基于MaxEnt模型和ArcGIS精準(zhǔn)預(yù)測湖南省杉木良種在湖北省同一適宜引種生態(tài)區(qū)

胡 超，于 靜

（1.湖北省林業(yè)局林木種苗管理總站，湖北武漢 430079；2.嶺南生態(tài)文旅股份有限公司，湖北武漢 430062）

林木良種需種植在適宜生態(tài)區(qū)域，如自然條件不適宜，良種也很難豐產(chǎn)和穩(wěn)產(chǎn)。林木良種不適應(yīng)引種區(qū)自然條件會造成巨大損失。20世紀(jì)70年代，在油茶（Camellia oleifera）種植中，較多地方在引種前缺乏科學(xué)預(yù)判，盲目引種，導(dǎo)致幼林生長不良、成林產(chǎn)量低，人力、物力等方面損失較大[1]。

傳統(tǒng)的林木良種引種適宜生態(tài)區(qū)判斷僅憑主觀經(jīng)驗(yàn)，如適宜生態(tài)區(qū)內(nèi)，水平氣候帶和垂直氣候帶都分布著特有類型的森林植被。良種由北向南或由西向東適宜種植的范圍大于相反方向的范圍，適宜的海拔高度不超過300～500 m[1]。湖北成功引種廣東和福建的馬尾松（Pinus massoniana）種子，打破“馬尾松南種北移的幅度不能超過2° ～ 3°”的定論[2]。研究表明馬尾松能成功北移6° ～ 7°育苗[2]。溫度、降水和土壤等主要環(huán)境因子相似，即為林木良種同一適宜引種生態(tài)區(qū)。

杉木（Cunninghamia lanceolata）是湖北省主要造林樹種之一。杉木良種數(shù)量較多，且生長周期長，對所有杉木良種都進(jìn)行引種試驗(yàn)的可行性不大。使用MaxEnt 模型和ArcGIS 軟件精準(zhǔn)分析杉木良種同一適宜引種生態(tài)區(qū)十分必要[3]?；贛axEnt模型的同一適宜生態(tài)區(qū)的研究中，環(huán)境因子數(shù)據(jù)常來自世界氣候-全球氣候數(shù)據(jù)庫網(wǎng)站，僅有19 個(gè)環(huán)境因子，空間分辨率僅為5arc-min[4-6]，效果較差。為了獲得更精準(zhǔn)的引種效果，本研究應(yīng)用MaxEnt模型[4-5]，以1 hm2為1 單元，選取34 個(gè)重要環(huán)境因子，采用中國2 160 個(gè)基準(zhǔn)地面氣象觀測站的觀測數(shù)據(jù)，推算模擬無測站區(qū)域的環(huán)境資源分布情況，精準(zhǔn)預(yù)測湖南省杉木良種在湖北省的同一適宜引種生態(tài)區(qū)，旨在為湖北省杉木良種造林工作和經(jīng)營管理提供理論依據(jù)。

1 數(shù)據(jù)與方法

1.1 基本信息來源

湖南省審定杉木良種為靖州縣排牙山國有林場馬園種子園的杉木優(yōu)良種源種子、杉木1 代種子園種子和杉木2 代種子園種子；會同縣林業(yè)科學(xué)研究所的杉木優(yōu)良種源種子、杉木1 代種子園種子和杉木2 代種子園種子；攸縣林業(yè)科學(xué)研究所的杉木初級種子園種子和杉木2 代種子園種子；資興市天鵝山國有林場的杉木2 代種子園種子；江華瑤族自治縣江華國有林場的杉木2 代種子園種子；城步縣林木良種場的杉木初級種子園種子；湖南省林業(yè)科學(xué)院的杉木靖全（01 ～ 27 個(gè)無性系）、杉木靖半（01～07 個(gè)無性系）、杉木會無（01～25 個(gè)無性系）、杉木會半（01～08 個(gè)無性系）、杉木會全（01～10 個(gè)無性系）、杉木江全（01 ～ 03 個(gè)無性系）、杉木攸半（01 ～02個(gè)無性系）、杉木攸全（01～18個(gè)無性系）、湘林所杉木無性系（Y1 ～ Y8）和湘林所杉木家系（A ～ D、A1、A3、A4）。湖南省杉木良種審定信息來源于湖北省林業(yè)局林木種苗管理總站。

累年年日照時(shí)數(shù)（Bio1）、累年年均氣溫（Bio3）、累年年極端最低氣溫（Bio4）、累年年極端最高氣溫（Bio5）、累年最寒冷月（1月）均氣溫（Bio6）、累年最熱月（7月）均氣溫（Bio7）、累年年日最低氣溫≤0 ℃平均日數(shù)（Bio8）、累年年日最高氣溫≥35.0 ℃平均日數(shù)（Bio9）、累年年均氣溫日較差（Bio10）、累年年平均5 cm 地溫（Bio13）、累年年均降水量（Bio14）、累年年最大降水量（Bio15）、累年年最小降水量（Bio16）、累年月最長連續(xù)無降水日數(shù)（Bio17）、累年月最長連續(xù)降水日數(shù)（Bio18）、累年月最長連續(xù)降水量（Bio19）、累年年最大日降水量（Bio20）、累年年均相對濕度（Bio21）、累年年均風(fēng)速（Bio24）、累年年極大風(fēng)速（Bio25）、累年年日最大風(fēng)速≥5.0 m∕s日數(shù)（Bio26）和 累年年日 最大風(fēng)速≥10.0 m∕s日 數(shù)（Bio27）數(shù)據(jù)獲取于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)。≥0 ℃積溫（Bio11）、≥10 ℃積溫（Bio12）、濕潤指數(shù)（Bio22）和干燥度（Bio23）數(shù)據(jù)獲取于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心。太陽輻射日均值（Bio2）數(shù)據(jù)獲取于國家青藏高原科學(xué)數(shù)據(jù)中心。土壤類型（Bio28）、土壤酸堿度（Bio29）、土壤陽離子交換能力（Bio30）、土壤深度（Bio31）、土壤有機(jī)碳含量（Bio32）、土壤沙含量（Bio33）和土壤有效水含量（Bio34）數(shù)據(jù)獲取于中國西部環(huán)境與生態(tài)科學(xué)數(shù)據(jù)中心。

中國行政區(qū)劃數(shù)據(jù)、中國海拔高度（DEM）數(shù)據(jù)獲取于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心和湖北省林業(yè)調(diào)查規(guī)劃院。

1.2 信息數(shù)據(jù)處理

1.2.1 分布數(shù)據(jù)處理

為避免樣點(diǎn)數(shù)據(jù)在某個(gè)地理空間上過度聚集，在湖南省杉木適生范圍內(nèi)，采用ArcGIS 10 的Create fishnet 工具生成空間為30行×30列的網(wǎng)格數(shù)據(jù)，以1個(gè)網(wǎng)格為1個(gè)采樣單元，對杉木良種的分布數(shù)據(jù)進(jìn)行采樣（圖1）[6]。根據(jù)選育單位確定杉木良種適宜的自然地理環(huán)境條件，如適宜海拔范圍為1 500 m以下。在Excel 表中，剔除高程＜0 m、高程＞1 500 m、土壤厚度＜30 cm 和異常值的采樣點(diǎn)，分布記錄共496 條。按照MaxEnt 軟件的“Samples”要求整理數(shù)據(jù)，將分布點(diǎn)以“物種+ 經(jīng)度+ 緯度（西經(jīng)、南緯的值為負(fù)，經(jīng)緯度為十進(jìn)制小數(shù)格式）”另存為csv格式文件。

圖1 湖南省杉木產(chǎn)區(qū)采樣點(diǎn)分布Fig.1 Distribution of sampling points in C.lanceolata pro?duction area of Hunan province

1.2.2 環(huán)境因子處理

地形因子（經(jīng)度、緯度和高度）與環(huán)境因子有較好的回歸關(guān)系，利用中國2 160 個(gè)基本、基準(zhǔn)地面氣象觀測站的觀測數(shù)據(jù)，推算模擬無測站區(qū)域的環(huán)境資源分布情況。建立Bio1～Bio10、Bio13～Bio21 和Bio24～Bio27 等23 個(gè)環(huán)境因子的空間分布模型，表達(dá)式為：

式中，Y為環(huán)境因子要素；λ為經(jīng)度；φ為緯度；h為海拔高度（m）；函數(shù)f（λ,φ,h）為氣候?qū)W方程；ε為殘差項(xiàng)，可視為小地形因子（坡度、坡向等）和下墊面對環(huán)境的影響。將f（λ,φ,h）展成三維二次趨勢面方程[7]：

式中，b0～b9為待定系數(shù)，利用SAS 9.4建立逐步回歸優(yōu)化模型，模擬23 個(gè)環(huán)境因子的宏觀趨勢項(xiàng)，分別建立23個(gè)環(huán)境因子的小網(wǎng)格推算模型，各模型均通過可信度α=0.01的顯著性檢驗(yàn)（表1）。

表1 環(huán)境因子的小網(wǎng)格推算模型Tab.1 Small grids reckoning models of environmental factors

在中國海拔高度（DEM）數(shù)據(jù)支持下，在ArcGIS 10 里，用23 個(gè)環(huán)境因子的小網(wǎng)格推算模型，將環(huán)境因子Bio1～Bio10、Bio13～Bio21 和Bio24～Bio27 分別插值為100 m × 100 m 網(wǎng)格的基礎(chǔ)數(shù)據(jù)[8-9]。用IDW 法分別插值其殘差項(xiàng)為100 m ×100 m 網(wǎng)格的修正數(shù)據(jù)。采用Spatial Analyst 工具→數(shù)學(xué)→邏輯→加，將每個(gè)環(huán)境因子的基礎(chǔ)數(shù)據(jù)和修正數(shù)據(jù)疊加，即為環(huán)境因子?xùn)鸥駭?shù)據(jù)。將23個(gè)環(huán)境因子?xùn)鸥駭?shù)據(jù)用投影柵格工具統(tǒng)一為地理坐標(biāo)系D_WGS_1984。以湖北省和湖南省矢量邊界為掩膜，裁剪出這23個(gè)環(huán)境因子的柵格數(shù)據(jù)圖層。最后，用柵格轉(zhuǎn)ASCⅡ工具將這23 個(gè)環(huán)境因子的柵格數(shù)據(jù)轉(zhuǎn)換保存為MaxEnt模型所需要的ASCⅡ格式文件。

在ArcGIS 10 里，將下載的Bio11、Bio12、Bio22、Bio23 和Bio28～Bio34 等11 個(gè)環(huán)境因子數(shù)據(jù)通過重采樣工具使其像元大小與Bio1 ～ Bio10、Bio13 ～Bio21、Bio24～Bio27等23個(gè)環(huán)境因子一致[10]。11個(gè)環(huán)境因子數(shù)據(jù)統(tǒng)一為地理坐標(biāo)系D_WGS_1984。以湖北省和湖南省矢量邊界為掩膜，裁剪出這11個(gè)環(huán)境因子的柵格數(shù)據(jù)圖層。最后，用柵格轉(zhuǎn)ASCⅡ工具將這11 個(gè)環(huán)境因子的柵格數(shù)據(jù)轉(zhuǎn)換保存為Max?Ent模型所需要的ASCⅡ格式文件。

續(xù)表1 Continued

1.3 模型構(gòu)建

1.3.1 MaxEnt軟件建模

將之前導(dǎo)出的杉木良種分布數(shù)據(jù)（csv 格式）的文件，通過Browse 加載到MaxEnt 軟件“Samples”模塊。把ASCⅡ格式文件的34 個(gè)環(huán)境數(shù)據(jù)加載到MaxEnt 軟件“Environmental layers”模塊。使用au?to features 選項(xiàng)，根據(jù)自動(dòng)特征規(guī)則進(jìn)行計(jì)算，所有的要素類型都將用到。結(jié)果以comulative 類型和ASCⅡ格式輸出，并定義其輸出位置。將界面選擇settings 里的“Random test percentage”設(shè)置為25，隨機(jī)選取75%的樣本點(diǎn)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)[11]；設(shè)置settings 中的replicates，本試驗(yàn)選擇3 次重復(fù)作為平行試驗(yàn)，最大迭代次數(shù)設(shè)為500 次，收斂閥值設(shè)為0.000 01，取值范圍設(shè)為0 ～ 100[12]。選擇“Do jack?knife to measure variable importance”衡量所有變量的重要性，采用MaxEnt軟件分別對每個(gè)環(huán)境影響因子進(jìn)行刀切圖繪出。

進(jìn)入新世紀(jì)以來，隨著人們環(huán)保意識的不斷提升，我國人民對環(huán)境保護(hù)的重視程度越來越高，在市政工程建設(shè)中，都市生態(tài)環(huán)境保護(hù)也成為一項(xiàng)十分重要的工作。因此在一些發(fā)達(dá)城市的市政工程建設(shè)中，會有意識的采取一些都市生態(tài)保護(hù)措施，發(fā)揮出了不俗的作用。但與此同時(shí)，不重視都市生態(tài)保護(hù)的現(xiàn)象依舊十分嚴(yán)重，如決策過于隨意、超預(yù)算投資、資金不合理浪費(fèi)等。針對這些情況，我國必須進(jìn)一步優(yōu)化市政工程管理，為都市生態(tài)健康發(fā)展提供良好的保障。

1.3.2 ROC曲線繪制

繪制響應(yīng)曲線評價(jià)模型精度。ROC 曲線以真陽性率為縱坐標(biāo)軸（敏感性，實(shí)際存在且被預(yù)測為存在的比率），以假陽性率（特異性，實(shí)際不存在但被預(yù)測為存在的比率）為橫坐標(biāo)；AUC 值為ROC 曲線與橫坐標(biāo)軸圍成的面積值，為0 ～ 1。AUC 值越大，表示與隨機(jī)分布相距越遠(yuǎn)，環(huán)境因子變量與預(yù)測的杉木良種同一適宜引種生態(tài)區(qū)間的相關(guān)性越大，即模型預(yù)測效果越好，反之說明模型預(yù)測效果越差。AUC 值在0.5～0.6、0.6～0.7、0.7～0.8、0.8～0.9和0.9～1分別表示模擬效果失敗、較差、一般、好和非常好[4,8]。34 個(gè)環(huán)境因子預(yù)測模型的訓(xùn)練和測試樣本的AUC 值分別為0.767 和0.700，均在0.7 ～0.8，說明模型預(yù)測效果一般（圖2）。

圖2 初始模型的ROC曲線及AUC值Fig.2 ROC curves and AUC values of initial model

1.4 模型優(yōu)化

在使用MaxEnt 模型進(jìn)行較大空間范圍的杉木良種同一適宜引種生態(tài)區(qū)預(yù)測時(shí)，環(huán)境因子變量過多、變量空間共線性過強(qiáng)將導(dǎo)致模型的復(fù)雜性增加，隨機(jī)誤差增大。過多低貢獻(xiàn)率的環(huán)境因子變量會導(dǎo)致模型運(yùn)行結(jié)果的準(zhǔn)確性降低。因此，需要對環(huán)境因子進(jìn)行篩選或降維[13]。

1.4.1 篩選貢獻(xiàn)率高的環(huán)境因子變量

在34個(gè)環(huán)境因子中，對適宜引種生態(tài)區(qū)分布貢獻(xiàn)較大的環(huán)境因子變量有Bio1、Bio2、Bio7、Bio8、Bio16～Bio18、Bio20、Bio21和Bio32等10個(gè)因子，累計(jì) 貢獻(xiàn) 率 為91.4%（表2）。Bio3 ～ Bio6、Bio9 ～Bio15、Bio19、Bio22 ～ Bio31、Bio33 和Bio34 等24 個(gè)環(huán)境因子變量的貢獻(xiàn)率都小于1%，對分布影響有限，對這24個(gè)環(huán)境因子變量進(jìn)行剔除[14]。

表2 各環(huán)境因子變量的貢獻(xiàn)率Tab.2 Contribution rates of environmental factor variables

1.4.2 篩選正規(guī)化訓(xùn)練增益高的環(huán)境因子變量

采用刀切法測定各環(huán)境因子變量權(quán)重。刀切法即每次都忽略一個(gè)環(huán)境因子變量，基于剩下的環(huán)境因子變量對適宜引種生態(tài)區(qū)進(jìn)行預(yù)測，以MaxEnt模型自帶程序畫出的柱形圖為依據(jù)評估環(huán)境因子變量的重要性。紅色條帶代表所有變量的貢獻(xiàn)；深藍(lán)色條帶越長，說明該變量越重要；淺藍(lán)色條帶代表除該變量外，其他所有變量組合的貢獻(xiàn)。10 個(gè)貢獻(xiàn)較大的環(huán)境因子變量中，Bio7 對應(yīng)的深藍(lán)色條帶很短，說明它的增益值接近于0，表明它對預(yù)測適宜引種生態(tài)區(qū)并不重要，所以，剔除環(huán)境因子變量Bio7（圖3）。

圖3 刀切法的環(huán)境因子變量重要性分析Fig.3 Analysis on importances of environmental factors variables by Jackknife method

1.4.3 篩選多重共線的環(huán)境因子變量

用ArcGIS 軟件的值提取至點(diǎn)工具，提取有效分布點(diǎn)的環(huán)境因子變量數(shù)值，用SPSS軟件對貢獻(xiàn)較大的9 個(gè)主導(dǎo)環(huán)境因子變量進(jìn)行Spearman 相關(guān)分析，檢驗(yàn)環(huán)境因子變量間的多重共線性，9 個(gè)主導(dǎo)環(huán)境因子變量間的相關(guān)系數(shù)|r| ＜0.8（表3）。保留Bio1、Bio2、Bio8、Bio16 ～ Bio18、Bio20、Bio21 和Bio32 等9個(gè)主導(dǎo)環(huán)境因子變量重新建模[14]。

表3 關(guān)鍵環(huán)境因子變量的相關(guān)系數(shù)Tab.3 Correlation coefficients of key environmental factor variables

2 結(jié)果與分析

2.1 模型的有效性

用選出的9 個(gè)主導(dǎo)環(huán)境因子變量重新建模，模型的訓(xùn)練和測試樣本的AUC 值分別為0.753 和0.723（圖4），均在0.7～0.8，表明重建模型的適用性及模擬精度均達(dá)到合格水平，與主導(dǎo)環(huán)境因子變量間的相關(guān)性較大，預(yù)測同一適宜引種生態(tài)區(qū)的結(jié)果合格，可以據(jù)此進(jìn)行引種推廣。

圖4 重建模型的ROC曲線及AUC值Fig.4 ROC curves and AUC values of reconstruction model

2.2 杉木良種同一適宜引種生態(tài)區(qū)預(yù)測和適生等級劃分

運(yùn)用MaxEnt 模型進(jìn)行3 次重復(fù)試驗(yàn)，選取重復(fù)試驗(yàn)中AUC值最高的圖層導(dǎo)入ArcGIS軟件，進(jìn)行適宜等級劃分和可視化表達(dá)（圖5）。MaxEnt模型輸出的數(shù)據(jù)為ASCⅡ格式，用ArcGIS的“ASCⅡto Raster”功能，輸出數(shù)據(jù)類型選FLOAT，使該結(jié)果可在ArcGIS 軟件中顯示[14]。利用“Reclassify”功能,劃分分布值等級及相應(yīng)分布范圍，并使用不同顏色表示。劃分標(biāo)準(zhǔn)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)[4,8]。整體來看，湖南省杉木良種在湖北省的中適生區(qū)面積為622 618 hm2，主要分布在鄂東的黃梅縣和通城縣；鄂中的監(jiān)利縣、石首市和松滋市；鄂西的宜都市、長陽縣、五峰縣、巴東縣、建始縣、鶴峰縣、恩施市、宣恩縣、咸豐縣和來鳳縣。湖南省杉木良種在湖北省的低適生區(qū)面積為5 942 618 hm2，主要分布在鄂東的蘄春縣、浠水縣、武穴市、黃州區(qū)、鄂州市、陽新縣、大冶市、江夏區(qū)、蔡甸區(qū)、漢南區(qū)、咸安區(qū)、通山縣、崇陽縣、赤壁市和嘉魚縣；鄂中的仙桃市、洪湖市、潛江市、荊州區(qū)、沙市區(qū)、江陵縣、公安縣、枝江市和松滋市；鄂西的枝江市、當(dāng)陽市、夷陵區(qū)、點(diǎn)軍區(qū)、秭歸縣、利川市和來鳳縣。在低適生區(qū)引種杉木良種時(shí)，需選擇適宜的小生境。無高適生區(qū)。

圖5 湖南省杉木良種在湖北省同一適宜引種生態(tài)區(qū)分布Fig.5 Suitable ecological introduction distributions of C.lanceolata superior varieties from Hunan province in Hubei province

2.3 杉木良種地理分布與生物氣候變量的關(guān)系

用刀切法檢測9個(gè)主導(dǎo)環(huán)境因子變量對于分布增益的貢獻(xiàn)。結(jié)果表明，累年年最小降水量（Bio16）對杉木分布的增益最大，當(dāng)年最小降水量為600 ～1 174.35 mm 時(shí)，分布值隨年最小降水量的升高而增大（表4，圖6）；其次是累年年日照時(shí)數(shù)（Bio1），當(dāng)年日照時(shí)數(shù)為1 172.509～1 300 h時(shí)，分布值隨年日照時(shí)數(shù)增加而增大；當(dāng)年日照時(shí)數(shù)為1 300～2 761.266 h時(shí)，分布值隨年日照時(shí)數(shù)減少而減小（圖7）。

圖6 累年年最小降水量（Bio16）反饋曲線Fig.6 Annual minimum precipitation(Bio16)feedback curve

圖7 累年年日照時(shí)數(shù)（Bio1）反饋曲線Fig.7 Annual sunshine hours(Bio1)feedback curve

表4 主導(dǎo)環(huán)境因子變量的貢獻(xiàn)率Tab.4 Contribution rates of dominant environmental factor variables

3 討論與結(jié)論

林木良種如果沒有在適宜地區(qū)種植，可能導(dǎo)致育苗和造林失敗。傳統(tǒng)的杉木良種引種同一適宜生態(tài)區(qū)都是以鄉(xiāng)（鎮(zhèn)）、縣、市和省等行政單位為單元。影響杉木生長的光、熱、水和氣等環(huán)境因子受太陽輻射和大氣環(huán)流的影響，在地面上呈地帶性分布。由于山體起伏，垂直森林地帶由斷斷續(xù)續(xù)呈孤島狀分布的地塊組成。為獲得精準(zhǔn)的引種效果，本研究以1 hm2為單元，運(yùn)用MaxEnt 模型精準(zhǔn)預(yù)測同一適宜引種生態(tài)區(qū)。

傳統(tǒng)的林木引種是以單個(gè)樹種劃出同一適宜生態(tài)區(qū)。隨著自然條件演變和科學(xué)技術(shù)的發(fā)展，轉(zhuǎn)基因抗性育種、種間和遠(yuǎn)緣雜交育種等遺傳改良工作被廣泛開展，每年都有新的林木良種通過審定。在相同的立地條件下，同一樹種不同良種間的生長差異顯著。為獲得精準(zhǔn)的引種效果，本研究以單個(gè)良種劃出同一適宜生態(tài)區(qū)，運(yùn)用MaxEnt模型進(jìn)行精準(zhǔn)預(yù)測。

在大尺度空間上，氣候因子是限制杉木良種同一適宜引種生態(tài)區(qū)范圍的關(guān)鍵因素。MaxEnt 模型運(yùn)行結(jié)果表明，累年年最小降水量和累年年日照時(shí)數(shù)是影響杉木良種分布的最重要?dú)夂蛞蜃?，反映了杉木喜陰好濕的生物特性。本研究利用主?dǎo)氣候因子與分布概率間的反饋曲線獲得各主導(dǎo)氣候因子的閾值，當(dāng)年最小降水量大于920 mm、年日照時(shí)數(shù)為1 300 ～ 1 550 h 時(shí)，杉木良種存活概率較高。此結(jié)果有利于了解杉木良種與氣候的關(guān)系，對于精準(zhǔn)預(yù)測適宜引種生態(tài)區(qū)具有重要意義。

通過運(yùn)用MaxEnt 模型對湖南省杉木良種在湖北省同一適宜引種生態(tài)區(qū)進(jìn)行分析，證明MaxEnt模型在林木良種引種應(yīng)用方面的可行性及可信度，同時(shí)結(jié)合刀切法探討對杉木良種生長影響最顯著的環(huán)境因子，為良種適生性分析提供更進(jìn)一步的技術(shù)支撐?；贛axEnt和Arc GIS 精準(zhǔn)預(yù)測適宜引種生態(tài)區(qū)，能避免引種的盲目性，獲得良好的引種效果，該方法值得推廣應(yīng)用。