殷曉潔,周廣勝2,,* ,隋興華,何奇瑾,李榮平
(1.中國(guó)科學(xué)院植物研究所植被與環(huán)境變化國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100093;2.中國(guó)氣象科學(xué)研究院,北京 100081;3.南京信息工程大學(xué)大氣物理學(xué)院,南京 210044;4.中國(guó)氣象局沈陽(yáng)大氣環(huán)境研究所,沈陽(yáng) 110016)
人類活動(dòng)引起的大氣溫室氣體增加導(dǎo)致的氣候變暖,將影響到降水、輻射、潛在蒸散等其他氣候變量發(fā)生變化,進(jìn)而影響生態(tài)系統(tǒng),特別是物種分布及植被帶的遷移[1]。
蒙古櫟(Quercus mongolica),又稱柞木、柞樹,是東亞—東西伯利亞分布種,在我國(guó)主要分布于東北地區(qū)和華北地區(qū),是我國(guó)溫帶地區(qū)落葉闊葉林及針闊混交林的主要樹種[2-5]。研究表明,氣候是區(qū)域尺度上決定物種分布的主要因子[1],未來氣候變化將使蒙古櫟地理分布范圍擴(kuò)大,成為我國(guó)大興安嶺和小興安嶺最主要樹種[6]。但是,目前關(guān)于影響蒙古櫟地理分布的主導(dǎo)氣候因子及其閾值的研究還較少,制約著蒙古櫟對(duì)氣候變化響應(yīng)的理解,也影響著蒙古櫟林的科學(xué)經(jīng)營(yíng)管理。
通常,采用物種分布模型進(jìn)行物種的地理分布及其對(duì)氣候變化響應(yīng)的模擬研究。物種分布模型(species distribution models)主要是基于物種的已知分布及其環(huán)境變量,探索物種的生態(tài)位和潛在分布。目前,物種分布模型已經(jīng)廣泛用于物種潛在分布區(qū)的預(yù)測(cè),包括生態(tài)位模型(BIOCLIM、BLOMAPPER、DIVA、DOMAIN)、動(dòng)態(tài)模擬模型(CLIMEX)、廣義相加模型GAM、廣義線性模型GLM、基于檢驗(yàn)假設(shè)的分布預(yù)測(cè)模型GARP(the genetic algorithm for rule-set prediction)以及最大熵模型(Maxent)等[7-11],不同模型的側(cè)重點(diǎn)不同[12-20]。其中,最大熵模型被許多研究證明是對(duì)物種分布具較好預(yù)測(cè)能力的模型[7-8,21-33]。
本研究試圖以蒙古櫟為研究對(duì)象,基于氣候相似性原理,利用Maxent模型篩選影響蒙古櫟地理分布的主導(dǎo)氣候因子,給出其分布范圍及各主導(dǎo)影響因子的閾值,并進(jìn)行其氣候適應(yīng)性劃分,以為蒙古櫟林的經(jīng)營(yíng)管理及應(yīng)對(duì)氣候變化提供依據(jù)。
蒙古櫟地理分布資料通過3個(gè)途徑獲取:(1)《中華人民共和國(guó)植被分布圖(1∶1000000)》的蒙古櫟分布資料;(2)中國(guó)科學(xué)院植物研究所標(biāo)本館提供的標(biāo)本數(shù)字資料;(3)各地植物志的蒙古櫟分布資料,包括《北京植物志》、《河北植物志》、《山東植物志》、《河南植物志》、《嶗山植物志》、《黃土高原植物志》、《黑龍江植物志》、《遼寧植物志》、《內(nèi)蒙古植物志》等。提取《中華人民共和國(guó)植被分布圖(1∶1000000)》中蒙古櫟各分布區(qū)的幾何中心點(diǎn)坐標(biāo),結(jié)合標(biāo)本館標(biāo)本數(shù)字資料和植物志的蒙古櫟各分布區(qū)幾何中心點(diǎn)坐標(biāo),共同構(gòu)成我國(guó)蒙古櫟地理分布數(shù)據(jù)集。利用3個(gè)途徑獲取蒙古櫟地理分布資料時(shí),如有重疊,按《中華人民共和國(guó)植被分布圖(1∶1000000)》、標(biāo)本館標(biāo)本數(shù)字資料和各地植物志的順序選取。
氣象數(shù)據(jù)來自中國(guó)氣象局國(guó)家氣象信息中心的國(guó)家基本氣象觀測(cè)臺(tái)站(756個(gè)),包括1971—2000年的日均溫度和日降水量等。采用空間卷積原理和截?cái)喔咚篂V波算子方法,結(jié)合各氣象站地理信息差值得到中國(guó)10 km×10 km空間分辨率的日均氣溫和日降水量數(shù)據(jù)[34-35]。
Woodward指出,影響植物地理分布的主要因子有三類:(1)植物的耐寒性;(2)完成生活史所需的生長(zhǎng)季長(zhǎng)度和熱量供應(yīng);(3)用于植物冠層形成和維持的水分供應(yīng)[36]。據(jù)此,本研究選取一月均溫(Tc)作為最冷月溫度,反映植物的耐寒性;用7月均溫(Tm)作為最暖月溫度,與大于5℃積溫(GDD5)共同反映熱量需求;采用年均降水量(P)和濕潤(rùn)指數(shù)(MI,年降水量和年潛在蒸散量的比值=P/PET)表示水分需求。同時(shí),選取氣溫年較差(DTY)反映氣溫變幅。年潛在蒸散(PET)采用Thornthwaite方法計(jì)算[37-39]。
Maxent模型以最大熵理論為基礎(chǔ),根據(jù)不完全信息,從符合條件的分布中選擇熵最大的分布作為最優(yōu)分布,建立預(yù)測(cè)模型,進(jìn)而預(yù)測(cè)物種的地理分布[7,21]。模型基于貝葉斯定理,利用Gibbs分布族將特征集進(jìn)行加權(quán)并作為參數(shù),進(jìn)行一系列運(yùn)算,得到物種分布的最大熵聯(lián)合分布估計(jì)而建立[7]。Maxent模型被證明對(duì)物種分布有非常好的預(yù)測(cè)能力并具有很多優(yōu)點(diǎn)[7,8,21-24],如簡(jiǎn)單而清晰的數(shù)學(xué)基礎(chǔ),易于從生態(tài)學(xué)上進(jìn)行解釋;連續(xù)型和分類型的環(huán)境變量都可以使用;只需要模擬物種的當(dāng)前存在數(shù)據(jù)等。
本研究選取Maxent模型進(jìn)行蒙古櫟氣候適應(yīng)性研究。首先,確定特征空間,即物種已知分布區(qū)域;其次,尋找限制物種分布的約束條件(潛在氣候因子),構(gòu)筑約束集合;第三,利用Maxent模型構(gòu)建蒙古櫟地理分布與氣候關(guān)系模型[7],并檢驗(yàn)?zāi)P偷倪m用性;第四,基于各潛在氣候因子對(duì)蒙古櫟地理分布的貢獻(xiàn),篩選影響我國(guó)蒙古櫟地理分布的主導(dǎo)氣候因子,重新構(gòu)建基于Maxent模型的蒙古櫟地理分布與氣候關(guān)系模型;第五,基于我國(guó)蒙古櫟地理分布給出影響我國(guó)蒙古櫟地理分布主導(dǎo)氣候因子的閾值。
其中,采取常用的ROC曲線(受試者工作特征曲線)下的面積即AUC值[40-41]作為模型預(yù)測(cè)準(zhǔn)確性的衡量指標(biāo)(表1),以檢驗(yàn)?zāi)P偷倪m用性。通過模型Jackknife模塊分析各潛在氣候因子對(duì)蒙古櫟分布模擬的得分情況。基于ArcGIS地理信息系統(tǒng),得到Maxent模型模擬的蒙古櫟地理分布。
表1 AUC值及其與模型準(zhǔn)確性的關(guān)系[41]Table 1 Relationship between AUC and the accuracy of the model
為驗(yàn)證基于最大熵模型構(gòu)建的蒙古櫟地理分布與氣候關(guān)系模型對(duì)我國(guó)蒙古櫟地理分布研究的適用性,首先需要基于訓(xùn)練子集(對(duì)整個(gè)數(shù)據(jù)隨機(jī)取樣取得總數(shù)據(jù)集的75%作為訓(xùn)練子集)來訓(xùn)練模型,獲取模型的相關(guān)參數(shù),構(gòu)建針對(duì)我國(guó)蒙古櫟地理分布的最大熵模型;然后,將沒有參與模型構(gòu)建的所有數(shù)據(jù)用作評(píng)估子集(即余下數(shù)據(jù)的25%),用來驗(yàn)證模型。模型運(yùn)行需要兩組數(shù)據(jù),一是目標(biāo)物種的地理分布數(shù)據(jù),即構(gòu)建的我國(guó)蒙古櫟地理分布數(shù)據(jù)集;二是全國(guó)范圍的氣候變量,即基于已有研究成果從全國(guó)層次及年尺度篩選出的6個(gè)潛在氣候因子。
采用AUC值作為模型預(yù)測(cè)準(zhǔn)確性的衡量指標(biāo)。結(jié)果表明,基于潛在氣候因子與最大熵模型構(gòu)建的我國(guó)蒙古櫟地理分布與氣候關(guān)系模型的AUC值達(dá)0.932,表明所構(gòu)建模型的預(yù)測(cè)準(zhǔn)確性達(dá)到“極準(zhǔn)確”的水平,可以用于我國(guó)蒙古櫟地理分布與氣候的關(guān)系研究。
選取的潛在氣候因子主要來源于已有的研究成果,而沒有從全國(guó)層次上定量評(píng)價(jià)這些因子對(duì)蒙古櫟地理分布的影響程度,這將影響其最大熵模型構(gòu)建變量的準(zhǔn)確選擇,進(jìn)而影響到我國(guó)蒙古櫟地理分布模擬的準(zhǔn)確性。為此,需要定量評(píng)價(jià)這些潛在氣候因子對(duì)我國(guó)蒙古櫟地理分布的影響程度,篩選主導(dǎo)氣候因子。
圖1是基于最大熵模型的Jackknife模塊給出的各潛在氣候因子對(duì)我國(guó)蒙古櫟地理分布影響的得分情況,以此反映各因子的貢獻(xiàn)。其中,圖中橫軸表示因子得分值,縱軸表示各因子,深藍(lán)色棒、淺藍(lán)色棒和底部的紅色棒分別表示該因子得分、除該因子外其它指標(biāo)得分之和及所有指標(biāo)的得分和。各潛在氣候因子對(duì)我國(guó)蒙古櫟地理分布影響的貢獻(xiàn)排序?yàn)?年均降水量(P)>氣溫年較差(DTY)>大于5℃有效積溫(GDD5)>最暖月溫度(Tw)>濕潤(rùn)指數(shù)(MI)>最冷月溫度(Tc)。
結(jié)果表明,最冷月溫度和濕潤(rùn)指數(shù)對(duì)我國(guó)蒙古櫟地理分布的貢獻(xiàn)較低,與蒙古櫟具有較強(qiáng)的耐寒性和耐旱性相一致[5,42],可以不作為主導(dǎo)氣候因子。根據(jù)各潛在氣候因子對(duì)我國(guó)蒙古櫟地理分布影響的貢獻(xiàn)情況結(jié)合蒙古櫟生理生態(tài)特性[5,42-43],確定影響我國(guó)蒙古櫟地理分布的主導(dǎo)氣候因子為:年均降水量、氣溫年較差、大于5℃積溫和最暖月溫度,這4個(gè)因子的百分貢獻(xiàn)率累積值達(dá)92%。
圖1 各氣候因子Jackknife檢驗(yàn)得分Fig.1 Jackknife test gain of each climate factor
基于最大熵模型以及選定的影響我國(guó)蒙古櫟地理分布的4個(gè)主導(dǎo)氣候因子,可以給出蒙古櫟在預(yù)測(cè)地區(qū)的存在概率P,取值范圍為0—1。由統(tǒng)計(jì)學(xué)原理可知,當(dāng)植物在某一地區(qū)的存在概率P<0.05時(shí),其出現(xiàn)的概率很小,即小概率事件,在此定義該植物在該地區(qū)不能存在。為分析影響我國(guó)蒙古櫟地理分布的主導(dǎo)氣候因子閾值,首先需要弄清所建模型對(duì)我國(guó)蒙古櫟地理分布模擬的準(zhǔn)確性。為此,采用最大熵模型確定的影響我國(guó)蒙古櫟地理分布的4個(gè)主導(dǎo)氣候因子:年均降水量、氣溫年較差、大于5℃積溫和最暖月溫度,以模型給出的蒙古櫟存在概率0.05為界,給出蒙古櫟在我國(guó)的地理分布(圖2),并與蒙古櫟實(shí)際地理分布進(jìn)行比較。
結(jié)果表明,蒙古櫟在黑龍江、吉林、遼寧、內(nèi)蒙古東部、北京、天津、河北中北部、山東中部、山西大部分地區(qū)和陜西東北部均可分布。該區(qū)域覆蓋了蒙古櫟實(shí)際地理分布的1013個(gè)分布點(diǎn)中的1002個(gè),覆蓋率大于98%,表明模擬的我國(guó)蒙古櫟地理分布與實(shí)際分布非常符合。
圖2 Maxent模型模擬的蒙古櫟分布Fig.2 Distribution of Q.mongolica simulated by Maxent model
采用最大熵模型確定的影響我國(guó)蒙古櫟地理分布的4個(gè)主導(dǎo)氣候因子:年均降水量、氣溫年較差、大于5℃積溫和最暖月溫度,結(jié)合我國(guó)蒙古櫟地理分布,從蒙古櫟地理分布概率與主導(dǎo)氣候因子的關(guān)系可以給出各主導(dǎo)氣候因子的閾值(模型的訓(xùn)練重復(fù)數(shù)設(shè)為10次)。由圖3可見,較粗的藍(lán)線表示多次重復(fù)得到的閾值,紅線表示多次重復(fù)閾值的均值,從而得到影響我國(guó)蒙古櫟地理分布主導(dǎo)氣候因子的閾值為:年均降水量為330—910 mm、氣溫年較差大于29℃、大于5℃有效積溫為1200—3500℃·d、最暖月均溫為17—26℃。氣溫年較差要求大于29℃表明,蒙古櫟林適合生長(zhǎng)在高緯度或高海拔地區(qū);最暖月溫度要求17—26℃表明蒙古櫟適合生長(zhǎng)在夏季溫度偏低地區(qū);年均降水量和大于5℃積溫限定了東北地區(qū)、華北地區(qū)、西北部分地區(qū)以及山東省和湖北省為符合蒙古櫟林分布的水分和熱量條件區(qū)。
圖3 影響我國(guó)蒙古櫟地理分布的主導(dǎo)氣候因子與蒙古櫟分布概率的關(guān)系Fig.3 Relationship of each dominant climatic factor and the distribution probability of Q.mongolica
基于我國(guó)蒙古櫟地理分布信息,結(jié)合1971—2000年我國(guó)10 km×10 km空間分辨率的氣候資料及影響我國(guó)蒙古櫟地理分布的潛在氣候因子,從氣候的相似性出發(fā),驗(yàn)證了利用最大熵模型(Maxent)構(gòu)建的蒙古櫟地理分布與氣候關(guān)系模型的適用性。結(jié)果表明,基于潛在氣候因子與最大熵模型構(gòu)建的我國(guó)蒙古櫟地理分布與氣候關(guān)系模型的AUC值達(dá)0.932,表明所構(gòu)建模型的預(yù)測(cè)準(zhǔn)確性達(dá)到“極準(zhǔn)確”的水平,可以用于我國(guó)蒙古櫟地理分布與氣候關(guān)系研究。
根據(jù)各潛在氣候因子對(duì)蒙古櫟潛在地理分布的貢獻(xiàn),篩選出了影響蒙古櫟分布的主導(dǎo)氣候因子,即年均降水量、氣溫年較差、最暖月溫度和大于5℃積溫。利用我國(guó)蒙古櫟地理分布概率與主導(dǎo)氣候因子的關(guān)系給出了各主導(dǎo)氣候因子的閾值,即:年均降水量為330—910 mm、氣溫年較差大于29℃、大于5℃有效積溫為1200—3500℃·d,最暖月均溫為17—26℃。該研究有助于增進(jìn)蒙古櫟與氣候變化關(guān)系的理解,對(duì)于科學(xué)地經(jīng)營(yíng)和管理蒙古櫟及制定應(yīng)對(duì)氣候變化對(duì)策具有重要意義。
[1] Zhou G S,Wang Y H.Global Change Ecology.Beijing:Meteorological Press,2003:119-122.
[2] Wu Z Y.Vegetation of China.Beijing:Science Press,1980.
[3] Wang L M,Ren X W,Liu Y J.Geographic distribution of deciduous oaks in China.Journal of Beijing Forestry University,1985,(2):57-69.
[4] Zheng H N,Jia S Q,Hu H Q.Forest fire and forest rehabilitation in the DA XINGAN mountains.Journal of Northeast Forestry University,1986,14(4):1-7.
[5] Yu S L,Ma K P,Chen L Z.Preliminary discussion on the origin of Quercus mongolica forest in north China.Guihaia,2000,5(2):131-137.
[6] Yan X D,Zhao S D,Yu Z L.Modeling growth and succession of Northeastern China forests and its applications in global change studies.Journal of Plant Ecology,2000,24(1):1-8.
[7] Phillips S J,Dudik M.Modeling of species distributions with Maxent:new extensions and a comprehensive evaluation.Ecography,2008,31:161-175.
[8] Elith J,Graham C H,Anderson R P,Dudík M,F(xiàn)errier S,Guisan A,Hijmans R J,Huettmann F,Leathwick J R,Lehmann A,Li J,Lohmann L G,Loiselle B A,Manion G,Moritz C,Nakamura M,Nakazawa Y,Overton J M M,Peterson A T,Phillips S J,Richardson K,Scachetti-Pereira R,Schapire R E,Soberón J,Williams S,Wisz M S,Zimmermann N E.Novel methods improve prediction of species'distributions from occurrence data.Ecography,2006,29(2):129-151.
[9] Kriticos D,Randall R.A comparison of systems to analyse potential weed distributions//Grove R H,Panetta F D,Virtue J G,eds.Weed Risk Assessment.Australia:CSRIO Publishing,2001:61-79.
[10] Guisan A,Thuiller W.Predicting species distribution:offering more than simple habitat models.Ecology Letters,2005,8(9):993-1009.
[11] Sun W T,Liu Y T.Research progress of risk analysis of biological invasion.Chinese Agricultural Science Bulletin,2010,26(7):233-236.
[12] Carpenter G,Gillson A N,Winter J.DOMAIN:a flexible modeling procedure for mapping potential distributions of plants and animals.Biodiversity and Conservation,1993,2(6):667-680.
[13] Prentice I C,Cramer W,Harrison S P,Leemans R,Monserud R A,Solomon A M.A global biome model based on plant physiology and dominance,soil properties and climate.Journal of Biogeography,1992,19(2):117-134.
[14] Guisan A,Zimmermann N E.Predictive habitat distribution models in ecology.Ecological Modelling,2000,135(2/3):147-186.
[15] Vayssières M P,Plant R E,Allen-Diaz B H.Classification trees:an alternative non-parametric approach for predicting species distributions.Journal of Vegetation Science,2000,11(5):679-694.
[16] Cao M C,Zhou G S,Weng E S.Application and comparison of generalized models and classification and regression tree in simulating tree species distribution.Acta Ecologica Sinica,2005,25(8):2031-2040.
[17] Li F,Zhou G S,Cao M C.Responses of Larix gmelinii geographical distribution to future climate change:a simulation study.Chinese Journal of Applied Ecology,2006,17(12):2255-2260.
[18] Wang J,Ni J.Review of modeling the distribution of plant species.Journal of Plant Ecology,2006,30(6):1040-1053.
[19] Iverson L R,Prasad A M.Potential redistribution of tree species habitat under five climate change scenarios in the eastern US.Forest Ecology and Management,2002,155(1/3):205-222.
[20] Thuiller W,Araújo M B,Lavorel S.Generalized models versus classification tree analysis:predicting spatial distributions of plant species at different scales.Journal of Vegetation Science,2003,14(5):669-680.
[21] Phillips S J,Anderson R P,Schapire R E.Maximum entropy modeling of species geographic distributions.Ecological Modelling,2006,190(3/4):231-259.
[22] Ma S M,Zhang M L,Zhang H X,Meng H H,Chen X.Predicting potential geographical distributions and patterns of the relic plant Gymnocarpos przewalskii using Maximum Entropy and Genetic Algorithm for Rule-set Prediction.Chinese Journal of Plant Ecology,2010,34(11):1327-1335.
[23] Lei J C,Xu H G.Maxent-based prediction of potential distribution of Solidago canadensis in China.Journal of Ecology and Rural Environment,2010,26(2):137-141.
[24] Wang Y S,Xie B Y,Wan F H,Xiao Q M,Dai L Y.Potential geographic distribution of radopholus similis in China.Scientia Agricultura Sinica,2007,40(11):2502-2506.
[25] Giovanelli J G R,Haddad C F B,Alexandrino J.Predicting the potential distribution of the alien invasive American bullfrog(Lithobates catesbeianus)in Brazil.Biological Invasions,2008,10(5):585-590.
[26] Moffett A,Shackelford N,Sarkar S.Malaria in Africa:vector species'niche models and relative risk maps.PLoS ONE,2007,2(9):e824,doi:10.1371/journal.pone.0000824.
[27] Saatchi S,Buermann W,ter Steege H,Morid S,Smith T B.Modeling distribution of Amazonian tree species and diversity using remote sensing measurements.Remote Sensing of Environment,2008,112(5):2000-2017.
[28] Cao X F,Qian G L,Hu B S,Liu F Q.Prodiction of potential suitable distribution area of Flaveria bidentis in China based on niche models.Chinese Journal of Applied Ecology,2010,21(12):3063-3069.
[29] Yang B,Xue Y G,Tang X F,Wang Y,Zhang D M.Predicting potential geographic distribution of Eupatorium odoratum in China.Plant Protection,2009,35(4):70-73.
[30] Wu W H,Li M Y.Methods for predicting potential habitat of bursaphelenchus xylophilus based on ecological niche model.Forest Inventory and Planning,2009,34(5):33-38.
[31] Huntley B,Berry P M,Cramer W,McDonald A P.Modeling present and potential future ranges of some European higher plants using climate response surfaces.Journal of Biogeography,1995,22(6):967-1001.
[32] Berry P M,Dawson T E,Harrison P A,Pearson R G.Modelling potential impacts of climate change on the bioclimatic envelope of species in Britain and Ireland.Global Ecology and Biogeography,2002,11(6):453-462.
[33] Franklin J.Predicting the distribution of shrub species in southern California from climate and terrain-derived variables.Journal of Vegetation Science,1998,9(5):733-748.
[34] Thornton P E,Running S W,White M A.Generating surfaces of daily meteorological variables over large regions of complex terrain.Journal of Hydrology,1997,190(3/4):214-251.
[35] Liu Y,Chen P Q,Zhang W,Hu F.A spatial interpolation method for surface air temperature and its error analysis.Chinese Journal of Atmospheric Sciences,2006,30(1):146-152.
[36] Woodward FI.Climate and Plant Distribution.Cambridge:Cambridge University Press,1987.
[37] Weng E S,Zhou G S.Defining plant functional types in China for global change studies.Acta Phytoecologica Sinica,2005,29(1):81-97.
[38] Zhang X S.The potential evapotranspiration(PE)index for vegetation and vegetation-climatic classification(2)an introduction of main methods and PEP program.Journal of Plant Ecology,1989,13(3):197-207.
[39] Ni J.Relationship between Thornthwaite indexes and distribution of dominants and companions of subtropical evergreen broadleaved forest in China.Plant Science Journal,1997,15(2):151-161.
[40] Chen P F,Wiley E O,Mcnyset KM.Ecological niche modeling as a predictive tool:silver and bighead carps in North America.Biological Invasions,2006,9(1):43-51.
[41] Shao H,Tian J Q,Guo K,Sun J X.Effects of sample size and species traits on performance of BIOCLIM in predicting geographical distribution of tree species-a case study with 12 deciduous Quercus species indigenous to China.Chinese Journal of Plant Ecology,2009,33(5):870-877.
[42] Xu ZQ,Wang YH.Research advances in Quercus mongolica.Hebei Journal of Forestry and Orchard Research,2002,17(4):365-370.
[43] Guo JP,Gao SH,Liu L,Zhou G S.Impacts of climatic change on Quercus mongolica.Resources Science,2005,27(5):168-172.
參考文獻(xiàn):
[1] 周廣勝,王玉輝.全球生態(tài)學(xué).北京:氣象出版社,2003:119-122.
[2] 吳征鎰.中國(guó)植被.北京:科學(xué)出版社,1980.
[3] 王良民,任憲威,劉一樵.我國(guó)落葉櫟的地理分布.北京林學(xué)院學(xué)報(bào),1985,(2):57-69.
[4] 鄭煥能,賈松青,胡海清.大興安嶺林區(qū)的林火與森林恢復(fù).東北林業(yè)大學(xué)學(xué)報(bào),1986,14(4):1-7.
[5] 于順利,馬克平,陳靈芝.中國(guó)北方蒙古櫟林起源和發(fā)展的初步探討.廣西植物,2000,5(2):131-137.
[6] 延曉冬,趙士洞,于振良.中國(guó)東北森林生長(zhǎng)演替模擬模型及其在全球變化研究中的應(yīng)用.植物生態(tài)學(xué)報(bào),2000,24(1):1-8.
[11] 孫文濤,劉雅婷.生物入侵風(fēng)險(xiǎn)分析的研究進(jìn)展.中國(guó)農(nóng)學(xué)通報(bào),2010,26(7):233-236.
[16] 曹銘昌,周廣勝,翁恩生.廣義模型及分類回歸樹在物種分布模擬中的應(yīng)用與比較.生態(tài)學(xué)報(bào),2005,25(8):2031-2040.
[17] 李峰,周廣勝,曹銘昌.興安落葉松地理分布對(duì)氣候變化響應(yīng)的模擬.應(yīng)用生態(tài)學(xué)報(bào),2006,17(12):2255-2260.
[18] 王娟,倪健.植物種分布的模擬研究進(jìn)展.植物生態(tài)學(xué)報(bào),2006,30(6):1040-1053.
[22] 馬松梅,張明理,張宏祥,孟宏虎,陳曦.利用最大熵模型和規(guī)則集遺傳算法模型預(yù)測(cè)孑遺植物裸果木的潛在地理分布及格局.植物生態(tài)學(xué)報(bào),2010,34(11):1327-1335.
[23] 雷軍成,徐海根.基于MaxEnt的加拿大一枝黃花在中國(guó)的潛在分布區(qū)預(yù)測(cè).生態(tài)與農(nóng)村環(huán)境學(xué)報(bào),2010,26(2):137-141.
[24] 王運(yùn)生,謝丙炎,萬(wàn)方浩,肖啟明,戴良英.相似穿孔線蟲在中國(guó)的適生區(qū)預(yù)測(cè).中國(guó)農(nóng)業(yè)科學(xué),2007,40(11):2502-2506.
[28] 曹向鋒,錢國(guó)良,胡白石,劉鳳權(quán).采用生態(tài)位模型預(yù)測(cè)黃頂菊在中國(guó)的潛在適生區(qū).應(yīng)用生態(tài)學(xué)報(bào),2010,21(12):3063-3069.
[29] 楊波,薛躍規(guī),唐小飛,王媛,張達(dá)敏.外來入侵植物飛機(jī)草在中國(guó)的適生區(qū)預(yù)測(cè).植物保護(hù),2009,35(4):70-73.
[30] 吳文浩,李明陽(yáng).基于生態(tài)位模型的松材線蟲潛在生境預(yù)測(cè)方法研究.林業(yè)調(diào)查規(guī)劃,2009,34(5):33-38.
[35] 劉宇,陳泮勤.張穩(wěn),胡非.一種地面氣溫的空間插值方法及其誤差分析.大氣科學(xué),2006,30(1):146-152.
[37] 翁恩生,周廣勝.用于全球變化研究的中國(guó)植物功能型劃分.植物生態(tài)學(xué)報(bào),2005,29(1):81-97.
[38] 張新時(shí).植被的PE(可能蒸散)指標(biāo)與植被-氣候分類(二)——幾種主要方法與PEP程序介紹.植物生態(tài)學(xué)與地植物學(xué)學(xué)報(bào),1989,13(3):197-207.
[39] 倪健.中國(guó)亞熱帶常綠闊葉林優(yōu)勢(shì)種及常見種分布與Thornthwaite指標(biāo)的關(guān)系.武漢植物學(xué)研究,1997,15(2):151-161.
[41] 邵慧,田佳倩,郭柯,孫建新.樣本容量和物種特征對(duì)BIOCLIM模型模擬物種分布準(zhǔn)確度的影響——以12個(gè)中國(guó)特有落葉櫟樹種為例.植物生態(tài)學(xué)報(bào),2009,33(5):870-877.
[42] 許中旗,王義弘.蒙古櫟研究進(jìn)展.河北林果研究,2002,17(4):365-370.
[43] 郭建平,高素華,劉玲,周廣勝.氣候變化對(duì)蒙古櫟生長(zhǎng)和氣候生產(chǎn)力的影響.資源科學(xué),2005,27(5):168-172.