[1]李慧,张志华,荐圣淇.基于MaxEnt模型伊洛河流域油松潜在适生分布区模拟分析[J].浙江林业科技,2023,43(01):1-8.[doi:10.3969/j.issn.1001-3776.2023.01.001]
　LI Hui,ZHANG Zhi-hua,JIAN Sheng-qi.Simulation of Potential Suitable Distribution Area of Pinus tabuliformis in Yiluo River Basin Based on MaxEnt Model[J].Journal of Zhejiang Forestry Science and Technology,2023,43(01):1-8.[doi:10.3969/j.issn.1001-3776.2023.01.001]
点击复制

基于MaxEnt模型伊洛河流域油松潜在适生分布区模拟分析()
分享到：

《浙江林业科技》[ISSN:1001-3776/CN:33-1112/S]

卷:
43
期数:
2023年01期
页码:
1-8
栏目:
出版日期:
2023-01-15

文章信息/Info

Title:
Simulation of Potential Suitable Distribution Area of Pinus tabuliformis in Yiluo River Basin Based on MaxEnt Model
文章编号:
1001-3776（2023）01-0001-08
作者:
李慧1; 张志华1; 荐圣淇2
1.开封市水务开发建设有限公司，河南 开封 475000;2.郑州大学 黄河实验室，河南 郑州 450001
Author(s):
LI Hui1; ZHANG Zhi-hua1; JIAN Sheng-qi2
1.Kaifeng Water Development and Construction Co. Ltd of He’nan, Kaifeng 475000 China;2.Yellow River Laboratory, Zhengzhou University, Zhengzhou 450001, China
关键词:
MaxEnt模型; 油松; 伊洛河流域; 适生区分布
Keywords:
MaxEnt model;  Pinus tabuliformis;  Yiluo River Basin;  distribution of suitable area
分类号:
S791.254
DOI:
10.3969/j.issn.1001-3776.2023.01.001
文献标志码:
A
摘要:
物种适生分布区的预测是指导引种和栽培的有效途径。油松Pinustabuliformis是我国主要的用材树种之一，种植范围广泛，对于水土保持起着关键作用。本文以黄河流域一级支流伊洛河流域为研究区，采用MaxEnt模型，依据76个油松有效地理分布样本点和筛选出的相关性低的10个环境特征变量，随机选择75%的油松分布点进行建模，25%的油松分布点进行模型验证，利用GIS空间技术平台，预测伊洛河流域油松的适生区域。结果表明：（1）MaxEnt模型具有良好的模拟效果，训练数据集工作特性曲线下的面积为0.957，测试数据的面积集为0.935；（2）年平均降水量是影响伊洛河流域油松适生分布区最重要的变量，其次是土壤类型、海拔、降水季节性变化、温度季节性变化，其贡献率分别为35%、24.8%、19.9%、9.2%和7.1%。油松适生降水量季节性变化范围为70~74mm，平均年降水量为710~850mm，气温季节变化范围在7.8~8.5℃，海拔范围在1156m以上；（3）油松在伊洛河流域东北部分布较少，中部和南部是主要的油松适生分布区，油松适生分布区面积为9074.84km2，占伊洛河流域总面积的46.98%，其中，高适生区面积约为3064km2，中适生区面积约为3015km2，低适生区面积约为2996km2。
Abstract:
MaxEnt model and GIS was used to simulate potential suitable distribution area of Pinus tabuliformis in the Yiluo River Basin, based on 76 samples and 10 environmental variables. The results showed that area under working characteristic curve (AUC) of training and test set was 0.957 and 0.935, meaning that MaxEnt had good simulation accuracy. According to the Jackknife, contribution rate and permutation importance, mean annual precipitation (35%) was the most important variable, followed by soil type (24.8%), altitude (19.9%), seasonal precipitation (9.2%) and seasonal temperature (7.1%). The result demonstrated that the suitable distribution for P. tabuliformis growth was under annual precipitation of 710-850 mm, seasonal precipitation change within70-74 mm, seasonal temperature change within 7.8℃-8.5℃and with the altitude above 1 156 m. P. tabuliformis was actually distributed in the central and southern region of the Yiluo River Basin, with the area 9 074.84 km2, occupying 46.98% of the Basin.

参考文献/References:

[1] 张雷，刘世荣，孙鹏森，等. 气候变化对物种分布影响模拟中的不确定性组分分割与制图——以油松为例[J]. 生态学报，2011，31（19）：5749－5761.
[2] 肖敏，胡卓玮，董琳. 基于MaxEnt模型的油松潜在地理分布研究[J]. 地理空间信息，2017，15（06）：34－37.
[3] 穆兴民，徐学选，王文龙，等. 黄土高原人工林对区域深层土壤水环境的影响[J]. 土壤学报，2003，4（02）：210－217.
[4] 傅伯杰. 我国生态系统研究的发展趋势与优先领域[J]. 地理研究，2010，29（03）：383－396.
[5] 张宝庆，邵蕊，赵西宁，等. 大规模植被恢复对黄土高原生态水文过程的影响[J]. 应用基础与工程科学学报，2020，28（03）：594－606.
[6] 常欣，程序，何英彬，等. 黄土高原水土保持与农业可持续发展工程技术措施及应用[J]. 世界科技研究与发展，2004，26（06）：69－76.
[7] 毕华兴，李笑吟，李俊，等. 黄土区基于土壤水平衡的林草覆被率研究[J]. 林业科学，2007，43（04）：17－23.
[8] 陈德铭. 治理水土流失构建和谐社会[J]. 中国水土保持，2005，01（11）：5－7.
[9] 王华连. 黄土高原小流域植被建设问题探讨[J]. 甘肃林业科技，2004，29（03）：44－47.
[10] 任国玉. 中国北方地区的本底植被[J]. 生态学报，2004，24（06）：1287－1293.
[11] 郭泉水，徐德应，阎洪. 气候变化对油松地理分布影响的研究[J]. 林业科学，1995，31（05）：393－402.
[12] ARAUJO M B，TOWNSEND PETERSON A. Uses and misuses of bioclimatic envelope modeling[J]. Ecology，2012，93（7）：1527－1539.
[13] 丁圣彦，梁国付. 地理环境因素对伊洛河流域森林景观的影响[J]. 地理研究，2007，26（05）：906－914.
[14] HIJMANS R J，CAMERON S E，PARRA J L，et al. Very high resolution interpolated climate surfaces for global land areas[J]. Int J Climatol， 2005，25（15）：1965－1978.
[15] SWETS J A. Measuring the accuracy of diagnostic systems[J]. Science，1988，240（4857）：1285－1293.
[16] 朱耿平，范靖宇，王梦琳，等. ROC曲线形状在生态位模型评价中的重要性——以美国白蛾为例[J]. 生物安全学报，2017，26（03）：184－190.
[17] 许仲林，彭焕华，彭守璋. 物种分布模型的发展及评价方法[J]. 生态学报，2015，35（2）：557－567.
[18] 戎战磊. 气候变化对祁连山优势物种分布和植被格局的影响[D]. 兰州：兰州大学，2019.
[19] 赵泽芳，卫海燕，郭彦龙，等. 人参潜在地理分布以及气候变化对其影响预测[J]. 应用生态学报，2016，27（11）：3607－3615.
[20] 张海涛，罗渡，牟希东，等. 应用多个生态位模型预测福寿螺在中国的潜在适生区[J]. 应用生态学报，2016，27（04）：1277－1284.
[21] PHILLIPS S J，ANDERSON R P，SCHAPIRE R E. Maximum entropy modeling of species geographic distributions[J]. Ecol Model，2006， 190：3－4，231－259.
[22] 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]. 生态学报，2019，30（06）：2116－2128.
[23] BARGAIN A，FOGLINI F，PAIRAUD I，et al. Predictive habitat modeling in two Mediterranean canyons including hydrodynamic variables[J]. Progr Oceanograp，2018，169：151－168.
[24] ELITH J，LEATHWICK J R. Species distribution models: ecological explanation and prediction across space and time[J]. Ann Rev Ecol Evolut Syst，2009，40（1）：677－697.
[25] 许玲玲，同小娟，张劲松，等. 山西灵空山油松径向生长对气候变化的响应[J]. 中国农业气象，2020，41（06）：357－367.
[26] 何如梦，王百田，于显威，等. 晋西黄土区油松林的生长释放与生长抑制[J]. 应用与环境生物学报，2018，24（06）：1204－1210.
[27] 梁非凡，朱清科，王露露，等. 陕北黄土区油松径向生长对气候因子的响应[J]. 西北农林科技大学学报（自然科学版），2015，43（05）：33－41.
[28] ANDERSON R P，LEW D，PETERSON A T. Evaluating predictive models of species’ distributions: criteria for selecting optimal models[J]. Ecol Model，2003，162，PII S0304－3800，02：00349－63，211－232.
[29] JOHN R，DALLING J W，HARMS K E，et al. Soil nutrients influence spatial distributions of tropical tree species[J]. Proceed Nat Acad Sci， 2007，104（3）：864－869.
[30] 韩恩贤，韩刚，薄颖生. 黄土高原油松、侧柏与沙棘人工混交林生长及土壤特性研究[J]. 西北林学院学报，2007（03）：100－104.
[31] STEVENS C J，TILMAN D. Point source ammonia emissions are having a detrimental impact on prairie vegetation[J]. Water Air Soil Pollut， 2010，211：1－4，435－441.
[32] 陈莉莉，王得祥，于飞，等. 林分密度对土壤水分理化性质的影响[J]. 东北林业大学学报，2013，41（08）：61－64.
[33] 刘俊廷，张建军，王恒星，等. 晋西黄土区不同退耕年限油松林草本多样性与土壤养分的关系[J]. 干旱区研究，2020，37（02）：400－409.

相似文献/References:

[1]冯鸿能,杨德宏,沈聪颖.基于MaxEnt模型的长蕊木兰在云南省的分布预测及适应性分析[J].浙江林业科技,2021,41(03):46.[doi:10.3969/j.issn.1001-3776.2021.03.006]
　FENG Hong-neng,YANG De-hong,SHEN Cong-ying.Prediction of Distribution of Alcimandra cathcartii in Yunnan Province based on Maximum Entropy Modeling[J].Journal of Zhejiang Forestry Science and Technology,2021,41(01):46.[doi:10.3969/j.issn.1001-3776.2021.03.006]
[2]孙艳芝,何紫云,张同升,等.基于保护物种适宜生境的北京自然保护空间识别[J].浙江林业科技,2022,42(01):48.
　SUN Yan-zhi,HE Zi-yun,ZHANG Tong-sheng,et al.Identification of Natural Conservation Areas for Protected Species Suitable Habitat in Beijing[J].Journal of Zhejiang Forestry Science and Technology,2022,42(01):48.
[3]吴利平,商云飞,姜壮,等.预测气候变化对野生茉莉花在中国潜在分布的影响[J].浙江林业科技,2024,44(02):22.[doi:10.3969/j.issn.1001-3776.2024.02.003]
　WU Liping,SHANG Yunfei,JIANG Zhuang,et al.Effect of Climate Factors on Potential Distribution of Jasminum sambac in China[J].Journal of Zhejiang Forestry Science and Technology,2024,44(01):22.[doi:10.3969/j.issn.1001-3776.2024.02.003]

备注/Memo

备注/Memo:
收稿日期：2022-06-03；修回日期：2022-10-29基金项目：河南省自然科学基金（212300410413）作者简介：李慧，高级工程师，从事水文生态学研究与实践工作；E-mail: 393392655@qq.com。通信作者：荐圣淇，副教授，从事流域水文模拟、水文水环境信息技术化研究与实践工作；E-mail: jiansq@zzu.edu.cn。
更新日期/Last Update: 2023-01-10