基于MaxEnt模型的天山雪蓮適宜分布區(qū)預(yù)測及影響因素分析

中圖分類號：Q948.112 文獻標(biāo)識碼：A 文章編號：1007-0435（2025）05-1544-13

Abstract：Exploring the impact of climate change on the potential distribution of Saussurea inuolucrata and pre dicting future scenarios is crucial for developing efective conservation strategies.This study used the MaxEnt model to predict suitable habitats of Saussurea inuolucrata in Xinjiang through 28 environmental variables and 39 occurrence points. Predictions covered the present （1970—2O00） and future periods （2041-2070 and 2071—21OO），and simulated under three greenhouse gas emission scenarios （SSPl26，SSP370，and SSP585）.The results indicated that，under current climate condition，the total suitable habitat area of Saussurea involucrata was 107100km² ，mainly distributing across the Altai Mountains，Tianshan，Bogda Peak， and Tomurti Peak.Suitable growth conditions included an average monthly precipitation of 15O-2OO mm during the warmest season，thin-layered soil，glacial soil， leached soils，an elevation range of 2800-3800m ，an NDVI of 0.03-0.7 ，and a slope of 50^°-73^° . These five factors were key constraints influencing its distribution. In future scenario，the suitable habitat areaof Saussurea inoolucrata showed adeclining trend，especiallyunder the SSP585 scenario，where the high-suitable area shrinked from 21 to 16600km² . However， the primary distribution areas remained unchange. To protect Saussurea involucrata，continuous monitoring of habitat changes and addressing potential future risks were essential.

Key words：Saussurea inuolucrata;MaxEnt Model; Environmental variables;Potential distribution

天山雪蓮（Saussureainvolucrata）是高山生態(tài)系統(tǒng)中的關(guān)鍵物種之一，具有重要的藥用和經(jīng)濟價值。由于生境破壞、非法采摘和氣候變化等因素的影響，天山雪蓮于1996年被列為國家二級保護植物，三級瀕危物種。2007年《新疆維吾爾自治區(qū)重點保護野生植物名錄（第一批）》將天山雪蓮列為一級重點保護野生植物。研究天山雪蓮的潛在分布區(qū)和環(huán)境因子的影響，有助于雪蓮保護區(qū)的建立和管理，并為人工栽培適宜區(qū)的選擇提供依據(jù)。

物種分布模型（Speciesdistribution models，SDMs）是模擬不同氣候情景下物種潛在適生區(qū)分布的主要工具，通過分析物種分布與環(huán)境之間的關(guān)系，以概率的形式表達物種對環(huán)境的喜好程度[1-2]。目前，越來越多的研究利用物種分布模型預(yù)測物種分布動態(tài)[3-4]，SDMs可以利用物種樣本和預(yù)測變量來擬合氣候變化下的物種的潛在分布5-6。隨著計算機技術(shù)和生態(tài)建模方法的發(fā)展，多種物種分布模型被開發(fā)和應(yīng)用于不同的研究場景中，如Rangebagging模型、廣義線性模型（Generalizedlinearmodels，GLM），隨機森林模型（Randomforest，RF）以及最大熵模型（Maximum entropy model，MaxEnt）等。每種模型在數(shù)據(jù)處理、模型復(fù)雜度及適用性上均有其優(yōu)勢與局限，Rangebagging模型通過隨機采樣和多模型集成來減少過擬合，提高模型穩(wěn)定性，適用于處理復(fù)雜的非線性數(shù)據(jù)，但其計算復(fù)雜度高和模型解釋性有限。GLM假設(shè)變量之間的線性關(guān)系，具有較強的解釋力和高效的計算速度，但難以應(yīng)對復(fù)雜的非線性生態(tài)系統(tǒng)[8]。RF通過集成學(xué)習(xí)方法來處理高維數(shù)據(jù)，能夠有效應(yīng)對數(shù)據(jù)噪聲和復(fù)雜性，但其結(jié)果的可解釋性較弱[9]。MaxEnt模型由Phillips等于2OO6年構(gòu)建[1o]，基于最大熵理論，能夠靈活處理復(fù)雜的非線性關(guān)系，特別適合處理僅有物種存在數(shù)據(jù)的場景，這使其成為生態(tài)學(xué)中常用的物種分布模型[11-13]。此外，MaxEnt在多項研究中表現(xiàn)出良好的適應(yīng)性和穩(wěn)定性，是目前預(yù)測效果最好、應(yīng)用最廣的物種分布模型[14-16]。

MaxEnt模型常用于預(yù)測物種的潛在地理分布，識別物種的高適生區(qū)或高風(fēng)險區(qū)，從而為管理物種提供一種有效的方法。例如，萬廣珍等通過MaxEnt模型對蒙古黃芪［Astragalusmembranaceus（Fisch.）Bge.var.mongholicus（Bge.）]在甘肅省的潛在適生區(qū)進行模擬研究發(fā)現(xiàn)，甘肅省蒙古黃芪的適生區(qū)面積均呈縮小趨勢，尤其是高適生區(qū)面積大幅度縮小，為保持蒙古黃芪資源連續(xù)性提供基礎(chǔ)[17]；王森源等對蒙古白麗蘑（Leucocalocybemongolica）的適生分布區(qū)進行研究發(fā)現(xiàn)蒙古白麗蘑最佳適生區(qū)和高適生區(qū)向高緯度轉(zhuǎn)移，為蒙古白麗蘑的野生資源保護提供理論依據(jù)[18]；王曉帆等采用優(yōu)化后的MaxEnt模型預(yù)測高山櫟組（Quercussect.Heterobalanus）植物潛在適生區(qū)分布格局變化發(fā)現(xiàn)各個時期間高山櫟組植物的適生區(qū)面積差異較大，當(dāng)代潛在適生區(qū)面積最小且破碎化最嚴(yán)重，為應(yīng)對氣候變化背景下的植物保護策略提供了參考[19]。此外，利用MaxEnt模型模擬梅花草（Parnassiawightiana）[20]、麻風(fēng)樹（Jatrophacurcas）[21]、爪哇荊棘（Polygonatum kingianum）[22]、黨參（Codonopsis pilo-sula）[23]、川貝母（Fritillaria cirrhosa D.Don）[24]、太白米（Notholirionbulbuliferum）[25]等物種的潛在適生區(qū)及質(zhì)心變化也取得了較好的結(jié)果。這些研究不僅預(yù)測了未來氣候變化對物種適生區(qū)的影響，還探討了歷史氣候變化對分布的作用，進一步加深了對物種應(yīng)對氣候變化機制的理解，為制定物種保護和管理策略提供了重要參考。MaxEnt模型基于已知的物種分布信息進行潛在適宜區(qū)域的預(yù)測，不僅可以最大化利用現(xiàn)有環(huán)境數(shù)據(jù)，還能在分布數(shù)據(jù)稀少的情況下提供可靠的預(yù)測結(jié)果[26-29]。

近年來，新疆通過設(shè)立保護區(qū)、加強生態(tài)監(jiān)測和限制人類干擾等措施對天山雪蓮進行保護。然而，隨著氣候變化的加劇，天山雪蓮的生存環(huán)境面臨嚴(yán)峻挑戰(zhàn)。為此，本研究基于MaxEnt模型，對未來氣候變化情景下新疆天山雪蓮的生境適宜區(qū)分布及其主要影響因子進行研究，主要目標(biāo)包括：（1）探測影響天山雪蓮分布的主要環(huán)境因子，明確影響其分布的關(guān)鍵環(huán)境因子，分析關(guān)鍵環(huán)境因子的適宜范圍；（2）分析氣候變化下天山雪蓮適生區(qū)的空間分布，為保護區(qū)建立和制定保護政策提供依據(jù)。

1 材料與方法

1.1天山雪蓮地理分布數(shù)據(jù)獲取

本研究使用三種方法獲取天山雪蓮的自然分布點數(shù)據(jù)。（1）物種數(shù)據(jù)庫。來源于全球生物多樣性信息網(wǎng)絡(luò)數(shù)據(jù)庫GBIF（GlobalBiodiversityInformation Facility：https：//www.gbif.org/）、中國數(shù)字植物標(biāo)本館（CVH：https：//www.cvh.ac.cn）、植物信息與生態(tài)網(wǎng)絡(luò)BIEN（BotanicalInformation and Ecology Network：https：//bien. nceas.

ucsb.edu）。（2）科學(xué)文獻中精確分布的記錄。（3）現(xiàn)場調(diào)查。2022—2023年，在新疆維吾爾自治區(qū)巴音郭勒蒙古自治州和靜縣、博格達峰等地開展雪蓮的野外調(diào)查，并記錄每個樣點的經(jīng)度、緯度和生境特征（如海拔、土壤、植被等）。最終得到39個天山雪蓮有效分布點位數(shù)據(jù)，分布在山谷，水邊或山坡的石縫中如表1、圖1所示。本研究使用的新疆地圖從中國行政區(qū)劃網(wǎng)（https：//xzqh.mca.gov.cn/map）下載的審圖號為GS（2022）1873號的標(biāo)準(zhǔn)地圖。

1.2天山雪蓮生長相關(guān)的環(huán)境變量

1.2.1環(huán)境變量的獲取結(jié)合天山雪蓮點位的生境特征，選取28個可能影響天山雪蓮分布的環(huán)境因子，其中包括19個歷史氣候因子數(shù)據(jù)和9個其他環(huán)境因子，歷史氣候因子數(shù)據(jù)：從Worldclim2.1（https：//worldclim.org/）中下載歷史時期（1970—2000年） 30^′′ （約1km）的數(shù)據(jù)，主要包括bio_1到bio_19（見表2）。其他環(huán)境因子：

（1）地形因子：地形數(shù)據(jù)從地理空間數(shù)據(jù)云獲得（https：//www. gscloud. cn/） ，高程數(shù)據(jù)分辨率為 90m 經(jīng)過ArcGIS的處理獲取新疆的海拔、坡度和坡向數(shù)據(jù)。

（2）土壤因子：土壤pH值和土壤類型，來源于全球土壤pH值和中國1：400萬土壤類型圖。

（3）地貌：冰川、侵蝕、河谷和其他地貌、山地平原地貌。

（4）河流數(shù)據(jù)：距離河流的距離，以河道為中心，每 1km 做緩沖區(qū)。

（5）歸一化植被指數(shù)（Normalizeddifferencevegetationindex，NDVD：2000—2020年中國 30m 分辨率最大NDVI數(shù)據(jù)集是基于GoogleEarthEngine云計算平臺，利用全年所有Landsat5/7/8遙感數(shù)據(jù)，通過去云去陰影得到所有的Landsat有效觀測數(shù)據(jù)多年逐像元最大NDVI。

以上環(huán)境因子在模擬未來潛在分布時保持不變，以保持模式在時空序列上的可比性。

未來氣候因子數(shù)據(jù)：未來生物氣候變量數(shù)據(jù)來自CHELSACMIP6情景數(shù)據(jù)，該數(shù)據(jù)庫是地球陸地表面區(qū)域的高分辨率氣候數(shù)據(jù)庫（https：//chelsaclimate.org/）[30]。包含未來兩個不同時段（2041—2070年、2071一2100年）的氣候數(shù)據(jù)集，選用共享社會經(jīng)濟路徑（SharedSocio-EconomicPathways，簡稱SSP）下三種氣候情景數(shù)據(jù)：SSP126，SSP370和SSP585。SSP126代表了溫室氣體排放水平低的可持續(xù)發(fā)展情景，到2100年其輻射強迫為 2.6W?m^-2 SSP370代表了未來排放和變暖的中高端水平，到2100年其輻射強迫為 7.0W?m^-2 ；SSP585代表了高溫室氣體排放和大規(guī)模使用化石燃料的情景，到2100年其輻射強迫為 8.5W?m^-2[31]

1.2.2環(huán)境變量的預(yù)處理及篩選利用ArcGIS對原始數(shù)據(jù)進行處理，包括去除無效數(shù)據(jù)，填補缺失值數(shù)據(jù)標(biāo)準(zhǔn)化處理由于不同環(huán)境變量之間存在相關(guān)性，在避免變量之間的相關(guān)性對預(yù)測結(jié)果的影響以及計算變量的貢獻度時，需要保證模型的精度和準(zhǔn)確性。環(huán)境變量篩查過程分為兩步：（1）將28個環(huán)境變量和樣本點納人MaxEnt模型并運行，去除運行結(jié)果中貢獻率為0的環(huán)境變量；（2）利用GIS主成分分析工具對其余環(huán)境變量進行主成分分析，若兩個環(huán)境變量之間的相關(guān)系數(shù)絕對值大于0.8，則剔除貢獻率較小的環(huán)境變量。最終剩余14個環(huán)境因子（表3）。

1.3MaxEnt模型建立

最大熵模型是基于最大熵原理，由Phillips等人于2004年提出的一種評估和預(yù)測自標(biāo)區(qū)物種可能分布的概率建模方法[10]。本研究設(shè)置 75% 的天山雪蓮分布點作為訓(xùn)練集，另外 25% 作為測試集[32-33]。采用受試者工作特征曲線（Receiver operatingcharacteristiccurve，ROC）和曲線下面積（Areaunderthecurve，AUC）驗證模型的準(zhǔn)確性。

將MaxEnt模型結(jié)果文件利用空間分析工具中的再分類工具，采用Jenks自然間斷點分類法對模型模擬結(jié)果進行分類[34-35]。Jenks 自然間斷點分類是一種對數(shù)據(jù)進行分類的方法，通常用于將一組數(shù)據(jù)分為不同的類別，并使每個類別內(nèi)的差異盡可能小，類別間的差異盡可能大，統(tǒng)計每類中的柵格數(shù)量，計算不同氣候情景下適宜棲息地的面積。將模型模擬結(jié)果分為4類：非適生區(qū) （0～0.08） 、低適生區(qū) （0.08～ 0.26）、中適生區(qū) （0，26～0.48） 和高適生區(qū)（ gt; 0.48），得到天山雪蓮在新疆可能的地理分布區(qū)域。

2 結(jié)果與分析

2.1MaxEnt模型精度驗證

14個環(huán)境變量之間的相關(guān)系數(shù)均小于0.8，滿足生境適宜性評價的精度要求。采用受試者工作特征曲線（ROC）的線下面積（AUC）來衡量模型的模擬精度。AUC值取值范圍為0到1，數(shù)值越接近1，說明預(yù)測越準(zhǔn)確。AUC取值范圍對應(yīng)如下：0.5～0.6 表示失敗， 0.6～0.7 表示較差， 0.7～0.8 表示一般， 0.8～0.9 表示較好， 0.9～1.0 表示優(yōu)秀[36]。經(jīng)過訓(xùn)練集和測試集重復(fù)運算10次后的結(jié)果見圖2。在本研究中，MaxEnt軟件在模型檢驗過程中運行10次得到的AUC均值為0.958（±0.001） ，預(yù)測范圍符合實際分布，此外，對未來模擬的AUC值均大于0.979，表明該模型在預(yù)測結(jié)果良好準(zhǔn)確，可用于天山雪蓮適生區(qū)分布的研究。

2.2天山雪蓮潛在地理分布的影響因素

2.2.1各變量對MaxEnt預(yù)測模型構(gòu)建結(jié)果的影響通過MaxEnt模型的貢獻百分比、置換重要值和Jackknife檢驗來綜合評估環(huán)境因子的重要程度[2，其中貢獻百分比是MaxEnt模型在訓(xùn)練過程中給出的各氣候因子對植被地理分布的貢獻值；置換重要性是將訓(xùn)練樣點的氣候因子隨機替換后進行模型模擬結(jié)果得到的AUC值減少程度，減少值越大表明模型高度依賴該變量。由表5可知最暖季月平均降水量（bio_18）的百分貢獻率和置換重要性都占絕對優(yōu)勢。

各環(huán)境變量對MaxEnt模型的貢獻（圖3）表明，最暖季月平均降水是天山雪蓮潛在分布的主要限制因素，單因素貢獻率為 58.5% 。其次是土壤類型、最冷季月平均降水量、植被指數(shù)和坡度，前5個環(huán)境因子的貢獻率為91. 4% 。置換重要性值是對每個環(huán)境因素在背景訓(xùn)練存在數(shù)據(jù)上的值的隨機替換，值越大表示對該特定變量的依賴程度越高。在置換重要性方面，最暖季月平均降水、土壤類型、最干旱季度的月平均溫度、河流和最冷季降水量是5個最重要的環(huán)境變量。

2.2.2各變量對天山雪蓮分布的重要性一刀切法的檢驗結(jié)果Jackknife方法類似于交叉驗證，每次先排除一個或者多個樣本點，然后用剩下的樣本點求一個相應(yīng)的統(tǒng)計量；分析單個變量在建立分布模型時的重要性，圖4給出了Jackknife法分析單個變量在建立模型時的重要性：對每個變量而言，紅色條帶表示所有氣候因子對雪蓮屬進行模擬時的得分值；深藍色條帶表示只用某一個氣候因子對天山雪蓮分布進行模擬時的得分值，得分值越高表明該氣候因子越重要；綠色條帶表明去除該氣候因子時，用其他氣候因子對天山雪蓮地理分布進行模擬時的得分值[35]。

Jackknife刀切法交叉驗證實驗結(jié)果（圖4）表明，單獨使用時增益最大的環(huán)境變量為最暖季月平均降水量、海拔、最干旱季度的月平均溫度、土壤類型和坡度，說明這些環(huán)境因子包含了一些其他環(huán)境因子所不包含的信息。此外，最暖季月平均降水量的正則化訓(xùn)練增益值、測試增益值和AUC值最高，其正則化訓(xùn)練增益大于2.1，測試增益大于2.3，受試者工作特征曲線下的面積大于0.95，得分最高，因此最暖季月平均降水量被認(rèn)為是預(yù)測天山雪蓮分布的主要氣候限制條件，其次為海拔，最干旱季度的平均溫度、土壤類型和坡度，對物種分布影響較大。相反，坡向得分顯著低于其他變量，表明它在預(yù)測過程中含有較多的特殊環(huán)境信息。綜上，刀切法的分析結(jié)果表明，最暖季月平均降水量、海拔、最干旱季度的月平均溫度、土壤類型和坡度是影響天山雪蓮分布的關(guān)鍵生物氣候變量。

2.2.3各主導(dǎo)因子響應(yīng)曲線通過繪制響應(yīng)曲線，可以更好的了解天山雪蓮的分布。綜合考慮百分貢獻率、置換重要性和刀切法檢驗結(jié)果，最暖季月平均降水量、土壤類型、海拔、植被指數(shù)和坡度是影響天山雪蓮分布的最重要因子。各主導(dǎo)環(huán)境因子與分布概率之間的響應(yīng)曲線如圖5所示，根據(jù)環(huán)境因子變量響應(yīng)曲線來判斷天山雪蓮的存在概率與環(huán)境因子之間的關(guān)系，當(dāng)天山雪蓮存在概率大于

0.5時，認(rèn)為所對應(yīng)的環(huán)境因子的值有利于天山雪蓮的生長。

天山雪蓮分布概率隨最暖季度月平均降水量增加而表現(xiàn)出先增大后減小的趨勢，最暖季月平均降水量在 150～200mm 左右有利于天山雪蓮的生存，降水量在 165mm 左右時分布概率達到最大值，此時分布概率為 65% ，降水量超過 165mm 左右時，分布概率逐漸下降。從土壤類型響應(yīng)曲線上看，薄層土、冰川、淋溶土更適合天山雪蓮的生長，土壤類型為薄層土?xí)r分布概率最大為 53% 。NDVI響應(yīng)曲線看，NDVI值大于0.03時，利于天山雪蓮生長，NDVI值在0.08左右時，分布概率達到最大，為 72% 左右，之后分布概率逐漸減小，與調(diào)查的大部分區(qū)域相符，天山雪蓮主要生長在流石灘與石縫裂隙，植被生長稀疏。但也有石質(zhì)基底的高寒草甸長有雪蓮，同時植被指數(shù)較高，此外，海拔和坡度指標(biāo)分布概率隨坡度增大表現(xiàn)出先增大后減小的趨勢，海拔范圍在 2800～3800m 時適宜天山雪蓮的生長， 3000m 左右時分布概率達到最大為 65% ，坡度范圍在 50^°～73^° 左右時利于天山雪蓮生長，在 20^°～66^° 左右分布概率隨坡度增加而增大，最大概率達到 70% ，坡度超過 66^° 時，分布概率急劇下降。綜合上述分析表明，夏季水分和土壤類型是天山雪蓮在新疆分布主要限制因子。同時，最干旱季度的月平均溫度、坡度、植被指數(shù)和海拔等環(huán)境因子也對其空間分布具有顯著影響。

2.3天山雪蓮在當(dāng)前氣候條件下的適生區(qū)

將天山雪蓮的潛在分布區(qū)劃分為多個區(qū)域，得到天山雪蓮潛在分布區(qū)如圖6所示。在當(dāng)前氣候情景下，新疆天山雪蓮總適生區(qū)面積達 10.71×10⁴ km² ，占新疆總面積的 6.55% ，其中高適生區(qū)面積為2.12×10⁴km² ，占新疆總面積的 1.29% ，主要分布在新疆北部阿爾泰山山區(qū)、新疆中部天山山區(qū)、天山北部博格達峰、東天山的托木爾峰。

利用ArcGIS軟件對天山雪蓮在新疆的潛在分布區(qū)進行行政區(qū)劃，得到天山雪蓮適生區(qū)排名前11潛在分布區(qū)。結(jié)合圖7可以看出，巴音郭楞蒙古自治州天山雪蓮適生區(qū)面積最大，為 3.76× 10⁴km² ，可作為雪蓮保育基地。其次是伊犁哈薩克自治州 1.86×10⁴km²， 阿勒泰地區(qū) 1.29× 10⁴km² 、阿克蘇地區(qū) 1.05×10⁴km² 和塔城地區(qū)0.89×10⁴km² 。相比之下，克拉瑪依市、和田地區(qū)、喀什地區(qū)等則不適宜天山雪蓮的存活和分布，幾乎沒有天山雪蓮。

2.4未來氣候變化情景下天山雪蓮的潛在分布變化

本研究利用MaxEnt模型，根據(jù)IPCC（SSP1-RCP2.6，SSP3-RCP7.0，SSP5-RCP8.5）中提出的三種常見的社會經(jīng)濟路徑，基于3種未來氣候變化情景，預(yù)測了2041—2070和2071—2100兩個不同時段天山雪蓮的地理分布如圖8。結(jié)合圖6和圖8可以看出，未來天山雪蓮潛在適宜區(qū)減少，空間分布格局與當(dāng)前時期較為一致。

同時，綜合表4可以看出，在SSP126情景下，2041一2070年的雪蓮屬潛在總適生區(qū)面積為8.45×10⁴km² ，比當(dāng)前氣候條件下面積下降了21. 16% ，2071—2100年潛在適生區(qū)面積為 8.89× 10⁴km² ，比當(dāng)前氣候條件下下降了 17.01% ；在SSP370情境下，2041—2070年的雪蓮屬潛在總適生區(qū)面積為 8.59×10⁴km² ，比當(dāng)前氣候條件下面積下降了 19.85% ，2071—2100年潛在適生區(qū)面積為8.86×10⁴km² ，比當(dāng)前氣候條件下下降了 17.32% 在SSP585情境下，2041—2070年的雪蓮屬潛在總適生區(qū)面積為 8.77×10⁴km² ，比當(dāng)前氣候條件下面積下降了 18.09% ，2071—2100年潛在適生區(qū)面積為 8.91×10⁴km² ，比當(dāng)前氣候條件下下降了16.86% 。綜上，未來3種排放情境下，天山雪蓮的總適生區(qū)面積均略有減少，下降幅度在 16% 至 21% 之間。

3討論

3.1 模型評價

MaxEnt模型被用于預(yù)測天山雪蓮的適生區(qū)，這與預(yù)測新疆有毒雜草分布[37]和雪嶺云杉潛在分布的研究38相類似。MaxEnt模型的優(yōu)勢在于它能夠處理高維度數(shù)據(jù)，且在數(shù)據(jù)不完整的情況下仍具備較高的預(yù)測精度。本研究使用的MaxEnt模型模擬結(jié)果的AUC值均在0.9以上，顯示了很高的準(zhǔn)確度。同時，研究考慮了28個環(huán)境因子，經(jīng)過篩選后最終選取了對模型貢獻率較高的14個關(guān)鍵因子。通過精細化處理環(huán)境因子的組合，不僅提升了模型的空間精度，也增強了模型的適用性和預(yù)測結(jié)果的準(zhǔn)確性。相比之下，廖劍鋒等[39]的研究中所使用的關(guān)鍵因子較少，主要側(cè)重于溫度和降水的影響，而本研究不僅涵蓋了這些氣候因子，還綜合考慮了土壤類型、植被和地形等雪蓮生境多種因素，這使得模型更加全面，預(yù)測結(jié)果也更加精確。此外，李曉辰等[38雖然也考慮了不同的氣候情景（如RCP2.6和RCP6.O），但其時間范圍僅延伸到2080年。本研究則通過納入更多的氣候情景（如SSP126，SSP370，SSP585和更長的時間跨度（至2100年），深入展示了氣候變化對天山雪蓮未來分布的深遠影響。這種細致化的處理不僅提高了模型的空間精度，還在時間維度上進一步展現(xiàn)了氣候變化對物種長期生存的影響，保證了研究分析的全面性和客觀性。雪蓮生長環(huán)境苛刻，分布在高山懸崖峭壁或流石灘上，觀測點道路崎嶇，數(shù)據(jù)難以獲取，雪蓮潛在分布預(yù)測研究結(jié)果顯示，未來氣候變化將顯著影響雪蓮的適生區(qū)面積，在各種情境下，適生區(qū)破碎化嚴(yán)重，并呈現(xiàn)減少趨勢，本研究與先前的研究結(jié)果一致4%。然而，對于分布點較少的珍稀物種，Rangebagging模型逐漸成為一種更為有效的替代方法，未來研究中，將考慮Rangebagging等模型與MaxEnt模型相結(jié)合，以進一步提高模擬的準(zhǔn)確性和可靠性。

3.2 影響天山雪蓮分布的主要環(huán)境因子

根據(jù)結(jié)果可以看到，最暖季月平均降水量（bio_18）、土壤類型（soil_symbol）、海拔（Elevation）、植被指數(shù)（NDVI）和坡度（Slope）對天山雪蓮的分布影響較為明顯。降水量是影響天山雪蓮分布的主要因素，天山雪蓮生長于海拔較高的巖石、山坡，降水量的變化會直接影響土壤濕度和植被生長狀況，根據(jù)響應(yīng)曲線可知最暖季月平均降水量（bio_18）在150～200mm 。實際考察中發(fā)現(xiàn)，除氣候因子外，地形、地貌因子也對物種分布起作用，因此本研究加入了這些環(huán)境因子，進行模型構(gòu)建。已有研究表明天山雪蓮的生長環(huán)境十分惡劣，處于海拔較高的高山冰、流石灘或石縫中，一般植物難以生長[41]，這與本研究結(jié)果中天山雪蓮在薄層土、冰川、淋溶土，海拔 3000m 左右時、坡度為 66^° 左右時和NDVI值為0.08左右時分布概率最高相契合。然而，太陽輻射、土壤養(yǎng)分（如有機質(zhì)、總鹽）等因子的潛在影響不可忽視，未來研究可隨著數(shù)據(jù)的完善，將其納入進行深入分析。

3.3天山雪蓮潛在適生區(qū)的分布

天山雪蓮的適生區(qū)主要集中在高海拔地區(qū)，海拔范圍 2800m 至 3800m ，與實際收集到的分布點坐標(biāo)和海拔基本一致，表明模型模擬效果良好。當(dāng)前和未來氣候情景下，新疆天山雪蓮潛在適生區(qū)主要分布在巴音郭勒蒙古自治州和靜縣山區(qū)、伊犁哈薩克自治州新源縣山區(qū)、昌吉回族自治州的博格達峰、哈密市的托木爾峰，以及阿勒泰地區(qū)的阿爾泰山，這些地區(qū)天山雪蓮生長概率較高，本次預(yù)測結(jié)果與陳艷瑞等整理的天山雪蓮分布區(qū)基本一致[41]。本研究選擇了共享社會經(jīng)濟路徑（SSP）下的三種氣候情景（SSP126，SSP370和SSP585）分析了未來氣候變化對天山雪蓮適生區(qū)的影響。結(jié)果顯示，在所有情景下，高適生區(qū)面積均顯著減少，尤其是在高排放情景（SSP585）下表現(xiàn)尤為明顯。當(dāng)前高適生區(qū)面積為 2.12×10⁴km² ，未來氣候條件下該面積明顯縮小。在SSP126情景中，2041—2070年期間高適生區(qū)面積有所減少，但在2071—2100年略有回升至 1.74×10⁴km² ，而在SSP585情景下，高適生區(qū)面積進一步縮減至 1.66×10⁴km² ，表明高海拔和寒冷環(huán)境的適生條件受氣候變化的破壞最大。這樣的變化可能會加劇天山雪蓮的生存壓力，進一步降低其生境的適宜性?？傮w來看，天山雪蓮的潛在適生區(qū)面積從現(xiàn)在到未來呈現(xiàn)減少趨勢，可能與二氧化碳排放增加以及人類活動導(dǎo)致的生境破壞有關(guān)。在適生區(qū)分布上，Zhao等4的研究表明，雪蓮屬植物的適生區(qū)主要集中在青藏高原及其周邊高海拔地區(qū)，未來氣候情景下適生區(qū)面積也呈現(xiàn)減少趨勢。我們的研究結(jié)果與其基于MaxEnt模型的預(yù)測一致，均顯示氣候變化將顯著減少適生區(qū)面積。此外，本研究發(fā)現(xiàn)天山雪蓮的適生區(qū)主要集中在新疆天山山脈的高海拔地區(qū)，這與李曉辰等[38]關(guān)于新疆雪嶺云杉的分布預(yù)測一致，均表明高海拔地區(qū)植物的適生區(qū)受氣候變化影響較大，未來可能會出現(xiàn)分布區(qū)的減少或遷移。

本研究在新疆區(qū)域尺度上進行預(yù)估，如果從中國尺度或全球尺度結(jié)論會更加完善。張喜娟等在區(qū)域尺度上對興安落葉松（Larixgmelinii）在中國東北地區(qū)的分布進行預(yù)測，發(fā)現(xiàn)興安落葉松主要分布在大興安嶺國有林區(qū)和小興安嶺國有重點林區(qū)的東北部，并且在未來情境下適生區(qū)喪失較多[42]。楊志香等在全國尺度上對興安落葉松進行預(yù)測，得到興安落葉松主要分布于黑龍江大部分地區(qū)、內(nèi)蒙古東北部和吉林北部[43]，這兩種尺度預(yù)測出的結(jié)果分布區(qū)相似，但適生區(qū)面積相差結(jié)果較大，進而影響預(yù)測結(jié)果，因此選擇合適的研究尺度對物種分布預(yù)測研究至關(guān)重要。

4結(jié)論

本研究基于39個天山雪蓮分布點，從28個環(huán)境因子中選取14個因子，通過MaxEnt模型對新疆天山雪蓮的適生區(qū)進行預(yù)測，發(fā)現(xiàn)天山雪蓮適生區(qū)主要分布在天山中部、西部、北部及阿爾泰山，高適生區(qū)為天山雪蓮保護關(guān)鍵區(qū)域。影響天山雪蓮分布的主要因子有最暖季月降水量、土壤類型、海拔、植被指數(shù)和坡度。未來情景下，天山雪蓮適生區(qū)呈分布破碎化和收縮的趨勢，尤其在SSP585情景下，高適生區(qū)面積顯著減少，合理的保護區(qū)設(shè)置和措施對野生天山雪蓮的保護和培育至關(guān)重要。

參考文獻

[1]YANGWJ，SUNSX，WANGNX，et al.Dynamics of thedistribution of invasivealien plants（Asteraceae）in Chinaunderclimatechange[J].Science of the Total Environment，2023，903：166260

[2]ZHAO YH，WEN YF，ZHANG WQ，et al.Distribution pat-tern and change prediction of Phellodendron habitat in Chinaunderclimatechange[J].Ecologyand Evolution，2O23，13（8）：e10374

[3]莫忠妹，康公平，于海英，等．未來氣候背景下的我國野生薤白潛在適生區(qū)預(yù)測[J].中藥材，2023，46（8）：1894-1900

[4]劉陽，苗晨，王鶴松.氣候變化對落葉松人工林在中國適生區(qū)分布的影響[J].生態(tài)學(xué)報，2023，43（23）：9686-9698

[5]張世林，高潤紅，高明龍，等．氣候變化背景下中國樟子松潛在分布預(yù)測[J].浙江農(nóng)林大學(xué)學(xué)報，2023，40（3）：560-568

[6]賈翔，馬芳芳，周旺明，等．氣候變化對闊葉紅松林潛在地理分布區(qū)的影響[J].生態(tài)學(xué)報，2017，37（2）：464-473

[7]DRAKE JM. Range bagging： a new method for ecologicalniche modelling from presence-only data[J]．Journal of theRoyalSociety，Interface，2015，12（107）：20150086

[8]SMITH-RAMIREZ C， CASTILLO-MANDUJANOJ，BECERRA P，et al. Recovery of Chilean Mediterranean veg-etation after different frequencies offires[J].Forest Ecologyand Management，2021，485：118922

[9]GIGOVICL，POURGHASEMI H R，DROBNJAK S，et al.Testing a new ensemble model based on SVM and randomforest in forest fire susceptibility assessment and its mapping inSerbia'sTaraNationalPark[J].Forests，20l9，1O（5）：408

[10]PHILLIPSSJ，ANDERSONRP，SCHAPIRERE.Maxi-mum entropy modeling of species geographic distributions[J].Ecological Modelling，2006，190（3/4）：231-259

[11]應(yīng)凌霄，劉曄，陳紹田，等．氣候變化情景下基于最大熵模型的中國西南地區(qū)清香木潛在分布格局模擬[J].生物多樣性，2016，24（4）：453-461

[12]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

[13］孔維堯，李欣海，鄒紅菲．最大熵模型在物種分布預(yù)測中的優(yōu)化[J].應(yīng)用生態(tài)學(xué)報，2019，30（6）：2116-2128

[14]郭彥龍，趙澤芳，喬慧捷，等.物種分布模型面臨的挑戰(zhàn)與發(fā)展趨勢[J]．地球科學(xué)進展，2020，35（12）：1292-1305

[15］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，2023，31（11）：3514-3524

[16］宋晴，付鴻莉，王鐵梅，等．興安盟草原灌叢植被潛在適生區(qū)分布模擬分析[J].草地學(xué)報，2024，32（2）：579-587

[17］萬廣珍，羅永慧，張鼎新，等．基于最大熵模型的甘肅省蒙古黃芪潛在適生區(qū)預(yù)測及生態(tài)特征分析[J].中國中醫(yī)藥信息雜志，2024，31（1）：1-5

[18］王森源，寶秋利，包玉英，等.基于MaxEnt模型的蒙古白麗蘑適生區(qū)預(yù)測[J].菌物學(xué)報，2023，42（10）：2141-2151

[19］王曉帆，段雨萱，金露露，等．基于優(yōu)化的最大熵模型預(yù)測中國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，2023，43（16）：6590-6604

[20]DAIXS，WUW，JIL，etal.MaxEntmodel-based predictionofpotential distributions of Parnassiawightiana（Celastraceae）in China[J].Biodiversity Data Journal，2O22，1O：e81073

[21]LIU G L，MAI JF.Habitat shifts of Jatropha curcas L. in theAsia-Pacific region under climate change scenarios[J]. Energy，2022，251：123885

[22]GUOYX，ZHANGSY，TANGSC，et al.Analysisof theprediction ofthe suitable distributionof Polygonatum kingia-numunder different climatic conditions based on the MaxEntmodel[J]. Frontiers in Earth Science，2023，11：1111878

[23]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(yù)測[J].應(yīng)用生態(tài)學(xué)報，2017，28（3）：992-1000

[24］王娟娟，曹博，白成科，等.基于Maxent和ArcGIS預(yù)測川貝母潛在分布及適宜性評價[J].植物研究，2014，34（5）：642-649

[25]車樂，曹博，白成科，等.基于MaxEnt和ArcGIS對太白米的潛在分布預(yù)測及適宜性評價[J].生態(tài)學(xué)雜志，2014，33（6）：1623-1628

[26］焦鑫宇，龍梅，劉志雄．應(yīng)用最大熵模型預(yù)測我國野生蕙蘭潛在適生區(qū)分布及其影響因素[J.東北林業(yè)大學(xué)學(xué)報，2023，51（7）：96-101，122

[27］張雪梅，劉濤，任世杰，等.基于MaxEnt模型的3種野生牧草西藏地區(qū)潛在適生區(qū)分析[J].草地學(xué)報，2023，31（8）：2314-2322

[28」賈文茜，陳英英，陳正洪，等．基于MaxEnt模型的湖北煙區(qū)潛在適宜性分布及其環(huán)境特征分析[J].華中農(nóng)業(yè)大學(xué)學(xué)報，2024，43（1）：100-107

[29］韓夢麗，白史且，孫盛楠，等．基于MaxEnt模型青藏高原老芒麥適生區(qū)模擬預(yù)測[J].草地學(xué)報，2021，29（2）：374-382

[30]KARGERDN，CONRADO，BOHNERJ，etal.Climatologies at high resolution for the earth’s land surface areas[J]. Sci-entificData，2017，4：170122

[31]李欣蕊，氣候變化對青藏高原哺乳動物分布影響研究[D].蘭州：蘭州大學(xué)，2023：83

[32]SUNRZ，TONG GJ，ZHANGQ，et al. A study on the suit-ableareas for growing apricot kernels in China based on theMaxEntModel[J].Sustainability，2023，15（12）：9635

[33]LI JY，CHANG H，LIU T，et al. The potential geographicaldistribution of Haloxylonacross Central Asia under climatechange in the 2lst century[J].Agricultural and Forest Meteo-rology，2019，275：243-254

[34]HEYL，MAJM，CHENG S.Potential geographical distribu-tion and its multi-factor analysis of Pinusmassoniana in Chinabased on the maxent model[J].Ecological Indicators，2023，154：110790

[35]ANQH，ZHENG JH，GUANJY，etal.Predicting the effectsoffuture climate change on the potential distribution of Eolagu-rus luteus in Xinjiang[J]. Sustainability，2023，15（1O）：7916

[36］姜穎倩，王霞，劉艷，等．基于MaxEnt模型的毛莢苜蓿在中國的潛在適生區(qū)預(yù)測[J].草原與草坪，2022，42（2）：67-73

[37］姚政宇，韓其飛，林彬.基于最大熵模型的新疆主要有毒雜草分布區(qū)預(yù)測[J]．生態(tài)學(xué)報，2023，43（12）：5096-5109

[38]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，2022，42（10）：4091-4100

[39]廖劍鋒，易自力，李世成，等.基于Maxent模型的雙藥芒不同時期潛在分布研究[J].生態(tài)學(xué)報，2020，40（22）：8297-8305

[40]ZHAORF，WANG SJ，CHEN SY.Predicting the potentialhabitat suitability of Saussurea speciesin China under future cli-matescenarios using the optimized Maximum Entropy（MaxEnt）model［J].Journal of Cleaner Production，2024，474：143552

[41]陳艷瑞，王曉軍，劉敏，等．新疆雪蓮生境與有效成分的關(guān)系研究：中國，201110454465[P].2014-07-12

[42]張喜娟，陳琛，郜飛飛，等．中國東北興安落葉松林空間分布及其對氣候變化的響應(yīng)[J].生態(tài)學(xué)雜志，2022，41（6）：1041-1049

[43］楊志香，周廣勝，殷曉潔，等．中國興安落葉松天然林地理分布及其氣候適宜性[J].生態(tài)學(xué)雜志，2014，33（6）：1429-1436

（責(zé)任編輯 閔芝智）