2. 中国林业科学研究院热带林业研究所, 广东广州 510520;
3. 广东省林业调查规划院, 广东广州 510520;
4. 广东新丰云髻山省级自然保护区管理处, 广东韶关 511100
2. Research Institute of Tropical Forestry, Chinese Academy of Forestry, Guangzhou, Guangdong, 510520, China;
3. Guangdong Forestry Survey and Planning Institute, Guangzhou, Guangdong, 510520, China;
4. Administration Office of Guangdong Xinfeng Yunjishan Provincial Nature Reserve, Shaoguan, Guangdong, 511100, China
物种分布模型(Species Distribution Models, SDMs)立足于生态位原理[1],通常利用存在的分布点数据和假定影响其分布的环境变量来预测物种潜在分布的地理范围[2, 3],近年来已成为生态学、生物地理学、保护生物学和气候变化等研究的热门话题之一。MaxEnt模型是以最大熵理论为依据构建的一种物种分布模型[4],该模型将物种已知的实际分布情况与对应环境变量结合,根据同一物种所需生长气候相似的原理,推算物种在一定的生态位约束条件下分布规律最理想的状态,从而对物种的潜在分布区进行预测,具有准确率高、应用效果好的优点[5-7]。相较于众多其他的分布模型,MaxEnt模型对样本量少、地理范围小、环境耐受能力有限的物种分布预测具有较高的准确性[8],因而被广泛应用于珍稀濒危物种的潜在分布区预测研究中[9-11]。
厚叶木莲(Manglietia pachyphylla)是木兰科(Magnoliaceae)木莲属(Manglietia)常绿乔木,自然分布于广东、广西等地,生长在海拔500-1 500 m的山体上,分布范围狭窄,资源稀缺,被列入国家Ⅱ级重点保护野生植物。近年来关于厚叶木莲的研究主要集中于群落生态学[12, 13]、光合生理生态[14]、传粉生物学[15]、系统发育[16]、形态特征[17]和资源调查[18]等方面,而利用物种分布模型模拟预测其潜在地理分布的相关研究尚未见报道。因此,本研究通过收集整理厚叶木莲标本采集记录,结合野外调查数据,以及现代及未来情景下的相关环境数据,利用MaxEnt模型和ArcGIS软件对厚叶木莲分布范围进行模拟及预测研究,并对其适生区进行划分及分析,了解制约其生长的主导环境因子,推测其在气候变化情景下的分布变动趋势,为厚叶木莲的种质资源保护和可持续利用提供科学依据。
1 材料与方法 1.1 分布数据收集和整理通过检索中国数字植物标本馆(CVH,https://www.cvh.ac.cn/)、全球生物多样性信息平台(http://www.gbif.org),以及中国科学院华南植物园标本馆(IBSC)等数据库,参考缪绅裕等[18]的研究结果,同时结合野外调查,获取带有具体地理坐标的厚叶木莲分布数据共11条。其中,来自中国数字植物标本馆的数据由于缺少具体地理坐标,故将其地理坐标定位到标本标记最低一级的行政单位中心;位于贵州丹寨的腊叶标本疑为乳源木莲(M.yuyuanensis)[18],因此未采用。此外,为防止采样偏差导致局部分布点过于密集使模型过拟合,在ArcGIS 10.8软件中采用设置缓冲区和相交分析手段排除距离过近的分布点,在距离<5 km的分布点中只取一个分布点,最终得到有效的厚叶木莲分布样点9个,将其保存为.csv格式(图 1)。
1.2 环境数据及处理方法
使用现代(1970-2000年)及未来两个时期(2021-2040年、2041-2060年)的气候数据,下载自WordClim全球气候和天气数据库(http://www.worldclim.org),坐标系为WGS1984,空间分辨率为2.5 arc-minutes,包含19个生物气候变量数据(bio1-bio19)和利用ArcGIS 10.8提取处理得到的3个地形数据(坡度、坡向和海拔)。未来时期的气候数据选择第6次国际耦合模式比较计划(CMIP6)发布的3种共享社会经济路径气候情景(SSP126、SSP245和SSP585),SSP126代表低强迫、温室气体低排放时的情景,SSP245为中强迫、温室气体中等排放时的情景,SSP585为高强迫、温室气体大量排放时的情景[19]。采用的大气环流模式为第二代国家气候中心中等分辨率气候系统模式(BCC-CSM2-M2),该模式对中国的气温及降水模拟较为准确[20]。土壤数据来自世界土壤数据库(HWSD)的中国土壤数据集v1.1(http://vdb3.soil.csdb.cn/),本研究选择其中的土壤变量数据共34个。因此,进入研究考量范围的环境因子共计56个(表 1)。
代码 Code |
环境变量描述 Environment variable description |
代码 Code |
环境变量描述 Environment variable description |
|
Bio1 | Annual average temperature | T_bulk_density | Topsoil soil bulk density | |
Bio2 | Monthly mean temperature | T_oc | Topsoil organic carbon content | |
Bio3 | Isothermality | T_ph_h2o | Topsoil pH | |
Bio4 | Seasonal variation of temperature | T_cec_clay | Cation exchange capacity of upper cohesive layer soils | |
Bio5 | Maximum temperature in warmest month | T_cec_soil | Cation exchange capacity of the topsoil | |
Bio6 | Minimum temperature in coldest month | T_bs | Upper soil base saturation | |
Bio7 | Annual temperature range | T_teb | Exchangeable base of the upper soil | |
Bio8 | Average wettest season temperature | T_CaCO3 | Topsoil carbonate or lime content | |
Bio9 | Driest quarterly mean temperature | T_CaSO4 | Upper soil sulfate content | |
Bio10 | Average temperature of the warmest quarter | T_esp | Topsoil exchangeable sodium salt | |
Bio11 | Average temperature of coldest quarter | T_ece | Topsoil conductivity | |
Bio12 | Annual average precipitation | S_gravel | Subsoil gravel volume percentage | |
Bio13 | Wettest monthly precipitation | S_sand | Sediment content in the subsoil | |
Bio14 | Driest monthly precipitation | S_silt | Subsoil silt content | |
Bio15 | Seasonal variation of precipitation | S_clay | Clay content in the subsoil | |
Bio16 | Wettest quarterly precipitation | S_usda_tex | Subsoil texture classification | |
Bio17 | Driest quarterly precipitation | S_bulk_density | Subsoil bulk density | |
Bio18 | Precipitation in the warmest quarter | S_oc | Subsoil organic carbon content | |
Bio19 | Coldest seasonal precipitation | S_ph_h2o | Subsoil pH | |
Aspect | Aspect | S_cec_clay | Cation exchange capacity of the lower cohesive layer soil | |
Slope | Slope | S_cec_soil | Cation exchange capacity of the subsoil | |
Elevation | Elevation | S_bs | Subsoil base saturation | |
T_gravel | Percentage of aggregate volume in upper soil | S_teb | Exchangeable base of subsoil | |
T_sand | Upper soil sand content | S_CaCO3 | Carbonate or lime content of subsoil | |
T_silt | Upper soil silt content | S_CaSO4 | Sulfate content in the subsoil | |
T_clay | Clay content in the upper soil | S_esp | Subsoil can exchange sodium salts | |
T_usda_tex | Classification of topsoil texture | S_ece | Conductivity of the subsoil | |
Note: prefixes T and S denote the physicochemical properties of the upper soil (0-30 cm) and the lower soil (30-100 cm), respectively in soil data. |
为减少56个环境因子间的自相关性干扰,首先将所有环境气候因子纳入MaxEnt模型进行初次模拟;其次根据MaxEnt得出的贡献率列表去除运行结果中贡献率为0的因子;再次将环境因子导入SPSS 25.0软件中,通过Pearson相关系数(r)检验各变量之间的多重共线性,每组高度相关的变量(|r|>0.8)只保留贡献率最大的变量并将其纳入到模型运行中;最后选取12个环境气候变量,通过MaxEnt模型进行厚叶木莲潜在适生区地理分布的模拟及分析。
1.3 MaxEnt模型预测分析使用最大熵模型MaxEnt 3.4.4模拟预测厚叶木莲的分布区。将筛选出的9个厚叶木莲分布数据与12个环境气候变量导入到MaxEnt软件,将25%的分布样点数据作为测试数据,75%为训练数据,Bootstrap重复运行10次,使用受试者工作特征曲线(Receiver Operating Characteristic curve,ROC曲线)评估模型预测结果的精度,使用刀切法Jackknife确定环境气候变量的贡献程度,其他则保持默认设置。MaxEnt模型采用ROC曲线作为模型模拟精度的衡量方法,ROC曲线与横坐标轴围成的面积称为受试者工作特征曲线下面积(Area Under ROC Curve,AUC)值,该值是最优模型精度检测指标[21]。AUC值取值为0-1,通常情况下,AUC值越接近1表示预测的结果越精确[22, 23]。具体而言,AUC值为0.5-0.6表示预测失败,0.6-0.7为较差,0.7-0.8为一般,0.8-0.9为好,0.9-1.0为非常好[24, 25]。
1.4 适生区质心转移分析质心是描述物种空间分布的重要指标之一,也可以用来表征物种的空间分布变化[26]。将未来两个时期(2021-2040年、2041-2060年)不同气候情景(SSP126、SSP245和SSP585)下的厚叶木莲适生区域作为一个整体,结合当前研究推断的厚叶木莲现代分布中心[18, 27],利用质心位置的转移反映厚叶木莲分布中心的空间变化。首先将厚叶木莲在不同时期、不同气候情景下的适生区分布栅格图进行矢量化,然后利用ArcGIS软件中的SDM工具箱插件分别计算出其质心位置和向量文件,比较得出不同时期质心位置的变化和转移方向[28-31],绘制出厚叶木莲在不同气候情景下的分布中心迁移路线图。
2 结果与分析 2.1 预测精度本研究模拟结果表明,MaxEnt模型在重复运行10次后训练数据的AUC平均值为0.978 (标准差±0.005),表明本次模型有良好的预测效果(图 2)。
2.2 当前气候环境下厚叶木莲在中国的分布
参照胡淑萍等[32]的研究并结合团队多次野外调查情况,使用ArcGIS软件的重分类(Reclassify)工具中的人工分级法(Manual)将适生区根据生境适宜性指数(P)从低到高划分为以下4个等级:非适生区(P<0.2)、低适生区(0.2≤P < 0.4)、中适生区(0.4≤P≤0.7)和高适生区(P>0.7)。
如图 3所示,厚叶木莲适生区主要集中在广东、海南及台湾全域,广西、福建及江西大部分地区,云南南部、湖南东部、西藏墨脱县及错那县等地,四川、湖北、浙江及安徽等地有零星分布。利用ArcGIS空间分析模块提取出各个时期厚叶木莲在中国范围内的高、中、低适生区面积,结果显示,当前气候环境下,中国适宜厚叶木莲生长的面积为67.07万平方千米,约占中国陆地面积的7%;高适生区面积为2.90万平方千米,呈多点分布,广东南部及中西部分布面积最大,台湾中央山脉附近、海南中部、广西西南部也有分布;中适生区面积为17.74万平方千米,广东、广西、海南、台湾地区分布较广,云南西南部、西藏东南部、福建南部均有分布;低适生区面积为46.43万平方千米,分布范围最广,除高、中适生区分布的省区外,四川、湖北、湖南、浙江、江西等地也有分布。总体而言,当前厚叶木莲适生区在我国华南地区分布范围较广,尤其适宜生长在北回归线以南一带。将当前气候条件下厚叶木莲在中国的潜在分布情况与现有的厚叶木莲实际分布情况叠加分析,结果显示,2个分布样点处于高适生区,6个分布样点处于中适生区,1个分布样点处于低适生区,表明二者契合度相对较高(图 3)。
2.3 影响厚叶木莲分布的主要环境气候变量
在本研究中,旱季平均温度(Bio9)对模型预测结果的贡献率最高,为23.6%;其次是年平均降水量(Bio12),贡献率为22.7%;下层土壤盐基饱和度(S_bs)、下层土壤碎石体积百分比(S_gravel)、下层土壤质地分类(S_usda_tex)、最冷月最低温度(Bio6)及月平均温度(Bio2)的贡献率分别为16.9%、12.1%、9.1%、7.3%和5.0%。其余环境因子的贡献率均未达到2%(表 2)。
代码 Code |
环境变量描述 Environment variable description |
贡献率/% Rate of contribution/% |
排序重要性/% Permutation importance/% |
Bio9 | Driest quarterly mean temperature | 23.6 | 32.2 |
Bio12 | Annual average precipitation | 22.7 | 9.7 |
S_bs | Subsoil base saturation | 16.9 | 0.9 |
S_gravel | Subsoil gravel volume percentage | 12.1 | 7.2 |
S_usda_tex | Subsoil texture classification | 9.1 | 26.8 |
Bio6 | Minimum temperature in coldest month | 7.3 | 0.1 |
Bio2 | Monthly mean temperature | 5.0 | 2.6 |
T_oc | Topsoil organic carbon content | 1.7 | 4.3 |
Aspect | Aspect | 0.6 | 0.4 |
T_bulk_density | Topsoil soil bulk density | 0.4 | 1.8 |
T_gravel | Percentage of aggregate volume in upper soil | 0.3 | 0.0 |
S_esp | Subsoil can exchange sodium salts | 0.3 | 14.0 |
选取旱季平均温度、年平均降水量、下层土壤盐基饱和度、下层土壤碎石体积百分比、下层土壤质地分类及最冷月最低温度进行环境变量响应曲线分析,探讨各个环境变量对厚叶木莲分布的生态学联系(图 4)。如图 4(a)所示,厚叶木莲的分布与旱季平均温度呈正相关关系,当旱季平均温度为-5-20 ℃时,温度的变化对厚叶木莲分布有较为显著的影响;随着温度的升高,厚叶木莲的呈逐渐上升趋势;当旱季平均温度为20-30 ℃时,厚叶木莲的生境适宜性指数处于较高且平稳的状态。厚叶木莲的分布与年平均降水量呈正相关关系,当年平均降水量处于3 500-4 500 mm时,厚叶木莲的生境适宜性指数较大且保持平稳的状态[图 4(b)]。相反地,厚叶木莲的分布与下层土壤盐基饱和度呈负相关关系,当下层土壤盐基饱和度≤10%时,最适宜厚叶木莲生长[图 4(c)]。厚叶木莲的生境适宜性指数与下层土壤碎石体积百分比成正比[图 4(d)],而与土壤质地分类成反比[图 4(e)],表明厚叶木莲更适生于酸性的砾质土。此外,当最冷月最低温度处于16-22 ℃时,厚叶木莲的生境适宜性指数较大且保持平稳的状态[图 4(f)]。值得注意的是,旱季平均温度与最冷月最低温度的环境气候响应曲线近乎一致,这与厚叶木莲适生区所在的南亚热带冷旱季同期有关。
2.4 未来气候情景下厚叶木莲的分布特点 2.4.1 未来不同气候情景下厚叶木莲适生区变化趋势
从表 3可知,在SSP126气候情景下,2021-2040年厚叶木莲适生区面积较现代气候条件下总体增长,其中高适生区面积收缩;2041-2060年相较于2021-2040年,厚叶木莲适生区总体减少31.91万平方千米,中、低适生区是其减少的主要区域;而高适生区增加2.5万平方千米。在SSP245气候情景下,2021-2040年厚叶木莲适生区面积较现代气候条件下缩减6%;而在2041-2060年则增加29.7%,总面积达到87.00万平方千米,增加面积以低适生区为主。在SSP585气候情景下,2021-2060年厚叶木莲适生区面积总体收缩,总适生区面积从现代的67.07万平方千米减少至49.29万平方千米,呈现出低、中、高适生区同时萎缩的趋势。通过线性预测分析可知,总体而言,2021-2060年除SSP245气候情景外,其余气候情景下厚叶木莲在中国范围内适生区均呈萎缩趋势(图 5)。
年代 Chronology |
气候情景 Climate scenarios |
适生区面积(×104 km2) Area of suitable areas (×104 km2) |
占中国陆地面积的比例/% Proportion of land area in China/% |
|||
低适生区 Low suitable areas |
中适生区 Medium suitable areas |
高适生区 High suitable areas |
合计 Total |
|||
1970-2000 | 46.43 | 17.74 | 2.90 | 67.07 | 6.99 | |
2021-2040 | SSP126 | 58.86 | 30.68 | 1.20 | 90.74 | 9.45 |
SSP245 | 41.14 | 20.16 | 1.74 | 63.04 | 6.57 | |
SSP585 | 41.20 | 14.33 | 1.04 | 56.57 | 5.89 | |
2041-2060 | SSP126 | 41.05 | 14.08 | 3.70 | 58.83 | 6.13 |
SSP245 | 61.05 | 23.66 | 2.29 | 87.00 | 9.06 | |
SSP585 | 40.36 | 8.76 | 0.17 | 49.29 | 5.13 |
空间表现上,在SSP126气候情景下,2021-2040年厚叶木莲低、中适生区向内陆扩散,集中表现在福建、江西、湖南及广西等地形成连片的适生区,福建西北部和江西东北部形成较大的中适生区(图 6)。2041-2060年,在2021-2040年期间所新增的中、低适生区总体上消失,而高适生区有所增加,表现为在台湾东北部缩减消退,广东中部连片增加[图 6: (a)、(b)]。在SSP245气候情景下,2021-2040年厚叶木莲适生区分布较现代气候条件下变化不大;而在2041-2060年则较现代气候条件下有较大幅度增加,新增面积以低适生区为主,在一定程度上填补了现代气候条件下适生区连片分布的部分空缺,如湖南、广西、江西、福建等地[图 6: (c)、(d)]。在SSP585气候情景下,2021-2060年相较于现代气候条件下,厚叶木莲分布范围不断收缩;2041-2060年高适生区在中国大陆境内彻底消失,仅剩台湾东北部的分布区域保持稳定[图 6:(e)、(f)]。
2.4.2 未来不同气候情景下中国范围内厚叶木莲分布中心的变化
未来SSP126、SSP245及SSP585 3种不同气候情景下,厚叶木莲在中国范围内的分布中心都将发生变化。研究表明,广东新丰云髻山省级自然保护区(以下简称“新丰云髻山”, 114°9′E,24°6′N)很可能是厚叶木莲的现代分布中心[18, 27],因此,本研究采取该点的地理坐标数据为现代分布中心点。
在SSP126气候情景下,厚叶木莲分布中心首先由新丰云髻山向西北移动,穿过韶关市翁源县、曲江县(113°42′E,24°49′N)及乳源瑶族自治县(112°59′E,24°33′N)到达乐昌市中北部(113°10′E,25°20′N),接着向东南方向转移,最终到达韶关市曲江县。在SSP245气候情景下,厚叶木莲分布中心首先由新丰云髻山向西偏北方向移动至英德市西部(112°54′E,24°15′N),然后向北偏东转移,最终迁移至韶关市乐昌市西北部(113°3′E,25°20′N)。在SSP585气候情景下,2021-2040年,厚叶木莲分布中心先由新丰云髻山向西北移动至韶关市乳源瑶族自治县,再往东偏南折向到英德市东北部(113°38′E,24°26′N)。总体来看,未来气候情景下,厚叶木莲分布中心均有向西迁的趋势;2021-2040年,在3种未来气候情景下,厚叶木莲分布中心明显向北迁移,SSP126气候情景下迁移幅度最大,接近湘粤交界;2041-2060年,SSP126及SSP585气候情景下,厚叶木莲分布中心先向南迁移,再转向东南迁移;而在SSP245气候情景下则继续大幅北迁(图 7)。
3 讨论 3.1 MaxEnt模型的预测准确性及存在问题
MaxEnt模型将物种的分布点位与其对应的环境变量相结合,找到物种分布规律的最大熵,从而对物种的潜在分布进行预测,具有准确率高、应用效果好的优点[5-7]。MaxEnt模型的特点决定了其对物种现存分布点的较高依赖性,一般而言,分布点数据越多,预测的精确性与可靠性越高[33]。本研究的模拟预测结果经过ROC曲线精度检验,MaxEnt模型在重复运行10次后训练数据的AUC平均值为0.978(标准差±0.005),说明本次模型对厚叶木莲分布区的预测效果较好,可信度高。预测结果显示,在当前气候环境条件下,厚叶木莲的高适生区主要集中在广东省中西部及中南部、海南中部、广西西南部与台湾中央山脉沿线,这与目前所掌握的厚叶木莲自然分布点普遍重合。然而,厚叶木莲生境狭窄、自然分布点少,目前经考察及资料收集的自然分布点仅有11个。为防止局部分布点过密使模型过拟合,本研究排除距离过近的分布点,最终得到有效的厚叶木莲分布样点仅9个,可能对模型预测的准确性有一定的影响。此外,研究表明,当预测物种的样本量小于环境变量时,选择模型的环境变量时可侧重考虑环境因子的生态学意义,而非相关性[34]。因此,在后续的研究中,一方面可结合现代适生区模拟结果对厚叶木莲进行更大范围的野外调查,获取更多自然分布点的信息;另一方面可以采用采样偏差处理、调整环境因子筛选机制、优化MaxEnt模型等方法来提高模型模拟的准确性。
3.2 当前时期厚叶木莲分布特征与环境因子响应在生物环境因子中,气候因子(气温及降水)是决定物种潜在地理分布的重要因子[35]。本研究结果表明,现代气候背景下,我国厚叶木莲适生区主要分布于南部地区,中、高适生区集中于广东南部、海南中部、广西西南部、台湾中央山脉一带。影响厚叶木莲分布的环境因子按贡献率前7位分别是旱季平均温度、年平均降水量、下层土壤盐基饱和度、下层土壤碎石体积百分比、下层土壤质地分类、最冷月最低温度和月平均温度。模型模拟的结果显示,厚叶木莲对旱季平均温度的响应最为敏感,当旱季平均温度>-5 ℃时,生境适宜性指数迅速爬升;当数值达到20-25 ℃时,厚叶木莲适生程度达到最高[>0.8, 图 4(a)],表明极端低温很可能是制约厚叶木莲适生区北迁的主因。在模型预测中年平均降水量表现出第二高的贡献率,当年平均降水量>1 000 mm时,厚叶木莲适生程度明显提升;而当年平均降水量为3 500-4 500 mm时,厚叶木莲的生境适宜性指数无限趋近于1,表明厚叶木莲对降水具有高度敏感性,这与曾庆文等[13]对广州市从化区厚叶木莲群落研究中的生境描述几乎一致。在所有环境因子中,土壤因子对厚叶木莲的分布也有较大影响。当下层土壤盐基饱和度为10%-100%时,厚叶木莲的适生程度持续下滑;下层土壤碎石体积百分比为0%-30%时,厚叶木莲适生程度逐渐上升,表明厚叶木莲可能偏好酸性的砾质土,这与缪绅裕等[18]和蓝扬辉等[27]研究的生境描述相似。
3.3 气候变化背景下厚叶木莲分布区的变迁及其资源保护全球气候变暖会导致大量物种适生区域收缩,生境破碎化[36]。本研究表明,在3种未来气候情景下,2021-2060年厚叶木莲适生区面积变化趋势存在分化现象:在温室气体低排放(SSP126)和高排放(SSP585)的情景下,中国范围内的厚叶木莲适生区总面积均呈收缩趋势,相较于现代分别减少12.3%和26.5%;而在中排放(SSP245)情景下,厚叶木莲的适生区总面积有大幅扩张,相较于现代增加29.7%。结合厚叶木莲对环境主导因子的响应曲线分析,推断这一现象的成因可能与旱季平均温度是厚叶木莲适生区分布影响最高的环境因子有关,旱季平均温度越高,厚叶木莲生境适宜性越高;中排放情景下,全球气候变暖幅度与厚叶木莲对旱季平均温度的高响应阈值相契合。此外,高适生区的分化现象同样应引起关注。厚叶木莲高适生区面积在低排放情景下有较大幅度扩张,而在高排放情景下则大范围萎缩,推断温室气体大量排放、气候极端恶化的情况可能会对厚叶木莲生存发展造成极大威胁。
厚叶木莲的自然分布地主要集中在广东省内,有4处主要分布点,分别为龙门南昆山、新丰云髻山、新丰小沙罗和从化三角山,其中新丰云髻山被推测是厚叶木莲现代分布中心之一[18]。当前,厚叶木莲存在自然分布点少且零散[18]、整体研究偏少且不够深入、原生群落遭到破坏[37]和种群持续衰退[13, 27, 38]等问题。自然授粉结实率较低、人类活动破坏和动物取食种子等是导致厚叶木莲濒危的原因[22, 39],人工授粉可以显著提高厚叶木莲结果率和结籽率[40]。目前已开展了部分就地保护和迁地保护工作[13, 18]。利用MaxEnt模型模拟厚叶木莲现代潜在地理分布,并分析未来气候情景下厚叶木莲适生区及分布中心的变化趋势,对精准采取就地保护和迁地保护相关措施有较强的指导性,可更好地实现对厚叶木莲种群保护和发展的预期目标。
3.4 基于物种分布模型的极小种群相关研究极小种群野生植物(Wild Plant with Extremely Small Populations,WPESP),特指分布区域狭窄、长期受到外界干扰胁迫而呈现出种群退化和个体数量持续减少,随时面临灭绝风险的野生植物[41]。物种分布模型在极小种群植物就地保护的区域选择方面指导性较强。例如,王卫等[42]基于Maxent模型结合低空无人机遥感技术对丹霞梧桐(Firmiana danxiaensis)进行识别、种群调查、监测与评价工作,准确预测丹霞梧桐的潜在适生区,指出了丹霞梧桐就地保护的野生生境范围。谭显胜等[43]选择3种物种分布模型(GBM、MaxEnt和RF)的平均值评估气候变暖对扣树(Ilex kaushue)生境适宜性的影响,认为制定极小种群植物的保护对策时应充分考虑气候变化的潜在影响。陈杰[44]基于MaxEnt模型结合模糊数学构建单因子评价函数对东北红豆杉(Taxus cuspidata)潜在适生区进行预测,并评价东北红豆杉生境质量。综合遥感技术和数学模型等方式开展深入研究,能更精准地把握极小种群野生植物面临的生态风险,选择合适的保护区域,制定相应的保育策略。
4 结论本研究基于MaxEnt模型模拟厚叶木莲在中国潜在地理分布的结果发现,旱季平均温度20-25 ℃、年平均降水量3 500-4 500 mm和强酸性的砾质土是最适宜厚叶木莲生长的生态位系数。在当前气候条件下,中国范围内厚叶木莲适生区主要分布在华南地区,高适生区主要分布于北回归线以南地区。2021-2060年,相较于当前气候条件,不同未来气候情景下的厚叶木莲适生区分布范围存在分化现象,在SSP126和SPP585气候情景下向南收缩,在SSP245气候情景下则向北扩张,表明气候变暖幅度与厚叶木莲适生性指数变化存在密切关联。
[1] |
GUISAN A, THUILLER W. Predicting species distribution: offering more than simple habitat models[J]. Ecology Letters, 2005, 8(9): 993-1009. DOI:10.1111/j.1461-0248.2005.00792.x |
[2] |
QIN A L, LIU B, GUO Q S, et al. Maxent modeling for predicting impacts of climate change on the potential distribution of Thuja sutchuenensis Franch., an extremely endangered conifer from southwestern China[J]. Global Ecology and Conservation, 2017, 10: 139-146. DOI:10.1016/j.gecco.2017.02.004 |
[3] |
WILSON C D, ROBERTS D, REID N. Applying species distribution modelling to identify areas of high conservation value for endangered species: a case study using Margaritifera margaritifera (L.)[J]. Biological Conservation, 2011, 144(2): 821-829. DOI:10.1016/j.biocon.2010.11.014 |
[4] |
邢丁亮, 郝占庆. 最大熵原理及其在生态学研究中的应用[J]. 生物多样性, 2011, 19(3): 295-302. |
[5] |
DRAKE J M, RANDIN C, GUISAN A. Modelling ecological niches with support vector machines[J]. Journal of Applied Ecology, 2006, 43(3): 424-432. DOI:10.1111/j.1365-2664.2006.01141.x |
[6] |
TARROSO P, CARVALHO S B, BRITO J C. Simapse-simulation maps for ecological niche modelling[J]. Methods in Ecology and Evolution, 2012, 3(5): 787-791. DOI:10.1111/j.2041-210X.2012.00210.x |
[7] |
TSOAR A, ALLOUCHE O, STEINITZ O, et al. A comparative evaluation of presence-only methods for modelling species distribution[J]. Diversity & Distributions, 2010, 13(4): 397-405. |
[8] |
甘桂春, 邹亚, 刘郁林, 等. 利用最大熵模型预测贵州省南方红豆杉潜在适宜区[J]. 内蒙古林业调查设计, 2021, 44(5): 67-71. |
[9] |
吴艳, 王洪峰, 穆立蔷. 物种分布模型的研究进展与展望[J]. 高师理科学刊, 2022, 42(5): 66-70. |
[10] |
王露露, 伊力哈木·亚尔买买提. 未来气候情景下2种新疆特有树种潜在适生区预测[J]. 北京林业大学学报, 2022, 44(6): 10-22. |
[11] |
王文波, 胡理乐, 布艾佳尔, 等. 应用Maxent模型对我国珍稀植物刺楸分布预测及其保护空缺分析[J]. 东北林业大学学报, 2022, 50(8): 69-73, 97. |
[12] |
杨晓丽, 邢福武, 陈树钢, 等. 广东省南昆山自然保护区厚叶木莲的群落特征研究[J]. 热带亚热带植物学报, 2013, 21(4): 356-364. |
[13] |
曾庆文, 周仁章, 刘银至, 等. 濒危植物厚叶木莲的群落学特征及其保护[J]. 热带亚热带植物学报, 1999(2): 109-119. |
[14] |
孙谷畴, 赵平, 曾小平, 等. 不同光强下生长的厚叶木莲(Magnolietia pachyphylla)光合作用光响应的变化[J]. 应用与环境生物学报, 2001, 7(3): 213-218. |
[15] |
徐凤霞, 胡晓颖, 徐信兰. 木莲属(木兰科)5种植物的花粉形态[J]. 热带亚热带植物学报, 2004, 12(4): 313-317. |
[16] |
ZHENG L, IVES A R, GARLAND T, et al. New multivariate tests for phylogenetic signal and trait correlations applied to ecophysiological phenotypes of nine Manglietia species[J]. Functional Ecology, 2009, 23(6): 1059-1069. DOI:10.1111/j.1365-2435.2009.01596.x |
[17] |
张宏达. 华南植物志资料Ⅲ[J]. 中山大学学报(自然科学版), 1961(1): 53-56. |
[18] |
缪绅裕, 罗宇谦, 蓝扬辉, 等. 国家保护植物厚叶木莲资源调查研究[J]. 亚热带植物科学, 2020, 49(3): 243-246. |
[19] |
张丽霞, 陈晓龙, 辛晓歌. CMIP6情景模式比较计划(ScenarioMIP)概况与评述[J]. 气候变化研究进展, 2019, 15(5): 519-525. |
[20] |
WU T W, LU Y X, FANG Y J, et al. The Beijing Climate Center Climate System Model (BCC-CSM): the main progress from CMIP5 to CMIP6[J]. Geoscientific Model Development, 2019, 12(4): 1573-1600. DOI:10.5194/gmd-12-1573-2019 |
[21] |
FIELDING A H, BELL J F. A review of methods for the assessment of prediction errors in conservation presence/absence models[J]. Environmental Conservation, 1997, 24(1): 38-49. DOI:10.1017/S0376892997000088 |
[22] |
张劳模, 庞丽峰, 许, 等. 基于最大熵模型预测东北地区红松潜在分布[J]. 江西农业大学学报, 2020, 42(1): 74-83. |
[23] |
朱梦婕, 缪佳, 赵雪利. 基于最大熵模型的狸尾豆属植物在中国的潜在分布区模拟[J]. 植物科学学报, 2020, 38(4): 476-482. |
[24] |
付贵全, 徐先英, 马剑平, 等. 基于MaxEnt下梭梭潜在地理分布对水热条件的响应[J]. 草业科学, 2016, 33(11): 2173-2179. |
[25] |
王运生, 谢丙炎, 万方浩, 等. 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): 365-372. |
[26] |
雷璇, 杨波, 蒋卫国, 等. 东洞庭湿地植被格局变化及其影响因素[J]. 地理研究, 2012, 31(3): 461-470. |
[27] |
蓝扬辉, 罗宇谦, 唐海明, 等. 广东新丰云髻山厚叶木莲群落生态学特征[J]. 林业与环境科学, 2020, 36(2): 40-47. |
[28] |
张晨, 马伟, 陈晨, 等. 重大工程影响下新疆卡拉麦里山有蹄类野生动物自然保护区鹅喉羚的生境格局变化[J]. 生物多样性, 2022, 30(1): 63-75. |
[29] |
秦媛媛, 鲁客, 杜忠毓, 等. 气候变化情景下孑遗植物绵刺在中国的潜在地理分布[J]. 生态学报, 2022, 42(11): 4473-4484. |
[30] |
汪沐阳, 张楚婕, 宓春荣, 等. 气候变化对中国马可波罗盘羊适宜生境的潜在影响[J]. 应用生态学报, 2021, 32(9): 3127-3135. |
[31] |
李文庆, 徐洲锋, 史鸣明, 等. 不同气候情景下四子柳的亚洲潜在地理分布格局变化预测[J]. 生态学报, 2019, 39(9): 3224-3234. |
[32] |
胡淑萍, 何礼文. 基于MaxEnt与ArcGIS对白水江国家级自然保护区缺苞箭竹适生区分析[J]. 生态学杂志, 2020, 39(6): 2115-2122. |
[33] |
郭飞龙, 徐刚标, 卢孟柱, 等. 基于MaxEnt模型分析胡杨潜在适宜分布区[J]. 林业科学, 2020, 56(5): 184-192. |
[34] |
孔维尧, 李欣海, 邹红菲. 最大熵模型在物种分布预测中的优化[J]. 应用生态学报, 2019, 30(6): 2116-2128. |
[35] |
冯建孟. 中国种子植物物种多样性的大尺度分布格局及其气候解释[J]. 生物多样性, 2008, 16(5): 470-476. DOI:10.3321/j.issn:1005-0094.2008.05.007 |
[36] |
THOMAS C D, CAMERON A, GREEN R E, et al. Extinction risk from climate change[J]. Nature, 2004, 427: 145-148. DOI:10.1038/nature02121 |
[37] |
任海. 广东珍稀濒危植物的保护与研究[M]. 北京: 中国林业出版社, 2016.
|
[38] |
汪松, 解焱. 中国物种红色名录: 第一卷[M]. 北京: 高等教育出版社, 2004.
|
[39] |
曾庆文, 刘银至, 韦强, 等. 广东特有植物厚叶木莲的现状及其保护[C]//中国科学院生物多样性委员会, 中华人民共和国生态环境部自然生态保护司, 中华人民共和国国家林业和草原局野生动植物保护司. 面向21世纪的中国生物多样性保护: 第三届全国生物多样性保护与持续利用研讨会论文集. 广州: 中国科学院华南植物研究所华南植物园, 1998.
|
[40] |
杨晓丽. 濒危植物厚叶木莲的保护生物学研究[D]. 北京: 中国科学院大学, 2013.
|
[41] |
臧润国, 董鸣, 李俊清, 等. 典型极小种群野生植物保护与恢复技术研究[J]. 生态学报, 2016, 36(22): 7130-7135. |
[42] |
王卫, 杨俊杰, 罗晓莹, 等. 基于Maxent模型的丹霞山国家级自然保护区极小种群植物丹霞梧桐的潜在生境评价[J]. 林业科学, 2019, 55(8): 19-27. |
[43] |
谭显胜, 段仁燕, 邹乐, 等. 全球气候变暖对极小种群植物扣树生境适宜性的影响[J]. 生命科学研究, 2023, 27(1): 56-62. |
[44] |
陈杰. 东北红豆杉适生分布区研究[D]. 北京: 北京林业大学, 2019.
|