最大熵模型在植物生態(tài)評估領域的應用

摘要 最大熵（MaxEnt）模型能夠高效評估植物種群響應環(huán)境變化導致的適宜生境變遷問題。為深入了解MaxEnt模型在植物生態(tài)評估領域的應用現(xiàn)狀與前沿趨勢，檢索Web of Science數(shù)據(jù)庫2001—2023年該領域的相關文獻，利用VOSviewer、HistCite^TM和R-Studio等軟件，系統(tǒng)總結并分析了該領域的研究國家、機構、作者、關鍵詞以及結構概念等。結果顯示，中國（410篇，22.82%）、美國（231篇，12.85%）和印度（81篇，4.51%）是發(fā)文量排名前3的國家。中國科學院、墨西哥國立自治大學以及陜西師范大學是高產(chǎn)量的研究機構。Smith M.J.、Wan J.和Kumar S.分別是引文量排名第1，發(fā)文量最多和發(fā)文持續(xù)時間最長的學者。社會結構分析揭示，該領域整體呈現(xiàn)小世界，分散未網(wǎng)絡化的合作特征，來自同一個國家的機構之間合作更為密切，國際間合作較為匱乏。關鍵詞分析揭示11個熱門關鍵詞的頻率≥150次，如氣候變化（252次）、植物（247次）。MaxEnt模型在該領域主要被用于解決植物應對氣候和環(huán)境脅迫、種群多樣性和適宜生境分布范圍的擴張或收縮變化的問題。3個熱點方向值得被重點關注，即優(yōu)化物種分布模型存在的缺陷、單一模型評估植物應對氣候變化的響應模式、多種模型聯(lián)合評估植物響應環(huán)境變化的生境變遷規(guī)律。該研究為MaxEnt模型在植物研究領域的應用提供了新的評估數(shù)據(jù)和潛在的研究方向。

關鍵詞 MaxEnt模型;植物;文獻計量學;氣候變化;物種分布模型

中圖分類號 S-058 文獻標識碼 A

文章編號 0517-6611（2024）22-0248-10

doi：10.3969/j.issn.0517-6611.2024.22.049

開放科學（資源服務）標識碼（OSID）：

Application of Maximum Entropy Model in the Field of Plant Ecological Assessment

ZHANG Hui-hui ZHANG Guo-shuai2，ZHANG Zhi3 et al

（1.Jiangxi University of Traditional Chinese Medicine，Nanchang，Jiangxi 330000;2.Institute of Medicinal Plant Development，Chinese Academy of Medical Sciences & Peking Union Medical College，Beijing 100193；3.Chengdu University of TCM，Chengdu，Sichuan 611137）

Abstract The MaxEnt（maximum entropy） model efficiently evaluates the shift in suitable habitats of plant populations in response to environmental changes.To gain deeper insights into the current applications and future trends of the MaxEnt model in the field of plant ecological assessment，we conducted a comprehensive review of relevant literature from 2001 to 2023 using the Web of Science database.Employing various software tools such as VOSviewer，HistCite^TM and R-Studio，we systematically summarized and analyzed the research countries，institutions，authors，keywords and structural concepts in this domain.The results showed that China（410 articles，22.82%），the United States（231 articles，12.85%） and India（81 articles，4.51%） were the top 3 countries with high productivity of published papers.Chinese Academy of Sciences，National Autonomous University of Mexico，and Shaanxi Normal University were high-output institutions.Smith M.J.，Wan J.and Kumar S.were the scholars with the highest number of citations，the highest publications and the longest duration of publications，respectively.Social structure analysis revealed that the field exhibits an overall small-world characteristic，characterized by dispersed and non-networked collaboration.Collaboration between institutions from the same country was more closely knit，while international collaboration was relatively scarce.The keyword analysis showed that 11 hot terms had a frequency of ≥150 occurrences，such as climate change（252 occurrences），plants（247 occurrences） and predictions（215 occurrences）.The main problem addressed in this field involved dissecting how plant populations respond to environmental stress，the expansion or contraction of biodiversity and the potential range of suitable habitats.Trend analysis showed that three hot investigative directions deserved focus and further improvement，including optimizing the shortcomings of species distribution models，evaluating the response patterns of plants to climate change using single models and jointly assessing the habitat transition patterns of plant responses to environmental changes using multiple models.In conclusion，this study provided new evaluation data and potential research directions for the application of the MaxEnt model in the field of plant research.

Key words MaxEnt model;Plants;Bibliometrics;Climate change;Species distribution models

影響植物種群分布的因素眾多，其中氣候變化對區(qū)域和全球尺度生態(tài)適應的影響尤為明顯，包括物種的生活習性、形態(tài)特征和空間分布^［1］。應用氣候環(huán)境數(shù)據(jù)構建物種分布模型（species distribution models，SDMs）的方法，評估多時空尺度環(huán)境變化對物種分布范圍的收縮、擴張以及質心遷移，對于預防物種瀕危和生物多樣性的保護具有深遠影響^［2］。目前，最常用的物種分布模型有最大熵（maximum entropy，MaxEnt）模型、廣義線性模型（generalized linear model，GLMs）、規(guī)則集產(chǎn)生的遺傳算法（genetic algorithms for rule set production，GARP）模型、隨機森林（random forest，RF）模型等^［3］。其中，MaxEnt模型是最有效且精度最高的方法之一，具有運行時間短、操作簡單、可以解決小樣本量的特點，已經(jīng)被廣泛應用于預測物種的適宜棲息地、評估物種分布與環(huán)境變量（土壤，降水，溫度，地形等）之間的關系^［4-5］。目前，MaxEnt模型在植物引種栽培、生態(tài)保護和土地資源管理等領域得到了廣泛應用^{［3，6］}，為許多瀕危和珍貴植物的空間地理分布、種群多樣性保護與可持續(xù)發(fā)展提供了有效的數(shù)據(jù)支持，已經(jīng)成為植物資源管理與保護領域重要的模型評估工具之一^{［1，3，7］}。然而， MaxEnt模型在植物生態(tài)保護與評估領域的熱點研究方向與應用現(xiàn)狀尚不明朗，有必要針對性地梳理該領域過去及現(xiàn)在的研究趨勢，進而分析其潛在的發(fā)展趨勢，更好服務于植物的生態(tài)保護與評估。

文獻計量學是一種對已發(fā)表文章及其中引用的文獻進行統(tǒng)計分析以衡量其影響的方法^［8］，其兼容跨學科影響力，是發(fā)現(xiàn)科學領域結構模式和確定知識傳播過程的獨特工具^［9］。國內(nèi)還沒有學者利用文獻計量學方法對MaxEnt模型在植物生態(tài)評估領域的現(xiàn)狀和趨勢展進行系統(tǒng)展望與解析。鑒于此，筆者基于文獻計量分析技術，收集Web of Science（WoS）數(shù)據(jù)庫2001—2023年MaxEnt在植物生態(tài)評估應用的相關文章，運用VOSviewe，Bibliometrix（R 包）和HistCite^TM等軟件可視化分析，演繹歸納該領域的結構關系，發(fā)展歷程以及研究熱點和趨勢，旨在為物種分布模型在植物研究領域的發(fā)展提供借鑒和啟示。

1 數(shù)據(jù)來源與方法

1.1 數(shù)據(jù)收集

在WOS數(shù)據(jù)庫的核心合集中使用高級檢索策略：（（（TS=（Maximum Entropy Model）） OR TS=（MaxEnt）） AND TS=（“Plant”） OR TS=（ Ecological evaluation of plants）），時間范圍為2003—2023年，共得到1 449篇文獻。為使結果更準確，逐一閱讀文獻摘要，排除與研究主題無關的文章，并排除非綜述、會議摘要、書籍章節(jié)、學術論文等非研究類型的文獻，最終選擇1 233篇文獻完成研究（數(shù)據(jù)檢索截止時間為2023年5月1日）。

1.2 文獻計量學分析

VOSviewer軟件是荷蘭萊頓大學學者凡·艾克（Nees Jan van Eck）和瓦特曼（Ludo Waltman）合作開發(fā)的文獻可視化工具，它利用網(wǎng)絡數(shù)據(jù)構建知識圖譜^［10］。Bibliometrix是Massimo Aria團隊基于R語言開發(fā)的一款具有操作簡便和統(tǒng)計全面等優(yōu)點的文獻計量軟件包^［11］。HistCite^TM是由Eugene Garfield團隊開發(fā)用于幫助研究人員分析科學文獻的引用模式，從而了解特定領域內(nèi)的學術研究動態(tài)和趨勢的分析軟件^［12］。該研究利用VOSviewer、Bibliometrix和HistCite^TM等軟件分析文獻的出版年份、期刊來源、關鍵詞、社會結構以及概念結構等，明確最大熵模型在植物生態(tài)評估領域的應用與發(fā)展。

2 結果與分析

2.1 出版年份分析

2001—2023年發(fā)表的MaxEnt在植物生態(tài)評估領域應用的文章共計1 233篇，包括英文1 216篇、西班牙語12篇、法語1篇、葡萄牙語3篇以及俄語1篇，出版文獻的年增長率為22.72%（圖1A）。全球引用總數(shù)（total global citation score，TGCS）和本地引用總數(shù)值（total local citation score，TLCS）是用于衡量學術研究影響力的指標之一，分別代表了文章在全球范圍的總引用次數(shù)以及本次調(diào)查的1 223篇文獻內(nèi)的總引用次數(shù)，能夠正面反映文章對其他學術研究的影響程度，評估年份、期刊、作者或研究團隊對于該領域的重要性和貢獻度^［13］。2006—2022年，文章出版數(shù)量隨時間推移明顯增加，但是TGCS和TLCS則呈現(xiàn)先增加后減的趨勢。MaxEnt模型在植物研究領域的應用在目前的文獻收集范圍內(nèi)分為2個階段。第1階段為萌芽階段（2001—2016年），該時期發(fā)表的文章具有更高的引用值（圖1A）。該時期引用量較高可能是由于MaxEnt模型是2004年由Phillips團隊基于最大熵原理建立的，在 2006年該模型被Phillips等^［14］應用于預測2個新熱帶哺乳動物（Bradypus variegatus低地樹懶和Microryzomys minutus小型山地鼠）的適宜生境的分布，并將擬合結果與傳統(tǒng)的GARP比較，結果表明該模型性能優(yōu)良，具有高精度、高重現(xiàn)性、運行時間短等特點。因此其被更多生態(tài)、環(huán)境與資源保護相關領域的學者關注，進一步被應用于物種分布評估與生態(tài)保護領域，指導遷移策略的制定和實施^［15］。第2階段為發(fā)展階段（2017年至今），該時期發(fā)表的文章數(shù)量驟增明顯，但整體引用頻率較低，說明引用頻與文章發(fā)表后的時間成正比（圖1A）。2017年后該領域的發(fā)文量增長的可能是由于模型運算得到優(yōu)化并且MaxEnt模型被建立為開源軟件，使其使用更簡潔 ^［16］，進一步推動其在生物建模和生態(tài)保護領域的高速發(fā)展和演進。

2.2 出版期刊分析

期刊是學術交流和傳播科學成果的一個重要來源^［17］。分析該領域的出版期刊，結果顯示共有318種不同的期刊發(fā)表與該主題有關的文章。為了闡明期刊的影響力和發(fā)文量，該研究繪制期刊象限圖^［13］，出于可視化和可讀性的考慮，按照期刊（按TLCS/t）排序選出前15名，結果顯示已發(fā)表文章數(shù)量的平均值（TP=18.13）和每年的平均總引用次數(shù)（TLCS/t=5.08）；15個期刊中，Ecol Inform（中國科學院文獻情報中心期刊分區(qū)表中1區(qū)，IF=5.10） 和 Divers Distrib（1區(qū)，IF=4.60） 位于A象限，具有較高的TP和TLCS/t值，高于平均水平；Ecography（1區(qū)，IF=5.90） 和Ecol Eng（2區(qū)，IF=3.80） 位于B象限，TLCS/t高于平均水平但TP低于平均水平；Biol Invasions（2區(qū)，IF=2.90），Glob Change Biol（中科院1區(qū)，IF=11.60），Acta Oeco（4區(qū)，IF=1.80），Biol Conserv（1區(qū)，IF=5.90），J Biogeogr（2區(qū)，IF=3.90） 和J Econ Entomol（2區(qū)，IF=2.20） 位于C象限，TLCS/t和TP都較低；Glob Ecol Conserv（1區(qū)，IF=4.00），Biodivers Conserv（1區(qū)，IF=3.40），Ecol Model（2區(qū)，IF=3.10） 和Ecol Evo（3區(qū)，IF=2.60）位于D象限，TLCS/t低于平均水平但TP高于平均水平（圖1B）。圖1B的4個象限中A為高度關注，高影響；B為關注度低，但影響大; C為關注度低，影響力?。籇為關注度高，低影響；平行于X軸與Y軸的藍線和綠線分別代表已發(fā)表文章數(shù)量的平均值和每年的平均總引用次數(shù)。整體落于A象限的期刊具有高的關注度和影響力^［13］，表明未來Ecol Inform和Divers Distrib等期刊可能在MaxEnt模型探索植物領域發(fā)揮更重要的作用^［11］。另外，分析2001—2023年期間排名前15期刊的高被引指數(shù)（h-index）以及其發(fā)文量的整體趨勢，結果顯示h-index排名前3的期刊分別是Divers Distrib（專注于生物多樣性和物種分布的研究）、Plos One（研究范圍涉及自然科學，生命科學和醫(yī)學等多領域）和Forests（涵蓋了各種與森林生物學，生物多樣性以及生態(tài)系統(tǒng)相關的研究主題）。這3種期刊上發(fā)表的文獻被廣泛引用，說明其在該領域具有較大的影響力和知名度（圖1C、D）。期刊的發(fā)文2005—2017年期間出版量緩慢增加，2018年后則逐年劇增，2019—2022年期間尤為明顯，這也和前文分析的萌芽時期與發(fā)展時期的發(fā)文趨勢是一致的。值得一提的是，Glob Ecol Conserv是一本關注生態(tài)學、自然保護、可持續(xù)發(fā)展和生物多樣性保護等領域研究的期刊， 2017年該期刊首次發(fā)表MaxEnt在植物研究領域應用的文章^［18］，隨后發(fā)文量逐年增加，對于推動植物領域的研究具有濃厚的興趣，未來有望成為奠定該領域發(fā)展的主力軍，建議相關學者們加強對其的關注。

2.3 社會結構分析

2.3.1 按照國家劃分。

統(tǒng)計研究該領域的國家，結果顯示有106個國家或地區(qū)發(fā)表相關研究論文。其中，發(fā)文量排名前5位的國家分別為中國（410篇，22.82%）、美國（231篇，12.85%）、印度（81篇，4.51%）、西班牙（72篇，4.01%）以及澳大利亞（64篇，3.56%）。中國和美國是該研究領域最重要的主導國，總發(fā)文量超過全球的1/3。分析各國的合作關系，結果顯示中國與美國的合作最密切，其次是尼泊爾和澳大利亞。美國于2006年率先開始研究該領域，隨后逐年遞增，而中國的發(fā)文量則集中在2017年以后，并且發(fā)文量逐漸超過美國，2019年開始與美國呈倍數(shù)關系超越（圖2A）。盡管中國學者的發(fā)文量很高，但對最高被引國家分析結果表明，美國的總被引次數(shù)達5 935次，年平均39.30次，而中國的總被引次數(shù)為4 542次，年平均僅11.50次（圖2B）?？傮w而言，2001—2022年美國學者對于該領域的研究影響力和深度遠超中國學者，后者在增加發(fā)文量的同時應注重完善由多源遙感數(shù)據(jù)的時間連續(xù)性和空間柵格精度問題導致的模型預測偏差，提升物種分布模型研究領域的創(chuàng)新性，增強學術研究的深度和質量，致力于產(chǎn)出更多具有持久影響力和廣泛應用的內(nèi)容。

2.3.2 按機構劃分。

統(tǒng)計該領域的研究機構，共有1 739個機構組織，發(fā)文量排名前10位的研究機構分別為中國科學院、墨西哥國立自治大學以及陜西師范大學、南京林業(yè)大學、佛羅里達大學、青海大學、科羅拉多州立大學、北京師范大學、北京林業(yè)大學和中國林業(yè)科學研究院（表1）。大多數(shù)最具影響力的機構位于中國和美國，其中中國科學院發(fā)文量最多（195篇），TLCS值最高（530次）。科羅拉多州立大學和佛羅里達大學是最先開始研究該領域的機構，并且發(fā)文量總體呈現(xiàn)平穩(wěn)上升趨勢，而陜西師范大學、墨西哥國立自治大學以及中國科學院是近5年發(fā)文量驟增的機構。聚類分析揭示合作機構關聯(lián)網(wǎng)絡，結果顯示整體聚為14簇，中國科學院分別與北京師范大學、南京林業(yè)大學等10個中國的機構關系更為密切?？屏_拉多州立大學則與加利福尼亞大學、亞利桑那大學等14個機構關系密切。佛羅里達大學與陜西師范大學以及維科薩聯(lián)邦大學為主的8個機構合作密切（圖2C、D）?？傊?，MaxEnt模型在植物領域的研究國際間合作較為匱乏，整體呈現(xiàn)小世界、分散狀、未網(wǎng)絡化的合作特征，并且來自同一個國家的機構之間合作更為密切。

2.3.3 作者和文獻分析

運用MaxEnt模型研究植物的生態(tài)保護與評估的相關作者共有3 896名。使用TGCS值、TLCS值和Hirsch指數(shù)（h指數(shù)）來分析前20位最有成效的作者^{［11，19］}。Smith M J、Silander J A和Merow C是排名前3的作者，分別被引2 443、1 966和1 949次，說明他們的研究方向與論文為該領域的發(fā)展奠定深厚的科學基礎。發(fā)文量排名前10位的作者多數(shù)來源于中國，其次是美國和墨西哥。其中Wan J發(fā)文量最多，自2014—2022年共計26篇，h指數(shù)為10，2016與2019年發(fā)文最多；Kumar S發(fā)文量持續(xù)時間最長（2011—2020年），TGCS（456次）與TLCS（107次））較高（表2，圖3A、B），表明這些學者的研究曾引領該研究方向。另外，由表3可知，出版文獻的全球被引最高次數(shù)文獻是Merow C（2013，Ecography），其次是Hijmans R J（2006，Global Change Biol）以及Syfert M M（2013，Plos One）。分析1 234篇文獻的引文情況，結果表明Phillips等（2006，Ecol Model）、Elith J（2006，Ecography）和Hijmans R J（2005，Int J Climatol）是引文中排名前3的文獻（表4）。

2.4 概念結構

2.4.1 按主題和學科領域劃分。主題學科分析表明，共有40個學科研究該領域，關聯(lián)度聚類分析結果顯示聚為11簇，其中主題詞輻射關聯(lián)度最強的前5個關鍵主題學科均來自第3簇，分別是ecology、environmental sciences、agronomy、plant science和biodiversity conservation，節(jié)點間的關聯(lián)強度分別為279.43、219.56、177.45、149.69和104.43（圖3C）。關聯(lián)強度數(shù)值越大，說明其對外輻射影響大，研究熱度高，具有巨大的科學潛力^{［9，11］}。推測MaxEnt模型在植物研究領域應用這一主題的研究聚焦于第3簇的學科，并以其為中心對外輻射和拓展。

2.4.2 按關鍵詞劃分。

圖4A為關鍵詞的共現(xiàn)頻率四分圖; 細分主題（niche themes）代表獨特且相對獨立的研究領域或話題，其可能具有特殊的背景或特征；下降主題（declining themes）代表研究興趣被逐漸弱化的關鍵詞，其可能是過去的研究熱點，但在當前的研究中不再具有顯著的影響力；基本主題（basic themes）代表研究中最常見和關鍵的詞匯，是該領域的核心概念或關注的重點；動力主題（motor themes）代表具有活躍發(fā)展趨勢的關鍵詞，其可能是當前研究中的新興熱點或未來重點關注的方向。圖4B為關鍵詞共引網(wǎng)絡圖; 不同的顏色代表聚類不同（僅顯示分類出現(xiàn)頻次最高的前3個關鍵詞），圓圈越大說明出現(xiàn)的詞匯總體出現(xiàn)的頻次越高。圖4C為關鍵詞隨時間的變化堆疊圖。圖4D為關鍵詞突破持續(xù)年份的線棒圖。

關鍵詞的共現(xiàn)頻率分析表明，性能、精度、樣本量位于發(fā)展程度和相關程度的中軸線上（圖4A），說明學者們在研究MaxEnt模型在植物領域的應用時，極為關注模型性能的精度以及樣本分布點的數(shù)量。這可能是因為物種分布模型的建立主要依賴于環(huán)境數(shù)據(jù)的精度以及物種樣本分布點的多少^［20］。氣候變化、MaxEnt以及物種分布是動力主題板塊出現(xiàn)頻次最多的，分別使用252、219、208次，說明其未來很有可能處于持續(xù)擴展的狀態(tài)，成為引領該領域發(fā)展的熱點方向^{［13，21］}。關鍵詞共引網(wǎng)絡揭示11個熱門關鍵詞的頻率≥150次，包括氣候變化（252次）、植物（247次）、MaxEnt（219次）、預測（215次）、物種分布（208次）、保護（206次）、分布（108次）、物種分布模型（181次）、性能（164次）、影響（151次）和生物多樣性（151次）（圖4B），說明應對氣候變化物種的分布預測和生物多樣性保護已經(jīng)成為熱門話題。為解析這一變化趨勢，該研究統(tǒng)計關鍵詞年份以及近10年的研究主題變化趨勢，結果顯示該話題的相關研究逐年遞增，尤其是在2021年之后，對溫度和可持續(xù)發(fā)展的關注更為明顯（圖4C、D）。驅動這些關鍵詞發(fā)展的原因可能是，自19世紀末工業(yè)革命以來，全球氣溫每10年上升約0.08 ℃，而2011—2020年比1850—1990年全球表面溫度平均升高約1.09 ℃，陸地地表溫度升高幅度更快，達1.59 ℃。政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）第六次評估報告指出，除非大幅減少全球溫室氣體排放，否則將變暖限制在遠低于2.0 ℃和接近1.5 ℃的目標將無法實現(xiàn)^［22］，極端降水和溫度會導致物種多樣性下降，植物（被子植物和裸子植物等）和動物（獸類、鳥類、兩棲類和無脊椎動物等）的適宜生境范圍發(fā)生一定的變遷^［23］?，F(xiàn)階段報告已經(jīng)證實世界上超過80%的陸地地區(qū)正在經(jīng)歷極端高溫^{［22，24］}，造成植物的幸存危機更為嚴峻^［3］。因此，為了幫助管理者更好地解決與物種分布和范圍變化相關的各種問題，大量的學者使用MaxEnt分布模型進一步評估氣候變化對物種空間分布的影響^［20］，如秦艽^［25］、黨參^［26］、三七^［27］和花椒^［28］等。

2.5 MaxEnt模型的應用現(xiàn)狀與趨勢

為了展示MaxEnt模型在植物領域應用的演變過程，使用HistCite^TM軟件的“Graph Maker”工具，選擇TLCS值>20的19篇文章繪制引文圖（圖5），統(tǒng)計各自所在的學科領域主要講述的關鍵內(nèi)容，大體可以分為3類（表5）。

（1）

第1類專注于矯正物種分布數(shù)據(jù)的偏差，優(yōu)化模型評估方法從而增強建模的準確性和可靠性（圖5，紅色部分）。節(jié)點29的文章^［29］揭示MaxEnt預測物種分布的范圍相比傳統(tǒng)機器學習模型的結果范圍精度更高， GAM的結果過于廣泛， Bioclim的預測較為狹隘，而多模型聯(lián)合預測則會導致每種算法的特有性被掩蓋。建議基于研究的科學問題以及環(huán)境和物種的實際分布特征，選擇最適宜預測模型而非基于模型本身特征或盲目聯(lián)合多模型造成算法偏差。節(jié)點33的文章^［30］闡明影響模型性能的最主要的因素是用于訓練模型的存在點數(shù)（即采樣點的準確性），其次是氣候的偏差，如果各個氣候類型的偏差與平均偏差相比有明顯差異的區(qū)域（即范圍內(nèi)空間變異性較高的區(qū)域），說明氣候偏差對預測準確性的影響更大。盡管植物標本館和博物館包含了大量有關生物多樣性的寶貴信息，可以推動保護規(guī)劃和決策的進展，但對許多物種來說這些信息可能仍然不能未篩選就使用。建議使用者對基礎樣本數(shù)據(jù)的假設進行訓練和測試，并在必要時尋求專家或其他獨立驗證模型的意見，確保數(shù)據(jù)的準確性和可靠性。

（2）第2類專注于使用單一模型評估全球氣候異常變化對生物多樣性或單一物種分布模式變化的響應（圖5，藍色部分）。節(jié)點34的文章^［6］首次利用MaxEnt揭示澳大利亞西南部100個桫欏科物種應對氣候變遷預計有66%的物種適宜生境面積將下降，只有6%的物種生境將擴張或保持穩(wěn)定?？傮w而言，氣候變化改變?nèi)蛏锒鄻有苑植寄Ｊ?。?jié)點489的文章^［3］使用MaxEnt模型闡明Paeonia delavayi和Paeoni rockii在低溫室氣體排放濃度情景（RCP2.6）下，分布范圍增加；然而，在高排放濃度情景（RCP8.5）下，Paeonia delavayi的適宜棲息地范圍減少，而Paeoni rockii則增加。溫度季節(jié)性和等溫性是促使Paeonia delavayi地理分布的關鍵因素，而UVB-4和年降水則被確定為決定Paeonia rockii分布的關鍵因素。總之，MaxEnt模型作為一個源于統(tǒng)計力學的SDM，已經(jīng)是公認的預測物種潛在分布的通用性環(huán)境模型之一^［31］，利用其評估物種響應氣候變化導致的物種分布范圍空間和時間模式變化，確定重新引種和優(yōu)先級區(qū)域的選擇，有助于為物種的森林管理和可持續(xù)利用制定具有先導性的策略方案。

（3）第3類專注于使用多物種分布模型聯(lián)合評估物種適宜生境的變化（圖5，綠色部分）。節(jié)點43^［32］和節(jié)點257^［7］的文章分別聯(lián)合5種模型構建瀕危植物的滅絕風險評估，以及運用2種模型共同揭示蘋果蠹蟲（蘋果、桃子、梨和其他石果類的主要害蟲）的全球潛在分布模式。盡管模型聯(lián)合的方式已被早期學者們用于物種保護評估和生物入侵預防領域的研究，但是建議后續(xù)學者在分析氣候變化引起的生物多樣性變遷時，根據(jù)物種數(shù)據(jù)以及實際生存現(xiàn)狀合理選取模型，為物種資源管理提供指導策略^［3］。另外，Xia等^［33］基于最新的藥用植物物種名錄，揭示中國96%的藥用植物熱點保護中心集中在華中和南部地區(qū)，適宜生境區(qū)將從南部向北方轉移，南方將面臨適宜生境面積的大量喪失，而東部和西部地區(qū)未來將包含明顯更多的適宜生境區(qū)，研究結果為中國藥用植物的區(qū)域劃分和自然資源保護優(yōu)先規(guī)劃策略提出建議?？偟膩碚f，學者們可以利用物種分布模型在有限的分布數(shù)據(jù)基礎上，從區(qū)域生態(tài)學和生物地理學的角度預測物種可能的潛在生長區(qū)域，于進一步完善植物保護和生態(tài)治理等領域的相關策略制定，并且為該領域開展新的研究方向。

盡管MaxEnt模型在植物研究領域應用迅速增長，但由于不確定性引起的一些弊端仍然存在，亟需后續(xù)學者進一步深入分析和完善^［5］。MaxEnt模型通常假設背景上的所有位置都以相同的概率進行采樣，依賴于一個沒有抽樣偏差的樣本，然而現(xiàn)階段大多數(shù)學者的研究數(shù)據(jù)分布信息只能通過大型數(shù)據(jù)庫和參考資料獲得，由于抽樣方法不同、環(huán)境條件等因素在一定程度上導致抽樣偏差。此外，環(huán)境參數(shù)和發(fā)生數(shù)據(jù)多是基于某一時間段的范圍結果，很難獲得相對詳細的時間分布特征，這也導致預測當前分布存在一定程度的不確定性。因此，除了在線標本數(shù)據(jù)庫和相關文獻外，建議更多的植物場地數(shù)據(jù)（如實地調(diào)查）有助于提高模型預測的精準度，建議未來SDM研究整合相關生物生態(tài)數(shù)據(jù)和氣候/環(huán)境數(shù)據(jù)應加強時間的連續(xù)性和空間的可及性，有助于闡明物種棲息地分布機制，準確掌控由環(huán)境差異帶來的植物種群遷移規(guī)律。

3 結論

該研究首次使用文獻計量學分析WoS核心數(shù)據(jù)庫2001—2023年有關MaxEnt模型在植物生態(tài)評估領域的文章，揭示了該領域發(fā)展概括和未來的研究熱點。具體結論包括：①發(fā)文量在2001—2023年間隨年份的增加而顯著增加，2001—2016年為萌芽階段，2017年至今為發(fā)展階段。在此期間研究的論文數(shù)量逐年增加，其中中國發(fā)文量呈現(xiàn)快速增長的趨勢，年度發(fā)文量已經(jīng)超過世界的1/3，中國（410篇，22.82%）、美國（231篇，12.85%）和印度（81篇，4.51%）是高產(chǎn)量論文發(fā)表的前3個國家。②MaxEnt模型在植物研究領域的成果主要發(fā)表在Ecol Inform，Divers Distrib和Glob Ecol Conserv等國外高水平期刊上。中國科學院、陜西師范大學以及墨西哥國立自治大學是該領域的主要研究力量。③該領域研究與發(fā)展的核心是從區(qū)域生態(tài)學和生物地理學的角度預測其生長區(qū)域在不同時空場景的變遷，并解析其分布的關鍵環(huán)境因子。④歸納該領域的未來的研究熱點主要為3個方向，分別是優(yōu)化物種分布模型、單一模型評估植物應對氣候變化的響應模式、應用多物種分布模型聯(lián)合評估植物環(huán)境變化導致植物適宜生長區(qū)的變遷。

參考文獻

［1］

KONG F，TANG L，HE H，et al.Assessing the impact of climate change on the distribution of Osmanthus fragrans using Maxent［J］.Environmental science and pollution research，2021，28：34655-34663.

［2］ HE P，LI Y F，HUO T T，et al.Priority planting area planning for cash crops under heavy metal pollution and climate change：A case study of Ligusticum chuanxiong Hort［J］.Frontiers in plant science，2023，14：1-20.

［3］ ZHANG K L，YAO L J，MENG J S，et al.Maxent modeling for predicting the potential geographical distribution of two peony species under climate change［J］.Science of the total environment，2018，634：1326-1334.

［4］ LI S Y，MIAO L J，JIANG Z H，et al.Projected drought conditions in Northwest China with CMIP6 models under combined SSPs and RCPs for 2015-2099［J］.Advances in climate change research，2020，11（3）：210-217.

［5］ XU N，MENG F Y，ZHOU G F，et al.Assessing the suitable cultivation areas for Scutellaria baicalensis in China using the Maxent model and multiple linear regression［J］.Biochemical systematics and ecology，2020，90：1-7.

［6］ FITZPATRICK M C，GOVE A D，SANDERS N J，et al.Climate change，plant migration，and range collapse in a global biodiversity hotspot：The Banksia（Proteaceae） of Western Australia［J］.Global change biology，2008，14（6）：1337-1352.

［7］ KUMAR S，NEVEN L G，ZHU H Y，et al.Assessing the global risk of establishment of Cydia pomonella（Lepidoptera：Tortricidae） using CLIMEX and MaxEnt niche models［J］.Journal of economic entomology，2015，108（4）：1708-1719.

［8］ 張金鳳，徐成斌，郭飛.銻生態(tài)環(huán)境風險與水質基準發(fā)展趨勢的文獻計量學研究［J］.環(huán)境工程，2024，42（3）：207-214.

［9］ 劉路路，涂雄兵，張澤華.基于文獻計量學的沙漠蝗研究動態(tài)分析［J］.植物保護學報，2023，50（2）：479-484.

［10］ VAN ECK N J，WALTMAN L.Citation-based clustering of publications using CitNetExplorer and VOSviewer［J］.Scientometrics，2017，111（2）：1053-1070.

［11］ ARIA M，CUCCURULLO C.Bibliometrix：An R-tool for comprehensive science mapping analysis［J］.Journal of informetrics，2017，11（4）：959-975.

［12］ BAO J F，HU P P，SHE Q Y，et al.A bibliometric and visualized analysis of uremic cardiomyopathy from 1990 to 2021［J］.Frontiers in cardiovascular medicine，2022，9：1-14.

［13］ ZHANG H H，ZHENG Y，ZHANG G S，et al.A bibliometric study for plant RNA editing research：Trends and future challenges［J］.Molecular biotechnology，2023，65（8）：1207-1227.

［14］ PHILLIPS S J，ANDERSON R P，SCHAPIRE R E.Maximum entropy modeling of species geographic distributions［J］.Ecological modelling，2006，190（3/4）：231-259.

［15］ PHILLIPS S J，DUDK M.Modeling of species distributions with Maxent：New extensions and a comprehensive evaluation［J］.Ecography，2008，31（2）：161-175.

［16］

PHILLIPS S J，ANDERSON R P，DUDK M，et al.Opening the black box：An open-source release of Maxent［J］.Ecography，2017，40（7）：887-893.

［17］ LIU H，HONG R，XIANG C L，et al.Visualization and analysis of mapping knowledge domains for spontaneous combustion studies［J］.Fuel，2020，262：1-13.

［18］ QIN A L，LIU B，GUO Q S，et al.Maxent modeling for predicting impacts of climate change on the potential distribution of Thuja sutchuenensis Franch.，an extremely endangered conifer from southwestern China［J］.Global ecology and conservation，2017，10：139-146.

［19］ GARFIELD E，PARIS S W，STOCK W G.HistCite^TM：A software tool for informetric analysis of citation linkage［J］.NFD information-wissenschaft und praxis，2006，57（8）：391-400.

［20］ WANG D Y，SHI C Y，ALAMGIR K，et al.Global assessment of the distribution and conservation status of a key medicinal plant（Artemisia annua L.）：The roles of climate and anthropogenic activities［J］.Science of the total environment，2022，821：1-14.

［21］ 潘智鵬，嚴雪，劉帆，等.基于文獻計量學的凍土植被研究進展［J］.植物科學學報，2022，40（6）：751-761.

［22］ ZHAO X F，LEI M，WEI C H，et al.Assessing the suitable regions and the key factors for three Cd-accumulating plants（Sedum alfredii，Phytolacca americana，and Hylotelephium spectabile） in China using MaxEnt model［J］.Science of the total environment，2022，852：1-14.

［23］ RANA S K，RANA H K，RANJITKAR S，et al.Climate-change threats to distribution，habitats，sustainability and conservation of highly traded medicinal and aromatic plants in Nepal［J］.Ecological indicators，2020，115：1-13.

［24］ SONG F，ZHANG G J，RAMANATHAN V，et al.Trends in surface equivalent potential temperature：A more comprehensive metric for global warming and weather extremes［J］.Proceedings of the national academy of sciences，2022，119（6）：1-7.

［25］ 盧有媛，張小波，楊燕梅，等.秦艽藥材的品質區(qū)劃研究［J］.中國中藥雜志，2016，41（17）：3132-3138.

［26］ 郭杰，劉小平，張琴，等.基于 Maxent 模型的黨參全球潛在分布區(qū)預測［J］.應用生態(tài)學報，2017，28（3）：992-1000.

［27］ 張琴，曾凡琳，張東方，等.基于最大熵模型的三七生態(tài)適宜區(qū)及生態(tài)特征［J］.藥學學報，2016，51（10）：1629-1637.

［28］ ZHENG T，SUN J Q，SHI X J，et al.Evaluation of climate factors affecting the quality of red huajiao（Zanthoxylum bungeanum Maxim.） based on UPLC-MS/MS and MaxEnt model［J］.Food chemistry：X，2022，16：1-10.

［29］ HIJMANS R J，GRAHAM C H.The ability of climate envelope models to predict the effect of climate change on species distributions［J］.Global change biology，2006，12（12）：2272-2281.

［30］ LOISELLE B A，JRGENSEN P M，CONSIGLIO T，et al.Predicting species distributions from herbarium collections：Does climate bias in collection sampling influence model outcomes？［J］.Journal of biogeography，2008，35（1）：105-116.

［31］ BAI Y，WEI X，LI X.Distributional dynamics of a vulnerable species in response to past and future climate change：A window for conservation prospects［J］.Peerj，2018，6：1-44.

［32］ BENITO B M，MARTNEZ-ORTEGA M M，MUOZ L M，et al.Assessing extinction-risk of endangered plants using species distribution models：A case study of habitat depletion caused by the spread of greenhouses［J］.Biodiversity and conservation，2009，18（9）：2509-2520.

［33］ XIA C Y，HUANG Y F，QI Y D，et al.Developing long-term conservation priority planning for medicinal plants in China by combining conservation status with diversity hotspot analyses and climate change prediction［J］.BMC biology，2022，20（1）：1-20.