基于MaxEnt模型的白鶴越冬棲息地潛在適生區(qū)分布研究

摘要：【目的】近年來白鶴（Grus leucogeranus）的適生區(qū)分布因氣候變化和人類活動等因素受到了極大影響，故運用最大熵模型（MaxEnt）模擬白鶴在中國不同時期的適生區(qū)分布，以預測不同氣候變化情景下白鶴越冬棲息地的潛在適生區(qū)變化，為瀕臨滅絕的水鳥保護提供數(shù)據(jù)支撐和理論依據(jù)?！痉椒ā扛鶕?jù)白鶴在中國越冬棲息地適生區(qū)的分布變化，基于白鶴在中國區(qū)域的分布點位、植被、地形、實測氣溫、降水以及全球氣候模式（GCMs）等數(shù)據(jù)，分析其適宜生境與各環(huán)境因子的關系，利用MaxEnt開展白鶴越冬棲息地潛在適生區(qū)預測研究。【結果】①MaxEnt模型在研究白鶴越冬棲息地適生區(qū)分布和氣候適宜性方面具有較高的適用性，其中海拔、最濕月降水量、坡度和歸一化植被指數(shù)（NDVI）是影響白鶴適生區(qū)分布的主要環(huán)境因素。②白鶴的適生區(qū)主要分布在長江中下游地區(qū)，其中鄱陽湖流域是最主要的高適生區(qū)，而中、低適生區(qū)也主要圍繞鄱陽湖周邊分布。此外，長江中下游干流區(qū)、渤海灣沿岸、海河、遼河以及嫩江和松花江流域等地也有低適生區(qū)分布。③全球氣候模式預測結果顯示，在未來20年，白鶴越冬區(qū)低適生區(qū)面積呈上升趨勢，但中、高適生區(qū)面積普遍下降。其中，中適生區(qū)面積將收縮2 500～25 700 km2，高適生區(qū)面積將收縮3 800～12 200 km2?！窘Y論】不同溫室氣體排放情景對珍稀物種白鶴分布產(chǎn)生的影響有所差異。在全球氣候變暖背景下，白鶴越冬棲息地中、高適生區(qū)面積可能會出現(xiàn)明顯萎縮，對白鶴的保護帶來嚴峻挑戰(zhàn)，應加強氣候變化背景下白鶴棲息地的研究，為白鶴保護和棲息地管理提供數(shù)據(jù)支撐。

關鍵詞：白鶴；適生區(qū)分布；氣候情景；MaxEnt模型；棲息地；中國

中圖分類號：S718"""""" 文獻標志碼：A開放科學（資源服務）標識碼（OSID）：

文章編號：1000-2006（2024）05-0181-08

An prediction of" the potential distribution of suitable habitat" for Grus leucogeranus " using the MaxEnt model

LIU Xiaoyan1， ZHANG Zengxin1*， LI Jun2， CHEN Juan2， HUA Jun2， PENG Ye3， YAN Xin1， QIU Jian1

（1. Co-Innovation Center for Sustainable Forestry in Southern China，College of Water and Soil Conservation， College of Forestry and Grassland， Nanjing Forestry University， Nanjing 210037， China; 2. Administrative Committee of Yunlong Lake Scenic Area of Xuzhou City， Xuzhou 221018， China; 3. College of Life Sciences， Nanjing Forestry University， Nanjing 210037， China）

Abstract： 【Objective】The middle and lower reaches of the Yangtze River basin are the most important wintering habitats for the Grus leucogeranus. However， in recent years， the distribution of suitable habitats for the G. leucogeranus in this area has been greatly altered by the combined effects of climate change and various other factors. Therefore， conducting research on the habitat suitability of G. leucogeranus in this area is of great significance for the protection and scientific management of this endangered species.【Method】In this study， based on the changes in the distribution of suitable areas of the G. leucogeranus wintering habitat in China， we used the Maximum Entropy Model （MaxEnt） to predict the potential suitable areas of the G. leucogeranus wintering habitat. The prediction was based on the G. leucogeranus distribution points， vegetation， topography， observed air temperature， precipitation， Global Climate Models" （GCMs） data， and other various environmental factors.【Result】（1） The MaxEnt model proved" highly effective in predicting the distribution of suitable habitats and assessing climate suitability for G. leucogeranus in their wintering grounds， with an AUC value of 0.978. The most influential environmental factors affecting the distribution of suitable habitat for" G. leucogeranus " were elevation， precipitation during the wettest month， slope， and NDVI. （2） The contemporary suitable habitat of the G. leucogeranus " mainly distributed in the middle and lower reaches of the Yangtze River， with the the Poyang Lake being the most important high suitable" area for the species. The" medium and low suitable" areas"" also mainly distributed around the the Poyang Lake. In addition，"" low suitable" areas were" found in the middle and lower reaches of the Yangtze River， along the coast of the Bohai Bay， and in the Haihe River， the" Liaohe River，" the" Nenjiang， and" the Songhua River basins. ③The global（3） Global climate model prediction results showed" predictions indicate that"" the next 20 years， although the low suitable"" areas for" G. leucogeranus during wintering is on the rise，" the medium and high suitable"" areas"" generally decreasing. Among them， compared" to the contemporary period， the medium suitable living area"" are projected to shrink by 2 500"" to 25 700 km2，" and the high suitable living area will shrink by" 3" 800" to 12" 200 km2.【Conclusion】Different greenhouse gas emission scenarios will have different varying impacts on the distribution of G. leucogeranus. In the context of global warming， the wintering habitat of"" G. leucogeranus may shrink significantly， which will pose a serious challenge to the conservation of this rare species， and we should strengthen the" research on G. leucogeranus habitat in the context of climate change，" to provide data support for the conservation of G. leucogeranus and the management of their habitats.

Keywords：Grus leucogeranus; suitable habitat distribution; climate scenario; MaxEnt model; habitat; China

白鶴（Grus leucogeranus）是國家一級重點保護野生動物，被世界自然保護聯(lián)盟（IUCN）紅色名錄列入“極危（CR）”等級。據(jù)統(tǒng)計，全球白鶴種群數(shù)量約為4 000只，它們的越冬棲息地主要分布在中國，少部分在印度[1]。白鶴在我國有東、中、西等3個遷徙種群，其中，東部地區(qū)為主的東部遷徙種群數(shù)量最多，超過99%，而西部和中部遷徙種群已接近滅絕[2]。白鶴對棲息地生境質(zhì)量要求極高，常依賴于開闊的濕地水域生存，作為濕地生態(tài)系統(tǒng)環(huán)境變化的重要指示物種之一，對整個棲息地生態(tài)系統(tǒng)及其他水鳥的保護具有重要意義[3]。棲息地的適宜性則代表了環(huán)境為野生動物提供適宜條件的能力，同時也直接反映了野生動物對棲息地的適宜性[4]。隨著氣候變化和人類活動的加劇，棲息地的喪失已成為一個全球性問題，特別是位于東亞—澳大利亞遷徙路線上的沿江沿海濕地已發(fā)生巨大變化[5]，這對依賴于濕地生存的白鶴來說無疑是巨大的威脅。我國在1978—2008年濕地面積減少了約33 000" km2，與此同時，超過一半的鳥類種群數(shù)量明顯減少[6]。進入21世紀以來，我國濕地面積仍在不同程度上受到氣候變化和人類活動的影響而發(fā)生退化喪失[7]，嚴重影響了遷徙鳥類的生存和繁衍，導致水鳥棲息地生境質(zhì)量下降和水鳥種群數(shù)量減少。因此，開展白鶴越冬棲息地潛在適生區(qū)分布的預測研究，是保護白鶴等珍稀瀕危物種和維護生物多樣性的基礎。

近年來，物種分布模型（SDMs）已成為一種重要的物種適生區(qū)分布預測工具，它可以通過降雨量、相對濕度、最高溫度、最低溫度、地形和其他環(huán)境因子來預測物種的潛在分布范圍，從而建立物種發(fā)生位點與所選環(huán)境變量之間的聯(lián)系[8]。最大熵（MaxEnt）模型結合了機器學習和最大熵原理，被許多學者認為是目前預測物種潛在分布比較理想的模型之一，具有預測精度高、輸入數(shù)據(jù)規(guī)范等特點，已被廣泛用于生物地理學、入侵生物學、保護生物學和全球氣候變化對物種分布影響等研究領域[9]。如Singh[10]基于MaxEnt模型，評估了未來氣候和森林覆蓋變化對東南亞保護區(qū)受威脅鳥類的棲息地分布影響；Maleki等[11]采用MaxEnt模型和多準則評價方法評估了上游人為活動干擾加劇了氣候變化對下游水鳥棲息地的影響；白雪紅等[12]運用MaxEnt模型預測了不同情景下京津冀地區(qū)多種瀕危水鳥的潛在適宜生境分布，并對水鳥多樣性保護空缺進行了深入分析。鑒于此，本研究以白鶴的地理分布數(shù)據(jù)及當代（1970—2000年）和未來（2021—2040年）氣候數(shù)據(jù)為基礎，運用MaxEnt模型模擬白鶴在中國不同時期的適生區(qū)分布，分析當代白鶴越冬棲息地適生區(qū)分布規(guī)律，并預測不同氣候變化情景下白鶴越冬棲息地的潛在適生區(qū)變化，為瀕臨滅絕的水鳥保護提供數(shù)據(jù)支撐和理論依據(jù)。

1 材料與方法

1.1 數(shù)據(jù)來源與處理

數(shù)據(jù)來源分為2部分，一部分來源于網(wǎng)站查找，另一部分來自資料收集。從全球生物多樣性信息設施（GBIF， http：//www.gbif.org）、國際農(nóng)業(yè)與生物科學中心（CABl， http：//www.cabi.org）和國家動物標本資源中心（http：//museum.ioz.ac.cn/specimens.aspx）下載白鶴的相關位點數(shù)據(jù)（包括經(jīng)度和緯度），結合文獻資料，共收集了全球722個白鶴位點分布記錄。通過剔除缺乏詳細地理位置數(shù)據(jù)的重復位點和無效分布位點等，最終獲取了105個有效位點數(shù)據(jù)。實地調(diào)查區(qū)域位于鄱陽湖、洞庭湖、上海崇明東灘鳥類國家級自然保護區(qū)和徐州市云龍湖風景名勝區(qū)等地，獲得了209個分布位點。最終得到314個白鶴分布位點。

1.2 環(huán)境變量獲取與選擇

環(huán)境變量的獲取，當代（1970—2000年）的氣候數(shù)據(jù)來源于世界氣候數(shù)據(jù)庫（https：//www.worldclim.org/），主要有19個用于模擬物種潛在分布最重要的生物氣候變量（bio_1—bio_19），包括氣溫和降水，空間分辨率約1 km[13]。以第2代國家（北京）氣候中心氣候系統(tǒng)模式（BCC-CSM2-MR）、加拿大氣候中心氣候系統(tǒng)模式（CanESM5）和法國氣候中心氣候系統(tǒng)模式（CNRM-CM6-1）作為未來（2021—2040年）氣候系統(tǒng)模式，分別采用3種不同溫室氣體排放濃度和社會發(fā)展水平下的SSP1-2.6、SSP2-4.5和SSP5-8.5氣候情景，用于預測未來白鶴的適生區(qū)分布。這3種氣候情景分別代表全球氣候變暖由低到高3個等級的變化趨勢，可以對未來氣候變化進行較為準確的預估[14]。其中，SSP1-2.6表示低強迫情景，代表2100年輻射強迫穩(wěn)定在約2.6 W/m2；SSP2-4.5表示中等強迫情景，代表2100年輻射強迫穩(wěn)定在約4.5 W/m2；SSP5-8.5表示高強迫情景，代表2100年輻射強迫穩(wěn)定在約8.5 W/m2。

地形數(shù)據(jù)選取數(shù)字高程模型（DEM）來自中國科學院地理科學與資源研究所環(huán)境科學與數(shù)據(jù)中心（http：//www.resdc.cn/），作為其中1個地形因子，空間分辨率為1 km×1 km，并基于海拔層在ArcGIS 10.2中提取2個地形因子（坡度和坡向）。植被數(shù)據(jù)選用從GIMMS NDVIl 3g數(shù)據(jù)集中獲取的歸一化植被指數(shù)（NDVI）變量1個。該數(shù)據(jù)集涵蓋了1982—2000年，空間分辨率為8 km×8 km，再通過最大值合成法，得到多年植被指數(shù)的平均值。最后，將23個因子（其中包括海拔、坡度、坡面、氣溫、降水量以及歸一化植被指數(shù)等）作為定義白鶴分布點的重要變量，用于構建模型。

1.3 分布模型構建與精度評價

使用ArcGIS 10.2軟件對所有環(huán)境變量進行坐標定義，地理坐標統(tǒng)一設置為：CCS_WCS_1984。投影坐標統(tǒng)一設置為：WGS_1984_UTM_Zone_48N。批量處理提取出中國范圍，將所有數(shù)據(jù)重采樣至8 km×8 km，最終將圖層轉(zhuǎn)換為ASCII格式。在建模過程中，將白鶴的314個分布數(shù)據(jù)樣本隨機選取75%作為訓練數(shù)據(jù)（training data），剩余的25%樣本用于測試數(shù)據(jù)（test data）。迭代運算500次，重復運行次數(shù)為10，其余參數(shù)設置默認值。為避免變量的多重共線性和MaxEnt的過度擬合[15]，使用SPSS 20.0對23個環(huán)境變量進行Pearson相關性分析，考慮到兩個變量的相關系數(shù)大于0.8時生態(tài)學意義較低[16]，最終選擇10個較為顯著的環(huán)境變量用于MaxEnt建模。

MaxEnt模型利用受試者工作特征曲線（receive operating characteristic curve，ROC）分析法來檢驗模型精度。ROC曲線和橫坐標之間的面積是平均訓練AUC值，用來判斷預測結果的準確性[17]。當MaxEnt模型重復運行10次時，自動計算AUC值，AUC值范圍從0到1，值越高，模型預測效果越好[18]。通常來說，AUC值劃分為5類，分別為無效[0.5，0.6）、效果差[0.6，0.7）、效果一般[0.7，0.8）、效果良好[0.8，0.9）、效果優(yōu)秀[0.9，1.0）[19]。該模型能夠從數(shù)據(jù)中推斷或預測氣候、海拔、植被和其他環(huán)境因素與物種分布點及研究區(qū)域之間的非隨機關系，在一定的約束條件下，找到熵最大的概率區(qū)作為預測物種的最佳適生區(qū)[20]。

1.4 潛在適生區(qū)劃分

氣候適宜性等級劃分參考政府間氣候變化專門委員會（IPCC）第5次評估報告中關于評估可能性的劃分標準[21]和相關學者的劃分方法[22]，再依據(jù)物種豐富度從多到少，使用ArcGIS 10.2軟件中的空間分析工具和自然斷點法對區(qū)域進行重分類劃分，將當代和未來白鶴適生區(qū)存在值的標準分為4類：非適生區(qū)[0，0.1）、低適生區(qū)[0.1，0.3）、中適生區(qū)[0.3，0.5）和高適生區(qū)[0.5，1.0）。繪制出不同時期白鶴在中國的適生區(qū)分布預測圖，并利用ArcGIS的空間統(tǒng)計功能，計算出不同適生區(qū)的面積以及在不同的未來氣候情景下當代與未來各適生區(qū)面積的擴張和收縮情況。

2 結果與分析

2.1 模型預測結果檢驗

MaxEnt模型預測結果檢驗如圖1所示，AUC值達0.978±0.009，預測結果達到優(yōu)秀水平，表明運用MaxEnt模型能夠很好地預測白鶴在中國的適生區(qū)分布。

2.2 環(huán)境變量重要性及響應曲線分析

運用Jackknife測試法計算每個變量的相對重要性和貢獻率，結果如表1所示：海拔、最濕月份降水量、坡度和歸一化植被指數(shù)對模型貢獻率最大，分別占43.9%、19.0%、10.1%和9.2%，累計貢獻率達82.2%。

由表1可知，這4個環(huán)境因子是影響白鶴分布的主要環(huán)境因子。根據(jù)環(huán)境變量與對應的s物種存在概率，可獲得相應的關鍵變量響應曲線，以存在概率gt;0.5為適宜區(qū)域。進一步分析（圖2）表明：白鶴適生區(qū)的海拔在0～500 m，最適宜的降水量為270 mm；坡度在0°左右最為適宜；歸一化植被指數(shù)在0.4～0.7，其中0.52為最佳。

2.3 當代白鶴在中國的適生區(qū)分布

白鶴僅分布在我國經(jīng)濟較為發(fā)達的東部地區(qū)，且越冬種群過于集中，其中，主要以長江中下游地區(qū)的鄱陽湖流域為聚集區(qū)（圖3），而鄱陽湖濕地生境質(zhì)量的好壞也將直接關系到這一物種的生存。白鶴當代的適生區(qū)主要分布在長江口沿岸和以鄱陽湖為中心的區(qū)域，其中，低適生區(qū)主要分布在江蘇沿江地區(qū)、東北部渤海灣沿岸、海河、遼河以及嫩江和松花江匯合流域。江蘇沿江地區(qū)又主要以東部太湖平原為低適生區(qū)分布地，包括太湖、陽澄湖和滆湖等大型湖泊，這些停歇點濕地是遷飛白鶴重要的能量補給地。另外，天津濱海地以及嫩江和松花江匯合處也有極少量的中適生區(qū)分布。在整個中國區(qū)域白鶴的非適生區(qū)面積為9 133 000 km2，約占國土面積的95%，而低、中、高適生區(qū)面積分別為354 700、77 200和34 300 km2。由此可見，鶴的適生區(qū)范圍極其狹窄，如果再加上人為因素的影響，其適生區(qū)將更容易遭到破壞進而導致白鶴種群數(shù)量下降。

2.4 不同氣候情景下白鶴的適生區(qū)分布范圍和空間格局的變化

從白鶴在中國的適生區(qū)分布面積變化來看（圖4），在未來3種氣候模式情景下，中、高適生區(qū)面積均有所下降，下降規(guī)模為2 500～25 700 km2，極少數(shù)情況下中適生區(qū)面積的增長可忽略不計。從低適生區(qū)和非適生區(qū)面積的變化來看，白鶴的適生區(qū)情況則有所好轉(zhuǎn)。在BCC-CSM2-MR和CanESM5氣候模式下，白鶴的適生區(qū)面積變化差異較大，除SSPS-8.5情景外，非適生區(qū)面積減少，低適生區(qū)面積增加趨勢明顯。其中，BCC-CSM2-MR模式SSP5-8.5情景下總適生區(qū)面積減少最多，減少了78 800 km2；非適生區(qū)面積增加最多，增加了92 800 km2。CanESM5模式SSP1-2.6情景下非適生區(qū)面積減少最多，減少了98 700 km2；低適生區(qū)面積增加最多，增加了136 900 km2，且中、高適生區(qū)面積在3種情景下減少最多。CNRM-CM6-1模式各情景適生區(qū)面積變化趨勢較為平緩，中、高適生區(qū)面積均呈下降趨勢。

與當代白鶴適生區(qū)面積相比（圖5）可知，2021—2040年， BCC-CSM2-MR模式顯示，在SSP1-2.6情景下，適生區(qū)面積減少了261 700 km2。經(jīng)分析，高適生區(qū)面積損失了9 400 km2，損失地主要集中在近鄱陽湖流域的贛江支流地區(qū)，該區(qū)是白鶴越冬的主要棲息地。中適生區(qū)面積損失了30 100 km2，損失地主要集中在湖南洞庭湖流域。低適生區(qū)面積損失最多為222 200 km2，損失地主要包括重慶西南部、山東西北角、河北東南部以及吉林西北角；在SSP2-4.5情景下，適生區(qū)面積減少了288 700 km2。經(jīng)分析，高適生區(qū)面積損失最多，達11 500 km2，損失地主要集中在江西中北部鄱陽湖流域周邊。中適生區(qū)面積損失最大，達45 900 km2，主要集中湖南洞庭湖流域以南城市較為密集的地區(qū)，包括岳陽、長沙、湘潭、衡陽以及永州等地。低適生區(qū)面積損失了231 300 km2，主要集中在重慶西南角、渤海灣的海河流域、遼河流域；在SSP5-8.5情景下，適生區(qū)面積減少了143 300 km2，是所有情景中最低的。經(jīng)分析，高適生區(qū)面積損失了6 200 km2，中適生區(qū)面積損失了20 700 km2，低適生區(qū)面積損失了116 400 km2，損失地主要集中在遼河流域。而CanESM5模式和CNRM-CM6-1模式也顯示未來不同情景下適生區(qū)面積雖有差異，但總體來看，未來白鶴的非適生區(qū)面積與當代白鶴適生區(qū)面積相比主要以下降為主，其中，非適生區(qū)與低適生區(qū)面積之間的轉(zhuǎn)變較為明顯，而中、高適生區(qū)面積則有所下降?？傮w來說，在SSP2-4.5情景下白鶴中、高適生區(qū)下降的趨勢較為緩和，而在SSP5-8.5情景下白鶴的非適生區(qū)則有所擴張。

白鶴在中國的適生區(qū)分布范圍區(qū)劃面積如表2所示。2021—2040年，在BCC-CSM2-MR氣候模式的3種排放情景下，白鶴在SSP2-4.5情景下總適生區(qū)面積最高，達到了578 400 km2，低、中、高適生區(qū)面積均最高；在SSP5-8.5情景下總適生區(qū)面積最低，為387 300 km2，低、中、高適生區(qū)面積均最低。在CanESM5氣候模式的3種排放情景下，白鶴在SSP1-2.6情景下總適生區(qū)面積最高，達到了578 800 km2；而高適生區(qū)面積在SSP2-4.5情景下達到最高，為29 600 km2。在CNRM-CM6-1氣候模式的3種排放情景下，白鶴在SSP1-2.6情景下總適生區(qū)面積最低，為408 100 km2，低、中、高適生區(qū)面積均最低；在SSP5-8.5情景下總適生區(qū)面積最高，為486 500 km2，除高適生區(qū)外，低、中適生區(qū)面積均最高。

3 討 論

本研究重點探討了氣候、地形和歸一化植被指數(shù)等非生物因素對白鶴分布的影響，其中，海拔、最濕月份降水量、坡度和歸一化植被指數(shù)是影響白鶴適生區(qū)分布的最主要影響因素，而地形因子在物種分布中發(fā)揮著不可替代的作用，濕地生境質(zhì)量的高低直接影響著水鳥對濕地棲息地的利用和行為適應[23]。吳慶明等[24]認為長江中下游地區(qū)，雖然海拔高差較小，但海拔與水位分布、植被分布及白鶴隱蔽性等具有極大相關性。最濕月份降水量是白鶴適生區(qū)分布的第二大影響因子，而降水對于營造良好的棲息環(huán)境同樣至關重要。Li等[25]研究表明，雨季水位變化對水鳥適生區(qū)分布影響顯著。當汛期來臨時，洪澇災害的長期作用會引起清水下泄，加劇河床侵蝕和下游水位降低，導致鄱陽湖和洞庭湖的枯水期提前、旱季延長，導致越冬水鳥獲取食物資源的難度增加。此外，作為遷徙水鳥之一的白鶴，其集中停歇的濕地分布在我國東北地區(qū)（黑龍江流域、遼河中下游流域）和黃河濕地，而資料顯示，水壩的大量建設加速了自然濕地的喪失，使白鶴在東北和長江濕地之間的停歇區(qū)域大為減少[26]。Hou等[27]認為，自然濕地中食物資源的短缺會直接影響到水鳥種群對人工濕地的利用。特別是在2020年夏季極端枯水位的影響下，鄱陽湖濕地食物資源豐富度急劇下降，導致鶴類和雁類種群轉(zhuǎn)向湖區(qū)周邊稻田和藕塘等人工濕地覓食[28]。除海拔和降水外，坡度和歸一化植被指數(shù)也是影響白鶴適生區(qū)分布的重要因子。歸一化植被指數(shù)能夠反映區(qū)域植被資源的豐富程度，當NDVI＞0時，表示地表具有一定數(shù)量的植被覆蓋，且隨NDVI值而增加[29]。植被覆蓋度一方面代表食物資源的可利用性，另一方面也反映植被覆蓋能否為水鳥提供適宜的隱蔽條件，這對白鶴的適生區(qū)分布具有重要作用。

未來氣候情景下，多模式多情景均顯示白鶴越冬棲息地中、高適生區(qū)面積普遍呈下降趨勢，不利于白鶴的越冬棲息。其中，白鶴棲息地中、高適生區(qū)主要分布在長江中下游流域，特別是鄱陽湖、洞庭湖流域，而中、低適生區(qū)主要圍繞高適生區(qū)呈環(huán)形向外擴散。相對而言，在各模式中SSP2-4.5情景下，未來白鶴適生區(qū)面積變化趨于穩(wěn)定，并且局部地區(qū)呈增加趨勢，對適生區(qū)有增加的區(qū)域也應得到重視，適當提前做好白鶴越冬棲息地的保護工作；而在SSP5-8.5高排放情景下，中、高適生區(qū)面積下降趨勢明顯，說明不同溫室氣體排放情景對水鳥分布也將產(chǎn)生不同影響[30]。已有研究表明，高緯度地區(qū)氣溫升高比低緯度地區(qū)表現(xiàn)的更加明顯[31]，白鶴夏季繁殖區(qū)也將受到氣候變化影響。

綜上，本研究通過對白鶴在中國的適生區(qū)分布與環(huán)境因素的關系分析，以及MaxEnt生態(tài)位模型的應用，提高了對白鶴分布情況的準確性和預測能力。這對于越冬水鳥的分布預測和棲息地管理具有重要的科學價值。未來可以進一步加強氣候變化對白鶴適生區(qū)影響研究，特別是加強對中、高適生區(qū)的保護和研究，并探究白鶴等其他瀕危物種的適生區(qū)變化情況，加強環(huán)境保護措施，保護和維護生物多樣性。

參考文獻（reference）：

［1］MEINE C，ARCHIBALD G．The cranes：status survey and conservation action plan[M]．Gland，Switzerland：IUCN，1996．

［2］KANAI Y，UETA M，GERMOGENOV N，et al．Migration routes and important resting areas of Siberian cranes （Grus leucogeranus） between northeastern Siberia and China as revealed by satellite tracking[J]．Biol Conserv，2002，106（3）：339-346．DOI： 10.1016/S0006-3207（01）00259-2.

［3］曹壘，孟凡娟，趙青山．基于前沿監(jiān)測技術探討“大開發(fā)”對鳥類遷徙及其棲息地的影響[J]．中國科學院院刊，2021，36（4）：436-447．CAO L，MENG F J，ZHAO Q S．Understanding effects of large-scale development on bird migration and habitats through cutting edge avian monitoring techniques[J]．Bull Chin Acad Sci，2021，36（4）：436-447．DOI： 10.16418/j.issn.1000-3045.20210309002.

［4］TANG X G，LI H P，XU X B，et al．Changing land use and its impact on the habitat suitability for wintering Anseriformes in Chinas Poyang Lake region[J]．Sci Total Environ，2016，557/558：296-306．DOI： 10.1016/j.scitotenv.2016.03.108.

［5］MACKINNON J，VERKUIL Y I，MURRAY N J.IUCN situation analysis on east and southeast Asian intertidal habitats， with particular reference to the Yellow Sea （including the Bohai Sea）[M]. Gland， Switzeyland： IUCN， 2012.

［6］NIU Z G，ZHANG H Y，WANG X W，et al．Mapping wetland changes in China between 1978 and 2008[J]．Chin Sci Bull，2012，57（22）：2813-2823．DOI： 10.1007/s11434-012-5093-3.

［7］耿國彪．我國濕地保護形勢不容樂觀：第二次全國濕地資源調(diào)查結果公布[J]．綠色中國，2014（3）：8-11．GENG G B．The situation of wetland protection in China is not optimistic[J]．Green China，2014（3）：8-11．

［8］PHILLIPS S J，ANDERSON R P，SCHAPIRE R E．Maximum entropy modeling of species geographic distributions[J]．Ecol Model，2006，190（3/4）：231-259．DOI： 10.1016/j.ecolmodel.2005.03.026.

［9］MEROW C，SILANDER J A．A comparison of Maxlike and Maxent for modelling species distributions[J]．Methods Ecol Evol，2014，5（3）：215-225．DOI： 10.1111/2041-210x.12152.

[10]SINGH M．Evaluating the impact of future climate and forest cover change on the ability of Southeast （SE） Asias protected areas to provide coverage to the habitats of threatened avian species[J]．Ecol Indic，2020，114：106307．DOI： 10.1016/j.ecolind.2020.106307.

[11]MALEKI S，RAHDARI V，BAGHDADI N．Humans in the upstream can exacerbate climate change impacts on water birds habitat in the downstream[J]．Sci Rep，2021，11（1）：20203．DOI： 10.1038/s41598-021-99822-8.

[12]白雪紅，王文杰，蔣衛(wèi)國，等．氣候變化背景下京津冀地區(qū)瀕危水鳥潛在適宜區(qū)模擬及保護空缺分析[J]．環(huán)境科學研究，2019，32（6）：1001-1011．BAI X H，WANG W J，JIANG W G， et al．Simulation of potential suitable distribution of endangered waterfowl and its gap analysis of national nature reserves in Beijing-Tianjin-Hebei region under climate change scenarios[J]．Res Environ Sci，2019，32（6）：1001-1011．DOI： 10.13198/j.issn.1001-6929.2018.08.15.

[13]MOLLOY S W，DAVIS R A，VAN ETTEN E J B．Species distribution modelling using bioclimatic variables to determine the impacts of a changing climate on the western ringtail possum （Pseudocheirus occidentals；Pseudocheiridae）[J]．Envir Conserv，2014，41（2）：176-186．DOI： 10.1017/s0376892913000337.

[14]翁宇威，蔡聞佳，王燦．共享社會經(jīng)濟路徑（SSPs）的應用與展望[J]．氣候變化研究進展，2020，16（2）：215-222．WENG Y W，CAI W J，WANG C．The application and future directions of the shared socioeconomic pathways（SSPs）[J]．Clim Change Res，2020，16（2）：215-222．DOI： 10.12006/j.issn.1673-1719.2019.078.

[15]FOTHERINGHAM A S，OSHAN T M．Geographically weighted regression and multicollinearity：dispelling the myth[J]．J Geogr Syst，2016，18（4）：303-329．DOI： 10.1007/s10109-016-0239-5.

[16]翟新宇，申宇芳，朱圣華，等．未來氣候變化對孑遺植物鵝掌楸地理分布的影響[J]．熱帶亞熱帶植物學報，2021，29（2）：151-161．ZHAI X Y，SHEN Y F，ZHU S H，et al．Potential impacts of climate change in future on the geographical distributions of relic Liriodendron chinense[J]．J Trop Subtrop Bot，2021，29（2）：151-161．DOI： 10.11926/jtsb.4322.

[17]李麗鶴，劉會玉，林振山，等．基于MAXENT和ZONATION的加拿大一枝黃花入侵重點監(jiān)控區(qū)確定[J]．生態(tài)學報，2017，37（9）：3124-3132．LI L H，LIU H Y，LIN Z S，et al．Identifying priority areas for monitoring the invasion of Solidago canadensis based on MAXENT and ZONATION[J]．Acta Ecol Sin，2017，37（9）：3124-3132．DOI： 10.5846/stxb201601260182.

[18]SWETS J A．Measuring the accuracy of diagnostic systems[J]． Science，1988，240（4857）：1285-1293．DOI： 10.1126/science.3287615.

[19]ZHAN P，WANG F Y，XIA P G，et al．Assessment of suitable cultivation region for Panax notoginseng under different climatic conditions using MaxEnt model and high-performance liquid chromatography in China[J]．Ind Crops Prod，2022，176：114416．DOI： 10.1016/j.indcrop.2021.114416.

[20]LI Z J，LIU Y M，ZENG H．Application of the MaxEnt model in improving the accuracy of ecological red line identification：a case study of Zhanjiang，China[J]．Ecol Indic，2022，137：108767．DOI： 10.1016/j.ecolind.2022.108767.

[21]孫穎，秦大河，劉洪濱．IPCC第五次評估報告不確定性處理方法的介紹[J]．氣候變化研究進展，2012，8（2）：150-153．SUN Y，QIN D H，LIU H B．Introduction to treatment of uncertainties for IPCC fifth assessment report[J]．Progressus Inquisitiones DE Mutat Clim，2012，8（2）：150-153．DOI： 10.3969/j.issn.1673-1719.2012.02.012.

[22]ZHENG H F，SHEN G Q，SHANG L Y，et al．Efficacy of conservation strategies for endangered oriental white storks （Ciconia boyciana） under climate change in northeast China[J]．Biol Conserv，2016，204：367-377．DOI： 10.1016/j.biocon.2016.11.004.

[23]王新建，周立志，陳錦云，等．長江下游沿江濕地升金湖越冬水鳥覓食集團結構及生態(tài)位特征[J]．湖泊科學，2021，33（2）：518-528，651．WANG X J，ZHOU L Z，CHEN J Y，et al．Foraging guild structure and niche characteristics of wintering waterbirds at Lake Shengjin，lower reaches of the Yangtze River[J]．J Lake Sci，2021，33（2）：518-528，651．DOI： 10.18307/2021.0216.

[24]吳慶明，王磊，朱瑞萍，等．基于MAXENT模型的丹頂鶴營巢生境適宜性分析：以扎龍保護區(qū)為例[J]．生態(tài)學報，2016，36（12）：3758-3764．WU Q M，WANG L，ZHU R P，et al．Nesting habitat suitability analysis of red-crowned crane in Zhalong Nature Reserve based on MAXENT modeling[J]．Acta Ecol Sin，2016，36（12）：3758-3764．DOI： 10.5846/stxb201410101997.

[25]LI Y K，QIAN F W，SILBERNAGEL J，et al．Community structure，abundance variation and population trends of waterbirds in relation to water level fluctuation in Poyang Lake[J]．J Gt Lakes Res，2019，45（5）：976-985．DOI： 10.1016/j.jglr.2019.08.002.

[26]馬柱國，符淙斌，周天軍，等．黃河流域氣候與水文變化的現(xiàn)狀及思考[J]．中國科學院院刊，2020，35（1）：52-60．MA Z G，F(xiàn)U C B，ZHOU T J，et al．Status and ponder of climate and hydrology changes in the Yellow River basin[J]．Bull Chin Acad Sci，2020，35（1）：52-60．DOI： 10.16418/j.issn.1000-3045.20191223002.

[27]HOU J J，LIU Y F，F(xiàn)RASER J D，et al．Drivers of a habitat shift by critically endangered Siberian cranes：evidence from long-term data[J]．Ecol Evol，2020，10（20）：11055-11068．DOI： 10.1002/ece3.6720.

[28]HOU J J，LI L，WANG Y F，et al．Influences of submerged plant collapse on diet composition，breadth，and overlap among four crane species at Poyang Lake，China[J]．Front Zool，2021，18（1）：24．DOI： 10.1186/s12983-021-00411-2.

[29]高浩翔，申立泉，劉瑞，等．基于最大熵模型的野生馬麝夏季生境適宜性研究[J]．生態(tài)學報，2023，43（1）：441-448．GAO H X，SHEN L Q，LIU R，et al．Summer habitat suitability of wild alpine musk deer based on MaxEnt model[J]．Acta Ecol Sin，2023，43（1）：441-448．DOI： 10.5846/stxb202112043432.

[30]LEHIKOINEN A，JAATINEN K，VHTALO A V，et al．Rapid climate driven shifts in wintering distributions of three common waterbird species[J]．Glob Chang Biol，2013，19（7）：2071-2081．DOI： 10.1111/gcb.12200.

[31]王會軍，唐國利，陳海山，等．“一帶一路”區(qū)域氣候變化事實、影響及可能風險[J]．大氣科學學報，2020，43（1）：1-9．WANG H J，TANG G L，CHEN H S，et al．The Belt and Road region climate change：facts，impacts and possible risks[J]．Trans Atmos Sci，2020，43（1）：1-9．DOI： 10.13878/j.cnki.dqkxxb.20191110003.

（責任編輯 王國棟）

基金項目：國家重點研發(fā)計劃（2019YFC0409004）；國家自然科學基金項目（41971025）；江蘇高校優(yōu)勢學科建設工程資助項目（PAPD）。

第一作者：劉小燕（15070701057@163.com）。

*通信作者：張增信（nfuzhang@163.com），教授。

引文格式：劉小燕， 張增信， 李軍，等.基于MaxEnt模型的白鶴越冬棲息地潛在適生區(qū)分布研究[J]. 南京林業(yè)大學學報（自然科學版），2024，48（5）：181-188.

LIU X Y， ZHANG Z X， LI J， et al.An prediction of the potential distribution of suitable habitat" for Grus leucogeranus " using the MaxEnt model[J]. Journal of Nanjing Forestry University （Natural Sciences Edition），2024，48（5）：181-188.