氣候變化下反枝莧潛在中國適生區(qū)及生態(tài)位研究

摘要：反枝莧（Amaranthus retroflexus）屬高存活率入侵性植物，關(guān)注其在氣候變化下的潛在分布格局和生態(tài)位變化，對當(dāng)?shù)刈魑锷L和畜牧業(yè)健康發(fā)展具有重要意義。本研究基于觀測點(diǎn)位和環(huán)境變量數(shù)據(jù)，使用最大熵（Maximum entropy，MaxEnt）模型和R語言ecospat包，對適生區(qū)潛在分布進(jìn)行預(yù)測，并分析生態(tài)位。結(jié)果表明：海拔、年均溫和年平均降水量是影響分布擴(kuò)散的主要因子，累計(jì)貢獻(xiàn)率達(dá)92%；在氣候變化下，反枝莧的潛在分布區(qū)逐漸向我國的北部和西北部擴(kuò)散，在2070年SSP585氣候模式下擴(kuò)散程度最大；隨著氣溫升高，反枝莧逐漸向海拔較高、最暖月最高溫度較低的地區(qū)分布擴(kuò)散。在未來適宜生存的生態(tài)位重疊度將逐漸降低，并可能發(fā)生生態(tài)位變化。本研究將為氣候變化下的反枝莧種群入侵提供保護(hù)政策和決策依據(jù)。

關(guān)鍵詞：反枝莧；生態(tài)位；空間格局；MaxEnt模型；氣候變化

中圖分類號：Q948 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-0435（2024）10-3280-09

Potential Distribution and Niche Dynamics of Amaranthus retroflexus under Climate Change in China

ZHANG Xin¹， ZHANG Dan^2*， DAI Peng-fei¹， ZHANG Guang-sen³， SONG Mei⁴

（1.College of Architecture and Urban Planning， Tongji University， Shanghai 200092， China; 2.School of Architecture， Xi’an University of Architecture and Technology， Xi’an， Shaanxi Province 710054， China; 3.Qingdao Municipal Engineering Company of Shandong Province， Qingdao， Shandong Province 266555， China; 4.Qingdao Thermal Electricity and Gas Company， Qingdao， Shandong Province 266555， China）

Abstract：Amaranthus retroflexus is a highly persistent invasive plant. Understanding its potential distribution and niche shifts under climate change is crucial for local crop growth and livestock health. Based on observational data and environmental variables，we predicted the potential distribution and analyzed the ecological niche using MaxEnt and the ecospat package in R. The results indicated that elevation，annual mean temperature and annual precipitation were the primary factors influencing distribution，contributing cumulatively 92% to the model. Under climate change scenarios，the potential distribution area of A. retroflexus was projected to expand northward and northwestward in China，with the greatest expansion under the SSP585 climate model by 2070. As temperatures rose，A. retroflexus was expected to spread to higher elevations and regions with lower maximum temperatures in the warmest month. The overlap of suitable habitats for future survival would gradually decrease，potentially leading to niche shifts. This study provided a basis for protection policies and decision-making regarding the invasion of A. retroflexus populations under climate change.

Key words：A. retroflexus;Ecological niche;Spatial patterns;MaxEnt model;Climate change

收稿日期：2023-11-22；修回日期：2024-04-18

基金項(xiàng)目：國家自然基金項(xiàng)目（52078404）資助

作者簡介：張鑫（1994-），男，漢族，山東青島人，博士研究生，主要從事低碳生態(tài)理論研究，E-mail：834410047@qq.com；*通信作者Author for correspondence，E-mail：1546038330@xauat.edu.cn

在經(jīng)濟(jì)和貿(mào)易全球化的背景下，外來物種的入侵受到眾多因素影響^［1］，總體被分為兩類，即人為與環(huán)境因素。人為因素包括頻繁使用交通工具、有意識或無意識地引種、過度開采等^［2］；環(huán)境因素包括種子傳播介質(zhì)（溫度、降水、水流等）、種內(nèi)-種間資源競爭關(guān)系、捕食-被捕食者食物鏈關(guān)系等^［2］。外來植物短時(shí)間內(nèi)呈現(xiàn)爆發(fā)式指數(shù)增長，并且對當(dāng)?shù)匚锓N生態(tài)系統(tǒng)及人類健康造成不利影響^［3］。因此，我國在2021年4月15日頒布并施行《中華人民共和國生物安全法》，對生物入侵作出應(yīng)對措施。

在全球氣候變化的背景下，外來物種入侵現(xiàn)象頻發(fā)^［3］。溫度變化會直接影響物種的生長與繁殖，部分物種的生命周期可能會因溫度升高而縮短，導(dǎo)致繁殖率下降；部分物種則會遷移或適應(yīng)新的溫度條件。降水情況的改變會導(dǎo)致物種生態(tài)位變化，影響物種資源獲取與競爭關(guān)系；海平面上升為沿海物種帶來威脅，導(dǎo)致棲息地和食物鏈發(fā)生變化。氣候變化還可能導(dǎo)致物種共生物、食物和天敵之間的關(guān)系發(fā)生變化，進(jìn)而影響生態(tài)位。因此，開展氣候變化背景下的入侵植物生境預(yù)測研究，可為生物多樣性保護(hù)和生態(tài)系統(tǒng)可持續(xù)發(fā)展等提供決策依據(jù)^［4］。

反枝莧（Amaranthus retroflexus L.），屬于莧科一年生草本植物，原產(chǎn)于北美洲墨西哥等地，自1905年引入我國，分布于黑龍江、吉林、遼寧、內(nèi)蒙古、河北等地^［5］。反枝莧平均每株可結(jié)1～3萬粒種子，生命力頑強(qiáng)，存活率高，可通過風(fēng)媒、水媒、人類活動(dòng)、有機(jī)肥料等進(jìn)行傳播擴(kuò)散，在我國的分布呈現(xiàn)擴(kuò)張趨勢^［5］。反枝莧?；焐诖蠖?、小麥、玉米、果蔬園等生境，遮光、遮風(fēng)較為嚴(yán)重，消耗土壤中的營養(yǎng)物質(zhì)，抑制作物生長。眾多學(xué)者研究了其潛在分布的狀況，其高風(fēng)險(xiǎn)區(qū)集中在甘肅東南部、寧夏、陜西、內(nèi)蒙古南部、山東北部、吉林和遼寧西部等地^［6］。

物種分布模型（Species distribution model，SDMs）能夠預(yù)測物種潛在分布及生態(tài)位變化，是目前預(yù)測物種生境的主要方式^［7］，已有學(xué)者依據(jù)Java和R語言開發(fā)了最大熵（Maximum entropy，MaxEnt）模型、廣義線性模型（Generalized linear model，GLM）、隨機(jī)森林（Random forest，RF）模型等。MaxEnt模型主要將物種分布點(diǎn)位作為樣點(diǎn)，將環(huán)境變量（如氣候、土壤、地形等）作為約束條件，基于系列算法，探尋物種在環(huán)境變量下最大熵的可能分布^［8］，且能利用不完整、小樣本、離散型的分布數(shù)據(jù)構(gòu)建物種分布模型^［9］，具有良好的穩(wěn)健性和可延伸性，是應(yīng)用最廣的物種分布模型。MaxEnt模型可有效地結(jié)合不同地理區(qū)域的分布情況及環(huán)境因素^［10］，探索生境與保護(hù)區(qū)的重疊程度，為生態(tài)保護(hù)和管理提供重要參考。同時(shí)，不同的植物對于氣候變化響應(yīng)程度不同，預(yù)測結(jié)果也存在一定差異^［11］。

當(dāng)前，對于反枝莧的研究主要集中于藥用價(jià)值^［12］、生物學(xué)特性^［13］、生理生化成分^［14］等，在氣候變化下反枝莧對我國的入侵地影響及生態(tài)位的變化尚不確定。本研究基于322處有效點(diǎn)位數(shù)據(jù)，結(jié)合19個(gè)氣候因子和1個(gè)地形因子，使用MaxEnt模型對反枝莧在當(dāng)前及未來氣候下我國的潛在適生區(qū)預(yù)測，結(jié)合ecospat包量化4個(gè)不同氣候時(shí)期與當(dāng)前生態(tài)位間的變化，為外來入侵物種防范及政策制定提供支撐。

1 材料與方法

1.1 數(shù)據(jù)來源

1.1.1 地理分布數(shù)據(jù) 反枝莧分布點(diǎn)位源于相關(guān)文獻(xiàn)、野外調(diào)查以及物種分布網(wǎng)站，如全球生物信息網(wǎng)站（www.GBIF.com/）、植物智（http：//www.iplant.cn/）、中國植物志（http：//www.cn-flora.ac.cn/）、教學(xué)標(biāo)本植物共享子庫（http：//mnh.scu.edu.cn/）等，共檢索到612個(gè)物種分布點(diǎn)，通過SDM-toolbox建立50 km緩沖區(qū)，去除點(diǎn)位間的自相關(guān)性^［15］，最終剩余有效點(diǎn)位322個(gè)（圖1）。位置信息精確到鄉(xiāng)鎮(zhèn)等級行政區(qū)劃，標(biāo)明具體村名，通過Google Earth計(jì)算所在點(diǎn)位的經(jīng)緯度。

1.1.2 地圖數(shù)據(jù) 地圖數(shù)據(jù)來源于我國行政區(qū)劃（http：//xzqh.mca.gov.cn/map）。

1.1.3 環(huán)境數(shù)據(jù)

（1）環(huán)境因子獲取

研究表明，溫度和降水是影響植物分布擴(kuò)散的主要因素，而地形（如坡度、坡向）、風(fēng)速、太陽輻射、土壤類型等影響次之^［16-17］。本文側(cè)重于溫度和降水，選取20個(gè)環(huán)境變量（19個(gè)環(huán)境氣候和1個(gè)海拔變量）研究反枝莧對氣候變化的響應(yīng)。海拔變量來源于地理空間數(shù)據(jù)云（https：//www.gscloud.cn/）；環(huán)境氣候變量（bio1～19）來源于WorldClim數(shù)據(jù)庫（https：//www.worldclim.org/）；環(huán)境變量統(tǒng)一空間分辨率為30″，未來時(shí)期的生物氣候變量采用國家氣候中心氣候系統(tǒng)模式BCC-CSM2-MR中兩種極端氣候，分別為2050，2070年的SSP126與SSP585。

（2）環(huán)境因子篩選

變量的多重共線性會影響MaxEnt模型預(yù)測精度和準(zhǔn)確性。首先，將環(huán)境因子結(jié)合物種分布點(diǎn)位導(dǎo)入MaxEnt模型，直至沒有出現(xiàn)貢獻(xiàn)率為0的環(huán)境因子，利用刀切法確定20個(gè)環(huán)境變量的重要性，并按照因子貢獻(xiàn)率大小進(jìn)行排序。其次，使用ArcGIS10.3將各物種點(diǎn)位的環(huán)境因子數(shù)據(jù)進(jìn)行提取，并且對環(huán)境因子進(jìn)行Pearson相關(guān)性分析，保留相關(guān)性小于0.8的環(huán)境因子^［18］。

1.2 研究方法

基于反枝莧322個(gè)分布點(diǎn)和20個(gè)環(huán)境變量，結(jié)合MaxEnt模型V3.4.對當(dāng)前和未來不同氣候下的適生區(qū)分布進(jìn)行預(yù)測。首先，將分布點(diǎn)數(shù)據(jù)設(shè)置為75%的訓(xùn)練數(shù)據(jù)集和25%的測試數(shù)據(jù)集，繪制響應(yīng)曲線和刀切圖^［17］。通過R語言對特征組合（Feature combination，F(xiàn)C）和正則化系數(shù)（Regularization multiplier，RM）進(jìn)行優(yōu)化以確定最佳的FC和RM值，環(huán)境因子響應(yīng)曲線輸出為logistic，其他參數(shù)均為默認(rèn)。模型進(jìn)行1000次迭代運(yùn)算后并使用knenm進(jìn)行優(yōu)化，結(jié)果采用特異度與敏感度之和的最大值作為重分類的閾值，對結(jié)果中的MSPS進(jìn)行均值化處理，結(jié)合相關(guān)學(xué)者對閾值判定方法^［19-20］，將適生區(qū)分為以下等級（Ⅰ非適生區(qū)：0≤適生值＜20％。Ⅱ低適生區(qū)：20%≤適生值＜40％。Ⅲ中適生區(qū)：40%≤適生值＜60％。Ⅳ高適生區(qū)：60%≤適生值≤100％）。將低、中和高適生區(qū)作為反枝莧的適宜生境，統(tǒng)計(jì)當(dāng)前和未來氣候情景下反枝莧的生境變化情況。

重疊指數(shù)D是物種生態(tài)位空間測度中最常用的定量指標(biāo)^［21］，使用R語言ecospat包將2050，2070年（SSP126，SSP585）的生態(tài)位投影到當(dāng)前氣候^［22］，根據(jù)生態(tài)位重疊程度判斷D值，數(shù)值為［0，1］，越接近于1則表示重疊程度越高。相似性測試是指物種在時(shí)空尺度下的氣候環(huán)境條件以及分布特征是相似的，而相似性檢驗(yàn)中得出的擴(kuò)張（Expansion）、穩(wěn)定（Stability）和未填充（Unfilling）也是判斷生態(tài)位狀態(tài)的依據(jù)之一^［23］。使用R語言wallce包，圍繞分布點(diǎn)位建立最小凸多邊形的緩沖區(qū)，隨機(jī)提取環(huán)境中10 000個(gè)背景點(diǎn)，并使用ArcGIS10.3提取出各點(diǎn)位數(shù)值，使用R語言ade4和ecospat包對環(huán)境因子進(jìn)行主成分分析，使用平滑和多密度曲線消除背景點(diǎn)采樣偏差對實(shí)驗(yàn)的影響^［24］。

2 結(jié)果與分析

2.1 模型準(zhǔn)確性

MaxEnt模型預(yù)測精確度取決于受試者工作曲線ROC下的面積大小，即AUC值。0.50≤AUC＜0.60為失敗，0.60≤AUC＜0.70為精確性較差，0.70≤AUC＜0.80為精確性一般，0.80≤AUC＜0.90為精確性較高，0.90≤AUC≤1為精確性非常高^［25］。在環(huán)境因子相關(guān)性方面，使用R語言corrplot，對篩選后得到環(huán)境因子相關(guān)性進(jìn)行解析，最終，選取bio1，bio3，bio4，bio5，bio12，bio15和ele進(jìn)行分析（圖2）。當(dāng)前氣候下，模型優(yōu)化前，ROC曲線下AUC值為0.796，經(jīng)過kuenm優(yōu)化后為0.805（圖3），并且訓(xùn)練集與測試集的差值較小，預(yù)測結(jié)果更為準(zhǔn)確（表2）；未來氣候變化下，各時(shí)期的AUC值也均大于0.800，表明模型預(yù)測具有一定的可靠性。

2.2 當(dāng)前及氣候變化下反枝莧潛在地理分布

當(dāng)前氣候下，反枝莧適生區(qū)總面積約為591.68×10⁴ km²（圖4），約占我國面積的61.63%，其中，高適生區(qū)為260.22×10⁴ km²，約占我國面積的27.11%，主要分布于黑龍江省、吉林省、遼寧省、內(nèi)蒙古自治區(qū)、北京市、天津市、河北省、山西省、山東省、寧夏回族自治區(qū)、甘肅省、陜西省、河南省、安徽省、江蘇省、上海市、湖北省、湖南省、重慶市、四川省、貴州省以及新疆維吾爾自治區(qū)北部等地；中適生區(qū)面積為190.71×10⁴ km²，約占我國面積19.86%，呈現(xiàn)環(huán)繞高適生區(qū)周邊擴(kuò)散趨勢，主要分布于云南省、廣西壯族自治區(qū)、廣東省、福建省、江西省、浙江省、甘肅省、西藏自治區(qū)南部等地；低適生區(qū)面積為140.75×10⁴ km²，約占我國面積14.66%，主要分布于中適生區(qū)周邊蔓延，主要分布于黑龍江省、內(nèi)蒙古自治區(qū)北部、云南省、廣東省南部以及海南省，臺灣省有少量分布。對比可得，反枝莧適生區(qū)分布邊界基本位于400 mm降水量線東部。

與當(dāng)前相比，2050，2070年SSP126情景中，反枝莧適生區(qū)總面積分別為609.73×10⁴ km²和610.20×10⁴ km²，約占我國面積63.51%與63.56%。其中，高適生區(qū)面積分別為167.06×10⁴ km²和153.31×10⁴ km²，約占我國面積的17.4%和15.96%，主要分布于黑龍江省、吉林省、遼寧省、內(nèi)蒙古自治區(qū)、北京市、天津市、河北省、山西省、山東省、寧夏回族自治區(qū)北部、甘肅省南部、河南省、安徽省北部、江蘇省、上海市、湖北省中部、四川省北部及新疆西北部等，收縮區(qū)位于貴州省、重慶市、四川省西南部、湖南省、江西省、浙江省、福建省南部、湖北省南部、安徽省南部、江蘇省南部、陜西省南部、云南省北部、甘肅省南部及寧夏回族自治區(qū)等地。中適生區(qū)面積分別為257.89×10⁴ km²和235.47×10⁴ km²，約占26.86%和24.53%，主要分布于黑龍江省北部、吉林省東南部、遼寧省南部、內(nèi)蒙古自治區(qū)北部及新疆西北部等地，收縮區(qū)主要位于我國南部，包括云南省北部、廣東省南部、廣西壯族自治區(qū)南部、福建省北部、浙江省南部、江西省東部、貴州省西南部、四川省東南部、安徽省南部、湖北省南部、陜西省南部、重慶市北部、海南省東部及臺灣省西北部等地。低適生區(qū)面積依分別為184.78×10⁴ km²和221.43×10⁴ km²，約占19.24%和23.07%，呈擴(kuò)張趨勢，主要分布于黑龍江省北部、內(nèi)蒙古自治區(qū)北部、安徽省南部、浙江省南部、江西省東部、福建省北部、廣東省、云南省、四川省南部、貴州省東南部、青海省、甘肅省、新疆和西藏等地。

相比SSP126情景，2050，2070年SSP585情景中，反枝莧的北擴(kuò)南縮趨勢更為明顯。適生區(qū)總面積分別為625.82×10⁴ km²和631.71×10⁴ km²，約占我國面積65.18%和65.80%。其中，高適生區(qū)面積分別為200.17×10⁴ km²和189.52×10⁴ km²，約占20.85%和19.74%，主要分布于黑龍江省、吉林省、遼寧省、內(nèi)蒙古自治區(qū)、北京市、天津市、河北省、陜西省北部、山西省、河南省、山東省、安徽省北部、江蘇省、上海市等地，收縮區(qū)域?yàn)樵颇鲜”辈?、廣西壯族自治區(qū)中部、福建省沿海、江西省、湖北省、湖南省、貴州省、重慶市、四川省、陜西省南部、河南省南部、安徽省南部、江蘇省南部、寧夏回族自治區(qū)南部、甘肅南部及新疆等地。中適生區(qū)面積分別為243.97×10⁴ km²與212.50×10⁴ km²，約占我國面積的25.41%和22.14%，主要分布于黑龍江省北部、吉林省東南部、遼寧省南部、內(nèi)蒙古自治區(qū)北部及新疆西北部等地，收縮區(qū)主要位于我國南部地區(qū)，包括云南省北部、廣東省南部、廣西壯族自治區(qū)南部、福建省北部、浙江省南部、江西省東部、貴州省西南部、四川省東南部、安徽省南部、湖北省南部、陜西省南部、重慶市北部、海南省東部及臺灣省西北部等地。低適生區(qū)面積持續(xù)擴(kuò)張，分別為181.69×10⁴ km²和229.69×10⁴ km²，約占我國面積的18.93%和23.93%，主要分布于黑龍江省北部、內(nèi)蒙古自治區(qū)北部、甘肅省、青海省、安徽省南部、浙江省南部、江西省東部、福建省北部、廣東省、廣西壯族自治區(qū)、云南省、四川省南部、貴州省東南部、新疆及西藏等地。

2.3 氣候變化下反枝莧潛在地理分布區(qū)變化趨勢

當(dāng)前到未來氣候下，反枝莧高-中-低適生區(qū)均呈現(xiàn)向我國北部及西北部擴(kuò)散的趨勢（圖5），其中在2070年SSP585中北擴(kuò)程度最為明顯。由表3可得，低適生區(qū)在2050年內(nèi)總面積呈現(xiàn)先增后減，2070年持續(xù)增加，總體呈現(xiàn)擴(kuò)張趨勢，在2070年SSP585面積達(dá)到最大為229.69×10⁴ km²，約占我國面積23.93%；中適生區(qū)由當(dāng)前至各時(shí)期的2種氣候模式中呈現(xiàn)先增后減的趨勢，總體呈現(xiàn)擴(kuò)張趨勢，在2050年SSP126面積達(dá)到最大為257.89×10⁴ km²，約占我國面積的26.86%；而高適生區(qū)為先減后增，在2070年SSP126面積達(dá)到最小為153.31×10⁴ km²，約占我國面積的15.97%。

2.4 氣候變化對生態(tài)位的影響

由圖6可知，未來各時(shí)期與當(dāng)前氣候下的主成分PC1與PC2的總和均高于80%。由表4可得，PC1與最暖月最高溫呈現(xiàn)顯著負(fù)相關(guān)關(guān)系，且占比最大，PC2與海拔呈現(xiàn)顯著負(fù)相關(guān)關(guān)系，主要由于環(huán)境因素對生態(tài)位產(chǎn)生影響，表明反枝莧在未來可能向某些低溫、高海拔地區(qū)擴(kuò)散。通過對比四個(gè)時(shí)期的Overlap值（0.823，0.807，0.797，0.677）和I值（0.948，0.941，0.935，0.858）在2050，2070年SSP585情景中生態(tài)位的擴(kuò)張程度均大于SSP126，可知反枝莧的氣候生態(tài)位在2070年SSP585氣候模式擴(kuò)張程度達(dá)到最大。結(jié)合相似性和等價(jià)性測試（圖7），未來氣候變化下四個(gè)時(shí)期與當(dāng)前生態(tài)位相比并不等價(jià)（P＞0.05），但相似性測試表明，氣候變化下四個(gè)時(shí)期與當(dāng)前生態(tài)位所占有的氣候條件顯著相似且成立，說明反枝莧在我國的生態(tài)位極有可能占據(jù)新氣候條件。

3 討論

當(dāng)前反枝莧在我國的分布格局主要集中于黑龍江省、吉林省、遼寧省、內(nèi)蒙古自治區(qū)、北京市、天津市、河北省、山西省、山東省、寧夏回族自治區(qū)、陜西省、河南省、安徽省、江蘇省、上海市、湖北省、湖南省、重慶市、四川省、貴州省以及新疆維吾爾自治區(qū)北部等地，結(jié)果同鄭卉等^［26］研究較為一致。但在氣候變化下反枝莧的分布格局呈現(xiàn)向我國北部及西北部擴(kuò)散，在2070年SSP585氣候模式下擴(kuò)張程度最大，由于氣溫升高，超出了植物對于溫度的生理耐受限度，會逐漸向溫度較低處擴(kuò)散，結(jié)果同杜志喧等^［27］研究指出在氣候變化下大狼杷草在我國的分布擴(kuò)散趨勢相同；同柳曉燕等^［28］研究在氣候變化下黃頂菊分布區(qū)面積增加，分布重心會向高緯度地區(qū)遷移，且溫度越高，適生區(qū)擴(kuò)張程度越大等趨勢一致。2050—2070年的SSP126與SSP585情景中，低適生區(qū)均呈現(xiàn)出不斷擴(kuò)張的趨勢，中和高適生區(qū)面積不斷減少，主要是隨著溫度的升高，導(dǎo)致反枝莧中和高適生區(qū)在我國北緯37度以南的區(qū)域適宜性大幅降低，逐漸向我國北部高緯度地區(qū)持續(xù)擴(kuò)張，同張心怡等^［29］研究的擴(kuò)散收縮趨勢相近。

探索反枝莧分布格局的主導(dǎo)環(huán)境影響因素，表明當(dāng)物種適生概率大于0.5時(shí)，物種存在可能性最高^［30-31］。海拔（貢獻(xiàn)率41.5%）響應(yīng)曲線閾值為0～2800 m，在海拔0～2 800 m時(shí)，物種適生概率較高；年平均降水量（貢獻(xiàn)率28.5%）響應(yīng)曲線閾值為240～2 100 mm，在500 mm時(shí)，物種適生概率較高；年均溫（貢獻(xiàn)率22.0%）響應(yīng)曲線閾值為4～25.5℃，在年均溫4℃以上適生概率大于0.5，且在6℃時(shí)達(dá)到峰值（圖8），同唐洪元等^［32］野外調(diào)查研究結(jié)果一致。

海拔、年均溫、年平均降水量的貢獻(xiàn)率累計(jì)達(dá)92%，表明在海拔適宜區(qū)、充分的降水條件下，會提升種子的萌發(fā)率。反枝莧的種子會對本地種產(chǎn)生一定程度的化感作用，抑制本地種生長、繁殖等，進(jìn)而對當(dāng)?shù)厣锒鄻有约吧鷳B(tài)系統(tǒng)的穩(wěn)定性造成不利的影響^［33］。氣候變暖可能導(dǎo)致地區(qū)的氣溫升高、降水模式改變、極端天氣事件增加（干旱、洪澇、強(qiáng)風(fēng)）等，對反枝莧的生存環(huán)境造成不利影響，影響其生長和繁殖^［34］。同時(shí)，人類活動(dòng)（土地利用變化、過度開墾、水資源管理不當(dāng)）也可能與氣候環(huán)境相互作用，影響反枝莧的分布^［35］。

同時(shí)MaxEnt模型的使用也存在一定的局限性，如不能充分考慮物種擴(kuò)散時(shí)間長短，以及種內(nèi)及種間相互作用，包括資源的競爭、捕食和被捕食、互利共生等。另外，本研究所使用的環(huán)境變量僅考慮溫度、降水及海拔因素，并未考慮土壤組成及特性、人為因素、太陽輻射、自然風(fēng)等。因此可進(jìn)一步增加預(yù)測的準(zhǔn)確性。

4 結(jié)論

反枝莧適生區(qū)主要分布于東北、華北、西南、西北大部分和華東大部分地區(qū)，在氣候變化的條件下，呈現(xiàn)向北部及西北部擴(kuò)張的趨勢，在2070年SSP585氣候模式下最為明顯。反枝莧分布擴(kuò)散主導(dǎo)性因子為海拔、年均溫、年平均降水量，三者的累計(jì)貢獻(xiàn)率多達(dá)92%。隨著未來氣溫升高，反枝莧可能向高海拔、最暖月最高溫較低地帶擴(kuò)散，且未來與當(dāng)前氣候下生態(tài)位重疊度不斷降低，在2070年SSP585氣候模式中下降明顯，可能發(fā)生生態(tài)位漂移。

參考文獻(xiàn)

［1］WESTPHAL M I，BROWNE M，MACKINNON K，et al. The link between international trade and the global distribution of invasive alien species［J］. Biological Invasions，2008，10：391-398

［2］趙紫華，蘇敏，李志紅，等. 外來物種入侵生態(tài)學(xué)［J］. 植物保護(hù)學(xué)報(bào)，2019，46（1）：1-5

［3］黎磊，陳家寬. 氣候變化對野生植物的影響及保護(hù)對策［J］. 生物多樣性，2014，22（5）：549-563

［4］鞠瑞亭，李慧，石正人，等. 近十年中國生物入侵研究進(jìn)展［J］. 生物多樣性，2012，20（5）：581

［5］石家興，陳申寬. 大豆田雜草反枝莧的危害情況調(diào)查與治理對策［J］. 呼倫貝爾學(xué)院學(xué)報(bào)，2022，30（1）：119-122

［6］HURTT G C，CHINI L，SAHAJPAL R，et al. Harmonization of global land use change and management for the period 850～2100 （LUH2） for CMIP6［J］. Geoscientific Model Development，2020，13（11）：5425-5464

［7］朱耿平，劉國卿，卜文俊，等. 生態(tài)位模型的基本原理及其在生物多樣性保護(hù)中的應(yīng)用［J］. 生物多樣性，2013，21（1）：90-98

［8］齊增湘，徐衛(wèi)華，熊興耀，等. 基于MAXENT模型的秦嶺山系黑熊潛在生境評價(jià)［J］. 生物多樣性，2011，19（3）：343-352，398

［9］張春華，和菊，孫永玉，等. 基于MaxEnt模型的紫椿適生區(qū)預(yù)測［J］. 北京林業(yè)大學(xué)學(xué)報(bào)，2017，39（8）：33-41

［10］李曉辰，貢璐，魏博，等. 氣候變化對新疆雪嶺云杉潛在適宜分布及生態(tài)位分化的影響［J］. 生態(tài)學(xué)報(bào)，2022，42（10）：4091-4100

［11］劉國華，傅伯杰. 全球氣候變化對森林生態(tài)系統(tǒng)的影響［J］. 自然資源學(xué)報(bào)，2001，16（1）：71-78

［12］劉享鋒，王武靜，楊燕妮，等. 反枝莧藥材的質(zhì)量標(biāo)準(zhǔn)研究［J］. 中國藥房，2021，32（14）：1741-1746

［13］田程，王曼力，杜培革，等. 反枝莧水提物對高脂飲食小鼠的降血脂作用［J］. 食品工業(yè)科技，2020，41（19）：316-320

［14］滕春紅，王星茗，崔書芳，等. 黑龍江省大豆田反枝莧對氟磺胺草醚的抗藥性機(jī)制研究［J］. 植物保護(hù)，2019，45（5）：197-201

［15］馬奔，馬曉羽，陳會波，等. 環(huán)境因子對中國卵形硬蜱適生區(qū)分布的影響研究［J］. 中國血吸蟲病防治雜志，2021，33（3）：281

［16］HOFFMANN A A，SGR C M. Climate change and evolutionary adaptation［J］. Nature，2011，470（7335）：479-485

［17］PETITPIERRE B，KUEFFER C，BROENNIMANN O，et al. Climatic niche shifts are rare among terrestrial plant invaders［J］. Science，2012，335（6074）：1344-1348

［18］ZHANG H，GAO J X，MA M X，et al. Influence of road on breeding habitat of Nipponia nippon based on MaxEnt model［J］. The Journal of Applied Ecology，2017，28（4）：1352-1359

［19］王秋生，溫璐，蘇旭坤.氣候變化背景下青藏高原藏羚羊生境時(shí)空格局演變［J］. 生態(tài)學(xué)報(bào)，2022，42（22）：8985-8993

［20］張彥靜，陳菁，王晨彬，等.氣候變化條件下曲紋紫灰蝶在中國的潛在適生區(qū)預(yù)測［J］. 生態(tài)學(xué)報(bào)，2023，43（14）：5850-5862

［21］WIENS J J，ACKERLY D D，ALLEN A P，et al. Niche conservatism as an emerging principle in ecology and conservation biology［J］. Ecology Letters，2010，13（10）：1310-1324

［22］DI COLA V，BROENNIMANN O，PETITPIERRE B，et al. Ecospat：An R package to support spatial analyses and modeling of species niches and distributions［J］. Ecography，2017，40（6）：774-787

［23］BATES O K，BERTELSMEIER C. Climatic niche shifts in introduced species［J］. Current Biology，2021，31（19）：1252-1266

［24］KASS J M，VILELA B，AIELLO-LAMMENS M E，et al. Wallace：A flexible platform for reproducible modeling of species niches and distributions built for community expansion［J］. Methods in Ecology and Evolution，2018，9（4）：1151-1156

［25］柳曉燕，李俊生，趙彩云，等. 基于MAXENT模型和ArcGIS預(yù)測豚草在中國的潛在適生區(qū)［J］. 植物保護(hù)學(xué)報(bào)，2016，43（6）：1041-1048

［26］鄭卉，何興金. 莧屬4種外來有害雜草在中國的適生區(qū)預(yù)測［J］. 植物保護(hù)，2011，37（2）：81-86，102

［27］杜志喧，蘇啟陶，周兵，等. 不同氣候變化情景下入侵植物大狼把草在中國的潛在分布［J］. 生態(tài)學(xué)雜志，2021，40（8）：2575-2582

［28］柳曉燕，趙彩云，李俊生，等. 氣候變化情景下中國外來入侵植物黃頂菊潛在分布區(qū)模擬與早期預(yù)警［J］. 環(huán)境科學(xué)研究，2022，35（12）：2768-2776

［29］張心怡，趙健，李志鵬，等. 基于4種生態(tài)位模型的長芒莧潛在適生區(qū)預(yù)測［J］. 植物保護(hù)，2023，49（2）：73-82

［30］劉濤，劉玉萍，呂婷，等. 基于Biomod2組合模型預(yù)測青藏高原特有屬扇穗茅屬物種的潛在分布［J］. 草地學(xué)報(bào)，2020，28（6）：1650-1656

［31］方鏵，陳星彤，劉明月，等. 基于Maxent模型的互花米草潛在生境適宜性分析［J］. 草地學(xué)報(bào)，2023，31（11）：3514-3524

［32］唐洪元，王學(xué)鶚. 中國北緯34-35度農(nóng)田主要雜草經(jīng)相分布和危害［J］. 雜草學(xué)報(bào)（內(nèi)刊），1989，3（1）：1-8

［33］張燕，慕小倩. 外來雜草反枝莧對農(nóng)作物的化感作用及其風(fēng)險(xiǎn)評價(jià)［J］. 西北植物學(xué)報(bào)，2008，28（4）：771-776

［34］吳普特，趙西寧. 氣候變化對中國農(nóng)業(yè)用水和糧食生產(chǎn)的影響［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2010，26（2）：1-6

［35］秦大河. 進(jìn)入21世紀(jì)的氣候變化科學(xué)——?dú)夂蜃兓氖聦?shí)、影響與對策［J］. 科技導(dǎo)報(bào)，2004（7）：4-7

（責(zé)任編輯 閔芝智）