Page 176 - 《广西植物》2026年第6期
P. 176
６ 期 潘尹茜雪等: 气候变化对澳洲坚果在中国潜在生态适宜种植区的影响 １ ０ ９ １
图 ２ ４０ 个环境变量 Ｓｐｅａｒｍａｎ 相关性分析
Ｆｉｇ. ２ Ｓｐｅａｒｍａｎ ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ ｏｆ ４０ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｖａｒｉａｂｌｅｓ
体排放稳定在 ８.５ Ｗｍ 的高辐射强迫情景ꎮ 土 (ＢＩＯ１２ )、 等 温 性 ( ＢＩＯ３ )、 年 均 温 变 化 范 围
￣２
壤数据下载自世界土壤数据库( Ｈａｒｍｏｎｉｚｅｄ Ｗｏｒｌｄ (ＢＩＯ７)、土壤碎石体积百分比( Ｔ＿ｇｒａｖｅｌ)、土壤淤
Ｓｏｉｌ Ｄａｔａｂａｓｅ ｖｅｒｓｉｏｎꎬ ＨＷＳＤ)ꎬ 空 间 分 辨 率 为 １ 泥含量(Ｔ＿ｓｉｌｔ)和最干季度降水量( ＢＩＯ１７) 共 ７ 个
ｋｍꎮ 数字高程模型( ｄｉｇｉｔａｌ ｅｌｅｖａｔｉｏｎ ｍｏｄｅｌꎬＤＥＭ) 因子作为模型最终输入变量ꎮ
数 据 下 载 自 地 理 空 间 数 据 云 平 台 ( ｈｔｔｐ: / / １.４ ＭａｘＥｎｔ 模型预测
ｗｗｗ. ｇｓｃｌｏｕｄ. ｃｎ)ꎬ 采 用 ＡｒｃＧＩＳ 软 件 提 取 坡 度 为保证模型的准确性ꎬ随机选取 ２５％ 的数据
(ｓｌｏｐｅ)和坡向( ａｓｐｅｃｔ)ꎬ空间分辨率为 ３０ ｍꎮ 所 作为测试集数据ꎬ其余 ７５％的澳洲坚果分布点数
有环境变量在 ＡｒｃＧＩＳ １０.７ 中重采样至 １ ｋｍꎮ 据作为训练集数据ꎬ迭代次数设置为 １０ ０００ꎬ重复
１.３ 环境变量处理与选取 运算 １０ 次ꎮ 采用受试者工作特征曲线( ｒｅｃｅｉｖｅｒ
为克服多重共线性的影响ꎬ本研究运用空间 ｏｐｅｒａｔｉｎｇ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｃｕｒｖｅꎬ ＲＯＣ 曲线) 下的面积
分析功能对 １９ 个生物气候变量数据、３ 个地形数 (ａｒｅａ ｕｎｄｅｒ ｔｈｅ ｃｕｒｖｅꎬＡＵＣ)值评价预测模型精度ꎬ
据和 １８ 个土壤数据进行 Ｓｐｅａｒｍａｎ 相关性分析(图 ＡＵＣ 值的阈值为 ０ ~ １ꎬ越接近 １ꎬ表明预测精度越
２)ꎬ保留相关性低于 ０.８０ 的环境变量ꎬ若两个变 高(Ｓｗｅｔｓꎬ １９８８)ꎮ 最后利用刀切法来检验各环境
量相关性高于 ０.８０ꎬ则保留生态学意义较强的环 变 量 对 分 布 增 益 的 贡 献 ( Ｍｉｌｌｅｒꎬ １９７４ꎻ
境变量(Ｆｉｃｋ ＆ Ｈｉｊｍａｎｓꎬ ２０１７ꎻ 刘攀峰等ꎬ ２０２０)ꎮ Ｓｈｃｈｅｇｌｏｖｉｔｏｖａ ＆ Ａｎｄｅｒｓｏｎꎬ ２０１３)ꎬ从而筛选出影
将澳洲坚果分布数据与初筛因子输入 ＭａｘＥｎｔ 模 响澳洲坚果潜在分布的关键环境因子ꎮ
型ꎬ使用刀切法( Ｊａｃｋｋｎｉｆｅ) 进行环境因子筛选ꎬ运 １.５ 适生等级划分
行模型直至所选环境变量不存在 ０ 贡献率的因子 本研究将澳洲坚果在我国的实际分布和自然
为止ꎮ 最终筛选出年均气温( ＢＩＯ１)、年均降水量 断点法相结合ꎬ按照存在概率 Ｐ 将澳洲坚果适生
