Page 9 - 《广西植物》2022年第3期

３ 期 张涛等: 气候变化条件下苦参在我国潜在分布区的预测分析
Ａ. 末次盛冰期ꎻ Ｂ. 当前气候条件下ꎻ Ｃ. 未来气候条件ꎮ
Ａ. Ｌａｓｔ ｇｌａｃｉａｌ ｍａｘｉｍｕｍꎻ Ｂ. Ｃｕｒｒｅｎｔ ｃｌｉｍａｔｅ ｃｏｎｄｉｔｉｏｎｓꎻ
Ｃ. Ｆｕｔｕｒｅ ｃｌｉｍａｔｅ ｃｏｎｄｉｔｉｏｎｓ.
图 ２ ＭａｘＥｎｔ 模型应用 ＲＯＣ 分析法检验预测
Ｆｉｇ. ２ Ｐｒｅｄｉｃｔｉｏｎ ｖａｌｉｄａｔｉｏｎ ｕｓｉｎｇ ＲＯＣ
ｃｕｒｖｅ ｉｎ ＭａｘＥｎｔ ｍｏｄｅｌ
反映出不同环境变量对于分布增益的贡献大小ꎮ
当前气候条件下 １９ 个环境变量的贡献率排列前
１１(贡献率>１％) 依次为 ｂｉｏ１６( 最湿季度降水量ꎬ
ｍｍ)、ｂｉｏ１０(最暖季度平均温度ꎬ℃ )、ｂｉｏ６( 最冷月
３ ５ ３
份最低温度ꎬ℃ )、ｂｉｏ１５(降水量季变异系数)、ｂｉｏ９
(最干季度平均温度ꎬ℃ )、ｂｉｏ１１( 最冷季度平均温
度ꎬ℃ )、ｂｉｏ４(温度季节性变化标准差)、ｂｉｏ８(最湿
季 度 平 均 温 度ꎬ℃ )、 ｂｉｏ５ ( 最 暖 月 份 最 高 温
度ꎬ℃ )、ｂｉｏ１４(最干月份降水量ꎬｍｍ)、ｂｉｏ１３( 最湿
月份降水量ꎬｍｍ)ꎬ累计贡献率达 ９６.８％ ( 表 ２)ꎮ
综合 １９ 个环境变量的相关性分析结果发现ꎬｂｉｏ１６
(最湿季度降水量ꎬｍｍ) 和 ｂｉｏ１０(最暖季度平均温
度ꎬ℃ )是影响当代苦参适宜生境分布的主导气候
因子(累计贡献率达 ７２.４％)ꎬ其次是 ｂｉｏ６( 最冷月
份最低温度ꎬ℃ )、ｂｉｏ１５(降水量季变异系数)、ｂｉｏ９
(最干季度平均温度ꎬ℃ )、ｂｉｏ１１( 最冷季度平均温
度ꎬ℃ )、ｂｉｏ４(温度季节性变化标准差)、ｂｉｏ８(最湿
季 度 平 均 温 度ꎬ℃ )、 ｂｉｏ５ ( 最 暖 月 份 最 高 温
度ꎬ℃ )、ｂｉｏ１４(最干月份降水量ꎬｍｍ)、ｂｉｏ１３( 最湿
月份降水量ꎬｍｍ)ꎬ但贡献率较前两个小( 表 ２)ꎮ
为进一步明确苦参在当前气候条件下主导气候因
子与存在概率间的关系ꎬ分别将前两个气候因子
导入 ＭａｘＥｎｔ 模型中单独建模ꎬ绘制单变量响应曲
线( 图 ３)ꎬ随后计算两个主导气候因子的阈值ꎮ
存在概率大于 ５０％时ꎬ最湿季度降水量(ｂｉｏ１６) 最
适宜 取 值 为 ４００ ~ ８００ ｍｍꎬ 最 暖 季 度 平 均 温 度
(ｂｉｏ１０)值为 ２０ ~ ２６ ℃ ꎮ
２.３ 气候变化条件下苦参在中国的适生度分布
在气候变化背景下ꎬ利用 ＭａｘＥｎｔ 模型预测了
我国 苦 参 在 末 次 盛 冰 期、 当 前 气 候、 未 来 气 候
(２０７０)三个适宜性生境分布区域ꎮ 将建模得到的
输出结果中的 ＡＳＣＩＩ 文件通过 ＡｒｃＧＩＳ 中的格式转
化工具转化成栅格文件ꎬ绘制不同历史时期的苦
参在全国分布的适生度图(图 ４ꎬ 图 ５ꎬ 图 ６)ꎬ图中
的色带表示适生度ꎬ取值由 ０ 至 １ꎬ适生度取值越
大表明该区域苦参适宜分布的概率越大ꎬ该区域
即为苦参的潜在分布区域ꎮ
２.４ 气候变化对我国苦参适宜性生境分布的影响
在气候变化背景下ꎬ利用 ＭａｘＥｎｔ 模型预测了
我国 苦 参 在 末 次 盛 冰 期、 当 前 气 候、 未 来 气 候
(２０７０)三个适宜性生境分布区域ꎮ 将三个历史时
期的适生度(图 ４ꎬ 图 ５ꎬ 图 ６)通过重分类工具ꎬ对
图层进行如下划分:Ｐ<０.３３ 为非适生区ꎬ０.３３≤Ｐ
<０.６６ 为低适生区ꎬＰ≥０.６６ 为高度适生区ꎬ得到
三个历史时期的气候情境下苦参在全国的适宜性
生境分布ꎬ如(图 ７ꎬ 图 ８ꎬ 图 ９) 所示ꎬ绿色为非适
生区、 紫色为低适生区、 红色为高适生区ꎬ 适生区