基于MaxEnt模型與ArcGIS的線葉薊生態(tài)適宜性區(qū)劃研究

方虎強(qiáng) ，章鵬飛 ，何兵 ，徐少偉 ，徐騰 ，董昌武 ，楊青山，

1.安徽中醫(yī)藥大學(xué)藥學(xué)院，安徽 合肥 230012； 2.安徽中醫(yī)藥大學(xué)第二附屬醫(yī)院，安徽 合肥 230061；3.中藥研究與開(kāi)發(fā)安徽省重點(diǎn)實(shí)驗(yàn)室，安徽 合肥 230012； 4.安徽省中醫(yī)藥科學(xué)院中藥資源保護(hù)與開(kāi)發(fā)研究所，安徽 合肥 230012； 5.安徽道地中藥材品質(zhì)提升協(xié)同創(chuàng)新中心，安徽 合肥 230012

線葉薊為菊科薊屬植物線葉薊Cirsium lineare(Thunb.) Sch.-Bip.的干燥全草或根，秋季采收，鮮用或切片曬干[1]，具有活血散瘀、消腫解毒功效[2]，臨床主要用于月經(jīng)不調(diào)、閉經(jīng)、痛經(jīng)、赤白帶、尿路感染、跌打損傷、乳腺炎、癤癰、神經(jīng)性皮炎及毒蛇咬傷等[3]。線葉薊主要分布在安徽、浙江、四川、福建、臺(tái)灣、江西等地[4-6]，生長(zhǎng)于海拔400～2 000 m山坡草地、路旁及灌叢[7]。目前，線葉薊人工種植尚未形成規(guī)模，部分地區(qū)亂采濫挖現(xiàn)象嚴(yán)重，使野生品種資源流失。故研究線葉薊潛在適宜分布區(qū)有利于規(guī)范產(chǎn)地種植，提高藥材質(zhì)量，切實(shí)解決中藥材產(chǎn)地種植中的實(shí)際問(wèn)題[8]。

最大熵（MaxEnt）、Maxlike等多種建模方法結(jié)合地理信息系統(tǒng)軟件ArcGIS廣泛用于評(píng)估氣候環(huán)境對(duì)物種潛在分布的影響[9-10]。MaxEnt模型以MaxEnt理論為基礎(chǔ)，常用于評(píng)估物種密度和預(yù)測(cè)其在某地區(qū)的潛在分布[11-12]，即從符合條件的已知分布中選取熵值最大的預(yù)測(cè)分布作為模型運(yùn)行的最優(yōu)解，并建立物種分布和約束條件（環(huán)境因子）的相互關(guān)系[13]。本研究對(duì)線葉薊在全國(guó)范圍內(nèi)的潛在適宜性分布進(jìn)行研究和評(píng)價(jià)，分析影響線葉薊野生資源分布的主要生態(tài)因子，為線葉薊人工栽培馴化、野生資源保護(hù)及開(kāi)發(fā)利用提供參考。

1 資料與方法

1.1 樣點(diǎn)分布數(shù)據(jù)采集

通過(guò)中國(guó)數(shù)字植物標(biāo)本館（http://www.cvh.ac.cn）獲得線葉薊分布數(shù)據(jù)402條，另有37條數(shù)據(jù)來(lái)源于第四次全國(guó)中藥資源普查。為避免造成實(shí)驗(yàn)結(jié)果過(guò)度擬合，按照1 km×1 km網(wǎng)格進(jìn)行篩選，刪除重復(fù)或經(jīng)緯度相近的分布點(diǎn)，共獲得線葉薊樣點(diǎn)分布數(shù)據(jù)248條，樣點(diǎn)分布見(jiàn)圖1。將數(shù)據(jù)轉(zhuǎn)換為經(jīng)緯度坐標(biāo)，按MaxEnt軟件要求保存為.csv格式文件。

圖1 線葉薊樣點(diǎn)分布

1.2 生態(tài)因子及地圖獲取

本研究使用的55個(gè)生態(tài)因子（見(jiàn)表1）來(lái)源于中藥資源空間信息網(wǎng)格數(shù)據(jù)庫(kù)（http://www.tcmresources.com/），包含氣候、地形和土壤類(lèi)型等數(shù)據(jù)，根據(jù)1950－2000 年氣象觀測(cè)數(shù)據(jù)插值而成，分辨率1 km。在國(guó)家基礎(chǔ)地理信息中心網(wǎng)站（http://nfgis.nsdi.gov.cn/）下載1：400萬(wàn)中國(guó)地圖及行政區(qū)劃圖。

表1 55個(gè)生態(tài)因子信息

1.3 模型構(gòu)建

將線葉薊地理分布數(shù)據(jù)與55個(gè)生態(tài)因子信息導(dǎo)入MaxEnt3.4.3，選擇25%的數(shù)據(jù)作為測(cè)試集，75%的數(shù)據(jù)作為訓(xùn)練集，最大迭代次數(shù)106，設(shè)置響應(yīng)曲線評(píng)價(jià)生態(tài)因子適宜度范圍、受試者工作特征（ROC）曲線及曲線下面積（AUC）評(píng)價(jià)模型精度、刀切法檢驗(yàn)相關(guān)生態(tài)因子貢獻(xiàn)權(quán)重，軟件運(yùn)行結(jié)果以Logistic格式輸出，運(yùn)行5次，舍去運(yùn)算結(jié)果中貢獻(xiàn)率為0的生態(tài)因子，運(yùn)算結(jié)束后結(jié)合刀切法選擇貢獻(xiàn)率≥0.1%的生態(tài)因子作為環(huán)境變量組，對(duì)線葉薊分布適宜性進(jìn)行預(yù)測(cè)。

1.4 適生度等級(jí)劃分

將MaxEnt運(yùn)算得出的最終預(yù)測(cè)結(jié)果輸出格式為ASCⅡ柵格圖層，在ArcGIS中導(dǎo)入線葉薊在全國(guó)范圍的適生分布地區(qū)、分布指數(shù)（P），疊加中國(guó)行政區(qū)劃圖?；谡龖B(tài)分布參數(shù)均值（μ）、標(biāo)準(zhǔn)差（δ）和樣本分布點(diǎn)的最小適生度（0），根據(jù)P值將線葉薊分布區(qū)域劃分為4 個(gè)等級(jí)：非適生區(qū)（P＜μ-δ），低度適生區(qū)（μ-δ≤P＜0.25），中度適生區(qū)（0.25≤P＜0.5），高度適生區(qū)（P≥0.5）。

2 結(jié)果

2.1 模型精度分析

使用ROC曲線評(píng)估模型精度，AUC值越大模型精度越高：1＞AUC≥0.9，模型預(yù)測(cè)精度高；0.9≥AUC＞0.8，模型預(yù)測(cè)精度較高；0.8≥AUC＞0.7，模型預(yù)測(cè)精度一般；0.7≥AUC＞0.6，模型預(yù)測(cè)精度較差；AUC＜0.6，模型預(yù)測(cè)無(wú)效[14-15]。模型評(píng)價(jià)結(jié)果表明，訓(xùn)練集AUC=0.968，測(cè)試集AUC=0.947，標(biāo)準(zhǔn)差（SD）=0.006，表明模型擬合效果較好，潛在分布區(qū)預(yù)測(cè)具有較高精度，能有效反映線葉薊在全國(guó)潛在分布情況。見(jiàn)圖2。

圖2 線葉薊生態(tài)分布預(yù)測(cè)ROC曲線

2.2 主導(dǎo)生態(tài)因子篩選及貢獻(xiàn)率

根據(jù)MaxEnt模型計(jì)算結(jié)果，影響線葉薊潛在分布的主要生態(tài)因子（貢獻(xiàn)率）依次為：11 月降水量（61.3%）、最暖季平均溫（8.0%）、植被類(lèi)型（5.0%）、土壤類(lèi)型（4.1%）、坡度（2.7%）、土壤含黏土量（2.5%）、5 月平均氣溫（2.4%）、9 月平均氣溫（1.8%）、3月降水量（1.7%）、等溫性（1.5%）、最暖月最高溫（1.5%），見(jiàn)表2。采用刀切法檢驗(yàn)各生態(tài)因子的預(yù)測(cè)能力，4月降水量、11月降水量、3月降水量、10月降水量、5月降水量、最干月降水量、植被類(lèi)型、9月平均氣溫、4月平均氣溫、9月降水量、8月平均氣溫、5月平均氣溫、土壤類(lèi)型、7月平均氣溫和最暖季平均溫貢獻(xiàn)度較高，見(jiàn)圖3。結(jié)合二者結(jié)果，最終確定影響線葉薊潛在分布的主導(dǎo)生態(tài)因子有11月降水量、3月降水量、5月平均氣溫、9月平均氣溫、最暖季平均溫、植被類(lèi)型、土壤類(lèi)型。

表2 影響線葉薊分布主要生態(tài)因子及其貢獻(xiàn)率

圖3 線葉薊生態(tài)分布預(yù)測(cè)模型刀切圖

2.3 適生度等級(jí)分析

根據(jù)適生度等級(jí)劃分方法進(jìn)行運(yùn)算，按照所設(shè)閾值進(jìn)行重分類(lèi)可得：非適生區(qū)（P＜0.08），低度適生區(qū)（0.08≤P＜0.25），中度適生區(qū)（0.25≤P＜0.5），高度適生區(qū)（P≥0.5）。從全國(guó)潛在分布來(lái)看，線葉薊高度適生區(qū)主要集中在浙江、重慶、廣西東北部、四川東部、湖北西北部和東部；中度適生區(qū)為湖南西北部和東部、貴州西南部和東部、臺(tái)灣東北部、河南南部；低度適生區(qū)主要集中在湖南中部、四川中部、廣西西部和中部、河南中部、廣東南部。見(jiàn)圖4。

圖4 線葉薊適生區(qū)分布

3 討論

本研究基于MaxEnt結(jié)合ArcGIS預(yù)測(cè)線葉薊在我國(guó)潛在分布區(qū)，模型評(píng)價(jià)所得訓(xùn)練集、測(cè)試集AUC值均大于0.9，由此判斷該模型精度高、擬合效果好。線葉薊潛在適生分布區(qū)與《中國(guó)植物志》記載的地區(qū)有較高重疊性，且預(yù)測(cè)的潛在分布區(qū)比實(shí)際記錄的范圍更廣，表明線葉薊野生資源蘊(yùn)藏量豐富、可人工栽培馴化的面積更廣。同時(shí)與第四次全國(guó)中藥資源普查獲得的信息比較，發(fā)現(xiàn)其分布區(qū)向南北均有所擴(kuò)大，所采集的分布點(diǎn)超過(guò)《中國(guó)植物志》記載的分布省份。

根據(jù)模型預(yù)測(cè)結(jié)果可知，11月降水量、3月降水量等是影響線葉薊潛在分布的主要生態(tài)因子。其次是5月平均氣溫、9月平均氣溫、最暖季平均溫3個(gè)與溫度相關(guān)的生態(tài)因子。說(shuō)明線葉薊生長(zhǎng)更依賴(lài)降水和溫度變量。結(jié)合第四次全國(guó)中藥資源普查線葉薊分布數(shù)據(jù)和中國(guó)數(shù)字植物標(biāo)本館線葉薊標(biāo)本采集信息，可知線葉薊主要分布于我國(guó)西南東部，華中、華南北部，華東南部等地區(qū)，這些地區(qū)處于亞熱帶，氣溫較高，降水豐富，能提供線葉薊生長(zhǎng)的良好生境。除氣候類(lèi)型、土壤類(lèi)型、地形、植被類(lèi)型外，二氧化碳濃度、流域及生物因子也是影響物種適宜性的重要因素，應(yīng)用的環(huán)境因子不全面會(huì)導(dǎo)致模型預(yù)測(cè)結(jié)果出現(xiàn)偏差。因此，適當(dāng)組合多類(lèi)型變量用于生境適宜性模擬，可以提高該模型的總體精度，使結(jié)果更加準(zhǔn)確真實(shí)[16]。

綜上，本研究從理論上預(yù)測(cè)線葉薊在全國(guó)范圍內(nèi)的潛在分布區(qū)和影響其分布的主導(dǎo)生態(tài)因子，為線葉薊野生資源開(kāi)發(fā)及人工栽培馴化奠定了一定理論基礎(chǔ)。在今后產(chǎn)業(yè)化種植中，可以參考線葉薊潛在分布地區(qū)的環(huán)境參數(shù)及其他影響因素，定向選擇種植基地。筆者在野外考察中還發(fā)現(xiàn)，大薊、線葉薊等薊屬植物花序易受蟲(chóng)害侵襲，故在人工馴化栽培時(shí)應(yīng)注意蟲(chóng)害防治[17]。在本研究基礎(chǔ)上，可以結(jié)合不同產(chǎn)地線葉薊的藥材質(zhì)量，進(jìn)一步分析環(huán)境因子對(duì)其品質(zhì)的影響。