基于Maxent模型的青藏高原大花红景天生态适宜性分析

　　[摘要]濒危物种大花红景天Rhodiola crenulata的野生抚育和人工栽培是保护其野生资源的重要方式，是目前研究的热点问题。研究通过查询标本馆及实地采样调查，收集大花红景天野外分布点经纬度信息，综合气候、土壤、高程等相关生态因子，利用Maxent 模型对大花红景天进行适生性分析，研究其在我国青藏高原地区的潜在分布区域以及主要生态特征。Maxent模型预测结果表明，大花红景天生长的潜在分布区域在西藏东部、四川西部、青海南部，以及甘肃甘南藏族自治州、云南迪庆藏族自治州的部分区域；对大花红景天生长贡献率大的主要生态因子为海拔（61.8%）、最暖季度降水量（19%）、降水量变异系数（4.7%）、温度季节性变化标准差（4%）和最干季度平均温度（2.5%）。测试集和训练集ROC曲线下的AUC均大于0.9，表明所建立的大花红景天Maxent 预测模型准确度高。应用Maxent模型，对大花红景天进行生态适宜性区划研究准确度高，可为大花红景天野生抚育与人工栽培选址提供科学依据。 　　[关键词]大花红景天； Maxent模型； 生态因子； 青藏高原； 生态适宜性 　　[Abstract]Wildlife tending and artificial cultivation is an important way to protect the wild resources ofRhodiola crenulata. It is a study hotspot at present. The distribution information ofR. crenulata was collected by query data and field survey， the ecological suitability regionalization was conducted based on maximum entropy model combine with ecological factors， including climate， soil and altitude. To provide the reference for production layout， suitable planting area and the selection of artificial planting base by studying the ecological suitability regionalization ofR. crenulata. The potential distribution areas mainly concentrated in the easen Tibet， western Sichuan， southern Qinghai， and Gansu Gannan Tibetan Autonomous Prefecture， Yunnan Diqing Tibetan Autonomous Prefecture. There were 5 major environmental factors to have obvious influence on ecology suitability distributions ofR. crenulata， including altitude （contribution rate of 61.8%）， precipitation of warmest quarter （contribution rate of 19%）， the coefficient of variation of precipitation seasonality （contribution rate of 4.7%）， the SD of temperature seasonality （contribution rate of 4%）， mean temperature of driest quarter （contribution rate of 2.5%）. The AUCs of ROC curve were both above 0.9， indicating that the predictive results with the Maxent model were highly precise. The study of the ecological suitability regionalization ofR. crenulata based on Maxent can provide a scientific basis for the selection of artificial planting base. 　　[Key words]Rhodiola crenulata； Maxent ecologic model； ecological factors； Tibetan Plateau； potential distribution areas 　　doi：10.4268/cjcmm20162108 　　大花�t景天Rhodiola crenulata （Hook. f. et Thoms.）H. Ohba为景天科红景天属植物，以干燥根和根茎入药，是藏医临床常用药材，享有“高原人参”的美誉。大花红景天主产于我国的西藏、青海、云南西北和四川西部等地，生长在海拔2 800～5 600 m的高山沟坡、草地、灌丛、高山流石滩的石缝之中。大花红景天具有抗缺氧、抗疲劳、抗衰老、预防和治疗心血管疾病等多种药理作用，是多种中成药、藏成药、食品、饮料和化妆品的重要原料，已成为新药研究和保健食品开发的热点[1-3]。 　　大花红景天是《中国药典》2015年版和卫生部藏药标准收载品种，为红景天商品药材的主流，需求量大，主要来源于野生资源。大花红景天是生长在高海拔沙土滑坡面上的薄弱生态环境优势物种，生境独特、习性特殊、分布狭窄，野生资源常常遭遇地毯式地采光挖净，采挖后不易恢复，面临种源断绝的危机，已被列为国家Ⅱ级重点保护野生植物[4-5]，其蕴藏量日益锐减与市场需求日益激增的矛盾逐渐加深。因此，需要加强对大花红景天生态保护与人工栽培相关研究，通过大花红景天的人工引种栽培与野生抚育，以期能够缓解其资源匮乏现状。 　　生态位模型是利用物种已知的分布数据和相关环境变量，根据一定的算法运算来构建模型，基于可获取的有限的物种分布点及其所关联的环境参数，判断物种的生态需求，并将运算结果投射至不同的时间和空间中以预测物种的实际分布和潜在分布[6]。生态位模型的出现为研究生物的生态、进化和保护工作提供了高效、科学的新工具。Maxent模型是基于生态位理论，考虑气候、海拔、植被等生态因子，用最大熵原理作为统计推断工具，构建物种地理尺度上空间分布的生态位模型。Maxent模型是生态位模型中一种比较新的用于预测物种分布的生态位模型，能够运用ROC曲线检验预测结果，操作简便、可靠性高[7-9]。Maxent模型除了在动植物的生境预测、检疫性病和虫害预测方面以外，还被广泛用于经济植物的潜在种植区的预测等[10-13]。 　　本文以大花红景天为研究对象，通过在中国数字植物标本馆查询与实地采样调查，收集其野外分布信息，结合气候、海拔、土壤相关生态因子，利用Maxent模型和GIS 技术对我国青藏高原地区的大花红景天进行潜在分布区划研究，分析大花红景天生态适宜条件，为藏药大花红景天资源保护和种植规划提供科学依据，也为其人工规范化种植基地的选取提供参考。 　　1 数据来源和方法 　　1.1 大花红景天分布点经纬度数据 大花红景天分布点经纬度数据的获取主要是通过查询中国数字植物标本馆（http：//www. cvh.org.cn/），以及对青藏高原地区实地采样调查。标本信息包括物种名、采样点经纬度，野外调查信息记录包括分布点经纬度、生境、植物照等。 　　1.2 生态因子数据 本研究共涉及35个生态因子，其中19个生物气候变量和高程来源于全球气候数据库（Worldclim；http：//www.worldclim. org/）1950―2000年监测数据的平均值，精度2.5弧分；17个土壤因子土壤数据来自世界土壤数据库（Harmonized World soil Database： http：//webarchive.iiasa.ac.at / Research/LUC/ External- World-soil-database /HTML/index.html？sb=1）。上述�稻葑�标系为WGS84，图层栅格大小约为1 km2，生态因子中温度数值（℃）为实际数值的10倍。 　　19个生物气候变量中包含11个温度相关因子以及8个降水量相关因子。11个温度相关因子：年平均温、昼夜温差月均值、等温性、温度季节性变化标准差、最暖月最高温度、最冷月最低温度、年均温变化范围、最湿季度平均温度、最干季度平均温度、最暖季度平均温度、最冷季度平均温度。8个降水量相关因子：年均降水量、最湿月降水量、最干月降水量、降水量变异系数、最湿季度降水量、最干季度降水量、最暖季度降水量、最冷季度降水量。 　　15个土壤相关因子：土壤中硫酸钙含量、土壤中粘土比例、土壤中沙子比例、土壤中泥沙比例、土壤的容积密度、土壤基础饱和度、土壤中碳酸钙含量、土壤的阳离子交换能力、土壤中粘粒组的阳离子交换能力、土壤导电率、土壤中可交换的钠离子、土壤中有机碳比例、土壤酸碱度、阳离子交换总量、土壤质地。 　　1.3 Maxent模型参数设置 将生态环境图层和大花红景天分布点经纬度数据文本（.csv格式）加载到Maximum Entropy Modeling of Species Geographic Distributions，Version 3.3.3k版软件中，设置参数运行建模，最大迭代次数是1×105。设置刀切法检验权重，设分布数据的 25% 被随机抽取作为测试集（testdata），其余作为训练集。Maxent自定义设置ROC（receive operating characteristic）评价曲线对预测结果进行精度评测，输出文件类型选为.asc，其他参数为软件默认设置。 　　1.4 主要生态因子的选择 选取35 个生态因子和68个采样点经纬度数据，按照1.3项下方法进行数据处理，根据Maxent 模型多次迭代计算结果，选取总贡献率 ≥ 90%的生态因子作为主要生态因子。根据各生态因子响应曲线，得出各主要生态因子适宜范围。 　　1.5 适宜性分布区域划分 应用ArcGIS 10.0分析软件将Maxent模型运行结果图，通过转化栅格加载进ArcGIS Map，得到大花红景天的生长适宜分布图。根据大花红景天生长的适宜指数，采用人工（manual）分级方法划分出花红景天适宜性分布等级。 　　2 结果与分析 　　2.1 大花红景天分布点数据 通过在中国数字植物标本馆（http：//www.cvh.org.cn/）查询，以及对青藏高原地区大花红景天实地采样调查，初步收集大花红景天分布点68个，大花红景天分布点主要分布于西藏、四川、云南、青海等地区，见图1，2。其中野外采集样品标本由成都中医药大学张艺研究员鉴定为景天科红景天属大花红景天R. crenulata。 　　2.2 区划结果可信度和准确度分析 ROC 曲线分析法在物种潜在分布预测模型评价中得到了广泛的应用[14]，ROC 曲线分析法的AUC值不受阈值影响，因而成为目前公认的诊断试验最佳评价指标[15]。AUC值0.5～0.6 为失败，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[16]。据Maxent模型预测结果的ROC曲线，训练集的AUC为0.996，测试集的AUC为0.994，表明模型模拟效果非常好，由模型运算得出的大花红景天的生境适宜度具有很高的可信度和准确度。 　　2.3 生态因子的选择优化结果 Maxent模型分析