高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

防风固沙优良树种欧李的潜在适生区及生态特征

张琴 宋经元 邵飞 傅生辰 孙成忠 袁丽钗 谢彩香

张琴, 宋经元, 邵飞, 傅生辰, 孙成忠, 袁丽钗, 谢彩香. 防风固沙优良树种欧李的潜在适生区及生态特征[J]. 北京林业大学学报, 2018, 40(3): 66-74. doi: 10.13332/j.1000-1522.20170180
引用本文: 张琴, 宋经元, 邵飞, 傅生辰, 孙成忠, 袁丽钗, 谢彩香. 防风固沙优良树种欧李的潜在适生区及生态特征[J]. 北京林业大学学报, 2018, 40(3): 66-74. doi: 10.13332/j.1000-1522.20170180
Zhang Qin, Song Jingyuan, Shao Fei, Fu Shengchen, Sun Chengzhong, Yuan Lichai, Xie Caixiang. Potential suitable distribution area and ecological characteristics of Cerasus humilis, an excellent tree species for windproof and sand fixation[J]. Journal of Beijing Forestry University, 2018, 40(3): 66-74. doi: 10.13332/j.1000-1522.20170180
Citation: Zhang Qin, Song Jingyuan, Shao Fei, Fu Shengchen, Sun Chengzhong, Yuan Lichai, Xie Caixiang. Potential suitable distribution area and ecological characteristics of Cerasus humilis, an excellent tree species for windproof and sand fixation[J]. Journal of Beijing Forestry University, 2018, 40(3): 66-74. doi: 10.13332/j.1000-1522.20170180

防风固沙优良树种欧李的潜在适生区及生态特征

doi: 10.13332/j.1000-1522.20170180
基金项目: 

“十二五”国家科技支撑计划课题 2015BAI05B01

国家自然科学基金项目 81473304

详细信息
    作者简介:

    张琴。主要研究方向:药用植物地理分布及产地适宜性。Email: zhangqin1992yx@163.com 地址:100193北京市海淀区马连洼北路151号

    通讯作者:

    谢彩香, 副研究员。主要研究方向:药用植物地理分布及产地适宜性。Email: caixiangxie@163.com 地址:同上

  • 中图分类号: S793.9;R931.2

Potential suitable distribution area and ecological characteristics of Cerasus humilis, an excellent tree species for windproof and sand fixation

  • 摘要: 目的欧李作为我国特有的生态型树种,在防风固沙、蓄水保土等方面具有重要的生态和经济价值,因此研究欧李的全球潜在适生区及其生态特征,对欧李树种的推广种植和防沙治理具有重要意义。方法本文根据379个欧李分布点和19个生态因子数据,采用BIOCLIM、DOMAIN、MAXENT和GARP 4个生态位模型预测欧李的全球潜在适生区,并分析欧李分布区的生态特征,以受试者工作特征曲线ROC和Kappa两个统计量进行模型评价。结果欧李的全球潜在适生区主要分布在30°~52° N、102°~137° E范围内的亚洲,包括中国、韩国、朝鲜以及与中国东北接壤的俄罗斯远东地区,另外,阿富汗和塔吉克斯坦也有少量分布,其中最适宜区主要分布在中国。模型评估表明,4个模型的AUC值均达到0.85以上,Kappa值均达到0.7以上,4个模型预测精度良好,一致性显著,均可用来预测欧李潜在适生区。欧李分布区的生态特征为:年平均温度范围为3.2~13.9℃,昼夜温差月均值范围为10.1~13.0℃,昼夜温差与年温差比值范围为24~30,温度变化方差范围为9234~13581,最湿月份降水量范围为115~226mm,最干月份降水量范围为2~10mm,雨量变化方差范围为77~115。结论欧李潜在适生区主要位于温带季风气候带,最适宜区主要分布在中国东北和华北地区,该地区可大规模种植欧李以实现荒漠化治理,而韩国、朝鲜、俄罗斯远东区和阿富汗等地适宜性相对较低,可先进行小规模试种,再扩大生产。
  • 图  1  欧李样本点分布图

    Figure  1.  Distributing points of Cerasus humilis

    图  2  生态适宜性分析技术路线

    Figure  2.  Technical route of ecological suitability analysis

    图  3  欧李全球潜在适生区

    A.BIOCLIM模型;B.DOMAIN模型;C.MAXENT模型;D.GARP模型。

    Figure  3.  Global potential suitable distributing area of C. humilis

    A, BIOCLIM model; B, DOMAIN model; C, MAXENT model; D, GARP model.

    图  4  7个主要因子生态特征

    bio1.年平均温度; bio2.昼夜温差月均值; bio3.昼夜温差与年温差比值; bio4.温度变化方差; bio13.最湿月份降水量; bio14.最干月份降水量; bio15.雨量变化方差。

    Figure  4.  Ecological characteristics of seven main factors

    bio1, mean annual temperature; bio2, monthly mean value of diurnal temperature difference; bio3, isothermality; bio4, SD of temperature seasonality; bio13, precipitation of the wettest month; bio14, precipitation of the driest month; bio15, variation of precipitation seasonlity.

    表  1  环境变量

    Table  1.   Environmental variables

    环境变量Environmental variable 单位Unit
    年平均温度Mean annual temperature(bio1)
    昼夜温差月均值Monthly mean value of diurnal temperature difference (max. temperature-min. temperature) (bio2)
    昼夜温差与年温差比值Isothermality (bio2/bio7×100)(bio3) 1
    温度变化方差SD of temperature seasonality(bio4) 1
    最热月份最高温Max. temperature of the warmest month(bio5)
    最冷月份最低温Min. temperature of the coldest month(bio6)
    年温度变化范围Annual temperature range(bio5- bio6)(bio7)
    最湿季度平均温度Mean temperature of the wettest quarter(bio8)
    最干季度平均温度Mean temperature of the driest quarter(bio9)
    最暖季度平均温度Mean temperature of rhe warmest quarter(bio10)
    最冷季度平均温度Mean temperature of the coldest quarter(bio11)
    年平均降水量Annual mean precipitation(bio12) mm
    最湿月份降水量Precipitation of the wettest month(bio13) mm
    最干月份降水量Precipitation of the driest month(bio14) mm
    雨量变化方差Variation of precipitation seasonality(bio15) 1
    最湿季度降水量Precipitation of the wettest quarter(bio16) mm
    最干季度降水量Precipitation of the driest quarter(bio17) mm
    最暖季度平均降水量Mean precipitation of the warmest quarter(bio18) mm
    最冷季度平均降水量Mean precipitation of the coldest quarter(bio19) mm
    下载: 导出CSV

    表  2  4个模型AUC和Kappa统计量

    Table  2.   Statistic values of AUC and Kappa of the four models

    模型Model AUC均值
    Average of AUC
    AUC标准差
    Standard deviation of AUC
    Kappa均值
    Average of Kappa
    Kappa标准差
    Standard deviation of Kappa
    BIOCLIM 0.973 0.01 0.979 0.02
    DOAMIN 0.993 0.001 0.983 0.003
    GARP 0.897 0.02 0.790 0.04
    MAXENT 0.858 0.02 0.716 0.05
    下载: 导出CSV
  • [1] 郭瑞霞, 管晓丹, 张艳婷.我国荒漠化主要研究进展[J].干旱气象, 2015, 33(3):505-514. http://d.old.wanfangdata.com.cn/Periodical/ghqx201503019

    Guo R X, Guan X D, Zhang Y T. Main advances in desertification research in China[J]. Arid Meteorology, 2015, 33(3):505-514. http://d.old.wanfangdata.com.cn/Periodical/ghqx201503019
    [2] 田卫堂, 胡维银, 李军, 等.我国水土流失现状和防治对策分析[J].水土保持研究, 2008, 15(4): 204-209. http://d.old.wanfangdata.com.cn/Periodical/stbcyj200804051

    Tian W T, Hu W Y, Li J, et al. The status of soil and water loss and analysis of countermeasures in China[J]. Research of Soil and Water Conservation, 2008, 15(4): 204-209. http://d.old.wanfangdata.com.cn/Periodical/stbcyj200804051
    [3] 薛晓芳, 杜俊杰.浅谈欧李的开发利用价值[J].落叶果树, 2012, 44(3): 23-26. doi:  10.3969/j.issn.1002-2910.2012.03.011

    Xue X F, Du J J. Introduction to the development and utilization value of the Cerasus humilis[J]. Deciduous Fruits, 2012, 44(3): 23-26. doi:  10.3969/j.issn.1002-2910.2012.03.011
    [4] Li W D, Li O, Zhang A R, et al. Genotypic diversity of phenolic compounds and antioxidant capacity of Chinese dwarf cherry (Cerasus humilis) in China[J]. Scientia Horticulturae, 2014, 175 (1):208-213. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=159895640ab7e4a46eaf467bd2a009e3
    [5] 王有信, 何卫军, 李学凤.欧李区域分布、种群演变与潜在价值研究[J].山西果树, 2015(4):12-14. doi:  10.3969/j.issn.1005-345X.2015.04.006

    Wang Y X, He W J, Li X F. Study on regional distribution, evolution of population and potential value of Cerasus humilis[J]. Shanxi Fruits, 2015(4):12-14. doi:  10.3969/j.issn.1005-345X.2015.04.006
    [6] 谢彩香, 宋经元, 韩建萍, 等.中药材道地性评价与区划研究[J].世界科学技术—中医药现代化, 2016, 18(6): 950-958. http://d.old.wanfangdata.com.cn/Periodical/sjkxjs-zyxdh201606003

    Xie C X, Song J Y, Han J P, et al. Research on genuineness evaluation and regionalization of Chinese medicinal materials[J]. Modernization of Traditional Chinese Medicine and Materia Medica-World Science and Technology, 2016, 18(6): 950-958. http://d.old.wanfangdata.com.cn/Periodical/sjkxjs-zyxdh201606003
    [7] 李雪梅, 程小琴.生态位理论的发展及其在生态学各领域中的应用[J].北京林业大学报, 2007, 29(增刊2): 294-298. http://www.cqvip.com/QK/95250X/2007S2/3000298706.html

    Li X M, Cheng X Q. Development of niche theory and its application in each fields of ecology[J]. Journal of Beijing Forestry University, 2007, 29(Suppl.2): 294-298. http://www.cqvip.com/QK/95250X/2007S2/3000298706.html
    [8] 李丰刀女, 朱金兆, 朱清科.生态位理论及其测度研究进展[J].北京林业大学报, 2003, 25(1): 100-107. http://d.old.wanfangdata.com.cn/Periodical/bjlydxxb200301022

    Li J, Zhu J Z, Zhu Q K. A review on niche theory and niche metrics[J]. Journal of Beijing Forestry University, 2003, 25(1): 100-107. http://d.old.wanfangdata.com.cn/Periodical/bjlydxxb200301022
    [9] 张琴, 曾凡琳, 张东方, 等.基于最大熵模型的三七生态适宜区及生态特征[J].药学学报, 2016, 51(10): 1629-1637. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yxxb201610017

    Zhang Q, Zeng F L, Zhang D F, et al. Ecology suitability regions and ecological characteristics of Panax notoginseng (Burk.) F.H.Chen based on maximum entropy model[J]. Acta Pharmaceutica Sinica, 2016, 51(10): 1629-1637. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yxxb201610017
    [10] 张东方, 张琴, 郭杰, 等.基于MaxEnt模型的当归全球生态适宜区和生态特征研究[J].生态学报, 2017, 37(15):5111-5120. http://d.old.wanfangdata.com.cn/Periodical/stxb201715019

    Zhang D F, Zhang Q, Guo J, et al. Research on the global ecological suitability and characteristics of regions with Angelica sinensis based on the MaxEnt model[J]. Acta Ecologica Sinica, 2017, 37(15):5111-5120. http://d.old.wanfangdata.com.cn/Periodical/stxb201715019
    [11] Kulhanek S A, Leung B, Ricciardi A. Using ecological niche models to predict the abundance and impact of invasive species: application to the common carp[J]. Ecological Applications, 2011, 21(1): 203-213. doi:  10.1890/09-1639.1
    [12] Busby J R. BIOCLIM-a bioclimate analysis and prediction system[J]. Plant Protection Quarterly, 1991, 6(1): 8-9. http://cn.bing.com/academic/profile?id=1410e748b5a38dcaa86db9db1e1057fa&encoded=0&v=paper_preview&mkt=zh-cn
    [13] Carpenter G, Gillison A N, Winter J. DOMAIN: a flexible modelling procedure for mapping potential distributions of plants and animals[J]. Biodiversity & Conservation, 1993, 2(6): 667-680. http://d.old.wanfangdata.com.cn/NSTLQK/NSTL_QKJJ0230914906/
    [14] Stockwell D, Peters D. The GARP modeling system:problems and solutions to automated spatial prediction[J]. International Journal of Geographical Information Science, 1999, 13(2): 143-158. https://www.researchgate.net/publication/200734884_The_GARP_modelling_system_Problems_and_solutions_to_automated_spatial_prediction
    [15] 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. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=513ad30f4c7f7f66533cb6ca7bde514f
    [16] 王鹏飞, 李立锋, 杜俊杰, 等.不同地域野生欧李及其近缘植物亲缘关系的RAPD分析[J].植物遗传资源学报, 2015, 16(1):119-126. http://d.old.wanfangdata.com.cn/Periodical/zwyczyxb201501018

    Wang P F, Li L F, Du J J, et al. Genetic diversity among wild Chinese dwarf cherry from different regions and its closely related plant species based on RAPD analysis[J]. Journal of Plant Genetic Resources, 2015, 16(1):119-126. http://d.old.wanfangdata.com.cn/Periodical/zwyczyxb201501018
    [17] Mu X P, Liu M, Wang P F, et al. Agrobacterium-mediated transformation and plant regeneration in Chinese dwarf cherry (Cerasus humilis)[J]. The Journal of Horticultural Science and Biotechnology, 2016, 91 (1):71-78. doi:  10.1080/14620316.2015.1110994
    [18] 王鹏飞, 薛晓芳, 穆晓鹏, 等.不同酸度欧李果实有机酸积累特性与相关代谢酶活性分析[J].中国农业科学, 2013, 46(19):4101-4109. doi:  10.3864/j.issn.0578-1752.2013.19.016

    Wang P F, Xue X F, Mu X P, et al. Analysis of organic acid accumulation characteristics and organic acid-metabolizing enzyme activities of Chinese dwarf cherry (Cerasus humilis) fruit[J]. Scientia Agricultura Sinica, 2013, 46(19):4101-4109. doi:  10.3864/j.issn.0578-1752.2013.19.016
    [19] Yin Z P, Ren J, Zhou L J, et al. Water deficit mechanisms in perennial shrubs Cerasus humilis leaves revealed by physiological and proteomic analyses[J]. Proteome Science, 2016, 15:9. doi:  10.1186/s12953-017-0117-1
    [20] 尹赜鹏, 刘雪梅, 商志伟, 等.不同干旱胁迫下欧李光合及叶绿素荧光参数的响应[J].植物生理学报, 2011, 47(5):452-458. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zwslxtx201105005

    Yin Z P, Liu X M, Shang Z W, et al. Response of photosynthesis and chlorophy Ⅱ fluorescence parameters to different drought stress in Cerasus humilis[J]. Plant Physiology Communications, 2011, 47(5):452-458. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zwslxtx201105005
    [21] Wang P F, Mu X P, Du J J, et al. Flavonoid content and radical scavenging activity in fruits of Chinese dwarf cherry (Cerasus humilis) genotypes[J]. Journal of Forestry Research, 2017(25):1-9. http://d.old.wanfangdata.com.cn/Periodical/lyyj201801005
    [22] 文浩, 任广喜, 高雅, 等.欧李种子质量检验规程及分级标准研究[J].中国中药杂志, 2014, 39(21):4191-4196. http://d.old.wanfangdata.com.cn/Periodical/zgzyzz201421021

    Wen H, Ren G X, Gao Y, et al. Procedure of seed quality testing and seed grading standard of Prunus humilis[J]. China Journal of Chinese Materia Medica, 2014, 39(21):4191-4196. http://d.old.wanfangdata.com.cn/Periodical/zgzyzz201421021
    [23] 朱耿平, 刘国卿, 卜文俊, 等.生态位模型的基本原理及其在生物多样性保护中的应用[J].生物多样性, 2013, 21(1): 90-98. http://d.old.wanfangdata.com.cn/Periodical/swdyx201301012

    Zhu G P, Liu G Q, Bu W J, et al. Ecological niche modeling and its applications in biodiversity conservation[J]. Biodiversity Science, 2013, 21(1): 90-98. http://d.old.wanfangdata.com.cn/Periodical/swdyx201301012
    [24] Hortal J, Roura N, Sanders N J, et al. Understanding (insect) species distributions across spatial scales[J]. Ecography, 2010, 33(1): 51-53. doi:  10.1111/eco.2010.33.issue-1
    [25] Graham M H. Confronting multicollinearity in ecological multiple regression[J]. Ecology, 2003, 84(11): 2809-2815. doi:  10.1890/02-3114
    [26] Zhang M G, Ferry Slik J W, Ma K P. Using species distribution modeling to delineate the botanical richness patterns and phytogeographical regions of China[J]. Scientific Reports, 2016, 3: 1-9. doi:  10.18203/issn.2454-2156.IntJSciRep20164839
    [27] Vanagas G. Receiver operating characteristic curves and comparison of cardiac surgery risk stratification systems[J]. Interactive Cardiovascular and Thoracic Surgery, 2004, 3(2): 319-322. doi:  10.1016/j.icvts.2004.01.008
    [28] Manel S, Williams H C, Ormerod S J. Evaluating presence-absence models in ecology: the need to account for prevalence[J]. Journal of Applied Ecology, 2001, 38(5): 921-931. http://cn.bing.com/academic/profile?id=09c9637338a4c6e26af95cdd6bda5532&encoded=0&v=paper_preview&mkt=zh-cn
    [29] 文检, 宋经元, 谢彩香, 等.基于最大信息熵模型的能源物种麻疯树潜在适宜区[J].植物科学学报, 2016, 34(6): 849-856. http://d.old.wanfangdata.com.cn/Periodical/whzwxyj201606004

    Wen J, Song J Y, Xie C X, et al. Identification of potential distribution areas for energy plant Jatropha curcas L.using the maxent entropy model[J]. Plant Science Journal, 2016, 34(6): 849-856. http://d.old.wanfangdata.com.cn/Periodical/whzwxyj201606004
    [30] 杨建莹, 梅旭荣, 严昌荣, 等.华北地区气候资源的空间分布特征[J].中国农业气象, 2013, 31(增刊1):1-5. http://cdmd.cnki.com.cn/Article/CDMD-82101-1011159138.htm

    Yang J Y, Mei X R, Yan C R, et al. Study on spatial pattern of climatic resources in North China[J]. Chinese Journal of Agrometeorology, 2013, 31(Suppl. 1): 1-5. http://cdmd.cnki.com.cn/Article/CDMD-82101-1011159138.htm
    [31] 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. doi:  10.1111/eco.2006.29.issue-5
    [32] Anderson R P, Lew D, Peterson A T. Evaluating predictive models of species' distributions: criteria for selecting optimal models[J]. Ecological Modelling, 2003, 162: 211-232. doi:  10.1016/S0304-3800(02)00349-6
    [33] Aguirre-Gutiérrez J, Carvalheiro L G, Polce C, et al. Fit-for-purpose: species distribution model performance depends on evaluation criteria - Dutch hoverflies as a case study[J/OL]. PloS One, 2013, 8(5): e63708[2017-05-03]. http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3653807/.
  • [1] 孔阳, 王思元.  基于MSPA模型的北京市延庆区城乡生态网络构建 . 北京林业大学学报, 2020, 42(7): 113-121. doi: 10.12171/j.1000-1522.20190271
    [2] 杨芙蓉, 齐耀东, 刘海涛, 谢彩香, 宋经元.  辣木全球潜在分布区与生态适宜性 . 北京林业大学学报, 2020, 42(): 1-10. doi: 10.12171/j.1000-1522.20190375
    [3] 唐书培, 穆丽光, 王晓玲, 张静, 刘波, 孟和达来, 鲍伟东.  基于MaxEnt模型的赛罕乌拉国家级自然保护区斑羚生境适宜性评价 . 北京林业大学学报, 2019, 41(1): 102-108. doi: 10.13332/j.1000-1522.20180176
    [4] 吕汝丹, 何健, 刘慧杰, 姚敏, 程瑾, 谢磊.  羽叶铁线莲的分布区与生态位模型分析 . 北京林业大学学报, 2019, 41(2): 70-79. doi: 10.13332/j.1000-1522.20180189
    [5] 邱靖, 朱弘, 陈昕, 汤庚国.  基于DIVA-GIS的水榆花楸适生区模拟及生态特征 . 北京林业大学学报, 2018, 40(9): 25-32. doi: 10.13332/j.1000-1522.20180162
    [6] 周亚琦, 官凤英, 范少辉, 刘广路, 夏明鹏, 涂年旺.  天宝岩竹阔混交林毛竹及其伴生树种生态位的研究 . 北京林业大学学报, 2017, 39(7): 46-53. doi: 10.13332/j.1000-1522.20170061
    [7] 王鑫, 刘钦, 黄琴, 张华雨, 李宗峰, 张世强, 邓洪平.  崖柏群落优势种生态位及CCA排序分析 . 北京林业大学学报, 2017, 39(8): 60-67. doi: 10.13332/j.1000-1522.20160172
    [8] 范春楠, 郑金萍, 韩士杰, 郭忠玲, 王丽丽, 周振钊.  吉林省中东部森林分布区水曲柳分布及其生态特征 . 北京林业大学学报, 2017, 39(4): 1-11. doi: 10.13332/j.1000-1522.20160378
    [9] 张春华, 和菊, 孙永玉, 李昆.  基于MaxEnt模型的紫椿适生区预测 . 北京林业大学学报, 2017, 39(8): 33-41. doi: 10.13332/j.1000-1522.20170002
    [10] 龚俊杰, 杨华, 邓华锋.  北京明长城沿线景观生态风险评价 . 北京林业大学学报, 2015, 37(8): 60-68. doi: 10.13332/j.1000-1522.20140303
    [11] 赵天梁.  山西崦山自然保护区侧柏林植物生态位特征 . 北京林业大学学报, 2015, 37(8): 24-30. doi: 10.13332/j.1000-1522.20150039
    [12] 王恒恒, 李斌, 栾晓峰.  福建典型人工林两栖动物生态位分析 . 北京林业大学学报, 2014, 36(1): 66-71.
    [13] 殷金岩, 姜林, 王海涛, 孟令军, 李珊珊, 高海英, 耿增超, 郭永利.  西安市浐灞生态区绿地土壤肥力调查与评价 . 北京林业大学学报, 2012, 34(4): 93-98.
    [14] 周宇飞, 刘鹏举, 唐小明.  林火蔓延模型模拟空间精度评价研究 . 北京林业大学学报, 2010, 32(2): 21-26.
    [15] 陈星.  区域生态安全空间格局评价模型的研究 . 北京林业大学学报, 2008, 30(1): 21-28.
    [16] 曲红, 刘美芹, 金莹, 李艳华, 乔海莉, 郝晨, 孙青, 李在留, 范丙友, 程堂仁, 欧阳杰, 隋金玲, 熊丹, 胡晓丹, 段旭良, 贺窑青, 胡海英, 石娟, 姚娜, 刘丽, 王丰俊, 孙月琴, 雷庆哲, 李莉, 周章义, 王莉, 张玲, 陈佳, 沈昕, 田呈明, 骆有庆, 王建中, 周燕, 冯菁, 尹伟伦, 陈晓阳, 冯秀兰, 郑彩霞, 武彦文, 张艳霞, 张香, 李凤兰, 续九如, 张志毅, 陈发菊, 骆有庆, 张德权, 陆海, 孙爱东, 康向阳, 尹伟伦, 郭锐, 李云, 赵亚美, 路端正, 阎伟, 武海卫, 吴晓成, 王百田, 卢存福, 梁华军, 孙爱东, 安新民, 王晓东, 梁宏伟, 胡晓丹, 阎晓磊, 胡德夫, 姜金仲, 骆有庆, 沈繁宜, 马钦彦, 李忠秋, 郑永唐, 蒋湘宁, 骆有庆, 赵蕾, 王华芳, 高述民, 史玲玲, 郝俊, 冯晓峰, 骈瑞琪, 严晓素, 尹伟伦, 王建中, 张志翔, 王华芳, 刘玉军, 冯仲科, 于京民2, 李凯, 郭晓萍, 谢磊, 崔彬彬
    , 王晓楠, 高荣孚, 王冬梅, 王瑛, 赵兵, 王玉兵, 邹坤, 吴坚, 温秀凤3, 陶凤杰, 李镇宇, 王玉春, 张庆, 林善枝, 陈卫平, 李凤兰, 张兴杰, 丁霞, 杨伟光, 呼晓姝, 沈应柏, 孙建华, 刘玉军, 刘艳, 王民中, 付瑞海, 蒋平, 汪植, 马建海, 赵新丽.  青海云杉天然林内小蠹种群空间生态位的研究 . 北京林业大学学报, 2007, 29(5): 165-169.
    [17] 高鹏, 谢响明, 张文娟, 罗菊春, 李绍才, 王岩, 何磊, 侯旭, 蒋佳荔, 孙宇瑞, 柳新伟, 朱妍, 李云成, 张学俭, 李永慈, 盖颖, 张金凤, 王盛萍, 冶民生, 贺庆棠, 马道坤, 申卫军, 崔保山, 康向阳, 王文棋, 廖学品, 陆佩玲, 孙海龙, 冯仲科, 何静, 关文彬, 吕建雄, 昌明, 吴玉英, 唐守正, 成仿云, 张华丽, 李吉跃, 张志强, 史剑波, 静洁, 蒋湘宁, 张桂莲, 李小飞, 吴斌, 路婷, 张平冬, 于晓南, 赵广杰, 石碧, 杨志荣, 何权, 关毓秀, 孙阁, 王军辉, 孙晓霞, 王尚德, 张满良, 蒲俊文, 马克明, 汪燕, 赵燕东, 陈永国, 彭少麟, 林威, 余新晓, 刘国华, 胡文忠, 汪西林, .  南亚热带森林演替植物幼苗生态位适应度模拟 . 北京林业大学学报, 2006, 28(1): 1-6.
    [18] 何磊, 谢响明, 孙宇瑞, 盖颖, 李永慈, 侯旭, 张学俭, 李云成, 蒋佳荔, 冶民生, 高鹏, 王盛萍, 朱妍, 李绍才, 罗菊春, 贺庆棠, 王岩, 张文娟, 张金凤, 柳新伟, 吴玉英, 何静, 张志强, 唐守正, 马道坤, 廖学品, 关文彬, 崔保山, 王文棋, 孙海龙, 吕建雄, 张华丽, 李吉跃, 康向阳, 陆佩玲, 昌明, 申卫军, 成仿云, 冯仲科, 杨志荣, 张平冬, 何权, 石碧, 史剑波, 赵广杰, 蒋湘宁, 张桂莲, 路婷, 吴斌, 于晓南, 静洁, 孙阁, 关毓秀, 李小飞, 王军辉, 孙晓霞, 赵燕东, 王尚德, 陈永国, 张满良, 彭少麟, 马克明, 汪燕, 蒲俊文, 胡文忠, 余新晓, 刘国华, 林威, 汪西林.  岷江干旱河谷主要灌木种群生态位研究 . 北京林业大学学报, 2006, 28(1): 7-13.
    [19] 胡建忠, 张丽丽, 杜晓, 刁一伟, 陈玮, 韩烈保, 赵博光, 刘晓丽, 莫秋云, 武三安, 李成茂, 石娟, 张建军, 贾黎明, 郭惠红, 张厚江, 姜笑梅, 李镇宇, 申世杰, 宋菲, 清水晃, 马履一, 邢长山, 梁波, 张峻萍, 徐文铎, 王昌俊, 王安志, 李文彬, 骆有庆, 苏德荣, 李景锐, 金昌杰, 王小平, 沉昕, 赵林果, 曾凡勇, 石碧, 壁谷直记, 李海林, 殷亚方, 崔英颖, 徐梅, 韩瑞东, 蒋艳灵, 苗毅, 关德新, 胡青, 陈卫平2, 韦艳葵, 延廣竜彦, 裴铁璠, 赵永利, 高述民, 徐君, 王瀛坤, 严晓素, 周军, 蒋平, 蒋平, 李凤兰, .  松材线虫入侵对马尾松林主要种群生态位的影响 . 北京林业大学学报, 2005, 27(6): 76-82.
    [20] 杜晓, 张建军, 陈玮, 莫秋云, 贾黎明, 武三安, 李成茂, 赵博光, 郭惠红, 张丽丽, 刁一伟, 韩烈保, 刘晓丽, 石娟, 张厚江, 胡建忠, 清水晃, 李文彬, 姜笑梅, 邢长山, 徐文铎, 张峻萍, 李镇宇, 宋菲, 梁波, 骆有庆, 马履一, 王安志, 王昌俊, 申世杰, 李景锐, 崔英颖, 王小平, 曾凡勇, 李海林, 沉昕, 殷亚方, 苏德荣, 壁谷直记, 金昌杰, 石碧, 赵林果, 徐梅, 韦艳葵, 蒋艳灵, 胡青, 陈卫平2, 关德新, 苗毅, 韩瑞东, 延廣竜彦, 高述民, 裴铁璠, 徐君, 严晓素, 王瀛坤, 赵永利, 周军, 李凤兰, 蒋平, 蒋平.  松材线虫染病松树上钻蛀性昆虫生态位的研究 . 北京林业大学学报, 2005, 27(6): 108-111.
  • 加载中
图(4) / 表 (2)
计量
  • 文章访问数:  674
  • HTML全文浏览量:  188
  • PDF下载量:  53
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-05-16
  • 修回日期:  2017-11-15
  • 刊出日期:  2018-03-01

防风固沙优良树种欧李的潜在适生区及生态特征

doi: 10.13332/j.1000-1522.20170180
    基金项目:

    “十二五”国家科技支撑计划课题 2015BAI05B01

    国家自然科学基金项目 81473304

    作者简介:

    张琴。主要研究方向:药用植物地理分布及产地适宜性。Email: zhangqin1992yx@163.com 地址:100193北京市海淀区马连洼北路151号

    通讯作者: 谢彩香, 副研究员。主要研究方向:药用植物地理分布及产地适宜性。Email: caixiangxie@163.com 地址:同上
  • 中图分类号: S793.9;R931.2

摘要: 目的欧李作为我国特有的生态型树种,在防风固沙、蓄水保土等方面具有重要的生态和经济价值,因此研究欧李的全球潜在适生区及其生态特征,对欧李树种的推广种植和防沙治理具有重要意义。方法本文根据379个欧李分布点和19个生态因子数据,采用BIOCLIM、DOMAIN、MAXENT和GARP 4个生态位模型预测欧李的全球潜在适生区,并分析欧李分布区的生态特征,以受试者工作特征曲线ROC和Kappa两个统计量进行模型评价。结果欧李的全球潜在适生区主要分布在30°~52° N、102°~137° E范围内的亚洲,包括中国、韩国、朝鲜以及与中国东北接壤的俄罗斯远东地区,另外,阿富汗和塔吉克斯坦也有少量分布,其中最适宜区主要分布在中国。模型评估表明,4个模型的AUC值均达到0.85以上,Kappa值均达到0.7以上,4个模型预测精度良好,一致性显著,均可用来预测欧李潜在适生区。欧李分布区的生态特征为:年平均温度范围为3.2~13.9℃,昼夜温差月均值范围为10.1~13.0℃,昼夜温差与年温差比值范围为24~30,温度变化方差范围为9234~13581,最湿月份降水量范围为115~226mm,最干月份降水量范围为2~10mm,雨量变化方差范围为77~115。结论欧李潜在适生区主要位于温带季风气候带,最适宜区主要分布在中国东北和华北地区,该地区可大规模种植欧李以实现荒漠化治理,而韩国、朝鲜、俄罗斯远东区和阿富汗等地适宜性相对较低,可先进行小规模试种,再扩大生产。

English Abstract

张琴, 宋经元, 邵飞, 傅生辰, 孙成忠, 袁丽钗, 谢彩香. 防风固沙优良树种欧李的潜在适生区及生态特征[J]. 北京林业大学学报, 2018, 40(3): 66-74. doi: 10.13332/j.1000-1522.20170180
引用本文: 张琴, 宋经元, 邵飞, 傅生辰, 孙成忠, 袁丽钗, 谢彩香. 防风固沙优良树种欧李的潜在适生区及生态特征[J]. 北京林业大学学报, 2018, 40(3): 66-74. doi: 10.13332/j.1000-1522.20170180
Zhang Qin, Song Jingyuan, Shao Fei, Fu Shengchen, Sun Chengzhong, Yuan Lichai, Xie Caixiang. Potential suitable distribution area and ecological characteristics of Cerasus humilis, an excellent tree species for windproof and sand fixation[J]. Journal of Beijing Forestry University, 2018, 40(3): 66-74. doi: 10.13332/j.1000-1522.20170180
Citation: Zhang Qin, Song Jingyuan, Shao Fei, Fu Shengchen, Sun Chengzhong, Yuan Lichai, Xie Caixiang. Potential suitable distribution area and ecological characteristics of Cerasus humilis, an excellent tree species for windproof and sand fixation[J]. Journal of Beijing Forestry University, 2018, 40(3): 66-74. doi: 10.13332/j.1000-1522.20170180
  • 水土流失、土地荒漠化等自然灾害严重威胁着人类的生存发展,根据联合国最新统计,荒漠化造成的全球土地损失高达3600万km2,每年仍按6万km2的平均速度扩展,其中非洲和亚洲是土壤荒漠化现象最严重的地区。土地荒漠化已成为全球生态的“头号杀手”,因此寻求具有防风固沙、蓄水保土效果的适生植物以实现荒漠化治理迫在眉睫[1-2]。欧李(Cerasus humilis)是蔷薇科(Rosaceae)樱桃属矮生灌木果树,是我国特有的一种生态型树种,对生存环境适应性强,在气候干旱、寒冷(-40℃),土壤瘠薄甚至盐碱区(pH值8.5以下)均可生存。尤其是欧李根系发达呈网状结构,种植3年后保水率和保土率分别可达25%和80%,其生态平衡效果远远高于沙棘(Hippophae rhamnoides)和柠条(Caragana Korshinskii)等传统植物,是防治水土流失的极佳树种[3]。此外欧李果实富含人体易吸收的果酸钙而被称为“钙果”,其花色和果色非常艳丽,在景观设计和旅游方面亦可广泛应用,因此欧李所具有的生态价值、经济价值和观赏价值,使其成为一种开发前景广阔的优良树种[4]。欧李资源主要分布在我国的黑龙江、吉林、辽宁、内蒙古、河北、山东、河南等地[5],全球其他区域的沙漠化可通过引种栽培欧李缓解,但是如何判断某一区域能否种植欧李,仍然缺乏科学指导,因此研究欧李的生态适宜性区划以及生态特征是解决欧李适种区域问题的关键[6]

    随着生态位理论以及信息技术的不断发展[7-8],许多生态位模型被开发并在植物潜在适生区预测方面得到了广泛应用[9-10]。生态位模型是根据物种的分布样本和相关环境变量信息,得出环境变量对物种分布的约束关系,利用这种关系构建模型,将模拟结果投射到所研究的区域,以判断物种的潜在分布[11],本文采用常用的BIOCLIM、DOMAIN、GARP和MAXENT 4个模型模拟欧李在全球的潜在适生区。不同的模型算法原理不同,BIOCLIM模型是根据已知环境因子对物种分布的限制范围,认为物种的环境特征是一个个多维包络,然后探索研究区域环境因子与已知环境包络之间的非随机关系[12];DOMAIN模型是根据Gower算法计算研究区域内点和已知点的环境变量的相似性,根据相似矩阵进行分类,得到物种的分布范围[13];GARP模型是根据遗传算法原理,将物种分布数据和环境数据反复迭代运行,产生不同规则的集合,将最优集合的结果作为物种的潜在分布区[14]。MAXENT模型是在已知的约束条件下对未知事物不作任何假设,得到熵值最大的概率分布,根据熵最大时的状态参数确定物种和环境关系来估计物种的分布[15]。近几年对欧李的研究主要集中在分子[16-18]、植物生理[19-20]、化学品质[21]及标准制定[22]方面,对于欧李在全球的潜在适生区鲜少报导。本文应用上述4种常用的生态位模型预测其在全球范围内的潜在分布并分析欧李分布区的生态因子特征,为欧李树种的推广种植和防沙治理,以及响应国家一带一路倡议,实现欧李生态价值最大化提供支持。

    • 本文的欧李样本点来源于中国数字植物标本馆(CVH,http://www.cvh.ac.cn/)、NSII-中国国家标本资源平台(http://www.nsii.org.cn)、中国科学院植物研究所植物标本馆(http://pe.ibcas.ac.cn/)以及文献检索。由于样本信息来源多样,需进行筛选以保证样本准确性。先核实所有样本点的拉丁名,保留拉丁名准确无误的点;再核查经纬度信息,经纬度信息重复的点只保留一个,经纬度信息缺失但有详细地名的点可根据谷歌地球进行定位,经纬度信息不全且地名不详的点均删除。最终得到379个欧李样本点(图 1),时间分布为1956—2006年,将其分布数据保存为shp和csv格式。

      图  1  欧李样本点分布图

      Figure 1.  Distributing points of Cerasus humilis

    • 影响物种分布的因素主要有非生物因素、生物因素以及物种的迁移能力,各种因素在不同空间尺度下发挥作用不同。一般来说,在大尺度范围内,气候(非生物因素)是影响物种分布格局的主要因素,生物因素主要在小尺度空间下影响物种分布[23-24]。本文基于全球空间尺度下预测欧李潜在分布,因此采用与温度降水相关的19个气候变量作为生态数据,如表 1所示。该数据下载于世界气候数据库(http://www.worldclim.org/),空间分辨率为2′30″,是全球监测数据的平均值(1970—2000年)。此外,从国家基础地理信息系统(http://nfgis.nsdi.gov.cn/)下载得到地图资料。

      表 1  环境变量

      Table 1.  Environmental variables

      环境变量Environmental variable 单位Unit
      年平均温度Mean annual temperature(bio1)
      昼夜温差月均值Monthly mean value of diurnal temperature difference (max. temperature-min. temperature) (bio2)
      昼夜温差与年温差比值Isothermality (bio2/bio7×100)(bio3) 1
      温度变化方差SD of temperature seasonality(bio4) 1
      最热月份最高温Max. temperature of the warmest month(bio5)
      最冷月份最低温Min. temperature of the coldest month(bio6)
      年温度变化范围Annual temperature range(bio5- bio6)(bio7)
      最湿季度平均温度Mean temperature of the wettest quarter(bio8)
      最干季度平均温度Mean temperature of the driest quarter(bio9)
      最暖季度平均温度Mean temperature of rhe warmest quarter(bio10)
      最冷季度平均温度Mean temperature of the coldest quarter(bio11)
      年平均降水量Annual mean precipitation(bio12) mm
      最湿月份降水量Precipitation of the wettest month(bio13) mm
      最干月份降水量Precipitation of the driest month(bio14) mm
      雨量变化方差Variation of precipitation seasonality(bio15) 1
      最湿季度降水量Precipitation of the wettest quarter(bio16) mm
      最干季度降水量Precipitation of the driest quarter(bio17) mm
      最暖季度平均降水量Mean precipitation of the warmest quarter(bio18) mm
      最冷季度平均降水量Mean precipitation of the coldest quarter(bio19) mm
    • BIOCLIM模型和DOMAIN模型预测主要在DIVA-GIS软件(Version 7.5)中进行,此外DIVA-GIS软件还用于处理欧李样本,该软件下载于http://www.diva-gis.org/download;MAXENT软件(Version 3.3.3 k)用于最大熵模型分析,下载于http://www.cs.princeton.edu/~schapire/maxent.;Desktop Garp软件(Version 1.1.6)用于GARP模型分析,下载自http://www.Nhm.ku.edu/desktopgarp/download.html。ArcGIS 10.1主要用于数据格式转换和图层重分类等,该软件来源于ESRI公司。

    • 物种分布数据可通过查询物种分布数据库、文献以及资源考察获得,其数量有限,而影响物种分布的环境因子较多,因此应用生态位模型时环境变量的选择是首要问题。本文应用的气候变量是影响物种分布的主要因素,采用Spearman系数法对19个变量进行相关性检验以避免变量之间共线性导致模型过度拟合[25],根据相关性检验结果,两个因子的Spearman系数大于0.75时,选择其中一个生态意义重大的因子,而小于0.75的因子均保留[26],最终得到7个环境变量,分别为年平均温度(bio1)、昼夜温差月均值(bio2)、昼夜温差与年温差比值(bio3)、温度变化方差(bio4)、最湿月份降水量(bio13)、最干月份降水量(bio14)、雨量变化方差(bio15)。

    • 在DIVA-GIS软件中导入欧李样本数据(shp格式),在Modeling模块中采用Sample Points工具进行随机取样:将训练数据集的比例设置为75%,再随机选取背景点(数量设为样本点的10倍),将背景点和剩下25%的已知点作为测试数据,训练集用于模型预测,测试集用于模型验证。为了提高模型预测结果的准确度和比较不同模型的差异性,随机生成5组数据,包括训练数据集和对应的测试数据集,生态适宜性分析总体技术路线见图 2

      图  2  生态适宜性分析技术路线

      Figure 2.  Technical route of ecological suitability analysis

      BIOCLIM模型和DOMAIN模型:先在DIVA-GIS软件中导入环境数据图层并进行格式转换,转换成grd格式后生成stack数据集,然后打开Bioclim/Domain模块,加载训练数据集和环境数据的stack数据集,分别进行两个模型的预测。

      MAXENT模型:打开MAXENT软件,将训练数据集(csv格式)和环境数据(asc格式)分别导入,设置刀切法权重,预测结果输出栏勾选asc格式,其他参数采用默认设置。

      GARP模型:先将asc格式的环境数据全部转换成RAW格式(Garp Dataset Manager中进行),再打开Desktop Garp,分别添加训练数据集和RAW格式的环境数据,训练数据比例设为100%,循环次数设为20次,并设置最优模型集合,以asc格式输出预测结果图。

    • 为了比较不同模型的预测精度,本文采用ROC曲线(receiver operating characteristic curve)和Kappa统计量分别进行评价。将每个模型的5个预测结果图分别转换成grd格式并创建stack数据集,在Modeling模块中导入测试数据和预测结果的stack数据集并生成评估文件,然后输出ROC和Kappa值。

      ROC曲线是一种非阈值依赖性评价指标,在模型评价中得到了广泛的应用,比较不同模型预测结果时更加客观,目前认可度较高[27]。ROC曲线分析法主要通过计算曲线下面积(area under curve,AUC),AUC值范围为0~1,值越大表示预测越精确,AUC值为0.7~0.8,一般;0.8~0.9,好;0.9~1,非常好。Kappa统计量是一种阈值依赖指标,可用来检验模型预测结果的一致性,也被广泛用作模型评价参数。Kappa统计量取值范围为[-1,+1],当Kappa值小于或等于0时,表示模型预测效果较差,不如随机模型[28],Kappa值为0.4~0.6,一般;0.6~0.8,显著;0.8~1,极佳。

    • 根据生态位模型预测结果,每个模型均得到5个预测图,选出AUC值最大的作为每个模型的最终预测结果。将其转换成ASCII格式并导入GIS然后进行地图制作,先进行栅格重分类,再根据每个模型的默认值,利用自然间断点分级法(Jenks)进行等级划分[29],得到各个模型的欧李适生区分布图。

    • 4个模型的预测结果显示欧李潜在适生区分布基本一致,主要分布在30°~52° N、102°~137° E范围内的亚洲地区,其中在中国分布较为集中,韩国、朝鲜、阿富汗、塔吉克斯坦以及与中国东北接壤的俄罗斯远东地区有少量分布。欧李在中国的潜在适生区主要分布在秦岭以北的山脉附近,阴山以南,太行山、燕山以北,以及东北大兴安岭东面及小兴安岭以南。包含的行政区划有甘肃省、宁夏自治区、陕西省、山西省、河北省、河南省、山东省、北京市、辽宁省、吉林省、黑龙江省、内蒙古自治区。其中最适宜区主要分布在陕西中部、甘肃东北部、陕西省、河南省北部、河北省、山东省、内蒙古南部、辽宁省、吉林省西部。

      不同模型预测结果也存在一定的差异性,BIOCLIM模型(图 3A),DOMAIN模型(图 3B)和MAXENT模型(图 3C)预测的欧李潜在适生区整体分布范围较为接近,GARP(图 3D)模型预测的分布区范围最大。从最适宜区(红色部分)分布来看,MAXENT模型和GARP模型分布范围最大,BIOCLIM模型和DOMAIN模型的最适宜区面积较小,其中DOMAIN模型预测的最适宜区面积最小且分布不集中。

      图  3  欧李全球潜在适生区

      Figure 3.  Global potential suitable distributing area of C. humilis

    • 4个模型预测结果的AUC值和Kappa值统计量如表 2所示。

      表 2  4个模型AUC和Kappa统计量

      Table 2.  Statistic values of AUC and Kappa of the four models

      模型Model AUC均值
      Average of AUC
      AUC标准差
      Standard deviation of AUC
      Kappa均值
      Average of Kappa
      Kappa标准差
      Standard deviation of Kappa
      BIOCLIM 0.973 0.01 0.979 0.02
      DOAMIN 0.993 0.001 0.983 0.003
      GARP 0.897 0.02 0.790 0.04
      MAXENT 0.858 0.02 0.716 0.05

      4种模型的AUC均值均达到0.85以上,Kappa值均达到0.7以上,表明4个模型的预测效果均达到较好的水平,模型一致性显著,因此4个模型均可用来预测欧李潜在适生区分布。比较不同模型的AUC值可知,DOAMIN模型的AUC值最大,达到0.993,其次是BIOCLIM模型,GARP模型和MAXENT模型。比较不同模型AUC值的标准差可知,DOAMIN < BIOCLIM < GARP=MAXENT,AUC值和标准差代表了模型预测的总体水平,均值越大,标准差越小,表明模型预测越稳定,标准差表明了样本的离散程度,标准差越小,表明样本分布对预测结果的干扰越小。比较不同模型的Kappa值可知,4个模型的Kappa值大小依次为DOAMIN > BIOCLIM > GARP > MAXENT,DOAMIN模型的Kappa值最大,表明其一致性最好。4个模型Kappa值的标准差DOMAIN模型最小,其次是BIOCLIM模型,GARP模型,MAXENT模型。因此对于欧李来说,DOMAIN模型预测效果更好。综上分析可知各个模型的AUC值和Kappa值具有一定的相关性,AUC值越大,Kappa值也越大。DOMAIN模型的AUC值最大,Kappa值也最大,因此DOMAIN模型可作为预测欧李潜在适生区的最佳模型。

    • 利用ArcGIS软件提取欧李379个分布点的生态因子数据,然后根据R软件得到7个主要生态因子的生态位(图 4)。欧李实际分布点上各个生态因子的生态位符合欧李生长条件,因此根据数据的统计分布情况,排除异常值,以数据上下限范围作为因子的生态位范围:年平均温度(bio1) 3.2~13.9℃,昼夜温差月均值(bio2) 10.1~13.0℃,昼夜温差与年温差比值(bio3)24~30,温度变化方差(bio4)9234~13581,最湿月份降水量(bio13)115~226mm,最干月份降水量(bio14)2~10mm,雨量变化方差(bio15)77~115。欧李主要分布在秦岭以北年均降水量在50~800mm之间地区。由于该地区身居内陆,受海洋影响小,且少水少植被覆盖,多沙粒,因此昼夜温差较大在10℃上下。

      图  4  7个主要因子生态特征

      Figure 4.  Ecological characteristics of seven main factors

    • 本研究首次基于4个生态位模型预测欧李的全球潜在适生区,并分析了欧李分布区的生态特征,可为欧李的引种扩种以及全球荒漠化治理提供参考。欧李的全球潜在适生区主要分布在30°~52° N、102°~137° E范围内的亚洲地区,包括中国、韩国、朝鲜和与中国东北接壤的俄罗斯远东地区,阿富汗和塔吉克斯坦也有少量分布,其中最适宜区主要分布在中国。欧李生态特征为:年平均温度范围为3.2~13.9℃,昼夜温差月均值范围为10.1~13.0℃,昼夜温差与年温差比值范围为24~30,温度变化方差范围为9234~13581,最湿月份降水量范围为115~226mm,最干月份降水量范围为2~10mm,雨量变化方差范围为77~115。模型评估表明,4个模型的AUC值均达到0.85以上,Kappa值均达到0.7以上,4个模型预测精度良好,一致性显著,均可用来预测欧李潜在适生区。

    • 本文研究结果显示欧李的生态适宜区主要位于温带季风气候带的中国东北和华北地区,与文献的实际分布区比较一致,另外,预测结果还显示在朝鲜,韩国和俄罗斯远东地区有部分区域属于欧李的适生范围,因此这些地区可考虑种植。欧李主要生态适宜区位于秦岭以北,也是我国固定沙丘和半固定沙丘的主要分布区,因此在该地区推广种植欧李,不仅可充分发挥欧李树种的抗旱、抗寒、耐盐碱、耐瘠薄的生态价值,有效遏制该地区土地荒漠化的严峻趋势,而且该地区降水量少,昼夜温差在10℃左右且光照较强,有利于植物生长和瓜果糖分的积累[30],从而提高欧李的经济价值。欧李生态位结果显示,其生长区年平均温度范围为3.2~13.9℃,最干月份降水量为2~10mm,最湿月份降水量为115~226mm,这与欧李的生长期对温度和降水的要求基本一致,6月上旬至8月初为欧李果实发育和成熟期,欧李营养生长期降水量在10mm左右,生殖生长期降水量在200mm左右,表明欧李适宜于北方地区春旱秋雨的气候,该生态位特征可作为考察其他地区能否满足欧李分布的基本条件。

      物种分布样本点数据通常比较有限,样本量的大小也是影响生态位模型预测精度的一个因素。Hernandez等[31]用18个物种研究了不同样本量(5、10、25、50、75、100)分别对生态位模型预测准确性的影响,结果显示在一定限度内,随着样本量增加预测的准确性不断增加,当样本量超过一定值时,预测精度便趋于某一值不再增加;本文采用了379个欧李样本点,符合生态位模型预测的样本量要求。此外,样本分布年份为1956—2006年,而生态因子的年份范围为1970—2000年,二者在时间尺度上基本一致,且短期内欧李的生态位并无较大变化,因此该数据的预测结果可以反应欧李的潜在适生区。4个生态位模型预测结果虽然也存在一些差异,但是预测结果基本都能反映出欧李在全球的适生区分布情况。结合欧李的生长特性,预测结果显示的最适宜区最接近欧李真实生态位的地区,可作为欧李的重点发展地区,随着适宜程度降低,可考虑进行小规模引种试种。

      每种模型因原理不同各有优缺点,遗传算法原理导致GARP模型每次结果都需根据预设规则得到最优集合,根据最优集合的结果得到物种潜在分布区,所以其预测结果会比较大。但同时,GARP的迭代运算使得运算量呈级数增长,加重了模型的运算负担,增加了模型的运算时间。MAXENT模型主要是对分布概率进行预测,遵循给定的环境约束条件,选择信息熵最大的概率分布作为最优分布,因此其预测结果比较保守。BIOCLIM模型是根据环境包络原理,其对研究区域的环境条件要求比较苛刻,完全位于包络内的点较少,因此该模型预测的最适宜区面积最小。DOMAIN模型利用点-点的相似矩阵计算目标点与离它最近的分布样本点之间的相似程度,在环境变量空间中确定的环境超矩形并不一定是连续的,因此其预测区域会出现断断续续且适宜区分布以分布点为中心,同时在样本较少的情况下,DOMAIN模型会存在生态位空间缩小的现象。采用不同的评价方法评价模型的预测精度,也会得出不同的结果,此外模型预测结果还与物种的实际分布有关,如果物种本身分布范围较小,用生态位模型对其潜在适生区进行空间分布模拟时,模型之间的差异较大,如果所研究物种的本身分布比较广泛,则用不同指标对模型性能进行评价时可表现出较高的一致性[32-33]

参考文献 (33)

目录

    /

    返回文章
    返回