基于MaxEnt和ArcGIS的吉林省穿龍薯蕷分布區(qū)劃研究

王哲　李波　肖井雷　姜大成

[摘要]針對穿龍薯蕷資源保護和人工栽培區(qū)選擇的實際問題，通過對吉林省內(nèi)穿龍薯蕷進行實地調(diào)查，運用MaxEnt模型和GIS技術(shù)，篩選出影響穿龍薯蕷分布的主要環(huán)境因子，并對穿龍薯蕷進行分布區(qū)劃研究，繪制吉林省穿龍薯蕷分布區(qū)劃圖。MaxEnt模型研究發(fā)現(xiàn)溫度季節(jié)性變化的標準差、10月份降水量等6項主要環(huán)境因子對穿龍薯蕷的生長適宜度影響最大，生長適宜度數(shù)值范圍為4612 08×10-6～0544 31，利用分位數(shù)法對穿龍薯蕷進行分布區(qū)劃，劃分為高適生區(qū)、中適生區(qū)、低適生區(qū)和不適生區(qū)4部分。其中高適生區(qū)集中在吉林省中部和南部地區(qū)，總面積47 988 km2。利用ArcGIS提取采樣點的環(huán)境因子，統(tǒng)計主要環(huán)境因子在各適宜區(qū)內(nèi)的數(shù)值情況。該研究繪制的吉林省穿龍薯蕷分布區(qū)劃與實際情況基本一致，為明確最適合穿龍薯蕷生長的自然環(huán)境，也為開展穿龍薯蕷資源的保護和栽培區(qū)選擇提供參考依據(jù)。

[關鍵詞]穿龍薯蕷； 吉林?。?最大信息熵模型； GIS； 分布區(qū)劃； 環(huán)境因子

[Abstract]At the urgent practical issue of resource protection and artificial cultivation area selection of Dioscorea nipponica， the dominant environmental factors affecting the distribution of D nipponicain Jilin province were selected by field investigation and using the maximum information entropy model and geographic information technology MaxEnt model study found that the standard deviation of seasonal variation of temperature， precipitation in October and other six environmental factors on the growth of D nipponica are the greatest impacting factors The range of suitability for the growth of D nipponica was 4612 08×10-60544 31， and the regionalization study was divided into four parts： high fitness area， middle fitness area， low fitness area and unfavorable area The high fitness area is concentrated in the central and southern areas of Jilin Province， using ArcGIS statistical environment factors in the appropriate area of the numerical situation The results showed that the regionalization study of D nipponica was basically the same as the actual situation It is clear that the natural environment suitable for the growth of D nipponica is also the basis for the protection of the resources and the selection of cultivated area

[Key words]Dioscorea nipponica； Jilin province； maximum entropy model（MaxEnt）； geographic information system （GIS）； regionalization study； environmental factor

薯蕷科植物穿龍薯蕷Dioscorea nipponica Makino的干燥根莖為常用中藥“穿山龍”[1]，是一種非常重要的藥用植物。穿龍薯蕷在我國主要分布于東北、華北、華東、西北地區(qū)[2]。由于穿龍薯蕷分布范圍較廣，產(chǎn)地環(huán)境也會存在較大差異。有研究表明[3]，東北地區(qū)所產(chǎn)穿龍薯蕷皂苷元含量較高，也是目前穿山龍藥材的重要的產(chǎn)區(qū)[4]。吉林省地處中國東北地區(qū)中部，省內(nèi)的長白山自然資源十分豐富，也是全國著名的中藥材產(chǎn)區(qū)。一直以來，穿龍薯蕷就是吉林省出產(chǎn)的大宗中藥材品種。

近年來，由于受到人口膨脹與城鎮(zhèn)化建設引起的生境破碎化及過度采挖等因素，穿龍薯蕷的資源量發(fā)生了明顯改變，因此保護穿龍薯蕷資源對未來穿山龍藥材的長期可持續(xù)利用具有非常重要的現(xiàn)實意義。明確穿龍薯蕷在吉林省的分布區(qū)劃，是穿龍薯蕷資源保護規(guī)劃和人工栽培的基礎，也是未來保護這一中藥資源的基本要求。目前，開展分布區(qū)劃研究有多重方法，常見的有MaxEnt，Bilclim，ENFA，Domain，Grap等模型，曹向鋒等[5]利用上述5種生態(tài)位模型研究黃頂菊在中國的適生區(qū)發(fā)現(xiàn)，MaxEnt模型的模擬精度最好。在中藥區(qū)劃研究領域，MaxEnt（maximum entropy model，最大信息熵模型）是一種較為常用的方法[68]。它通過對已有分布資料和環(huán)境找出物種概率分布的最大熵，從而預測物種的分布模型[9]。并利用GIS（geographic information system，地理信息系統(tǒng)）實現(xiàn)了對地理數(shù)據(jù)的分析和顯示功能。本研究利用Maxent模型和GIS技術(shù)對吉林省穿龍薯蕷分布區(qū)劃進行了客觀分析研究，明確了影響穿龍薯蕷生長的主要環(huán)境因子，為吉林省開展針對穿龍薯蕷資源的保護工作提供了重要的科學依據(jù)。endprint

1材料

11采樣點數(shù)據(jù)穿龍薯蕷采樣點經(jīng)度和緯度數(shù)據(jù)為本中心2012—2015年開展野外實地調(diào)查，利用GPS（北京合眾思壯科技股份有限公司，集思寶MG711，實時定位精度2～5 m）獲得，共獲得采樣點2 097個。但由于調(diào)查時間和采集的人員不同，同時還受物種分布地區(qū)的易到達程度和人為偏向性的影響，導致物種分布數(shù)據(jù)在某些地區(qū)過于密集，這就有可能導致研究結(jié)果的誤差[10]。為了在一定程度上消除這部分數(shù)據(jù)對于研究結(jié)果的影響，本研究將穿龍薯蕷采樣點經(jīng)緯度數(shù)據(jù)導入到ArcGIS軟件中，利用Data Management Tools的Create fishnet功能模塊建立空間分辨率為1 km×1 km的格網(wǎng)數(shù)據(jù)，以1個格網(wǎng)作為1個采樣單元對穿龍薯蕷的分布數(shù)據(jù)進行采樣。對于1個格網(wǎng)內(nèi)的多條記錄，只隨機選取其中1條記錄。最終得到用于本研究所使用的1 067個穿龍薯蕷采樣點數(shù)據(jù)，全部采樣點數(shù)據(jù)的分布情況見圖1。同時按照MaxEnt軟件的格式要求，將采樣點經(jīng)度和緯度數(shù)據(jù)整理成csv格式物種分布數(shù)據(jù)文件備用。

12環(huán)境數(shù)據(jù)數(shù)據(jù)來源于“中藥資源空間信息網(wǎng)絡數(shù)據(jù)庫”，比例尺為1∶100萬，包含55項生態(tài)因子，其中19項生物氣候數(shù)據(jù)為1950—2000年監(jiān)測數(shù)據(jù)的平均值，生態(tài)因子中溫度數(shù)值（℃）為實際數(shù)值的10倍。數(shù)據(jù)為WGS84坐標系，圖層柵格大小為1 km2。

13供試軟件Maxent（333版）軟件由MaxEnt官網(wǎng)下載（http：//wwwcsprincetonedu/～schapire/maxent/）下載安裝使用。GIS軟件使用ArcGIS 103（學生版）軟件，由美國ESRI公司提供。

2方法

21Maxent模型參數(shù)將穿龍薯蕷采樣點數(shù)據(jù)和環(huán)境數(shù)據(jù)按格式要求分別導入到MaxEnt軟件，設置參數(shù)運行建模，具體參數(shù)如下：設置分布數(shù)據(jù)的20%為隨機抽取測試集，其余作為訓練集，最大迭代次數(shù)1×106。設置刀切法校驗權(quán)重，MaxEnt自定義設置ROC評價曲線和曲線下面積（AUC）對預測結(jié)果進行精度評測，其他參數(shù)為軟件默認設置[11]。

22主環(huán)境因子選擇由于環(huán)境數(shù)據(jù)之間有一定的相關性，對環(huán)境數(shù)據(jù)進行相關性分析之后才適用于MaxEnt模型。環(huán)境因子選擇分2步進行；首先，將全部55項環(huán)境因子導入MaxEnt模型中運算3次，刪除貢獻率為0的生態(tài)因子，利用ArcGIS中Spatial Ananlyst工具中提取分析功能模塊下多值提取至點功能，提取所有采樣點的環(huán)境因子。其次，選取所有貢獻率大于0%的環(huán)境因子數(shù)值進行Spearman相關系數(shù)分析（SPSS 220），當2項環(huán)境因子的相關系數(shù)≥08時，舍去貢獻率較小的環(huán)境因子[1112]。將最終篩選出的環(huán)境因子利用MaxEnt模型計算分析，得到環(huán)境因子對穿龍薯蕷分布區(qū)劃的貢獻率和刀切圖，選取貢獻率大、權(quán)重高的環(huán)境因子作為主環(huán)境因子。利用由ArcGIS提取的主因子在各區(qū)的數(shù)值范圍，進一步探討各適宜區(qū)生態(tài)特點。

23模型精確性驗證ROC曲線（receive operating characteristic，受試者工作曲線）分析法在物種潛在分布預測模型評價中得到了廣泛的應用，ROC曲線下面積（即AUC），不受閾值影響，其大小可作為模型預測準確度的衡量指標。

AUC 05～06為失敗，06～07為較差，07～08為一般，08～09為好，09～10為非常好，其預測結(jié)果可信，可以作為準確的反應物種的潛在分布區(qū)[13]。

24生長適宜度的提取選取10次預測結(jié)果中AUC值最大的1組結(jié)果作為最終預測結(jié)果，利用ArcGIS的格式轉(zhuǎn)換工具將MaxEnt模型結(jié)果由ascii格式轉(zhuǎn)化為raster格式。利用空間分析工具中Extraction功能，將有關吉林省的預測結(jié)果從中國預測結(jié)果中裁剪出來[14]。

25區(qū)劃等級劃分標準MaxEnt模型預測獲得的生長適宜度反映了生態(tài)環(huán)境對中藥材生長的影響，為0～1，可用于確定植物在各種野生環(huán)境下的生長適宜程度，并以此進行分布區(qū)劃研究。通常進行區(qū)劃劃分的依據(jù)有多種方法[1516]。本次研究穿龍薯蕷的分布區(qū)劃，采用ArcGIS軟件中分類功能模塊，通過綜合比較相等間隔，分位數(shù)法、自然間斷點分級法和幾何間隔法4種方法，以效果最好的分類方法為基礎，將穿龍薯蕷適宜性區(qū)劃按照適生指數(shù)從低到高依次分為不適生區(qū)、低適生區(qū)、中適生區(qū)、高適生區(qū)4部分。利用ArcGIS軟件重分類（reclassify）功能，繪制穿龍薯蕷分布區(qū)劃圖。

3結(jié)果與分析

31預測精準度評價據(jù)MaxEnt模型預測結(jié)果，ROC曲線訓練集的AUC為0962，測試集的AUC為0965，表明MaxEnt模型模擬效果非常好，由模型運算得出的穿龍薯蕷的生長適宜度具有很高的可信度和準確度，見圖2。

32適生區(qū)環(huán)境參數(shù)綜合分析MaxEnt模型運算中刀切法反應不同環(huán)境因子在影響穿龍薯蕷生長適宜度中所占的權(quán)重。從刀切圖中可以看出溫度季節(jié)性變化的標準差、10月份降水量、最干季平均溫、9月份降水量、9月份平均溫、8月份降水量6項生態(tài)因子對穿龍薯蕷生境適宜性的累計貢獻率接近99%，見圖2，表1。因此選擇這上述生態(tài)因子作為主環(huán)境因子進行分析。

上述6項主環(huán)境因子中，有3項環(huán)境因子與溫度有關，而另外3項環(huán)境因子與降水量有關，這表明溫度與降水量是影響穿龍薯蕷生長的最主要環(huán)境因子。利用ArcGIS提取所有采樣點的環(huán)境因子，分別統(tǒng)計6項環(huán)境因子在4個不同生境適宜度等級分布區(qū)的數(shù)值范圍（最小值-最大值）和平均數(shù)及標準差。結(jié)果表明，在不同的生境適宜區(qū)，影響穿龍薯蕷生長的6項環(huán)境因子均有一定的變化，但單一環(huán)境因子在各適生區(qū)間數(shù)值變化不大，這可能表明穿龍薯蕷的分布區(qū)劃主要受幾項主環(huán)境因子共同影響，單一環(huán)境因子的變化對區(qū)劃結(jié)果的影響不大，見表2。endprint

33生長適宜性等級劃分MaxEnt模型結(jié)果，穿龍薯蕷在吉林省的生長適宜度數(shù)值為4612 08×10-6～0544 31。通過比較幾種分類方法的分類效果及采樣點在各區(qū)劃中數(shù)量，顯示利用分位數(shù)對穿龍薯蕷進行分布區(qū)劃效果較好，所獲得的吉林省穿龍薯蕷分布區(qū)劃結(jié)果與實際情況基本一致。各區(qū)劃等級見表3。

利用上述方法所建立的吉林省穿龍薯蕷分布區(qū)劃見圖3，圖中顏色從紅色至綠色表示生長適宜度值依次遞增。由圖3可知，穿龍薯蕷在吉林省的適生面積（低適生區(qū)、中適生區(qū)、高適生區(qū)）較廣，適生區(qū)主要集中在除西北部以外的廣大地區(qū)。其中高適生區(qū)（生長適宜度>0517）主要集中在吉林省中部和南部的吉林市、遼源市和通化市，同時也包括長春市、四平市和白山市的部分地區(qū)。這一地區(qū)屬于吉林省的中部低山丘陵，是東部山區(qū)向西部平原過渡地帶，主要地形為低山、丘陵和河谷平原[17]。

4討論

穿龍薯蕷是吉林省大宗中藥材品種，一直以來產(chǎn)量較大，供求關系穩(wěn)定。但通過最近開展的中藥資源普查發(fā)現(xiàn)，穿龍薯蕷的生存環(huán)境急劇惡化，野生資源量急劇減少。因此有必要研究該物種的分布區(qū)劃，在建立相應的保護機制的同時，開展規(guī)?；娜斯ぴ耘?，才能從根本上保護這一重要的資源。

本研究所采用的MaxEnt模型簡單易行，預測準確性高且操作簡便，可用于對植物的潛在分布預測和適宜性評價。研究結(jié)果顯示，利用本中心前期調(diào)查所獲得的大量穿龍薯蕷采樣點數(shù)據(jù)開展分析工作，結(jié)合ArcGIS所提供的分類方法建立的穿龍薯蕷分布區(qū)劃結(jié)果，與實際調(diào)查較為一致，不僅真實的反映了穿龍薯蕷的分布情況，同時也明確了環(huán)境因子對穿龍薯蕷適生性的影響。結(jié)果表明，穿龍薯蕷的分布主要受到溫度與降水量的影響，其中溫度季節(jié)性變化的標準差等6項生態(tài)因子的影響最為明顯。利用ArcGIS軟件實現(xiàn)了對不同區(qū)劃中環(huán)境因子的提取和統(tǒng)計分析，為進一步明確穿龍薯蕷適生環(huán)境因子提供了可能。所建立的穿龍薯蕷分布區(qū)劃將吉林省劃分為高適生區(qū)、中適生區(qū)、低適生區(qū)、不適生區(qū)。其中高適生區(qū)和中適生區(qū)總面積93 057 km2，占吉林省總面積的4867%，主要集中在吉林省東部、中部和南部的低山丘陵地區(qū)。這一區(qū)域是吉林省中藥資源最為豐富的地區(qū)，適合開展穿龍薯蕷資源保護，也可以參考影響分布區(qū)的主要環(huán)境因子，合理規(guī)劃穿龍薯蕷的仿野生栽培區(qū)。這既可以避免盲目引種所造成的人力、物力和財力等方面的浪費，又可以保證穿龍薯蕷的產(chǎn)量和品質(zhì)，是解決目前穿龍薯蕷野生資源問題的最佳途徑。

[參考文獻]

[1]中國藥典一部[S]2015：267

[2]張志耘中國植物志第16卷第1分冊[M]北京：科學出版社，1985：60

[3]李金玲，張崇禧，李攀登，等HPLC比較研究不同產(chǎn)地與不同生長年限穿龍薯蕷中薯蕷皂苷元含量[J]中國藥學雜志，2010，45（4）：245

[4]丁鄉(xiāng)，丁立威穿山龍產(chǎn)供銷分析[J]中國現(xiàn)代中藥，2012，14（10）：59

[5]曹向鋒，錢國良，胡白石，等采用生態(tài)位模型預測黃頂菊在中國的潛在適生區(qū)[J]應用生態(tài)學報，2010，21（12）：3063

[6]劉蒙蒙，邢詠梅，郭順星基于Maxent生態(tài)位模型預測藥用真菌豬苓在我國潛在適生區(qū)[J]中國中藥雜志，2015，40（14）：2792

[7]孫洪兵，孫輝，蔣舜媛，等基于3S技術(shù)的羌活區(qū)劃研究Ⅰ基于MaxEnt和ArcGIS的清貨生長適宜性分析及評價[J]中國中藥雜志，2015，40（5）：85

[8]苗琦，袁源見，羅光明，等基于ArcGIS和Maxent的梔子生態(tài)適宜性研究[J]中國中藥雜志，2016，41（17）：3181

[9]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)的預測[J]農(nóng)業(yè)工程學報，2011，27（S1）：413

[10]雷軍成，徐海根基于MaxEnt的加拿大一枝黃花在中國的潛在分布區(qū)預測[J]生態(tài)與農(nóng)村環(huán)境學報，2010，26（2）：137

[11]盧有媛，楊燕海，馬曉輝，等中藥秦艽生態(tài)適宜性區(qū)劃研究[J]中國中藥雜志，2016，41（17）：3176

[12]柳鑫，楊艷芳，宋紅萍，等基于MaxEnt和ArcGIS的黃連生長適宜性區(qū)劃研究[J]中國中藥雜志，2016，41（17）：3186

[13]王運生，謝丙炎，萬方浩，等ROC曲線分析在評價入侵物種分布模型中的應用[J]生物多樣性，2007，15（4）：365

[14]楊會楓，鄭江華，吳秀蘭，等基于MaxEnt模型和ArcGIS的白喉烏頭在中國潛在分布區(qū)預測[J]中國植保導刊，2015，35（5）：50

[15]白成科，吳永梅，曹博，等基于MaxEnt和GIS的陜西省山茱萸氣候適宜性種植區(qū)劃研究[J]中藥材，2016，39（2）：289

[16]李丹，唐曉敏，朱壽東，等廣金錢草分布和品質(zhì)適宜性區(qū)劃研究[J]中國中藥雜志，2017，42（4）：649

[17]李建東，吳榜華，盛連喜吉林植被[M]長春：吉林科學技術(shù)出版社，2001：9

[責任編輯呂冬梅]endprint