基于MaxEnt模型的黃花刺茄在北方農(nóng)牧交錯(cuò)帶潛在適生區(qū)分析

摘要：黃花刺茄（Solanum rostratum）作為危害性極強(qiáng)的外來入侵物種，明確影響其在中國(guó)北方農(nóng)牧交錯(cuò)帶分布的主要環(huán)境因子以及潛在適生區(qū)對(duì)合理防治和管控具有重要意義。本研究以中國(guó)北方農(nóng)牧交錯(cuò)帶為研究區(qū)域，基于R語言ENMeval數(shù)據(jù)包優(yōu)化的最大熵模型（MaxEnt）和地理信息系統(tǒng)（ArcGIS），結(jié)合黃花刺茄在中國(guó)北方農(nóng)牧交錯(cuò)帶的分布數(shù)據(jù)及9個(gè)環(huán)境因子，分析黃花刺茄在中國(guó)北方農(nóng)牧交錯(cuò)帶的潛在適生區(qū)。模型預(yù)測(cè)結(jié)果顯示，當(dāng)前模擬的潛在分布區(qū)與實(shí)際分布基本吻合，受試者工作特征曲線下面積（AUC值）為0.868，預(yù)測(cè)結(jié)果較好。結(jié)果表明，最濕季平均溫、干旱度指數(shù)、降雨量變異系數(shù)、海拔是影響黃花刺茄分布的主要環(huán)境變量；黃花刺茄在中國(guó)北方農(nóng)牧交錯(cuò)帶的高適生區(qū)面積約占6.82×104 km2，主要分布在中國(guó)北方農(nóng)牧交錯(cuò)帶的東部地區(qū)。

關(guān)鍵詞：黃花刺茄；北方農(nóng)牧交錯(cuò)帶；適生區(qū)；最大熵模型

中圖分類號(hào)：S451""" 文獻(xiàn)標(biāo)識(shí)碼：A""""" 文章編號(hào)：1007-0435（2024）12-3905-10

收稿日期：2024-04-19；修回日期：2024-05-31

基金項(xiàng)目：國(guó)家民委中青年英才培養(yǎng)計(jì)劃項(xiàng)目（2022）；遼寧省科技計(jì)劃聯(lián)合計(jì)劃應(yīng)用基礎(chǔ)研究項(xiàng)目（2023 JH2/101700027）；中央高?；究蒲袠I(yè)務(wù)費(fèi)（04442024091）資助

作者簡(jiǎn)介：

鄭夢(mèng)月（2000-），女，漢族，河北唐山人，碩士研究生，主要從事草地植物群落結(jié)構(gòu)與功能研究，E-mail：1578417901@qq.com；*通信作者Author for correspondence，E-mail：yantaosong@dlnu.edu.cn

Analysis of Potential Geographic Distribution of Solanum rostratum Based on

Optimized MaxEnt Model in Agro-pastoral Ecotone of Northern China

ZHENG Meng-yue1， SONG Yan-tao1*， LI Cai-lin1， NA Mu-han1， WU Yun-na1， MA Jing2， YU Yue2

（1. College of Environmental and Resources， Dalian Minzu University， Dalian， Liaoning Province 116000， China；

2. Bairin Right Banner Forestry and Grassland Bureau， Bairin Right Banner， Inner Mongolia 025150， China）

Abstract：As a highly hazardous invasive alien species，it is important to identify the dominant environmental factors and potential habitat areas that affect the Solanum rostratum in the agro-pastoral ecotone of northern China in order to rationally control and prevent it. In this study，based on the Maximum Entropy Model （MaxEnt） optimized by the R language ENMeval data package and ArcGIS，combined with the distribution data of S. rostratum and 9 environmental factors in agro-pastoral ecotone of northern China，we predicted the potential suitable growth area of S. rostratum in the agro-pastoral ecotone of northern China. According to the results of the model，the potential distribution area of the current simulation was basically consistent with the actual distribution. The area under the receiver operating characteristic curve （AUC value） was 0.868，and the prediction result was better. The results showed that the mean temperature of wettest quarter，aridity Index，precipitation variation coefficient and altitude were the main environmental variables affecting the potential distribution of S. rostratum. The highly suitable area of S. rostratum in the agro-pastoral ecotone of northern China accounted for about 6.82×104 km2，which was mainly distributed in the eastern part of the agro-pastoral ecotone of northern China.

Key words：Solanum rostratum;Agro-pastoral ecotone of northern;Suitable distribution area;Maximum entropy model （MaxEnt）

近年來，我國(guó)外來物種入侵情況不容樂觀，這些物種通過人為因素或自然因素被引入國(guó)內(nèi)，對(duì)生態(tài)環(huán)境造成嚴(yán)重影響［1］。黃花刺茄（Solanum rostratum）又名刺萼龍葵，原產(chǎn)于北美洲，為茄科（Solanaceae）茄屬（Solanum）的一種入侵性極強(qiáng)的一年生惡性雜草［2］，具有極強(qiáng)的適應(yīng)力、繁殖力以及傳播力［3］。其種子可隨風(fēng)傳播，不僅改變了入侵地的物種組成，降低物種多度，減弱本土植物的優(yōu)勢(shì)，而且在光合利用、物種合成代謝的競(jìng)爭(zhēng)中處于優(yōu)勢(shì)地位，對(duì)當(dāng)?shù)匚锓N造成嚴(yán)重影響［4］。1981年，我國(guó)最早在遼寧省朝陽(yáng)縣發(fā)現(xiàn)，后陸續(xù)出現(xiàn)在遼寧省其他地區(qū)并逐漸蔓延至周邊省市如北京市、河北省、吉林省等。目前，在我國(guó)新疆、內(nèi)蒙古等省也有報(bào)道，入侵范圍呈擴(kuò)大趨勢(shì)。因此，急需對(duì)黃花刺茄的分布進(jìn)行預(yù)測(cè)，為科學(xué)防治提供參考。

生態(tài)位模型廣泛應(yīng)用于預(yù)測(cè)物種潛在分布區(qū)，評(píng)估氣候變化對(duì)物種分布的影響。通過這些模型，科學(xué)家們可以更好地研究入侵植物的潛在影響，并及時(shí)采取相應(yīng)的措施使損失降至最低［5］。目前，已有研究采用隨機(jī)森林（Random forest，RF）模型［6］、規(guī)則集遺傳算法（Genetic algorithm for rule-set production，GARP）［7］、生物氣候（Biocli matic prediction，BIOCLIM）模型［8］和最大熵（Maximum entropy，MaxEnt）模型［9］預(yù)測(cè)物種的潛在分布區(qū)。在眾多的生態(tài)位模型中，最大熵模型在預(yù)測(cè)物種分布上表現(xiàn)出明顯的優(yōu)勢(shì)，且預(yù)測(cè)結(jié)果精準(zhǔn)［10-13］。近年來，國(guó)內(nèi)外使用MaxEnt模型預(yù)測(cè)入侵植物潛在分布的研究很多。例如，MARIFATUL等人［14］通過MaxEnt模型預(yù)測(cè)入侵物種銀合歡［Leucaena leucocephala （Lam.） de Wit］在沙特阿拉伯干旱區(qū)的潛在分布，Zhang等人［15］基于MaxEnt模型預(yù)測(cè)入侵物種加拿大一枝花（Solidago canadensis）在中國(guó)貴州省的分布，促進(jìn)了對(duì)外來入侵植物適宜分布區(qū)的研究。目前，國(guó)內(nèi)外對(duì)黃花刺茄的研究主要是基因組［16-17］、入侵特征及防控［18-19］及對(duì)土壤和其他植物的影響［20-22］等方面，而基于MaxEnt模型對(duì)黃花刺茄適生區(qū)的研究較少。例如，郭佳等［23］通過MaxEnt模型預(yù)測(cè)黃花刺茄在中國(guó)東北地區(qū)的潛在分布，齊開源等［24］通過MaxEnt模型預(yù)測(cè)黃花刺茄在科爾沁沙地的潛在分布區(qū)等，但基于優(yōu)化模型對(duì)黃花刺茄在中國(guó)北方農(nóng)牧交錯(cuò)帶的潛在適生區(qū)分析的研究尚不充分。

中國(guó)北方農(nóng)牧交錯(cuò)帶是我國(guó)重要的生態(tài)安全屏障，面臨經(jīng)濟(jì)發(fā)展與脆弱生態(tài)環(huán)境保護(hù)間的突出矛盾［25］。北方農(nóng)牧交錯(cuò)帶是農(nóng)業(yè)和牧業(yè)的復(fù)合過渡區(qū)，生態(tài)環(huán)境脆弱，具有不穩(wěn)定性和敏感性的特點(diǎn)，而黃花刺茄對(duì)環(huán)境的適應(yīng)能力強(qiáng)，脆弱的生態(tài)系統(tǒng)很可能為黃花刺茄的入侵提供機(jī)會(huì)。黃花刺茄的入侵對(duì)本地的農(nóng)業(yè)和牧業(yè)危害嚴(yán)重，甚至影響經(jīng)濟(jì)發(fā)展。因此，本文利用優(yōu)化的MaxEnt模型，分析黃花刺茄在中國(guó)北方農(nóng)牧交錯(cuò)帶的潛在分布區(qū)，并根據(jù)其存在概率劃分不同的適生等級(jí)，分析其分布與不同環(huán)境因子的關(guān)系，得到限制黃花刺茄分布的主要環(huán)境因子。這對(duì)如何控制黃花刺茄在此地區(qū)的蔓延具有重要意義，為有關(guān)部門的管理提供科學(xué)依據(jù)。

1" 材料與方法

1.1" 分布數(shù)據(jù)的收集與篩選

根據(jù)全球生物多樣性信息平臺(tái)（GBIF，http：//www.gbif.org），中國(guó)數(shù)字植物標(biāo)本館（CVH，http：//www.cvh.org.cn/）的記錄以及相關(guān)文獻(xiàn)的報(bào)道［2，23，26-34］，對(duì)于標(biāo)本或文獻(xiàn)中沒有經(jīng)緯度記錄但是有具體位置的利用百度地圖中的坐標(biāo)拾取器確定經(jīng)緯度。其次，為了防止同一范圍內(nèi)出現(xiàn)多個(gè)點(diǎn)，影響模型精度，基于全球氣候數(shù)據(jù)庫(kù)（http：//www.worldclim.org）中30″（約為1 km）分辨率，通過ENMtools工具對(duì)分布數(shù)據(jù)進(jìn)行篩選，保證每個(gè)1 km中只有一個(gè)分布數(shù)據(jù)，刪除重復(fù)樣點(diǎn)，最終獲得40條黃花刺茄分布數(shù)據(jù)（圖1）。地圖數(shù)據(jù)從國(guó)家地理信息公共服務(wù)平臺(tái)（https：//www.tianditu.gov.cn/）下載的審圖號(hào)為GS（2023）2762號(hào)的標(biāo)準(zhǔn)地圖作為分析底圖。

1.2" 環(huán)境數(shù)據(jù)的收集

環(huán)境數(shù)據(jù)來源于全球氣候數(shù)據(jù)庫(kù)（http：//www.worldclim.org），下載空間分辨率為30″的bioclim環(huán)境數(shù)據(jù)、海拔數(shù)據(jù)和風(fēng)速數(shù)據(jù)（均為1970—2000年），基于植物科學(xué)數(shù)據(jù)中心（https：//www.plantplus.cn/cn/dataset/1512D26417FF6A38）下載相同分辨率的干旱度指數(shù)數(shù)據(jù)，使用GIS的像元統(tǒng)計(jì)數(shù)據(jù)工具對(duì)下載的風(fēng)速數(shù)據(jù)進(jìn)行年平均值的計(jì)算，干旱度指數(shù)數(shù)據(jù)使用GIS先進(jìn)行重采樣再裁剪與其他數(shù)據(jù)進(jìn)行統(tǒng)一，最終共得到22個(gè)全球環(huán)境因子變量數(shù)據(jù)。然后使用ArcMap10.4中的SDMToolbox工具在全環(huán)境數(shù)據(jù)圖中對(duì)北方農(nóng)牧交錯(cuò)帶這一區(qū)域進(jìn)行批量提取，即可得到北方農(nóng)牧交錯(cuò)帶區(qū)域的22個(gè)環(huán)境變量數(shù)據(jù)（表1）。

1.3" 環(huán)境因子篩選

通過MaxEnt軟件預(yù)實(shí)驗(yàn)運(yùn)行后得到各個(gè)環(huán)境因子的貢獻(xiàn)率，去除貢獻(xiàn)為0的環(huán)境因子，并使用軟件IBM SPSS Statistics 25進(jìn)行Person相關(guān)性分析，相關(guān)系數(shù)|r|≥0.8的選取貢獻(xiàn)率較小的去除［23］，最終篩選出9個(gè)環(huán)境因子（表2）。

1.4" 模型建立及優(yōu)化

MaxEnt模型是基于最大熵原理，采用物種實(shí)際分布點(diǎn)和背景環(huán)境建立模型。以環(huán)境變量作為約束條件，在所有滿足約束條件的模型中，選擇熵值最大的結(jié)果預(yù)測(cè)物種在此區(qū)域的分布。其對(duì)樣本的需求量小，可以有效處理變量間的復(fù)雜關(guān)系［35-37］；ENMeval包是第一個(gè)進(jìn)行模型調(diào)整的R包，使用ENMeval包優(yōu)化模型可降低模型的復(fù)雜性和過擬合程度，能更準(zhǔn)確的預(yù)測(cè)物種潛在分布區(qū)［38］。綜合上述優(yōu)勢(shì)，本研究運(yùn)用ENMeval包（R4.3.1）對(duì)MaxEnt模型進(jìn)行調(diào)優(yōu)。將范圍為0.5～4.0、間隔為0.5的共8種調(diào)控倍頻（Regularization multiplier，RM）與6個(gè)組合特征（Feature combination，F(xiàn)C），即：L，LQ，LQH，H，LQHP和LQHPT（L為線性、T為閾值性、Q為二次型、H為片段化、P為乘積型）進(jìn)行參數(shù)之間的交叉組合［39］，之后使用ENMeval包將上述48種組合進(jìn)行參數(shù)調(diào)測(cè)?；?0個(gè)黃花刺茄分布點(diǎn)數(shù)據(jù)和9個(gè)環(huán)境變量數(shù)據(jù)，調(diào)用ENMeval包在RM和FC的不同組合下進(jìn)行交叉驗(yàn)證調(diào)優(yōu)［40］。根據(jù)最小信息準(zhǔn)則（The minimum information criterion AICc value，Delta.AICc）檢驗(yàn)?zāi)Ｐ偷木群蛿M合程度，訓(xùn)練集AUC與測(cè)試集AUC平均差值（Different between training and testing AUC，Avg.diff.AUC）和10%訓(xùn)練遺漏率平均值（Mean value of 10% training omission rate，Mean.OR10）衡量模型的擬合程度，其中具有最小Delta.AICc值的模型為最優(yōu)模型［41］。

運(yùn)用MaxEnt（V3.4.1）模型對(duì)黃花刺茄進(jìn)行潛在適生區(qū)的預(yù)測(cè)。將黃花刺茄分布點(diǎn)數(shù)據(jù).csv格式和篩選后的環(huán)境數(shù)據(jù).asc格式文件導(dǎo)入軟件中，勾選刀切法，設(shè)置輸出格式為L(zhǎng)ogistic形式，選取25%的分布數(shù)據(jù)作為測(cè)試集，75%的分布數(shù)據(jù)作為訓(xùn)練集，勾選優(yōu)化后的RM和FC值，設(shè)置10次重復(fù)，重復(fù)類型選Bootstrap［42］，其他參數(shù)設(shè)為默認(rèn)值進(jìn)行建模。精度檢驗(yàn)主要采用MaxEnt模型輸出結(jié)果的受試者工作特征曲線（Receiver operating characteristic curve，ROC）下面積AUC值進(jìn)行評(píng)估，AUC的取值范圍為0～1，數(shù)值越大表示預(yù)測(cè)結(jié)果的可信度越高。AUC值lt;0.7，預(yù)測(cè)結(jié)果差，0.7～0.8，預(yù)測(cè)結(jié)果一般，0.8～0.9，預(yù)測(cè)結(jié)果較好，gt;0.9預(yù)測(cè)結(jié)果極好。

1.5" 適生等級(jí)劃分

將模型輸出結(jié)果的平均值導(dǎo)入ArcMap 10.5，運(yùn)用Spatial中的重分類工具，使用自然間斷點(diǎn)法劃分黃花刺茄生境適宜指數(shù)。黃花刺茄生境適宜性等級(jí)分為：0.0～0.1（非適生區(qū)），0.1～0.3（低適生區(qū)），0.3～0.5（中適生區(qū)），0.5～1.0（高適生區(qū)）4個(gè)適生等級(jí)。然后進(jìn)行可視化表達(dá)。最后，統(tǒng)計(jì)不同適生等級(jí)的總面積，計(jì)算出不同適生等級(jí)面積所占的比例。

2" 結(jié)果與分析

2.1" 模型優(yōu)化結(jié)果及準(zhǔn)確性評(píng)價(jià)

當(dāng)模型為RM=2.5，F(xiàn)C=LQH時(shí)，Delta.AICc=0，Avg.diff.AUC=0.034，10%訓(xùn)練遺漏率為0.15（表3）。所以，選用調(diào)控倍頻RM=2.5，特征組合FC=LQH作為最終的參數(shù)建模，在該參數(shù)下AUC平均值為0.868（圖2），預(yù)測(cè)結(jié)果較好。

2.2" 影響黃花刺茄地理分布的主要?dú)夂蛞蜃?/p>

本研究通過MaxEnt模型輸出的結(jié)果并基于刀切法的正則化訓(xùn)練增益貢獻(xiàn)率、置換貢獻(xiàn)率以及單因子響應(yīng)曲線來揭示影響黃花刺茄分布的主導(dǎo)環(huán)境因子（表4、圖3-4）。利用刀切法確定主導(dǎo)環(huán)境因子，根據(jù)大小順序，認(rèn)定累計(jì)貢獻(xiàn)率達(dá)到75%以上的因子為主導(dǎo)環(huán)境因子［43］。從表4和圖3中的貢獻(xiàn)率和置換貢獻(xiàn)率可以看出，最濕季平均溫（Bio8）、干旱度指數(shù)（AI）、降雨量變異系數(shù)（Bio15）、海拔（Alt）的貢獻(xiàn)率分別為32.4%，18.5%，13.9%，10.5%，累計(jì)貢獻(xiàn)率高達(dá)75.3%，表明以上4個(gè)環(huán)境因子是影響黃花刺茄分布的主導(dǎo)環(huán)境因子。風(fēng)速（Wind speed）、晝夜溫差與年溫差比值（Bio3）為影響黃花刺茄分布的次要環(huán)境因子。最濕月降雨量（Bio13）、晝夜溫差月均溫（Bio2）、最干月降雨量（Bio14）對(duì)黃花刺茄的分布有一定的影響。

根據(jù)環(huán)境因子響應(yīng)曲線可以判斷黃花刺茄的存在概率與環(huán)境因子間的關(guān)系，一般認(rèn)為，當(dāng)物種的存在概率大于0.5時(shí)，可視為最有利于物種的生長(zhǎng)的范圍［44］。以4個(gè)主要的環(huán)境因子繪制環(huán)境因子響應(yīng)曲線（圖4），可以看出，最濕季平均溫（32.4%）在21℃以下時(shí)，黃花刺茄的存在概率小于0.5，不利于黃花刺茄的生長(zhǎng)，隨著溫度的升高，黃花刺茄的存在概率不斷增加，在24℃時(shí)達(dá)到最大值，之后保持不變，最適合黃花刺茄生長(zhǎng)的最濕季平均溫度范圍在21～25.6℃（圖4a）。干旱度指數(shù)（18.5%）在高于2824時(shí)，黃花刺茄的存在概率小于0.5，不利于黃花刺茄的生長(zhǎng)，年平均降雨量在低于2824的范圍內(nèi)，黃花刺茄的存在概率隨著干旱度指數(shù)的降低而增加，在干旱度指數(shù)為1116時(shí)達(dá)到最大值，最適合黃花刺茄生長(zhǎng)的干旱度指數(shù)為1116～2824（圖4b）。降雨量變異系數(shù)在低于117.4時(shí)，黃花刺茄的存在概率小于0.5，之后隨著降雨量變異系數(shù)的增加存在概率增加，降雨量變異系數(shù)在135.5時(shí)達(dá)到最大值，最適合黃花刺茄生長(zhǎng)的降雨量變異系數(shù)在117.4～135.5（圖4c）。海拔（10.5%）在181～905 m時(shí)黃花刺茄的存在概率大于0.5，有利于黃花刺茄生長(zhǎng)，海拔在低于181 m的范圍內(nèi)，-341～7 m的范圍內(nèi)黃花刺茄的存在概率保持不變，在7～181 m的范圍內(nèi)隨著海拔的升高黃花刺茄的存在概率升高，達(dá)到最大值后隨海拔的升高而降低，海拔在355 m時(shí)，黃花刺茄的存在概率最高，最適合黃花刺茄生長(zhǎng)的海拔在181～905 m（圖4d）。

2.3" 黃花刺茄在北方農(nóng)牧交錯(cuò)帶的地理分布

利用MaxEnt模型預(yù)測(cè)了當(dāng)前時(shí)期黃花刺茄在北方農(nóng)牧交錯(cuò)帶的地理分布。結(jié)果顯示，當(dāng)前時(shí)期黃花刺茄集中分布在北方農(nóng)牧交錯(cuò)帶的東北部，中部和西部有少量的適生區(qū)（圖5）。不同省份的入侵情況有所差異，其中內(nèi)蒙古、遼寧、吉林以及河北的入侵情況比較嚴(yán)重（表5）。

總適生區(qū)：黃花刺茄總適生區(qū)主要分布在內(nèi)蒙古自治區(qū)的東南部，吉林省和遼寧省西部，河北省北部，寧夏回族自治區(qū)及甘肅省東部地區(qū)有少部分地區(qū)，山西省、陜西省有極少部分地區(qū)。適生區(qū)總面積47.22×104 km2。

高適生區(qū)：黃花刺茄最適宜生長(zhǎng)的區(qū)域主要分布在張家口市涿鹿縣北部、懷來縣、懷安縣、橋東區(qū)、萬全區(qū)、宣化區(qū)、陽(yáng)原縣、尚義縣南部、崇禮區(qū)西部，內(nèi)蒙古自治區(qū)赤峰市巴林右旗、松山區(qū)、翁牛特旗、元寶山區(qū)，阿魯科爾沁旗南部，呼和浩特市賽罕區(qū)、玉泉區(qū)、回民區(qū)，通遼市開魯縣、扎魯特旗，興安盟突泉縣、烏蘭浩特市，山西省大同市天鎮(zhèn)縣、陽(yáng)高縣、云州區(qū)，甘肅省白銀市景泰縣東部。高適生區(qū)面積6.82×104 km2，占適生區(qū)總面積的9.75%。

中適生區(qū)：黃花刺茄中適生區(qū)主要分布在河北省張家口市康保縣、張北縣，遼寧省朝陽(yáng)市北票市、建平縣，阜新市細(xì)河區(qū)、阜新蒙古族自治縣，內(nèi)蒙古自治區(qū)赤峰市敖漢旗、巴林左旗，鄂爾多斯市達(dá)拉特旗中部，通遼市科爾沁區(qū)、奈曼旗，烏蘭察布市商都縣、化德縣、察哈爾右翼后旗、察哈爾右翼中旗北部地區(qū)，興安盟科爾沁右翼中旗高適生區(qū)附近有一部分，山西省朔州市應(yīng)縣北部，懷仁市西部，大同市平城區(qū)，陜西省延安市黃龍縣和宜川縣南部，寧夏回族自治區(qū)吳忠市鹽池區(qū)西部和東部。中適生區(qū)面積14.61×104 km2，占適生區(qū)總面積的20.91%。

低適生區(qū)：黃花刺茄低適生區(qū)主要分布在河北省承德市承德縣、豐寧滿族自治縣、隆化縣、灤平縣、平泉市、雙灤區(qū)，吉林省白城市通榆縣、松原市長(zhǎng)嶺縣，遼寧省朝陽(yáng)區(qū)凌源市、喀喇沁左翼蒙古族自治縣，葫蘆島市建昌縣，內(nèi)蒙古自治區(qū)鄂爾多斯市東勝區(qū)、伊金霍洛旗、準(zhǔn)格爾旗，通遼市科爾沁左翼后旗、科爾沁中旗一部分，錫林郭勒盟太仆寺旗，興安盟扎赍特旗，山西省臨汾市蒲縣、鄉(xiāng)寧縣，呂梁市柳林縣、石樓縣，陜西省榆林市，延安市，寧夏回族自治區(qū)吳忠市鹽池區(qū)中部、同心縣有一部分，甘肅省白銀市白銀區(qū)，慶陽(yáng)市。低適生區(qū)面積25.79×104 km2，占適生區(qū)總面積的36.90%。

3" 討論

3.1" 模擬結(jié)果的可靠性

模型的選擇會(huì)直接影響預(yù)測(cè)結(jié)果的可靠性，不同模型預(yù)測(cè)結(jié)果差異較大［24］。已有研究［45-47］表明MaxEnt模型的預(yù)測(cè)結(jié)果與物種的實(shí)際分布情況最接近。本研究選用MaxEnt模型對(duì)黃花刺茄進(jìn)行潛在生境的預(yù)測(cè)，由于模型的預(yù)測(cè)會(huì)受到分布點(diǎn)空間聚集程度的影響，當(dāng)分布點(diǎn)具有高度的空間自相關(guān)性時(shí)，模型會(huì)過度擬合［48］。本研究為了防止過度擬合，對(duì)模型進(jìn)行了優(yōu)化同時(shí)對(duì)物種分布點(diǎn)數(shù)據(jù)進(jìn)行剔除確保一個(gè)柵格中只有一個(gè)分布點(diǎn)和環(huán)境數(shù)據(jù)的篩選，使輸出的AUC值更加準(zhǔn)確可信。本研究調(diào)用ENMeval包對(duì)模型進(jìn)行了優(yōu)化，預(yù)測(cè)結(jié)果更加準(zhǔn)確，經(jīng)過優(yōu)化后輸出的AUC值為0.868（圖2），表明該模型的可信度較高。

3.2" 影響黃花刺茄分布的主導(dǎo)環(huán)境因子

本研究經(jīng)過篩選得到9個(gè)環(huán)境因子，用刀切法計(jì)算出各環(huán)境因子的貢獻(xiàn)率。結(jié)果表明與水分有關(guān)的環(huán)境因子貢獻(xiàn)率共38.8%，與溫度有關(guān)的環(huán)境因子貢獻(xiàn)率共52.4%，可見溫度對(duì)黃花刺茄的影響較大，而水分影響較小。有研究表明黃花刺茄在干旱和潮濕的環(huán)境下均能生存［49］，且適合在低溫環(huán)境下生長(zhǎng)［50］，中國(guó)北方農(nóng)牧交錯(cuò)帶的西部地區(qū)溫度高，并不適合黃花刺茄的生長(zhǎng)，相比之下東部地區(qū)溫度較低。何莉莉等［50］在研究?jī)煞N入侵植物在遼寧省的分布格局中表明溫度是影響黃花刺茄的分布的主導(dǎo)環(huán)境因子，本研究支持這一結(jié)果，也驗(yàn)證了黃花刺茄的適生區(qū)主要分布在中國(guó)北方農(nóng)牧交錯(cuò)帶的東部這一結(jié)果。另外，本研究中風(fēng)速的貢獻(xiàn)率為8.8%，并且正則化訓(xùn)練增益中僅此變量的值也很高。作為影響黃花刺茄分布的次要環(huán)境因子，可能因黃花刺茄的種子通過風(fēng)、水流等方式傳播，且種子小，在成熟時(shí)以滾動(dòng)方式傳播，所以種子的傳播會(huì)受到風(fēng)速的影響［3］，進(jìn)而影響黃花刺茄的入侵。在風(fēng)速大的平原地區(qū)更容易受到黃花刺茄的侵害，北方農(nóng)牧交錯(cuò)帶的東部海拔較低，大部分為平原，種子更容易到達(dá)，進(jìn)行生長(zhǎng)繁殖。除此之外，黃花刺茄的適生分布也受到人為因素以及自身?xiàng)l件的影響。本研究?jī)H從環(huán)境因素考慮黃花刺茄的適生分布，未考慮種群競(jìng)爭(zhēng)、遺傳變異以及人類影響等其他因素，后續(xù)可以綜合考慮多種因素分析黃花刺茄的適生區(qū)分布，為精準(zhǔn)防控黃花刺茄的入侵提供科學(xué)依據(jù)。

3.3" 黃花刺茄在中國(guó)北方農(nóng)牧交錯(cuò)帶適生分布及入侵分析

本研究結(jié)果顯示黃花刺茄在北方農(nóng)牧交錯(cuò)帶的適生區(qū)總面積約占北方農(nóng)牧交錯(cuò)帶總面積的67.5%，主要集中在東部，中部有一部分，西部較少。北方農(nóng)牧交錯(cuò)帶的東部主要是內(nèi)蒙古自治區(qū)、吉林省、遼寧省以及河北省的一些地區(qū)，與黃花刺茄在中國(guó)北方農(nóng)牧交錯(cuò)帶的實(shí)際分布大致相同。鐘艮平等［51］用GARP預(yù)測(cè)黃花刺茄在中國(guó)的適生區(qū)表明黃花刺茄在華中、華北及華東地區(qū)的存在概率極高，而在華南地區(qū)分布概率極低，王瑞等［52］研究外來入侵植物黃花刺茄在中國(guó)的分布指出黃花刺茄的高適生區(qū)主要集中在溫帶地區(qū)。王子文［27］研究當(dāng)前氣候條件下黃花刺茄在遼寧省的適生區(qū)主要是在遼寧省的西部和南部地區(qū)，這與本研究的結(jié)果一致。這可能是因黃花刺茄原產(chǎn)地位于北美洲，屬于溫帶地區(qū)，其氣候條件和緯度與中國(guó)北方農(nóng)牧交錯(cuò)帶東部相當(dāng)［53］，溫度較低且濕潤(rùn)，而西部地區(qū)溫度相對(duì)較高且干旱，不符合黃花刺茄生長(zhǎng)條件。

黃花刺茄的入侵不僅與自身?xiàng)l件有關(guān)還與生境條件有關(guān)。Ridenour等［54］認(rèn)為入侵種的入侵性與其生物學(xué)特性密切相關(guān)，其中繁殖生物學(xué)特性的貢獻(xiàn)較高，黃花刺茄屬于r-對(duì)策者，種子結(jié)實(shí)量大，為復(fù)合休眠［55］。中國(guó)北方農(nóng)牧交錯(cuò)帶是農(nóng)業(yè)與畜牧業(yè)交錯(cuò)的過渡地帶，在這種生態(tài)系統(tǒng)交互的地帶，受氣候變化和人類活動(dòng)的影響，土地利用類型會(huì)經(jīng)歷頻繁的變化［56］。且由于土地利用類型的頻繁變化與牲畜的踩踏導(dǎo)致植被缺乏，風(fēng)沙災(zāi)害嚴(yán)重，生態(tài)環(huán)境惡劣，極易受到侵害，為黃花刺茄在中國(guó)北方農(nóng)牧交錯(cuò)帶的入侵提供了便利條件。

4" 結(jié)論

本研究結(jié)果表明溫度是影響黃花刺茄分布的主要環(huán)境因子，其次是水分和風(fēng)速；其中最濕季平均溫的適宜范圍為21.0～25.6℃，干旱度指數(shù)的適宜范圍為1116～2824，降雨量變異系數(shù)的適宜范圍為117.4～135.5，海拔的適宜范圍為181～905 m。

黃花刺茄在中國(guó)北方農(nóng)牧交錯(cuò)帶有廣闊的適生區(qū)，總面積為47.22×104 km2。其中核心適生區(qū)主要分布于中國(guó)北方農(nóng)牧交錯(cuò)帶的河北省、內(nèi)蒙古自治區(qū)、遼寧省以及吉林省，面積共21.43×104 km2。對(duì)于核心適生區(qū)的地區(qū)應(yīng)該進(jìn)行科學(xué)合理的滅除工作，以防止蔓延至周邊地區(qū)；對(duì)黃花刺茄的低、非適生區(qū)應(yīng)當(dāng)進(jìn)行監(jiān)測(cè)和預(yù)防，建立健全的監(jiān)測(cè)體制，做到早發(fā)現(xiàn)早治理，一旦發(fā)現(xiàn)黃花刺茄的入侵跡象應(yīng)及時(shí)進(jìn)行清除，以保護(hù)本地的生態(tài)環(huán)境持續(xù)健康發(fā)展。

參考文獻(xiàn)

［1］" 閆小玲，壽海洋，馬金雙. 中國(guó)外來入侵植物研究現(xiàn)狀及存在的問題［J］. 植物分類與資源學(xué)報(bào)，2012，34（3）：287-313

［2］" 呂飛南. 外來入侵植物刺萼龍葵潛在分布區(qū)預(yù)測(cè)及化學(xué)成分研究［D］. 沈陽(yáng)：沈陽(yáng)農(nóng)業(yè)大學(xué)，2020：9

［3］" 郭曉艷，張精哲，郭衛(wèi)東，等. 外來入侵植物-黃花刺茄的生物學(xué)特性、危害與防控［J］. 內(nèi)蒙古林業(yè)調(diào)查設(shè)計(jì)，2012，35（6）：73-75

［4］" 寇紫倩，劉煜光，彭偉秀，等. 外來植物刺萼龍葵對(duì)當(dāng)?shù)刂脖唤M成及多樣性的影響［J］. 林業(yè)與生態(tài)科學(xué)，2022，37（4）：466-472

［5］" 張文秀，寇一翾，張麗，等. 采用生態(tài)位模擬預(yù)測(cè)瀕危植物白豆杉5個(gè)時(shí)期的適宜分布區(qū)［J］.生態(tài)學(xué)雜志，2020，39（2）：600-613

［6］" GARZN M B，BLAZEK R，NETELER M，et al. Predicting habitat suitability with machine learning models：The potential area of Pinus sylvestris L. in the Iberian Peninsula［J］. Ecological Modelling，2006，197（3）：383-393

［7］" QIN Z，ZHANG J E，DITOMMASO A，et al. Predicting invasions of Wedelia trilobata （L.） Hitchc. with Maxent and GARP models［J］. Journal of Plant Research，2015，128（5）：763-75

［8］" SEMWAL D P，PANDEY A，GORE P G，et al. Habitat prediction mapping using BioClim model for prioritizing germplasm collection and conservation of an aquatic cash crop ‘makhana’ （Euryale ferox Salisb.） in India［J］. Genetic Resources and Crop Evolution，2021，68（8）：3445-3456

［9］" JARADAT A， KSIKSI T， MUZAFFAR S B. Current and future distribution modeling of Socotra cormorants using MaxEnt［J］. Diversity，2022，14（10）：840-840

［10］許仲林，彭煥華，彭守璋. 物種分布模型的發(fā)展及評(píng)價(jià)方法［J］. 生態(tài)學(xué)報(bào)，2015，35（2）：557-567

［11］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

［12］HERNANDEZ P A，GRAHAM C H，MASTER L L，et al. The effect of sample size and species characteristics on performance of different species distribution modeling methods［J］. Ecography，2006，29（5）：773-785

［13］賀一鳴，王馳，王海濤，等. 氣候變化對(duì)蒙古蕕潛在適生區(qū)的影響［J］. 草地學(xué)報(bào)，2023，31（2）：540-550

［14］MARIFATUL H S，MOHAMMED D，MUHAMMAD W，et al. Predicting potential invasion risks of Leucaena leucocephala （Lam.） de Wit in the arid area of Saudi Arabia［J］. Journal of Arid Land，2024，16（7）：983-999

［15］ZHANG Q Q，WANG J G，SUN Y，et al. Prediction of suitable areas and division of key monitoring zones for Solidago canadensis in Guizhou Province，China［J］. Environmental Research Communications，2024，6（2）：025013

［16］CHEN Z X，LI L L，WU K D，et al. Genomic insights into seed germination differences in buffalobur （Solanum rostratum Dunal.） under contrasting GA and ABA Availability［J］. Agronomy，2024，14（1）：212

［17］ZHANG L H， YI C Q， XIA X，et al. Solanum aculeatissimum and Solanum torvum chloroplast genome sequences：a comparative analysis with other Solanum chloroplast genomes［J］. BMC Genomics，2024，25（1）：412-412

［18］周全來，曹偉，張悅，等. 外來入侵植物刺萼龍葵的入侵特征與防治策略［J］. 生物安全學(xué)報(bào)，2023，32（4）：314-322

［19］張航，閆超杰，鄭壹鳴. 有毒入侵雜草刺萼龍葵的有效防控［J］. 中國(guó)海關(guān)，2023（10）：63

［20］寇紫倩，劉煜光，彭偉秀，等. 外來植物刺萼龍葵對(duì)土壤細(xì)菌群落結(jié)構(gòu)和功能的影響［J］. 西南農(nóng)業(yè)學(xué)報(bào)，2023，36（5）：974-982

［21］石凱，邵華，韓彩霞，等. 外來入侵植物刺萼龍葵（Solanum rostratum Dunal.）根際土壤真菌多樣性及其次生代謝產(chǎn)物的化感作用研究［J］. 土壤通報(bào)，2022，53（3）：548-557

［22］類延寶，肖海峰，馮玉龍.外來植物入侵對(duì)生物多樣性的影響及本地生物的進(jìn)化響應(yīng)［J］.生物多樣性，2010，18（6）：622-630

［23］郭佳，曹偉，張悅，等. 黃花刺茄在中國(guó)東北潛在分布區(qū)預(yù)測(cè)［J］. 草業(yè)科學(xué)，2019，36（10）：2476-2484

［24］齊開源，王雪麗，蘇雅樂，等. 基于MaxEnt模型的科爾沁沙地刺萼龍葵適宜生長(zhǎng)區(qū)預(yù)測(cè)［J］. 草業(yè)科學(xué)，2024，41（6）：1279-1287

［25］邱嘉琦，于德永. 中國(guó)北方農(nóng)牧交錯(cuò)帶生態(tài)系統(tǒng)服務(wù)空間格局及影響因子——以內(nèi)蒙古中西部地區(qū)為例［J］. 生態(tài)學(xué)報(bào)，2023，43（18）：7598-7609

［26］翟金玲. 黃花刺茄在張家口的分布、危害與防治［J］. 綠色科技，2019，21（11）：147-148

［27］王子文. 基于組合模型的遼寧省外來入侵植物曼陀羅和黃花刺茄適生區(qū)研究［D］. 沈陽(yáng)：遼寧大學(xué)，2023：3-32

［28］胡美珠. 內(nèi)蒙古入侵植物黃花刺茄（Solanum rostratum Dunal.）生態(tài)適應(yīng)性研究［D］.呼和浩特：內(nèi)蒙古師范大學(xué)，2012：6

［29］賀俊英，哈斯巴根，孟根其其格，等. 內(nèi)蒙古新外來入侵植物——黃花刺茄（Solanum rostratum Dunal.）［J］. 內(nèi)蒙古師范大學(xué)學(xué)報(bào)（自然科學(xué)漢文版），2011，40（3）：288-290

［30］賈星慧，李寶瑩，陳英. 有害植物黃花刺茄首現(xiàn)固陽(yáng)［N］. 包頭日?qǐng)?bào)，2011-05-17（1）

［31］宋國(guó)印，季開芳，楊敏潔. 巴林右旗黃花刺茄防治技術(shù)［J］. 內(nèi)蒙古林業(yè)，2013（7）：18

［32］田宗林，曾繼娟，王婭麗，等. 入侵植物黃花刺茄在寧夏的分布及風(fēng)險(xiǎn)評(píng)估［J］. 寧夏農(nóng)林科技，2021，62（8）：61-64

［33］賀俊英，蘇亞拉圖，哈斯巴根. 外來有害植物黃花刺茄在內(nèi)蒙古的入侵蔓延現(xiàn)狀［C］//中國(guó)植物學(xué)會(huì).生態(tài)文明建設(shè)中的植物學(xué)：現(xiàn)在與未來——中國(guó)植物學(xué)會(huì)第十五屆會(huì)員代表大會(huì)暨八十周年學(xué)術(shù)年會(huì)論文集——第2分會(huì)場(chǎng)：植物生態(tài)與環(huán)境保護(hù).呼和浩特：內(nèi)蒙古師范大學(xué)生命科學(xué)與技術(shù)學(xué)院，2013：105

［34］董河魚. 外來入侵植物黃花刺茄研究文獻(xiàn)統(tǒng)計(jì)分析［J］. 內(nèi)蒙古師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2015，44（4）：167-168，171

［35］朱耿平，喬慧捷. Maxent模型復(fù)雜度對(duì)物種潛在分布區(qū)預(yù)測(cè)的影響［J］. 生物多樣性，2016，24（10）：1189-1196

［36］邢丁亮，郝占慶. 最大熵原理及其在生態(tài)學(xué)研究中的應(yīng)用［J］. 生物多樣性，2011，19（3）：295-302

［37］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

［38］KASS J M，MUSCARELLA R，GALANTE P J，et al. ENMeval 2.0：Redesigned for customizable and reproducible modeling of species’ niches and distributions［J］. Methods in Ecology and Evolution，2021，12（9）：1602-1608

［39］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

［40］王曉帆，段雨萱，金露露，等. 基于優(yōu)化的最大熵模型預(yù)測(cè)中國(guó)高山櫟組植物的歷史、現(xiàn)狀與未來分布變化［J］. 生態(tài)學(xué)報(bào)，2023，43（16）：6590-6604

［41］林思亮，姚丹丹，姜洪雪，等. 基于優(yōu)化MaxEnt模型的板齒鼠Bandicota indica在中國(guó)適生區(qū)預(yù)測(cè)與分析［J］. 植物保護(hù)，2023，49（4）：92-100

［42］趙光華，崔馨月，王智，等. 氣候變化背景下我國(guó)酸棗潛在適生區(qū)預(yù)測(cè)［J］. 林業(yè)科學(xué)，2021，57（6）：158-168

［43］孟影，馬姜明，王永琪，等. 基于Maxent模型的檵木分布格局模擬［J］. 生態(tài)學(xué)報(bào)，2020，40（22）：8287-8296

［44］王綺，樊保國(guó)，趙光華. 氣候變化下毛榛在中國(guó)的潛在適生區(qū)預(yù)測(cè)［J］. 生態(tài)學(xué)雜志，2020，39（11）：3774-3784

［45］王國(guó)崢，耿其芳，肖孟陽(yáng)，等. 基于4種生態(tài)位模型的金錢松潛在適生區(qū)預(yù)測(cè)［J］. 生態(tài)學(xué)報(bào)，2020，40（17）：6096-6104

［46］宦智群，耿興敏，徐小蓉，等. 基于MaxEnt模型分析不同氣候變化情景下的黃心夜合（Michelia martinii）潛在地理分布［J］. 生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2023，39（10）：1277-1287

［47］呂彤，郭倩，丁永霞，等. 基于MaxEnt模型預(yù)測(cè)未來氣候變化情景下中國(guó)區(qū)域水稻潛在適生區(qū)的變化［J］. 中國(guó)農(nóng)業(yè)氣象，2022，43（4）：262-275

［48］甘瑞勛，唐莊生，花蕊，等. 氣候變化下子午沙鼠在中國(guó)的潛在分布分析［J］. 草地學(xué)報(bào)，2022，30（12）：3372-3380

［49］BASSETT I J，MUNRO D B. The biology of Canadian weeds.78. Solanum carolinense L. and Solanum rostratunm Dunal［J］. Canadian Journal of Plant Science，1986，66：977-991

［50］何莉莉，劉金昌，欒云松. 兩種入侵植物在遼寧省的分布格局與早期監(jiān)測(cè)預(yù)警［J］. 遼寧農(nóng)業(yè)科學(xué)，2022（6）：13-18

［51］鐘艮平，沈文君，萬方浩，等. 用GARP生態(tài)位模型預(yù)測(cè)刺萼龍葵在中國(guó)的潛在分布區(qū)［J］.生態(tài)學(xué)雜志，2009，28（1）：162-166

［52］王瑞，唐瑤，張震，等. 外來入侵植物刺萼龍葵在我國(guó)的分布格局與早期監(jiān)測(cè)預(yù)警［J］. 生物安全學(xué)報(bào)，2018，27（4）：284-289

［53］向俊，李翠妮，劉全儒，等. 北京外來入侵植物刺萼龍葵的生態(tài)狀況［J］. 生態(tài)學(xué)雜志，2011，30（3）：453-458

［54］RIDENOUR W M，CALLWAY R M. The relative importance of allelopathy in interference：the effects of an invasive weed on a native bunchgrass［J］. Oecologia，2001，126（3）：444-450

［55］WEI S H，ZHANG C X，CHEN X Z，et al. Rapid and effective methods for breaking seed dormancy in buffalobur （Solanum rostratum）［J］. Weed Science，2010，58（2）：141-146

［56］趙軍，李霞. 中國(guó)農(nóng)牧交錯(cuò)帶研究進(jìn)展［J］. 草業(yè)科學(xué)，2009，26（1）：94-99

（責(zé)任編輯" 付" 宸）