房鋒，張朝賢，黃紅娟，李燕，陳景超，楊龍，魏守輝＊

（1.中國農(nóng)業(yè)科學(xué)院植物保護研究所 農(nóng)業(yè)部作物有害生物綜合治理重點實驗室，北京100193；2.山東省農(nóng)業(yè)科學(xué)院植物保護研究所，山東 濟南250100；3.山東省農(nóng)業(yè)科學(xué)院高新技術(shù)研究中心，山東 濟南250100）

節(jié)節(jié)麥（Aegilops tauschii）主要分布于地中海氣候的非洲北部、歐洲南部及包括外高加索在內(nèi)的亞洲西南部［1］。在我國，節(jié)節(jié)麥首先在黃河中部地區(qū)和新疆伊犁河兩岸發(fā)現(xiàn)分布，是一種進境危險性雜草［2，3］。隨種子自由貿(mào)易、引種、調(diào)種和大型聯(lián)合收割機的跨區(qū)作業(yè)，以及麥田除草劑的使用導(dǎo)致雜草群落演替，節(jié)節(jié)麥在我國冬小麥（Triticum aestivum）種植區(qū)成為危害最重的惡性雜草之一［4］。近年來節(jié)節(jié)麥在河北、河南北部、山西西南部、陜西關(guān)中平原以及山東部分地區(qū)的麥田發(fā)生嚴重，發(fā)生面積正在迅速擴大，給我國小麥生產(chǎn)帶來嚴重危害，造成巨大經(jīng)濟損失。因此，開展對節(jié)節(jié)麥在全球及我國的適生性研究是十分有必要的。

隨著氣候變化對全球生態(tài)影響的不斷加劇，人們愈發(fā)關(guān)注氣候變化。而全球變暖作為氣候變化問題的代表，尤為受到關(guān)注［5］。2007年11月17日，在西班牙通過的政府間氣候變化專門委員會（IPCC）《第四次評估報告》（AR4）分析表明，最近100年（1906－2005年）的溫度線性趨勢上升了0.74℃（0.56～0.92℃），這一趨勢高于《第三次評估報告》（AR3）給出的0.6℃（0.4～0.8℃）。據(jù)預(yù)測，到2100年全球溫度比1990年上升1.4～5.8℃，是20世紀上升值的2～10倍，我國氣候到2050年平均上升2.2℃，降水也將隨之變化［6］。

氣候是決定物種地理分布范圍的最主要因素［7］，氣候變暖可能造成物種分布范圍的擴大（如生物入侵）、轉(zhuǎn)移和縮?。ㄈ缥锓N滅絕）。同時對農(nóng)作物需水量也有著不同的影響，近年來的觀察也表明了這一趨勢［8－11］。在氣候變化的動態(tài)環(huán)境影響下對生物分布區(qū)域進行預(yù)測是我們所面臨的一個挑戰(zhàn)［12］。

最大熵模型（maximum entropy model，MaxEnt）主要通過物種已知分布數(shù)據(jù)和環(huán)境數(shù)據(jù)找出物種概率分布的最大熵，從而對物種的分布進行估計和預(yù)測［13］。對其預(yù)測結(jié)果進行AUC（areas under curve）分析后顯示，其結(jié)果要優(yōu)于同類預(yù)測模型如GARP、CLIMEX和BIOCLIM，特別是在物種分布數(shù)據(jù)不全的情況下，MaxEnt仍然能得到較為滿意的結(jié)果［14］。因此，本研究利用MaxEnt軟件對目前和未來2050年氣候變暖情況下節(jié)節(jié)麥在全球及中國的潛在分布進行了預(yù)測，為明確該雜草在全球及中國的潛在分布區(qū)域及其變化趨勢，進一步控制其擴散蔓延提供重要依據(jù)。

1 材料與方法

1.1 軟件來源

MaxEnt軟件在 MAXENT主頁（http：／／www.cs.princeton.edu／～schapire／MaxEnt／）下載，版本為3.3.1版。GIS軟件采用ArcGIS9.3，由中國農(nóng)業(yè)科學(xué)院植物保護研究所提供。

1.2 環(huán)境數(shù)據(jù)

環(huán)境變量：環(huán)境數(shù)據(jù)采用 WORLDCLIM（http：／／www.worldclim.org／）下載的當(dāng)前（1950－2000年監(jiān)測數(shù)據(jù)）以及2050年3種溫室氣體排放情景下氣候變暖的19個生物氣候變量（表1），數(shù)據(jù)空間分辨率為5min。

表1 Bioclim 19項數(shù)據(jù)描述列表Table 1 Content information of 19Bioclim data

地圖資料：從 DIVA－GIS網(wǎng)站（http：／／www.diva－gis.org／）國家基礎(chǔ)地理信息系統(tǒng)（http：／／nfgis.nsdi.gov.cn／）下載1∶400萬的中國行政區(qū)劃圖，作為中國分析的底圖。

1.3 節(jié)節(jié)麥分布數(shù)據(jù)的收集與處理

節(jié)節(jié)麥分布數(shù)據(jù)的獲取主要通過檢索GBIF（全球生物多樣性資訊機構(gòu)）網(wǎng)站（http：／／www.gbif.org／）、中國數(shù)字植物標本館（http：／／www.cvh.org.cn／）、中國物種信息系統(tǒng)（http：／／www.chinabiodiversity.com／）、教學(xué)標本標準化整理整合與資源共享平臺（http：／／mnh.scu.edu.cn／）、查閱國內(nèi)公開發(fā)表的論文以及本實驗室近幾年的調(diào)查數(shù)據(jù)。根據(jù)MaxEnt軟件要求，將收集到的節(jié)節(jié)麥144個實際分布點按物種名、分布點經(jīng)度和緯度順序生成后綴為.csv格式的文件。

1.4 研究方法

將節(jié)節(jié)麥分布數(shù)據(jù)和環(huán)境數(shù)據(jù)分別導(dǎo)入MaxEnt的“Samples”和“Enviromental layers”，隨機選取25%的分布點作為測試集（test data），剩余的作為訓(xùn)練集（training data）。MaxEnt通過節(jié)節(jié)麥實際分布點的環(huán)境變量建立預(yù)測模型，再根據(jù)模型計算出節(jié)節(jié)麥在全球其他地方的適生指數(shù)。生成格式為ASCII柵格圖層的分析結(jié)果，將結(jié)果導(dǎo)入ArcGIS 9.3后分別與世界行政區(qū)劃圖和1∶400萬的中國行政區(qū)劃圖疊加，得到節(jié)節(jié)麥在全球和中國的預(yù)測分布圖。根據(jù)適生指數(shù)大小，將風(fēng)險等級（risk level，RI）劃分為4級［15－18］，分別為高風(fēng)險區(qū)（RI＞25.00）、中風(fēng)險區(qū)（5.00＜RI≤25.00）、低風(fēng)險區(qū)（0.01＜RI≤5.00）和非適生區(qū)（0.00≤RI≤0.01），使預(yù)測結(jié)果分級顯示。

2 結(jié)果與分析

2.1 節(jié)節(jié)麥在全球的適生性分析

根據(jù)目前節(jié)節(jié)麥在全球的分布數(shù)據(jù)，利用MaxEnt軟件，獲得節(jié)節(jié)麥在全球的適生性分布結(jié)果見圖1。全球節(jié)節(jié)麥分布的高風(fēng)險地區(qū)主要包括西亞、中東、地中海沿岸的歐洲東南部和非洲北部、中國的黃河流域以及美國中西部零星地區(qū)。中風(fēng)險區(qū)主要是高度風(fēng)險區(qū)向周邊地區(qū)的延伸，包括美國中西部地區(qū)、歐洲中南部和中國的長江中下游地區(qū)。

圖1 節(jié)節(jié)麥在全球的適生區(qū)預(yù)測Fig.1 Potential distribution of Tausch’s goatgrass in the world

圖2 節(jié)節(jié)麥在中國的適生區(qū)預(yù)測Fig.2 Potential distribution of Tausch’s goatgrass in China

2.2 節(jié)節(jié)麥在中國的適生性分析

利用ArcGIS將MaxEnt運行的結(jié)果和中國省級行政分區(qū)圖疊加，得到節(jié)節(jié)麥在中國的適生性分布結(jié)果見圖2。根據(jù)目前節(jié)節(jié)麥的分布及氣象條件，節(jié)節(jié)麥在我國高風(fēng)險潛在分布區(qū)主要在冬小麥主產(chǎn)區(qū)的河南大部分地區(qū)、河北中南部延伸至天津和北京、山東、山西西南部、陜西關(guān)中平原、寧夏中南部、甘肅東南部、湖北北部，以及江蘇和安徽北部、新疆伊犁河流域。中風(fēng)險區(qū)分布范圍進一步擴大，主要分布于上海、江蘇、安徽、湖北、貴州、重慶等省、市的大部分地區(qū)，遼寧西南部和遼寧半島，四川東部，江西、內(nèi)蒙古、甘肅、青海、新疆和西藏等省、自治區(qū)的部分地區(qū)。上述結(jié)果表明，節(jié)節(jié)麥的適生范圍非常大，幾乎涵蓋所有冬小麥種植區(qū)和部分春小麥種植區(qū)。

圖3 A1b能源利用模式下2050年節(jié)節(jié)麥適生區(qū)預(yù)測Fig.3 Potential distribution of Tausch’s goatgrass under A1bin 2050

圖4 A2a能源利用模式下2050年節(jié)節(jié)麥適生區(qū)預(yù)測Fig.4 Potential distribution of Tausch’s goatgrass under A2ain 2050

2.3 2050年氣候變暖情況下節(jié)節(jié)麥適生區(qū)變化

根據(jù)IPCC AR4，溫室氣體在A1b（各種能源之間的平衡）、A2a（較高能源需求）和B2a（較低能源需求）3種排放情景下，2050年節(jié)節(jié)麥在全球的預(yù)測結(jié)果如圖3～圖5，和當(dāng)前氣候條件預(yù)測結(jié)果相比較，節(jié)節(jié)麥適生范圍有一定變化。在溫室氣體A1b排放情景下，節(jié)節(jié)麥在2050年的預(yù)測分布結(jié)果顯示高風(fēng)險區(qū)有增加趨勢；中風(fēng)險區(qū)也有擴大趨勢，尤其是美國，由中西部往東部蔓延明顯。溫室氣體在A2a和B2a排放情景下，節(jié)節(jié)麥在2050年的預(yù)測分布結(jié)果則有縮減趨勢，但高風(fēng)險區(qū)變化不大。

圖5 B2a能源利用模式下2050年節(jié)節(jié)麥適生區(qū)預(yù)測Fig.5 Potential distribution of Tausch’s goatgrass under B2ain 2050

圖6 A1b能源利用模式下2050年節(jié)節(jié)麥在中國的適生區(qū)預(yù)測Fig.6 Potential distribution of Tausch’s goatgrass in China under A1bin 2050

2050年節(jié)節(jié)麥在中國的預(yù)測結(jié)果和全球預(yù)測趨勢一致，如圖6～圖8，和當(dāng)前氣候條件預(yù)測結(jié)果相比較，溫室氣體在A1b排放情景下，節(jié)節(jié)麥在2050年的預(yù)測分布結(jié)果顯示高風(fēng)險區(qū)有增加趨勢，特別是江蘇省北部和山西省南部部分地區(qū)；中度風(fēng)險區(qū)也有所變化，在浙江省、湖南省和內(nèi)蒙古自治區(qū)有擴大趨勢。溫室氣體在A2a和B2a排放情景下，節(jié)節(jié)麥在2050年的預(yù)測分布結(jié)果表明中度風(fēng)險區(qū)則有減小趨勢，但高風(fēng)險區(qū)變化不大，主要分布在黃河流域和河北省等地區(qū)。

圖7 A2a能源利用模式下2050年節(jié)節(jié)麥在中國的適生區(qū)預(yù)測Fig.7 Potential distribution of Tausch’s goatgrass in China under A2ain 2050

圖8 B2a能源利用模式下2050年節(jié)節(jié)麥在中國的適生區(qū)預(yù)測Fig.8 Potential distribution of Tausch’s goatgrass in China under B2ain 2050

2.4 精度檢驗

近年來，受試者工作特征曲線（receiver operating characteristic curve，ROC）分析方法在物種潛在分布預(yù)測模型評價中應(yīng)用越來越廣泛［19－21］。ROC曲線下的面積為AUC值，AUC值因不受閾值影響，是目前最常用的模型評價指標之一。一般認為AUC值0.5～0.7時診斷價值較低，0.7～0.9時診斷價值中等，大于0.9時診斷價值較高［11］。本研究所得的AUC值為0.958（圖9），在2050年3種排放情景預(yù)測中，AUC值分別為0.953，0.937和0.956，比隨機分布模型的AUC值（約為0.5）大，說明預(yù)測結(jié)果具有較高的可信度。

圖9 ROC曲線及AUC值Fig.9 ROC curve and AUC value

3 結(jié)論與討論

小麥是我國主要的糧食作物，在國家糧食安全、國民經(jīng)濟和人民生活中起重要作用。2000年以前，我國關(guān)于節(jié)節(jié)麥作為麥田雜草的報道很少，主要是有關(guān)節(jié)節(jié)麥作為種質(zhì)資源在小麥育種方面的應(yīng)用報道，2000年以后關(guān)于節(jié)節(jié)麥為麥田雜草的報道則越來越多。近十多年來，節(jié)節(jié)麥在我國冬小麥種植區(qū)逐漸成為危害最重的惡性雜草之一，發(fā)生面積達33萬hm2，且正在迅速蔓延，有泛濫成災(zāi)之勢。給我國小麥生產(chǎn)帶來嚴重危害，造成巨大經(jīng)濟損失，也給國家糧食安全帶來威脅［4］。段美生等［22］2005年報道在河北省南部一般造成冬小麥減產(chǎn)10%～25%。

全球氣候變化已經(jīng)給人類社會和自然界的各個方面帶來了巨大的影響。據(jù)IPCC AR4報告，氣候是決定大范圍內(nèi)物種地理分布的主要因素［7，8］，隨著全球氣候變暖，很多物種有向高緯度地區(qū)擴散的趨勢［11］。近年來一些研究表明全球氣溫升高會擴大入侵物種的潛在適生區(qū)，增大其原有分布區(qū)豐度，如Morrison等［23］預(yù)測紅火蟻（Solenopsisinvicta）在美國40～50年后的適生區(qū)域?qū)⒈痊F(xiàn)有區(qū)域擴大5%，到21世紀末，這個數(shù)字則會大于21%。因此，在進行入侵物種的適生區(qū)預(yù)測時應(yīng)考慮未來氣溫升高對入侵物種潛在分布區(qū)的影響［24］。

根據(jù)IPCC AR4，排放情景特別報告（special report on emission scenarios，SRES）［6］的幾種情景近年來已被運用到氣候變化對物種分布的影響，如Skov和Svenning［25］采用Bl和A2兩種排放情景研究了氣候變化對歐洲26種森林草本植物分布區(qū)的影響；Tuck等［26］采用AlFl、B1、A2和B2四種情景研究了氣候變化條件下歐洲能源作物的適生分布區(qū)差異。鐘艮平［27］采用AlFl、B1、A2和B2四種情景研究了銀膠菊（Partheniumhysterophorus）在中國的適生區(qū)擴展趨勢。岳茂峰等［28］采用A1b、B2a和A2a情景研究了五爪金龍（Ipomoeacairica）在中國的適生區(qū)變化。

本研究利用MaxEnt模型對節(jié)節(jié)麥在全球及我國的適生區(qū)進行了預(yù)測，并選擇了SRES中3種溫室氣體排放情景A1b、A2a和B2a對節(jié)節(jié)麥2050年在全球和中國的可能適生區(qū)域進行了預(yù)測。研究結(jié)果表明節(jié)節(jié)麥主要潛在分布區(qū)集中在北緯30°～45°的冬小麥主產(chǎn)區(qū)。根據(jù)已有報道和本實驗室人員的調(diào)查，我國節(jié)節(jié)麥主要分布在河北中南部、河南北部部分地區(qū)、山西臨汾和運城、陜西關(guān)中部分地區(qū)和山東部分地區(qū)，尚未在全國小麥種植區(qū)全面爆發(fā)。

鑒于節(jié)節(jié)麥在中國部分地區(qū)對小麥造成的嚴重損失以及快速蔓延的態(tài)勢，從2007年起本實驗室人員多次赴北京、河北、河南、山東、山西、陜西、江蘇、安徽等省、市麥田進行調(diào)查，開展了對節(jié)節(jié)麥生物生態(tài)學(xué)以及發(fā)生規(guī)律等方面的研究，建立了有針對性的防控技術(shù)體系。各級政府、農(nóng)機部門和有關(guān)人員應(yīng)高度重視節(jié)節(jié)麥的防控，要切實采取有效措施，阻斷其傳播擴散途徑，遏制其發(fā)生危害，以確保我國糧食安全和農(nóng)民增收。

［1］ 孔令讓，董玉琛.粗山羊草（Aegilops tauschii）遺傳多樣性的研究進展［J］.山東農(nóng)業(yè)大學(xué)學(xué)報，1999，30（4）：464－470.

［2］ Yen C，Yang J L，Liu X D，et al.The Distribution of Aegilops tauschii Coss.in China and with Reference to the Origin of the Chinese Common Wheat［C］.Proceedings of the 6th International Wheat Genetic Symposium，1983：58－88.

［3］ 中國農(nóng)業(yè)有害生物信息系統(tǒng)［DB／OL］.http：／／www.agripests.cn／index.asp.

［4］ 張朝賢，李香菊，黃紅娟，等.警惕麥田惡性雜草節(jié)節(jié)麥蔓延危害［J］.植物保護學(xué)報，2007，34（1）：103－106.

［5］ 任繼周，梁天剛，林慧龍，等.草地對全球氣候變化的響應(yīng)及其碳匯趨勢研究［J］.草業(yè)學(xué)報，2011，20（2）：1－22.

［6］ IPCC－Work Group I.Fourth Assessment Report of the Intergovernmental Panel on Climate Change Technical Summary［R／OL］.Http：／／www.ipcc.ch／，2007.

［7］ Sutherst R W.Climate change and invasive species－a conceptual framework［A］.In：Mooney H A，Hobbs R J.Invasive Species in a Changing World［M］.Washington，DC.：Island Press，2000.

［8］ Pearson R G，Dawson T P.Predicting the impacts of climate change on the distribution of species：are bioclimate envelope models useful？［J］.Global Ecology and Biogeography，2003，12：361－371.

［9］ 王鶴齡，?？×x，王潤元，等.氣候變化對河西走廊綠洲灌區(qū)主要作物需水量的影響［J］.草業(yè)學(xué)報，2011，20（5）：245－251.

［10］ 李飛，趙軍，趙傳燕，等.中國西北干旱區(qū)潛在植被模擬與動態(tài)變化分析［J］.草業(yè)學(xué)報，2011，20（4）：42－50.

［11］ Walther G R，Post E，Convey P，et al.Ecological responses to recent climate change［J］.Nature，2002，416：389－395.

［12］ Newman J A.Using the output from global circulation models to predict changes in the distribution and abundance of cereal aphids in Canada：a mechanistic modeling approach［J］.Global Change Biology，2006，12：1634－1642.

［13］ Phillips S J，Anderson R P，Schapire R E.Maximum entropy modeling of species geographic distributions［J］.Ecological Modelling，2006，190：231－259.

［14］ 王運生，謝丙炎，萬方浩，等.ROC曲線分析在評價入侵物種分布模型中的應(yīng)用［J］.生物多樣性，2007，15（4）：365－372.

［15］ 王運生.生態(tài)位模型在外來入侵物種風(fēng)險評估中的應(yīng)用研究［D］.長沙：湖南農(nóng)業(yè)大學(xué)，2007.

［16］ 趙文娟.玉米霜霉病在中國的適生性分析［D］.合肥：安徽農(nóng)業(yè)大學(xué)，2009.

［17］ 曹學(xué)仁，陳林，周益林，等.基于MaxEnt的麥瘟病在全球及中國的潛在分布區(qū)預(yù)測［J］.植物保護，2011，37（3）：80－83.

［18］ 常志隆，周益林，趙遵田，等.基于MaxEnt模型的小麥印度腥黑穗病在中國的適生性分析［J］.植物保護，2010，36（3）：110－112.

［19］ Brotons L，Thuiller W，Araujo M B，et al.Presence－absence versus presence－only modelling methods for predicting bird habitat suitability［J］.Ecography，2004，27（4）：437－448.

［20］ Elith J，Graham H C，Anderson R P，et al.Novel methods improve prediction of species’distributions from occurrence data［J］.Ecography，2006，29（2）：129－151.

［21］ McPherson J M，Jetz W，Rogers D J.The effects of species’range sizes on the accuracy of distribution models：ecological phenomenon or statistical artifact？［J］.Journal of Applied Ecology，2004，41（5）：811－823.

［22］ 段美生，楊寬林，李香菊，等.河北省南部小麥田節(jié)節(jié)麥發(fā)生特點及綜合防除措施研究［J］.河北農(nóng)業(yè)科學(xué)，2005，9（1）：72－74.

［23］ Morrison L W，Korzukhin M D，Porter S D.Predicted range expansion of the invasive fire ant，Solenopsis invicta，in the eastern United States based on the VEMAP global warming scenario［J］.Diversity and Distributions，2005，11：199－204.

［24］ Kriticos D J，Sutherst R W，Brown J R，et al.Climate change and biotic invasions：a case history of tropical woody vine［J］.Biological Invasions，2003，5：147－165.

［25］ Skov F，Svenning J C.Potential impact of climatic change on the distribution of forest herbs in Europe［J］.Ecography，2004，27：366－380.

［26］ Tuck G，Glendining M J，Smith P，et al.The potential distribution of bioenergy crops in Europe under present and future climate［J］.Biomass and Bioenergy，2006，30：183－197.

［27］ 鐘艮平.幾種外來入侵雜草在我國的潛在分布預(yù)測［D］.重慶：西南大學(xué)，2008.

［28］ 岳茂峰，馮莉，田興山，等.基于MaxEnt的五爪金龍在中國的適生分布區(qū)預(yù)測［A］.農(nóng)田雜草與防控［M］.北京：中國農(nóng)業(yè)科學(xué)技術(shù)出版社，2011：99－103.