基于MaxEnt與GIS的黃精生態(tài)適宜分布區(qū)研究

中圖分類號(hào)：Q948.13 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-0435（2025）05-1622-09

Abstract：To evaluate the distribution of the traditional Chinese medicine Polygonati Rhizoma in China and the main environmental factors affcting its distribution by means of ecological niche modellng，a total of 679 geographic locations of Polygonati Rhizoma distribution were collcted，and combined with 19 climatic and 4 topographic factors to simulate and analyze current and future habitat suitability by using MaxEnt algorithm and GIS technology，respectively. Currently，the total suitable area for Polygonati Rhizoma is 2142500km² ， mainly including Zhejiang，Jiangxi，eastern Yunnan，southern Sichuan，Chongqing and Hunan. Under future climate scenarios，the centre of mass migration is located in southern Shaanxi，northern Henan and Shanxi provinces，and the areas of both its high suitable and more suitable zones show an expanding trend，while the area of low suitable zones decreases and then increases.The key environmental factors affcting the distribution of Polygonati Rhizoma were elevation（ 200-3000m ，mean temperature of driest quarter（ -5^°C～ 5^°C ），precipitation of the driest month （ 19-215mm ） and precipitation of the warmest quarter （480-1500 mm）.The MaxEnt model used in this study predicted accurate and reliable results （ .AUC=0.824 ，which provides a certain reference basis for the study of wild resources conservation and introduction of cultivation of Polygonati Rhizoma.

Key words：Polygonati Rhizoma ;MaxEnt;GIS;Ecological suitability;Climatic factor

中藥黃精為百合科黃精屬植物滇黃精（Polygonatum kingianum Coll. et Hemsl.）、黃精（P.sibiricum Red.）或多花黃精（P.cyrtonemaHua）的干燥根莖，味甘、性平，歸脾、肺、腎經(jīng)，具有補(bǔ)氣養(yǎng)陰、潤肺、健脾、益腎等作用?，F(xiàn)代藥學(xué)研究證明，黃精富含多糖、生物堿、黃酮、三萜、甾體皂苷、木脂素及揮發(fā)油等活性物質(zhì)，具有降血糖、提高免疫力、抗腫瘤、抗炎、抗衰老和抗氧化等藥理活性[1-2]。黃精是我國大宗藥材，也是民間常用食材，具有非常廣泛的應(yīng)用價(jià)值和開發(fā)前景。近年來，隨著黃精產(chǎn)業(yè)的不斷興起，野生資源已不能滿足開發(fā)利用現(xiàn)狀[3]，四川、貴州、云南、安徽和湖北等省已開展了人工種植工程[4-5]。然而，黃精在大規(guī)模栽培過程中，存在著品種及其適生區(qū)篩選不當(dāng)?shù)膯栴}，導(dǎo)致品種混亂、產(chǎn)量不高和品質(zhì)不佳等現(xiàn)象[6]。目前，研究物種生態(tài)適應(yīng)性的方法較多，如最大熵模型（Maximum Entropy，MaxEnt）、規(guī)則集遺傳算法（GeneticAlgorithm forRule-set Production，GARP）和生物氣候（BiocliMaticPrediction，BIO-CLIM）模型等[7-8]。其中，最大熵模型可通過較小的樣本量得到較高的預(yù)測精度，還能處理連續(xù)變量和分類變量，常用于動(dòng)植物適生區(qū)篩選及分布范圍變遷方面的研究，具有速度快、效率高、受樣本數(shù)量影響較小的優(yōu)點(diǎn)，并且可以對環(huán)境變量進(jìn)行刀切法來得到各個(gè)環(huán)境變量的重要值，是目前表現(xiàn)最好、應(yīng)用最廣的物種分布模型[9-11]。通過MaxEnt模型與環(huán)境變量結(jié)合分析，發(fā)現(xiàn)意大利、法國和中國的秦嶺淮河一帶是黑腹尼虎天牛的最適分布區(qū)[12]；常悅等[13]預(yù)測了加拿大一枝黃花在中國的適生區(qū)，為其入侵動(dòng)態(tài)提供了早期預(yù)警機(jī)制；李政升等[14]利用MaxEnt模型預(yù)測了中亞紫菀木在當(dāng)前和未來的潛在適生區(qū)，并得出影響其分布的主導(dǎo)氣候因子；宋晴等[15]也利用此模型研究興安盟草原灌叢植被潛在適生區(qū)分布情況，結(jié)果表明當(dāng)溫室氣體排放量持續(xù)增加時(shí)，可能會(huì)引起興安盟地區(qū)水分匱缺，導(dǎo)致草原灌叢高適生區(qū)面積大幅降低，部分高適生區(qū)向中、低適生區(qū)轉(zhuǎn)化。將模型MaxEnt與地理信息系統(tǒng)（GIS）結(jié)合運(yùn)用，相比其他模型運(yùn)算速度快、穩(wěn)定性好、預(yù)測精度高[16]。因此，本研究利用MaxEnt模型、結(jié)合GIS技術(shù)，研究黃精資源分布、適生區(qū)域和適宜生境條件的基礎(chǔ)上，探究當(dāng)前和未來氣候情境下，黃精適宜性分布位點(diǎn)與環(huán)境變量之間的關(guān)系，以及潛在適生區(qū)的演變情況，為其生態(tài)適宜性、道地性及規(guī)范化人工栽培技術(shù)提供科學(xué)依據(jù)與理論支撐。

1 材料與方法

1. 1 數(shù)據(jù)來源

1.1.1樣點(diǎn)信息黃精的分布數(shù)據(jù)來源于網(wǎng)絡(luò)數(shù)據(jù)庫和文獻(xiàn)數(shù)據(jù)。通過文獻(xiàn)調(diào)查并收集《中國植物志》、中國數(shù)字植物標(biāo)本館（CVH，https：//www.cvh.ac.cn/）和中國國家標(biāo)本平臺(tái)（NSII，https：//www.nsii.org.cn）獲取黃精的地理分布數(shù)據(jù)。以“黃精\"為檢索詞在中國知網(wǎng)（CNKI，https：//www.cnki.net/）檢索在2000一2023年公開發(fā)表的關(guān)于黃精的文獻(xiàn)，記錄經(jīng)緯度。對有詳細(xì)位置但無經(jīng)緯度的標(biāo)本使用百度地圖軟件獲取其經(jīng)緯度信息。

1.1.2 環(huán)境信息通過全球氣候數(shù)據(jù)庫（https：//www.worldclim.org/）獲取環(huán)境數(shù)據(jù)，通過世界土壤數(shù)據(jù)庫（http：//www.fao.org/soils-portal/）獲取土壤數(shù)據(jù)，并將上述數(shù)據(jù)信息（19項(xiàng)氣候因子和4個(gè)地形因子）轉(zhuǎn)換存儲(chǔ)為.asc文件格式。

未來氣候數(shù)據(jù)模式的選擇來自“第六次國際耦合模式比較計(jì)劃（CMIP6）中國（北京）氣候中心中等分辨率氣候系統(tǒng)模式（BCC ～ CSM2＼～MR）”，體現(xiàn)碳排放影響差異的SSP1-2.6（可持續(xù)發(fā)展路徑）、SSP2-4.5（中間發(fā)展路徑）SSP3-7.0（區(qū)域競爭發(fā)展路徑）和SSP5-8.5（化石燃料常規(guī)發(fā)展路徑）4種共享社會(huì)經(jīng)濟(jì)路徑[7]。

1.1.3地理信息地圖數(shù)據(jù)從自然資源部標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站（http：//bzdt.ch.mnr.gov.cn）下載的審圖號(hào)為GS（2024）0650號(hào)的標(biāo)準(zhǔn)地圖作為分析底圖。1.1.4數(shù)據(jù)分析軟件本研究采用生態(tài)分析軟件MaxEnt模型（3.4.4版本）、地圖處理GIS技術(shù)（10.7版本）和數(shù)據(jù)分析軟件SPSS（28版本）。

1. 2 研究方法

1.2.1MaxEnt模型參數(shù)設(shè)置使用MaxEnt3.4.4軟件導(dǎo)入黃精地理位置坐標(biāo)，隨機(jī)以 25% 的分布點(diǎn)用于測試集（Testdata）進(jìn)行模型驗(yàn)證，剩余75% 的分布樣本作為訓(xùn)練集（Trainingdata）進(jìn)行模型構(gòu)建，設(shè)置最大迭代次數(shù)為 1×10⁶ ，啟用響應(yīng)曲線，ROC曲線和刀切法（Jackknife），選擇刀切法來檢測變量，其他參數(shù)保持默認(rèn)設(shè)定[18]。利用響應(yīng)曲線來評價(jià)生態(tài)因子適宜度范圍，通過ROC曲線及其面積（AUC）評估模型準(zhǔn)確性，并運(yùn)用刀切法檢驗(yàn)生態(tài)因子的權(quán)重，以Loigstic輸出形式展現(xiàn)[19]。

1.2.2MaxEnt模型精確度檢驗(yàn)受試者工作特征曲線（ROC曲線）中，將假陽性率作為橫坐標(biāo)，將真陽性率作為縱坐標(biāo)，依據(jù)受試者在特定刺激條件下，采用不同判斷標(biāo)準(zhǔn)得出的不同結(jié)果作出曲線[20]。應(yīng)用ROC曲線分析法對MaxEnt軟件預(yù)測的適宜區(qū)進(jìn)行精度檢驗(yàn)，得到AUC值，按照上述方法，建構(gòu)基于最大熵理論的模型并經(jīng)過10次迭代實(shí)驗(yàn)。

1.2.3適生區(qū)等級(jí)劃分進(jìn)行10次MaxEnt模型預(yù)測，從中選取AUC結(jié)果最大的一組，計(jì)算唯一值，將得到的asc.格式文件導(dǎo)入GIS軟件中，運(yùn)用“柵格分析工具-重分類\"工具，通過自然間斷點(diǎn)法劃分黃精生境適宜指數(shù)，并加載到中國行政區(qū)域地圖中，將潛在生長區(qū)域分為四個(gè)不同的生境適應(yīng)性級(jí)別，得到預(yù)測生境適宜區(qū)域圖。

2 結(jié)果與分析

2.1 分布樣點(diǎn)信息

為了減少空間上的過度擬合，將收集到的黃精分布點(diǎn)數(shù)據(jù)，利用GIS剔除技術(shù)，去除重復(fù)信息，以最小可查行政單位為準(zhǔn)，篩選后共有679份黃精樣品分布信息可用于分析，并將其導(dǎo)入中國地圖，分布點(diǎn)見圖1。

海南省、臺(tái)灣省、廣東省南部、福建省南部及新疆自治區(qū)、西藏自治區(qū)和青海省交界的廣大地區(qū)無黃精的分布點(diǎn)；黑龍江省、內(nèi)蒙古自治區(qū)、甘肅省、青海省東部、西藏自治區(qū)東南部和廣西省分布點(diǎn)較少；西南地區(qū)、湖南省、江西省、浙江省和安徽省分布點(diǎn)多且密集。由此可知，黃精在我國的分布極為廣泛，北至黑龍江、南至廣東、東至山東、西至新疆的31個(gè)省、市、自治區(qū)均有其分布。原因可能是中藥黃精的人藥品種較多，且各品種的生態(tài)適應(yīng)性均較強(qiáng)。其中，滇黃精主要分布在南部地區(qū)，包括湖南、廣西、重慶、四川、貴州和云南，適宜海拔 700～ 3600m^[21] 。多花黃精主要分布于四川、貴州、湖南、湖北、河南（南部和西部）江西、安徽、江蘇（南部）、浙江、福建、廣東（中部和北部）和廣西（北部），適宜海拔 500～2100m^[22] 。黃精主要分布于北京、天津、河北、山西、內(nèi)蒙古、遼寧、黑龍江、江蘇、浙江、安徽、江西、山東、河南、湖南、湖北、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海和寧夏，適宜海拔800～2800m^[23] 。從各品種資源的分布情況來看，我國黃精資源可分為南北兩大類。其中，北黃精以大興安嶺南部、東北平原、內(nèi)蒙古高原和賀蘭山為分布中心，其原植物為黃精；南黃精以云貴高原和江南丘陵地帶為分布中心，其原植物為滇黃精和多花黃精。進(jìn)一步從分布范圍和資源量來看，南黃精的分布范圍更廣泛，具有更高的常見度和群集度。

2.2主導(dǎo)生態(tài)因子的選擇

MaxEnt模型通過物種已知地理分布點(diǎn)和相關(guān)環(huán)境變量預(yù)測物種的潛在分布，鑒于模型預(yù)測的變量之間存在較高的多重共線性，可能會(huì)導(dǎo)致構(gòu)建的模型出現(xiàn)數(shù)據(jù)的過擬合現(xiàn)象[24]。根據(jù)MaxEnt預(yù)實(shí)驗(yàn)得到貢獻(xiàn)率以及通過GIS技術(shù)的“數(shù)據(jù)管理工具-柵格-柵格處理-重采樣\"工具提取的數(shù)據(jù)，進(jìn)行相關(guān)性分析。貢獻(xiàn)率是指每個(gè)主成分解釋的方差比例，貢獻(xiàn)率越高，說明該主成分在描述數(shù)據(jù)方面越重要。利用SPSS軟件計(jì)算19個(gè)氣候因子和4個(gè)地形因子的相關(guān)系數(shù)，如果2個(gè)變量的相關(guān)系數(shù)大于0.8，則確認(rèn)變量之間存在相關(guān)性。進(jìn)一步結(jié)合變量對黃精分布的貢獻(xiàn)率，保留貢獻(xiàn)率較高的一個(gè)變量[25]，結(jié)果如圖2所示。

紅色代表正相關(guān)，藍(lán)色代表負(fù)相關(guān)，且相關(guān)性系數(shù)越大，顏色越深。根據(jù)相關(guān)性分析的結(jié)果進(jìn)行篩選，去除相關(guān)性大于0.8的生態(tài)因子，得到9個(gè)環(huán)境變量，包括海拔、坡度、等溫性、方面正弦、方面余弦、月平均晝夜溫差、最干季度平均氣溫、最干月降水量和最暖季度降水量。海拔、坡度、方面正弦和方面余弦是地理方向四個(gè)代表因子。其中，將方面正弦類比為“非水平度”的度量，即地形表面偏離水平面的程度，當(dāng)?shù)匦伪砻鏋樗矫鏁r(shí)，方面余弦為1，方面正弦為0；當(dāng)?shù)匦伪砻鏋榇怪泵鏁r(shí)，方面余弦為0，方面正弦為1。

2.3模型預(yù)測精度

為保證預(yù)測結(jié)果與實(shí)際數(shù)據(jù)的擬合度和精確性，進(jìn)行模型預(yù)測精度的檢驗(yàn)，結(jié)果見圖3。AUC是ROC曲線以下的面積，用來衡量預(yù)測的精確性，其取值范圍為 ，數(shù)值越大表明預(yù)測的可靠性越高。AUC值的評價(jià)標(biāo)準(zhǔn)： 0.5～0.6 表示預(yù)測失敗， 0.6～0.7 較差， 0.7～0.8 一般， 0.8～0.9 較好，0.9～1.0 非常好[26]。由圖3可見，黑色線代表AUC值為0.5，等于0.5時(shí)，真實(shí)性最低，無應(yīng)用的價(jià)值；紅色線代表選擇訓(xùn)練數(shù)據(jù)AUC值為0.824，藍(lán)色線代表測試數(shù)據(jù)AUC值為0.846，表明MaxEnt模型對黃精在我國潛在分布區(qū)的預(yù)測效果較好。

2.4生態(tài)因子適宜性分析

運(yùn)用最大熵模型估算的過程中，通常用“交叉刀切法驗(yàn)證技術(shù)\"分析環(huán)境變量影響潛在分布的重要性，某一環(huán)境變量的貢獻(xiàn)率越高，其影響程度就越大。結(jié)果見表1。最暖季度降水量、最干月降水量、最干季度平均氣溫和海拔的貢獻(xiàn)率分別是47.7%，24.7%，14.5% 和 6.9% ，說明這4個(gè)因子是影響黃精分布的主導(dǎo)氣候因子；進(jìn)一步歸類分析得出，制約其潛在分布格局的首要因子是降水，其次是溫度，再次是海拔，這與文國衛(wèi)等2研究結(jié)果一致。一般情況下，降水量和氣溫隨海拔高度的不斷增加而遞減，即海拔通過影響降水量和氣溫而影響植物的分布，因此，影響黃精分布的關(guān)鍵因子可歸納為降水量和氣溫。

貢獻(xiàn)率由高到低依次是：最暖季度降水量 gt; 最干月降水量 gt; 最干季度平均氣溫 gt; 海拔 gt; 坡度 gt; 月平均晝夜溫差gt;等溫性 gt; 方面余弦 gt; 方面正弦，且上述9個(gè)因子對黃精生境適宜性的累計(jì)貢獻(xiàn)率高達(dá) 100% ，因而選擇這些因子進(jìn)行刀切法分析，結(jié)果見圖4和圖5。

圖4為訓(xùn)練增益的刀切圖評價(jià)結(jié)果，可見，最暖季度降水量（bio18）和最干月降水量（bio14）對模型準(zhǔn)確性的提升作用較為顯著，表明二者相較于其它變量，在獨(dú)立使用時(shí)能提供更多有效信息，對黃精適生環(huán)境的判定影響最大。另外，當(dāng)去掉方面正弦或方面余弦時(shí)，對模型的預(yù)測能力影響不大，說明它們包含的有效信息相對較少。進(jìn)一步繪制模型輸出邏輯值與環(huán)境因子之間的響應(yīng)曲線28，根據(jù)貢獻(xiàn)率得到，最暖季度降水量、最干月降水量、最干季度平均氣溫和海拔4個(gè)環(huán)境因子的貢獻(xiàn)率較高，所以選擇這4個(gè)環(huán)境因子繪制曲線，結(jié)果均為單峰值，見圖5。

根據(jù)黃精對環(huán)境變量的響應(yīng)情況，設(shè)置存在概率閾值為0.7，當(dāng)存在概率大于0.7時(shí)，對應(yīng)的環(huán)境變量區(qū)間適合黃精的生長。可見，最暖季度降水量范圍為： 480～1500mm ，且降水量為 1000mm 時(shí)，峰值最高。最干月降水量范圍為： 19～215mm ，且降水量在 60mm 時(shí)，達(dá)到峰值后一直保持不變。最干季度平均氣溫范圍為： -5^°C～5^°C ，且平均氣溫為0^°C 時(shí)，峰值最高。海拔范圍為： 200～3000m ，且海拔為 1000m 時(shí)，峰值最高。上述參數(shù)為黃精的規(guī)模化栽培區(qū)域篩選及栽培技術(shù)提供了可靠的數(shù)據(jù)支撐。

2.5當(dāng)前情景下的地理分布

本文采用可視性圖分析了中藥黃精的生境適宜區(qū)，共分為4個(gè)區(qū)域，即非適生區(qū) （0～0.5） 、低適生區(qū) （0.5～0.7） 、中適生區(qū) （0.7～0.9） 、高適生區(qū)（大于0.9），結(jié)果見圖6和圖7。

黃精適宜生境總面積為 ，約占我國國土面積的 22.3% 。其中，高適生區(qū)集中在浙江、湖南、江西等地區(qū)，面積為 161500km² ；中適生區(qū)集中在云南東部、四川南部、貴州東部等地區(qū)，面積為 719300km² ；低適生區(qū)集中在云南西部、貴州西部、四川東北部等地區(qū)，面積為1261700km² ；高、中和低適生區(qū)分別占總適生區(qū)的 7.5%.33.6% 和 58.9% 。非適生區(qū)集中在西北和東北地區(qū)，如新疆、西藏、青海、內(nèi)蒙古、寧夏、黑龍江和吉林，這些地區(qū)雖然有黃精分布，但由于寒冷和干旱等氣候因素，生存環(huán)境并不理想[29]，分布量極少且零散，可視為黃精生長發(fā)育的不適宜區(qū)，面積為 7457500km² 。

2.6 氣候變化情景下的地理分布

未來氣候變化情景包括四種共享社會(huì)經(jīng)濟(jì)路徑情景：SSP1-2.6，SSP2-4.5，SSP3-7.0和SSP5-8.5^[30] 。SSP1-2.6情景表示低脆弱性、低減緩壓力和低輻射強(qiáng)迫的綜合影響；SSP2-4.5情景表示中等社會(huì)脆弱性與中等輻射強(qiáng)迫的組合；SSP3-7.0情景表示高社會(huì)脆弱性與相對高的人為輻射強(qiáng)迫的組合;SSP5-8.5情景表示高強(qiáng)迫情景[31]。本文在上述情景模式下，預(yù)測分析了黃精未來16個(gè)時(shí)期的潛在分布，結(jié)果見表2和圖8。

從表2可知，未來氣候變化情景下，高適生區(qū)面積呈現(xiàn)擴(kuò)大的趨勢，在SSP1-2.62021—2040情景下，高適生區(qū)面積最大，高達(dá) 377900km² ，相較于現(xiàn)在，增加了 216400km² 。中適生區(qū)面積整體呈現(xiàn)擴(kuò)增趨勢，在SSP5-8.02081一2100情景下減少了17100km² ，在 SSP1-2.62081-2100 情景下增大至 。低適生區(qū)面積出現(xiàn)先減少再增加的趨勢，在SSP1-2.62021—2040情景下，減少面積最多，減少值為 517700km² ；在 SSP3–7.02081-2100 情景下，增加面積最多，增加值為 402900km² 。非適生區(qū)面積總體上呈現(xiàn)減少趨勢，在SSP3-7.02081一2100情景下，減少面積最多，減少值為479000km² ;在SSP1-2.62021-2040情景下，非適生區(qū)面積高達(dá) 7586600km² ?？傮w來看，不同情景模式下，未來四個(gè)時(shí)期相較于當(dāng)前，黃精的總適生區(qū)面積呈現(xiàn)增加趨勢。

從圖8可知，在SSP3-7.02081—2100情境下，低適生區(qū)面積變化最大，占比最高，占總面積的17.34% ；在SSP1-2.62021—2040情景下，中適生區(qū)面積、高適生區(qū)面積變化最大，占比最高，分別占總面積的 9.29% 和 3.94% 。

2.7 適宜生境質(zhì)心的轉(zhuǎn)移

本文將黃精潛在適生分布區(qū)以幾何中心點(diǎn)來定義，以此方式來模擬在不同時(shí)期氣候情景下質(zhì)心遷移變化[32-33]，結(jié)果見圖9和表3。

在SSP1-2.6情景下，2041-2060時(shí)期相較于現(xiàn)代質(zhì)心位置向東遷移了 1205.09km;2021-2040 時(shí)期質(zhì)心位置向東北遷移了 1112.21km;2061-2080 時(shí)期和2081—2100時(shí)期質(zhì)心位置向西北遷移了79.17和 364.99km 。在SSP2-4.5情景下，2021—2040時(shí)期質(zhì)心位置向東北遷移 143.48km ;2041—2060時(shí)期和2061—2080時(shí)期質(zhì)心位置向西北遷移了349.24和 514.50km ；2081—2100時(shí)期質(zhì)心位置向東北遷移了 525.81km 。在SSP3-7.0情景下，

2021—2040時(shí)期 時(shí)期質(zhì)心位置向西北遷移了 146.34km，391.57km;2061-2080E 寸期、2081—2100時(shí)期質(zhì)心位置向東北遷移了 689.93km 、845.17km 。在SSP5-8.5情景下， 2021-2040 時(shí)期質(zhì)心位置向西北遷移了 137.26km;2041-2060 時(shí)期 時(shí)期、 2081-2100 時(shí)期質(zhì)心位置向東北遷移了418.63，724.00和 1175.96km 。

總體來看，從當(dāng)代到未來16個(gè)時(shí)期，均有不同的遷移位置。跟現(xiàn)代質(zhì)心位置相比，先是向東部遷移，再是向西北遷移，最后向東北遷移，表明未來的總體質(zhì)心遷移中心偏東北方向。其中，SSP1-2.6情境下，2041一2060時(shí)期質(zhì)心位置遷移的距離最多，2061—2080時(shí)期質(zhì)心位置遷移距離最小。

3討論

模型的精度取決于樣本的覆蓋度、區(qū)域和樣本量的多少，AUC值是衡量模型精度的指標(biāo)[34]。本研究運(yùn)用MaxEnt模型和GIS技術(shù)分析黃精地理分布現(xiàn)狀與生物環(huán)境變量的關(guān)系，篩選了主要環(huán)境變量，確定了未來氣候情境下對其地理變化的影響，充分保障預(yù)測的可靠性。收集的679個(gè)分布數(shù)據(jù)基本覆蓋黃精的分布范圍，得到AUC值為0.824，并將預(yù)測的高適生區(qū)與實(shí)際收集的分布位點(diǎn)進(jìn)行比對，發(fā)現(xiàn)分布范圍基本一致。利用MaxEnt模型預(yù)測黃精潛在分布的性能出色，預(yù)測結(jié)果精度高，有

效避免了過擬合現(xiàn)象。

現(xiàn)階段，黃精的高適生區(qū)主要包括湖南省、浙江省和江西省，而東北和西北地區(qū)不適宜黃精的生長。章鵬飛等[35采用“物種分布模型\"預(yù)測了多花黃精（P.cyrtonemaHua）的潛在分布區(qū)，其高適生區(qū)也包括湖南和江西，而中、低適生區(qū)分布范圍存在較大差異，這是由于多花黃精是中藥黃精的基源植物之一，二者適生區(qū)范圍不能相互混淆。在雞頭黃精（P.sibiricumRed.）的潛在適生區(qū)研究中，朱寶潔等[36篩選的適生區(qū)與本研究篩選的地域存在較多的重疊性。在滇黃精（P.kingianumColl.etHemsl.）潛在分布和適宜性研究中，姚馨等[3得到其高度適生區(qū)主要位于云南高原中部、南部、東部和烏蒙山以東的貴州高原局部，中適生區(qū)主要分布于云南、四川和貴州省境內(nèi)，少數(shù)位于廣西省境內(nèi)，低適生區(qū)位于四川和貴州兩地。上述研究結(jié)果在中、高適生區(qū)分布及氣候類型上均與本研究結(jié)果基本一致。與現(xiàn)階段情況相比，未來黃精的質(zhì)心遷移中心位于陜西南部、河南北部和山西省。這可能是由于溫室效應(yīng)的不斷加劇，上述地區(qū)的未來降水量和溫度有所增加，更適于黃精的生長發(fā)育，從而成為未來環(huán)境模式下的高適生區(qū)。但是，該質(zhì)心遷移中心的變遷規(guī)律、影響因素及機(jī)制尚需進(jìn)一步深入研究。

4結(jié)論

本研究基于679個(gè)黃精分布點(diǎn)數(shù)據(jù)和篩選得到的9個(gè)環(huán)境因子數(shù)據(jù)，利用優(yōu)化后的MaxEnt模型預(yù)測未來4種氣候情景不同時(shí)期黃精在國內(nèi)的潛在分布及其變化，以及影響其分布的主要環(huán)境因子，為黃精的生態(tài)適宜區(qū)域和分布提供了重要線索。降水量、氣溫和海拔是影響其分布的主要環(huán)境因子，當(dāng)前高適生區(qū)位于浙江、湖南、江西，未來氣候變化下質(zhì)心中心依次先向東、再向西北、后向東北遷移。

參考文獻(xiàn)

[1］袁怡菁，王秋紅.黃精化學(xué)成分、藥理作用研究進(jìn)展及質(zhì)量標(biāo)志物預(yù)測分析[J].中醫(yī)藥信息，2024，41（2）：72-80，86

［2］王慧，袁德培，曾楚華，等．黃精的藥理作用及臨床應(yīng)用研究進(jìn)展[J].湖北民族學(xué)院學(xué)報(bào)（醫(yī)學(xué)版），2017，34（2）：58-60，64

[3]蘇文田，劉躍鈞，蔣燕鋒，等．黃精產(chǎn)業(yè)發(fā)展現(xiàn)狀與可持續(xù)發(fā)展的建議[J].中國中藥雜志，2018，43（13）：2831-2835

[4]何俊玲，康琪，彭騰，等.專利視角下中藥黃精全產(chǎn)業(yè)鏈的發(fā)展對策研究[J]．中藥與臨床，2023，14（6）：78-82，96

[5］張娜娜，潘慧云，侯芯芯，等．黃精研究現(xiàn)狀與可持續(xù)發(fā)展探析[J].安徽農(nóng)學(xué)通報(bào)，2022，28（10）：24-26

[6］龍艷，麻生富，張國俊，等．黃精病蟲害防治研究進(jìn)展[J]．耕作與栽培，2023，43（5）：63-66

[7]ZHONG Q，ZHANG JE，DITOMMASO A，et al. PredictinginvasionsofWedeliatrilobata（L.）Hitchc.withMaxentandGARPmodels[J].Journal of PlantResearch，2015，128（5）：763-75

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

[9]GEBREWAHIDY，ABREHES，MERESAE，etal.Currentand future predicting potential areas of Oxytenanthera Abys-sinica（A. Richard） using MaxEnt model under climate changein Northern Ethiopia[J].Ecological Processes，202O，9（1）：1-15

[10]YANG J，HUANG Y，JIANG X，et al.Potential geographicaldistribution of the edangred.plant Isoetes under human activi-ties using MaxEnt and GARP[J]. Global Ecology and Conser-vation，2022，38：eo2186

[11］郎顯鵬，樊如月，李青豐．中國北方地區(qū)蒙古韭潛在適生區(qū)分析[J].草地學(xué)報(bào)，2023，31（11）：3525-3534

[12］王坤，石娟，梁特．基于MaxEnt和ArcGIS的黑腹尼虎天牛潛在地理分布預(yù)測[J].植物保護(hù)學(xué)報(bào)，2023，50（6）：1508-1517

[13］常悅，李玉靜，李周旭，等.基于Maxent和ArcGIS加拿大一枝黃花適生區(qū)預(yù)測[J].農(nóng)學(xué)學(xué)報(bào)，2024，14（3）：40-47

[14]李政升，馬玉壽，李有鑫，等，氣候變化下青藏高原中亞紫菀木潛在適生區(qū)的時(shí)空動(dòng)態(tài)變化[J].生態(tài)學(xué)雜志，2024，43（6）：1566-1575

[15］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(bào)，2024，32（2）：579-587

[16］尹芳，朱家政，孟文睿，等．基于MaxEnt模型的陜西省菊芋種植潛在適宜區(qū)分析[J].中國農(nóng)業(yè)氣象，2024，45（3）：268-280

[17]TONGWEN W，YIXIONG L，YONGJIE F，et al. The beijingclimate center climate system model（BCC-CSM）：the mainpIUgICSS HUI CIVIII J tU CIVII U LJ」. GCUSUICIuIIU IVIUUCIDevelopment，2019，12（4）：1573-1600

[18]唐楊欣，皮杰，劉新華，等.基于最大熵模型預(yù)測氣候變化下河蜆在中國的潛在分布[J].生態(tài)學(xué)報(bào)，2023，43（10）：4250-4259

[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(bào)，2023，43（16）：6590-6604

[20］郭旭東，席少陽，楊莉萍，等．基于優(yōu)化MaxEnt模型的我國淫羊藿潛在適生區(qū)預(yù)測研究[J].中國中醫(yī)藥信息雜志，2024，31（3）：1-7

[21]田霞，吳楠，續(xù)若冰，等.滇黃精化學(xué)成分與提取、應(yīng)用研究進(jìn)展[J].中國食品工業(yè)，2022（18）：99-101

[22]章登停，楊健，程銘恩，等.基于高光譜數(shù)據(jù)的多花黃精產(chǎn)地識(shí)別研究[J].中國中藥雜志，2023，48（16）：4347-4361

[23]羅霜，王劍波，陳柯宇，等．不同產(chǎn)地藥食同源黃精的成分及體外抗氧化研究[J].中國調(diào)味品，2023，48（6）：59-65

[24]AOUINTIH，MOUTAHIR H，TOUHAMI I，et al. Observedand predicted geographic distribution of Acer monspesulanumL.using the MaxEnt model in the context of climate change[J].Forests，2022，13（12）：2049

[25]王麗麗，楊采青，王瑛，等．全球入侵物種馬鈴薯塊莖蛾生態(tài)位轉(zhuǎn)移及適生區(qū)擴(kuò)展[J].應(yīng)用生態(tài)學(xué)報(bào)，2024，35（3）：797-805

[26]HANLEYJA，MCNEIL B J. The meaning and use of the areaundera receiver operating characteristic（ROC）curve[J].Radiology，1982，143（1）：29-36

[27］文國衛(wèi)，黃秋良，呂增偉，等.氣候變化情境下木荷潛在地理分布及生態(tài)適宜性分析[J].生態(tài)學(xué)報(bào)，2023，43（16）：6617-6626

[28]董蘇君，馬松梅，張丹，等．新疆三種獨(dú)尾草的適宜分布及其對未來氣候變化的響應(yīng)[J].生態(tài)學(xué)報(bào)，2022，42（21）：8809-8817

[29］胡穎，程詩明，柳新紅，等．藥用黃精遺傳資源評價(jià)、選育和栽培管理技術(shù)研究進(jìn)展[J].浙江林業(yè)科技，2023，43（6）：117-121

[30]謝孟，張學(xué)星，羅燕，等．基于MaxEnt模型的云南干熱河谷適生樹種選擇[J].生態(tài)學(xué)報(bào)，2024，44（9）：3689-3707

[31]張彥靜，斯琴，胡潔，等．氣候變化情景下裸冠菊在中國的潛在適生區(qū)分布預(yù)測[J].生態(tài)學(xué)報(bào)，2023，43（21）：8852-8864

[32]姜明鑫，鐘文玉，胡海琴，等.氣候變化背景下茶小綠葉蟬在中國的潛在適生區(qū)預(yù)測[J].生態(tài)學(xué)雜志，2022，41（10）：2008-2016

[33]王彥珺，蘇鑫宇，朱成豪，等.基于MaxEnt模型和ArcGIS的金槐生態(tài)適宜性區(qū)劃研究[J].中國中醫(yī)藥信息雜志，2024，31（6）：1-6

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

[35］章鵬飛，張虹，張小波，等．多花黃精生態(tài)適宜性區(qū)劃研究[J].中國中藥雜志，2020，45（13）：3073-3078

[36］朱寶潔，張瑾，龍飛，等．氣候背景下雞頭黃精適宜區(qū)預(yù)測[J].中藥與臨床，2023，14（3）：6-9

[37]姚馨，張金渝，萬清清，等．滇黃精的潛在分布與氣候適宜性分析[J].熱帶亞熱帶植物學(xué)報(bào)，2018，26（5）：439-448

（責(zé)任編輯彭露茜）