劉慧明,高吉喜*,宋創(chuàng)業(yè),于勝祥

紫花含笑適宜生境的保護(hù)空缺與人類(lèi)干擾分析

劉慧明1,高吉喜1*,宋創(chuàng)業(yè)2,于勝祥2

(1.生態(tài)環(huán)境部衛(wèi)星環(huán)境應(yīng)用中心,北京 100094；2.中國(guó)科學(xué)院植物研究所,北京 100093)

以紫花含笑地理分布點(diǎn)數(shù)據(jù)為基礎(chǔ),結(jié)合地形和氣候數(shù)據(jù),使用最大熵(MaxEnt)模型,對(duì)紫花含笑的生境適宜度進(jìn)行了評(píng)估,并基于閾值法,將紫花含笑生境分為適宜區(qū)和最適宜區(qū),分析了紫花含笑生境適宜區(qū)和最適宜區(qū)在我國(guó)的地理分布、保護(hù)現(xiàn)狀以及人類(lèi)干擾狀況,結(jié)果表明:年均降雨量對(duì)紫花含笑的分布影響最為重要,地形因子和溫度因子對(duì)紫花含笑的分布影響相對(duì)較小;紫花含笑的生境最適宜區(qū)面積為13.7萬(wàn)km2,適宜區(qū)為27.0萬(wàn)km2,分布在22°~30°N, 107°~120°E之間.廣東、福建、廣西、江西和湖南等5個(gè)省是紫花含笑生境最適宜分布區(qū)面積最廣的地區(qū);位于國(guó)家級(jí)自然保護(hù)區(qū)內(nèi)的生境最適宜區(qū)和適宜區(qū)面積約占總面積的1.9 %,大部分適宜生境未得到有效保護(hù);紫花含笑生境適宜區(qū)和最適宜區(qū)內(nèi),林地是最大的土地利用類(lèi)型,但是各項(xiàng)人類(lèi)活動(dòng)也占有相當(dāng)大的比例.

生境適宜度；最大熵模型；ROC曲線；土地利用；自然保護(hù)區(qū)；人類(lèi)干擾

紫花含笑是木蘭科含笑屬中極其少有的開(kāi)紅花的樹(shù)種,為木蘭科的珍品[1],但紫花含笑天然種群正逐漸減少[2].在“中國(guó)生物多樣性紅色名錄”中[3],紫花含笑被認(rèn)定為“瀕?！敝参?亟需保護(hù).然而,目前關(guān)于紫花含笑生境適宜度及潛在生境分布、保護(hù)現(xiàn)狀等未見(jiàn)報(bào)道,這會(huì)影響對(duì)紫花含笑開(kāi)展有效的原地和遷地保護(hù).

物種潛在生境的了解及其適宜生境的空間分布預(yù)測(cè)是進(jìn)行物種保護(hù)和資源開(kāi)發(fā)利用策略的基礎(chǔ)[4-5],對(duì)開(kāi)展受脅物種的生境恢復(fù)和有效保護(hù)具有重要的指導(dǎo)意義.物種分布模型是以生態(tài)位理論為基礎(chǔ),建立物種分布與環(huán)境因子之間的關(guān)系,并對(duì)其潛在分布或者生境進(jìn)行預(yù)測(cè)[6]的一種方法.常用的物種分布模型有生物氣候包絡(luò)模型[7]、生態(tài)位因子分析[8]、分類(lèi)與回歸樹(shù)[9]、最大熵[10]、基于規(guī)則集的遺傳算法[11]等.最大熵模型以最大熵理論為基礎(chǔ),將物種與環(huán)境因子視為一個(gè)系統(tǒng),計(jì)算系統(tǒng)具有最大熵時(shí)的狀態(tài)參數(shù)確定物種和環(huán)境之間的穩(wěn)定關(guān)系,以此估計(jì)物種的地理分布[10].與其他模型相比,最大熵模型具有較強(qiáng)的擬合與預(yù)測(cè)能力[10],可以在建模樣本量較少的情況下獲得較好的預(yù)測(cè)結(jié)果[12-14].因此,本研究以中國(guó)數(shù)字植物標(biāo)本館收集的紫花含笑標(biāo)本地理分布數(shù)據(jù)為基礎(chǔ),結(jié)合地形、溫度和降雨等環(huán)境因子數(shù)據(jù),采用MaxEnt模型對(duì)紫花含笑的生境適宜度進(jìn)行模擬和評(píng)估,了解紫花含笑棲息地的立地條件,并結(jié)合自然保護(hù)區(qū)分布數(shù)據(jù)和土地利用數(shù)據(jù),評(píng)價(jià)紫花含笑的保護(hù)空缺和適宜生境的人類(lèi)干擾狀況,為該物種的有效保護(hù)和合理利用提供參考.

1 數(shù)據(jù)和方法

1.1 紫花含笑地理分布數(shù)據(jù)

紫花含笑地理分布數(shù)據(jù)來(lái)源于中國(guó)數(shù)字標(biāo)本館(http://www.cvh.ac.cn/),共計(jì)192條記錄,記錄信息包括物種名、經(jīng)度和緯度,地理空間分布見(jiàn)圖1.

1.2 環(huán)境變量數(shù)據(jù)

從世界氣候數(shù)據(jù)庫(kù)(WorldClim v2.0, http://www.worldclim.org/)中,提取研究區(qū)的19個(gè)氣候指標(biāo)數(shù)據(jù)(表1).該數(shù)據(jù)庫(kù)利用全球各地氣象站記錄的氣象信息,通過(guò)整合插值生成全球氣候柵格數(shù)據(jù)(1950~2000年平均值),空間分辨率為2.5￠(約4km)[15].地形數(shù)據(jù)來(lái)源于數(shù)字高程模型,空間分辨率2.5￠.在ArcGIS中利用Spatial Analyst Tools工具中Surface模塊的Slope和Aspect算法提取坡度和坡向數(shù)據(jù),其中坡向設(shè)定以正北為0°,往南逐漸增大,正南為180°.為了降低環(huán)境變量之間的相關(guān)性對(duì)模擬結(jié)果的影響,本研究采用Pearson相關(guān)分析計(jì)算了各個(gè)環(huán)境變量之間的相關(guān)系數(shù)(表1).以0.7為閾值[16],2個(gè)變量之間的相關(guān)系數(shù)高于0.7的,取其中一個(gè)變量參加模型運(yùn)算.最終選擇海拔、坡向、坡度、bio2、bio4、bio6、bio8、bio12、bio15和bio18等10個(gè)變量參與模型計(jì)算.

圖1 紫花含笑樣點(diǎn)地理空間分布

表1 環(huán)境變量之間的相關(guān)系數(shù)

1.3 自然保護(hù)區(qū)空間分布數(shù)據(jù)和土地利用數(shù)據(jù)

自然保護(hù)區(qū)空間分布數(shù)據(jù)由生態(tài)環(huán)境部南京環(huán)境科學(xué)研究所提供,2015年土地利用數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境數(shù)據(jù)中心(http://www.resdc. cn/),空間分辨率為1km.

1.4 物種分布模型

MaxEnt模型是以最大熵理論為基礎(chǔ)的物種分布預(yù)測(cè)模型[10],其在物種生境模擬方面表現(xiàn)出了優(yōu)越的性能,廣泛應(yīng)用于物種潛在分布和生境適宜性評(píng)價(jià)[17-18].在計(jì)算中,隨機(jī)選取25%的紫花含笑地理分布點(diǎn)作為測(cè)試集,剩余75%的分布點(diǎn)作為訓(xùn)練集.其他參數(shù)設(shè)置均為軟件默認(rèn)值.模型輸出格式為ASCII柵格圖層,圖層中每個(gè)柵格的值代表紫花含笑在該區(qū)域?qū)Νh(huán)境的適應(yīng)情況,值域?yàn)?~1.在ArcGIS軟件中加載MaxEnt的運(yùn)算結(jié)果,進(jìn)行生境等級(jí)劃分和可視化表達(dá).

在Maxent模型中,計(jì)算了環(huán)境因子對(duì)模型的貢獻(xiàn)和重要性,同時(shí)采用刀切法判斷環(huán)境因子的重要性,具體計(jì)算方法請(qǐng)參見(jiàn)文獻(xiàn)[10,19].另外,繪制生境適宜度對(duì)重要環(huán)境因子的響應(yīng)曲線[20].

1.5 模型精度驗(yàn)證

采用受試者工作特征曲線(ROC)進(jìn)行模型精度檢驗(yàn).ROC曲線以真陽(yáng)性率為縱坐標(biāo)(敏感性,實(shí)際存在且被預(yù)測(cè)為存在的比率),以假陽(yáng)性率(1-特異性,實(shí)際不存在但被預(yù)測(cè)為存在的比率)為橫坐標(biāo),AUC值指ROC曲線與橫坐標(biāo)圍成的面積值,值域?yàn)?~1,AUC值越大表示與隨機(jī)分布相距越遠(yuǎn),環(huán)境變量與預(yù)測(cè)的物種地理分布之間的相關(guān)性越大,即模型預(yù)測(cè)效果越好,反之說(shuō)明模型預(yù)測(cè)效果越差.AUC值在0.5~0.6,0.6~0.7,0.7~0.8,0.8~0.9,0.9~1分別表示模擬效果失敗、較差、一般、好、非常好[21].

1.6 生境適宜度閾值選擇

MaxEnt模型給出的結(jié)果是柵格數(shù)據(jù),值域范圍為0~1.為了獲取明確的紫花含笑適宜生境,需要選擇閾值將連續(xù)性的概率數(shù)據(jù)轉(zhuǎn)換為二元數(shù)據(jù).基于MaxEnt的閾值選擇方法較多,如0.5[22],10%訓(xùn)練存在邏輯閾值[23];ROC曲線敏感度為0.95時(shí)的閾值[24]; 0.8[25],20%訓(xùn)練存在邏輯閾值[26].

2 研究結(jié)果

2.1 模型精度驗(yàn)證和生境適宜度閾值選擇

本研究中,訓(xùn)練數(shù)據(jù)和檢驗(yàn)數(shù)據(jù)的AUC值均在0.9以上,模擬效果非常好(圖2).

圖2 MaxEnt模型的ROC驗(yàn)證曲線

本研究分別計(jì)算了“10%訓(xùn)練存在邏輯閾值”、“20%訓(xùn)練存在邏輯閾值”和“ROC曲線敏感度為0.95”三種方法所確定的閾值,分別為0.31、0.43和0.22.基于上述計(jì)算結(jié)果以及保護(hù)成本的考慮,本研究選擇相對(duì)較為保守的閾值;以0.8作為最適宜生境的閾值,大于0.8為紫花含笑最適宜生境;0.5~0.8之間為適宜生境;0.5以下為不適宜生境,適宜區(qū)空間分布見(jiàn)圖7.

2.2 環(huán)境因子的貢獻(xiàn)及生境適宜度

表2 環(huán)境變量貢獻(xiàn)和重要性分析結(jié)果

環(huán)境因子的貢獻(xiàn)和重要性分析(表2)以及基于正則化增益的刀切法(圖3)對(duì)環(huán)境變量貢獻(xiàn)度的分析結(jié)果發(fā)現(xiàn),雖然兩者排列順序有一定差異,但是均顯示年均降水量(bio12)的貢獻(xiàn)度最大,這表明相對(duì)于溫度和地形因素,降水量對(duì)于紫花含笑的分布影響更為重要.另外,年均降水量與其他降水量因子高度相關(guān)(表1),這也是其他降水量因子在基于刀切法的正則化訓(xùn)練增益較大(圖3)的原因.

圖3 基于刀切法的模型正則化訓(xùn)練增益

基于圖3可以看到,如果在建模因子中去除年均降水量(bio12),模型的正則化訓(xùn)練增益的降低較多.而如果去除溫度因子以及地形因子,模型的正則化訓(xùn)練增益則變化不大,這可能是年均降水量因子的貢獻(xiàn)和重要性遠(yuǎn)高于其他環(huán)境因子的原因.

2.3 生境適宜度與海拔、年均降水量和年均溫度的關(guān)系

海拔、年均降水量和年均溫度是描述物種生境最為常用的環(huán)境因子,此處給出生境適宜度與海拔、年均降水量和年均溫度的關(guān)系曲線,以便于確定紫花含笑的適宜生境.如圖4生境適宜度與海拔、年均降水量和年均溫度的關(guān)系均呈單峰模式,紫花含笑最適宜生境的海拔范圍約在300~700m之間,年均降水量1700~1900mm,年均溫度17~21℃.

2.4 紫花含笑生境適宜區(qū)空間分布

紫花含笑的生境適宜區(qū)與最適宜區(qū)主要分布在中亞熱帶東部地區(qū),北緯22°~30°之間,東經(jīng)107°~ 120°之間(圖5).廣東、福建、廣西、江西和湖南等5個(gè)省份是紫花含笑生境最適宜區(qū)面積最廣的地區(qū),其次是浙江(表3).

表3 紫花含笑生境最適宜區(qū)和適宜區(qū)面積分省統(tǒng)計(jì)結(jié)果

土地利用為2015年數(shù)據(jù)

2.5 紫花含笑生境適宜區(qū)保護(hù)和人類(lèi)干擾分析

疊加分析紫花含笑生境最適宜區(qū)、適宜區(qū)與國(guó)家級(jí)自然保護(hù)區(qū)空間分布數(shù)據(jù),如圖5所示,發(fā)現(xiàn)處在保護(hù)區(qū)內(nèi)的面積為7670km2,約占生境最適宜區(qū)和適宜區(qū)總面積的1.9%,絕大多數(shù)的生境適宜區(qū)和最適宜區(qū)未得到有效保護(hù).

紫花含笑生境適宜區(qū)與最適宜區(qū)與土地利用數(shù)據(jù)疊加分析結(jié)果見(jiàn)圖5.從圖中可以看出,紫花含笑生境適宜區(qū)和最適宜區(qū)內(nèi),林地是最大的土地利用類(lèi)型,耕地和城鄉(xiāng)、工礦和居民用地也占有相當(dāng)大的比例.

3 討論

根據(jù)現(xiàn)有文獻(xiàn),紫花含笑為我國(guó)中亞熱帶東部特有,主要分布于廣西東北部、廣東北部、湖南南部、江西省中東部、貴州南部和東南部,分布區(qū)海拔在300~1000m[2,27].本研究中,基于Maxent的預(yù)測(cè)結(jié)果,廣東北部、湖南南部、廣西東北部、江西東部、福建西部等地區(qū)為紫花含笑的主要生境適宜區(qū)和最適宜區(qū).除去福建以外,本研究中生境適宜區(qū)與中國(guó)植物志中的記載基本一致.而在福建,亦有紫花含笑栽培的報(bào)道[28],因此,可以推斷在福建應(yīng)存在適合紫花含笑生存的生境.對(duì)于紫花含笑分布的海拔范圍,根據(jù)生境適宜度與海拔響應(yīng)曲線(圖4)推測(cè),紫花含笑最適宜生境的海拔范圍在300~700m之間,這在傳統(tǒng)的紫花含笑分布區(qū)海拔范圍之內(nèi).因此,本研究基于Maxent預(yù)測(cè)的紫花含笑的適宜生境分布是合理、可靠的.

自然保護(hù)區(qū)是野生物種和種子資源最為重要和有效的保護(hù)場(chǎng)所.然而,本研究中,紫花含笑與國(guó)家級(jí)自然保護(hù)區(qū)的疊加分析發(fā)現(xiàn)只有1.9%的生境最適宜區(qū)和適宜區(qū)位于國(guó)家級(jí)自然保護(hù)區(qū)內(nèi).本研究中只有國(guó)家級(jí)自然區(qū)的數(shù)據(jù),而缺乏省、市和縣等級(jí)別的保護(hù)區(qū)數(shù)據(jù).不過(guò),根據(jù)已經(jīng)發(fā)表的數(shù)據(jù),我國(guó)自然保護(hù)區(qū)的總面積約147萬(wàn)km2,國(guó)家級(jí)自然保護(hù)區(qū)面積和其他等級(jí)的保護(hù)區(qū)面積分別為96和50.5萬(wàn)km2[29].參考國(guó)家級(jí)自然保護(hù)區(qū)所覆蓋的紫花含笑適宜生境的面積,其他級(jí)別的保護(hù)區(qū)所覆蓋的紫花含笑生境適宜區(qū)的面積不會(huì)超過(guò)2%,那么受到保護(hù)紫花含笑生境適宜區(qū)和最適宜區(qū)不會(huì)超過(guò)總面積的5%,絕大多數(shù)的適宜生境處在零保護(hù)狀態(tài),這可能也是造成野生紫花含笑“瀕?！钡闹饕?

圖6 紫花含笑生境最適宜區(qū)和適宜區(qū)內(nèi)土地利用狀況(2015年)

林地是紫花含笑生境適宜區(qū)和最適宜區(qū)內(nèi)最重要的土地覆被類(lèi)型(圖6),這說(shuō)明紫花含笑生境適宜區(qū)和最適宜區(qū)內(nèi)的植被狀況總體上較好.但是,在林地中,還有部分人工林和苗圃及各類(lèi)園地(果園、桑園、茶園、熱作林園等),而在土地利用數(shù)據(jù)中,人工林未單獨(dú)分類(lèi),所以難以了解人工林在林地中的比例.此外,在生境適宜區(qū)和最適宜區(qū)內(nèi),耕地和城鄉(xiāng)、工礦和居民用地還占有相當(dāng)大的比例,這說(shuō)明紫花含笑的適宜生境內(nèi)還存在較大的人類(lèi)活動(dòng)干擾.另外,在紫花含笑生境適宜區(qū)和最適宜區(qū)內(nèi),還有部分草地的存在(7%左右),這部分草地可能是林地被砍伐以后形成的.因此,綜合考慮耕地和城鄉(xiāng)、工礦和居民用地、草地以及林地中的人工林、苗圃等,估計(jì)紫花含笑生境適宜區(qū)和最適宜區(qū)內(nèi)約有30%的比例受到嚴(yán)重的人類(lèi)干擾.

4 結(jié)論

廣東北部、湖南南部、廣西東北部、江西東部、福建西部等地區(qū)為紫花含笑的主要生境適宜區(qū)和最適宜區(qū);在國(guó)家、省、市、縣級(jí)自然保護(hù)區(qū)中受到保護(hù)的紫花含笑生境適宜區(qū)和最適宜區(qū)不足其總面積的5%,絕大多數(shù)的適宜生境處在零保護(hù)狀態(tài);林地是紫花含笑生境適宜區(qū)和最適宜區(qū)內(nèi)最主要的土地覆被類(lèi)型,但耕地和城鄉(xiāng)、工礦和居民用地還占有相當(dāng)大的比例,這說(shuō)明紫花含笑的適宜生境內(nèi)還存在較大的人類(lèi)活動(dòng)干擾.

[1] 柴弋霞,蔡夢(mèng)穎,金曉玲,等.紫花含笑傳粉生物學(xué)初探 [J]. 廣西植物, 2017,37(10):1322-1329. Chai Y X, Cai M Y, Jin X L, et al. Preliminary study on pollination biology of[J]. Guihaia, 2017,37(10):1322-1329.

[2] 曹展波,劉仁林.江西九連山紫花含笑棲息地植物群落特征研究 [J]. 江西科學(xué), 2013,31(4):461-464. Cao Zhanbo, Liu Renlin. Characteristics of plant communities in thehabitat of Jiulian Mountain in Jiangxi Province [J]. Jiangxi Science, 2013,31(4):461-464.

[3] 環(huán)境保護(hù)部,中國(guó)科學(xué)院.中國(guó)生物多樣性紅色名錄[M]. 2013. Ministry of Environmental Protection, Chinese Academy of Sciences. Red List of Biodiversity in China [M]. 2013.

[4] Graham B (2001). Neutral macroecology [J]. Science, 2001,293, 2413-2418.

[5] Zhang Y B, Ma K P. Geographic distribution patterns and status assessment of threatened plants in China [J]. Biodiversity and Conservation, 2008,17:1783-1798.

[6] Guisan A, Thuiller W. Predicting species distribution:offering more than simple habitat models [J]. Ecology Letters, 2005,8:993-1009. Hampe A (2004). Bioclimate envelope models: what they detect and what they hide [J]. Global Ecology and Biogeography, 2004,13:469-471.

[7] Calenge C. The package “adehabitat” for the R software: a tool for the analysis of space and habitat use by animals [J]. Ecological Modelling, 2006,197:516-519.

[8] Vayssieres M P, Plant R E, Allen-Diaz B H. Classification trees: an alternative non-parametric approach for predicting species distribution [J]. Journal of Vegetation science, 2000,11:679-694.

[9] Phillips S J, Anderson R P, Schapire R E. Maximum entropy modeling of species geographic distributions [J]. Ecological Model, 2006,190: 231-259.

[10] Stockwell D, Peters D. The GARP modeling system:problems and solutions to automated spatial prediction [J]. International Journal of Geographical Information Science, 1999,13:143-158.

[11] Van P A, Sosef M, Wieringa J J, Raes N(2015). Minimum required number of specimen records to develop accurate species distribution models [J]. Ecography, 2015,39:542-552.

[12] Saupe E E, Qiao H J, Hendricks J R, et al. Niche breadth and geographic range size as determinants of species survival on geological time scales [J]. Global Ecology & Biogeography, 2015,24:1159-1169.

[13] Elith J, Graham C H, Anderson R P, et al. Nevel methods improve prediction of specie’s distribution from occurrence data [J]. Ecography, 2006,29:129-151.

[14] Hijmans R J, Cameron S E, Parra J L, et al. Very high resolution interpolated climate surfaces for global land areas [J]. International Journal of Climatology, 2005,25:1965-1978.

[15] Dormann C F, Elith J, Bacher S, et al. Collinearity:a review of methods to deal with it and a simulation study evaluating their performance [J]. Ecography, 2013,36:27-46.

[16] Yackulic C B, Chandler R, Zipkin E F, et al. Presence-only modelling using Maxent: when can we trust the inferences? [J]. Methods in Ecology and Evolution, 2013,4:236-243.

[17] Harte J, Zillio T, Conlisk E, et al. Maximum entropy and the state- variable approach to macroecology [J]. Ecology, 2008,89:2700-2711.

[18] Phillips S J, Dudik M. Modeling of species distributions with Maxent:new extensions and a comprehensive evaluation [J]. Ecography, 2008,31:161-175.

[19] Phillips S J, Anderson R P, Dudík M, et al. Opening the black box:an open-source release of Maxent [J]. Ecography, 2017,40:887-893.

[20] Swets J A. Measuring the accuracy of diagnostic systems [J]. Science, 1988,240:1285-1293.

[21] Waltari E, Guralnick R P. Ecological niche modeling of montane mammals in the Great Basin, North America: examining past and present connectivity of species across basins and ranges [J]. Journal of Biogeography, 2009,36:148-161.

[22] Brito J C, Acosta A L, álvares F, et al. Biogeography and conservation of taxa from remote regions: An application of ecological-niche based models and GIS to North-African canids [J]. Biological Conservation, 2009,142:3020-3029.

[23] Newbold T, Gilbert F, Zalat S, et al. Climate-based models of spatial patterns of species richness in Egypt's butterfly and mammal fauna [J]. Journal of Biogeography, 2009,36:2085-2095.

[24] Ramírez-Barahona S, Torres-Miranda A, Palacios-Ríos M, et al. Historical biogeography of the Yucatan Peninsula, Mexico: a perspective from ferns (Monilophyta) and lycopods (Lycophyta) [J]. Biological Journal of the Linnean Society, 2009,98:775-786.

[25] Donegan T M & Avenda?o J E. A new subspecies of mountain tanager in the Anisognathus lacrymosus complex from the Yariguíes Mountains of Colombia [J]. Bulletin of the British Ornithologists Club, 2010,130:13-32.

[26] 中國(guó)科學(xué)院中國(guó)植物志編輯委員會(huì).中國(guó)植物志[M]. 北京:科學(xué)出版社, 1996. Chinese Flora Editorial Board of the Chinese Academy of Sciences. Chinese flora [M]. Beijing: Science Press, 1996.

[27] 陳孝丑.紫花含笑扦插繁殖試驗(yàn)[J]. 福建林業(yè)科技, 2014,41(3): 128-131.Chen Xiaochou. Experiment on the propagation ofcuttings [J]. Journal of Fujian Forestry Science and Technology, 2014,41(3):128-131.

[28] 王 靜,孫軍平,石 磊,等.中國(guó)自然保護(hù)區(qū)建設(shè)的現(xiàn)狀、存在問(wèn)題及展望[J]. 中國(guó)人口·資源與環(huán)境, 2016,26(5):270-273. Wang Jing, Sun Junping, Shi Lei et al. Current situation, existing problems and prospects of construction of nature reserves in China [J]. China Population ? Resources and Environment, 2016,26(5):270-273.

Conservation status and human disturbance of the habitats of Michelia crassipes Law in China.

LIU Hui-ming1, GAO Ji-xi1*, SONG Chuang-ye2, YU Sheng-xiang2

(1.Satellite Environment Center, Ministry of Environmental Protection, Beijing 100094, China；2.The Institute of Botany, Chinese Academy of Sciences, Beijing 100093, China)., 2019,39(9)：3976~3981

This research aims to assess the habitat suitability ofLaw based on the species distribution data derived from specimen records and environmental variables through the approach of MaxEnt. The predicted habitat suitability was divided into suitable area and most suitable area according to the selected threshold. National reserve and land use data were used to conduct the analysis of conservation status and human disturbance of suitable habitat. The results show: Compared with topography variables and temperature variables, annual precipitation was the most important variables which influences the habitat suitability. The suitable habitat forLaw was mainly located in the east area of middle subtropics, between 22 and 30degrees north latitude and between 107 and 120 degrees east longitude. The area of most suitable habitat and suitable habitat were 137000km2and 270000km2. Guangdong, Guangxi, Hunan, Jiangxi and Fujian share the largest area of suitable habitat. Only 1.9% of the suitable habitats were under the protection of national reserves. Large areas of the suitable and most suitable habitats were left in a state without any protection. Woodland occupy the largest area of the suitable and most suitable habitat. However, human disturbance also occupy big area of suitable and most suitable habitat.

habitat suitability；maxent；receiver operating curve；land use；nature reserves；human disturbance

X826

A

1000-6923(2019)09-3976-06

劉慧明(1982-),女,山西臨縣人,正高級(jí)工程師,博士,主要從事生態(tài)遙感監(jiān)管研究工作.發(fā)表論文20余篇.

2019-02-15

國(guó)家科技支撐計(jì)劃項(xiàng)目(2012BAC01B08)

* 責(zé)任作者, 研究員, gjx@nies.org