Page 43 - 《广西植物》2023年第6期
P. 43
６ 期 郑芳等: 基于 ＭａｘＥｎｔ 模型预测中国兰属植物的分布格局及主导气候因子 １ ０ ２ ９
种群的分布地点、经纬度、海拔、受威胁因素、生境 对模型的精度进行评价ꎮ ＲＯＣ 曲线与横坐标所围
类型等信息ꎮ 成区域面积(ＡＵＣ)的大小具有不受临界值影响的
１.１.２ 物种分布信息 物种分布信息来源于三个途 特性ꎬ可用 于 评 价 预 测 模 型 的 准 确 性 ( 邓 飞 等ꎬ
径:一是根据课题组种质资源调查ꎬ分布点经纬度 ２０１４ꎻ郭杰等ꎬ２０１７ꎻ周扬等ꎬ２０１９)ꎮ ＡＵＣ 的取值
信息由 ＧＰＳ 实地定位获得ꎻ二是通过查阅国内外相 范围为 ０ ~ １ꎬ其取值越大表示与随机分布越远ꎬ预
关已发表文献ꎬ找出其已报道的分布地点ꎬ用百度 测的效果越好ꎮ 当 ＡＵＣ 值为 ０.５ ~ ０.６ 时ꎬ表示模
拾取坐标查找相应的经纬度坐标ꎻ三是通过中国数 型预测失败ꎻ当 ＡＵＣ 值为 ０.６ ~ ０.７ 时ꎬ表示预测结
字植物标本馆(ｈｔｔｐ:/ / ｗｗｗ.ｃｖｈ. ａｃ. ｃｎ / ) 和全球生 果较差ꎻ当 ＡＵＣ 值为 ０.７ ~ ０.８ 时ꎬ表明预测效果一
物多样性信息网络( ｈｔｔｐｓ:/ / ｗｗｗ.ｇｂｉｆ.ｏｒｇ / ) 获取标 般ꎻ当 ＡＵＣ 值为 ０.８ ~ ０.９ 时ꎬ表示预测效果好ꎻ当
本采集地经纬度信息ꎮ 通过以上三个途径ꎬ获得中 ＡＵＣ 值为 ０.９ ~ １ 时ꎬ表示预测效果非常好ꎮ
国兰属 ３５ 个物种共３ １７０条分布记录ꎮ 剔除栽培、 １.２.３ 适生区等级的划分 ＭａｘＥｎｔ 结果输出文件
购买等采集点ꎬ以及重叠和记录模糊的采集点ꎬ最 为 ＡＳＣⅡ格式ꎬ将其加载到 ＡｒｃＧＩＳ １０.６ 中ꎬ使用
终得到 ２４ 个物种共 ９１５ 条有效分布记录ꎮ “ＡｒｃＴｏｏｌｂｏｘ”中的“ 格式转换工具” 转换为栅格数
１.１.３ 气候因子数据 本研究选取的现代(１９７０— 据ꎬ利用“ 重分类工具( ｒｅｃｌａｓｓｉｆｙ)” 将兰属植物的
２０００ 年 ) 和 未 来 ２０３０ｓ ( ２０２１—２０４１ 年 )、 ２０５０ｓ 生境 适 宜 性 按 照 “ 自 然 间 断 点 分 级 法 ( ｎａｔｕｒａｌ
(２０４１—２０６０ 年)ꎬ２０７０ｓ(２０６１—２０８０ 年) 和 ２０９０ｓ ｂｒｅａｋ)”划分成 ４ 类ꎬ即非适生区、低适生区、中适
(２０８１—２１００ 年)的 １９ 个气候因子数据ꎬ均来源于 生区和高适生区ꎬ并计算各适生区的面积ꎮ
世界气候数据库 ＷｏｒｌｄＣｌｉｍ(ｈｔｔｐ:/ / ｗｏｒｌｄｃｌｉｍ.ｏｒｇ)ꎬ １.２.４ 系统发育树构建 以贵州地宝兰作为外类
空间分 辨 率 为 ２. ５ ｍｉｎꎮ 现 代 气 候 数 据 是 根 据 群ꎬ将 ２０ 种兰属植物的叶绿体全基因组序列ꎬ利
１９７０—２０００ 年全球不同气象站点记录的气候数据 用 ＨｏｍＢｌｏｃｋｓ(Ｂｉ ｅｔ ａｌ.ꎬ ２０１８) 软件进行基因组序
经插值法生成ꎮ 未来气候数据选择 ＣＭＩＰ６ 计划中 列的比 对ꎻ比 对 结 果 利 用 ＩＱ￣ＴＲＥＥ ｖｅｒｓｉｏｎ ２. １. ２
精度为 ２.５ ｍｉｎ 的 ＢＣＣ－ＣＳＭ２－ＭＲ 模式下的 ＳＳＰ１－ (Ｔｒｉｆｉｎｏｐｏｕｌｏｓ ｅｔ ａｌ.ꎬ ２０１６)ꎬ构建兰属植物的 ＭＬ
２.６ 和 ＳＳＰ５－８.５ 两组数据ꎮ 数据经 ＡｒｃＧＩＳ １０.６ 软 (ｍａｘｉｍｕｍ ｌｉｋｅｌｉｈｏｏｄ) 系统进化树ꎬＢｏｏｔｓｔｒａｐ 值 设
件剪裁为中国范围并转换为 ＡＳＣⅡ格式ꎮ 置为 １ ０００ꎬ 建 树 最 优 模 块 由 ＩＱ￣ＴＲＥＥ 内 置 的
１.１.４ 叶绿体基因组数据 从 ＮＣＢＩ( ｈｔｔｐｓ:/ / ｗｗｗ. ＭｏｄｅｌＦｉｎｄｅｒ ( Ｋａｌｙａａｎａｍｏｏｒｔｈｙ ｅｔ ａｌ.ꎬ ２０１７ ) 进 行
ｎｃｂｉ.ｎｌｍ.ｎｉｈ.ｇｏｖ / )数据库共获取 １７ 个已公布兰属 选择ꎮ
植 物 的 叶 绿 体 基 因 组ꎬ 同 时 下 载 贵 州 地 宝 兰
(Ｇｅｏｄｏｒｕｍ ｅｕｌｏｐｈｉｏｉｄｅｓ) 的叶绿体基因组作为外类 ２ 结果与分析
群ꎮ 叶绿 体 基 因 组 信 息 和 ＧｅｎＢａｎｋ 登 录 号 详 见
表 １ꎮ ２.１ ＭａｘＥｎｔ 模型预测潜在分布格局
另 外ꎬ 取 样 测 序 得 到 莎 叶 兰 ( Ｃｙｍｂｉｄｉｕｍ ２.１.１ 模型准确性检验 运用 ＭａｘＥｎｔ 模型基于 １９
ｃｙｐｅｒｉｆｏｌｉｕｍ)、 莎 草 兰 ( Ｃ. ｅｌｅｇａｎｓ)、 黄 蝉 兰 ( Ｃ. 个气候因子构建的兰属植物全属及其中 ２０ 个物
ｉｒｉｄｉｏｉｄｅｓ)的叶绿体基因组ꎮ 种(另外 ４ 种兰属植物位置信息太少ꎬ结果可信度
１.２ 研究方法 不高ꎬ仅用于预测全属的分布格局)在当代、未来 ４
１.２.１ 建立模型 采用 ＭａｘＥｎｔ ｖｅｒｓｉｏｎ ３.４.１(ｈｔｔｐ:/ / 个时间段两种不同气候情景下的地理分布模型的
ｂｉｏｄｉｖｅｒｓｉｔｙｉｎｆｏｒｍａｔｉｃｓ.ａｍｎｈ.ｏｒｇ/ ｏｐｅｎ＿ｓｏｕｒｃｅ / ｍａｘｅｎｔ) ＡＵＣ 值为 ０.８４９ ~ ０.９９２(表 ２)ꎬ平均值为 ０.９５３ꎮ
模拟兰属植物在不同气候情境下的潜在分布格 基于 ＲＯＣ 曲线分析法对 ＭａｘＥｎｔ 预测的当前
局ꎬ设置训练集为 ７５％ꎬ测试集为 ２５％进行模拟分 气候条件整个兰属植物潜在地理分布结果进行检
析ꎮ 将物种分布数据与气候因子数据一起导入 验ꎬ分析得出:训练集( ｔｒａｉｎｉｎｇ ｄａｔａ) 和测试集( ｔｅｓｔ
ＭａｘＥｎｔ 中ꎬ选择刀切法( Ｊａｃｋｋｎｉｆｅ)ꎬ绘制响应曲线 ｄａｔａ)的 ＡＵＣ 值分别可达 ０.９１６ 和 ０.９１１ꎬ远大于
并制作预测图ꎮ 随机预测( ｒａｎｄｏｍ ｐｒｅｄｉｃｔｉｏｎ) 的 ＡＵＣ 值 ０.５００( 图
１.２.２ 模型精度检验 采用受试者工作特征曲线 １)ꎬ表明该模型预测结果准确性较高ꎬ可以用于兰
(ｒｅｃｅｉｖｅｒ ｏｐｅｒａｔｏｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｃｕｒｖｅｓꎬ ＲＯＣ ｃｕｒｖｅｓ) 属植物在中国的潜在分布区模拟研究ꎮ
