Page 24 - 《广西植物》2023年第5期
P. 24

ऐ ԡ ࿗                                  广জ 西জ 植জ 物                                         ࿗ሕ 卷
            是相对当前石山苣苔属适宜面积计算而得ᤥ                                个变量对石山苣苔属的存在概率影响较小ᤥ
            ϓॹ᎒ 质心转移分析                                             为了进一步解释石山苣苔属空间变化与环境
                 首先ᖔ利用质心位置的变化来反映物种适宜                           变量的关系ᖔ将以上筛选得到 ϟ࿗ 个环境变量和
            生境的迁移方向和距离ྉ Իၤᑕᆍ ᔀᡷ ᑕ᤟঎ᖔ ԰ԡ԰ϟɯᤥ 然                  ϟ԰ԡ 分布记录构建矩阵ᖔ在 ऊዶશᨃऊᨃ ጢ঎ԡ 软件中进
            后ᖔ利用 ኏ 软件中的 ᣽ࣼᔀႿቝ 包计算了末次间冰期ܦ                       行冗余分析ྉ኏᧕ዶɯᖔ经前向选择后ᖔ利用蒙特卡洛
            末次冰盛期ܦ全新世中期ܦ当前和未来适宜区域的                             检验 ϟ࿗ 个环境变量对地理分布的解释力排序ྉ 表
            空间变化和适宜区域的几何质心位置ྉ ାᑕᡷᔀቝᑕႿ ᔀᡷ                       ࿗ɯᤥ 当 ۗጐԡ঎ԡԡጢ 时ᖔ则该环境变量为影响石山苣
            ᑕ᤟঎ᖔ ԰ԡϟᤃଫ ᓂᑕࣼʢᔀႿᡷ ᔀᡷ ᑕ᤟঎ᖔ ԰ԡϟऐɯᤥ 最后ᖔ我们使用          苔属地理分布格局的主导环境变量ᤥ 其中ᖔ贡献
            ୩᧕ᥘ༁ 工具跟踪质心的经纬度ᖔ以检查不同时期石                           率达到极显著水平ྉۗጐԡ঎ԡԡጢɯ的有 ᤃ 个环境变量ᖔ
            山苣苔属的质心位置ᖔ计算质心经纬度坐标并进                              分别为最干月降雨量ྉᤦᔽᆍϟ࿗ɯܦ最热季度平均降雨
            一步得出迁移距离ྉऊᆍႿ੫ ᔀᡷ ᑕ᤟঎ᖔ ԰ԡ԰ԡɯᤥ                       量ྉᤦᔽᆍϟऐɯܦ最湿季降雨量ྉᤦᔽᆍϟᤃɯܦ温度变化方差
                                                               ྉᤦᔽᆍ࿗ɯܦ最冷月份最低温 ྉᤦᔽᆍᤃɯܦ海拔 ྉᑕ᤟ᡷɯᤥ 其
            ԰জ 结果与分析                                           中ᖔ能量变量 ᤦᔽᆍ࿗ 和 ᤦᔽᆍᤃ 累计解释率和累计贡献

                                                               率最高ᖔ分别为 Ꭾጢ঎ ጢᠮܦᎮँ঎ ࿗ᠮଫ水分变量 ᤦᔽᆍϟ࿗ܦ
            ԣॹϓ 模型优化及准确性评价                                     ᤦᔽᆍϟऐܦᤦᔽᆍϟᤃ 累计解释率和累计贡献率为 Ꭾ঎࿗ᠮ 和
                 基于石山苣苔属的 ϟ԰ԡ 个分布点和 ϟᎮ 个环境                     ऐᠮଫ地形变量的解释率和贡献率分别为 ϟԡ঎Ꭾᠮ和
            变量ᖔ利用 ᥘᑕ଴ጶႿᡷ 模型模拟和预测该属植物的潜                         ϟϟ঎Ꭾᠮଫ土壤变量的 ۗ 值均大于 ԡ঎ԡጢᖔ未达到显著

            在适生区ᤥ 根据模型优化结果ྉ 表 ԰ɯᖔ满足 ᡱ׹ᑕ᤟ᡸ                      水平ᤥ 因此ᖔ影响石山苣苔属地理分布的主导环
            ᡱ኏ᨃऊ ᢉ ԡ 具有统计显著性ܦ遗漏率 ᢉ ԡ঎ԡሕሕሕᠮ小于                   境变量有 ᤦᔽᆍ࿗ܦᑕ᤟ᡷܦᤦᔽᆍϟ࿗ܦᤦᔽᆍϟᤃܦᤦᔽᆍϟऐܦᤦᔽᆍᤃᤥ 各类
            ጢᠮᖔ也小于 ᥘᑕ଴ጶႿᡷ 模型默认值ܦۼᡸዶ᧧ऊዹ ᢉ ϟ 小于                  环境变量对石山苣苔属地理分布格局的影响力排

            ԰ᖔ与其对应的 ኏ᥘ ᢉ ԡ঎ϟ 和 èऊ ᢉ ᓂᤥ                         序为能量变量ᢦ地形变量ᢦ水分变量ᤥ
                 受 试 者 工作特性曲线 ྉ ʢᔀዹᔀᔽ׹ᔀʢ ᆍᡱᔀʢᑕᡷᔽႿ੫                 对 ᤃ 个显著影响石山苣苔属地理分布的气候
            ዹၤᑕʢᑕዹᡷᔀʢᔽ༁ᡷᔽዹ ዹࣼʢ׹ᔀᖔ኏ᨃऊɯ 面积为 ԡ঎ጢ ጲ ϟ঎ԡᤥ 一般认       变量与地理分布数据进行 ኏᧕ዶ 排序ྉ 图 ሕɯ ᖔ结
            为 ዶВऊ 值在 ԡ঎ጢ ጲ ԡ঎Ꭾ 时ᖔ模型预测可靠性较低ଫ在                   果表明前 ԰ 个主分轴的解释率分别为 Ꭾሕ঎ሕ԰ᠮ和
            ዶВऊ ԡ঎Ꭾ ጲ ԡ঎ँ 时ᖔ模型预测可靠性中等ଫዶВऊ 大于                   ँԡ঎԰Ꭾᠮᤥ 其中ᖔ经度ྉ ᣏɯ 与 ᤦᔽᆍϟ࿗ܦᤦᔽᆍ࿗ 呈正相关

            ԡ঎ँ 时ᖔ模型预测可靠性最高ྉ̀ᆍ༁ቝᔀʢ ᪲ ᓂᔀቝᔀ༁ၤᆍऔᖔ                 关系ᖔ与 ᑕ᤟ᡷܦᤦᔽᆍᤃܦᤦᔽᆍϟऐ 呈负相关关系ᖔ与 ᤦᔽᆍϟᤃ
            ԰ԡԡԡɯᤥ 我们的研究结果表现为各时期 ዶВऊ 值均ᢦ                       不相关ଫ纬度ྉ ɔɯ 与 ᤦᔽᆍ࿗ܦᤦᔽᆍϟ࿗ 呈正相关关系ᖔ
            ԡ঎ँྉ图 ԰ɯᖔ表明模型预测可信度高ᤥ                               与 ᤦᔽᆍϟᤃܦ ᤦᔽᆍᤃ 呈负相关关 系ᖔ 与 ᑕ᤟ᡷܦ ᤦᔽᆍϟऐ 不
            ԣॹԣ 限制当前潜在分布区格局的环境变量                               相关ᤥ
                 石山苣苔属存在概率与环境变 量 之 间 的 逐                           为了解释 ᤃ 个主导环境变量与石山苣苔属地
            步线性回归关系如表 ሕ 所示᧥影响石山苣苔属存                            理分布的关系ᖔ通过绘制环境响应曲线来解释物
            在概率的水分变量有最干月降雨量ྉᤦᔽᆍϟ࿗ɯ ܦ最                          种存在概率和环境变量之间的关系ྉ 图 ࿗ɯᤥ 其
            冷季度平均降雨量ྉᤦᔽᆍϟँɯ ܦ最热季度平均降雨                          中ᖔ适生区的温度变化方差ྉᤦᔽᆍ࿗ɯ 的范围为 ँऐ ጲ
            量ྉᤦᔽᆍϟऐɯܦ最湿季降 雨 量 ྉᤦᔽᆍϟᤃɯ ଫ能量变量有                   ँ԰ԡܦ最热季度平均降雨量ྉᤦᔽᆍϟऐɯ 的范围是 ϟऐጢ ጲ
            昼夜温差月均值ྉᤦᔽᆍ԰ɯ ܦ昼夜温差与年温差比值                          ϟ ԰ԡᎮ ቝቝܦ海拔ྉᑕ᤟ᡷɯ 的范围是 Ꭾԡ ጲ ԰ ԡऐ࿗ ቝܦ最干
            ྉᤦᔽᆍሕɯ ܦ温度变化方差ྉᤦᔽᆍ࿗ɯ ܦ最热月份最高温                      月降雨量ྉᤦᔽᆍϟ࿗ɯ的范围是 ϟጲጢ࿗ ቝቝܦ最湿季降雨
            ྉᤦᔽᆍጢɯ ଫ地形变量有海拔ྉᑕ᤟ᡷɯ ܦ坡向ྉᑕ༁ᡱᔀዹᡷɯ ଫ土                量ྉᤦᔽᆍϟᤃɯ 的范围是 ࿗ԡᤃ ጲ ϟ ԰ԡᎮ ቝቝܦ最冷月最低
            壤变量有顶层土壤碳酸钙ྉ ᡷᡸዹᑕዹᆍሕɯ ܦ底层土壤砾                       温度ྉᤦᔽᆍᤃɯ 的范围是ͱᤃ঎ϟᎮ ጲ ሕ ቩ ᤥ ᤃ 个主导变量
            石含量ྉ ༁ᡸ੫ʢᑕ׹ᔀ᤟ɯ ܦ顶层土壤砂含量ྉᡷᡸ༁ᑕႿʛɯ ܦ顶                 的变异系数为 ϟᎮ঎԰ԡᠮ ጲ Ꭾँ঎ሕᎮᠮᖔ最冷月份最低温
            层土壤质地ྉᡷᡸᡷᔀ଴ᡷࣼʢᔀɯᤥ 以上主导变量解释率高                       ྉᤦᔽᆍᤃɯ的变异系数最大ᖔ最湿季降雨量ྉᤦᔽᆍϟᤃɯ 的
            达 ँऐ঎ϟᠮᖔ且均达到极显著 水 平 ྉ ۗ ጐԡ঎ ԡϟɯ ᤥ 坡                变异系数最小ᤥ 综合各气候变量特点来看ᖔ石山
            度ྉ༁᤟ᆍᡱᔀɯܦ 顶层有 机 碳 ྉᡷᡸ ᆍዹɯ ܦ 湿度变化方差                 苣苔属适宜分布区整体上具有湿热的气候特点

            ྉᤦᔽᆍϟጢɯሕ 个变量在拟合过程中被剔除ᖔ表明这 ሕ                        ྉ表 ጢɯᤥ
   19   20   21   22   23   24   25   26   27   28   29