阿爾曼·解思斯 努爾巴依·阿布都沙力克 邁迪娜·吐爾遜

摘要：基于沙生檉柳的現(xiàn)有分布，通過最大熵模型（Maxent）估計其潛在的分布格局，并與其在人類干擾下的分布格局相比較，為我國西部荒漠地區(qū)流動沙丘上優(yōu)良先鋒固沙造林樹種的保護提供科學依據(jù)。結(jié)果表明：沙生檉柳的高適宜區(qū)主要分布在塔里木盆地的塔克拉瑪干沙漠腹地以及盆地東側(cè)的羅布泊地帶和吐魯番盆地腹地及其盆地東側(cè)的庫木塔格沙漠。分布范圍大致在76.0°～89.5°E，37.0°～41.5°N之間，其分布界線與塔克拉瑪干沙漠的流沙范圍基本吻合。垂直分布于海拔800～1 300 m之間，分布面積達30萬km2，基本符合沙生檉柳的實際分布情況。溫度和降水量對沙生檉柳分布的影響最大。經(jīng)受試者工作特征曲線（receiver operating characteristic curve，簡稱ROC）分析法驗證，訓練集的ROC曲線下與坐標軸圍成的面積（area under ROC curve，簡稱AUC）值與測試集的AUC值均為0.920，可看出Maxent模型對沙生檉柳的潛在生境預測結(jié)果具有較高的準確度。將環(huán)境影響因子與人類活動因素同時帶入模型，訓練集的AUC值與測試集的AUC值均為0.932，說明Maxent模型對沙生檉柳的潛在生境預測結(jié)果的準確度提高并具有很高的可信度。

關(guān)鍵詞：沙生檉柳;潛在分布;Maxent模型

中圖分類號： S181 ?文獻標志碼： A ?文章編號：1002-1302（2019）02-0091-04

沙生檉柳（Tamarix taklamakanensis M. T. Liu），別稱塔克拉瑪干檉柳[1-4]，灌木，稀呈小喬木狀，高3～7 m，是喜光樹種，適應少雨、干旱的流沙環(huán)境條件，在河漫灘和黏土地區(qū)因為土壤透氣性不良很難找到其天然實生苗。它具有生長迅速、不怕沙埋、耐鹽堿、抗寒冷的特性，分布在新疆塔里木盆地塔克拉瑪干沙漠及盆地東部的庫木塔格沙漠，一直延伸到甘肅敦煌的西沿[5]，生于遠離有水河床和湖盆周圍的流沙內(nèi)部，是我國荒漠地區(qū)流動沙丘上最抗旱耐炎熱的固定流沙先鋒物種[6]，也是中國特有種，屬國家3級保護植物[7]。近年來，由于分布區(qū)內(nèi)地下水位逐漸下降和流動沙丘間沙表土壤鹽分不斷增高，沙生檉柳天然更新受到極大限制，實生苗數(shù)量正日趨減少。目前分布區(qū)域內(nèi)的沙生檉柳群落的現(xiàn)狀是衰亡性群落，處于瀕危狀態(tài)。再加上其生境因采礦、修路等人為干擾，遭到了嚴重的破壞，沙生檉柳亟待保護[8]。

目前已有不少關(guān)于沙生檉柳的研究。劉銘庭將沙生檉柳正式更名為塔克拉瑪干檉柳，并證實這個新種僅分布在塔克拉瑪干流沙內(nèi)[9]。楊堯軍等選擇對沙生檉柳種群具有重要影響的地理、土壤、水分這3要素的7個因子為指標，采用因子分析法，對影響沙生檉柳種群生長與分布的環(huán)境因子進行分析，并得出植物種群的保護與恢復存在較大難度，尤其是對于面臨嚴重衰退威脅的沙生檉柳更應加強保護力度[10]。因此利用沙生檉柳的現(xiàn)有分布狀況，評估出其潛在的分布格局，并與在人類干擾下的沙生檉柳的分布格局相比較，對保護我國西部荒漠地區(qū)流動沙丘上的優(yōu)良先鋒固沙造林樹種具有一定的科學意義[11-12]。

目前獲得的物種地理分布信息在很大程度上依賴于最大熵模型（maxententropy models，簡稱Maxent）[13]。Maxent已經(jīng)在很多地區(qū)被成功地應用于預測物種的潛在分布區(qū)[14]。生態(tài)位模型中的最大熵模型是最具有代表性的物種分布模型之一[15-17]。馬松梅等曾經(jīng)選取并同時使用最適用預測的Maxent和規(guī)則集遺傳算法模型（genetic algorithm rule-set production，GARP）[18]得出結(jié)論：相比于GARP[19-20]，Maxent更適合于模擬具有較少分布數(shù)據(jù)的稀有或瀕危物種[21]。因此本研究基于野外調(diào)查的實際情況以及試驗樣本的特殊有限分布數(shù)據(jù)，選擇Maxent為預測工具，在地理和生態(tài)空間上模擬沙生檉柳的潛在分布，并將其和在人類干擾下的潛在分布作比較，在此基礎上分析人類活動對于保護物種分布的影響[22]。本研究在對沙生檉柳進行野外調(diào)查的基礎上，利用Maxent模擬沙生檉柳的潛在地理分布，旨在解決2個問題：（1）模擬沙生檉柳的潛在分布區(qū)域;（2）與在人類干擾下的潛在分布相比較，分析人類活動對保護物種分布的影響。

1 研究區(qū)域概況

塔克拉瑪干沙漠，83°40′E，39°06′N。此區(qū)域年降水量36.6 mm，其中絕大部分集中在夏季，年蒸發(fā)量達 3 638.6 mm，1年內(nèi)溫度變化很大，1月平均氣溫-8.1 ℃，7月平均氣溫28.2 ℃，極端最低氣溫-22.2 ℃，極端最高氣溫45.6 ℃，全年≥10 ℃積溫為4 621.8 ℃，無霜期283 d，年日照時數(shù)2 571.3 h，屬高光熱輻射區(qū)域;主導風向是西北風，平均風速2.5 m/s，最大瞬時風速為24.0 m/s。塔克拉瑪干沙漠腹地自然植物組成比較單一，共12種，分別隸屬于9科12屬，包括沙生檉柳（Tamarix taklamakanensis）、蓼子樸（Inula salsoides）、蘆葦（Phragmites australis）、白莖鹽生草（Halogeton arachnoideus）、刺沙篷（Salsola ruthenica）、花花柴（Kareliniacaspica）、羅布麻（Apocynumvenetum）、牛皮消（Cynanchum sibiricum）、小花天芥菜（Heliotropium micranthum）、管花肉蓯蓉（Cistanche tubulosa）、河西苣（Hexinia poly dichotoma）、塔干沙拐棗（Calligonum roborovskii）。

2 數(shù)據(jù)獲取

本研究使用的主要軟件為美國Esri公司的ArcGIS 10.2.2、中國地質(zhì)大學開發(fā)的MapGIS 6.7等。

2.1 沙生檉柳分布數(shù)據(jù)

根據(jù)標本記載，筆者于2016年7—10月對沙生檉柳的大部分自然分布區(qū)進行了野外調(diào)查，共調(diào)查到26個分布點。每個分布點都有GPS精確定位的經(jīng)緯度，代表一個獨立的環(huán)境條件。

2.2 環(huán)境圖層數(shù)據(jù)

氣候數(shù)據(jù)來源于Worldclim數(shù)據(jù)集（http：//www.worldclim.org/），該數(shù)據(jù)集分辨率為1 km，由19個降水量、溫度的極值和變化范圍的變量構(gòu)成。根據(jù)新疆地圖對氣候數(shù)據(jù)中的數(shù)據(jù)進行影像配準、裁剪和疊加。

2.3 人類活動強度數(shù)據(jù)

根據(jù)新疆地圖對全球人類足跡（human footprint）中的數(shù)據(jù)進行影像配準、裁剪和疊加。

3 研究方法

3.1 模型模擬

將沙生檉柳分布數(shù)據(jù)和環(huán)境圖層數(shù)據(jù)代入Maxent模型，運行第1次，以識別對沙生檉柳影響的主要環(huán)境變量。在第1次運行結(jié)束后，將對沙生檉柳分布造成影響的主要環(huán)境變量代入Maxent模型，進行第2次運行，初步得到沙生檉柳的分布區(qū)圖。最后，模型評估以判斷模型的模擬精度和可靠性。

3.2 模型驗證

Maxent模型帶有自檢驗功能，利用受試者工作特征曲線（receiver operating characteristic curve，簡稱ROC），對模型進行檢驗，根據(jù)ROC曲線與橫坐標圍成的面積值，即AUC（area under ROC curve）值對模型的準確度進行判定[23-24]。表明在環(huán)境變量與模型的相關(guān)性方面，AUC值越大，預測的效果越好，評定標準：AUC值范圍為[0，0.40），不及格;[0.40，0.60），較差;[0.60，0.80），一般;[0.80，1.00），優(yōu)秀[25-26]。

4 結(jié)果與分析

4.1 主要環(huán)境變量對Maxent模型預測沙生檉柳分布的貢獻率

從表1中可以看出，影響沙生檉柳分布的主要有2個環(huán)境因子，即降水量和溫度。沙漠環(huán)境惡劣，氣候極度干旱，早晚溫差大，這說明沙生檉柳生長在塔克拉瑪干大沙漠內(nèi)部生境最嚴酷的、不生長其他植物的流動沙丘上。作為我國檉柳屬最為抗旱的1個種類，沙生檉柳已經(jīng)形成對抗沙漠極端氣候的調(diào)節(jié)機制，這對進一步研究其的抗旱性、抗高溫性有一些啟發(fā)，另一方面，充分考慮沙生檉柳對于環(huán)境因子，尤其是對降水量和溫度的需求也非常重要，因為本研究旨在在保護原有沙生檉柳分布的基礎上，預測其適宜分布區(qū)，為沙生檉柳的大面積種植和推廣提供一些理論基礎。

4.2 沙生檉柳在新疆的適生分布

根據(jù)Maxent模型預測，得到沙生檉柳在新疆地區(qū)的適生分布區(qū)（圖1），采用等距法，按高適生、中適生、低適生、不適生4個級別劃分，圖中灰色表示不適宜區(qū)，黃色表示低適宜區(qū)，綠色表示中適宜區(qū)，紅色代表高適宜區(qū)。從圖中可以看出，沙生檉柳的高適宜區(qū)主要分布在塔里木盆地的塔克拉瑪干沙漠腹地以及盆地東側(cè)的羅布泊地帶，還有吐魯番盆地腹地以及盆地東側(cè)的庫木塔格沙漠。這基本符合沙生檉柳的實際分布情況。

4.3 沙生檉柳的結(jié)果驗證

Maxent模型運行結(jié)果可以自動生成ROC曲線，在模型預測的第2次運行后生成沙生檉柳預測結(jié)果的ROC曲線（圖2）。

從圖2中可以看出，測試數(shù)據(jù)的AUC值為0.920。說明Maxent模型對沙生檉柳的潛在生境預測結(jié)果具有較高的準確度。但正由于物種的存在生境是錯綜復雜的，在運行Maxent時，環(huán)境因子的選擇對預測結(jié)果有很大的影響。沙生檉柳盡管本身就屬于沙漠特有植物，其生境也較單一。但將沙生檉柳引種到吐魯番后，因吐魯番夏季太干熱，花期比南疆原產(chǎn)地推遲了大概1個月，因而結(jié)果不正常。因此本研究選用的19個環(huán)境因子仍有一定的局限性。因此有關(guān)環(huán)境因子的選擇，還需要進一步的探討。除此之外，人為活動因子也是需要考慮的指標之一。本研究通過對全球人類足跡中的數(shù)據(jù)進行影像配準、裁剪和疊加，得到新疆地區(qū)所在的人類足跡（圖3）。通過進一步裁剪，將環(huán)境影響因子與人類活動因素同時帶入模型，在第1次運行結(jié)束后，篩選出對沙生檉柳分布造成影響的主要變量（表2），隨后代入Maxent模型，進行第2次運行，初步得到沙生檉柳的分布區(qū)（圖4）。最后，模型評估以判斷模型的模擬精度和可靠性。

從表2中可以看出，影響沙生檉柳分布的主要還是2個環(huán)境因子，即降水量和溫度。除此之外，人類活動強度也對沙生檉柳適生區(qū)分布有一定的影響，但是對于沙生檉柳，其生境很特殊，尤其是在極度干旱的沙漠內(nèi)部，其人類活動強度也相對較弱，因此6%的人類活動強度對預測沙生檉柳分布的貢獻率也合理，將進一步從對比分布圖來判斷人類活動對預測沙生檉柳分布的影響。

從圖1和圖4對比中發(fā)現(xiàn)，沙生檉柳的實際適生區(qū)明顯減少，說明在沙生檉柳繁殖棲息地附近，人類的交通運輸、道路建設、土地利用等一系列活動對沙生檉柳適宜區(qū)分布的影響也比較明顯。

4.3 沙生檉柳的結(jié)果驗證

從圖5可以看出，測試數(shù)據(jù)的AUC值為0.932。說明Maxent模型對沙生檉柳的潛在生境預測結(jié)果準確度提高。因此也可以說明人類活動對沙生檉柳適生區(qū)分布有一定影響且影響不可忽視。

5 結(jié)論與討論

模型模擬研究結(jié)果表明，第1次運行得到了5個主要環(huán)境影響因子，分別為最干季降水量（36.9%）、最冷季平均溫度（18.1%）、最干季降水量（14.6%）、最冷季降水量（8.7%）、年均溫（8.6%），其累計貢獻率為86.9%。對第2次運行結(jié)果采用AUC評價方法，對模型運行結(jié)果進行模型評價，其AUC的值為0.920。說明該模型的診斷價值達到了優(yōu)秀，Maxent模型對沙生檉柳的潛在生境概率預測具有很高的可信度。其模擬結(jié)果與現(xiàn)實中沙生檉柳的實際生長區(qū)比較吻合。

從以上分析結(jié)果可以看出，溫度和降水量對沙生檉柳的分布貢獻最大，這是沙生檉柳與原有的特殊惡劣的生境長期適應的結(jié)果，體現(xiàn)了沙生檉柳對沙漠環(huán)境的特殊適應性，也從另一方面解釋了沙生檉柳能夠成為我國荒漠地區(qū)流動沙丘上最為抗旱耐炎熱物種的原因。

人類活動強度雖然對植株分布影響貢獻率只有6%，但Maxent模型對沙生檉柳的潛在生境預測結(jié)果準確度提高，因此不能忽略了人類活動強度對沙生檉柳分布格局影響。

劉銘庭研究員指出，沙生檉柳的人工栽培成活，將有助于豐富防風固沙植物物種[27]。通過這一預測結(jié)果，可以將理論預測結(jié)果與現(xiàn)實沙生檉柳的引種馴化情況相結(jié)合，在保護現(xiàn)有沙生檉柳分布區(qū)的基礎上，反復試驗，從而確定最適宜沙生檉柳人工種植的區(qū)域，并大量培育和栽植，擴大種植面積。值得一提的是，這保護了沙生檉柳，也保護了寄生該植物的名貴草藥——管花肉蓯蓉（Cistanche tubulosa）[28-30]，還保護了該植物分布區(qū)內(nèi)的野駱駝，實現(xiàn)由物種到生態(tài)系統(tǒng)、景觀全面綜合保護的作用。

參考文獻：

[1]何興東，趙愛國，段爭虎，等. 極端干旱沙漠中無沙埋干擾時幾種固沙植物栽植試驗研究[J]. 中國沙漠，2003，23（3）：246-251.

[2]張錦春，郭春秀，王芳琳，等. 沙生檉柳扦插苗生根條件優(yōu)化研究[J]. 中國農(nóng)學通報，2015，31（19）：7-12.

[3]韓 煒，曹 玲，海米提·依米提，等. 塔干檉柳的葉綠素熒光對沙塵暴天氣的響應[J]. 中國沙漠，2012，32（1）：86-91.

[4]劉名廷. 優(yōu)良的固沙造林樹種——塔克拉瑪干檉柳[J]. 林業(yè)實用技術(shù)，1978（8）：7-8.

[5]何興東. 塔克拉瑪干沙漠腹地天然植被調(diào)查研究[J]. 中國沙漠，1997，17（2）：144-148.

[6]張錦春，郭春秀，王芳琳，等. 沙生檉柳扦插苗生根條件優(yōu)化研究[J]. 中國農(nóng)學通報，2015，31（19）：7-12.

[7]汪智軍，李行斌，郭仲軍. 新疆14種珍稀瀕危植物資源現(xiàn)狀及保護[J]. 中國野生植物資源，22（2）：15-16.

[8]張道遠，尹林克，潘伯榮. 檉柳屬植物抗旱性能研究及其應用潛力評價[J]. 中國沙漠，2003，23（3）：252-256.

[9]劉銘庭. 沙生檉柳的新發(fā)現(xiàn)[J]. 新疆農(nóng)業(yè)科學，1960（2）：37-39，18.

[10]楊堯軍，袁宏波，劉淑娟，等. 庫姆塔格沙漠沙生檉柳種群與環(huán)境因子分析[J]. 干旱區(qū)研究，2013，30（5）：827-831.

[11]何興東. 塔克拉瑪干沙漠腹地天然植被調(diào)查研究[J]. 中國沙漠，1997，12（2）：144-148.

[12]張道遠，尹林克，潘伯榮. 檉柳屬植物抗旱性能研究及其應用潛力評價[J]. 中國沙漠，2003，23（3）：252-256.

[13]Phillips S J，Anderson R P，Schapire R E. Maximum entropy modeling of species geographic distributions[J]. Ecological Modelling，2006，190（3/4）：231-259.

[14]Stockwell D. The GARP modelling system：problems and solutions to automated spatial prediction[J]. International Journal of Geographical Information Science，1999，13（2），143-158.

[15]Pena J C D C，Kamino L H Y，Rodrigues M，et al. Assessing the conservation status of species with limited available data and disjunct distribution[J]. Biological Conservation，2014，170（1）：130-136.

[16]Phillips S J，Dudík M. Modeling of species distributions with Maxent：new extensions and a comprehensive evaluation[J]. Ecography，2008，31（2）：161-175.

[17]高 惠，滕麗微，汪 洋，等. 阿拉善馬鹿（Cervus alashanicus）生境適宜性評價[J]. 生態(tài)學報，2017，37（11）：3926-3931.

[18]馬松梅，張明理，張宏祥. 利用最大熵模型和規(guī)則集遺傳算法模型預測孑遺植物裸果木的潛在地理分布及格局[J]. 植物生態(tài)學報，2010，34（11）：1327-1335.

[19]Wang R，Wang Y Z.Invasion dynamics and potential spread of the invasive alien plant species Ageratina adenophora （Asteraceae） in China[J]. Diversity and Distributions，2006，12（4）：397-408.

[20]Anderson R P，Lew D，Peterson A T.Evaluating predictive models of species distributions：criteria for selecting optimal models[J]. Ecological Modelling，2003，162（3）：211-232.

[21]Phillips S J，Anderson R P，Schapire R E. Maximum entropy modeling of species geographic distributions[J]. Ecological Modelling，2006，190（3/4）：231-259.

[22]褚建民，李毅夫，張 雷，等. 瀕危物種長柄扁桃的潛在分布與保護策略[J]. 生物多樣性，2017，25（8）：799-806.

[23]李明陽，席 慶，徐海根. 基于WEB數(shù)據(jù)庫和Maxent模型的白頭葉猴潛在生境評價研究[J]. 林業(yè)資源管理，2010（4）：31-36，57.

[24]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用[J]. 生物多樣性，2007，15（4）：365-372.

[25]齊增湘，徐衛(wèi)華，熊興耀，等. 基于MAXENT模型的秦嶺山系黑熊潛在生境評價[J]. 生物多樣性，2011，19（3）：343-352.

[26]Araújo M B，Pearson R G，Thuiller W，et al. Validation of species-climate impact models under climate change[J]. Global Change Biology，2005，11（9）：1504-1513.

[27]張 兵. 主要防風固沙植物及其應用價值[J]. 內(nèi)蒙古林業(yè)調(diào)查設計，2012，35（5）：62-65.

[28]屠鵬飛，陳慶亮，姜 勇，等. 管花肉蓯蓉及其寄主檉柳栽培技術(shù)[J]. 中國現(xiàn)代中藥，2015，17（4）：349-358.

[29]趙東平，郭玉海，駱 翔，等. 植物生長調(diào)節(jié)劑對檉柳及管花肉蓯蓉生長的影響[J]. 中國中藥雜志，2011，36（13）：1718-1719.

[30]郭東鋒，郭玉海，黃 勇. 管花肉蓯蓉的寄生對檉柳光合特性的影響[J]. 安徽農(nóng)業(yè)科學，2009，37（23）：11293-11295.