基于MaxEnt模型的中國(guó)白杄分布格局及未來(lái)變化

吳曉萌，葉冬梅*，白玉娥，段國(guó)珍，王 玲，孫昊田

(1 內(nèi)蒙古農(nóng)業(yè)大學(xué) 林學(xué)院，呼和浩特 010019；2 青海大學(xué)農(nóng)林科學(xué)院，西寧 810016)

氣候變化對(duì)生物多樣性的影響是當(dāng)下研究的熱點(diǎn)問(wèn)題之一[1]。隨著20世紀(jì)全球氣候變暖，全球氣溫不斷上升，極端氣候條件對(duì)生物多樣性和物種分布范圍產(chǎn)生巨大影響，人類健康和生存也面臨著巨大的考驗(yàn)[2]。IPCC WGI AR5表明：與AR4相比，1880-2012年全球平均地表溫度上升了0.85 ℃,2016-2035年與1988-2005年相比，全球平均溫度可能上升0.3～0.7 ℃，預(yù)估2081-2100年溫度會(huì)繼續(xù)上升[3]。氣候變暖導(dǎo)致植物的適宜生境破碎化，部分植物瀕臨滅絕，故部分植物為了生存需要遷移到氣候條件有利地區(qū)[4]。所以通過(guò)研究物種的潛在分布以及未來(lái)氣候?qū)χ参锓植嫉挠绊?，提前?guī)劃物種多樣性保護(hù)策略至關(guān)重要。

最早Grinnel利用物種分布模型(species distribution models，SDMs)對(duì)植物群落與環(huán)境梯度關(guān)系進(jìn)行研究。Nix使用SDMs預(yù)測(cè)物種空間分布[5]旨在分析物種分布與環(huán)境之間的關(guān)系，后結(jié)合“3S”技術(shù)逐漸趨向以預(yù)測(cè)為目的的研究[5]。SDMs目前廣泛用于入侵物種潛在分布預(yù)測(cè)、氣候變化對(duì)物種分布的影響和珍稀物種保護(hù)措施的制定等研究領(lǐng)域[6-9]。最大熵(MaxEnt)模型是根據(jù)最大熵模型原理構(gòu)造的物種分布模型算法，相對(duì)其他生態(tài)位模型，它具有精確度較高的預(yù)測(cè)結(jié)果，并且該軟件操作相對(duì)便捷[10]。Wang等[11]運(yùn)用GARP和MaxEnt兩種模型預(yù)測(cè)二點(diǎn)委夜蛾的潛在地理分布，根據(jù)兩種模型的AUC值比較，得出MaxEnt模型具有更好的預(yù)測(cè)精度，具有較強(qiáng)的預(yù)測(cè)能力。段義忠等[12]利用3種生態(tài)位模型(MaxEnt、Bioclim、Domain)對(duì)兩個(gè)不同屬沙冬青在中國(guó)的潛在地理分布進(jìn)行預(yù)測(cè)，并分別比較不同屬沙冬青在3種模型下的預(yù)測(cè)結(jié)果，結(jié)果表明MaxEnt模型對(duì)不同屬沙冬青預(yù)測(cè)結(jié)果良好具有一定的穩(wěn)定性和擴(kuò)展性。基于 MaxEnt最大熵模型和Arcgis對(duì)物種的潛在地理分布進(jìn)行預(yù)測(cè)，從而使研究者和決策者能提出相應(yīng)的策略來(lái)降低氣候變化對(duì)生物多樣性造成的影響[13]。

白杄(Piceameyeri)別名麥?zhǔn)显粕?、毛枝云杉，中?guó)特有樹種，是各大山區(qū)的主要建群種[14]，1989年被評(píng)為內(nèi)蒙古自治區(qū)Ⅱ級(jí)保護(hù)珍稀瀕危植物[15]。白杄分布區(qū)主要占據(jù)于太行山山脈，它們分布環(huán)境復(fù)雜多樣，發(fā)現(xiàn)了大量的第四紀(jì)冰川遺跡，這證明了中國(guó)華北區(qū)有大量第四紀(jì)冰川運(yùn)動(dòng)存在，而且規(guī)模較大[16]。白杄生存于環(huán)境復(fù)雜多樣的山區(qū)，而且此山區(qū)經(jīng)證實(shí)有大規(guī)模的第四紀(jì)冰川運(yùn)動(dòng)存在，冰川運(yùn)動(dòng)可能導(dǎo)致其分布范圍有所變化，利用物種分布模型進(jìn)行模擬及預(yù)測(cè)白杄過(guò)去及未來(lái)的分布范圍，可以為探索華北地區(qū)物種現(xiàn)代分布格局歷史成因提供理論依據(jù)[17]。因此白杄就成為了探索華北地區(qū)物種現(xiàn)代分布格局歷史成因的理想物種之一。

目前對(duì)白杄的研究主要集中于園林景觀、生理生化、生態(tài)適應(yīng)性和遺傳多樣性等方向，對(duì)白杄的空間分布格局研究的較少[18-21]。

本研究通過(guò)實(shí)地打點(diǎn)和網(wǎng)站收集，篩選后獲得白杄地理分布數(shù)據(jù)，結(jié)合氣候數(shù)據(jù)，利用Arcgis、SPSS軟件和MaxEnt模型預(yù)測(cè)不同時(shí)期白杄在中國(guó)的潛在地理分布及變化，主要研究?jī)?nèi)容包括：(1)現(xiàn)代氣候條件下白杄在中國(guó)的潛在分布，并探討白杄的潛在分布與環(huán)境因子之間的關(guān)系，確定影響白杄潛在地理分布的主要?dú)夂蛞蜃樱?2)探討全新世中期、現(xiàn)代以及未來(lái)2050年和2070年四個(gè)時(shí)期氣候變化條件下白杄在中國(guó)的潛在分布區(qū)，以及不同時(shí)期白杄潛在分布區(qū)面積的變化。研究結(jié)果可以為白杄的保護(hù)與管理提供科學(xué)合理的依據(jù)。

1 材料和方法

1.1 白杄地理分布數(shù)據(jù)

白杄的地理分布數(shù)據(jù)通過(guò)查閱中國(guó)國(guó)家資源標(biāo)本平臺(tái)(NSII，http://nsii.org.cn/)、中國(guó)數(shù)字植標(biāo)本館(CVH，https://www.cvh.ac.cn/)、《中國(guó)植物志》、中國(guó)知網(wǎng)(CNKI)等數(shù)據(jù)庫(kù)獲取，并結(jié)合2019年6月對(duì)白杄實(shí)地GPS打點(diǎn)所獲取的分布數(shù)據(jù)共262條，經(jīng)反復(fù)校對(duì)、去重，最終選擇50個(gè)分布記錄點(diǎn)為試驗(yàn)數(shù)據(jù)(圖1)，將白杄的經(jīng)緯度存入Excel中，并轉(zhuǎn)為CSV格式用于MaxEnt模型的建立。

1.2 氣候因子數(shù)據(jù)獲取與篩選

本研究選取數(shù)據(jù)空間分辨率為30′的19個(gè)氣候因子和海拔為環(huán)境變量(表1)，其中氣候變量來(lái)源于世界氣候數(shù)據(jù)網(wǎng)站(WorldClim，https://www.worldclim.org/)，我們從數(shù)據(jù)庫(kù)中選擇了四個(gè)時(shí)期的氣候數(shù)據(jù)，分別為全新世中期、現(xiàn)代(1970-2000年)和未來(lái)2050年、2070年，未來(lái)的氣候數(shù)據(jù)采用的CCSM4模式中的RCP2.6、RCP8.5兩種排放情景，這兩種排放情景的差異最大，便于比較不同時(shí)期適生區(qū)面積的變化。由于各因子之間有一定的相關(guān)性，為了減少相關(guān)性造成的誤差，利用SPSS對(duì)20個(gè)環(huán)境變量進(jìn)行篩選。

表1 20個(gè)生物氣候變量

1.3 地理分布圖繪制

將篩選的50個(gè)分布點(diǎn)導(dǎo)入Arcgis中，以1∶400萬(wàn)的中國(guó)矢量地圖作為底圖，進(jìn)行分布圖的繪制。

1.4 最大熵模型構(gòu)建

將白杄地理分布數(shù)據(jù)、篩選好的氣候因子和海拔導(dǎo)入MaxEnt軟件中進(jìn)行建模運(yùn)算，勾選“創(chuàng)建響應(yīng)曲線選擇”、“刀切法”和“寫入繪圖數(shù)據(jù)”，設(shè)置25%作為測(cè)試集，75%作為訓(xùn)練集，重復(fù)10次最大背景點(diǎn)數(shù)量為10 000，其他為默認(rèn)設(shè)置后運(yùn)行，最終結(jié)果以ASCII格式輸出[22]。將MaxEnt輸出結(jié)果導(dǎo)入Arcgis選擇重分類選項(xiàng)中的自然間斷點(diǎn)分級(jí)法手動(dòng)統(tǒng)一閾值，將適宜度分為4個(gè)等級(jí)：不適生區(qū)(0-0.05)、低適生區(qū)(0.05-0.2)、高適生區(qū)(0.2-0.5)和最適生區(qū)(0.5-1)來(lái)確定白杄在中國(guó)的潛在分布區(qū)。

1.5 模型準(zhǔn)確度評(píng)價(jià)

響應(yīng)曲線對(duì)于物種分布模型是至關(guān)重要的，通過(guò)它我們可以了解物種與環(huán)境因子之間的關(guān)系。接受者工作特征曲線(ROC)下的面積(AUC)方法廣泛用于評(píng)價(jià)模型的性能，AUC提供了一個(gè)獨(dú)立于任何特定閾值選擇的模型性能度量，其取值范圍為0-1，值越大，預(yù)測(cè)精度越大，預(yù)測(cè)效果越好[10]。

2 結(jié)果與分析

2.1 氣候因子和海拔因子相關(guān)性分析

利用Pearson相關(guān)性分析得到19個(gè)氣候因子和海拔因子的相關(guān)系數(shù)矩陣如表2，去除|r|>0.8，最終篩選出12個(gè)環(huán)境圖層變量轉(zhuǎn)為ASCII格式用于模型創(chuàng)建，分別是Bio1、Bio2、Bio3、Bio4、Bio5、Bio8、Bio9、Bio11、Bio13、Bio15、Bio18、alt(表3)。

表2 氣候因子和海拔因子相關(guān)性矩陣

表3 用于建模的12個(gè)氣候因子

2.2 模型的準(zhǔn)確性驗(yàn)證

在MaxEnt模型中對(duì)當(dāng)前的氣候因子和白杄地理分布信息進(jìn)行10次重復(fù)模擬，如圖2所示，ROC曲線下面積AUC平均值為0.979±0.014，接近1，說(shuō)明MaxEnt預(yù)測(cè)的潛在分布精度非常準(zhǔn)確，預(yù)測(cè)結(jié)果的可信度很高。

2.3 影響白杄潛在分布的氣候因子

由表4可知，參與建模的12個(gè)氣候因子中有5個(gè)因子的貢獻(xiàn)率高于5%，排在前三位的分別是：海拔(alt，34.5%)、最濕月降水量(Bio13, 24.2%)、溫度季節(jié)性變化標(biāo)準(zhǔn)差(Bio4, 19.2%)，累計(jì)貢獻(xiàn)率為77.9%。

表4 12個(gè)氣候因子的貢獻(xiàn)率和置換重要值

刀切法測(cè)試結(jié)果(圖3)顯示，僅使用單獨(dú)變量時(shí)，正則化訓(xùn)練增益值較高的是海拔(alt)、最濕月份降水量(Bio13)、溫度季節(jié)性變化標(biāo)準(zhǔn)差(Bio4)，表明這些環(huán)境因子所體現(xiàn)的信息具有較高的價(jià)值，不使用單獨(dú)變量時(shí)最大程度降低增益的氣候因子是alt、Bio15、Bio3，表明這些氣候因子具有其他氣候因子無(wú)法體現(xiàn)的信息[23]，結(jié)合貢獻(xiàn)率和刀切法檢驗(yàn)綜合分析認(rèn)為：海拔(alt)、最濕月份降水量(Bio13)、晝夜溫差與年溫差比值(Bio3)、年平均溫度(Bio1)是影響白杄潛在地理分布的主導(dǎo)氣候因子。

響應(yīng)曲線顯示了存在概率如何隨每個(gè)氣候因子的變化而變化(圖4)，如果白杄的存在概率大于0.5時(shí)，說(shuō)明其對(duì)應(yīng)的環(huán)境因子的數(shù)值范圍是利于白杄的生長(zhǎng)[24]。

圖4顯示，海拔(alt)高度在2 100 m時(shí)，白杄的存在概率最大(0.69)，當(dāng)海拔高度低于1 200 m或高于2 300 m時(shí)，白杄的存在概率小于0.5，所以適合白杄生長(zhǎng)的海拔高度范圍是1 200～2 300 m。

最濕月降降水量(Bio13)在110 mm時(shí)，白杄的存在概率最高(0.68)，隨著降水量的增加，白杄的存在概率下降，在降水量達(dá)到145 mm時(shí)，存在概率低于0.5，所以90～145 mm是利于白杄生長(zhǎng)的最濕月分降水量的最適范圍(圖4)。

晝夜溫差與年溫差比值(Bio3)在26.5時(shí)，白杄的存在概率最大(0.66)，當(dāng)比值為28時(shí)，存在概率為0.5，隨著比值增大，白杄的存在概率下降，所以最適合白杄生長(zhǎng)的晝夜溫差與年溫差比值范圍是：25%～28%(圖4)。

年平均溫度(Bio1)在約1 ℃時(shí)，白杄的生存概率達(dá)到最大值(0.66)，隨著年均溫度的升高，白杄的生存概率下降，當(dāng)溫度高于5 ℃時(shí)，白杄的生存概率低于0.5，所以白杄生長(zhǎng)最適年平均溫度范圍為0～5 ℃(圖4)。

2.4 現(xiàn)代氣候條件下白杄的潛在分布區(qū)

將MaxEnt模型輸出結(jié)果導(dǎo)入Arcgis中，對(duì)模擬的白杄現(xiàn)代潛在分布區(qū)進(jìn)行可視化表達(dá)。如圖5所示，白杄潛在分布于內(nèi)蒙古中部地區(qū)、山西大部分地區(qū)以及河北部分地區(qū)。

白杄最適生區(qū)面積為10.61 萬(wàn)km2，占中國(guó)總面積的1.10%，白杄最適生分布區(qū)主要位于內(nèi)蒙古九峰山、正藍(lán)旗和多倫縣，山西省大石洞和五臺(tái)山以及河北省塞罕壩、霧靈山；白杄高適生區(qū)面積為28.31 萬(wàn)km2，占中國(guó)總面積的2.95%，主要分布于內(nèi)蒙古中西部、山西龐泉溝和河北省小五臺(tái)山地區(qū)；白杄低適生區(qū)面積為64.65 萬(wàn)km2；綜上所述，白杄的總適生區(qū)面積為103.56 萬(wàn)km2，占中國(guó)總面積的10.78%。

2.5 過(guò)去和未來(lái)白杄的潛在分布區(qū)模擬

共選取3個(gè)時(shí)期的氣候數(shù)據(jù)來(lái)預(yù)測(cè)白杄潛在分布，分別是全新世中期、未來(lái)2050年和2070年RCP2.6和RCP8.5兩種排放情景下的氣候數(shù)據(jù)(圖6)。

由圖6和表5可知，全新世中期氣候條件下，白杄最適生區(qū)面積22.92 萬(wàn)km2，高適生區(qū)面積為23.76 萬(wàn)km2；總適生區(qū)面積為99.39 萬(wàn)km2。從全新世中期到現(xiàn)代氣候條件下白杄的潛在分布最適生區(qū)面積減少12.31 萬(wàn)km2；但較現(xiàn)代氣候條件下白杄的高適生區(qū)面積和總適生區(qū)面積分別增加4.55 萬(wàn)km2、4.17 萬(wàn)km2。

表5顯示，2050年RCP2.6情景下白杄最適生區(qū)面積6.78 萬(wàn)km2，高適生區(qū)面積為32.16 萬(wàn)km2，總適生區(qū)面積為97.18 萬(wàn)km2，較現(xiàn)代氣候條件下白杄的最適生區(qū)面積和總適生區(qū)面積分別減少0.55 萬(wàn)km2、6.75 萬(wàn)km2，但高適生區(qū)面積增加6.59 萬(wàn)km2。2050年RCP8.5情景下白杄最適生區(qū)面積10.06 萬(wàn)km2，總適生區(qū)面積為96.83 萬(wàn)km2，較現(xiàn)代氣候條件下白杄的最適生區(qū)面積和總適生區(qū)面積分別減少3.83 萬(wàn)km2、6.39 萬(wàn)km2，但高適生區(qū)面積增加3.85 萬(wàn)km2。

表5顯示，2070年RCP2.6情景下白杄最適生區(qū)面積6.30 萬(wàn)km2，高適生區(qū)面積為29.70 萬(wàn)km2，總適生區(qū)面積為90.33 萬(wàn)km2，較2050年RCP2.6情景下白杄的最適生區(qū)面積、高適生區(qū)面積和總適生區(qū)面積分別減少0.48 萬(wàn)km2、2.46 萬(wàn)km2、6.86 萬(wàn)km2。2070年RCP8.5情景下白杄最適生區(qū)面積7.93 萬(wàn)km2，高適生區(qū)面積為29.69 萬(wàn)km2，總適生區(qū)面積為82.79 萬(wàn)km2，較2050年RCP8.5情景下白杄的最適生區(qū)面積、高適生區(qū)面積和總適生區(qū)面積分別減少2.12 萬(wàn)km2、5.21 萬(wàn)km2、14.02 萬(wàn)km2。

表5 不同時(shí)期白杄各適生區(qū)面積

運(yùn)用最大熵(MaxEnt)模型分析全新世中期和未來(lái)氣候變化情景下白杄在中國(guó)潛在地理分布區(qū)的變化(圖7)。由全新世中期氣候條件的白杄(圖7)與現(xiàn)代氣候條件下的白杄(圖5)相比呈零星破碎化分布的特點(diǎn)。從全新世中期到現(xiàn)代氣候條件下，白杄在內(nèi)蒙古北部高緯度的潛在分布區(qū)面積減少，生存適宜度降低，內(nèi)蒙古中部區(qū)大部分最適生區(qū)喪失。2050年RCP2.6排放情景下，白杄最適生區(qū)主要位于內(nèi)蒙古九峰山、正藍(lán)旗、多倫縣、山西省龐泉溝、五臺(tái)山、河北省霧靈山等地區(qū)，與現(xiàn)代氣候條件下白杄潛在分布區(qū)相比，最適生區(qū)面積減少，白杄生存適宜度降低。2050年RCP8.5排放情景下白杄分布區(qū)面積變化與2050年RCP2.6相近。2070年RCP2.6排放情景下，白杄在山西省、河北省等低緯度地區(qū)的適生區(qū)已基本喪失。從全新世中期到2070年總體來(lái)看白杄的適生區(qū)面積逐漸減少，且預(yù)測(cè)結(jié)果顯示白杄的分布區(qū)向高緯度地區(qū)擴(kuò)張，且最適生區(qū)范圍也向內(nèi)蒙古東北地區(qū)移動(dòng)。這可能因?yàn)槿驓夂蜃兣瑴囟扰c水分對(duì)白杄生長(zhǎng)影響程度日益增強(qiáng)，白杄為了生存向高緯度適宜區(qū)遷移。

3 討 論

3.1 氣候因子對(duì)白杄潛在分布的限制

根據(jù)MaxEnt模型預(yù)測(cè)分析結(jié)果表明：影響白杄潛在分布的重要環(huán)境因子是海拔、溫度和降水。段國(guó)珍[25]研究沙地云杉及近緣種的生態(tài)位分化，結(jié)果表明降雨量和溫度是影響其潛在地理分布的氣候因子，這與本研究得出的結(jié)論相一致。

本研究限制白杄生長(zhǎng)的重要?dú)夂蛞蜃訛樽顫裨陆邓秃０?。楊艷剛研究白杄徑向生長(zhǎng)特征與環(huán)境因子的關(guān)系，通過(guò)距離分析法結(jié)果表明：在秋季期內(nèi)，溫暖濕潤(rùn)的環(huán)境適應(yīng)白杄的生長(zhǎng)；在夏季期內(nèi)，濕潤(rùn)環(huán)境有利于白杄的生長(zhǎng)。這與本研究最濕月降水量是影響白杄潛在分布的重要因子和未來(lái)氣候條件下白杄潛在分布變化等結(jié)論相印證[14]。氣溫的變化對(duì)植被帶的緯向遷移有重要影響，在不考慮水分的限制條件下，隨全球氣候變暖，植物生長(zhǎng)受熱量限制的地區(qū)將會(huì)增多，對(duì)植物生長(zhǎng)產(chǎn)生影響。本研究在預(yù)測(cè)白杄未來(lái)氣候條件下的潛在分布有向內(nèi)蒙古東北部高海拔地區(qū)遷移的趨勢(shì)，與張文濤的研究結(jié)果相一致。張文濤在不同海拔白杄徑向生長(zhǎng)對(duì)氣候變暖響應(yīng)研究中表明：隨著氣溫升高，低海拔主要的氣候因子對(duì)植物生長(zhǎng)的影響增強(qiáng)，而高海拔的相對(duì)減弱，使得高海拔白杄生長(zhǎng)對(duì)氣溫升高的敏感性降低,溫度變化對(duì)白杄的影響減弱，故適合白杄生長(zhǎng)。由此可見，氣溫的升高對(duì)植被的遷移有重要影響[26]。

3.2 不同時(shí)期白杄潛在分布區(qū)的變化

吳建國(guó)等[27]研究表明：在未來(lái)氣候條件下，中國(guó)濕潤(rùn)地區(qū)面積減小，植物分布會(huì)逐漸向濕潤(rùn)地區(qū)遷移。本研究中，與現(xiàn)代分布區(qū)相比，白杄在未來(lái)氣候條件下的適生區(qū)縮小，并且向內(nèi)蒙古東北方向遷移；Leng等[28]利用Random Forest模型分析三種排放情景下3種落葉松現(xiàn)代和未來(lái)氣候條件下的潛在分布，結(jié)果表明：在未來(lái)氣候變暖情景下，3種落葉松的潛在分布向高緯度地區(qū)移動(dòng)，且分布范圍縮?。籉lower等[29]運(yùn)用Bioclimatic Envelop模型分析三種排放情景下3種云杉和冷杉的潛在分布變化，研究表明：在未來(lái)氣候變化下，4種植物的潛在分布均向高海拔高緯度地區(qū)轉(zhuǎn)移；趙儒楠等[30]利用MaxEnt模型預(yù)測(cè)氣候變化下千金榆在中國(guó)潛在分布區(qū)，結(jié)果表明：在未來(lái)氣候變化下，千金榆生態(tài)適宜區(qū)都有向“高海拔地區(qū)收縮”、“東擴(kuò)”和“北擴(kuò)”的趨勢(shì)，中國(guó)南方和中部的千金榆適宜區(qū)向東北地區(qū)移動(dòng)，東北地區(qū)氣候更加適宜千金榆生存[31]，本研究結(jié)論與之一致。白杄是陰性樹種，有耐蔭性強(qiáng)、性耐寒、喜濕潤(rùn)氣候等生態(tài)習(xí)性，東北部氣候濕潤(rùn)寒冷，這與整體分布向東北方向擴(kuò)張相印證。

4 結(jié)論與展望

現(xiàn)代氣候條件下白杄的潛在地理分布主要位于內(nèi)蒙古中西部地區(qū)(九峰山、正藍(lán)旗、多倫縣)、山西省大部分地區(qū)(大石洞、五臺(tái)山)以及河北省部分地區(qū)(霧靈山、塞罕壩)，其中白杄最適生區(qū)位于內(nèi)蒙古自治區(qū)，從全新世中期到現(xiàn)代氣候條件下，白杄的最適生區(qū)面積顯著縮小，在未來(lái)2050年和2070年的兩種氣候變化情景下，白杄的潛在分布區(qū)繼續(xù)縮小，且向東北方向遷移。全球氣候變暖，物種潛在分布區(qū)縮小導(dǎo)致物種向高緯度高海拔地區(qū)移動(dòng)，白杄未來(lái)氣候條件下潛在分布區(qū)轉(zhuǎn)移也與此一致。影響白杄生長(zhǎng)的主要?dú)夂蛞蜃雍桶讝e生長(zhǎng)適宜范圍分別為：海拔(1 200～2 300 m)、最濕月降水量(90～145 mm)、晝夜溫差與年溫差比值(25%～28%)和年平均溫度(0～5 ℃)。本研究?jī)H采用不同時(shí)期的環(huán)境因子變量和海拔因子，因此，在以后的不同氣候變化情景下物種潛在分布研究中，可以加入土壤因子和坡度、坡向等地形因子以及生物之間作用的影響進(jìn)行探討。本研究采用典型濃度路徑(representative concentration pathways)數(shù)據(jù)共享社會(huì)經(jīng)濟(jì)路徑(shared socioeconomic pathways,SSPs)是RCP的升級(jí)版，該路徑的設(shè)定是根據(jù)當(dāng)前國(guó)家與區(qū)域的實(shí)際情況與經(jīng)濟(jì)發(fā)展情況，更好地反映社會(huì)經(jīng)濟(jì)發(fā)展對(duì)氣候變化的影響。SSPs情景下對(duì)白杄潛在地理分布的研究將在今后試驗(yàn)中進(jìn)一步展開[32]。