胡超 于静

(湖北省林业局林木种苗管理总站，武汉，430079)(岭南生态文旅股份有限公司)

林木良种是有适宜生态区域要求的，如果自然条件不适宜，再好的良种也达不到丰产、稳产。20世纪70年代，各地在油茶(Camelliaoleifera)生产发展过程中调购种子比较随意，许多地方由于超地理区域引种栽培，缺乏对引种前的科学预判，引种的盲目性很大，导致幼林生长不良、成林产量很低，在人力、物力等方面都造成了不小的损失[1]。

传统的林木良种引种适宜生态区凭主观经验判断较多，如宜林范围内每个按水平分布的气候带和垂直气候带都分布着特有类型的森林植被。经纬度由北向南，由西向东调运范围大于相反方向的范围，海拔高度不超过300～500 m，但是1958年，湖北引种广东、福建马尾松(Pinusmassoniana)种子成功，用事实改变了过去专家认为“马尾松南种北移的幅度不能超过2°～3°”的定论[2]。1979年李传志[2]论证马尾松一次北移6°～7°育苗是可以成功的。所以，温度、降水、土壤等主要环境因子相似，即为林木良种同一适宜引种生态区。

马尾松是湖北省主要造林树种之一。马尾松良种数量较多，且生长周期长，像农作物良种一样，对所有马尾松良种都进行引种试验的可行性不大，所以，十分有必要使用MaxEnt和ArcGIS精准分析马尾松良种同一适宜引种生态区[3]。根据湖南省马尾松产区现有审定马尾松良种，本研究应用MaxEnt生态学模型[4-5]，因地制宜，充分发挥造林地立地条件的优势，用34个环境因子精准划分湖南省马尾松良种在湖北省同一适宜引种生态区，旨在为湖北省马尾松良种造林工作能够“适地适树”，经营管理上“经济、合理”，马尾松生产达到“速生、丰产、优质”奠定良好基础。

1 数据与方法

1.1 基本信息来源

湖南省审定马尾松良种信息来源于湖北省林业局林木种苗管理总站(表1)。34个环境因子数据获取于中国气象科学数据共享服务网、中国科学院资源环境科学数据中心、国家青藏高原科学数据中心、中国西部环境与生态科学数据中心(表2)。

中国行政区划数据、中国海拔高度(DEM)数据获取于中国科学院资源环境科学数据中心和湖北省林业调查规划院。

1.2 信息数据处理

1.2.1 分布数据处理

为避免样点数据在某个地理空间上过度聚集，在湖南省马尾松适生范围内，用ArcGIS的Create fishnet工具生成空间为30行×30列的格网数据，以1个格网作为1个采样单元对马尾松良种的分布数据进行采样(图1)[6]。在Excel表中，剔除高程小于0、高程大于800 m、土壤厚度小于30 cm、土壤pH值大于6.5、极大风速大于24.4 m/s和异常值的采样点，全部采样分布记录共289条。按照MaxEnt软件的“Samples”的要求整理数据，将分布点以“物种+经度+纬度(西经、南纬的值为负，经纬度为十进制小数格式。)”另存为CSV格式文件。

表1 湖南省马尾松产区审定马尾松良种

表2 湖南省马尾松良种在湖北省同一适宜引种生态区环境因子

续(表2)

1.2.2 环境因子处理

地形因子(经度、纬度、高度)与环境因子有较好的回归关系，利用中国2 160个基本、基准地面气象观测站的观测数据，推算模拟无测站区域的环境资源分布情况。建立bio1～bio10、bio13～bio21、bio24～bio27等23个环境因子的空间分布模型，其表达式为:

Y=f(λ,φ,h)+ε。

式中：Y为环境因子要素；λ为经度；φ为纬度；h为海拔高度(m)；函数f(λ,φ,h)为气候学方程；ε为残差项，可视为小地形因子(坡度、坡向等)及下垫面对环境的影响。将f(λ,φ,h)展成三维二次趋势面方程[7]。

f(λ,φ,h)=b0+b1λ+b2φ+b3h+b4λφ+b5φh+b6λh+b7λ2+b8φ2+b9h2，

式中：b0～b9为待定系数，利用SAS9.4建立逐步回归优化回归模型，模拟23个环境因子的宏观趋势项，分别建立23个环境因子的小网格推算模型(表3)。

在中国海拔高度(DEM)数据支持下，在ArcGIS里，用23个环境因子的小网格推算模型，将环境因子bio1～bio10、bio13～bio21、bio24～bio27分别插值为100 m×100 m网格的基础数据[8-9]。用IDW法分别插值其残差项为100 m×100 m网格的修正数据。用Spatial Analyst工具→数学→加，将每个环境因子的基础数据和修正数据叠加相加为环境因子栅格数据。23个环境因子栅格数据用投影栅格工具统一为地理坐标系D_WGS_1984。以湖北省和湖南省矢量边界为掩膜，裁剪出这23个环境因子栅格数据图层。最后，用栅格转ASCII工具将这23个环境因子栅格数据转换保存为MaxEnt所需要的ASCII格式文件。

在ArcGIS里，将下载的bio11、bio12、bio22、bio23、bio28～bio34等11个环境因子数据通过重采样工具使其像元大小与bio1～bio10、bio13～bio21、bio24～bio27等23个环境因子一致[10]。11个环境因子数据统一为地理坐标系D_WGS_1984。以湖北省和湖南省矢量边界为掩膜，裁剪出这11个环境因子栅格数据图层。最后，用栅格转ASCII工具将这11个环境因子栅格数据转换保存为MaxEnt所需要的ASCII格式文件。

1.3 模型构建

1.3.1 MaxEnt软件建模

1)物种数据：将之前导出的马尾松良种分布数据(csv格式)的文件，通过Browse加载到MaxEnt软件“Samples”模块。

2)环境数据：把ASCII格式文件的34个环境数据加载到MaxEnt软件“Environmental layers”模块。

3)参数设置：使用auto features选项，根据自动特征规则进行计算，所有的要素类型都将用到。结果以comulative类型和ASCII格式输出，并定义其输出位置。设置界面的选择settings里‘Random test percentage’设置为25，随机选取75%的样本点数据作为训练数据[11]，settings中replicates本试验选择3次重复作为平行试验，最大迭代次数设为500次，收敛阀值设为0.000 01，取值范围0～100[12]。选择‘Do jackknife to measure variable importance’衡量所有变量的重要性，MaxEnt软件分别对每一个环境影响因子进行刀切图绘出。

表3 环境因子的小网格推算模型

1.3.2 ROC曲线绘制

绘制响应曲线评价模型精度。ROC曲线以真阳性率为纵坐标(敏感性，实际存在且被预测为存在的比率)，以假阳性率(1-特异性，实际不存在但被预测为存在的比率)为横坐标，CAU值指ROC曲线与横坐标围成的面积值，值域为0～1。CAU值越大表示与随机分布相距越远，环境因子变量与预测的物种地理分布之间的相关性越大，即模型预测效果越好，反之说明模型预测效果越差。0.5

图2 34个环境因子预测模型的CAU值

1.4 模型优化

在使用MaxEnt模型进行较大空间尺度的物种潜在分布预测时，由于选取的环境因子数目较多，会大大降低MaxEnt模型的运行效率。如果环境因子变量过多、变量空间共线性过强，会增加模型的复杂性，增大随机误差。无意义环境因子变量的存在会对模型的结果造成消极的影响，降低准确性。此时就需要对环境因子进行筛选或降维[13]。

1.4.1 筛选贡献率高的环境因子变量

刀切法测定各环境因子变量权重。刀切法就是每次都忽略一个环境因子变量，然后基于剩下的环境因子变量来对物种的适生区进行预测，然后MaxEnt软件自带程序画出柱形图作为依据评估环境因子变量的重要性。红色条带代表所有变量的贡献；蓝色的条带越长，说明该变量越重要；浅蓝色的条带长度代表除该变量以外，其他所有变量组合的贡献(图3)。在34个环境因子中，bio3、bio4、bio6～bio10、bio12～bio15、bio17、bio19、bio20、bio22～bio24、bio26～bio28、bio30、bio31、bio33等23个环境变量的贡献率都小于1%(表4)，对马尾松的种植分布影响有限，对这23个环境因子变量进行剔除[14]。

1.4.2 筛选多重共线的环境因子变量

用ArcGIS软件的值提取至点工具提取有效分布点的环境因子变量数值，用SPSS软件对贡献较大的bio1、bio2、bio5、bio11、bio16、bio18、bio21、bio25、bio29、bio32、bio34等11个主导环境因子进行Spearman相关分析(表5)，检验环境因子变量之间的多重共线性，11个主导环境因子之间的相关系数|r|<0.8，所以，保留bio1、bio2、bio5、bio11、bio16、bio18、bio21、bio25、bio29、bio32、bio34等11个主导环境因子变量重新建模[14]。

图3 刀切法的环境因子变量重要性分析

表4 各环境因子变量的贡献率

2 结果与分析

2.1 模型的有效性

用剩余的bio1、bio2、bio5、bio11、bio16、bio18、bio21、bio25、bio29、bio32、bio34等11个主导环境因子变量重新建模，重建模型的训练样本和测试样本的CAU值达到0.857和0.819(图4)，CAU均值在0.8～0.9之间，表明重建模型适用性及模拟精度均达到好的水平，与主导环境因子变量之间的相关性大，预测同一适宜引种生态区的结果好，可以据此进行引种推广。

表5 关键环境因子变量的相关系数

图4 11个主导环境因子预测模型的CAU值

2.2 马尾松良种同一适宜引种生态区预测及适生等级划分

MaxEnt进行3次重复试验，选取重复试验中，CAU值最高的图层导人ArcGIS软件进行适宜等级划分和可视化表达(图5)。MaxEnt模型输出的数据为ASCⅡ格式，用ArcGIS的ASCII to Raster功能，输出数据类型选FLOAT，使该结果可在ArcGIS中显示[14]。利用“Reclassify”功能,划分分布值等级及相应分布范围,并使用不同颜色表示，划分标准为:存在概率<0.05为不适生区;0.05≤存在概率<0.33为低适生区;0.33≤存在概率<0.66为中适生区;存在概率≥0.66为高适生区[4，8]。整体来看，湖南省马尾松产区的马尾松良种在湖北省的中适生区面积为236 863 hm2，主要分布在：鄂东的通山县、崇阳县和赤壁市；鄂西的宜都市、长阳县、五峰县、巴东县、建始县、鹤峰县、恩施市、宣恩县、来凤县和咸丰县。湖南省马尾松产区的马尾松良种在湖北省的低适生区面积为2 545 303 hm2，主要分布在：鄂东的英山县、罗田县、麻城市、蕲春县、浠水县、武穴市、黄梅县、阳新县、大冶市、梁子湖区、江夏区、蔡甸区、黄陂区、咸安区、嘉鱼县和通城县；鄂中的孝昌县、安陆市、汉川市、仙桃市、洪湖市、监利县、潜江市、江陵县、公安县、枝江市和松滋市；鄂西的远安县、当阳市、夷陵区、点军区、秭归县、兴山县和利川市。低适宜区域在引种马尾松良种时，需要选择适宜的小生境。

图5 湖南省马尾松良种在湖北省同一适宜引种生态区分布图

2.3 马尾松良种地理分布与生物气候变量的关系

用刀切法检测11个主导环境因子变量对于分布增益的贡献，结果(表6)表明：土壤酸碱度(bio29)对马尾松分布的增益最大，当土壤酸碱度pH值为0～5.5时，分布值随土壤酸碱度pH值的升高而增大；当土壤酸碱度pH值为5.5～7.8时，分布值随土壤酸碱度pH值的升高而减小(图6)。其次是年最少降水量(bio16)也对马尾松分布的影响较大，当年最少降水量为500～1 200 mm时，分布值随年最少降水量的升高而增大(图7)。

表6 主导环境因子变量的贡献率

图6 土壤酸碱度(bio29)反馈曲线

图7 年最少降水量(bio16)反馈曲线

3 讨论

如果没有做到“适地区适良种”，则可能导致林木良种育苗和林木良种造林的失败。主要原因是不同地理、气候和土壤等环境因子的质或量不同，因而对该林木良种所要求的生态条件的满足程度不同。所以，只有在适生地域内，在适宜的立地条件下，选择适合的林木良种，才能发挥林木良种造林的优良特性，实现速生丰产。否则，林木良种表现不好，甚至不如一般的当地品种。

基于MaxEnt生态位模型的同一适宜生态区研究中，环境因子数据常来自于世界气候-全球气候数据库网站，仅有19个环境因子，空间分辨率仅为5弧分[5-6，10，14]。为了获得更精准的引种效果，本研究选取34个重要环境因子，用中国2 160个基准地面气象观测站的观测数据，推算模拟无测站区域的环境资源分布情况，精准预测湖南省马尾松良种在湖北省同一适宜引种生态区。

传统的马尾松良种引种同一适宜生态区都是以乡镇、县、市、省等行政单位为单元。然而，影响马尾松成活生长的光、热、水、气等环境因子，受太阳辐射、大气环流的影响，而使水、热在地面上呈地带性的分布。由于山体起伏，垂直森林地带在实际上并不都是连续的，而是由断断续续地呈孤岛状分布的地块组成。为了获得精准的引种效果，本研究是以1 hm2为单元，精准预测湖南省马尾松良种在湖北省同一适宜生态区。

传统的林木引种是以单个树种划出同一适宜生态区。然而，随着自然条件演变和科学技术发展，转抗性基因育种、种间和远缘杂交育种等林木遗传改良工作广泛开展，每年都有新的林木良种通过审定。在相同的立地条件下，同一树种，不同良种之间的生长好坏是有显著差异的。为了获得精准的引种效果，本研究是以单个良种划出同一适宜生态区，精准预测湖南省马尾松良种在湖北省同一适宜生态区。

4 结论

通过运用MaxEnt生态位模型对湖南省马尾松良种在湖北省同一适宜引种生态区进行分析，证明了MaxEnt模型在林木良种引种应用方面的可行性以及可信度，同时结合刀切法探讨对马尾松良种生长影响最显著的环境因子，这对湖南省马尾松良种适生性分析提供了更进一步的理论支撑。需要基于MaxEnt和ArcGIS精准预测湖南省马尾松良种在湖北省同一适宜引种生态区，才能避免引种湖南省马尾松良种的盲目性，从而获得良好的引种效果，值得推广应用。