生态学报  2020, Vol. 40 Issue (14): 4921-4928

文章信息

张童, 黄治昊, 彭杨靖, 王泳腾, 王萍, 王诗童, 崔国发
ZHANG Tong, HUANG Zhihao, PENG Yangjing, WANG Yongteng, WANG Ping, WANG Shitong, CUI Guofa
基于Maxent模型的软枣猕猴桃在中国潜在适生区预测
Prediction of potential suitable areas of Actinidia arguta in China based on Maxent model
生态学报. 2020, 40(14): 4921-4928
Acta Ecologica Sinica. 2020, 40(14): 4921-4928
http://dx.doi.org/10.5846/stxb201909161921

文章历史

收稿日期: 2019-09-16
网络出版日期: 2020-04-28
 Abstract              PDF               Figures               Tables
引用本文
张童, 黄治昊, 彭杨靖, 王泳腾, 王萍, 王诗童, 崔国发. 基于Maxent模型的软枣猕猴桃在中国潜在适生区预测. 生态学报, 2020, 40(14): 4921-4928.
Zhang T, Huang Z H, Peng Y J, Wang Y T, Wang P, Wang S T, Cui G F. Prediction of potential suitable areas of Actinidia arguta in China based on Maxent model. Acta Ecologica Sinica, 2020, 40(14): 4921-4928.
基于Maxent模型的软枣猕猴桃在中国潜在适生区预测
张童 , 黄治昊 , 彭杨靖 , 王泳腾 , 王萍 , 王诗童 , 崔国发     
北京林业大学生态与自然保护学院, 北京 100083
收稿日期: 2019-09-16; 网络出版日期: 2020-04-28
基金项目: 国家重点研发计划项目（2018YFC0507203）
*通讯作者Corresponding author. 崔国发.E-mail:fa6716@163.com.
摘要: 软枣猕猴桃Actinidia arguta是猕猴桃科Actinidiaceae猕猴桃属Actinidia大型落叶藤本，据《中国植物志》记载，该物种在中国从最北的黑龙江岸至南方广西境内的五岭山地都有分布，但尚未明确其适宜分布区域。因该物种具有独特的食用和药用价值，近年来其种群数量急剧减少，现已被北京市、河北省、吉林省等列为地方性保护物种。本文利用Maxent模型对软枣猕猴桃在中国的潜在适宜分布区进行了预测并对其分布适宜性进行评价。研究结果表明:软枣猕猴桃在我国的适宜分布区总面积约为3.01×106 km2；其高适生区主要集中在四川中部、陕西南部、湖北西部和贵州西北部等地中低山区地带，呈圆环状分布。其中软枣猕猴桃在云南、四川、陕西等省份的潜在高适生区域面积最大。利用Jackknife刀切法计算得到影响软枣猕猴桃分布的主要环境因子为最湿季度降水量（500-800 mm）、年均温（12.5-17.5℃）、最冷季度降水量（290-660 mm）和海拔（2000-2690 m），上述环境因子的累计贡献率为79.7%。建议在中高度适宜分布区进行野生软枣猕猴桃的迁地保护和人工种植，并根据其适生环境调整软枣猕猴桃的农业种植繁育规划，为软枣猕猴桃的就地、迁地保护提供了理论依据。
关键词: 软枣猕猴桃    Maxent    环境因子    适宜分布区    
Prediction of potential suitable areas of Actinidia arguta in China based on Maxent model
ZHANG Tong , HUANG Zhihao , PENG Yangjing , WANG Yongteng , WANG Ping , WANG Shitong , CUI Guofa     
School of Ecology and Nature Conservation, Beijing Forestry University, Beijing 100083, China
Abstract: Actinidia arguta is a large deciduous vine of genus Actinidia in Actinidiaceae family. According to Flora Reipublicae Populris Sinicae, this species is distributed from the most northern Amur River bank to the Wuling Mountains in southern Guangxi, but its suitable distribution range has not been defined. Due to its unique edible and medicinal value, the population of Actinidia arguta has decreased dramatically in recent years, therefore it has been listed as a locally protected species in Beijing, Hebei and Jilin provinces. In this study, Maxent model was used to predict the potentially suitable distribution range of Actinidia arguta in China, and the distribution suitability was evaluated. The results showed that the suitable distribution range of Actinidia arguta in China was about 3.01×106 km2. The highly suitable distribution area of Actinidia arguta was mainly concentrated in the middle and low mountain areas of central Sichuan, southern Shaanxi, western Hubei and northwest Guizhou, presenting a circular distribution. Among those areas, Yunnan, Sichuan and Shaanxi provinces covered the largest area. Jackknife knife-cutting method was used to calculate the main environmental factors affecting the distribution of Actinidia arguta. The first four main factors, i.e. the wettest season precipitation (500-800 mm), average annual temperature (12.5-17.5℃), the coldest season precipitation (290-660 mm) and altitude (2000-2690 m), provided a significant contribution up to 79%. This paper offered theoretical basis for the in-situ and ex-situ conservation of Actinidia arguta. It was suggested that the highly and moderately suitable areas could be used for ex-situ conservation and cultivation, and the agricultural planting could be improved based on the suitable environment factors.
Key Words: Actinidia arguta    Maxent    environment data    potential suitable areas    

软枣猕猴桃Actinidia arguta是猕猴桃科Actinidiaceae猕猴桃属Actinidia大型落叶藤本[1]。其药用历史悠久, 据《中药大辞典》中记录, 软枣猕猴桃具有健胃、清热利湿等功效, 可治消化不良、呕吐、腹泻、黄疸、风湿关节痛等疾病[2]。关于软枣猕猴桃的研究目前主要集中于食品保健和药用成分等方面[3-5]。据《中国植物志》记载, 该物种在中国从最北的黑龙江岸至南方广西境内的五岭山地都有分布[6], 但根据实地走访调查发现, 由于软枣猕猴桃人工种植比例低、苗木价格高、人工种植成活率低等原因导致软枣猕猴桃种植成本居高不下, 进而导致野生软枣猕猴桃的采摘与破坏情况日益严重, 使得野生软枣猕猴桃数量锐减。目前尚未有研究资料表明其具体的适宜分布区域, 也并未明确影响该物种分布的主要环境因子。为探清软枣猕猴桃的潜在适宜分布区域, 研究软枣猕猴桃地理分布与环境因子之间的关系, 分析影响软枣猕猴桃分布的关键环境因子, 对软枣猕猴桃的物种保护与科学利用具有重要意义。

因研究区域面积较大, 实地勘察的调研周期长、成本高以及难以全面统计物种的全部分布区。通过模型预测物种的地理分布是当下比较成熟的评估手段, 其工作效率高、预测分布区全面、大大节省了时间人力成本[7-10]。王茹琳等利用Maxent生态位模型预测了中华猕猴桃的适生区, 结合气候因子预测软枣猕猴桃的适生区范围, 但未考虑地形与土壤间对目标物种的影响[11]。屈振江等对气候因子进行筛选后模拟几种猕猴桃的适宜分布区, 有效缩小了关键因子的范围, 却忽略了立地条件等环节[12]。本文选取了79个软枣猕猴桃的样点, 通过3类环境因子共28个环境变量, 运用Maxent模型进行软枣猕猴桃的潜在适生区预测, 并对其适生等级与关键环境变量进行评价, 综合分析软枣猕猴桃与气候、土壤、地形之间的关系, 提出软枣猕猴桃的利用与保护方案, 为野生软枣猕猴桃的有效保护与科学利用提供理论依据。

1 材料和方法 1.1 软枣猕猴桃分布信息数据

软枣猕猴桃地理分布信息数据由文献资料整理、地方植物志、中国数字标本馆和全球生物多样性信息机构(https://www.gbif.org/)获取, 通过去除无效和重复数据, 共计收集到软枣猕猴桃样本点79个(图 1), 其中京津冀区域10个样本点均为实际调查的样点。

图 1 软枣猕猴桃的样本点分布图 Fig. 1 The distribution area of Actinidia arguta in China
图选项
1.2 环境变量

为了确定物种适宜生境的地理分布, 需明确影响物种生长的环境变量。本文中环境变量共有3类(气候因子、土壤因子和地形因子)共计28个环境变量。包括从世界气候数据库World-Clim(http://www.worldclim.org/)中获取的25个认可度较高的生物气候变量图层(bio1—bio19)和6个土壤变量图层(grav、rub、ph、oc、radi、texture)；从中国科学院国际科学数据服务平台(http://datamirror.csdb.cn)获取的3个地形变量(alt、slope、asp), 选取的环境因子详见表 1。上述图层作为Maxent模型所需的环境变量图层, 国家基础地理信息系统网站(http://nfgis.nsdi.gov.cn)提供的1:400万中国地图和中国行政区划图作为本文绘图的底图。

表 1 环境因子 Table 1 Environmental factors
气候变量Climate variables
年均温bio 1 Annual mean temperature 最冷季度平均温度bio 11 Mean temperature of coldest quarter
昼夜温差日均值bio 2 Mean diurnal range 年均降水量bio 12 Annual precipitation
等温性bio 3 Isothermality 最湿月降水量bio 13 Precipitation of wettest month
温度季节性变化的标准差bio 4 Temperature seasonality 最干月降水量bio 14 Precipitation of driest month
最暖月最高温bio 5 Max temperature of warmest month 降水量变异系数bio 15 Precipitation seasonality
最冷月最低温bio 6 Min temperature of coldest month 最湿季度降水量bio 16 Precipitation of wettest quarter
年均温变化范围bio 7 Temperature annual range 最干季度降水量bio 17 Precipitation of driest quarter
最湿季度平均温度bio 8 Mean temperature of wettest quarter 最暖季度降水量bio 18 Precipitation of warmest quarter
最干季度平均温度bio 9 Mean temperature of driest quarter 最冷季度降水量bio 19 Precipitation of coldest quarter
最暖季度平均温度bio 10 Mean temperature of warmest quarter
土壤变量Soil variable
碎石百分比grav Gravel percentage 粘土含量clay Clay content
pH值Potential of hydrogen 有机碳含量oc Organic carbon content
含沙量sed Sediment concentration 土壤质地texture Soil texture
地形变量Terrain variable
海拔alt Altitude 坡向asp Aspect
坡度slo Slope
表选项
1.3 数据分析 1.3.1 环境变量筛选

提取28个图层中79个分布点的环境数据。输入SPSS中的kendall秩次相关检验, 进行相关性筛查(附表 1), 去除相关性较高的变量(P＞0.8)[13], 最终得到15个用于模型计算的环境变量, 结果如表 2所示。

附表 1 SPSS分析各环境因子的相关性 Table S1 SPSS Analysis of the Relevance of Environmental Factors
Bio1 Bio2 Bio3 Bio4 Bio5 Bio6 Bio7 Bio8 Bio9 Bio10 Bio11 Bio12 Bio13 Bio14 Bio15 Bio16 Bio17 Bio18 Bio19 alt asp grav oc ph radi rhu slo texture
Bio1 1.00 0.41 0.15 0.05 0.39 0.58 0.08 0.41 0.53 0.53 0.62 0.32 0.22 0.33 0.22 0.22 0.27 0.16 0.27 0.27 0.15 0.05 0.15 0.10 0.24 0.27 0.17 0.20
Bio2 1.00 0.10 0.19 0.07 0.54 0.30 0.04 0.45 0.09 0.47 0.62 0.35 0.62 0.49 0.47 0.57 0.42 0.51 0.04 0.22 0.09 0.19 0.25 0.43 0.60 0.04 0.43
Bio3 1.00 0.71 0.56 0.24 0.60 0.47 0.29 0.55 0.21 0.10 0.10 0.11 0.19 0.01 0.17 0.02 0.22 0.65 0.16 0.02 0.08 0.15 0.02 0.07 0.23 0.03
Bio4 1.00 0.55 0.45 0.89 0.48 0.50 0.42 0.43 0.31 0.09 0.32 0.38 0.21 0.37 0.23 0.40 0.63 0.07 0.02 0.18 0.25 0.15 0.26 0.22 0.19
Bio5 1.00 0.03 0.53 0.77 0.07 0.82 0.01 0.13 0.04 0.14 0.21 0.05 0.19 0.10 0.19 0.78 0.07 0.08 0.28 0.18 0.13 0.17 0.30 0.15
Bio6 1.00 0.50 0.01 0.88 0.12 0.89 0.58 0.33 0.59 0.49 0.45 0.56 0.40 0.56 0.12 0.13 0.03 0.08 0.26 0.31 0.48 0.01 0.34
Bio7 1.00 0.44 0.53 0.38 0.46 0.38 0.14 0.40 0.42 0.26 0.44 0.27 0.46 0.60 0.04 0.04 0.20 0.28 0.19 0.33 0.21 0.21
Bio8 1.00 0.04 0.78 0.05 0.14 0.07 0.16 0.25 0.02 0.21 0.01 0.21 0.68 0.04 0.09 0.29 0.16 0.14 0.15 0.22 0.21
Bio9 1.00 0.07 0.88 0.54 0.29 0.57 0.49 0.40 0.55 0.36 0.57 0.16 0.10 0.03 0.03 0.27 0.26 0.42 0.04 0.29
Bio10 1.00 0.15 0.00 0.14 0.00 0.09 0.07 0.05 0.01 0.06 0.70 0.09 0.07 0.23 0.13 0.04 0.03 0.27 0.06
Bio11 1.00 0.49 0.26 0.50 0.41 0.38 0.47 0.34 0.48 0.11 0.11 0.06 0.02 0.23 0.29 0.41 0.00 0.30
Bio12 1.00 0.61 0.83 0.56 0.72 0.78 0.66 0.72 0.13 0.12 0.11 0.28 0.34 0.47 0.67 0.18 0.37
Bio13 1.00 0.49 0.19 0.83 0.43 0.80 0.38 0.09 0.04 0.09 0.20 0.23 0.25 0.46 0.23 0.05
Bio14 1.00 0.68 0.59 0.92 0.53 0.85 0.14 0.14 0.08 0.24 0.33 0.44 0.65 0.11 0.39
Bio15 1.00 0.28 0.74 0.23 0.78 0.26 0.11 0.01 0.17 0.28 0.27 0.46 0.00 0.38
Bio16 1.00 0.53 0.92 0.46 0.01 0.06 0.14 0.28 0.27 0.35 0.56 0.27 0.20
Bio17 1.00 0.47 0.93 0.20 0.10 0.08 0.24 0.33 0.40 0.60 0.08 0.37
Bio18 1.00 0.42 0.05 0.05 0.17 0.31 0.30 0.34 0.52 0.27 0.15
Bio19 1.00 0.24 0.08 0.05 0.20 0.38 0.35 0.55 0.05 0.34
alt 1.00 0.05 0.09 0.25 0.22 0.12 0.15 0.23 0.16
asp 1.00 0.01 0.05 0.05 0.19 0.16 0.11 0.33
grav 1.00 0.32 0.34 0.18 0.17 0.06 0.03
oc 1.00 0.36 0.29 0.32 0.17 0.15
ph 1.00 0.22 0.33 0.02 0.08
radi 1.00 0.63 0.25 0.30
rhu 1.00 0.20 0.41
slo 1.00 0.10
texture 1.00
表选项

表 2 筛选后的环境变量 Table 2 Environment data description list
编号
Numbers		 描述
Descripition
bio 1 年均温Annual meantemperature
bio2 昼夜温差日均值Mean diurnal range
bio5 最暖月最高温Max temperature of warmest month
bio10 最暖季度平均温度Mean temperature of warmest quarter
bio13 最湿月降水量Precipitation of wettest month
bio 19 最冷季度降水量Precipitation of coldest quarter
texture 土壤质地Soil texture
sed 含沙量Sediment concentration
alt 海拔altitude
asp 坡向aspect
slo 坡度slope
grav 碎石百分比Percentage of gravel
pH值 Potential of hydrogen
oc 有机碳含量Organic carbon content
clay 粘土含量Clay content
表选项
1.3.2 Maxent模型构建与结果评价

将整理好的样本点分布数据和筛选出的环境变量图层加载进Maxent3.3, 应用ROC(接收者操作特征曲线receiver operating characteristic curve)曲线分析法对Maxent软件预测的软枣猕猴桃适宜区分布结果进行精度检验, 得到ROC曲线下面的面积值即AUC值(the area under the ROC curve), 它是模型预测能力的准确性指标。AUC值取值范围为0.5—1, 越接近1说明预测的结果越好, 其模型预测的结果就越准确。AUC值为0.50—0.60(失败), 061—0.70(较差), 0.71—0.80(一般), 0.81—0.90(好), 0.91—1.0(非常好)。

1.3.3 软枣猕猴桃适生等级划分

经过Maxent模型预测分析, 依据自然分割法[14]将软枣猕猴桃的潜在分布区分为4个等级, 按照分布概率P确定软枣猕猴桃适生区等级划分:P＜0.2为非适生区, 0.2≤P＜0.5为低适生区, 0.5≤P＜0.7为中适生区, P≥0.7为高适生区(表 3)。

表 3 适生区划分 Table 3 Division of potential distribution
分布概率(P)
Probability distribution		 评价等级
Evaluation level		 分布概率(P)
Probability distribution		 评价等级
Evaluation level
P＜0.2 非适生区Unsuitable 0.5≤P＜0.7 中适生区Medium
0.2≤P＜0.5 低适生区Low P≥0.7 高适生区High
表选项
2 结果与分析 2.1 预测精度分析

计算得到的平均训练集AUC值为0.921, 平均测试集AUC值为0.927, 由此表明Maxent模型对软枣猕猴桃潜在分布区的预测效果非常好(图 2)。

图 2 Maxent模型对软枣猕猴桃预测结果ROC曲线验证 Fig. 2 ROC curve verification of prediction for Actinidia arguta by Maxent model
图选项
2.2 软枣猕猴桃的潜在分布区

软枣猕猴桃主要集中分布于中国西南部及浙江、福建、台湾等地。其中高适生区分布于四川中部、陕西南部、湖北西部和贵州西北部等地中低山区地带, 呈圆环状分布；中适生区西起西藏东南部, 北至陕西南部, 东至台湾, 南至云南南部, 中适生区主要分布在高适生区邻域附近；低适生区面积较大, 包含东三省、中原山地和东南沿海等地。

按适生等级分类后, 统计每个省、市自治区的适生区面积, 计算结果如图 3所示, 软枣猕猴桃在我国的适宜分布区面积(高度适生区、中度适生区和低度适生区)总计约3.01×106 km2。其中, 高度适生区面积约1.7×105 km2, 占适宜分布区面积的6%；中度适生区面积约8.9×105 km2, 占适宜分布区面积的30%；低适生区面积约1.9×105 km2, 占适宜分布区面积的64%。由表 4可知:(1)云南、四川、陕西、湖北、福建、西藏和台湾省份是软枣猕猴桃高度适宜分布(P≥0.7)较集中的区域, 其中云南省适宜软枣猕猴桃分布的面积约3.7×105 km2, 居于全国适宜生境面积首位；(2)河北、山西、北京、海南和天津五个省份为软枣猕猴桃的中度和低度适宜分布区(0.5≤P＜0.7)；(3)内蒙古和宁夏等地为软枣猕猴桃的低度适宜分布区(0.2≤P＜0.5), 且适生面积相对其省份面积占比极少；(4)香港、澳门均无软枣猕猴桃的适宜分布区域(P＜0.2)。

图 3 软枣猕猴桃潜在适宜分布区面积统计表 Fig. 3 Predicted potential suitable areas of Actinidia arguta in China
图选项

表 4 适宜分布区的面积 Table 4 Potential suitable areas of Actinidia arguta in China
省、市、自治区
province, municipality autonomous regions		 高适生区
High suitable area/km2		 中适生区
Medium suitable area/km2		 低适生区
Low suitable area/km2		 总面积
Total area/km2		 占研究面积的比例
Proportion of the total research area/%
云南 37882 194766 139044 371692 12.34
四川 35108 88043 158858 282009 9.36
陕西 19873 80864 76156 176893 5.87
湖北 16572 52965 80220 149757 4.97
福建 12580 37030 53978 103588 3.44
西藏 11561 37501 44611 93673 3.11
台湾 11474 5040 7265 23779 0.79
重庆 5271 19393 40546 65210 2.17
河南 4621 48018 112842 165481 5.49
贵州 4619 97493 79161 181273 6.02
湖南 3745 47746 128069 179560 5.96
甘肃 2742 16878 66297 85917 2.85
浙江 2355 25740 62582 90677 3.01
山东 1743 53148 77355 132246 4.39
江西 1650 23387 130341 155378 5.16
青海 859 117 844 1820 0.06
安徽 554 12398 92402 105354 3.50
广西 396 13083 52242 65721 2.18
辽宁 230 18638 129761 148629 4.94
吉林 108 3380 131553 135041 4.48
广东 106 5654 24670 30430 1.01
黑龙江 65 1095 73647 74807 2.48
江苏 15 1975 60474 62464 2.07
新疆 10 — 518 528 0.02
河北 — 4141 81676 85817 2.85
山西 — 88 524 612 0.02
北京 — 73 12239 12312 0.41
海南 — 43 896 939 0.03
天津 — 12 4288 4300 0.14
内蒙古 — — 23809 23809 0.79
宁夏 — — 1871 1871 0.06
上海 — — 30 30 0.00
香港 — — — — —
澳门 — — — — —
总计Total 174139 888709 1948769 3011617 100
表选项
2.3 主导环境因子的确定

利用Jackknife刀切法分析各生态因子对软枣猕猴桃分布适宜度(图 4), 结合各环境变量对软枣猕猴桃分布影响的贡献率(表 5)发现:影响软枣猕猴桃分布的主要环境变量为最湿季度降水量(bio13)、年均温(bio1)、最冷季度降水量(bio19)和海拔(alt)。运行结果显示, 按从高到低的贡献率排序依次为最湿季度降水量(bio13)28.2%、年均温(bio1)23.5%、最冷季度降水量(bio19)19.6%和海拔(alt)8.4%, 累计贡献率高达79.7%(表 4)。说明上述4个环境变量是影响软枣猕猴桃适宜分布生境的关键因子。

图 4 软枣猕猴桃分布预测结果刀切图 Fig. 4 Jacknife result of prediction process of Actinidia arguta
图选项

表 5 各环境变量对软枣猕猴桃份分布影响的贡献率 Table 5 The contribution rate of each environmental factors to Actinidia arguta distribution
编号
Numbers		 生态因子
Ecological factors		 贡献率
Contribution rate/%
1 bio13最湿季度降水量 28.2
2 bio1年均温 23.5
3 bio19最冷季度降水量 19.6
4 alt海拔 8.4
5 bio2昼夜温差日均值 4.2
6 bio10最暖季度平均温度 4.0
7 clay粘土含量 3.0
8 slo坡度 2.6
9 sed含沙量 2.0
10 asp坡向 1.9
11 grav碎石百分比 1.1
12 oc有机碳含量 0.9
13 pH 0.3
14 texture土壤质地 0.2
15 bio5最暖月最高温 0.1
总计 100.00
表选项

由环境因子对软枣猕猴桃份分布影响的贡献率可以看出软枣猕猴桃生长分布受气候环境影响较大, 最湿季度降水量、年均温、最冷季度降水量和海拔这4个环境因子对软枣猕猴的分布起主导作用。选取这4个变量分别建立Maxent模型, 得出软枣猕猴桃在各个变量中的适宜区间如图 5。

图 5 主要环境因子响应曲线 Fig. 5 Responses curve of ecological factors
图选项
3 结论与讨论 3.1 软枣猕猴桃的潜在分布区及Maxent预测的可靠性

本文利用Maxent模型对软枣猕猴桃的潜在适生区进行预测, 结合28个环境变量分析影响软枣猕猴桃的生长分布。通过参数设置和模型筛选, 最终将研究区域划分为4个适生等级, 统计了软枣猕猴桃在全国各省的适宜分布区面积(表 4)。结果表明, 云南省是全国软枣猕猴桃最适宜分布地区, 20世纪80年代末期和90年代初期通过对云南省猕猴桃资源的系统调查, 发现云南省猕猴桃属植物分布较广, 猕猴桃属植物种类居全国之首[15]。丁建调查时发现四川软枣猕猴桃资源主要集中在四川盆地周边的中低山区的环形地带[16]；福建浙江等预测高适生区均有软枣猕猴桃生长分布记载, 且记录年限较早[17], 与软枣猕猴桃预测分布范围较为吻合。

尚无相关文献对软枣猕猴桃的分布范围进行明确讨论, 且未开展相关专项研究, 本文所提出的物种分布模型在明确软枣猕猴桃的分布点后预测出更多的潜在适生区。例如, 在以往文献资料记载中青海省尚未记录该物种的分布情况, 近些年经地方政府公开网站对比发现青海省西宁市确有该物种的分布, 与本文研究结论一致；同时本文预测的中度适生区也与实际相吻合, 说明Maxent模型能较为准确的预测软枣猕猴桃在中国的潜在适生区。

3.2 影响软枣猕猴桃分布的关键环境因子

从图 5中, 可明显看出:最湿季度降水量在300—450 mm范围内时, 软枣猕猴桃适生度显著上升, 在450 mm达到最大值；500—800 mm区域内适生度逐渐平缓且软枣猕猴桃适生度最高。年均温在12.5—17.5℃之间最适宜软枣猕猴桃生长, 峰值出现在13.0℃, 此时最适宜软枣猕猴桃的生长发育。最冷季度降水量在220—290 mm区间内明显有上升趋势, 自290—660 mm区间内趋于稳定, 软枣猕猴桃适宜分布度最高。软枣猕猴桃在海拔2000—2690 m区间内适宜生长, 在海拔2500 m下生长状况最佳, 适生程度最好, 这与猕猴桃属植物生物学特征相一致。经地理国情监测云平台(http://www.dsac.cn/)、中国气象局(http://www.cma.gov.cn/)核实, 关键环境因子的适宜区间与高适生区省份气候基本一致, 海拔适宜区间与植物志记载相吻合。

软枣猕猴桃作为药用和食品保健原料植物, 野生资源遭到人为采摘破坏, 干扰软枣猕猴桃群落的自然更新以及破坏了软枣猕猴桃的生长环境。本文在全国尺度上分析了软枣猕猴桃的潜在适生区, 但未考虑到软枣猕猴桃个体的遗传变异、复杂条件下的小气候等因素影响。以大尺度预测软枣猕猴桃的适生区, 可在中高度适宜分布区进行野生软枣猕猴桃的迁地保护和人工种植等, 由此在中高度适宜分布区进行野生软枣猕猴桃的迁地保护和人工种植并根据其适生环境调整软枣猕猴桃的农业种植繁育规划, 为软枣猕猴桃的就地、迁地保护以及其种植成活率提供理论依据。

参考文献
[1]
刘慎谔. 东北木本植物图志. 北京: 科学出版社, 1955: 22-23.
[2]
江苏新医学院. 中药大辞典下册. 上海: 上海科学技术出版社, 1977: 2210-2210.
[3]
朴一龙, 赵兰花. 软枣猕猴桃研究进展. 北方园艺, 2008(3): 76-78.
[4]
王广富, 艾军, 秦红艳, 孙丹, 宋慧芳, 刘海双, 于云飞. 不同品种软枣猕猴桃愈伤组织诱导及植株再生. 吉林农业大学学报, 2018, 40(3): 311-315.
[5]
石铖, 王慧丽, 马冰如. 软枣猕猴桃叶化学成分的研究. 中国中药杂志, 1992, 17(1): 36-38.
[6]
中国科学院中国植物志编辑委员会. 中国植物志. 北京: 科学出版社, 1993: 18-18.
[7]
Yang X Q, Kushwaha S P S, Saran S, Xu J C, Roy P S. Maxent modeling for predicting the potential distribution of medicinal plant, Justicia adhatoda L. in Lesser Himalayan foothills. Ecological Engineering, 2013, 51: 83-87.
[8]
黄治昊, 周鑫, 张孝然, 蒲真, 邢韶华. 我国大陆黄檗潜在分布区及分布适宜性评价. 生态学报, 2018, 38(20): 7469-7476.
[9]
Elith J, Phillips S J, Hastie T, Dudík M, Chee Y E, Yates C J. A statistical explanation of MaxEnt for ecologists. Diversity and Distributions, 2011, 17(1): 43-57.
[10]
Warren D L, Seifert S N. Ecological niche modeling in Maxent:the importance of model complexity and the performance of model selection criteria. Ecological Applications, 2011, 21(2): 335-342.
[11]
王茹琳, 李庆, 何仕松, 刘原. 中华猕猴桃在中国潜在分布及其对气候变化响应的研究. 中国生态农业学报, 2018, 26(1): 27-37.
[12]
屈振江, 周广胜. 中国主栽猕猴桃品种的气候适宜性区划. 中国农业气象, 2017, 38(4): 257-266.
[13]
Kendall, MauriceG. The advanced theory of statistics. Revista Mexicana de Sociología, 1961, 23(1): 310.
[14]
吕汝丹, 何健, 刘慧杰, 姚敏, 程瑾, 谢磊. 羽叶铁线莲的分布区与生态位模型分析. 北京林业大学学报, 2019, 41(2): 70-79.
[15]
胡忠荣, 袁媛, 易芍文, 高正清. 云南野生猕猴桃资源及分布概况. 西南农业学报, 2003, 16(4): 47-52.
[16]
丁建.四川猕猴桃种质资源研究[D].雅安: 四川农业大学, 2006.
[17]
猕猴桃资源调查协作组. 福建猕猴桃资源调查. 福建省农科院学报, 1986, 1(1): 50-58.