中華獼猴桃在中國潛在分布及其對氣候變化響應的研究*

王茹琳, 李 慶, 何仕松, 劉 原

?

中華獼猴桃在中國潛在分布及其對氣候變化響應的研究*

王茹琳1,2, 李 慶1**, 何仕松3, 劉 原3

(1. 四川農(nóng)業(yè)大學農(nóng)學院 成都 611130; 2. 四川省農(nóng)村經(jīng)濟綜合信息中心 成都 610072; 3. 四川蒼溪獼猴桃研究所 蒼溪 628400)

中華獼猴桃為中國特有果種, 由于其獨特的口感和較高的經(jīng)濟價值, 近年來種植規(guī)模逐年擴大。在引種過程中, 由于缺乏合理的布局規(guī)劃和適生性分析, 出現(xiàn)了品種單一化、易感病蟲害等問題。近年來四川、陜西、貴州、重慶和湖北等獼猴桃主產(chǎn)省份相繼開展了獼猴桃氣候適宜性區(qū)劃的研究, 但目前的研究多未考慮未來氣候變化對獼猴桃種植分布的影響, 且伴隨著氣候變化的加劇, 已有的研究結果已不能完全適應實際生產(chǎn)的需求。本文運用生態(tài)位模型軟件MaxEnt, 模擬和預測氣候變化背景下大尺度范圍中華獼猴桃適生區(qū)分布及其變化的可行性, 以利于科學地優(yōu)化產(chǎn)業(yè)結構、促進產(chǎn)業(yè)發(fā)展?；诋斍皵?shù)據(jù)和IPCC AR5提出的3種氣候情景以及中華獼猴桃的分布信息, 采用MaxEnt生態(tài)位模型和ArcGIS預測了中華獼猴桃的適生區(qū)及未來的變化趨勢, 用受試者工作特征曲線(receiver operating characteristic curve, ROC曲線)檢測模型精度、刀切法(Jackknife test)篩選主導環(huán)境變量。結果表明, 基于當前和未來情景構建的中華獼猴桃地理分布模型的AUC(area under curve)值均達到“極好”的標準, 說明模型預測結果可用于本研究。當前氣候條件下, 中華獼猴桃的高適生區(qū)主要在四川、陜西、重慶、湖北、貴州、浙江、湖南、安徽、河南、江蘇和甘肅等省份, 面積達1.01×106km2。中適生區(qū)則以高適生區(qū)為中心向外擴散, 包括河南、湖北、安徽、江蘇和山東等地, 面積為6.79×105km2。RCP2.6和RCP4.5排放情景下, 中華獼猴桃高適生區(qū)的分布、面積及中心點位置都有所不同, 面積均呈增加趨勢; RCP8.5排放情景下, 高適生區(qū)面積呈減少趨勢。RCP4.5和RCP8.5排放情景下, 中華獼猴桃高適生區(qū)中心點均有向北移動趨勢。MaxEnt模型對未來氣候變化條件下中華獼猴桃適生區(qū)的準確模擬與預測具有潛在應用價值, 對該果樹的氣候適宜性區(qū)劃具有重要指導意義。

中華獼猴桃; MaxEnt模型; 環(huán)境變量; 氣候變化; 適生區(qū)分析; 典型濃度路徑情景

生物與氣候之間相互作用對物種的分布影響巨大, 氣候變化不僅可以改變物種所在的生態(tài)系統(tǒng), 且造成的改變往往是不可逆的。在區(qū)域尺度上, 氣候是影響物種分布的主要環(huán)境因素[1]。農(nóng)業(yè)生產(chǎn)強烈依賴氣候生態(tài)條件, 氣候變化將改變農(nóng)作物已有的適宜性區(qū)劃, 影響其生長、發(fā)育及產(chǎn)量[2-4]。物種分布模型 (species distribution models, SDM)是研究實際氣候變化對物種分布影響的重要工具, 近年來該類模型在國內外得到廣泛應用, 目前常用的有最大熵模型MaxEnt (maximum entropy model)、基于遺傳算法的規(guī)則組合模型GARP(genetic algorithm for rule set produciton model)、生物氣候模型BIOCLIM (biological climatic model)和氣候動態(tài)模擬軟件Climex (match climate and compare location model)等約14種物種分布模型[5-7]。MaxEnt模型的模擬精度要高于其他模型, 加之該軟件具有運行時間短、操作簡便、運行結果穩(wěn)定和所需樣本量小等特點在業(yè)內得到了廣泛認可[8]。近年來, 國內學者利用MaxEnt模型成功研究了氣候變化對水稻()[9]、玉米()[10]、小麥()[11]等糧食作物的影響, 并分析了氣候因子與種植分布之間的關系, 取得了較好的模擬效果。

獼猴桃(spp.), 又稱奇異果, 隸屬于獼猴桃科(Actinidiaceae), 猴桃屬, 為漿果類落葉藤本果樹, 是20世紀人工馴化栽培野生果樹最有成就的四大果樹之一[12]。中國是世界獼猴桃起源中心, 獼猴桃屬66個種中有62個種原產(chǎn)于中國[13]。近年來, 隨著我國農(nóng)業(yè)產(chǎn)業(yè)結構調整, 獼猴桃產(chǎn)業(yè)發(fā)展迅速, 獼猴桃的栽培面積和產(chǎn)量都得到長足的發(fā)展, 目前我國獼猴桃年產(chǎn)量已超過意大利, 成為世界第一產(chǎn)出國。中華獼猴桃()和美味獼猴桃()是我國栽培最廣泛的兩個種。中華獼猴桃為中國特有果種, 由于其口感獨特、經(jīng)濟價值高, 近年來種植規(guī)模逐年擴大。在引種過程中, 由于缺乏合理的布局規(guī)劃和適生性分析, 出現(xiàn)了品種單一化、易感病蟲害等問題[14-15]。針對上述問題, 近年來四川[16]、陜西[17]、貴州[18]、重慶[19]和湖北[20]等省份開展了獼猴桃氣候適宜性區(qū)劃的研究, 并在實際生產(chǎn)中起到了積極作用。但目前的研究多未考慮未來氣候變化對獼猴桃種植分布的影響, 且伴隨著氣候變化的加劇, 已有的研究結果已不能完全適應實際生產(chǎn)的需求, 因此有必要開展針對中華獼猴桃的氣候適宜性研究, 以利于科學地優(yōu)化產(chǎn)業(yè)結構、促進產(chǎn)業(yè)發(fā)展。本研究利用MaxEnt模型, 結合GIS技術, 模擬中華獼猴桃在中國的潛在分布范圍, 預測、對比、分析中華獼猴桃在未來3種氣候情景(RCP2.6、RCP4.5和RCP8.5)下分布范圍和空間格局的變化規(guī)律, 旨在探索中華獼猴桃合理區(qū)劃的有效手段, 以期為其生產(chǎn)布局及應對未來氣候變化提供基本的數(shù)據(jù)支持。

1 材料與方法

1.1 預測軟件來源

選用基于最大熵理論的MaxEnt模型軟件來預測中華獼猴桃在中國的適生分布。登錄普林斯頓大學Robert Schapire計算機科學研究中心的MaxEnt主頁可免費下載該軟件, 當前最新版本為3.3.3k版[21]。

選用ArcGIS軟件將MaxEnt模型的運算結果投射到地圖上顯示, 預測中華獼猴桃的實際分布和潛在分布。

1.2 物種分布記錄

運用生態(tài)位模型模擬物種適生區(qū)時[22-23], 首先應獲取目標物種的實際分布數(shù)據(jù), 本研究中四川境內中華獼猴桃的分布數(shù)據(jù)為實地考察獲得, 采用GPS記錄經(jīng)緯度, 其他地區(qū)的分布數(shù)據(jù)則通過查詢物種分布數(shù)據(jù)庫和檢索國內外公開發(fā)表的中華獼猴桃相關的期刊論文獲得。本研究查詢的數(shù)據(jù)庫包括“國際農(nóng)業(yè)與生物科學中心(CABI, http://www. cabi.org/)” 數(shù)據(jù)庫、“全球物種多樣性信息庫(GBIF, http://www.gbif.org/)”和“教學標本資源共享平臺”(http://mnh.scu.edu.cn/)。通過上述方式共獲得分布點283個, 使用Google Earth軟件查詢分布點的經(jīng)緯度信息, 按照MaxEnt軟件要求, 去除重復記錄、模糊記錄和鄰近記錄的分布點。將最終確定的經(jīng)緯度數(shù)據(jù)使用Excel處理, 保存格式為*.CSV[24]。

1.3 環(huán)境變量的選擇

構建物種生態(tài)位模型, 還應選取合適的環(huán)境變量。本研究從worldclim網(wǎng)站下載了67個環(huán)境變量, 包括19個具有較強的生物學意義的生物氣候變量(這些變量是以溫度和雨量為基礎數(shù)據(jù), 根據(jù)不同需求計算演生而來的氣候變量, 可反映溫度與降水的特點及季節(jié)性變化特征)、月平均溫度、月最高溫度、月最低溫度和月降水量。上述數(shù)據(jù)的空間分辨2.5arc-minutes(約4.5 km2)。當前情景的數(shù)據(jù)在worldclim網(wǎng)站下載。氣候變化專門委員會(IPCC)第5次評估報告共發(fā)布的4種典型濃度路徑[25](representative concentration pathways, RCP), 即RCP2.6、RCP4.5、RCP6.0 和 RCP8.5。其中RCP4.5和RCP6.0均為中等CO2排放情景, 且前者優(yōu)先性大于后者, 因此本研究選擇RCP2.6 (最低CO2排放情景)、RCP4.5(中等CO2排放情景)和RCP8.5(最高CO2排放情景)3種排放情景作為未來氣候數(shù)據(jù)。未來時段包括2030s(2021—2040年)、2050s (2041—2060年)、2070s(2061—2080年)和2080s(2071— 2090年), 數(shù)據(jù)在國際熱帶農(nóng)業(yè)中心(International Centre for Tropical Agriculture, CIAT)網(wǎng)站下載[26]。

1.4 中華獼猴桃生境模型構建與結果評價

模型的使用: 輸入中華獼猴桃分布點數(shù)據(jù)和環(huán)境因子數(shù)據(jù), 隨機選取75%的中華獼猴桃分布點作為訓練集(training data)建立預測模型, 剩余25%的中華獼猴桃分布點作為測試集(test data)驗證模型, 選擇刀切法(jackknife test)測定各變量權重, 選擇創(chuàng)建環(huán)境變量響應曲線, 其余參數(shù)均選擇模型的默認值[27]。

模型輸出的數(shù)據(jù)為ASCⅡ格式, 利用ArcGIS的ArcToolbox的格式轉換工具, 將該數(shù)據(jù)轉為Raster格式, 使該結果可在ArcGIS中顯示。MaxEnt軟件模擬輸出的結果值在0~1之間, 值越接近1表示物種越可能存在。本研究采用受試者工作特征曲線(ROC曲線, receiver operating characteristic curve)分析法對模擬結果進行精度評價, 曲線下面積值(area under curve, AUC)反映預測精度, 理論上AUC指標取值范圍為0.5~1, AUC值越接近1表示模型預測結果精度越高。具體評價標準見表1[28-29]。

表1 曲線下面積值(AUC值)取值范圍及其與MaxEnt模型準確性的關系

1.5 中華獼猴桃適生等級劃分

MaxEnt模型輸出結果為ASCⅡ格式文件, 首先使用ArcGIS的ArcToolbox的格式轉換工具, 將該數(shù)據(jù)轉為Raster格式, 使該結果可在ArcGIS中顯示, 而后使用“提取分析”功能得到中華獼猴桃在研究區(qū)的存在概率分布圖[24,30]。MaxEnt軟件模擬輸出的結果值為0~1, 值越接近1表示物種越可能存在。參考IPCC報告[31-32]關于評估可能性的劃分方法, 結合中華獼猴桃的實際情況, 利用“Reclassify”功能, 劃分分布值等級及相應分布范圍, 并使用不同顏色表示, 劃分標準為: 存在概率<0.05為不適生區(qū); 0.05≤存在概率<0.33為低適生區(qū); 0.33≤存在概率<0.66為中適生區(qū); 存在概率≥0.66為高適生區(qū)。

1.6 幾何中心及位移計算

參考Yue等[33]的計算方法, 統(tǒng)計了高適生區(qū)在未來不同時期的面積變化情況以及其中心點的位移, 具體計算公式如下:

式中:表示不同的時段;為高適生區(qū)的單位柵格數(shù)目;s()為時段第(0, 1, 2, …,)個單位柵格的面積;()為時段高適生區(qū)的總面積;X()和Y()分別為時段第個單位柵格質心的經(jīng)度和緯度;()、()分別為時段高適生區(qū)質心的經(jīng)度和緯度。

2 結果與分析

2.1 影響中華獼猴桃分布的關鍵環(huán)境變量的篩選及模擬評價

2.1.1 潛在環(huán)境變量的篩選

本研究選擇的初始環(huán)境變量包括預測物種分布通用的19個生物氣候變量和月平均氣候數(shù)據(jù), 研究表明, 這些變量之間存在不可避免的自相關及多重線性重復等問題, 這些高度相關的變量在模型預測過程中會引入冗余信息, 影響預測結果[34-35]。因此, 應首先對環(huán)境變量進行相關分析和有效篩選。本研究中, 參考Worthington等[36]方法, 篩選潛在環(huán)境變量, 具體過程為: 首先全部環(huán)境變量構建初始模型, 選擇MaxEnt軟件中的刀切法(Jackknife)檢驗來測定環(huán)境變量對模型預測的貢獻大小, 以此剔除對MaxEnt模型預測結果貢獻較小的環(huán)境變量。其次, 利用SPSS軟件對貢獻較大的關鍵限制因子進行Searman相關分析, 若相關系數(shù)||≥0.8, 則對比初始模型中二者的貢獻率, 剔除貢獻率較小的變量, 提高模型模擬的精度。經(jīng)過上述過程, 共保留了22個環(huán)境變量(代碼和計算單位見表2), 在此基礎上重建中華獼猴桃在中國分布的最大熵模型, 并對模擬結果進行準確性評價。

2.1.2 ROC曲線和AUC值對模型準確性評價

圖1是當前時段氣候條件下的ROC曲線圖, 圖中表明基于主導環(huán)境變量構建的中華獼猴桃在中國的地理分布模型的AUC值為0.960, 依據(jù)表1的AUC值評價標準, 本次構建模型的預測準確性達到“極好”的標準; 圖2為未來不同氣候情境下MaxEnt模擬結果的ROC曲線圖, 由圖2可知所有預測結果的AUC值都達到“極好”的標準。上述結果說明模型預測可信度較高, 可用于分析氣候變化對中華獼猴桃在中國分布的影響。

表2 影響中華獼猴桃分布的22個環(huán)境變量及其代碼和計量單位

2.2 中華獼猴桃在中國的潛在分布

由預測結果(圖3)和統(tǒng)計分析(表3)可知, 當前氣候條件下, 中華獼猴桃在中國的適生區(qū)在25°~36°N, 101°~122°E, 由東向西呈不連續(xù)分布, 總面積達2.58×106km2, 占中國國土面積的26.92%。其中高適生區(qū)主要位于四川、陜西、重慶、湖北、貴州、浙江、湖北、安徽、河南、江蘇和甘肅等省份, 面積達1.01×106km2, 占總適生面積的38.94%; 中適生區(qū)沿高適生區(qū)周圍分布, 主要在中國中東部地區(qū), 包括河南、湖北、安徽、江蘇和山東等地, 面積為6.79×105km2, 占總適生面積的26.26%; 低適生區(qū)包括云南、江西、河北和遼寧等省份, 面積為8.99×105km2, 占總適生面積的34.8%。

圖1 當前氣候情景中華獼猴桃MaxEnt模型的ROC曲線

圖2 未來不同年代3種氣候變化情景下中華獼猴桃MaxEnt模型的ROC曲線

本研究選取的未來時段為2030s、2050s、2070s和2080s, 3種氣候模式為RCP2.6、RCP4.5和RCP8.5, 由圖4和表3可知, 上述情景下中華獼猴桃在研究區(qū)的高、中適生區(qū)仍主要集中在四川、陜西、重慶、湖北等省區(qū), 只是在不同時段、不同氣候情景下分布范圍及面積有所不同。

圖3 基于MaxEnt模型預測的中華獼猴桃在中國的適生分析圖

2.3 中華獼猴桃在中國高適生區(qū)面積變化及中心點位移

當前及RCP2.6情景下, 高適生區(qū)面積呈波動增加的變化趨勢?？傮w上由當前的1.01×106km2增加至2080s的1.08×106km2(表3)。當前至2080s, 高適生區(qū)中心點由重慶云陽(當前)經(jīng)重慶巫山(2030s)、重慶奉節(jié)(2050s和2070s)位移至湖北恩施(2080s)(圖5), 總體上向東南方向移動82.39 km(表4)。

當前及RCP4.5情景下, 高適生區(qū)面積呈先減少后增加的變化趨勢?？傮w上由當前的1.01×106km2增加至2080s的1.48×106km2(表3)。當前至2080s, 高適生區(qū)中心點由重慶云陽(當前和2030s)經(jīng)湖北恩施(2050s)、重慶奉節(jié)(2070s)位移至重慶巫溪(2080s)(圖5), 總體上向西北方向移動32.44 km(表4)。

當前及RCP8.5情景下, 高適生區(qū)面積呈先增加后減少變化趨勢?？傮w上由當前的1.01×106km2增加至2080s的1.09×106km2(表3)。當前至2080s, 高適生區(qū)中心點由重慶云陽(當前)經(jīng)重慶巫山(2030s)、重慶巫溪(2050s)、四川宣漢(2070s)位移至重慶巫溪(2080s)(圖5), 總體上向東北方向移動40.82 km(表4)。

3 討論與結論

MaxEnt軟件基于最大熵原理, 以物種分布變量和環(huán)境變量為基礎, 利用數(shù)學模型統(tǒng)計分析熵最大時物種的分布狀態(tài)。眾多研究表明[37], 在分布數(shù)據(jù)較少時MaxEnt模型的預測結果比同類預測模型更精確, 因此本研究選取MaxEnt軟件來預測并分析中華獼猴桃的適生區(qū)及適生等級。目前普遍應用ROC曲線法(即AUC法)對模型精度進行評價[38], AUC的取值范圍在0.5~1, 值越接近于1模型精度越高[39]。本研究結果表明, 當前及未來氣候模式下中華獼猴桃的適生區(qū)預測的AUC值均大于0.9, 預測準確性達“極好”標準, 說明此次模型預測的地理分布與中華獼猴桃實際分布擬合度較高, 可以用于中華獼猴桃在中國地理分布與氣候關系的研究。另外, 本研究利用地理信息系統(tǒng)軟件ArcGIS對MaxEnt輸出的柵格文件進行后期處理, 使目標物種的分布數(shù)據(jù)與環(huán)境變量數(shù)據(jù)在柵格單元上相對應, 有效降低了系統(tǒng)誤差, 進一步提高了數(shù)據(jù)的準確性。

本研究利用ArcGIS軟件統(tǒng)計了未來3種氣候變化情景下中華獼猴桃適生區(qū)面積變化情況, 結果顯示, 至2080s, 高、中適生區(qū)面積在RCP2.6、RCP4.5和RCP8.5情景下均有所增加, 只是增加的幅度不同。這說明在不同排放情景下氣候變化對中華獼猴桃潛在分布的影響有一定的不確定性。環(huán)境變量的選擇和作物分布點數(shù)據(jù)的多少對MaxEnt模型的模擬準確性有較大影響。張杰等[40]利用MaxEnt分析了中等溫室氣體排放情景下(RCP4.5)中華獼猴桃在中國潛在分布區(qū)的變化趨勢, 結果表明, 至2050年, 中華獼猴桃適生區(qū)面積較當前情景略有下降, 此結論與本文研究結果并不完全吻合, 可能是選擇了不同的變量和不同的分布點數(shù)據(jù)所致。

圖4 未來不同年代3種氣候變化背景下中華獼猴桃潛在適生區(qū)的預測結果

表3 中華獼猴桃在當前情景(1950—2000年)及未來氣候條件下的適生區(qū)面積預測

表4 未來3種氣候變化情景下中華獼猴桃高適生區(qū)中心點位移距離和方向

圖5 未來不同年代3種氣候變化情景下中華獼猴桃高適生區(qū)中心點遷移軌跡

氣候是決定地球上物種分布的最主要因素, 而物種分布格局的變化則是對氣候變化最明確和直接的反應。氣候變暖可能實質性地改變陸地生態(tài)系統(tǒng)的結構和功能, 使生物棲息地范圍與分布區(qū)發(fā)生變化。本文參考Yue等[33]的計算方法, 以面積作為權重, 計算了不同等級適生區(qū)中心點位置, 著重分析了適生區(qū)中心點隨時間變化的位移趨勢, 展示了中華獼猴桃對氣候變化的響應過程, 結果顯示, 到2080s, 高、中適生區(qū)的中心點均將發(fā)生不同程度的改變。其中高適生區(qū)中心點在3種情景下均向偏北方向移動, 原因可能與研究區(qū)的年平均氣溫與年降水量的增加有關(表5); 從結果中還可看出, 不同概率等級的中心點位沒有明顯的規(guī)律性, 其原因可能在于當前和未來氣候變量的不連貫, 當前氣候數(shù)據(jù)的起止時間為1950—2000年, 而未來氣候數(shù)據(jù)的起止時間為2030—2080年, 2000—2030年的數(shù)據(jù)缺失可能造成中心點移動方向的往復。

表5 氣候變化情景下未來不同年代中國年平均氣溫與年降水量的變化

生態(tài)位模型假設物種的生態(tài)位需求是保守的, 樣本大小、空間尺度和環(huán)境變量等因素會影響此類模型的預測能力和穩(wěn)定性[41]。本研究中發(fā)現(xiàn)以下問題: 1)文中選取的19個環(huán)境變量是以溫度和雨量為基礎, 根據(jù)不同需求計算演生而來, 因此這些變量之間存在不可避免的自相關及多重線性重復等問題, 在模型預測過程中會引入冗余信息, 影響預測結果。因此本文首先運用刀切法對環(huán)境變量進行相關分析和有效篩選, 計算各因子對物種分布的貢獻率大小, 剔除貢獻率較小的環(huán)境變量, 基于主導環(huán)境變量重建模型, 提高了預測結果的準確性。2)本研究預測了未來情景下中華獼猴桃的適生區(qū)變化, 使用RCP2.6、RCP4.5和RCP8.5 3種氣候模式數(shù)據(jù)。需要注意的是, 預測是以當前中華獼猴桃的發(fā)生點作為分布數(shù)據(jù)變量, 這就可能會忽略未來實際分布點的影響, 不可避免地造成系統(tǒng)誤差。3)影響中華獼猴桃在中國種植分布的環(huán)境因子不僅僅包括氣候條件、土壤類型、植被類型和地形因子、品種類型、人類活動等非生物因子, 社會經(jīng)濟結構、生產(chǎn)技術水平等因素同樣會對其分布產(chǎn)生重要影響[42-43]?；谏鲜鲈? 可以推測, MaxEnt模型預測的生態(tài)位比中華獼猴桃所占據(jù)的實際生態(tài)位要寬。本研究由于數(shù)據(jù)限制, 僅考慮了溫度和降水這兩類氣候變量對適生分布的影響, 在下一步工作中, 還應注重考量各種因素相互作用的可信表達, 以改善模型的預測效果。

[1] 吳建國, 呂佳佳, 艾麗. 氣候變化對生物多樣性的影響: 脆弱性和適應[J]. 生態(tài)環(huán)境學報, 2009, 18(2): 693–703 Wu J G, LYU J J, Ai L. The impacts of climate change on the biodiversity: Vulnerability and adaptation[J]. Ecology and Environmental Sciences, 2009, 18(2): 693–703

[2] 李勇, 楊曉光, 王文峰, 等. 全球氣候變暖對中國種植制度可能影響Ⅴ. 氣候變暖對中國熱帶作物種植北界和寒害風險的影響分析[J]. 中國農(nóng)業(yè)科學, 2010, 43(12): 2477–2484 Li Y, Yang X G, Wang W F, et al. The possible effects of global warming on cropping systems in China Ⅴ. The possible effects of climate warming on geographical shift in safe northern limit of tropical crops and the risk analysis of cold damage in China[J]. Scientia Agricultura Sinica, 2010, 43(12): 2477–2484

[3] 鄧振鏞, 張強, 寧惠芳, 等. 西北地區(qū)氣候暖干化對作物氣候生態(tài)適應性的影響[J]. 中國沙漠, 2010, 30(3): 633–639 Deng Z Y, Zhang Q, Ning H F, et al. Influence of climate warming and drying on crop eco-climate adaptability in Northwestern China[J]. Journal of Desert Research, 2010, 30(3): 633–639

[4] 王曉煜, 楊曉光, 孫爽, 等. 氣候變化背景下東北三省主要糧食作物產(chǎn)量潛力及資源利用效率比較[J]. 應用生態(tài)學報, 2015, 26(10): 3091–3102 Wang X Y, Yang X G, Sun S, et al. Comparison of potential yield and resource utilization efficiency of main food crops in three provinces of Northeast China under climate change[J]. Chinese Journal of Applied Ecology, 2015, 26(10): 3091–3102

[5] Anderson R P, Raza A. The effect of the extent of the study region on GIS models of species geographic distributions and estimates of niche evolution: Preliminary tests with montane rodents (genus) in Venezuela[J]. Journal of Biogeography, 2010, 37(7): 1378–1393

[6] 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中的應用[J]. 生物多樣性, 2013, 21(1): 90–98 Zhu G P, Liu G Q, Bu W J, et al. Ecological niche modeling and its applications in biodiversity conservation[J]. Biodiversity Science, 2013, 21(1): 90–98

[7] 許仲林, 彭煥華, 彭守璋. 物種分布模型的發(fā)展及評價方法[J]. 生態(tài)學報, 2015, 35(2): 557–567 Xu Z L, Peng H H, Peng S Z. The development and evaluation of species distribution models[J]. Acta Ecologica Sinica, 2015, 35(2): 557–567

[8] 李國慶, 劉長成, 劉玉國, 等. 物種分布模型理論研究進展[J]. 生態(tài)學報, 2013, 33(16): 4827–4835 Li G Q, Liu C C, Liu Y G, et al. Advances in theoretical issues of species distribution models[J]. Acta Ecologica Sinica, 2013, 33(16): 4827–4835

[9] 段居琦, 周廣勝. 中國水稻潛在分布及其氣候特征[J]. 生態(tài)學報, 2011, 31(22): 6659–6668 Duan J Q, Zhou G S. Potential distribution of rice in china and its climate characteristics[J]. Acta Ecologica Sinica, 2011, 31(22): 6659–6668

[10] 何奇瑾, 周廣勝. 我國春玉米潛在種植分布區(qū)的氣候適宜性[J]. 生態(tài)學報, 2012, 32(12): 3931–3939 He Q J, Zhou G S. Climatic suitability of potential spring maize cultivation distribution in China[J]. Acta Ecologica Sinica, 2012, 32(12): 3931–3939

[11] 孫敬松, 周廣勝. 利用最大熵法(MaxEnt)模擬中國冬小麥分布區(qū)的年代際動態(tài)變化[J]. 中國農(nóng)業(yè)氣象, 2012, 33(4): 481–487 Sun J S, Zhou G S. Inter-decadal variability of winter wheat planting zone in China during 1961 to 2010 simulated by maximum entropy (MaxEnt)[J]. Chinese Journal of Agrometeorology, 2012, 33(4): 481–487

[12] 黃宏文, 龔俊杰, 王圣梅, 等. 獼猴桃屬()植物的遺傳多樣性[J]. 生物多樣性, 2000, 8(1): 1–12 Huang H W, Gong J J, Wang S M, et al. Genetic diversity in the genus[J]. Chinese Biodiversity, 2000, 8(1): 1–12

[13] 徐小彪, 張秋明. 中國獼猴桃種質資源的研究與利用[J]. 植物學通報, 2003, 20(6): 648–655 Xu X B, Zhang Q M. Researches and utilizations of germplasm resource of kiwifruit in China[J]. Chinese Bulletin of Botany, 2003, 20(6): 648–655

[14] 劉瑤, 朱天輝, 樊芳冰, 等. 四川獼猴桃潰瘍病的發(fā)生與病原研究[J]. 湖北農(nóng)業(yè)科學, 2013, 52(20): 4937–4942 Liu Y, Zhu T H, Fan F B, et al. Occurrence and pathogen identification of kiwifruit bacterial canker in Sichuan[J]. Hubei Agricultural Sciences, 2013, 52(20): 4937–4942

[15] 涂美艷, 江國良, 陳棟, 等. 四川省獼猴桃產(chǎn)業(yè)發(fā)展現(xiàn)狀及對策[J]. 湖北農(nóng)業(yè)科學, 2012, 51(10): 1945–1949 Tu M Y, Jiang G L, Chen D, et al. Development status and countermeasures of kiwifruit industry in Sichuan Province[J]. Hubei Agricultural Sciences, 2012, 51(10): 1945–1949

[16] 于成, 葉麗君, 劉澤全, 等. 都江堰市海沃特獼猴桃種植的氣候適應性區(qū)劃[J]. 安徽農(nóng)業(yè)科學, 2010, 38(11): 5741–5743 Yu C, Ye L J, Liu Z Q, et al. Climate adaptability division ofcv. Hayward in Dujiangyan[J]. Journal of Anhui Agricultural Sciences, 2010, 38(11): 5741–5743

[17] 賀文麗, 李星敏, 朱琳, 等. 基于GIS的關中獼猴桃氣候生態(tài)適宜性區(qū)劃[J]. 中國農(nóng)學通報, 2011, 27(22): 202–207 He W L, Li X M, Zhu L, et al. Climate ecological applicability regionalization for kiwifruit based on GIS in Guanzhong of Shaanxi Province[J]. Chinese Agricultural Science Bulletin, 2011, 27(22): 202–207

[18] 莫建國, 池再香, 湯苾, 等. 貴州山區(qū)紅心獼猴桃種植氣候區(qū)劃[J]. 中國農(nóng)業(yè)氣象, 2016, 37(1): 36–42 Mo J G, Chi Z X, Tang B, et al. Climate suitability for red cartridge kiwifruit planting in Guizhou mountainous area[J]. Chinese Journal of Agrometeorology, 2016, 37(1): 36–42

[19] 曾永美, 高陽華, 楊世琦. 基于GIS的重慶市萬盛區(qū)獼猴桃氣候區(qū)劃分析[J]. 重慶師范大學學報: 自然科學版, 2012, 29(2): 89–93 Zeng Y M, Gao Y H, Yang S Q. The kiwifruit climate division analysis of Chongqing Wansheng District that based on geographic information system[J]. Journal of Chongqing Normal University: Natural Science Edition, 2012, 29(2): 89–93

[20] 劉敏, 劉云鵬, 劉宗芳, 等. 夷陵區(qū)野生獼猴桃生態(tài)氣候適應性及其區(qū)劃[J]. 湖北氣象, 2003, (2): 18–20 Liu M, Liu Y P, Liu Z F, et al. Wild Chinese gooseberry ecologic climatization in Yi-Ling County and its region division[J]. Meteorology Journal of Hubei, 2003, (2): 18–20

[21] Ha H, Heumann B W, Liesch M, et al. Modelling potential conservation easement locations using physical and socio-economic factors: A case-study from south-east Michigan[J]. Applied Geography, 2016, 75: 104–115

[22] 郭杰, 劉小平, 張琴, 等. 基于MaxEnt模型的黨參全球潛在分布區(qū)預測[J]. 應用生態(tài)學報, 2017, 28(3): 992–1000 Guo J, Liu X P, Zhang Q, et al. Prediction for the potential distribution area ofat global scale based on MaxEnt model[J]. Chinese Journal of Applied Ecology, 2017, 28(3): 992–1000

[23] 張?zhí)祢? 劉剛. 提高生態(tài)位模型時間轉移能力的方法研究[J]. 中國農(nóng)業(yè)大學學報, 2017, 22(2): 98–105 Zhang T J, Liu G. Study of methods to improve the temporal transferability of niche model[J]. Journal of China Agricultural University, 2017, 22(2): 98–105

[24] 曹學仁, 陳林, 周益林, 等. 基于MaxEnt的麥瘟病在全球及中國的潛在分布區(qū)預測[J]. 植物保護, 2011, 37(3): 80–83 Cao X R, Chen L, Zhou Y L, et al. Potential distribution ofin China and the world, predicted by MaxEnt[J]. Plant Protection, 2011, 37(3): 80–83

[25] 閆冠華, 李巧萍, 邢超. 不同溫室氣體排放情景下未來中國地面氣溫變化特征[J]. 南京信息工程大學學報: 自然科學版, 2011, 3(1): 36–46 Yan G H, Li Q P, Xing C. Future surface air temperature changes in China under different greenhouse gas emission scenarios[J]. Journal of Nanjing University of Information Science and Technology: Natural Science Edition, 2011, 3(1): 36–46

[26] 張曉華, 高云, 祁悅, 等. IPCC第五次評估報告第一工作組主要結論對《聯(lián)合國氣候變化框架公約》進程的影響分析[J]. 氣候變化研究進展, 2014, 10(1): 14–19 Zhang X H, Gao Y, Qi Y, et al. Implications of the findings from the working group Ⅰ contribution to the IPCC fifth assessment report on the UNFCCC process[J]. Progressus Inquisitiones de Mutatione Climatis, 2014, 10(1): 14–19

[27] 王雷宏, 楊俊仙, 徐小牛. 基于MaxEnt分析金錢松適生的生物氣候特征[J]. 林業(yè)科學, 2015, 51(1): 127–131 Wang L H, Yang J X, Xu X N. Analysis of suitable bioclimatic characteristics ofby using MaxEnt model[J]. Scientia Silvae Sinicae, 2015, 51(1): 127–131

[28] 王運生, 謝丙炎, 萬方浩. 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): 365–372 Wang Y S, Xie B Y, Wan F H. Application of ROC curve analysis in evaluating the performance of alien species’ potential distribution models[J]. Biodiversity Science, 2007, 15(4): 365–372

[29] 趙力, 朱耿平, 李敏, 等. 入侵害蟲西部喙緣蝽和紅肩美姬緣蝽在中國的潛在分布[J]. 天津師范大學學報: 自然科學版, 2015, 35(1): 75–78 Zhao L, Zhu G P, Li M, et al. Potential distribution ofandin China[J]. Journal of Tianjin Normal University: Natural Science Edition, 2015, 35(1): 75–78

[30] 趙文娟, 陳林, 丁克堅, 等. 利用MaxEnt預測玉米霜霉病在中國的適生區(qū)[J]. 植物保護, 2009, 35(2): 32–38 Zhao W J, Chen L, Ding K J, et al. Prediction of potential geographic distribution areas of the maize downy mildew in China by using MaxEnt[J]. Plant Protection, 2009, 35(2): 32–38

[31] 韓樂瓊, 韓哲, 李雙林. 不同代表性濃度路徑(RCPs)下21世紀長江中下游強降水預估[J]. 大氣科學學報, 2014, 37(5): 529–540 Han L Q, Han Z, Li S L. Projection of heavy rainfall events in the middle and lower reaches of the Yangtze River valley in the 21st century under different representative concentration pathways[J]. Transactions of Atmospheric Sciences, 2014, 37(5): 529–540

[32] 趙澤芳, 衛(wèi)海燕, 郭彥龍, 等. 人參潛在地理分布以及氣候變化對其影響預測[J]. 應用生態(tài)學報, 2016, 27(11): 3607–3615 Zhao Z F, Wei H Y, Guo Y L, et al. Potential distribution ofand its predicted responses to climate change[J]. Chinese Journal of Applied Ecology, 2016, 27(11): 3607–3615

[33] Yue T X, Fan Z M, Chen C F, et al. Surface modelling of global terrestrial ecosystems under three climate change scenarios[J]. Ecological Modelling, 2011, 222(14): 2342– 2361

[34] 陳新美, 雷淵才, 張雄清, 等. 樣本量對MaxEnt模型預測物種分布精度和穩(wěn)定性的影響[J]. 林業(yè)科學, 2012, 48(1): 53–59 Chen X M, Lei Y C, Zhang X Q, et al. Effects of sample sizes on accuracy and stability of maximum entropy model in predicting species distribution[J]. Scientia Silvae Sinicae, 2012, 48(1): 53–59

[35] 朱耿平, 劉強, 高玉葆. 提高生態(tài)位模型轉移能力來模擬入侵物種的潛在分布[J]. 生物多樣性, 2014, 22(2): 223–230Zhu G P, Liu Q, Gao Y B. Improving ecological niche model transferability to predict the potential distribution of invasive exotic species[J]. Biodiversity Science, 2014, 22(2): 223–230

[36] Worthington T A, Zhang T J, Logue D R, et al. Landscape and flow metrics affecting the distribution of a federally-threatened fish: Improving management, model fit, and model transferability[J]. Ecological Modelling, 2016, 342: 1–18

[37] 蔡靜蕓, 張明明, 粟海軍, 等. 生態(tài)位模型在物種生境選擇中的應用研究[J]. 經(jīng)濟動物學報, 2014, 18(1): 47–52 Cai J Y, Zhang M M, Su H J, et al. Application of ecological niche models for selection of species habitat[J]. Journal of Economic Animal, 2014, 18(1): 47–52

[38] 韓陽陽, 王焱, 項楊, 等. 基于MaxEnt生態(tài)位模型的松材線蟲在中國的適生區(qū)預測分析[J]. 南京林業(yè)大學學報: 自然科學版, 2015, 39(1): 6–10Han Y Y, Wang Y, Xiang Y, et al. Prediction of potential distribution ofin China based on MaxEnt ecological niche model[J]. Journal of Nanjing Forestry University: Natural Sciences Edition, 2015, 39(1): 6–10

[39] 康傳志, 周濤, 郭蘭萍, 等. 全國栽培太子參生態(tài)適宜性區(qū)劃分析[J]. 生態(tài)學報, 2016, 36(10): 2934–2944Kang C Z, Zhou T, Guo L P, et al. Ecological suitability and regionalization of(Miq.) Pax ex Pax et Hoffm. in China[J]. Acta Ecologica Sinica, 2016, 36(10): 2934–2944

[40] 張杰, 敖子強, 吳永明, 等. 中華獼猴桃()在中國的適生性及其潛在地理分布模擬預測[J]. 熱帶地理, 2017, 37(2): 218–225 Zhang J, Ao Z Q, Wu Y M, et al. Prediction of potential geographic distribution ofin China based on maximum entropy niche model and ArcGIS[J]. Tropical Geography, 2017, 37(2): 218–225

[41] 喬慧捷, 胡軍華, 黃繼紅. 生態(tài)位模型的理論基礎、發(fā)展方向與挑戰(zhàn)[J]. 中國科學: 生命科學, 2013, 43(11): 915–927Qiao H J, Hu J H, Huang J H. Theoretical basis, future directions, and challenges for ecological niche models[J]. Scientia Sinica Vitae, 2013, 43(11): 915–927

[42] 楊妙賢, 肖德興, 梁紅, 等. 中華獼猴桃性別分化的細胞形態(tài)學觀察[J]. 園藝學報, 2011, 38(2): 257–264Yang M X, Xiao D X, Liang H, et al. Cytomorphological observation on sex differentiation of[J]. Acta Horticulturae Sinica, 2011, 38(2): 257–264

[43] 任丹, 漆雁斌, 于偉詠, 等. 農(nóng)戶機械使用程度及其影響因素研究——基于四川省205戶獼猴桃種植戶的調查[J]. 四川農(nóng)業(yè)大學學報, 2016, 34(4): 528–534Ren D, Qi Y B, Yu W Y, et al. Research on the degree of use and the influencing factors of farmers’ machinery — based on the survey of 205 households of kiwifruit farmers in Sichuan Province[J]. Journal of Sichuan Agricultural University, 2016, 34(4): 528–534

Potential distribution ofin China and its predicted response to climate change*

WANG Rulin1,2, LI Qing1**, HE Shisong3, LIU Yuan3

(1. College of Agronomy, Sichuan Agricultural University, Chengdu 611130, China; 2. Sichuan Provincial Rural Economic Information Center, Chengdu 610072, China; 3. Kiwifruit Institute of Cangxi County, Cangxi 628400, China)

Kiwifruit (spp.), belonged to Actinidiaceae, is a type of perennial deciduous woody liana and an important class of berry fruit. With rich sugar, protein, amino acids, vitamins and especially high vitamin C content, the kiwifruit is known as “the king of the fruit” and has a good market prospect.is a species endemic in China with a fast-expanding planting area due to its unique subtle flavor and high economic value. Optimization of planting scale and distribution of the crop has been the major concern for regional planning. The objective of this study was to test and determine the possibility of using the MaxEnt (the maximum entropy) model to simulate and predict future large-scale distribution ofBased on current environmental factors, three future climate scenarios suggested in the IPCC fifth report and current distribution sites of, we used the MaxEnt model in combination with ArcGIS to predict the potential geographic distribution and trend of change ofin China. The dominant factors were chosen by using the Jackknife test and the Receiver Operating Characteristic (ROC) curve was used to evaluate the simulation. The results showed that high value of area under curve (AUC) denoted good results which significantly differed from random predictions. Based on the evaluation criterion, the accuracies of the predictions ofpotential distribution in the current and future periods were excellent.The predicted result of the MaxEnt model was imported into ArcGIS10.0 for further analysis and showed that under present climatic conditions, the total suitable area was 26.92% of the total land area in China. The potential distribution was highly consistent with the locations of specimen records and field surveys. The highly suitable areas were in Sichuan, Shaanxi, Chongqing, Hubei, Guizhou, Zhejiang, Hunan, Anhui, Henan, Jiangsu and Gansu Provinces. The areas of highly suitable habitat in the main producing provinces were analyzed statistically. The results showed that under the current conditions, the most suitable area forcultivation was 1.01×106km2, accounting for 38.94% of the total suitable areas. The moderately suitable areas were in Henan, Hubei, Anhui and Shandong Provinces, with the area of 6.79×105km2,accounting for 26.26% of the total suitable areas. Comparison of future suitable areas with current suitable areas showed that areas of high suitability increased under scenarios RCP2.6 and RCP4.5, but decreased under scenario RCP8.5. Under scenarios RCP4.5 and RCP8.5, the mean center of highly suitable area ofmoved northward. The result showed that the MaxEnt model was highly reliable in determining not only the range of geographic distribution ofbut also in identifying dominant environmental factors driving the geographic distribution. Whereas climate was a decisive factor in species distribution, change in distribution pattern of species was the most direct effect of climate change. The results provided a critical reference base forplantation pattern and countermeasures to cope with climate change in China.

; MaxEnt model; Environmental variables; Climate change; Suitable area analysis; Representative concentration pathway scenario

Corresponding author, E-mail: liq8633@163.com

Jun. 16, 2017; accepted Jul. 12, 2017

10.13930/j.cnki.cjea.170557

S601.9

A

1671-3990(2018)01-0027-11

通信作者:李慶, 主要研究方向為病蟲害生物防治。E-mail: liq8633@163.com 王茹琳, 主要研究方向為氣候變化與植物、病蟲害關系。E-mail: wrl_1986_1@163.com

2017-06-16

2017-07-12

*This study was supported by the Sichuan Fruit Innovation Team Project of Modern Agricultural Industry Technology System of China (2013-2018) and the Project of Meteorological Service for Agriculture, Rural areas and Farmers in Sichuan.

*國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)體系四川水果創(chuàng)新團隊項目(2013-2018)和四川省三農(nóng)氣象服務專項資助

王茹琳, 李慶, 何仕松, 劉原. 中華獼猴桃在中國潛在分布及其對氣候變化響應的研究[J]. 中國生態(tài)農(nóng)業(yè)學報, 2018, 26(1): 27-37

WANG R L, LI Q, HE S S, LIU Y. Potential distribution ofin China and its predicted responses to climate change[J]. Chinese Journal of Eco-Agriculture, 2018, 26(1): 27-37