欧阳晟, 秦思思, 陈王赋, 颜玉娟, 陈月华

基于Maxent和ARCGIS的醉鱼草属植物适生区预测

欧阳晟, 秦思思, 陈王赋, 颜玉娟*, 陈月华

中南林业科技大学风景园林学院, 长沙 410004

为分析园林观赏植物醉鱼草属在中国的潜在适生区, 和环境因子对其在地理分布上的影响, 基于世界气候数据网提供的19个气候因子数据, 以及中国地区内128份可查证的分布点, 运用最大熵模型及相关生物地理软件, 模拟醉鱼草属植物在中国的潜在分布区, 并通过刀切法得出影响其分布的主导气候因子。结果表明: 醉鱼草属植物潜在适生区为西南云贵地区和东南江浙一带; 暖季降雨量、冷季均温、温度季节变异系数、降雨季节变异系数是影响醉鱼草属植物分布的主导因子, 其适宜生长在暖季降水量为200—2500 mm, 冷季均温为-20—20 ℃的地区; 醉鱼草适生区与年降水量具有一定的相关性, 其分布边界与400 mm年等降水量线大致重合。

适生区预测; 最大熵模型; ARCGIS; 醉鱼草属

0 前言

醉鱼草属隶属于马钱科(参照恩格勒分类系统), 广泛分布于江浙、两湖两广及云贵等中国南方各省区, 常生于山地、乡村路缘、河畔林间, 多为灌木, 适应性强。本研究涉及的种有醉鱼草()、大叶醉鱼草()、巴东醉鱼草()、喉药醉鱼草()、短序醉鱼草()、大花醉鱼草()、云南醉鱼草()、紫花醉鱼草()、滇川醉鱼草()等, 花大色艳, 芬芳四溢, 具有较高的观赏价值, 在园林绿化中可用来点缀草地、护坡绿化、点缀山石、美化院落, 还可用来布置成花海景观等, 是优良的园林绿化植物, 醉鱼草属植物的花、叶及根都可作为药材使用。国内学者对醉鱼草属植物的研究主要集中在其化学成分测定及药用价值方面, 也有对其园林应用方面的研究, 对醉鱼草属植物适生区的预测在医学和园林应用领域都具有重要意义[1–5]。

Maxent模型又叫最大熵模型, 是近年来新开发的一款软件, 常用于预测生物的潜在适生区[6–9]。ArcGIS(地理信息系统)作为近年来主流空间信息分析软件, 具有强大的空间分析能力, 在众多行业得到广泛运用。根据Jaynes提出的最大熵理论, 在已知条件下, 事物在熵最大时最接近它的真实状态[10–12]。

1 材料与方法

1.1 数据来源

醉鱼草属植物的分布数据来源于http: //www. cvh.org.cn(中国数字标本馆)、http://www.gbif.org/(全球生物多样性信息平台)、http://www.papc.cn/ (中国自然保护区资源平台)、《中国植物志》及各地方植物志, 另外, 查询醉鱼草野外调查数据和文献资料。初步获得醉鱼草属植物标本信息270个, 直接使用其中具有准确经纬度信息的标本, 对于已知详细分布点的标本, 通过Google Earth等地图软件查询其经纬度信息, 最终整理出128份醉鱼草属植物地理分布信息, 主要发布在中国南方各省市, 具体分布如下(图1)。

海拔图层获取于DIVA-GIS软件网站数据下载中心(http: //www.diva-gis.org), 植物覆盖图层数据来自于网站(http: //www.iscgm.org.), 公共气候数据获取于WorldClim网站(http: //www.Worldclim.org), 采用2.5 min数据库, 共包括19个气候因子[13–15]。分析用的底图源于国家基础地理信息系统官网(http: //nfgis.Nsdi.gov.cn /nfgis/chinese /c_xz.htm), 比例尺为1: 400万。

图1 醉鱼草属植物标本分布图

Figure 1 Distribution map ofsamples in China

1.2 相关软件

本研究所使用的软件主要有Excel表格、DIVA-GIS 7.5、Maxent(最大熵模型)、ARCGIS 10.2(地理信息系统)。Excel表格主要用于进行坐标数据的整理, DIVA-GIS用于绘制物种分布点地图及气候数据的格式转换, Maxent用于分析预测醉鱼草属植物适生区间, ARCGIS用于绘制预测分布图及空间分析。

1.3 数据处理

1.3.1 绘制物种分布点地图

利用DIVA-GIS 7.5软件处理所获得的醉鱼草属植物经纬度数据, 绘制而得到醉鱼草属植物在中国境内的地理分布图。再以海拔和植物覆盖图层为底图, 在ARCGIS 10.2软件中绘制出醉鱼草属植物的海拔分布图及分布地的植物覆盖图[16–17]。

1.3.2 分析预测醉鱼草属植物适生区间

根据Maxent模型需要, 将所得醉鱼草属植物的经纬度坐标数据通过Excel表格转换“植物名+经度+纬度”的csv格式, 导入Maxent模型中的Sample菜单下; 将WorldClim网站下载的19个气候因子数据, 包括年平均温(bio1)、昼夜温月均值(bio2)、昼夜温差与年温差比值(bio3)、温度变化方差(bio4)、最热月份最高温(bio5)、最冷月份最低温(bio6)、年温变化范围(bio7)、最湿季节平均温度(bio8)、最干季节平均温度(bio9)、最暖季节平均温度(bio10)、最冷季节平均温度(bio11)、年平均湿度(bio12)、最湿月湿度(bio13)、最干月湿度(bio14)、湿度变化方差(bio15)、最湿季节湿度(bio16)、最干季节湿度(bio17)、最暖季节平均湿度(bio18)、最冷季节平均湿度(bio19), 通过DIVA-GIS 7.5软件的Data菜单下Export Grdfile-Multiple files, 将19个气候因子的grd文件全部转换为ASCII 格式, 导入到Environmental layers菜单下。在随机状态下, 选择75%的数据作为训练集组建模型, 剩下25%的数据作为测试集用于验证, 勾选Create response curves、Make pictures of prediction、Do Jackknife to measure variable importance复选框, 在setting菜单下characteristic curve设为10次重复, 生成10个预测随机模型, 其他参数均为软件默认值。

1.3.3 预测分布图及空间分析

模拟结果以ASCII格式输出, 再转入ARCGIS 10.2软件中加载Maxent运行结果, 利用arctoobox工具箱, 将ASCII文件转为光栅文件类型, 选择输出文件类型为float, 绘制出预测结果的分布图[18–19]。

2 结果与分析

2.1 模型精度分析

将实际没有该物种分布, 而被预测为阳性的概率(假阳性率)为横坐标; 实际有该物种分布, 且预测为阳性的概率(真阳性率)为纵坐标, 绘制成受试者工作特征曲线(Reciever Operating Characteristic Curve, ROC曲线), 选取受试者工作特征曲线对模型的预测精度进行评估, 其具体指标是采用ROC曲线与横坐标所围成的面积(AUC值)来判断模型预测的优良程度(表1), AUC值越接近1, 表明与随机分布相距越远, 环境变量与预测结果越准确[20]。

利用Maxent模型预测醉鱼草的AUC值为0.990(图2), 表明最大熵模型对醉鱼草属植物在中国适生区的预测结果极佳。

表1 AUC值与预测结果间的关系

图2 利用Maxent模型预测醉鱼草的ROC曲线

Figure 2 Maxent Model predicting the ROC curve of the

2.2 主导因子分析

刀切法常用于分析各个环境变量对预测结果的影响程度, 运用刀切法分析影响醉鱼草属植物分布的主要环境变量时, 其原理是在运算过程中, 对环境变量进行依次省略, 再用剩余的变量建立模型, 对省略变量与遗漏误差之间的相关性进行分析, 如果遗漏误差因某个环境变量的缺失而显著升高, 则表明该环境参数对模型的预测结果影响突出[21]。

将气候因子导入Maxent模型后, 各气候因子对醉鱼草属植物分布的相对贡献率见表2。

从表2可知, 相对贡献率大于10%的气候因子有暖季降雨量(Bio18)、温度季节变异系数(Bio4)、冷季均温(Bio11)、降雨季节变异系数(Bio15), 属主导因子, 对醉鱼草属植物分布概率的影响见图3。其中Bio18对醉鱼草属植物适生区影响最大, 贡献率为53.2%。其次, Bio4和Bio11以15.7%和12.4%的贡献率居第二位与第三位, 说明温度变化条件也对醉鱼草属植物的分布产生了一定的影响。

从图3(a)可以看出: 当暖季降雨量大于200 mm时, Buddleja分布的概率随降雨量的增加而显著提升; 当降雨量600 mm时, 其分布概率仍随着降雨量的增加上升速度减慢; 当降雨量达到2500 mm时, 其分布概率达到平衡, 所以, 暖季降雨量大于2500 mm时将不利于醉鱼草属植物的生长。图3(b)显示, 温度季节变异系数大于0后, 醉鱼草属植物分布概率开始迅速上升, 在4000—13000范围内变化缓慢, 大于15000后趋近平衡。图3(c)显示: 冷季均温在-20—20 ℃范围内适合醉鱼草属植物的生长, 在均温为0℃时达到最大分布概率, 低于-25 ℃和高于25 ℃均不利于其生长。图3(d)显示, 降雨季节变化系数(Bio15)在85时最较适合醉鱼草属植物的生长。

2.3 地理分布及预测结果分析

2.3.1 地理分布

从海拔分布图(图4)和植被覆盖图(图5)可以看出南方地区的各种地形地段, 在热带气候地区少有分布, 高海拔寒冷地区难以生存, 标本数据主要分布于云贵高原、四川盆地、东南丘陵及长江中下游地区, 海拔跨度从200 m到2700 m, 其中250—500 m(东南丘陵)和1000—2000 m(云贵高原)分布相对集中。生长地植被类型主要为亚热带常绿阔叶林及常绿针叶林, 多于壳斗科、樟科、木兰科、松柏科、金缕梅等乔木植物混生, 常见的混生乔木有栲树、香樟、木荷、马尾松、杉木等; 常与草本和灌木伴生, 其中以禾本科及菊科植物居多。

表2 Maxent模型中19气候因子相对贡献率

图3 主导因子对醉鱼草属植物分布概率的影响曲线. 暖季降雨量(a) 、温度季节变异系数(b)、冷季均温(c)、降雨季节变异系数(d)

Figure 3 The curve of probability of the dominant factor released. Response curve of precipitation of warmest quarter(a), response curve of temperature seasonality(b), response curve of mean temperature of coldest quarter(c), response curve of precipitation seasonality(d)

图4 醉鱼草属植物分布点的海拔图

Figure 4 Altitudes in the geographical distribution map of

图5 醉鱼草属分布点的植物覆盖图

Figure 5 landcover type in the geographical of distribution map of

醉鱼草属植物集中分布的地区多处于亚热带季风气候区, 临近太平洋, 夏季容易受到海上湿热气流的影响而产生充沛的降水, 满足常绿阔叶植物的水分和温度的需求。在生长条件满足的情况下, 醉鱼草属植物可生长于多种植被环境中: 既能于灌木草本间杂混生, 也能处于高大乔木的遮蔽之下, 或水边路旁。与菊科植物、蕨类植物、禾本科植物等都能形成良好的植物群落。

2.3.2 预测结果分析

将Maxent预测结果导入ARCGIS后得到醉鱼草属植物适生区间的预测结果(图6), 形成以云贵高原及四川盆地为中心和以长江中下游地区为中心的“一大一小”的分布格局, 其中主要分布的省份为云南、贵州、四川、重庆(一大)和安徽、浙江、福建(一小); 此外, 甘肃、湖南、湖北、江西、江苏、广西等地区也较为适合其生长繁殖。贵州省为预测分布面积最大的省区, 大部分北方地区及热带地区不适合醉鱼草属植物的生长。

预测结果表明, 醉鱼草属植物在我国的适生范围主要集中在西南、华东地区。其中高度适生区包括贵州绝大部分, 四川、云南、重庆大部分以及广西北部, 福建西北及东南部, 江苏南部。适生区包括广西、广东、湖南、湖北、江西、浙江、安徽、甘肃大部分地区, 西藏和宁夏也有零星分布。与当前分布点不同的是, 甘肃、宁夏、湖北、安徽将成为醉鱼草属植物新的适生区间。新的适生区间集中在30°N附近, 较当前分布地区有所北移, 区间跨度更为广阔。

预测中高度适生区间及适生区间主要集中在20—40°N, 使得醉鱼草可作为这些地区的乡土草本而进行开发, 通过花坛、花境等应用形式进行园林栽培, 而醉鱼草属植物在这些地区极强的适应性也可减少其养护管理费用, 降低成本。

2.3.3 适生区主导因子与地理特征预测

利用刀切法对19个气候因子分析后, 得到4个关键影响因子(主导因子): 暖季降雨量、温度季节变异系数、冷季均温、降雨季节变异系数。当暖季降雨量小于200 mm时, 醉鱼草植物的分布概率极低, 大于200 mm后, 开始增长(图3(a))。结合我国年等降水量线和醉鱼草植物标本分布图(图7, 年等降水量线图来自中国国家地理网), 发现现有醉鱼草属植物在中国分布地区的边界与400 mm年等降水量大致重合; 醉鱼草分布较密集的地区与800 mm年等降水量线相吻合。从等降水量线的意义看, 它既是我国地理上的分界线, 也是气候区的分界线; 400 mm年等降水量线是我国半湿润与半干旱地区的分界线, 也是东部季风区与西北干旱半干旱区的分界线; 800 mm等降水量线作为传统意义上的南北分界线, 是温带季风气候与亚热带季风气候的分界线。由图3(c)得知,当冷季均温在0℃的时候, 分布概率达到最大, 这与秦岭—淮河的中国南北分界线大致重合。根据以上气候特征可知: 降水量和温度对醉鱼草的生长影响较其他气候因子大, 其难以在干旱沙漠地区大面积生长繁殖, 比较适合生长于南方湿润温暖的气候。在培育过程中要注意水分和温度的控制, 夏季给予其充足的水分, 北方地区需要对其加以防护措施, 以有利其度过冬季的严寒, 得到更好的栽培效果[22-27]。

图6 利用Maxent模型预测的醉鱼草属植物在中国的潜在适生区

Figure 6 A prediction of the potential distribution range ofusing Maxent model

图7 醉鱼草属植物标本分布与中国年等降水量线

Figure 7specimen and annual precipitation line of china

3 讨论

根据醉鱼草属植物标本分布图(图1)及中国植物志等网站、文献及相关信息的查询, 醉鱼草现阶段主要分布于中国南方各省, 为典型的亚热带季风气候, 此气候类型容易在南北纬25—35 ℃亚热带大陆东部, 夏季炎热多雨, 冬季温暖少雨, 冬季的平均温度可在0 ℃以上, 这与预测结果中的主导因子相吻合: 夏季的高温多雨使得暖季降雨量充足; 四季明显的气候使得气温的季节变化显著; 冬季寒冷, 均温能维持在0 ℃以上; 夏季多雨, 冬季少雨, 降雨量的季节变化十分明显。这些都表明, 醉鱼草属植物的生长和环境气候条件息息相关, 其更适合生存于亚热带季风气候区。在预测结果中, 醉鱼草植物的分布范围有往北移的趋势, 甘肃、江苏、河南、河北等一些非热带季风气候区也成为醉鱼草生存概率极高的区域, 这与全球气候变暖相吻合。

当前醉鱼草属植物主要运用于南方各城市中, 因气候条件限制, 很少被配置于北方的城市园林。预测结果显示, 醉鱼草属植物的适生区间将逐步向北扩展, 中原一带将成为其新的适生地段。醉鱼草生长较快, 易为栽植, 成活率高, 生命力强, 植株不高, 是良好的花坛植物, 还可作切花使用, 具有很好的发展应用前景, 可先作为南方的乡土物种进行开发栽培, 在南方地区进行推广培育, 等到气候条件适宜, 再引种北方进行繁育。

[1] 中国科学院《中国植物志》编辑委员会.中国植物志[M].北京: 科学出版社, 2004.

[2] 颜玉娟, 赵虎. 园林地被植物的选择与应用[J]. 湖北林业科技, 2005, (133): 54–57.

[3] 谢红梅. 湖南醉鱼草属植物资源评价及园林应用研究[D].长沙: 中南林业科技大学, 2017.

[4] Zhang Wei, Li Zheng, Xu Fengqing, et al. Mimengosides J and K: two new neuroprotective triterpenoids from the fruits of[J]. Journal of Asian Natural Products Research, 2018(11): 1–9.

[5] 张玉梅. 醉鱼草扦插繁殖技术及其生理生化研究[D]. 长沙: 中南林业科技大学, 2018.

[6] PHILLIPS S J, ANDERSON R P, SCHAPRISE R E. Maximum entropy modeling of species geographic distributions[J]. Ecological Modelling, 2006, 190(3/4): 231–259.

[7] KUMAR S, STOHLGREN T J. Maxent modeling for predicting suitable habitat for threatened and endangered treein New Caledonia[J]. Journal of Ecology and the Natural Environment, 2009, 1(4): 94–98．

[8] LOZIE R J D, ANIELLO P, HICKERSON M J. Predicting the distribution of Sasquatch in western north America: Anything goes with ecological niche modeling[J]. Journal of Biogeography, 2009, 36(9): 1623–1627.

[9] 曹向锋, 钱国良, 胡白石, 等. 采用生态位模型预测黄顶菊在中国的潜在适生区[J]. 应用生态学报, 2010, 21(12): 3063–3069.

[10] 龚维, 夏青, 陈红锋, 等. 珍稀树种伯乐树的潜在适生区预测[J]. 华南农业大学学报, 2015, 36(4): 98–104.

[11] 邵扬, 叶丹, 欧阳臻, 等. 薄荷的生境适宜性区划及品质区划研究[J].中国中药杂志, 2016, 41(17): 3169–3175.

[12] 谢春平. 南方红豆杉分布生态适应性分析[J]. 热带地理, 2014, 34(3): 359–365.

[13] 田聪, 穆尼热, 朱忠艳, 等. 基于DIVA-GIS快速获取气候信息的方法[J]. 农业学报, 2015, 5(5): 109–113.

[14] 杜中修, 郑勇奇, 鲁法典, 等. 火炬树在我国的适生区预测[J]. 广东农业科学, 2011, (2): 50–52.

[15] 孔令斌, 林伟, 李志红, 等. 基于CLIMEX和DIVA-GIS的瓜实蝇潜在地理分布预测[J]. 植物保护学报, 2008, 35(2): 148–154.

[16] 谢春平. 基于DIVA-GIS生物地理分布图的绘制[J]. 湖北农业科学, 2011, 50(11): 2345–2348.

[17] 毛俐慧, 李垚, 刘畅, 等. 基于Maxent模型预测细叶小羽藓在中国的潜在分布区[J]. 生态学杂志, 2017, 36(1): 54–60.

[18] 熊中人, 张晓晨, 邹旭, 等. 中国天山花楸适生区预测及其对气候变化的响应[J]. 生态科学, 2019, 38(5): 44–51.

[19] 闫宇航, 岑云峰, 张鹏岩, 等. 基于MaxEnt模型的中国马尾松分布格局及未来变化[J]. 生态学杂志, 2019, 38(9): 2896–2901.

[20] 柳晓燕, 李俊生, 赵彩云, 等.基于MAXENT, 模型和ArcGIS预测豚草在中国的适生区[J].植物保护学报, 2016, 43(6): 1041–1048

[21] 刘建宏, 熊小真, 潘涌智, 等.滇柏大痣小蜂Roques & Pan的潜在分布区预测[J].中国农学通报, 2011, 27(10): 39–43

[22] MENON S, CHOUDHURY B I, KHAN M L, et al. Ecological niche modeling and local knowledge predict new populations of, a critically endan-gered tree species[J]. Endangered Species Research, 2010, 11(2): 175–181.

[23] BOURG N A, MCSHEA W J, GILL D E. Putting a CART before the search: Successful habitat prediction for a rare forest herb[J]. Ecology, 2005, 86(10): 2793–2804.

[24] 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.

[25] ROBERTO M, ZAMORA R. Predictive modeling of microhabitats for endemic birds in south Chilean temperate forestsusing Maximum entropy[J]. Ecological Informatics, 2011, 6: 364–370.

[26] 秦誉嘉, 蓝帅, 卢国彩, 等. 气候变化条件下樱桃绕实蝇在中国的潜在地理分布预测[J]. 植物保护学报2019, 46(1): 63–70.

[27] 张兴旺, 李垚, 谢艳萍, 等. 气候变化对黄山花楸潜在地理分布的影响[J]. 植物资源与环境学报, 2018, 27(4): 31–34.

Prediction of potential distribution ofbased on the Maxent and ARCGIS

OUYANG Sheng, QIN Sisi, CHEN Wangfu, YAN Yujuan*, CHEN Yuehua**

College of Landscape Architecture, Central South University of Forestry and Technology, Changsha 410004, China

For the analysis of the potential distribution area of the ornamental plantin China, and the impact of environmental factors on the geographical distribution, based on 19climatic factors data provided by the World Climate Data Network and 128 recorded distribution points in China, we used the maximum entropy (Maxent) model and related biogeographic software to simulate the potential distribution area ofin China, and used the Jackknife method to obtain the dominant climatic factors affecting their distribution. The results showed thatthe potential suitable areas ofwere Yunnan Guizhou region in Southwest China area and Jiangsu and Zhejiang in Southeast China. Warm season rainfall, uniform temperature in cold season, seasonal variation coefficient of temperature, and seasonal variation coefficient of rainfall were affecting the dominant factor for the distribution of. Warm season rainfall 200-2500 mm and uniform temperature in cold season -20 to 20℃ were a suitable growing area. There was a certain correlation between the suitable area of grass and annual precipitation. The distribution boundary roughly coincided with the 400 mm annual isoprecipitation line.

potential distribution; maximum entropy model; DIVA-GIS;

欧阳晟, 秦思思, 陈王赋, 颜玉娟, 陈月华. 基于Maxent和ARCGIS的醉鱼草属植物适生区预测[J]. 生态科学, 2021, 40(3): 165–173.

OUYANG Sheng, Qin Sisi, CHEN Wangfu, YAN Yujuan, CHEN Yuehua. Prediction of potential distribution ofbased on the Maxent and ARCGIS[J]. Ecological Science, 2021, 40(3): 165–173.

10.14108/j.cnki.1008-8873.2021.03.020

S157.2

A

1008-8873(2021)03-165-09

2019-11-13;

2020-01-23

国家林业局“十三五”重点学科项目([2015]44); 湖南省教育厅“十二五”重点学科项目(2011-76); 湖南高校一流本科专业(湘教通〔2019〕138号)(园林专业)

欧阳晟(1995—), 男, 湖南衡阳人, 硕士研究生, 研究方向为风景园林规划与设计, E-mail: 959041792@qq.com

颜玉娟, 女, 四川达州人, 副教授、博士, 主要研究领域为植物景观规划与设计、园林植物资源与应用、城市绿地系统规划、植物景观维护、森林公园植物景观规划, E-mail:1964610285@qq.com