陈 璐， 孙希华， 林泽民

(山东师范大学人口·资源与环境学院，山东济南 250014)



基于GARP的大薸潜在适生区预测

陈 璐， 孙希华， 林泽民

(山东师范大学人口·资源与环境学院，山东济南 250014)

大薸(PistiastratiotesL.)原产热带和亚热带的小溪或淡水湖中，是入侵风险较高的水生植物之一。利用现有的大薸分布点数据,基于GARP模型采用刀切法选取最优环境因子集合，对其在我国的潜在分布区进行预测，并使用ROC曲线对其预测结果进行精度检验。结果表明，坡度、年平均气温、最冷月气温、多年平均降水量等对其适生区分布影响显著。现有数据表明，预防生物入侵往往比入侵后控制更为经济有效。该研究的目的就是预测大薸的适生区，从而寻找更经济有效的方法阻止它的入侵。

GARP；大薸；适生区；预测

大薸，俗名水白菜，为多年生浮水草本植物，原产于热带和亚热带的小溪或淡水湖中，在南亚、东南亚、南美及非洲都有分布[1]。喜高温湿润气候，耐寒性差。一般在温度15～45 ℃之间生活,10 ℃以下常常发生烂根掉叶，低于5 ℃时则会枯萎死亡。适宜生长发育的温度在23～35 ℃之间，夏季一个月内每株可繁殖50～60株。大薸在自然条件下主要靠无性繁殖。初引入时在我国珠江三角洲一带野生较多，由于它生长快、产量高，因此南方各省都引入放养[2]。后逐渐从珠江流域扩散到长江流域，湖南、湖北、四川、福建、江苏、浙江、安徽等省均有分布。20世纪70年代又北移过了黄河，但由于北方地区冬季气温低，大漂的生长期短，产量不高，并没有推广开来。近年来随着水质的恶化，水体中氮磷营养物质富集。由于大薸较强的适应性，入侵的风险变大，应引起重视。

GARP作为一种基于遗传算法的规则集预测，全称为the Genetic Algorithm for Rule-set Prediction，是一种常用的生态位模型。基本方法是使用遗传算法通过计算机自动检索与选择影响物种分布的环境因子，随后将选择出的因子组合映射到特定的区域并通过一定方式进行叠加，分析物种在原分布区的环境特征与未知区域存在的非随机关系。通过反复运行规定次数(可以是成百上千次)或到符合结果收敛的要求时停止运算，可以得到由多个规则构成的规则集模型，多次运算选择最优模型，并将运算结果投影到数字地图上，形成所需要的预测结果。目前，随着全球化进程的加快，各国间物质文化交流愈加频繁，生物入侵的风险也随之增强。基于预防比治理更有效的论点，各国纷纷采用各种方法预测外来生物在本国适生区。GARP作为一种实用性较高的数学生态位模型，多次被运用到预测物种分布中。2002年Peterson和Anderson利用GARP模型预测了两种动物的分布，并将结果进行了对比；2007年王运生等论述了使用GARP方法进行的相似穿孔线虫在中国区分布预测的具体方法[3]；2009年余岩等利用GARP模型对中国地区入侵之物加拿大一枝黄花的分布进行了预测，得到了精度较高的分布预测结果[4]；2010年David Stockwell综合论述了利用GARP模型进行空间预测分析中遇到的主要问题和解决方法，提高了该方法的普及程度。

1 数据收集和处理

从国家基础地理信息系统网站下载比例尺为1∶4 000 000的数字地图，作为进行空间预测的地图层。从国家自然科技资源平台教学标本资源共享平台(34所)、中国数字植物标本馆、国内外已发表论文中关于大薸在我国分布的具体描述、实地调研中发现的大薸分布数据，选择野生分布点，并剔除重复点，最终获取该研究所使用的大薸的分布数据，共84个。使用国家测绘局地名比例尺为1∶1 000 000万的地名库，确定分布点的具体经纬度。从图1大体可看出大薸在我国分布的现状。

Stockwell研究表明，使用以月为单位的环境数据比使用以年为单位的环境数据在物种的适生区预测过程中更为精确[5]。笔者所研究的对象大薸属于生长周期较短的水生植物，由于我国大部分地区的年气候参数平均值相似度较高，而月平均值较大，因而短期的生态环境状况更能影响大薸的分布。基于此，考虑到入侵植物大薸的生态学特征，初步选择的影响大薸生存和发展的主要环境因子有温度、太阳辐射、降雨量、海拔、汇流累积量、太阳辐射等11个因子。在Berkeley大学worldclim下载中心可下载有关温度、降雨量的数据，所得数据是1950～2000年间精度为30 rad/s的全球环境月值数据。在该下载中心下载的全球环境数据，应通过ArcGIS中的栅格裁剪工具按国家基础地理信息系统网的中国边界将下载得到的有关温度、降雨全球环境数据进行批量裁剪，得到我国的环境图层数据。太阳辐射图使用中国地理图集中王静爱和左伟所绘制的太阳总辐射量分布图，经扫描、数字化处理后采用。将地形高程数据利用ArcGIS的水文分析功能进行处理，可生成汇流累积量数据图层。进行环境数据的处理，另一个主要工作是将栅格格式的环境变量进行数据转换，将数据转换为Desktop Garp软件所支持的格式，即.asc文件，才可在Desktop Garp中运算。该步骤可以通过ARCGIS当中的Toolbox进行转换，也可在arcview中调用Desktop Garp官方提供的转换插件进行。

2 最优环境图层集选择与计算

多种环境因素会影响到植物的生长，单一环境因子并不能决定植物生长，应以环境因子集的形式进行预测。由于一个地区的环境因子很多，基于成本效益的考量，不能将所有环境因子考虑在内。纳入计算的环境变量每增加一个，会造成运算量成倍增加和分析问题的复杂度。同时有些变量之间本身存在相关性或因果关系，考虑过多不会提高结果的精确度，甚至有时会相互干扰，影响试验结果。由于环境因子间存在着互相影响的关系，可以使用刀切法进行，比较分析后选择模拟效果最好的环境图层集合，即最优环境因子集[6]。

2.1 环境因子的选择

(1)将选择出的全部11个环境因子与大薸的分布数据导入模型，设置为运算1 000次或结果收敛时停止。将模型运算所得的遗漏误差取平均值，可作为基础遗漏误差。

(2)根据刀切法原理，依次切除11个环境因子集的单个环境因子，共得到11个环境因子组。将每个因子组运行模型运算200次，并对遗漏误差分别取平均值，即可得到每个环境因子的遗漏误差。

(3)单一环境因子的缺失与基础遗漏误差的95%相比，遗漏误差较高，证明其对大薸生长影响较大。反之，明显低于基础遗漏误差，则证明其对大薸生长影响不显著，在最终分析中将该因子剔除。经过挑选剔除，最终选定表1所示的8个环境因子组成最佳环境因子集。

利用选出的最优环境因子图层集进行GARP模型的最终分析，重复创建200次模型或者按照结果收敛的情况终止。结果表明，利用最优因子集的遗漏误差为6.47%，显著低于基础遗漏误差；并且卡方检验的结果显示，P值远<0.01，模型的预测能力好于随机模型。

表1 因子选择

2.2 预测结果将上述模型运算结果按下列原则，挑选出其中最佳的10个图层：①在200个图层中选择comission值处于中间的50个图层;②在50个选择出的图层中选取10个遗漏误差最小的图层;③运用ArcGIS软件中的空间分析模块，将所选择的10个预测图层进行地图代数运算，完成图层叠加。叠加完成后，每个栅格的值都在0～10之间，代表每个栅格在10个最佳预测模型中适合大薸生长的模型数量，一般将该数值称为重叠值(OV)。因此，每个栅格的重叠值的大小代表着该栅格是否适合入侵植物的生存，重叠值越大，越适合入侵物种生存[3]。根据重叠值的大小划分大薸的入侵风险等级，可将预测区域划分为下列4个等级(表2)。根据表2划分的风险等级，经图层叠加、数据重分类分析，并按照轮廓进行裁剪,最终得到大薸的潜在风险等级分布图(图2)。

表2 中国区大薸入侵风险等级

3 模型检验

不同物种分布模式不一样, 对环境变量的响应也不一样, 所以应用不同物种、不同的环境变量,其预测结可能不一样，但用ROC曲线分析进行模型评价的方法是可以通用的[3]。ROC曲线是以假阳性率(实际不存在，预测存在)为横坐标，以真阳性率(实际存在，预测也存在)为纵坐标绘制成的曲线，ROC曲线与横轴间的面积值即为AUC值。AUC值一般在0～1之间，可用来衡量模型预测的精度[7]。理想状态AUC值=1，模型预测结果完全准确，即模型预测区域完全与实际分布相同。通常认为，AUC在0.7～0.9时模型准确性较好，可以采用。利用SPSS软件可以绘制并得到ROC曲线(图3)，同时可自行计算出GARP预测结果的AUC值。计算得到的AUC值为0.856，在0.7～0.9，证明模型预测结果是可信的，可以较准确地模拟大薸的分布范围。

4 结论

笔者使用了大薸在我国的分布点对其潜在分布区进行了GARP预测。由图2可知，大薸在我国的适生区比较广泛,目前实际分布范围小于所预测的非安全区(OV>4)，故有扩散的可能。该预测结果符合大薸适宜生长的环境。从图2可知，除了西藏、陕西、河南3个入侵省份外，其余省份均有高威胁区域(OV≥9)的存在。长江以南的地区几乎全部属于高威胁区和中威胁区，长江流域的四川东部、重庆、湖北、湖南、安徽、浙江、上海和江西的大部分地区以高威胁区为主,是治理大薸入侵的重点区域。由大薸的生态特性可知，其受温度的制约最为明显，因此在0 ℃等温线以北均为安全区(OV≤4)。不存在中高威胁区的省份, 即使偶有零星的植株出现，也难以形成大规模入侵。四川、重庆、湖北、安徽、江苏属于大薸从高威胁区到安全区的过渡区,应有意识地予以关注，加强管理，防止大薸在这些区域大规模扩散。

根据美国、日本等发达国家的经验，对待生物入侵应设立专门的机构。由于我国幅员辽阔、省份众多，设置全国统一的垂直领导机构显然不可行，太小尺度上如以地级市为单位，又存在机构冗余、资源浪费的情况。因此在省的尺度上进行管理防治措施是最合理有效的。因此根据得到的各省份大薸入侵风险图，可为各省份根据自身所处的区域，进行不同的或防，或治，或防治结合的措施提供决策依据。我国大薸的潜在风险等级分布图可以作为政府进行大薸防治工作的参考，针对处于大薸扩散的中高威胁区进行分布普查，应对已存在的入侵植物泛滥的地区进行河网封锁，防治扩散。对处于非安全的地区加强大薸危害宣传，提高居民防范意识，一旦形成入侵做到及时治理。

近年来随着各国对生物入侵问题的重视度提高，各国均意识到对外来生物有必要进行早期预警、风险评估，合理利用评估结果制定相应对策。该研究应用了GARP模型，该模型是较为成熟的基于生态位的模型，已多次成功应用于物种的适生性分析预测。该研究预测了大薸在我国的潜在适生区分布,利用了可获取的大薸分布资料和区域环境因子，对其可能的分布区进行了预测。该次研究仍为初级预测，仅考虑了环境因素，并未考虑人类干扰这种主要生物入侵模式带来的影响。该研究是基于大范围的预测结果，虽精度不高，但仍对大薸的潜在分布区进行了有效的预测，可以作为目前大薸的防治工作的参考。

[1] 颜素珠.中国水生高等植物图说[M].北京:科学出版社, 1983.

[2] 华汝城.大薸-水浮莲[J].生物学通报，1957(4)：35-40.

[3] 王运生,谢丙炎,万方浩. ROC 曲线分析在评价入侵物种分布模型中的应用[J].生物多样性,2007,15(4): 65-372.

[4] 余 岩,陈立立,何兴金.基于 GARP的加拿大一枝黄花在中国的分布区预测[J].云南植物研究,2009,31(1):57-62.

[5] 邵慧，田佳倩，郭柯，等.样本容量和物种特征对BIOCLIM模型模拟物种分布准确度的影响——以12个中国特种落叶栎树种为例[J].植物生态学报,2009,33(5)：870-877.

[6] SUNNY MAK，BRIAN KLINKENBERG.Ecological Niche Modeling of Cryptococcus gattii in British Columbia, Canada[J].Environ Health Perspect，2010，118:653-658.

[7] SONG C Y,HUANG C,LIU H M.Predictive Vegetation Mapping Approach Based on Spectral Data,DEM and Generalized Additive Models[J].Chinese Geographical Science,2013(3):331-343.

GARP-based Prediction of Potential Distribution ofPistiastratiotesL. in China

CHEN Lu, SUN Xi-hua, LIN Ze-min

(College of Population, Resources and Environment, Shandong Normal University, Ji’nan, Shandong 250014)

PistiastratiotesL. originating in the stream or lake of the tropical and subtropical, it is one of the most harmful and widely distributed invasive aquatic species in China. Using the GARP model as the method, based on the existing distribution point data ofPistiastratiotesL. in China and suitable environment layers selected by jackknifing to predict its potential distribution area. The study indicated that layers such as slope, annual average temperature, the coldest temperature and annual average precipitation have great influence on the results. The existing data show that it is more efficient to prevent the biological invasion than to try to control it after invasion. The aim is to predict the potential distribution ofPistiastratiotesL., and support government to find a more effective way to prevent the invasion.

GARP;PistiastratiotesL.; Appropriate area; Prediction

陈璐(1990- )，女，山东昌邑人，硕士研究生，研究方向：遥感应用。

2014-12-02

S 645.9

A

0517-6611(2015)02-243-03