)分布變化研究

周天華1，錢增強(qiáng)2，王 勇3

(1 陜西理工學(xué)院 生物科學(xué)與工程學(xué)院，陜西 漢中 723001；2 陜西師范大學(xué) 生命科學(xué)學(xué)院,陜西 西安710062；3 陜西省南鄭縣大河坎九年制學(xué)校，陜西 南鄭 723100)

【目的】 研究山白樹在不同時(shí)代氣候條件下的適生分布區(qū)范圍和變化規(guī)律，推測(cè)其過(guò)去和未來(lái)的適生區(qū)分布?！痉椒ā?利用山白樹在中國(guó)的分布點(diǎn)數(shù)據(jù)和氣候因子數(shù)據(jù)，基于最大熵值模型預(yù)測(cè)山白樹在當(dāng)代、末次間冰期、末次盛冰期、21世紀(jì)50年代和80年代的適生區(qū)分布范圍和面積。【結(jié)果】 最大熵值模型對(duì)山白樹地理分布的分析結(jié)果準(zhǔn)確可靠；最干季度平均溫度、最暖季度降水量、最冷季度平均溫度、最干月份降水量、最濕季度平均溫度、晝夜溫差與年溫差比值和最冷季降水量等7個(gè)生物氣候變量對(duì)山白樹適生區(qū)分布有較大影響。山白樹在末次間冰期的適生區(qū)總面積為當(dāng)代的1.65倍，分布范圍更靠南方；在末次盛冰期其適生區(qū)明顯縮小，為當(dāng)代適生區(qū)面積的4.4%，僅分布在巴山地區(qū)和漢水上游河谷地帶；在21世紀(jì)50年代和80年代山白樹的適生區(qū)面積大幅度增加，總面積分別為當(dāng)代的19和13倍?！窘Y(jié)論】 山白樹對(duì)氣候變化敏感，適生區(qū)范圍變化幅度大；21世紀(jì)全球氣候變暖有利于山白樹的保護(hù)。

山白樹；適宜生長(zhǎng)區(qū)；氣候變化；最大熵值模型

山白樹(SinowilsoniahenryiHemsl.)是金縷梅科(Hamamelidaceae)山白樹屬(SinowilsoniaHemsl.)的多年生喬木。山白樹屬是我國(guó)特有單型屬，屬下僅含山白樹一個(gè)種[1]。歷史上山白樹分布廣泛，但現(xiàn)在僅見于北緯31.9°-35.5°、東經(jīng)105°-112.5°區(qū)域，零星分布于秦嶺、巴山、中條山等有限地區(qū)海拔1 100～1 600 m的山坡、谷地雜木林中，是典型的華中分布型特有植物[2-3]。山白樹木材結(jié)構(gòu)細(xì)致，心材、邊材不甚分明，紋理通直，材質(zhì)堅(jiān)硬，是制造家具的優(yōu)良木材，具有一定的經(jīng)濟(jì)價(jià)值。另外，山白樹根系發(fā)達(dá)，喜水，能耐間歇性的短期水浸，固土能力強(qiáng)，是營(yíng)造固岸護(hù)灘林的優(yōu)良樹種。根據(jù)形態(tài)學(xué)、解剖學(xué)和分子生物學(xué)證據(jù)，很多研究者認(rèn)為山白樹屬是金縷梅科較為原始性和孤立的一個(gè)屬[4-6]；而金縷梅科又處于雙子葉植物綱的基部，與該金縷梅亞綱中的絕大多數(shù)科類似，都是白堊紀(jì)至老第三紀(jì)常見或處于優(yōu)勢(shì)的古老成分[5]。作為第三紀(jì)遺留下來(lái)的古老種類，山白樹經(jīng)過(guò)第四紀(jì)冰期氣候波動(dòng)而殘存下來(lái)，在系統(tǒng)發(fā)育上處于相對(duì)原始和孤立的地位。因此，該物種對(duì)于研究被子植物的起源、早期演化以及我國(guó)植物區(qū)系的發(fā)生演化和地理變遷等均具有較為重要的科研價(jià)值。然而，山白樹多生長(zhǎng)于中低海拔溫帶亞熱帶森林，極易受到人為活動(dòng)的影響；加之其對(duì)生態(tài)環(huán)境條件的要求較為嚴(yán)格，生長(zhǎng)速度慢，自然界現(xiàn)存數(shù)量不斷減少而瀕于滅絕，亟待保護(hù)，目前已被列為國(guó)家Ⅱ級(jí)重點(diǎn)保護(hù)植物[7]和陜西省第一批保護(hù)物種[8]。

MaxEnt模型是以最大熵理論為基礎(chǔ)的密度估計(jì)和物種分布預(yù)測(cè)模型[9]，其在物種現(xiàn)實(shí)生境模擬、主要生態(tài)環(huán)境因子篩選、環(huán)境因子對(duì)物種生境影響的定量描述等方面均表現(xiàn)出優(yōu)越性，如數(shù)學(xué)基礎(chǔ)簡(jiǎn)單、易于從生態(tài)學(xué)上解釋、只需要模擬物種當(dāng)前存在數(shù)據(jù)等[10-12]。因此，該模型已經(jīng)成為物種潛在生境預(yù)測(cè)的首選模型[13]，目前在國(guó)內(nèi)外已經(jīng)廣泛應(yīng)用于動(dòng)植物適生區(qū)預(yù)測(cè)等方面的研究[14-15]。本研究擬以當(dāng)代氣候數(shù)據(jù)和山白樹的地理分布數(shù)據(jù)為基礎(chǔ)，通過(guò)MaxEnt生態(tài)位模型推演其在第四紀(jì)冰期、間冰期的地理分布范圍，模擬其在未來(lái)幾十年的潛在地理分布范圍，以期為山白樹的進(jìn)化歷史、致瀕機(jī)理及其保護(hù)研究提供理論支撐。

1 材料與方法

1.1 山白樹分布數(shù)據(jù)的檢索與統(tǒng)計(jì)

本研究共搜集到山白樹的分布點(diǎn)50個(gè)，涵蓋了該物種的已知分布區(qū)。山白樹地理分布數(shù)據(jù)主要通過(guò)以下方法得到：(1)野外實(shí)地調(diào)查；(2)查閱文獻(xiàn)，包括中英文期刊、中國(guó)植物志、地方植物志、各地自然保護(hù)區(qū)考察報(bào)告等；(3)網(wǎng)絡(luò)數(shù)據(jù)，包括中國(guó)數(shù)字植物標(biāo)本館(http://www.cvh.org.cn/)、中國(guó)植物主題數(shù)據(jù)庫(kù)(http://www.plant.csdb.cn/)和中國(guó)植物圖像庫(kù)(http://www.plantphoto.cn/)。因部分查閱到的山白樹記錄僅有分布點(diǎn)描述而未提供詳細(xì)經(jīng)緯度信息，故筆者用Google Earth V7.0軟件獲取這些分布點(diǎn)的經(jīng)緯度信息。

1.2 氣候變量的獲取與篩選

從WorldClim網(wǎng)站(http://www.worldclim.org)下載得到當(dāng)代(1950-2000年)、末次盛冰期(Last glacial maximum(LGM)，～21Ka BP)和末次間冰期(Last inter-glacial(LIG)，～120-140 Ka BP)的環(huán)境氣候數(shù)據(jù)。21世紀(jì)50年代(2050s)和21世紀(jì)80年代(2080s)的氣候數(shù)據(jù)從CCAFS網(wǎng)站(http://www.ccafs-climate.org)下載。每個(gè)年代均選用4種大氣環(huán)流模型(CNRM-CM3、CSIRO-MK3.0、MIROC 3.2和ECHam5)和3種氣候變化場(chǎng)景(IPCC4 A1B、A2和B1)共12套氣候模擬數(shù)據(jù)。上述數(shù)據(jù)均采用5 arc-minutes的空間分辨率，每個(gè)柵格單元大致相當(dāng)于81 km2。

利用軟件DIVA-GIS v7.5處理上述氣候數(shù)據(jù)，得到模型分析所需的年平均氣溫、晝夜溫差平均值等19個(gè)生物氣候變量(BIO01-BIO19，見表1)。參照Hill等[16]的方法，對(duì)19個(gè)生物氣候變量依重要性排序，選取其中7個(gè)重要性高的變量(BIO03、BIO08、BIO09、BIO11、BIO14、BIO18和BIO19)用于最終的模型構(gòu)建。

1.3 最大熵模型的構(gòu)建

將山白樹的分布數(shù)據(jù)和各個(gè)年代對(duì)應(yīng)的生物氣候變量導(dǎo)入軟件Maxent v3.3.3k[17]，采用刀切法(Jackknife)評(píng)估各變量的相對(duì)重要性。在參數(shù)設(shè)置中，最大重復(fù)次數(shù)設(shè)為5 000，其他參數(shù)均采用軟件默認(rèn)設(shè)置，采用交叉驗(yàn)證方法重復(fù)運(yùn)行4次，取平均值得到最終分布模型。模型分析結(jié)果輸出格式為ASCII柵格圖層，適生指數(shù)值介于0～1。

表1 初步篩選及用于最終構(gòu)建Maxent模型的生物氣候變量Table 1 Bioclimatic variables initially used for model development and the choice of predictors for the best fitting in MaxEnt

注：*:*表示該變量被用于最終的模型構(gòu)建。

Note:The variables used for the final model training are indicated by * in parentheses.

采用受試者工作特征曲線(Receiver operating characteristic curve,ROC)分析模型預(yù)測(cè)精度；ROC曲線下面積(Area under the curve,AUC)越大，表示模型預(yù)測(cè)精度越高[18]。

1.4 山白樹適生區(qū)分布預(yù)測(cè)

將上述MaxEnt v3.3.3k軟件的運(yùn)算結(jié)果導(dǎo)入DIVA-GIS v7.5軟件，采用中國(guó)地圖制作的蒙版圖層，將分析范圍限于中國(guó)版圖之內(nèi)。DIVA-GIS v7.5軟件也被用于各種后續(xù)分析和適生區(qū)面積計(jì)算。

對(duì)于山白樹當(dāng)代分布預(yù)測(cè)，采用10 percentile training presence閾值將連續(xù)的概率分布圖轉(zhuǎn)換成1/0(適生/非適生)二元分布圖。此外，在上述閾值與1之間自然劃分3等分，分別對(duì)應(yīng)低度、中度和高度適生區(qū)。

對(duì)應(yīng)4種大氣環(huán)流模型及3種氣候變化場(chǎng)景，每個(gè)預(yù)測(cè)年代均得到12張連續(xù)的概率分布圖。首先將各個(gè)預(yù)測(cè)年代的12張概率分布圖轉(zhuǎn)換成1/0(適生/非適生)二元分布圖，再經(jīng)疊加和處理，最終得到一張二元分布圖。將各預(yù)測(cè)年代適生區(qū)自然劃分為3個(gè)等級(jí)，即低度、中度和高度適生區(qū)。

2 結(jié)果與分析

2.1 MaxEnt模型評(píng)價(jià)與等級(jí)劃分

本研究得到的平均訓(xùn)練AUC值(Mean training AUC)和平均測(cè)試AUC值(Mean test AUC)分別為0.993和0.991，表明該模型具有極好的預(yù)測(cè)精度。

Jackknife檢驗(yàn)結(jié)果表明，最干季度平均溫度(BIO09)、最暖季度降水量(BIO18)、最冷季度平均溫度(BIO11)、最干月份降水量(BIO14)、最濕季度平均溫度(BIO08)、晝夜溫差與年溫差比值(BIO03)和最冷季度降水量(BIO19)等7個(gè)生物氣候變量是影響山白樹生境分布的主要因素。這7個(gè)生物氣候變量將用于構(gòu)建各個(gè)時(shí)代的分布模型。7個(gè)變量的貢獻(xiàn)率(Percent contribution)依次為：BIO09(32.8%)>BIO18(15.2%)>BIO11(13.5%)>BIO14(12.2%)>BIO08(10.5%)>BIO03(8.8%)>BIO19(6.6%)。

MaxEnt v3.3.3k生成的10 percentile training presence閾值為0.251 8，據(jù)其可將閾值在0～0.251 8的部分劃分為山白樹非適生區(qū)，閾值在0.251 8～1的部分劃分適生區(qū)。另外，將適生區(qū)劃分為以下3個(gè)等級(jí)：(1)0.251 8～0.504 5，低度適生區(qū)；(2)0.504 5～0.758，中度適生區(qū)；(3)0.758 2～1，高度適生區(qū)。

2.2 山白樹的當(dāng)代適生區(qū)

本研究結(jié)果(表2)表明，山白樹當(dāng)代(1950-2000年)總適生區(qū)總面積為24.8×104km2，占中國(guó)國(guó)土面積的2.6%。其中，高度適生區(qū)為4.0×104km2，占適生區(qū)面積的16%，主要分布于秦嶺西段和巴山中段；中度和低度適生區(qū)面積分別為7.1×104和13.7×104km2，分別占適生區(qū)總面積的29%和55%。山白樹當(dāng)代的適生區(qū)包括陜西、四川、湖北、山西、河南、甘肅、重慶等地，主要集中于秦嶺、巴山和中條山地區(qū)(圖1-A，B)。此外，在四川盆地西南邊緣和黃土高原南部邊緣也有小范圍的低度適生區(qū)分布。

圖1 山白樹在中國(guó)的50個(gè)分布記錄點(diǎn)及在不同時(shí)期適生區(qū)的地理分布預(yù)測(cè)A.50個(gè)山白樹記錄點(diǎn)的地理分布圖；B.山白樹在當(dāng)代(1950-2000年)的適生區(qū)地理分布預(yù)測(cè)圖；C.山白樹在末次間冰期(～120-140Ka BP)的適生區(qū)地理分布預(yù)測(cè)圖；D.山白樹在末次盛冰期 (～21Ka BP) 的適生區(qū)地理分布預(yù)測(cè)圖； E.山白樹在21世紀(jì)50年代(2050s)的適生區(qū)地理分布預(yù)測(cè)圖；F.山白樹在21世紀(jì)80年代(2080s)的適生區(qū)地理分布預(yù)測(cè)圖Fig.1 Distribution of 50 sample record points and predicted distribution map under different climate conditions for Sinowilsonia henryi in ChinaA.The 50 sample record points of S.henryi in this study;B.Predicted distribution map for S.henryi under the current climate condition (1950-2000);C.Predicted distribution map for S.henryi under the LIG climate condition (～120-140Ka BP);D.Predicted distribution map for S.henryi under the LGM climate condition (～21Ka BP);E.Predicted distribution map for S.henryi under 2050s climate condition;F.Predicted distribution map for S.henryi under 2080s climate condition

表2 各時(shí)間段山白樹在我國(guó)的分布面積預(yù)測(cè)Table 2 Predictedsuitable habitats for Sinowilsonia henryi in different periodsin China ×104 km2

2.3 山白樹在末次間冰期和盛冰期的適生區(qū)

本研究結(jié)果表明，山白樹在末次間冰期(～120-140 Ka BP)的總適生區(qū)面積達(dá)40.9×104km2，為當(dāng)代適生總面積的1.65倍，其中高度適生區(qū)面積為7.1×104km2(表2)。其適生區(qū)主要分布于長(zhǎng)江中下游沿岸，特別是在四川東部、重慶和湖北西部(即川東、鄂西地區(qū))有較大范圍的分布區(qū)(圖1-C)。

山白樹在末次盛冰期(～21Ka BP)的總適生區(qū)面積較當(dāng)代大幅減小，為1.1×104km2，僅占當(dāng)代適生區(qū)總面積的4.4%，而且?guī)缀鯖](méi)有高度適生區(qū)(表2)。其適生區(qū)僅分布于陜西、四川、重慶、湖北四省交界的漢水河谷地帶和重慶長(zhǎng)江沿岸(圖1-D)。

2.4 山白樹在未來(lái)的適生區(qū)預(yù)測(cè)

山白樹在21世紀(jì)50年代(2050s)的總適生區(qū)面積較當(dāng)代有較大幅度增加，達(dá)475.5×104km2，為當(dāng)代的19倍(表2)，涵蓋了我國(guó)中東部大部分地區(qū)。其高度適生區(qū)面積為167.8×104km2，分布在華中、華東、東北長(zhǎng)白山和大興安嶺等地區(qū)(圖1-E)。

在21世紀(jì)80年代(2080s)，山白樹的總適生區(qū)面積為324.7×104km2，占國(guó)土面積的34%，為當(dāng)代適生區(qū)總面積的13倍(表2)。其中高度適生區(qū)面積達(dá)98.3×104km2，為當(dāng)代高度適生區(qū)的25倍，主要分布在四川東部、重慶、湖北西部、陜西南部、河南南部和東北長(zhǎng)白山地區(qū)(圖1-F)。

3 討 論

3.1 影響山白樹分布的氣候因素

本研究應(yīng)用最大熵值模型對(duì)我國(guó)特有屬珍稀瀕危植物山白樹在不同年代的地理分布進(jìn)行了預(yù)測(cè)，定量、直觀地獲得了山白樹在不同歷史時(shí)期的適生區(qū)分布(潛在分布區(qū))信息。研究結(jié)果表明，山白樹在當(dāng)代的適生區(qū)與其實(shí)際分布區(qū)非常吻合，這說(shuō)明此模型在預(yù)測(cè)不同時(shí)代山白樹適生區(qū)分布上具有較高的準(zhǔn)確度。

采用Jackknife法檢驗(yàn)了19個(gè)生物氣候因子的重要性，發(fā)現(xiàn)山白樹地理分布的最大影響因素依次是最干季度平均溫度、最暖季度降水量、最冷季度平均溫度、最干月份降水量和最濕季度平均溫度，可以看出溫度和水分是影響山白樹分布的最重要因子。在本研究給定的幾種大氣環(huán)流模型與氣候變化場(chǎng)景的組合中，山白樹的適生區(qū)在不同時(shí)代變化波動(dòng)幅度很大，這表明山白樹對(duì)全球氣候變化較為敏感。

3.2 山白樹在末次盛冰期和末次間冰期的適生區(qū)分布

本研究結(jié)果表明，在距今12～14萬(wàn)年前的末次間冰期，山白樹的適生區(qū)比當(dāng)代適生區(qū)面積略大但更靠近南方一些，主要分布在長(zhǎng)江三峽附近的川東鄂西地區(qū)、大別山地區(qū)及長(zhǎng)江下游沿岸地區(qū)。在末次盛冰期，山白樹的適生區(qū)大幅減小，僅分布在巴山地區(qū)和漢水谷地。

第四紀(jì)全球曾發(fā)生過(guò)多次冰期和間冰期氣候劇烈波動(dòng)，對(duì)植物的分布產(chǎn)生了強(qiáng)烈的影響[18]。在末次間冰期，當(dāng)時(shí)的氣候與現(xiàn)代氣候較為相似，此時(shí)我國(guó)中部地區(qū)的平均氣溫比當(dāng)代高2～3 ℃；在距今2.1萬(wàn)年前的末次盛冰期，我國(guó)中部地區(qū)年平均氣溫比現(xiàn)在低13 ℃左右[19]。當(dāng)冰期來(lái)臨，氣溫降低，植物會(huì)從高緯度地區(qū)向低緯度地區(qū)遷移，從高海拔地區(qū)向低海拔地區(qū)遷移，在更低的緯度或海拔地區(qū)“避難”；在間冰期，植物會(huì)向高海拔和高緯度地區(qū)回遷。我國(guó)中東部在冰期雖未發(fā)生過(guò)大規(guī)模的冰川，但冰期氣候大幅下降必然對(duì)當(dāng)時(shí)的動(dòng)植物產(chǎn)生較大影響。因此可以推測(cè)，在末次盛冰期原本生活在海拔1 000 m左右的山白樹不得不向南遷移，或者遷移到更低海拔的地方。但華中地區(qū)山脈多東西走向，向南遷移沒(méi)有可能性，山白樹最有可能就近遷移到低海拔的河谷地帶以適應(yīng)變冷的氣候，而巴山地區(qū)和漢水河谷地帶海拔多在100～500 m，這樣的地理環(huán)境就成了山白樹的“冰期避難所”。但是，山白樹在末次盛冰期的適生區(qū)面積卻急劇減小，僅為當(dāng)代適生區(qū)面積的4.4%，其高度適生區(qū)面積更小。因此，山白樹在冰期極有可能遭遇了瓶頸效應(yīng)，這可能是其現(xiàn)在瀕臨滅絕的重要原因。

3.3 山白樹在未來(lái)的適生區(qū)分布變化

根據(jù)對(duì)未來(lái)全球氣候的預(yù)測(cè)，未來(lái)幾十年全球氣候趨暖，平均氣溫會(huì)比當(dāng)代更高。本研究對(duì)山白樹在未來(lái)幾十年的適生區(qū)預(yù)測(cè)結(jié)果表明，在未來(lái)山白樹分布區(qū)將有大幅擴(kuò)張，在21世紀(jì)50年代和80年代，山白樹的適生區(qū)面積分別為當(dāng)代的19和13倍，其適生區(qū)將從當(dāng)代主要分布的華中地區(qū)向東、向北擴(kuò)大到華東、華北和東北地區(qū)。因此，全球氣候變暖對(duì)山白樹的生長(zhǎng)和繁衍是一個(gè)利好條件，有利于這種珍稀瀕危植物的保護(hù)。

[1] 應(yīng)俊生，張玉龍.中國(guó)種子植物特有屬 [M].北京：科學(xué)出版社，1994：384-386.

Ying J S,Zhang Y L.Endemic genus of Spermatophyta in China [M].Beijing:Science Press,1994:384-386.(in Chinese)

[2] 應(yīng)俊生.中國(guó)種子植物物種多樣性及其分布格局 [J].生物多樣性,2001,9(4):393-398.

Ying J S.Species diversity and distribution pattern of seed plants in China [J].Biodiversity Science,2001,9(4):393-398.(in Chinese)

[3] Wolf J A.Fossil forms of Ameniiferae [J].Brittonia,1973,25(4):334-355.

[4] 熊向陽(yáng).山白樹屬雄蕊數(shù)目和形態(tài)的變異及其系統(tǒng)學(xué)意義 [J].安徽農(nóng)學(xué)通報(bào),2008，14(6)：92-93.

Xiong X Y.Variation of stamen number and form ofSinowilsoniaand its systematic significance [J].Anhui Agriculture Science Bulletin,2008,14(6):92-93.(in Chinese)

[5] 吳征鎰，孫 航，周浙昆，等.中國(guó)植物區(qū)系中的特有性及其起源和分化 [J].云南植物研究，2005，27(6)：577-604.

Wu Z Y,Sun H,Zhou Z K,et al.Origin and differentiation of endemism in the flora of China [J].Acta Botanica Yunnanica,2005,27(6):577-604.(in Chinese)

[6] 章 群，施蘇華,黃椰林,等.金縷梅亞科ITS序列分析及其系統(tǒng)學(xué)意義 [J].武漢植物學(xué)研究，2011，19(6)：445-448.

Zhang Q,Shi S H,Huang Y L,et al.ITS sequences of Hamam-elidoideae and their systematic significance [J].Journal of Wuhan Botanical Research,2001,19(6):445-448.(in Chinese)

[7] 國(guó)家環(huán)境保護(hù)局，中國(guó)科學(xué)院植物研究所.中國(guó)珍稀瀕危保護(hù)植物名錄 [J].生物學(xué)通報(bào)，1987(7)：23-28.

Ministry of environmental protection of the People’s Republic of China,Institute of Botany,the Chinese academy of Sciences.The list of the protected rear and endangered plants in China [J].Bulletin of Botany,1987(7):23-28.(in Chinese)

[8] 狄維忠，于兆英.陜西省第一批國(guó)家珍稀瀕危保護(hù)植物 [M].西安：西北大學(xué)出版社，1989：76-80.

Di W Z,Yu Z Y.State-protected rare and endangered plants in Shaanxi Province [M].Xi’an:Northwest University Press,1989：76-80.(in Chinese)

[9] Phillips S J,Anderson R P,Schapire R E.Modeling of species distributions with Maxent:New extensions and a comprehensive evaluation [J].Ecography,2008,31(2):161-175.

[10] Phillips S J,Anderson R P,Schapire R E.Maximum entropy modeling of species geographic distributions [J].Ecological Modelling,2006,190:231-259.

[11] Halvorsen R.A strict maximum likelihood explanation of Max-Ent,and some implications for distribution modelling [J].Sommerfeltia,2013,36:1-132.

[12] Hernandez P A,Graham C H,Master L L,et al.The effect of sample size and species characteristics on performance of different species distribution modeling methods [J].Ecography,2006,29:773-785.

[13] 吳建國(guó).氣候變化對(duì)7種保護(hù)植物分布的潛在影響 [J].武漢植物學(xué)研究,2010,28(4):437-452.

Wu J G.Potential effects of climate change on the distribution of severn protected plants in China [J].Journal of Wuhan Botanical Research,2010,28(4):437-452.(in Chinese)

[14] Zhang J P,Zhang Y L,Liu L S,et al.Predicting potential distribution of Tibetan spruce (Piceasmithiana) in Qomolangma (Mount Everest) National Nature Preserve using maximum entropy niche-based model [J].Chinese Geographical Science,2011,21(4):417-426.

[15] Ward D F.Modelling the potential geographic distribution of invasive ant species in New Zealand [J].Biol Invasions,2007(9):723-735.

[16] Hill M P,Hoffmann A A,McColl S A,et al.Distribution of cryptic blue oat mite species in Australia:Current and future climate conditions [J].Agric For Entomol,2012,14(2):127-137.

[17] Elith J,Phillips S J,Hastie T,et al.A statistical explanation of MaxEnt for ecologists [J].Divers Distrib,2011,17(1):43-57.

[18] Hewitt G.The genetic legacy of the Quaternary ice age [J].Nature,2000,405:907-913.

[19] 浦慶余.末次冰期以來(lái)我國(guó)自然環(huán)境變遷及其與全球變化的關(guān)系 [J].第四紀(jì)研究,1991(3):245-259.

Pu Q Y.Evolution of natural environment in China since the last glacial period and its position in the global change [J].Quaternary Science,1991(3):245-259.(in Chinese)

Distributional change in suitable area ofSinowilsoniahenryiHemsl.based on Maximum Entropy Model

ZHOU Tian-hua1,QIAN Zeng-qiang2,WANG Yong3

(1SchoolofLifeScienceandEngineering,ShaanxiUniversityofTechnology,Hanzhong,Shaanxi723001,China;2CollegeofLifeSciences,ShaanxiNormalUniversity,Xi’an,Shaanxi710062,China;3DahekanNine-gradeSchool,Nanzheng,Shaanxi723100,China)

【Objective】 This study investigated distribution patterns and changes of suitable habitats forSinowilsoniahenryiHemsi.under different climate change scenarios to predict the past and future suitable habitats.【Method】 Maximum entropy (MaxEnt) model was employed to predict the suitable habitats ofSinowilsoniahenryiHemsi.in different decades based on the climate change data of current,last interglacial (LIG),last glacial maximum (LGM),2050s and 2080s.【Result】 The MaxEnt model was accurate for predicting distribution ofSinowilsoniahenryiHemsi.The suitable habitats ofS.henryiwere mainly influenced by 7 bioclimatic variables,including mean temperature of driest quarters,precipitation of warmest quarters,mean temperature of coldest quarters,precipitation of driest months,mean temperature of wettest quarters,isothermality and precipitation of coldest quarters.The suitable habitat area ofS.henryiin LIG was 1.65 times as large as that in current,but the distribution was more southward.The suitable habitat ofS.henryishrunk greatly in LGM,which was 4.4% of that in current,and the distribution scattered in Mts.Bashan and valleys along upper reach of Hanjiang River.The suitable habitat ofS.henryiwould expand during 2050s and 2080s,with total area welling to 19 and 13 times as large as that in current,respectively.【Conclusion】S.henryiwas sensitive to climate change.The suitable habitats varied greatly under different climate change scenarios,and would expand with the anticipated wormer climate in the 21st century.

SinowilsoniahenryiHemsi;suitable habitat;climate change;Maximum Entropy Modeling

時(shí)間:2015-08-05 08:56DOI：10.13207/j.cnki.jnwafu.2015.09.008

2014-12-31

陜西省教育廳科研專項(xiàng)(11JK0622)；陜西理工學(xué)院2011年博士啟動(dòng)項(xiàng)目

周天華(1976-)，男，陜西漢中人，講師，博士，主要從事植物生態(tài)學(xué)研究。E-mail:zhou3687@126.com

Q948.2

A

1671-9387(2015)09-0051-06

網(wǎng)絡(luò)出版地址:http://www.cnki.net/kcms/detail/61.1390.S.20150805.0856.016.html