Page 22 - 《广西植物》2022年第3期
P. 22
３ ６ ６ 广 西 植 物 ４２ 卷
土壤 有 机 碳 含 量 ( ｔ￣ｏｃ )、 表 层 土 壤 酸 碱 度 水蕈树的适宜指数ꎬ将输出后平均值的 ＡＳＣＩＩ 文件
( ｔ￣ｐＨ￣Ｈ Ｏ)、 粘 性 层 土 壤 的 阳 离 子 交 换 能 力 导入 ＡｒｃＧＩＳ １０.５ꎬ采用人工(ｍａｎｕａｌ)分级方法(刘
２
(ｔ￣ｃｅｃ￣ｃｌａｙ)、土壤的阳离子交换能力( ｔ￣ｃｅｃ￣ｓｏｉｌ)、 艳梅等ꎬ２０１８)ꎬ将适宜度分为高度适生区(０.７ ~
表层土壤基本饱和度(ｔ￣ｂｓ)、表层土壤交换性盐基 １)、中度 适 生 区 ( ０. ５ ~ ０. ７)、低 度 适 生 区 ( ０. ３ ~
(ｔ￣ｔｅｂ)、表层土壤碳酸盐或石灰含量( ｔ￣ｃａｃｏ )、表 ０.５)和非适生区(０ ~ ０.３)４ 级ꎬ并利用 ＡｒｃＧＩＳ 栅格
３
层 土 壤 硫 酸 盐 含 量 ( ｔ￣ｃａｓｏ )、 表 层 土 壤 电 导 率 计算工具统计适生区面积ꎮ
４
(ｔ￣ｅｃｅ)、表层土壤容重(ｔ￣ｂｕｌｋ￣ｄｅｎｓｉｔｙ)ꎮ 由于赤水 其中ꎬＭａｘＥｎｔ 模型使用受试者工作特征曲线
蕈树的分布范围狭窄ꎬ需较高空间分辨率的数据 (ｒｅｃｅｉｖｅｒ ｏｐｅｒａｔｉｎｇ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｃｕｒｖｅꎬＲＯＣ ｃｕｒｖｅｓ)
才能较好地模拟ꎬ却因末次盛冰期只有 ２.５′分辨率 的 ＡＵＣ(ａｒｅａ ｕｎｄｅｒ ｃｕｒｖｅ) 值对模型进行准确度评
的气候数据ꎬ分辨率较低ꎮ 因此ꎬ为了确保模拟结 价ꎮ ＡＵＣ 值范围在 ０ 到 １ 之间ꎬ值越大说明预测
果的可靠性ꎬ放弃末次盛冰期的模拟ꎬ以保证所有 的准确性就越好ꎮ 若 ＡＵＣ < ０.７ꎬ则预测结果不理
时期 的 图 层 分 辨 率 气 候 数 据 均 为 ３０″ ( ３０ ａｒｃ￣ 想ꎬ可信度低ꎬ一般不能使用ꎻ０.７ ~ ０.８ 为预测结果
ｓｅｃｏｎｄ)(地面约 １ ｋｍ )ꎮ 为减少因环境变量的多 一般ꎻ０.８ ~ ０.９表示预测结果良好ꎻ０.９ ~ １.０ 表示预
２
重共线性造成 ＭａｘＥｎｔ 模型过度拟合的问题ꎬ将 ３７ 测结果极佳(Ｊｅｓｓｉｃａ ｅｔ ａｌ.ꎬ ２０１４)ꎮ
个环境变量数据和最终分布点导入 ＡｒｃＧＩＳ １０.５ １.５ 适生区空间分布格局
中进行点插值提取出来ꎬ在 ＳＰＳＳ ２２ 中对点插值数 首先ꎬ根据赤水蕈树的适宜指数将其分布存
据做 Ｓｐｅａｒｍａｎ 相关分析和多重共线性 ＶＩＦ 方差膨 在概率值大于 ０.５ 作为适宜分布区ꎬ反之为非适宜
胀因子分析ꎬ当两个环境因子之间的相关性大于 区ꎬ分别赋值为“１” 和“０”ꎮ 然后ꎬ基于( ０ꎬ１) 矩
等于 ０.８ꎬ只选择其中一个因子的原则ꎬ初步筛选 阵ꎬ以现代潜在适生区为基础ꎬ进一步推测和分析
出 １５ 个环境因子参与建模ꎮ 赤水蕈树在过去和未来气候变化情景下适宜分布
１.４ 优化模型和预测精度评价 区的变化过程ꎬ并定义了四种适生区类型ꎬ依次为
本研究采用 Ｒ 语 言 的 ＥＮＭｅｖａｌ 语 言 包 优 化 保留适生区(１→１)、新增适生区(０→１)、丧失适
ＭａｘＥｎｔ 模型(Ｐｈｉｌｌｉｐｓ ｅｔ ａｌ.ꎬ ２０１７)ꎬ即优化了调控 生区(１→０) 和非适生区(０→０)ꎮ 最后ꎬ将矩阵变
倍 频 ( ｒｅｇｕｌａｒｉｚａｔｉｏｎ ｍｕｌｔｉｐｌｉｅｒꎬ ＲＭ) 和 特 征 组 合 换值导入 ＡｒｃＧＩＳ １０.５ꎬ实现赤水蕈树适生区空间
(ｆｅａｔｕｒｅ ｃｏｍｂｉｎａｔｉｏｎ ｍｕｌｔｉｐｌｉｅｒꎬＦＣ) 两个参 数ꎮ 其 格局变化的可视化ꎬ并利用 ＡｒｃＧＩＳ 栅格计算工具
中ꎬ将调控倍频设置为 ０.５ ~ ８ꎬ依次递增 ０.５ꎬ共 １６ 统计保留区、增加区和丧失区的面积ꎮ
个ꎻ并采用 １１ 个特征组合( Ｌ、ＱＴ、Ｈ、ＨＰ、ＰＴ、ＱＨ、
ＬＱＨ、ＬＰＴ、ＱＨＰ、ＬＱＰＴ 和 ＬＱＨＰＴ)ꎬ其中 Ｌ、Ｑ、Ｈ、 ２ 结果与分析
Ｐ、Ｔ 分别为线性(ｌｉｎｅａｒ)、二次型(ｑｕａｄｒａｔｉｃ)、片段
化( ｈｉｎｇｅ)、乘 积 型 ( ｐｒｏｄｕｃｔ)、阈 值 型 ( ｔｈｒｅｓｈｏｌｄ) ２.１ ＭａｘＥｎｔ 优化模型及准确性评价
(朱耿平和乔慧捷ꎬ２０１６)ꎮ 将上述 １７６ 种参数组 本研究以 ２４ 个赤水蕈树现代分布点和筛选后
合进行 综 合 测 试ꎬ 之 后 使 用 Ａｋａｉｋｅ 信 息 量 准 则 的 １５ 个环境变量图层为基础ꎬ并根据 ＡＩＣｃ 信息
( ａｋａｉｋｅ ｉｎｆｏｒｍａｔｉｏｎ ｃｒｉｔｅｒｉｏｎ ｃｏｒｒｅｃｔｉｏｎꎬ ＡＩＣｃ ) 的 准则ꎬ使用 ＭａｘＥｎｔ 模型对其过去、现代和未来不
ｄｅｌｔａ.ＡＩＣｃ 模型评估 ＯＲ 和 ＡＵＣ 检验模型的拟 同情景下的潜在分布区进行模拟ꎮ 其中ꎬ１５ 个环
１０ ＤＩＦＦ
合度 和 复 杂 度ꎬ最 终 可 获 取 最 低 ＡＩＣｃ 值 ( ｄｅｌｔａ. 境变量分别是昼夜温差月均值、等温性、温度季节
ＡＩＣｃ ＝ ０)时的最佳模型参数组合ꎬ用于 ＭａｘＥｎｔ 模 变动系数、温度年较差、最湿季平均气温、年降水
型建模(Ｐｈｉｌｌｉｐｓ ｅｔ ａｌ.ꎬ ２００６)ꎮ 然后ꎬ将掩膜好的 量、最干月降水量、降水季节性变化、最干季降水
ＡＳＣＩＩ 文件和 ２４ 个赤水蕈树现代分布点的 ＣＳＶ 格 量、土壤质地分类、土壤容重、表层土壤有机碳含
式文件ꎬ通过 ＭａｘＥｎｔ ３.４.１ 软件来模拟预测不同时 量、表层土壤酸碱度、海拔、人类活动ꎮ 根据 Ｒ 语
期、不同情景下赤水蕈树的潜在分布区和适生区 言获得的 ＡＩＣ 信息量准则可知ꎬ当 ｄｅｌｔａ. ＡＩＣｃ ＝ ０
变化ꎬ其中ꎬ７５％的数据作为训练集( ｔｒａｉｎ ｓｅｔ)ꎬ剩 时ꎬＦＣ ＝ ＨＰꎬＲＭ ＝ ６.５ꎬ为此次模拟中最优的参
下 ２５％的数据作为验证集( ｔｅｓｔ ｓｅｔ)ꎬ其他参数为 数ꎮ 然后ꎬ使用优化后的参数进行 ＭａｘＥｎｔ 模拟ꎬ
默认值ꎬ重复 １０ 次( Ｒｏｂｅｒｔ ｅｔ ａｌꎬ ２０１１)ꎮ 根据赤 预测现代赤水蕈树潜在地理分布ꎬ在 １０ 次重复
