基于MaxEnt模型的紹興市香榧潛在適生區(qū)研究

陳小秉　王震明　柳鋼峰

摘 要 使用3 085株樹齡大于500年的古香榧的點位信息，基于MaxEnt模型研究香榧在紹興市的潛在適生區(qū)。應用ROC曲線和AUC值對預測結果進行精度評價，分析各個環(huán)境因子對香榧潛在適生區(qū)分布的貢獻率。結果表明：MaxEnt模型的AUC值為0.945，具有較高的準確度和可信度;香榧主要分布在紹興市柯橋區(qū)南部、諸暨市東部以及嵊州市西部的會稽山地區(qū)，高適生區(qū)面積11 790.89 hm2，中適生區(qū)33 296.44 hm2，低適生區(qū)50 419.67 hm2;影響香榧適生區(qū)分布的主要環(huán)境因子有4個，其中海拔390～720 m、年平均最低氣溫-11.4～10.5 ℃、年平均濕度77.85%～77.95%、年平均最高降水量1 850～1 880 mm的區(qū)域最適宜香榧生長。

關鍵詞 香榧;MaxEnt模型;適生區(qū);環(huán)境因子

中圖分類號：F326.27 文獻標志碼：B DOI：10.19415/j.cnki.1673-890x.2019.12.095

香榧（Torreya grandis cv. Merrillii），屬紅豆杉科榧屬常綠喬木，是榧樹（Torreya grandis）中的變異類型，是集材用、藥用、果用、油用和觀賞于一體的經(jīng)濟樹種。它的果實是我國特有的珍稀干果。它的發(fā)源地和主產(chǎn)區(qū)在浙江省會稽山區(qū)[1]。由于資源少，產(chǎn)品供不應求。目前，香榧是經(jīng)濟價值和栽培效益最高的樹種之一。對于香榧的研究多集中在基因遺傳、組培和植物生理等方面，而對其生境適宜性和潛在適生區(qū)的研究相對較少。實際上，植物種群的分布與生長不僅與植物本身的遺傳、生理特性有關，理解物種空間分布模式和對環(huán)境的依賴特點也是生態(tài)學研究的一個基本目標，可以為香榧植物保護、造林規(guī)劃以及制定物種多樣性保護策略等提供理論依據(jù)[2]。

MaxEnt模型是一種推算生物生境適宜性的新穎機器學習算法模型，主要用于物種的生境評價與測試，可以通過自身參數(shù)設置完成模型精度測試，具有操作簡單、運行速度快以及預測精度好等優(yōu)點[3]。模型運行需要2類數(shù)據(jù)：某物種實際存在的點位數(shù)據(jù)和研究區(qū)域的環(huán)境因子。該模型利用機器學習方法，無需過多依靠先驗經(jīng)驗，只通過物種樣本存在數(shù)據(jù)即可準確預測物種的分布情況[4]，因此近年來得到了很多學者的認可。胡忠俊等[5]

運用MaxEnt模型研究青藏高原紫花針茅當前及未來的分布格局，并探討了物種分布變化的原因;郭杰等[6]利用MaxEnt模型研究黨參在全球生態(tài)適宜區(qū)和其生態(tài)特征，為黨參人工引種栽培和種植管理提供了依據(jù);胡秀等[7]利用MaxEnt模型研究檀香在中國的適生區(qū)，得出檀香的最適生區(qū)除傳統(tǒng)的海南西部的丘陵山地、廣東的雷州半島外，還包括廣東省和福建省的東南沿海等地。本研究利用MaxEnt模型和GIS技術對香榧在紹興市的適生區(qū)進行預測，著重分析影響其分布的主要環(huán)境因子，以期為香榧物種多樣性保護和引種栽培提供科學依據(jù)。

1 研究區(qū)概況

紹興市地處浙江省中北部，屬長江三角洲地區(qū)，東連寧波市，南臨臺州市和金華市，西接杭州市，北至嘉興市，位于119°53′03"～121°13′38"E、29°13′35"～30°17′30"N，地形南高北低、山多田少，大體為“六山一水三分田”。紹興市屬于亞熱帶季風氣候，溫暖濕潤，四季分明，年平均氣溫17.5 ℃，平均年降水量1 920 mm左右。紹興市內(nèi)河流密布，湖泊眾多，以“水鄉(xiāng)澤國”的美名聞名中外，共有大小河流6 759條，水域面積共162.367 km2。全市共有紅壤土、水稻土、鹽土、潮土、石質土和中基性火山巖土等，共計11個土類。

2 研究方法

2.1 香榧分布數(shù)據(jù)

香榧分布數(shù)據(jù)來自于紹興市2018年古樹名木調(diào)查資料，經(jīng)篩選（將分布密度較高的古樹群視為1個分布點）共使用3 085株樹齡大于等于500年的古香榧樹的點位信息參與建模，并將數(shù)據(jù)保存為CSV格式以供使用。

2.2 環(huán)境因子

2.2.1 地形因子

DEM數(shù)據(jù)來自“地理空間數(shù)據(jù)云”（http：//gscloud.cn/），使用Arc GIS 10.1軟件根據(jù)DEM數(shù)據(jù)提取獲得坡度、坡向和海拔因子，空間分辨率為90 m。

2.2.2 氣象因子

氣象因子由Anusplin軟件插值獲得，空間分辨率為90 m。從中國氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn/site/index.html）下載地面年值數(shù)據(jù)集（1981—2010年）數(shù)據(jù)，范圍選取浙江省及其周邊省市共132個氣象站點進行插值。7個氣象因子分別為年平均最高降水量、年平均最低降水量、年平均氣溫、年平均氣溫日較差、年平均最高氣溫、年平均最低氣溫和年平均相對濕度。

2.2.3 其他因子

除地形和氣象數(shù)據(jù)，本研究增加了距離水源距離和太陽輻射因子，使用Arc GIS 10.1軟件以DEM數(shù)據(jù)為基礎。分布數(shù)據(jù)則利用水文分析和太陽輻射分析模塊獲得，數(shù)據(jù)空間分辨率均為90 m。

2.3 模型運行

將香榧的分布數(shù)據(jù)（CSV格式）和12個環(huán)境因子（ASCⅡ格式）導入MaxEnt，設置分布數(shù)據(jù)的25%為測試集，其余75%為訓練集，隨機迭代模型10次，取平均值用于評價模型的有效性，以預測平均結果作為物種潛在分布預測結果。采用刀切法（jack-knife）檢驗，測度每個環(huán)境因子對模型構建的貢獻度。輸出文件格式為ASCⅡ格式，即將軟件得到的ASCⅡ格式文件導入Arc GIS 10.1軟件并轉換成柵格圖形格式，最終獲得香榧在紹興市的適生區(qū)分布預測圖。

2.4 模型評估

使用受試者工作特征曲線（ROC曲線）分析法對物種潛在分布預測精度進行驗證。通過計算ROC曲線下方的面積得到AUC值，AUC的數(shù)值范圍為0～1，值越大表示預測結果越精確。一般來說，AUC<0.6表明預測結果較差，AUC>0.8表明預測結果較好，AUC>0.9表明預測結果非常好。

3 結果與分析

3.1 模型精度

如圖1所示，模型訓練集與測試集的AUC值分別為0.945和0.939，明顯大于隨機預測分布模擬值0.5，預測精度非常好，表明模型對香榧的適生區(qū)的預測結果可靠且精度較高。

3.2 香榧在紹興市的適生區(qū)分布

基于MaxEnt模型獲得的香榧適生概率取值在0～1，根據(jù)專家經(jīng)驗法，確定適生概率值≥0.7為高適生區(qū)，0.5～0.7為中適生區(qū)，0.3～0.5為低適生區(qū)，<0.3為非適生區(qū)。如圖2所示，紹興市境內(nèi)香榧高適生區(qū)面積共11 790.89 hm2，占紹興市土地總面積的1.42%;中適生區(qū)面積為33 296.44 hm2，占4.02%;低適生區(qū)50 419.67 hm2，占6.09%。香榧高適生區(qū)主要分布在會稽山區(qū)域，包括柯橋區(qū)南部的稽東鎮(zhèn)、諸暨市東部的趙家鎮(zhèn)、東南部的東白湖鎮(zhèn)以及嵊州市西部的谷來鎮(zhèn)、竹溪鄉(xiāng)、通源鄉(xiāng)和長樂鎮(zhèn)等地。該結果與香榧記載分布區(qū)大致相同[8]。具體來看，嵊州市境內(nèi)高適生區(qū)面積最大，為5 815 hm2，其中谷來鎮(zhèn)面積最大，為2 357.16 hm2;諸暨市高適生區(qū)面積為4 170.36 hm2，其中趙家鎮(zhèn)面積最大，為2 945.81 hm2;柯橋區(qū)境內(nèi)只有稽東鎮(zhèn)有高適生區(qū)，面積為1 805.54 hm2。香榧中、低適生區(qū)主要分布在柯橋區(qū)的王壇鎮(zhèn)，面積2 091.57 hm2;諸暨市的次塢鎮(zhèn)、楓橋鎮(zhèn)、東和鄉(xiāng)以及應店街鎮(zhèn)等地，面積11 064.35 hm2;嵊州市的崇仁鎮(zhèn)、石璜鎮(zhèn)、王院鄉(xiāng)以及雅璜鄉(xiāng)等地，面積15 204.06 hm2。

3.3 影響香榧的潛在適生分布的環(huán)境因子分析

如圖3所示，從貢獻率比例來看，影響香榧生長的主要環(huán)境因子有4個，其中海拔因子的貢獻率最高，達到41.0%，且明顯高于其他環(huán)境因子;年平均最低氣溫、年平均濕度以及年平均最高降水量貢獻率分別為31.6%、11.1%、4.4%，4個因子貢獻率總和達到88.1%。總體來看，溫度因子的貢獻率較水分因子的貢獻率大，其中海拔因子能夠間接體現(xiàn)溫度因子效應。

（1）隨著海拔的升高，香榧的存在概率明顯提高。在海拔580 m，出現(xiàn)峰值;海拔高于820 m或低于280 m，香榧存在概率均降低到0.3以下。以存在概率0.5為標準，香榧海拔適宜分布范圍為390～720 m。

（2）香榧的存在概率在年平均最低氣溫-11.2 ℃出現(xiàn)峰值;在年平均最低氣溫-11.6 ℃以下或-10.1 ℃以上時，香榧的存在概率均降低到0.3以下。以存在概率0.5為標準，香榧年平均最低氣溫適宜分布范圍為-11.4～-10.5 ℃。

（3）隨著年平均濕度的上升，香榧的存在概率在77.62%后出現(xiàn)小幅下降，在77.78%后又開始上升，在77.90%出現(xiàn)峰值，年平均濕度低于77.55%或高于78.0%時香榧存在概率均降低到0.3以下。以存在概率0.5為標準，香榧年平均濕度適宜分布范圍為77.85～77.95 ℃。

（4）香榧的存在概率在年平均最高降水量大于1 760 mm時出現(xiàn)小幅下降，在大于1 825 mm后又逐漸提高，在1 860 mm出現(xiàn)峰值;年平均最高降水量低于1 730 mm、1 780～1 830 mm以及高于1 910 mm三個區(qū)間段，香榧的存在概率均降低到0.3以下。以存在概率0.5為標準，香榧年平均最高降水量適宜分布范圍為1 740～1 770 mm以及1 850～1 880 mm。

4 結論與討論

本研究使用3 085株500年以上樹齡的古香榧樹分布點數(shù)據(jù)，采用MaxEnt生態(tài)位模型對香榧在紹興市的適生區(qū)進行預測，用ROC曲線檢測模型精度，使用刀切法篩選主導環(huán)境因子及其適宜范圍。預測模型的AUC值為0.939，表明模型對香榧的適生區(qū)的預測結果具有較高的準確度和可信度。預測結果顯示：香榧在紹興市的適生區(qū)主要分布在會稽山及周邊地區(qū)，高適生區(qū)面積11 790.89 hm2，中適生區(qū)面積33 296.44 hm2，低適生區(qū)面積50 419.67 hm2;嵊州市境內(nèi)香榧適生區(qū)面積最大;香榧的高適生區(qū)主要分布在柯橋區(qū)的稽東鎮(zhèn)、諸暨市的趙家鎮(zhèn)、東白湖鎮(zhèn)，嵊州市的谷來鎮(zhèn)、竹溪鄉(xiāng)、通源鄉(xiāng)和長樂鎮(zhèn)、影響香榧適生區(qū)分布的最主要環(huán)境因子為海拔，貢獻率達到了41.0%;年平均最低氣溫、年平均濕度以及年平均最高降水量貢獻率分別為31.6%、11.1%以及4.4%;4個因子貢獻率總和達到88.1%;海拔390～720 m、年平均最低氣溫-11.4～-10.5 ℃、年平均濕度77.85%～77.95%以及年平均最高降水量1 850～1 880 mm區(qū)域，最適宜香榧生長。

對于某個樹種在某地是否適生，判定的標準是該樹種能否在當?shù)卣ＩL發(fā)育，繁殖后代，形成穩(wěn)定的群落并長久生存下去。本研究選取香榧古樹作為樣本點，更具代表性。研究使用12個環(huán)境因子進行建模，但是在現(xiàn)實世界中影響植物生長的環(huán)境因子遠不止這些。物種的分布不僅取決于地形、氣候和土壤因子，還受到社會經(jīng)濟結構、土地利用類型、人為干擾等社會因素的綜合影響[9]，后續(xù)可開展進一步的研究。

參考文獻：

[1] 黎章矩，程曉建，戴文圣，等.香榧品種起源考證[J].浙江農(nóng)林大學學報，2005，22（4）：443-448.

[2] 許仲林，彭煥華，彭守璋.物種分布模型的發(fā)展及評價方法[J].生態(tài)學報，2015，35（2）：557-567.

[3] 張東方，張琴，郭杰，等.基于MaxEnt模型的當歸全球生態(tài)適宜區(qū)和生態(tài)特征研究[J].生態(tài)學報，2017，37（15）：5111-5120.

[4] 王雨生，王召海，邢漢發(fā)，等.基于MaxEnt模型的珙桐在中國潛在適生區(qū)預測[J].生態(tài)學雜志，2019，38（4）：1230-1237.

[5] 胡忠俊，張鐿鋰，于海彬.基于MaxEnt模型和GIS的青藏高原紫花針茅分布格局模擬[J].應用生態(tài)學報，2015，26（2）：505-511.

[6] 郭杰，劉小平，張琴，等.基于Maxent模型的黨參全球潛在分布區(qū)預測[J].應用生態(tài)學報，2017，28（3）：992-1000.

[7] 胡秀，吳福川，郭微，等.基于MaxEnt生態(tài)學模型的檀香在中國的潛在種植區(qū)預測[J].林業(yè)科學，2014，50（5）：27-33.

[8] 黎章矩，程曉建，戴文圣，等.浙江香榧生產(chǎn)歷史、現(xiàn)狀與發(fā)展[J].浙江農(nóng)林大學學報，2004，21（4）：471-474.

[9] 莊鴻飛，秦浩，王偉，等.基于MaxEnt模型的云南紅豆杉潛在適宜分布預測[J].山西大學學報（自然科學版），2018，41（1）：233-240.

（責任編輯：趙中正）