蒙古黄芪潜在分布区预测的多模型比较

根据蒙古黄芪(Astragalus membranaceus (Fisch.) Bge. var. mongholicus (Bge.) Hsiao) 123个样本点数据和19个环境数据,采用4种生态位模型对蒙古黄芪在中国的潜在适生区进行综合分析,并采用受试者工作特征曲线ROC和Kappa统计量,比较不同模型的预测效果。结果显示:4个模型预测精度良好,一致性显著。AUC值均达到0.8以上,Kappa值均达到0.6以上;其中DOMAIN模型的AUC值和Kappa值均最大,说明该模型的预测精度最佳,预测结果最稳定。潜在适生区的预测结果发现,GARP模型预测的最适宜区范围最广; MAXENT和BIOCLIM模型预测结果较为相似; DOMAIN模型预测结果比较分散。4个模型预测结果均表明西北一带可以作为蒙古黄芪栽培引种的主要产区。蒙古黄芪潜在适生区主要分布于中国北纬33°以北地区;最适宜区主要分布于甘肃、宁夏、陕西、山西、河北和内蒙古等地区。     

基于生态位模型预测天麻全球潜在适生区

目前对药用植物天麻(Gastrodia elata)的全球潜在适生区研究较少,基于多个生态位模型预测天麻在全球范围内的潜在适生区,对天麻人工引种栽培及其产业发展具有重要意义。该文收集220个天麻全球分布点和19个生态因子数据,最终筛选出8个环境变量参与模型训练,基于3个生态位模型(BIOCLIM、DOMAIN和MAXENT)预测天麻全球潜在适生区,并采用受试者工作特征曲线ROC和Kappa统计量分析比较不同模型的预测效果。结果表明:3个模型的预测结果基本一致,天麻全球潜在适生区主要分布在20°–50°N的亚洲地区,其中中国、日本和韩国是集中分布地,此外,印度、尼泊尔以及欧洲地中海附近有少量适生区。其中最适宜区主要分布在:中国四川盆地附近的省区以及中东部;韩国中东部的忠清北道、庆尚北道和庆尚南道;日本本州岛、九州岛以及四国岛,因此中国、日本和韩国是天麻的主要产区。3个模型的受试者工作特征曲线下面积(AUC值)平均值均达到0.9以上,Kappa平均值均达到0.65以上,能较好地预测天麻的潜在适生区,其中MAXENT模型的精度较高,其次是DOMAIN和BIOCLIM模型。     

应用多个生态位模型预测福寿螺在中国的潜在适生区

高危性外来入侵种福寿螺严重危害我国的农业生产、生态系统完整性和人体健康.为制定有效的防控策略提供科学依据,本研究通过选取最适的生态位模型以预测福寿螺在我国的潜在适生区.结合福寿螺在我国的337条分布记录和年均温、年降水量等19个生物气候变量数据,本文采用MaxEnt、GARP、BIOCLIM和DOMAIN等4种生态位模型分别模拟预测了福寿螺在我国的潜在适生区,并利用受试者工作特征曲线(ROC)和Kappa统计量分析比较不同模型的预测效果.结果表明: 4种模型均能较好地模拟福寿螺在我国的分布,其中MaxEnt模型的模拟准确度最高(受试者工作特征曲线下的面积AUC=0.955±0.004,Kappa=0.845±0.017),其次是GARP和DOMAIN,准确度相对较小的是BIOCLIM,但其平均AUC也达0.898±0.017,平均Kappa值为0.771±0.025.MaxEnt模型的预测结果显示,福寿螺的潜在适生区主要分布在30° N以南地区,但其中也有部分地区地处30°N以北.适生区面积占国土面积的13.2%,广东、广西、湖南、重庆、浙江和福建沿海地区具有高度潜在入侵风险.本研究可以为福寿螺的科学防控提供参考,并且对大尺度上外来水生生物的适生区预测具有一定的借鉴意义.     

新疆典型蝗虫适生区分布预测

新疆草原面积广阔,农牧业地位突出,蝗灾对当地经济、生态威胁很大,近年新疆极端天气日渐频发,蝗灾监测与防治任务艰巨。以意大利蝗、西伯利亚蝗和亚洲飞蝗为代表的蝗虫数据为基础,综合考虑对蝗虫各生命周期有重要影响的环境因素,运用BIOCLIM模型、领域模型（DOMAIN）、马氏距离模型（MAHAL）、广义线性模型（GLM）、随机森林模型（RF）、提升回归树模型（BRT）、支持向量机模型（SVM）、最大熵模型（MaxEnt）等八种经典物种分布模型及集成模型对新疆典型蝗虫适生区展开了预测。结果表明：（1）不同模型对新疆典型蝗虫适生区预测存在差异,其中DOMAIN最差（曲线下面积（AUC）=0.688,真实技巧统计（TSS）=0.301）,而提升回归树（BRT）最佳（AUC=0.920,TSS=0.910）,基于BRT、SVM和MaxEnt 3个集成模型预测的新疆蝗虫适生区可靠性更高;（2）新疆典型蝗虫不同等级适生区面积约56.844万km²,占新疆总面积的36%,其中高适生区面积16.568万km²;（3）新疆典型蝗虫适生区主要集中于北疆阿勒泰、塔城地区,此外东部哈密地区及南疆绿洲边缘地带亦有分布。研究可为新疆草原工作部门推进蝗虫监测防治工作提供支持。     

ROC曲线分析在评价入侵物种分布模型中的应用

生态位模型（ecological niche models,ENMs）已广泛应用于物种潜在分布区预测,ENMs的应用也为外来入侵物种的风险分析提供了重要的定量化分析工具,但如何评价不同模型之间的预测效果成了当今研究的热点问题。本文介绍了受试者工作特征（ROC）曲线分析在评价不同生态位模型预测效果中的应用原理和分析方法,并以一种植物病原线虫-相似穿孔线虫（Radopholus similis）为例,应用ROC曲线分析法对其5种模型（BIOCLIM,CLIMEX,DOMAIN,GARP,MAXENT）的预测结果进行了比较分析。5种模型的ROC曲线下面积AUC（Area Under Curve）值分别为0.810,0.758,0.921,0.903和0.950,以MAXENT模型的AUC值最大,表明其预测效果最好;方差分析结果表明,除GARP与DOMAIN模型之间AUC值差异不显著外,其余各模型之间差异显著。     

基于MAXENT模型的黑龙江大兴安岭森林雷击火火险预测

黑龙江大兴安岭是森林雷击火的高发地区,急需研发精确的火险预测模型对该区森林火灾进行预测.本文基于大兴安岭地区森林雷击火灾数据及环境变量数据,采用MAXENT模型进行森林雷击火的火险预测.首先对各环境变量进行共线性诊断,再利用累积正则化增益法和Jackknife方法评价了环境变量的重要性,最后采用最大Kappa值和AUC值检测了MAXENT模型的预测精度.结果表明: 闪电能量和中和电荷量的方差膨胀因子（VIF）值分别为5.012和6.230,与其他变量之间存在共线性,不能用于模型训练.日降雨量、云地闪电数量及云地闪回击电流强度是影响森林雷击火发生的3个最重要因素,日平均风速和坡向的影响较小.随着建模数据比例的增加,最大Kappa值和AUC值均有增大趋势.最大Kappa值都大于0.75,平均值为0.772; AUC值都大于0.5,平均值为0.859.MAXENT模型的预测精度达到中等精度,可应用于大兴安岭地区的森林雷击火火险预测.     

气候变化下中国八种梧桐属树种潜在适生区模拟

中国梧桐属（Firmiana）在世界梧桐属中占比较大，且除梧桐外其余种均为中国特有且分布范围狭窄的植物种，灭绝风险大，研究气候变化对中国梧桐属树种的影响对于维护生物多样性具有重要的意义。结合多时期第六次国际气候耦合模式比较计划（CMIP6）气候变量数据和中国八种梧桐属树种的分布数据，基于R语言kuenm程序包优化的最大熵（Maxent）模型模拟分析中国八种梧桐属树种在多尺度下的潜在适生区，得出梧桐属最适宜的模拟尺度、潜在适生区的面积变化和迁移方向、梧桐属多样性保护关键区域及保护空缺。结果表明：（1）梧桐属最适宜的模拟尺度为亚洲；（2） Maxent模型的接收者操作特征曲线下面积（AUC）值均大于0.9，表明模型对梧桐属潜在适生区预测结果具有较高准确度；（3）气候变化影响下除云南梧桐（Firmiana major）外其它树种的潜在适生区都将在未来有所扩大；（4）中国八种梧桐属树种潜在适生区迁移方向主要为东西向，南北向大跨度迁移较少，纬度变化不大；（5）丹霞梧桐（Firmiana danxiaensis）的稳定潜在适生区最小；（6）中国梧桐属多样性保护关键区域主要分布于广西壮族自治区及云南、广东、海南等省区；（7）中国梧桐属多样性保护空缺区域主要分布于广西壮族自治区中部及海南省北部；（8）梧桐属多样性保护关键区域正在为人造地表所侵蚀。研究分析气候变化对中国八种梧桐属树种的影响及其潜在适生区变化、中国梧桐属多样性保护状态，可为中国梧桐属建立多样性保护廊道提供相关建议，为制定多样性保护规划及相应措施提供参考。     

滇黄精的潜在分布与气候适宜性分析

为了解滇黄精(Polygonatum kingianum)的适宜生长区,运用Maxent模型模拟其潜在分布区,探讨其引种栽培的适宜气候条件。结果表明,预测模型的AUC值为0.974~0.980,表明模型具有良好的预测能力。滇黄精主要适生区位于我国西南地区,适生面积约81.34×10~4 km~2,占全国适生区面积的88.24%。云南的高度适生区面积最大(19.96×10~4 km~2);四川次之(5.49×10~4 km~2)。75%的高度适生区分布于海拔2 492 m以下的地区,3 400 m以上的地区不适宜于滇黄精生长。最冷月最低温度、7月最低温度、5-8月太阳辐射、最干月降水量、4月和9-11月平均降水量是限制滇黄精分布的主要气候变量。因此,海拔1 400~2 100 m的亚热带地区是滇黄精最适宜的生长区。     

孑遗濒危植物四合木(Tetraena mongolica)的地理分布与潜在适生区预测

以孑遗濒危植物四合木（Tetraena mongolica Maxim.）为对象,利用MaxEnt模型和Bioclim模型预测其在我国的潜在适生区,结合刀切法及环境变量响应曲线评估影响四合木分布的主导环境因素,运用ArcGIS软件自然间断法对其适生等级进行划分。结果显示：四合木主要分布于我国新疆、西藏、甘肃、宁夏、内蒙古、青海、陕西、山西、河北、辽宁、吉林和黑龙江等省区;在中国的适生区面积为1.49×10⁶ km²,高适生区集中在乌海市毛乌素沙地、阿拉善左旗腾格里沙漠、阴山南部和贺兰山低山地区;2050年四合木潜在分布区将向内蒙古地区北部和东北地区西部方向缩减;两个模型的受试者工作特征曲线下的面积（AUC值）平均值均达到0.8以上,预测结果较准确;环境因子评估结果显示,影响四合木分布的主要环境因子是最冷季度的平均降水量和年温的变化范围,其次是降水量变异系数和温度季节性变化的标准差。     

基于4种生态位模型的金钱松潜在适生区预测

金钱松（Pseudolarix amabilis）是我国特有孑遗植物，为国家II级保护植物。基于4种生态位模型（GARP、Bioclim、Domain和Maxent）预测金钱松潜在适生区，采用受试者工作特征曲线（Receiver Operating Characteristic，ROC）和Kappa统计量检验模型的预测效果。预测结果表明金钱松在浙江西北部、安徽南部、湖北南部、湖南北部以及江西北部表现为高度适生，并以这些地带为中心向外延伸至北纬24.43°-33.35°和东经106.41°-123.42°之间，4种模型预测结果的受试者工作特征曲线下面积（Area under recriver operating characteristic curve，AUC）平均值均大于0.9，Kappa平均值亦大于0.75，精度较高。通过"刀切法"分析得出年均温是预测金钱松潜在适生区的关键影响因子，可能为当前金钱松分布格局形成的决定因素。模拟金钱松在末次盛冰期和2070年气候条件下的分布，结果表明其分布格局随气候变化由"南扩北缩"变为"南缩北扩"，未来分布面积将大幅减小，气候变化是导致其"南缩北扩"的主要驱动因子。建议在当前金钱松高适分布区域内（江西铜鼓县、湖南张家界和衡阳）建立自然保护区或种子园，并在未来气候条件下高适分布区域内（如安徽北部、河南南部、湖北东南部等地）通过人工引种辅助金钱松的北向迁移。     

木本能源植物文冠果的生态特征及区划

利用文冠果(Xanthoceras sorbifolia Bunge)160个分布点和19个生态因子数据,采用BIOCLIM、DOMAIN、MAXENT和GARP四种模型预测文冠果的生态适宜区,分析其生态特征并以受试者工作特征曲线ROC对各模型进行评价。结果显示,文冠果最适宜生态区主要分布于西北黄土高原一带,如陕西、山西、宁夏、河北、内蒙古等省区。模型评估结果显示上述4个模型的AUC值均达到0.75以上,表明预测精度良好,均可用来预测文冠果的生态适宜区。文冠果的生态特征为:年平均温度1.9~16℃,昼夜温差月平均8.3~16℃,昼夜温差与年温差比值为22~33,温度变化方差值为7523~14198;最热月份最高温度为20.1~33.5℃;年平均降水量37~952 mm,最湿月份降水量11~219 mm,最干月份降水量0~29 mm,雨量变化方差值为40~137。研究结果表明文冠果适宜生态区包括我国西部的黄土高原地区和北方土石山区以及新疆北部地区。     

黄芪化学成分与生态因子的相关性

以主成分分析(PCA)和相关性分析(CA)法研究黄芪中主要有效成分与生态因子的相关性,探究影响黄芪主要成分积累的生态因子.结果表明: 山西产地黄芪中的黄芪甲苷、毛蕊异黄酮苷、芒柄花苷、山奈酚和黄芪多糖的含量显著高于内蒙古和甘肃两地.影响黄芪化学成分含量的气候因子主要为年均相对湿度、年日照时数及7月均温.影响黄芪化学成分含量的土壤元素主要为钙,且钙在一定范围内与毛蕊异黄酮苷、山柰酚、芒柄花苷、槲皮素、黄芪多糖的含量呈负相关.     

The Predictive Performance and Stability of Six Species Distribution Models

Background

Predicting species’ potential geographical range by species distribution models (SDMs) is central to understand their ecological requirements. However, the effects of using different modeling techniques need further investigation. In order to improve the prediction effect, we need to assess the predictive performance and stability of different SDMs.

Methodology

We collected the distribution data of five common tree species (Pinus massoniana, Betula platyphylla, Quercus wutaishanica, Quercus mongolica and Quercus variabilis) and simulated their potential distribution area using 13 environmental variables and six widely used SDMs: BIOCLIM, DOMAIN, MAHAL, RF, MAXENT, and SVM. Each model run was repeated 100 times (trials). We compared the predictive performance by testing the consistency between observations and simulated distributions and assessed the stability by the standard deviation, coefficient of variation, and the 99% confidence interval of Kappa and AUC values.

Results

The mean values of AUC and Kappa from MAHAL, RF, MAXENT, and SVM trials were similar and significantly higher than those from BIOCLIM and DOMAIN trials (p<0.05), while the associated standard deviations and coefficients of variation were larger for BIOCLIM and DOMAIN trials (p<0.05), and the 99% confidence intervals for AUC and Kappa values were narrower for MAHAL, RF, MAXENT, and SVM. Compared to BIOCLIM and DOMAIN, other SDMs (MAHAL, RF, MAXENT, and SVM) had higher prediction accuracy, smaller confidence intervals, and were more stable and less affected by the random variable (randomly selected pseudo-absence points).

Conclusions

According to the prediction performance and stability of SDMs, we can divide these six SDMs into two categories: a high performance and stability group including MAHAL, RF, MAXENT, and SVM, and a low performance and stability group consisting of BIOCLIM, and DOMAIN. We highlight that choosing appropriate SDMs to address a specific problem is an important part of the modeling process.     

中国植物区系地理及植物生态地理中值得讨论的若干名称问题

本文提出在植物区系分区中用“亚洲东部森林植物亚区”及“横断山脉—喜马拉雅山脉森林植物亚区”代替原来“中国—日本森林植物亚区”及“中国—喜马拉雅森林植物亚区”两名称;对植物生态地理中的“中国亚热带植被带”中引入“温亚热带”、“中亚热带”及“暖亚热带”三亚带名称,代替原来称为“北亚热带”、“中亚热带”及“南亚热带”三亚代的名称。同时在“中国温带植被带”中也引入“寒温带”、“温带”、“暖温带”三亚带名称,代替“北”、“中、“南”亚热带及温带植被亚带的名称,以避免对南、北两半球的亚热带与温带及其亚带的混淆的称谓。     

利用最大熵模型和规则集遗传算法模型预测孑遗植物裸果木的潜在地理分布及格局

利用野外调查的16个居群分布点和7个环境因子图层, 选择最大熵模型(MAXENT)和规则集遗传算法模型(GARP), 在地理和环境空间上模拟了第三纪孑遗植物裸果木(Gymnocarpos przewalskii)在中国西北地区的潜在分布。结果表明: (1)裸果木的潜在适生区全部集中在西北荒漠区, 其中最佳适生区主要集中在3个区域, 一是河西走廊中部和玉门以西、宁夏北部及内蒙古乌拉特后旗; 二是塔里木盆地西北缘; 三是柴达木盆地西北缘两片极小的高度适生区。裸果木的生态位被确定在一个较广的干旱环境空间: 适生区极端最高气温基本上在29.2-36.8 ℃之间, 极端最低气温在-18.3至-13.4 ℃之间; 年平均降水量40-200 mm; 潜在蒸发率在3-15之间。(2) MAXENT和GARP模型都较好地预测了裸果木的潜在分布, 但GARP产生了相对较大、较连续的潜在分布区, 部分过预测了破碎化生境; 而MAXENT预测到的潜在分布区, 在不同区域具有不同的环境适生性指数, 而且成功地排除了不合理的破碎化分布, 从而更直观地展示了裸果木的潜在分布格局和生态位要求。     

膜荚黄芪与蒙古黄芪幼苗的光能利用及其耐光性研究

以盆栽膜荚黄芪和蒙古黄芪幼苗为试验材料,测量2种黄芪叶片的光合速率、叶绿素荧光参数、光能利用率及耐光性等指标的日变化,以探讨它们的光能利用、热耗散以及耐光性差异.结果表明:(1)随着太阳光合有效辐射的日变化进程推进,2种黄芪的初始荧光(F0)、非光化学淬灭(NPQ)、PSⅡ调节性能量耗散量子产最(YNPQ)先升高后降低...     

Predicting the global areas for potential distribution of Gastrodia elata based on ecological niche models

Aims Previous studies on the globally suitable areas for growing the medicinal plant Gastrodia elata is lacking. This study aims to predict the global areas for potential distribution of this plant based on multiple ecological niche models. Methods A total of 220 global distribution points of G. elata and 19 ecological variables were compiled and eight environmental variables were selected for the model training. Three ecological niche models, including BIOCLIM, DOMAIN, and MAXENT, were used to predict the global areas for potential distribution of G. elata. The resulting data of different models were analyzed and compared with two statistical criteria: the area under the receiver operating characteristic curve (AUC) and Kappa value. Important findings The predictions of the three models are basically identical, showing that the global areas for potential distribution of G. elata are predominantly in the range of 20° N to 50° N in Asia, mainly in China, South Korea and Japan. A small proportion of the suitable areas occur in India, Nepal and the European countries near Mediterranean. The most suitable areas distribute in provinces close to the Sichuan Basin and the central East China, the mid-eastern parts of South Korea such as Chungcheongbuk-do, Gyeongsangbuk-do and Gyeongsangnam- do, and the Kyushu region and the Shikoku region on Japan’s main island. Therefore, these three countries can be used as the main production areas of G. elata for its commercial development. The AUC average values of the three models are all above 0.9 and the Kappa average values all above 0.65, justifying their applications for predicting the potential areas of G. elata. Among them, the MAXENT model appears to perform the best, followed by DOMAIN and BIOCLIM.     

Modelling the potential geographic distribution of invasive ant species in New Zealand

Despite their economic and environmental impacts, there have been relatively few attempts to model the distribution of invasive ant species. In this study, the potential distribution of six invasive ant species in New Zealand are modelled using three fundamentally different methods (BIOCLIM, DOMAIN, MAXENT). Species records were obtained from museum collections in New Zealand. There was a significant relationship between the length of time an exotic species had been present in New Zealand and its geographic range. This is the first time such a time lag has been described for exotic ant species, and shows there is a considerable time lag in their spread. For example, it has taken many species several decades (40–60 years) to obtain a distribution of 17–25% of New Zealand regions. For all six species, BIOCLIM performed poorly compared to the other two modelling methods. BIOCLIM had lower AUC scores and higher omission error, suggesting BIOCLIM models under-predicted the potential distribution of each species. Omission error was significantly higher between models fitted with all 19 climate variables compared to those models with fewer climate variables for BIOCLIM, but not DOMAIN or MAXENT. Widespread species had a greater commission error. A number of regions in New Zealand are predicted to be climatically suitable for the six species modelled, particularly coastal and lowland areas of both the North and South Islands.