基于優(yōu)化MaxEnt模型的板齒鼠犅犪狀犱犻犮狅狋犪犻狀犱犻犮犪在中國適生區(qū)預(yù)測與分析

林思亮　姚丹丹　姜洪雪等

關(guān)鍵詞 板齒鼠；MaxEnt模型；適生區(qū)；模型參數(shù)優(yōu)化

中圖分類號：S 443.5 文獻標(biāo)識碼：A DOI： 10.16688/j.zwbh.2022400

板齒鼠Bandicota indica屬鼠科Muridae鼠亞科Murinae，是重要的農(nóng)業(yè)害鼠，亦是多種人獸共患疾病的傳播宿主，廣泛分布于熱帶和亞熱帶地區(qū)。中國、印度、緬甸、泰國、尼泊爾、斯里蘭卡、老撾、越南、孟加拉國、柬埔寨、馬來西亞和印度尼西亞等地都有記載。在我國該鼠主要分布在廣東、廣西、福建、臺灣、江西、云南、貴州和四川等省區(qū)[1-2]。板齒鼠是大型野棲鼠類，食量大，對水稻、玉米、甘薯等多種農(nóng)作物為害極大，在一般發(fā)生年份，可造成農(nóng)作物減產(chǎn)20%～30%[3]。該鼠對水稻為害尤為嚴(yán)重，從苗期至收獲期均可發(fā)生，導(dǎo)致水稻大面積失收[4-5]。近年來該鼠種群數(shù)量出現(xiàn)逐年增長趨勢，已成為南方農(nóng)田優(yōu)勢種之一[5-6]。板齒鼠亦是多種人畜共患疾病的傳播媒介，其分布區(qū)與人類活動空間高度相關(guān)[1-2]。南方沿海地區(qū)是我國人口密度較高的地區(qū)之一，也是其主要分布區(qū)，容易發(fā)生疾病傳播。此外全球變暖的背景也為適應(yīng)濕熱環(huán)境的板齒鼠擴散提供了有利的環(huán)境條件，導(dǎo)致其對農(nóng)業(yè)安全生產(chǎn)和人民生命健康威脅加劇[5-6]，因此需重視對板齒鼠的監(jiān)測和研究。持續(xù)開展板齒鼠的調(diào)查監(jiān)測，及時掌握其種群動態(tài)及其分布區(qū)擴散動態(tài)，可為板齒鼠的預(yù)警及防控提供參考，保障農(nóng)作物安全。

預(yù)測有害生物的適生區(qū)是有害生物定量風(fēng)險評估的重要研究內(nèi)容之一。近年來，生態(tài)位原理模型廣泛應(yīng)用于有害生物適生區(qū)的預(yù)測[7]。其中最大熵模型（maximum entropy，MaxEnt）是一種基于物種已知分布信息并結(jié)合環(huán)境數(shù)據(jù)來預(yù)測未知分布情況的統(tǒng)計方法，該模型對樣本數(shù)量和質(zhì)量的耐受度高，預(yù)測結(jié)果優(yōu)異，是近年來有害生物適生區(qū)預(yù)測領(lǐng)域最流行的模型之一 [8-10]。國內(nèi)外學(xué)者基于MaxEnt模型對包括病、蟲、草、鼠在內(nèi)多種有害生物的適生區(qū)分布預(yù)測已有大量研究[11-14]。氣候、地形、棲息地、人類活動等因素會影響鼠類的生長發(fā)育及分布，生態(tài)位模型可較好地模擬當(dāng)?shù)厣鷳B(tài)環(huán)境用于鼠類的適生區(qū)預(yù)測。如鄭楠等[15]利用MaxEnt模型直觀定量地預(yù)測了鼠疫宿主長爪沙鼠lVIeriones unguic-ulatus在我國的潛在適生區(qū)主要在內(nèi)蒙古的錫林郭勒盟、烏蘭察布市、阿拉善盟、大同市、呼和浩特市、包頭市、巴彥淖爾市、鄂爾多斯市、烏海市；寧夏的石嘴山市、銀川市、吳忠市、中衛(wèi)市；甘肅的白銀市、武威市、張掖市；河北的張家口市；陜西的榆林市。吳藝楠等[16]比較了不同物種分布模型對高原鼠兔Ochotona curzonzae分布模擬的結(jié)果，結(jié)果顯示推進式回歸樹模型（ GBM）和最大熵模型（MaxEnt）模型的模擬效果最好，并根據(jù)最優(yōu)模型預(yù)測了高原鼠兔在青海湖流域的潛在適生區(qū)分布于青海湖西岸和北岸，天峻縣周邊及布哈河流域上游，明確了影響高原鼠兔分布的主導(dǎo)環(huán)境因子為距道路距離、距居民點距離、最暖月最高氣溫、NDVI標(biāo)準(zhǔn)差、最冷季和最干季降水量。喬雪麗等[17]利用MaxEnt模型預(yù)測大沙鼠Rhombomys opimus在當(dāng)前氣候和氣候變化等不同情景下的潛在適生區(qū)，發(fā)現(xiàn)其潛在適生區(qū)范圍波動較大，未來氣候越來越適宜大沙鼠的生存，其分布區(qū)呈擴張趨勢。

板齒鼠的生長發(fā)育[18]、繁殖[19]、行為習(xí)性[20]、種群數(shù)量變動[21]和為害規(guī)律[4]等已有研究報道，但對其分布并未開展系統(tǒng)的調(diào)查，其分布范圍尚無確切數(shù)據(jù)，更不知其在氣候、土地利用變化條件下其分布會如何改變。本研究通過對板齒鼠在我國分布數(shù)據(jù)進行科學(xué)處理，利用優(yōu)化參數(shù)后的MaxEnt模型預(yù)測板齒鼠在我國的適生區(qū)分布，并從生態(tài)位角度篩選影響其分布的主導(dǎo)環(huán)境因子，進而分析二者關(guān)系，以期為我國板齒鼠的監(jiān)測、預(yù)警及防控提供理論依據(jù)。

1材料與方法

1.1物種分布數(shù)據(jù)的收集及篩選

本文通過查詢?nèi)蛏锒鄻有孕畔⒕W(wǎng)絡(luò)（Glob-al Biodiversity Information Facility， GBIF; http：∥www. gbif. org）獲得490個板齒鼠分布點。通過查閱國內(nèi)外公開發(fā)表論文獲得了281個分布點。本團隊在廣東省設(shè)置并捕獲板齒鼠的監(jiān)測分布點34個。共獲得板齒鼠在我國的分布點805個，分布點信息包括分布點地名、經(jīng)緯度等。分布點數(shù)據(jù)中有經(jīng)緯度的直接使用，只有地名（精確到鄉(xiāng)鎮(zhèn)）的分布點則通過百度坐標(biāo)拾取系統(tǒng)（https：∥api.map.baidu.com/lbsapi/getpoint/index.html）獲得經(jīng)緯度。

本文使用ENMTools軟件剔除冗余分布數(shù)據(jù)的功能[22]，并參照王茹琳等[23]的方法去除上述805個分布點中的重復(fù)數(shù)據(jù)，具體方法為：采用柵格分辨率為2.5′的氣候數(shù)據(jù)，即每2.5′×2.5′網(wǎng)格（覆蓋范圍約為5 km×5 km）中只僅保留1個分布點，以此降低因群集效應(yīng)造成的采樣偏差，減少模型過擬合現(xiàn)象，提高預(yù)測質(zhì)量。通過上述篩選程序后保留了411個板齒鼠在我國的分布數(shù)據(jù)進行建模（圖1）。

1.2環(huán)境變量的收集及篩選

氣候、土壤、地形及生物等生態(tài)因子影響著生物對棲息地的適宜性，其中水熱條件、土壤、食物等因子更是嚙齒動物選擇棲息地的重要因子[1]。本研究選取影響板齒鼠分布的38個變量：包括19個生物氣候變量、14個土壤數(shù)據(jù)變量、3個地形變量、1個土地利用類型變量和1個生態(tài)系統(tǒng)凈初級生產(chǎn)力變量。

19個生物氣候變量為1970年-2000年各氣候因子的平均值，包括年均溫（Bio1）、平均氣溫日較差（Bio2）、等溫性（Bio3）、氣溫季節(jié)性變動系數(shù)（Bio4）、最熱月最高溫（Bio5）、最冷月最低溫（Bio6）、氣溫年較差（Bio7）、最濕季均溫（Bio8）、最干季均溫（Bio9）、最熱季均溫（Bio10）、最冷季均溫（Bioll）、年降水量（Bio12）、最濕月降水量（Bio13）、最干月降水量（Bio14）、降水量季節(jié)性變動系數(shù)（Bi015）、最濕季降水量（Bio16）、最干季降水量（Bio17）、最暖季降水量（Bio18）、最冷季降水量（Bio19）。皆從全球氣候數(shù)據(jù)網(wǎng)站（https：∥www.worldclim.org／）中下載，柵格空間分辨率設(shè)置為2.5′[24]，14個土壤表層土數(shù)據(jù)變量包括砂礫比例、沙子比例、淤泥比例、黏土比例、質(zhì)地、容積密度、有機碳比例、酸堿度、黏性層土壤陽離子交換能力、土壤陽離子交換能力、基礎(chǔ)飽和度、陽離子交換總量、可交換鈉鹽、電導(dǎo)率，數(shù)據(jù)來源于聯(lián)合國糧農(nóng)組織的世界土壤數(shù)據(jù)庫（Harmonized World Soil Database， https：∥www. fao. org/soils-portal/da-ta-hub/soil-map s-and-databa ses／harmonized-world-soil-database-v12/en/），用ArcGIS軟件從中分別提取表層土壤指標(biāo)數(shù)據(jù)[25]。3個地形變量包括海拔、坡度和坡向，海拔數(shù)據(jù)來自于全球氣候數(shù)據(jù)網(wǎng)站（https：∥www.worldclim.org／），柵格空間分辨率為2.5′，坡度和坡向信息利用ArcGIS軟件的表面分析功能獲得。2021年的土地利用類型數(shù)據(jù)來自Esri土地覆蓋遙感監(jiān)測數(shù)據(jù)庫（ht-tps：∥livingatlas. arcgis. com/landcover/），該數(shù)據(jù)將土地利用類型劃分為11類，為分類變量。凈初級生產(chǎn)力（net primary productivity，NPP），是生產(chǎn)者能用于生長、發(fā)育和繁殖的能量值，也是生態(tài)系統(tǒng)中其他生物成員生存和繁衍的物質(zhì)基礎(chǔ)，2021年陸地生態(tài)系統(tǒng)凈初級生產(chǎn)力數(shù)據(jù)來源于MODIS數(shù)據(jù)集（https：∥ladsweb. modaps. eosdis. nasa.gov／）。所有變量的空間分辨率皆設(shè)置為2.5′（覆蓋范圍約為25 km）。

環(huán)境變量的選擇是決定模擬準(zhǔn)確性的關(guān)鍵，本文參照喬雪麗等[17]的方法篩選變量，具體方法為：首先使用全部環(huán)境變量建立初始模型，保留對建模貢獻率較高的環(huán)境變量。其次使用R軟件對38個環(huán)境變量進行Spearman相關(guān)分析評估多重共線性。對變量間相關(guān)系數(shù)絕對值>0.7的數(shù)據(jù)，根據(jù)板齒鼠的生物學(xué)意義和初始模型中各變量的貢獻率篩選變量，以減少多重共線性和模型過擬合的影響。經(jīng)過上述程序最終保留12個環(huán)境變量（表1），包括6個生物氣候變量（年均溫、等溫性、最濕季均溫、年降水量、最暖季降水量、最冷季降水量）、2個土壤變量（砂礫比例、有機碳比例）、2個地形變量（海拔、坡向）、2個環(huán)境變量（土地利用類型、凈初級生產(chǎn)力）。

1.3模型參數(shù)優(yōu)化

特征組合（feature combination，F(xiàn)C）與正規(guī)化乘數(shù)（regularization multiplier，RM）是MaxEnt模型中最重要的兩個模型參數(shù)，優(yōu)化這兩個參數(shù)的選擇有助于顯著提高模型的預(yù)測精度[8-9，26]。其中FC有5種可選項，分別是線性函數(shù)（linear，L）、二次項函數(shù)（quadratic，Q）、交互函數(shù)（product，P）、閾值函數(shù)（threshold，T）和線性分段函數(shù)（hinge，H）。MaxEnt軟件默認(rèn)參數(shù)為RM =1，F(xiàn)C=LQHPT。本研究為了優(yōu)化MaxEnt模型，RM取值范圍為0.5～4，每次運行增加0.5；特征組合設(shè)置為6個，分別是L，LQ，H，LQH，LQHP和LQHPT。調(diào)用R軟件的ENMeval程序包，對上述48個參數(shù)組合進行測試[27]，并根據(jù)deltaAICc（Akaike information criterion，corrected）檢驗?zāi)Ｐ偷膹?fù)雜度和擬合程度，AUCdiff （different between training and testingAUC）和OR10（10% training omission rate）衡量模型對物種分布點過擬合程度[29]。其中具有最小deltaAICc值（deltaAICc=0）的模型作為最優(yōu)模型[10]。

1.4板齒鼠適生區(qū)預(yù)測

MaxEnt模型參數(shù)FC與RM采用1.3篩選的最優(yōu)模型的參數(shù)組合，其他模型參數(shù)設(shè)置為：25%的分布點作測試集，75%分布點作為訓(xùn)練集，最大迭代次數(shù)為5000次，最大背景點數(shù)量為10000個，其余選擇默認(rèn)設(shè)置，選切刀檢驗評估環(huán)境變量重要性，以10次運算的平均值作為預(yù)測結(jié)果，模型預(yù)測結(jié)果采用邏輯值（cloglog）形式輸出[10]。MaxEnt模型生成邏輯輸出值組成的ASC文件，邏輯值在0～1之間，數(shù)值越接近1，物種存在的概率越大。參考李垚的平均間隔法將適生度分為5級[28]，即某點的適生度為該點的邏輯值占整個預(yù)測區(qū)域內(nèi)最高邏輯值的百分比，當(dāng)邏輯值在80.1%～100%為高度適生區(qū)，60.1%～80%為中度適生區(qū)，40.1%～60%為一般適生區(qū)，20.1%～40%為低度適生區(qū)，0～20%為非適生區(qū)，統(tǒng)計各級柵格數(shù)量計算板齒鼠在我國適生區(qū)的面積。

通過受試者工作特征曲線（receiver operating characteristic curve，ROC曲線）對模型的準(zhǔn)確性進行檢驗[10]。曲線下面積（AUC）取值范圍為[0，1]，值越大表示模型預(yù)估效果越好。MaxEnt模型的評估標(biāo)準(zhǔn)為：當(dāng)00.9時，結(jié)果為“極好”。

1.5環(huán)境變量的重要性評估

利用貢獻率、置換重要性、刀切法檢驗評估影響板齒鼠在中國潛在地理分布的環(huán)境變量的重要性。MaxEnt模型可以對模型中貢獻率高的環(huán)境變量進行追蹤，通過對單一要素進行逐步修正來提高增益值，然后將增益值分配給該要素依賴的環(huán)境變量，并以百分比的形式給出。置換重要性是由該環(huán)境變量在訓(xùn)練點（存在點，背景點）的隨機置換值和由此導(dǎo)致的AUC值的下降幅度來決定，AUC值的降幅大小體現(xiàn)了模型對該變量的依賴程度。刀切法檢驗則是通過每次選用單個變量或排除某個變量構(gòu)建不同的模型，分析由此導(dǎo)致的正規(guī)化訓(xùn)練增益、測試增益、AUC值的變化來評價環(huán)境變量的重要性。

2結(jié)果與分析

2.1板齒鼠適生區(qū)預(yù)測最優(yōu)模型

基于板齒鼠的411個分布點和12個環(huán)境變量，利用MaxEnt模型對板齒鼠的潛在分布進行模擬和預(yù)測。在MaxEnt模型默認(rèn)參數(shù)RM=1，F(xiàn)C=LQHPT設(shè)置下，模型的deltaAICc=2.10。而當(dāng)RM=0.5，F(xiàn)C=H時，deltaAICc=0，該模型為最優(yōu)模型。并且在該參數(shù)下模型的AUC和OR10值均低于默認(rèn)參數(shù)下的MaxEnt模型（圖2），分別比默認(rèn)參數(shù)值低5.5%和2.2%。表明RM=0.5，F(xiàn)C=H的參數(shù)設(shè)置顯著降低了MaxEnt模型的過度擬合。

10次重復(fù)的訓(xùn)練AUC值的最大值為0.977，最小值為0. 976，平均值為（0.976±0.0002），測試AUC值的最大值為0.977，最小值為0.969，平均值為（0.974±0.003），表明模型預(yù)測結(jié)果極好。

2.2環(huán)境因子對板齒鼠的影響

從環(huán)境變量貢獻率及其對板齒鼠潛在分布的重要性可看出（表1），最暖季降水量、等溫性和年均溫3個變量的貢獻率累積達(dá)80.8%；置換重要性排前三位的變量為年均溫、最暖季降水量、等溫性，置換重要性累積達(dá)91.5%。僅用單獨變量模擬時，模型的正規(guī)化訓(xùn)練增益、測試增益和AUC值最高的3個變量依次為年均溫、最暖季降水量、年降水量（圖3），表明這些環(huán)境變量與其他環(huán)境變量相比具有更多有效信息。用除去這些變量以外的其他變量模擬時模型的正規(guī)化訓(xùn)練增益、測試增益和AUC值下降幅度最大的3個變量依次為年均溫、等溫性和最暖季降水量（圖3），表明這些環(huán)境變量對模型結(jié)果影響較大。綜合來看，影響板齒鼠分布的主導(dǎo)環(huán)境因子為生物氣候變量（年均溫、等溫性和最暖季降水量）。

進一步分析這3個主導(dǎo)環(huán)境因子的單因子響應(yīng)曲線來判斷板齒鼠的存在概率與環(huán)境因子之間的關(guān)系（圖4），并以存在概率0.5為閾值，對應(yīng)的環(huán)境因子值有利于板齒鼠的棲息。

最暖季降水量（貢獻率52%，置換重要性24%）達(dá)到250mm左右，板齒鼠的存在概率開始迅速增加，約在690mm時存在概率增加至0.5，達(dá)到1892mm時，存在概率達(dá)到最大值（0.93），隨后存在概率隨著降水量增加開始下降，在3350mm左右時存在概率開始降低到0.5以下。所以適合板齒鼠棲息的最暖季降水量適宜范圍為690～3350mm。

等溫性（貢獻率16.8%，置換重要性6.8%）達(dá)到25%左右，板齒鼠的存在概率開始迅速增加，等溫性30.5%時存在概率增加至0.5，等溫性達(dá)到35.7%時，存在概率達(dá)到最大值（0.88），隨后開始下降，等溫性39.1%左右時存在概率降低到0.5以下。所以適合板齒鼠棲息的等溫性適宜范圍為30.5%～39.1%。

年均溫（貢獻率12%，置換重要性60.5%）達(dá)7℃左右時，板齒鼠的存在概率開始增加，年均溫升高至19.6℃時存在概率增加至0.5，到22.5℃時存在概率達(dá)到最大值（0.86），隨后下降，年均溫達(dá)23.9℃時存在概率降低到0.5以下。所以適合板齒鼠棲息的年均溫適宜范圍為19.6～23.9℃。

其他適宜板齒鼠棲息的環(huán)境因子變量范圍見表1。

2.3板齒鼠的適生區(qū)分布格局

411個板齒鼠分布點在不同等級適生區(qū)中所占比例分別為：高適生區(qū)39.9%、中適生區(qū)30.7%、一般適生區(qū)15.1%、低適生區(qū)9.2%和非適生區(qū)5.1%。表明MaxEnt模擬的板齒鼠潛在適生區(qū)基本覆蓋板齒鼠的分布記錄點。411個板齒鼠分布點的平均適宜度為0.674，最高值為0.967（臺灣宜蘭縣），最低值為0.054（云南西雙版納州勐臘縣）。板齒鼠適生區(qū)基本涵蓋廣東、廣西、臺灣的全部，福建、云南的大部，西藏東南部、四川南部、貴州南部、海南北部、江西南部與廣東交界區(qū)域、江西東部與福建交界區(qū)域、浙江南部的少數(shù)地區(qū)（圖5）?？傔m生面積共計68.6萬km，占整個研究區(qū)面積的7.23%。高度適生區(qū)主要集中分布在廣東、廣西、臺灣等地（圖5），面積為4. 07萬km。

3結(jié)論與討論

3.1優(yōu)化后的模型表現(xiàn)

本研究使用ENMeval程序包對多個FC和RM參數(shù)組合進行測試，篩選確定MaxEnt模型的最優(yōu)參數(shù)組合為RM=0.5，F(xiàn)C=H。此時，delatA-ICc=0，構(gòu)建的MaxEnt模型的訓(xùn)練AUC數(shù)值和測試AUC數(shù)值都>0.97，模型結(jié)果屬于極好。本研究模型結(jié)果優(yōu)于其他使用MaxEnt模型預(yù)測嚙齒動物適生區(qū)的結(jié)果，如大沙鼠[29]（AUC=0.94）、黃胸鼠Rattus tanezumj[30]（AUC=0.94）、褐家鼠Rattus noroegicus[30]（AUC=0.96）、屋頂鼠Rat-tus rattus[30]（AUC=0.89）、四川短尾鼩[31] Anou-rosorer squamipes（AUC=0.91）、川西缺齒鼩[31]Chodsigoa hypsibia（AUC=0.90）等嚙齒動物，表明模型預(yù)測精度有所提高。說明通過參數(shù)優(yōu)化后的模型具有較好的表現(xiàn)，不但有利于整體掌握環(huán)境因子變量如何影響板齒鼠的分布，對于預(yù)測板齒鼠在我國范圍內(nèi)的適生區(qū)分布也具有較好的說服力。

3.2主導(dǎo)板齒鼠分布的環(huán)境變量

在大的時空尺度上，物種分布主要受到非生物因素的限制，預(yù)測的物種適生區(qū)為“潛在分布區(qū)”；而在較小的時空尺度上，物種更多受到本地群落相互作用的限制，如資源因素、擴散、捕食和競爭等，預(yù)測的物種適生區(qū)為“實際分布區(qū)”[32-33]。嚙齒類動物棲息地選擇通常與當(dāng)?shù)厥澄?、地形和植被覆蓋情況密切相關(guān)[34-37]。本研究在考慮影響板齒鼠環(huán)境因子時，充分考慮對其“潛在分布區(qū)”和“實際分布區(qū)”具有生態(tài)意義的指標(biāo)，篩選了指示氣候、土壤、地形、食物資源、地被覆蓋等共12個變量納入MaxEnt模型中對其適生區(qū)進行預(yù)測，能夠較好地掌握板齒鼠的生態(tài)位信息。

我們的結(jié)果表明，指示氣候條件的最暖季降水量、等溫性和年均溫是影響板齒鼠分布的主導(dǎo)非生物因子，這3者的累計貢獻率達(dá)到80.8%。板齒鼠適宜在最暖季降水量為690～3350mm，年均溫介于19.6～23.9℃，等溫性在30.5%～39.1%的區(qū)域分布，表征板齒鼠喜好濕熱的環(huán)境條件，且溫度和降水在年內(nèi)或日內(nèi)分配特征可能是板齒鼠分布的重要限制因子，這與板齒鼠地理分布屬于印度一中國南部熱濕型的特征是一致的[1]。

3.3板齒鼠在我國的適生區(qū)分布

我們的預(yù)測結(jié)果顯示，板齒鼠的適生區(qū)分布于廣東、廣西、臺灣、福建、云南、四川、貴州、江西、海南、西藏、浙江等省份，其中高適生區(qū)主要位于我國南嶺以南華南地區(qū)的廣東、廣西、臺灣等地，基本覆蓋文獻報道的該鼠在我國已知的分布區(qū)[1，38]。其中模型預(yù)測在西藏東南部、海南北部、浙江南部等地區(qū)亦存在板齒鼠的適生區(qū)，但這些地方并未有歷史或文獻數(shù)據(jù)證明有板齒鼠的存在?？赡芪鞑貣|南部、浙江南部的環(huán)境條件已接近板齒鼠適宜棲息環(huán)境的臨界，屬于種群分布的邊緣；而海南的環(huán)境條件雖然符合板齒鼠喜好的熱帶濕熱環(huán)境，但可能由于瓊州海峽的存在，限制了板齒鼠擴散到此地。這些地區(qū)板齒鼠的種群規(guī)模非常小，且未針對板齒鼠種群進行系統(tǒng)調(diào)查，故建議在這些地區(qū)開展進一步的系統(tǒng)調(diào)查監(jiān)測，探明掌握板齒鼠的分布及動態(tài)，為板齒鼠的預(yù)警、防控提供參考。

我們利用優(yōu)化的MaxEnt模型對板齒鼠的潛在適生區(qū)進行預(yù)測及等級劃分，結(jié)果顯示板齒鼠在我國適生范圍較小，主要集中在東南沿海省份。林思亮等[39]對比分析了2018年—2020年廣東南雄與新會農(nóng)田鼠類群落結(jié)構(gòu)差異，發(fā)現(xiàn)粵北南雄農(nóng)田的板齒鼠捕獲數(shù)占比達(dá)9.02%，且生物量占比可達(dá)18.26%；姚丹丹等[40]使用物聯(lián)網(wǎng)智能監(jiān)測系統(tǒng)在南雄市珠璣鎮(zhèn)開展農(nóng)田鼠類監(jiān)測，發(fā)現(xiàn)監(jiān)測到的板齒鼠數(shù)量占比達(dá)到21.97%，說明近年來板齒鼠在廣東有逐步向北擴散的趨勢。本研究結(jié)果表明，四川南部、貴州南部、江西南部等地區(qū)為板齒鼠的適生區(qū)，說明這些區(qū)域具備適宜板齒鼠定殖的氣候條件，未來板齒鼠有進一步向北移擴散的可能，且在全球變暖的背景下，預(yù)計板齒鼠的北移趨勢將逐步加快。因此對那些預(yù)測為適生區(qū)且已有板齒鼠發(fā)生的地區(qū)，應(yīng)著重開展防治工作；而尚未發(fā)現(xiàn)板齒鼠而預(yù)測為適生區(qū)的地區(qū)，農(nóng)業(yè)部門應(yīng)該高度重視，加強調(diào)查和監(jiān)測工作，防止板齒鼠的發(fā)生。

雖然我們通過模型分析描述了該物種的基本生態(tài)位，但仍需要實地調(diào)研來進一步了解該物種的現(xiàn)實生態(tài)位，以更好地開展針對性的防控工作。同時我們在多重共線性檢驗中，發(fā)現(xiàn)生物氣候變量之間存在高度共線性，導(dǎo)致難以選擇模擬的生物氣候變量。因此，需要開展更具體的研究來解釋氣候等因素在板齒鼠生境決定中的重要性。因此建議加強對板齒鼠的監(jiān)測和研究，這對板齒鼠的預(yù)警、防控具有參考意義，預(yù)防該害鼠在我國的大規(guī)模發(fā)生有十分重要的作用。