Page 8 - 《广西植物》2022年第3期
P. 8
３ ５ ２ 广 西 植 物 ４２ 卷
１.２ 环境数据获取 气候变暖情景中代表高排放情景的 ＲＣＰ８.５( 高)ꎮ
本研究使用的三个历史时期(末次盛冰期、当 当前和未来的气候图层分辨率均为 ３０″(１ ｋｍ ×
前时期、未来时期)气候数据均下载自世界气候数 １ ｋｍ)ꎮ 中国底图下载自国家基础地理信息系统
据库( ＷｏｒｌｄＣｌｉｍꎬｈｔｔｐ: / / ｗｏｒｌｄｃｌｉｍ. ｏｒｇ) ꎬ包括 １９ 网站(ｈｔｔｐ: / / ｗｗｗ.ｎｇｃｃ.ｃｎ / ｎｇｃｃ / )ꎮ
个生物气候变量( ｂｉｏ１ ~ ｂｉｏ１９) ( 表 １)ꎮ 末次盛冰 １.３ ＭａｘＥｎｔ 模型设定及评价
期选取符合中国气候类型的 ＣＣＳＭ４ꎬ 选择最小分 ＭａｘＥｎｔ 建 模 参 数 设 定: 选 用 ＭａｘＥｎｔ 软 件
辨率 ２. ５′ ( ５ ｋｍ × ５ ｋｍ)ꎻ 当 前 气 候 年 份 选 择 (Ｖ３.３.３Ｋ)ꎬ 随 机 测 试 比 例 ２０％ꎬ 最 大 迭 代 次 数
１９７０—２０００(ｖｅｒｓｉｏｎ ２.１)ꎻ未来年份选择 ２０７０ꎬ未 １ × １０ ꎬ设置响应曲线、ＲＯＣ 曲线和刀切法ꎮ 以响
４
来气候选取 ＩＰＣＣ 第 ５ 份报告中描述的未来四种 应曲线评价生态因子适宜度范围ꎬ以 ＲＯＣ 曲线及
曲线下面积(即 ＡＵＣ 值) 评价模型精度ꎬ以刀切法
表 １ 环境变量 检验生态因子的权重ꎮ
Ｔａｂｌｅ １ Ｅｎｖｉｒｏｎｍｅｎｔａｌ ｖａｒｉａｂｌｅｓ １.４ 环境变量筛选
环境变量 描述 选取模型输出结果中贡献率大、权重高的环
Ｅｎｖｉｒｏｎｍｅｎｔａｌ
Ｄｅｓｃｒｉｐｔｉｏｎ 境变量为主导环境变量ꎮ
ｖａｒｉａｂｌｅ
１.５ 生态适宜区划分采用 ＧＩＳ
ｂｉｏ１ 年平均气温
Ａｎｎｕａｌ ｍｅａｎ ｔｅｍｐｅｒａｔｕｒｅ (℃ ) 首先将建模得到的输出结果中的 ＡＳＣＩＩ 文件
ｂｉｏ２ 昼夜温差月均值 通过 ＡｒｃＧＩＳ 中的格式转化工具转化成栅格文件ꎬ
Ｍｅａｎ ｄｉｕｒｎａｌ ｒａｎｇｅ (℃ )
然后通过重分类工具将图层进行重分类ꎬ从而进
ｂｉｏ３ 等温性
Ｉｓｏｔｈｅｒｍａｌｌｙ [(ｂｉｏ２ / ｂｉｏ７)∗１００] 行适生等级的划分ꎮ 输出结果显示的是不同地区
ｂｉｏ４ 温度季节性变化标准差 的生境适宜性ꎬ用 Ｐ 表示ꎬ以概率的形式体现ꎬ取
Ｔｅｍｐｅｒａｔｕｒｅ ｓｅａｓｏｎａｌｉｔｙ
值 ０ ~ １ꎮ 参考 ２００７ 年联合国政府间气候变化专
ｂｉｏ５ 最暖月份最高温度
Ｍａｘｉｍｕｍ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ ｔｈｅ ｗａｒｍｅｓｔ ｍｏｎｔｈ (℃ ) 门委员会(ＩＰＣＣ)第四次评估报告对于不确定性的
ｂｉｏ６ 最冷月份最低温度 等级划分ꎬ本文对研究对象在全国的适生等级进
Ｍｉｎｉｍｕｍ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ ｔｈｅ ｃｏｌｄｅｓｔ ｍｏｎｔｈ (℃ )
行如下划分:Ｐ<０.３３ 为非适生ꎻ０.３３≤Ｐ<０.６６ 为
ｂｉｏ７ 年均温变化范围
Ｔｅｍｐｅｒａｔｕｒｅ ａｎｎｕａｌ ｒａｎｇｅ(ｂｉｏ５－ｂｉｏ６) (℃ ) 低适生ꎻＰ≥０.６６ 为高度适生ꎮ
ｂｉｏ８ 最湿季度平均温度
Ｍｅａｎ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ ｔｈｅ ｗｅｔｔｅｓｔ ｑｕａｒｔｅｒ (℃ )
２ 结果与分析
ｂｉｏ９ 最干季度平均温度
Ｍｅａｎ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ ｔｈｅ ｄｒｉｅｓｔ ｑｕａｒｔｅｒ (℃ )
ｂｉｏ１０ 最暖季度平均温度 ２.１ ＭａｘＥｎｔ 模型预测精度
Ｍｅａｎ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ ｔｈｅ ｗａｒｍｅｓｔ ｑｕａｒｔｅｒ (℃ )
ＭａｘＥｎｔ 模型预测精度以 ＲＯＣ 曲线下面积(即
ｂｉｏ１１ 最冷季度平均温度
Ｍｅａｎ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ ｔｈｅ ｃｏｌｄｅｓｔ ｑｕａｒｔｅｒ (℃ ) ＡＵＣ 值)为衡量指标ꎬＡＵＣ 值越大表明模型预测精
ｂｉｏ１２ 年降水量
度越高ꎮ 评价标准: ０.５~０.６ 即模型预测失败ꎻ０.６~
Ａｎｎｕａｌ ｐｒｅｃｉｐｉｔａｔｉｏｎ (ｍｍ)
ｂｉｏ１３ 最湿月份降水量 ０.７ 较差ꎻ０.７~０.８ 一般ꎻ０.８ ~ ０.９ 好ꎻ０.９ ~ １ 非常好ꎮ
基于苦参 ７２５ 个样本分布点ꎬ利用 ＭａｘＥｎｔ 模型在过
Ｐｒｅｃｉｐｉｔａｔｉｏｎ ｏｆ ｔｈｅ ｗｅｔｔｅｓｔ ｐｅｒｉｏｄ (ｍｍ)
ｂｉｏ１４ 最干月份降水量 去、当前和未来三种气候模式下对苦参适生区进行
Ｐｒｅｃｉｐｉｔａｔｉｏｎ ｏｆ ｔｈｅ ｄｒｉｅｓｔ ｐｅｒｉｏｄ (ｍｍ)
ｂｉｏ１５ 降水量季变异系数 预测ꎬ结果显示过去、现在、未来三种情境的气候条
Ｐｒｅｃｉｐｉｔａｔｉｏｎ ｓｅａｓｏｎａｌｉｔｙ
件下ꎬ模型运算的测试数据集和训练数据集的 ＡＵＣ
ｂｉｏ１６ 最湿季度降水量
平均值分别为 ０. ８５８ ( 图 ２: Ａ)、０. ８５７ ( 图 ２: Ｂ)、
Ｐｒｅｃｉｐｉｔａｔｉｏｎ ｏｆ ｔｈｅ ｗｅｔｔｅｓｔ ｑｕａｒｔｅｒ (ｍｍ)
ｂｉｏ１７ 最干季度降水量 ０.８６３(图 ２:Ｃ)ꎬ表明由 ＭａｘＥｎｔ 模型预测的苦参生
Ｐｒｅｃｉｐｉｔａｔｉｏｎ ｏｆ ｔｈｅ ｄｒｉｅｓｔ ｑｕａｒｔｅｒ (ｍｍ)
态适宜性具有较好的准确度和可信度ꎬ可用于苦参
ｂｉｏ１８ 最暖季度降水量
潜在适生区分布的研究ꎮ
Ｐｒｅｃｉｐｉｔａｔｉｏｎ ｏｆ ｔｈｅ ｗａｒｍｅｓｔ ｑｕａｒｔｅｒ (ｍｍ)
ｂｉｏ１９ 最冷季度降水量 ２.２ 苦参潜在分布区主导气候因子
Ｐｒｅｃｉｐｉｔａｔｉｏｎ ｏｆ ｔｈｅ ｃｏｌｄｅｓｔ ｑｕａｒｔｅｒ (ｍｍ)
基于刀切法(Ｊａｃｋｋｎｉｆｅ)来检验模型运算结果ꎬ
