項(xiàng) 濤 董響紅 郭 超 李鐘杰

(1. 中國(guó)科學(xué)院水生生物研究所淡水生態(tài)與生物技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 武漢 430072; 2. 中國(guó)科學(xué)院大學(xué), 北京 100049)

近年來(lái), 受人類(lèi)活動(dòng)影響, 全球氣候顯著變暖,降水模式發(fā)生改變, 局部區(qū)域極端氣候事件頻發(fā),對(duì)地球上越來(lái)越多的水生生物產(chǎn)生了深遠(yuǎn)的影響[1—3]。氣候變化可能會(huì)通過(guò)改變水生生物的生長(zhǎng)、繁殖和存活等生活史特性從而影響物種的豐度及其分布[4—6]。許多物種賴以生存的棲息地在氣候變化的影響下發(fā)生改變, 如物種分布范圍的緯度或海拔上移、分布區(qū)縮減或擴(kuò)張等[7—11]。大量研究表明這些影響正持續(xù)加劇, 全球生物多樣性面臨嚴(yán)重威脅[12,13]。

物種分布模型(Species Distribution Models,SDMs)是研究氣候變化對(duì)物種棲息地影響常用的數(shù)值模擬工具[14], 其結(jié)合氣候數(shù)據(jù)能有效預(yù)測(cè)物種在未來(lái)氣候下的潛在分布, 特別是針對(duì)宏觀尺度上的分布預(yù)測(cè)有著較高的可操作性和準(zhǔn)確性, 是當(dāng)前保護(hù)生物學(xué)者常用的研究手段[15,16]。物種分布模型主要利用已知的物種分布數(shù)據(jù)和相關(guān)環(huán)境數(shù)據(jù),依據(jù)特定的算法推定物種的生態(tài)位, 并投影到景觀中, 估算物種的實(shí)際分布及預(yù)測(cè)未來(lái)氣候變化下物種的生態(tài)位要求和潛在分布范圍等[17,18], 并以概率形式反映物種對(duì)棲息地的偏好程度, 其結(jié)果一般解釋為物種在某區(qū)域出現(xiàn)的概率、棲息地適宜度或物種的豐富度[19,20]。其中隨機(jī)森林模型(Random forest)是將bagging和隨機(jī)特征選擇結(jié)合起來(lái), 對(duì)決策樹(shù)模型添加額外的多樣性, 在樹(shù)的集成產(chǎn)生之后,該模型使用投票或取算術(shù)平均的方法來(lái)組合弱模型進(jìn)而預(yù)測(cè)結(jié)果, 因此泛化能力較強(qiáng)[21]。尤其在處理大數(shù)據(jù)時(shí), 隨機(jī)森林表現(xiàn)地十分優(yōu)異, 能夠處理非線性和交互作用等問(wèn)題, 不需要對(duì)特征進(jìn)行篩選,可較好評(píng)估變量重要性, 是當(dāng)前最好的機(jī)器學(xué)習(xí)算法之一[22], 被廣泛應(yīng)用于物種分布模型中[23,24]。Fletcher等[25]和Bae等[26]利用組合模型基于氣候和人類(lèi)活動(dòng)等變量分別評(píng)估食蚊魚(yú)(Gambusia affinis)和大口黑鱸(Micropterus salmoides)的生態(tài)入侵風(fēng)險(xiǎn)及其應(yīng)對(duì)氣候變化和人類(lèi)活動(dòng)等響應(yīng)時(shí), 均發(fā)現(xiàn)隨機(jī)森林在同類(lèi)模型中表現(xiàn)較好。

黃顙魚(yú)(Pelteobagrus fulvidraco)隸屬于鲇形目(Siluriformes)鲿科(Bagridae)黃顙魚(yú)屬(Pelteobagrus), 是東亞代表性小型經(jīng)濟(jì)魚(yú)類(lèi), 其適應(yīng)性強(qiáng), 棲息于水流緩慢、水生植物叢生的水體底層, 在珠江、閩江、長(zhǎng)江、黃河、海河及黑龍江等各大水系均有分布[27]。作為我國(guó)重要的養(yǎng)殖品種, 黃顙魚(yú)年產(chǎn)量在4 × 108kg以上, 約占我國(guó)淡水養(yǎng)殖主要魚(yú)類(lèi)產(chǎn)量的1.48%, 并呈現(xiàn)逐年增加趨勢(shì)[28]。因此, 全球氣候變化對(duì)黃顙魚(yú)產(chǎn)生的潛在影響可能不利于我國(guó)相關(guān)產(chǎn)業(yè)的發(fā)展。然而當(dāng)前對(duì)黃顙魚(yú)的研究主要集中在基礎(chǔ)生物學(xué)、生理學(xué)和毒理學(xué)等方面[29—31], 關(guān)于其應(yīng)對(duì)全球氣候變化響應(yīng)的研究較為匱乏。

因此, 本文采用隨機(jī)森林模型研究經(jīng)濟(jì)魚(yú)類(lèi)黃顙魚(yú)應(yīng)對(duì)全球氣候變化的響應(yīng), 預(yù)測(cè)黃顙魚(yú)在當(dāng)前、2050s和2070s的潛在分布范圍并評(píng)估影響其分布的環(huán)境因子, 以期為黃顙魚(yú)的種質(zhì)資源保護(hù)區(qū)的劃分、標(biāo)本采集、資源保護(hù)和漁業(yè)管理等提供基礎(chǔ)資料, 同時(shí)也為東亞地區(qū)其他淡水經(jīng)濟(jì)魚(yú)類(lèi)的管理提供借鑒。

1 材料與方法

1.1 物種分布點(diǎn)數(shù)據(jù)收集與整理

黃顙魚(yú)分布點(diǎn)數(shù)據(jù)來(lái)源: (1)本實(shí)驗(yàn)室2012—2018年野外調(diào)查的采樣記錄; (2)1999—2018年近20年公開(kāi)發(fā)表的關(guān)于魚(yú)類(lèi)區(qū)系的學(xué)術(shù)論文, 其來(lái)源為中國(guó)知網(wǎng)(http://www.cnki.net/)及Web of Science (http://apps.webofknowledge.com/);(3)1999—2016年FishBase數(shù)據(jù)庫(kù)(http://www.fishbase.org/search.php); (4)1999—2007年GBIF數(shù)據(jù)庫(kù)中的記錄(Global Biodiversity Information Facility,https://www.gbif.org/); (5)參考中國(guó)動(dòng)物主題數(shù)據(jù)庫(kù)(http://www.zoology.csdb.cn/page/index.vpage)。經(jīng)過(guò)篩選, 剔除重復(fù)分布數(shù)據(jù)、未錄入時(shí)間的數(shù)據(jù)以及為降低空間自相關(guān)性剔除分布點(diǎn)相距小于4.5 km(本研究采用2.5弧分氣候數(shù)據(jù)圖層)區(qū)域的數(shù)據(jù), 在Google Earth上確認(rèn)分布點(diǎn)經(jīng)緯度信息, 最終收集1999—2018年有效分布數(shù)據(jù)230條, 數(shù)據(jù)集以經(jīng)緯度形式保存為CSV(逗號(hào)分隔)文件。

1.2 環(huán)境數(shù)據(jù)

當(dāng)前氣候數(shù)據(jù)本研究采用的氣候數(shù)據(jù)圖層是基于世界各地氣象站的記錄數(shù)據(jù), 經(jīng)過(guò)空間插值生成的全球氣候柵格數(shù)據(jù), 其來(lái)源于世界氣候數(shù)據(jù)庫(kù)(WorldClim version 1.4, http://www.worldclim.org/), 共包含19個(gè)生物氣候變量(表 1)。該氣候數(shù)據(jù)圖層空間分辨率高達(dá)2.5弧分(每個(gè)柵格單元約為4.5 × 4.5 km2)。

表1 生物氣候?qū)W變量Tab. 1 Bioclimatic variables

未來(lái)氣候模型及溫室氣體排放情景選擇由于不同氣候變化模型(General Circulation Models,GCMs)預(yù)測(cè)結(jié)果差異較大, 預(yù)測(cè)物種在未來(lái)氣候變化下的分布結(jié)果具有差別[32]。為降低單個(gè)氣候變化模型產(chǎn)生的不確定性, 本研究選取3種能夠較好模擬東亞氣候態(tài)氣溫空間分布的氣候變化模型(BCC-CSM1-1, BC; CCSM4, CC和MRI-CGCM3,MG)[33,34]與2種新一代典型濃度路徑(Representative Concentration Pathways, RCPs: RCP2.6和RCP8.5)綜合模擬, 預(yù)測(cè)黃顙魚(yú)未來(lái)分布情況。新一代典型濃度路徑由最近的聯(lián)合國(guó)政府間氣候變化專(zhuān)門(mén)委員會(huì)(Intergovernmental Panel on Climate Change,IPCC)第五次評(píng)估報(bào)告所采用[35]。典型濃度路徑指的是用單位面積的輻射強(qiáng)迫強(qiáng)度來(lái)表示未來(lái)100年內(nèi)穩(wěn)定的新情景, 根據(jù)單位面積的輻射強(qiáng)迫由低到高分別劃分RCP2.6、RCP4.5、RCP6.0和RCP8.5四個(gè)溫室氣體排放情景[35,36](圖 1)。其中RCP2.6 (輻射強(qiáng)迫穩(wěn)定在2.6 W/m2, 全球平均溫度上升限制在2℃之內(nèi))、RCP4.5 (輻射強(qiáng)迫穩(wěn)定在4.5 W/m2)、RCP6.0 (輻射強(qiáng)迫穩(wěn)定在6.0 W/m2)和RCP8.5 (輻射強(qiáng)迫穩(wěn)定在8.0 W/m2)分別是低濃度溫室氣體排放模式、中等偏低濃度溫室氣體排放模式、中等偏高濃度溫室氣體排放模式和高濃度溫室氣體排放模式[37]。

1.3 物種分布模型

本文利用隨機(jī)森林生態(tài)位模型對(duì)黃顙魚(yú)潛在棲息地進(jìn)行建模預(yù)測(cè), 將黃顙魚(yú)分布數(shù)據(jù)和環(huán)境數(shù)據(jù)導(dǎo)入隨機(jī)森林模型中。隨機(jī)選擇75%的樣本作為訓(xùn)練數(shù)據(jù)集, 剩余25%的樣本用作測(cè)試數(shù)據(jù)集。本研究采用受試者工作特征曲線(Receive Operating Characteristic curve, ROC)下方的面積(Area Under the Curve, AUC)分析模型預(yù)測(cè)的泛化能力。AUC的數(shù)值分布范圍為0.5—1.0, 其大小與模型預(yù)測(cè)精度呈正相關(guān), 值越大, 表示預(yù)測(cè)結(jié)果越精確。其中0.5—0.6代表模型預(yù)測(cè)失敗; 0.6—0.7代表模型預(yù)測(cè)效果很差; 0.7—0.8代表模型預(yù)測(cè)效果一般; 0.8—0.9代表模型預(yù)測(cè)效果良好; 0.9—1.0代表模型預(yù)測(cè)效果優(yōu)秀[38]。此外, 利用結(jié)點(diǎn)純度(Node purity)評(píng)判Bio1—Bio19各個(gè)變量對(duì)模型預(yù)測(cè)的重要性。

1.4 黃顙魚(yú)適生區(qū)劃分

物種分布圖層中每個(gè)柵格的值代表物種在該區(qū)域出現(xiàn)的概率, 值域?yàn)?—1。然而當(dāng)前并沒(méi)有劃分物種適生區(qū)等級(jí)的統(tǒng)一標(biāo)準(zhǔn)[39], 我們采用Aranda等[40]和Yu等[41]的處理方法, 設(shè)定固定值0.8來(lái)評(píng)估氣候變化對(duì)黃顙魚(yú)分布的影響。最終將黃顙魚(yú)適生區(qū)劃分為5個(gè)等級(jí): 0—0.2為非適生區(qū),0.2—0.4為低適生區(qū), 0.4—0.6為一般適生區(qū),0.6—0.8為中適生區(qū), 0.8—1.0為高適生區(qū)。

圖1 四種溫室氣體排放情景Fig. 1 Four greenhouse gas emission scenarios

1.5 相關(guān)軟件

本文利用R 3.4.4 (R Core Development Team, 2018)和相應(yīng)的安裝包(ggplot2, maptools, maps, mapdata,randomForest and so on)構(gòu)建隨機(jī)森林模型、提取東亞地圖數(shù)據(jù)以及繪制物種分布圖; 二氧化碳排放數(shù)據(jù)的分析在Microsoft Excel 2016軟件中完成。

2 結(jié)果

2.1 適生區(qū)預(yù)測(cè)結(jié)果的檢測(cè)

隨機(jī)森林模型預(yù)測(cè)黃顙魚(yú)分布結(jié)果的AUC值高達(dá)0.971, 表明模型泛化能力較強(qiáng), 預(yù)測(cè)效果較好。

2.2 環(huán)境因子的重要性指數(shù)

結(jié)點(diǎn)純度分析環(huán)境變量對(duì)模型預(yù)測(cè)的重要性(表 2), 結(jié)果表明平均溫度日較差(Bio2 = 11.72)、最暖季度降水量(Bio18 = 11.46)、最暖季度平均溫度(Bio10 = 6.58)、最暖月最高溫度(Bio5 = 5.28)、等溫性(Bio3 = 4.96)及最濕季度平均溫度(Bio8 =4.59)等變量在隨機(jī)森林模型中預(yù)測(cè)黃顙魚(yú)的潛在分布具有重要意義。其中平均溫度日較差是預(yù)測(cè)黃顙魚(yú)分布最重要的環(huán)境因子, 其次是最暖季度降水量。

2.3 預(yù)測(cè)黃顙魚(yú)當(dāng)前的潛在分布

隨機(jī)森林模型預(yù)測(cè)結(jié)果表明(圖 2), 在當(dāng)前氣候條件下, 黃顙魚(yú)高適生區(qū)主要分布在我國(guó)的東部、中部、東北部分地區(qū)及四川盆地, 在日本少部分地區(qū)也存在潛在的高適生區(qū)。朝鮮、韓國(guó)、菲律賓、越南和老撾等地區(qū)高適生區(qū)面積較少, 存在一定面積的中適生區(qū)。我國(guó)青藏高原等西南部地區(qū)及內(nèi)蒙古高原等北部地區(qū)為黃顙魚(yú)的低適生區(qū)或非適生區(qū)。

表2 環(huán)境變量對(duì)預(yù)測(cè)的重要性Tab. 2 Importance of the bioclimatic variables to prediction

2.4 黃顙魚(yú)在未來(lái)氣候下的潛在分布

本次研究基于隨機(jī)森林模型, 分別預(yù)測(cè)了在3種氣候模型和2種溫室氣體排放情景下的黃顙魚(yú)2050s (2041—2060)及2070s (2061—2080)兩個(gè)時(shí)間段的潛在分布區(qū)。預(yù)測(cè)結(jié)果均顯示, 在未來(lái)氣候變化下黃顙魚(yú)的分布將發(fā)生明顯改變(圖 3—5), 其適生區(qū)逐步北移、面積逐漸減少。黃顙魚(yú)未來(lái)的高適生區(qū)主要北移至我國(guó)東北及俄羅斯部分地區(qū), 減少的區(qū)域大多集中在我國(guó)東部秦嶺——淮河一線以北地區(qū), 該區(qū)域由當(dāng)前的高適生區(qū)逐漸轉(zhuǎn)為一般適生區(qū)或中適生區(qū)。而在我國(guó)的中部地區(qū), 黃顙魚(yú)高適生區(qū)面積略有波動(dòng)并呈現(xiàn)整體下降趨勢(shì)。

圖2 隨機(jī)森林模型預(yù)測(cè)黃顙魚(yú)在當(dāng)前氣候下的潛在分布(不同顏色表示黃顙魚(yú)出現(xiàn)的概率)Fig. 2 The predicted distribution of P. fulvidraco by random forest under current climatic conditions (different colours denote the occurrence probability of P. fulvidraco)

在不同氣候模型及不同溫室氣體排放情景下,黃顙魚(yú)高適生區(qū)減少的面積有所差異(表 3)。溫室氣體排放越嚴(yán)重, 黃顙魚(yú)高適生區(qū)面積的減少幅度越大。在BCC-CSM1-1氣候模型下, 黃顙魚(yú)受到的影響最大, 其高適生區(qū)面積減少程度最大, 而在MRI-CGCM3氣候模型下, 黃顙魚(yú)高適生區(qū)面積減少的程度最小。縱觀時(shí)間尺度, 黃顙魚(yú)的高適生區(qū)面積減少量隨著時(shí)間的推移逐漸增加。然而, 在CCSM4氣候模型和RCP2.6溫室氣體排放情境下,黃顙魚(yú)2050s的高適生區(qū)面積減少量和2070s減少量基本持平。

3 討論

本文利用物種分布數(shù)據(jù)和環(huán)境數(shù)據(jù), 基于隨機(jī)森林模型預(yù)測(cè)了黃顙魚(yú)應(yīng)對(duì)全球氣候變化的響應(yīng)。同時(shí), 為降低單個(gè)氣候模型及溫室氣體排放情景造成模型預(yù)測(cè)結(jié)果的不確定性, 本研究選擇三種能夠較好模擬東亞氣候的模型, 并根據(jù)歐盟提出的2℃升溫閾值[42]選擇RCP2.6和假設(shè)到21世紀(jì)末全球長(zhǎng)時(shí)間處于高能源需求、高溫室氣體排放的背景[43]選擇RCP8.5兩種溫室氣體排放情景。最終模型的AUC值高達(dá)0.971, 預(yù)測(cè)結(jié)果可靠?；诒狙芯康姆治鼋Y(jié)果可以發(fā)現(xiàn)黃顙魚(yú)當(dāng)前最適宜的棲息地分布在北緯20°—50°的我國(guó)東部和中部等地區(qū)。在未來(lái)氣候條件下, 我國(guó)東部秦嶺——淮河一線以北地區(qū)黃顙魚(yú)高適生區(qū)面積大幅減少, 說(shuō)明該區(qū)域的黃顙魚(yú)容易受到氣候變化的干擾。黃顙魚(yú)未來(lái)的棲息地中心逐漸脫離了現(xiàn)在的東部和中部等地, 并具有向北擴(kuò)散的趨勢(shì), 最遠(yuǎn)將遷至北緯55°。因此,在全球氣候逐漸變暖的趨勢(shì)下, 黃顙魚(yú)可能會(huì)在北方建立種群。當(dāng)然, 有意無(wú)意地?cái)y帶魚(yú)苗的人為因素以及水系流向和地理氣候等環(huán)境因素產(chǎn)生的自然擴(kuò)散[44], 也會(huì)給黃顙魚(yú)在北方的逐漸擴(kuò)散提供一定的條件。此外, 本文發(fā)現(xiàn)黃顙魚(yú)未來(lái)分布向北擴(kuò)散趨勢(shì)的現(xiàn)象, 與多數(shù)學(xué)者研究全球氣候變暖背景下物種分布北移的觀點(diǎn)一致[45,46]。

圖3 在BC氣候模型及2種溫室氣體排放情景(RCP2.6和RCP8.5)下, 用隨機(jī)森林模型預(yù)測(cè)黃顙魚(yú)2050s和2070s的適生區(qū)(不同顏色表示黃顙魚(yú)出現(xiàn)的概率)Fig. 3 The predicted distribution of P. fulvidraco by random forest under the GCM (BC) and two RCPs (RCP2.6 and RCP8.5) for 2050s and 2070s (different colours denote the occurrence probability of P. fulvidraco)

圖4 在CC氣候模型及2種溫室氣體排放情景(RCP2.6和RCP8.5)下, 用隨機(jī)森林模型預(yù)測(cè)黃顙魚(yú)2050s和2070s的適生區(qū)(不同顏色表示黃顙魚(yú)出現(xiàn)的概率)Fig. 4 The predicted distribution of P. fulvidraco by random forest under the GCM (CC) and two RCPs (RCP2.6 and RCP8.5) for 2050s and 2070s (different colours denote the occurrence probability of P. fulvidraco)

圖5 在MG氣候模型及2種溫室氣體排放情景(RCP2.6和RCP8.5)下, 用隨機(jī)森林模型預(yù)測(cè)黃顙魚(yú)2050s和2070s的適生區(qū)(不同顏色表示黃顙魚(yú)出現(xiàn)的概率)Fig. 5 The predicted distribution of P. fulvidraco by random forest under the GCM (MG) and two RCPs (RCP2.6 and RCP8.5) for 2050s and 2070s (different colours denote the occurrence probability of P. fulvidraco)

表3 在3種氣候模型(BC, CC和MG)及2種溫室氣體排放情景(RCP2.6和RCP8.5)下, 預(yù)測(cè)黃顙魚(yú)在2050s和2070s高適生區(qū)面積減少的百分比Tab. 3 The predicted percentage of the most suitable habitat contraction of P. fulvidraco under the three GCMs (BC, CC, and MG) and two RCPs (RCP2.6 and RCP8.5), for two time slices(2050s and 2070s)

結(jié)點(diǎn)純度分析發(fā)現(xiàn)影響黃顙魚(yú)在未來(lái)氣候下潛在分布的主要的6個(gè)環(huán)境變量中, 除最暖季度降水量外, 其余變量均屬于與溫度相關(guān)的環(huán)境因子,即平均溫度日較差、最暖季度平均溫度、最暖月最高溫度、等溫性和最濕季度平均溫度。溫度是限制魚(yú)類(lèi)分布的重要環(huán)境因子, 同時(shí)對(duì)于魚(yú)類(lèi)的生長(zhǎng)、攝食和繁殖等至關(guān)重要[47]。黃顙魚(yú)在0℃以下或39℃以上減少或停止攝食, 死亡率增加, 而超出28℃其生長(zhǎng)、繁殖和胚胎發(fā)育等也會(huì)受到威脅[48,49]。因此, 溫度與黃顙魚(yú)的生命活動(dòng)和生長(zhǎng)發(fā)育密切相關(guān), 其中平均溫度日較差在大尺度上可能是影響該物種分布最重要的環(huán)境因子, 對(duì)其生長(zhǎng)起著或促進(jìn)或抑制作用。水溫主要取決于大氣溫度, 而大氣溫度和水汽含量及降水存在密切聯(lián)系[50]。在更大尺度上, 與降水相關(guān)的環(huán)境因子可能對(duì)于魚(yú)類(lèi)的影響更大[51]。本研究結(jié)果揭示了黃顙魚(yú)對(duì)最暖季度降水量較為敏感, 因而降水量對(duì)黃顙魚(yú)的分布可能起不可替代的作用。

在3種氣候模型及2種高低濃度溫室氣體排放情景下, 預(yù)測(cè)模型結(jié)果均表明未來(lái)氣候變化會(huì)引起黃顙魚(yú)適生區(qū)面積的減少, 并且隨著溫室氣體排放強(qiáng)度的增加和時(shí)間的推移, 這種情況會(huì)進(jìn)一步加重。因此, 相關(guān)部門(mén)應(yīng)該提前制定優(yōu)先保護(hù)政策。與此同時(shí), 在未來(lái)氣候變化下, 黃顙魚(yú)適生區(qū)逐步擴(kuò)散至其他地區(qū)并有北移趨勢(shì), 應(yīng)該注意防范黃顙魚(yú)未來(lái)分布區(qū)的擴(kuò)張而給當(dāng)?shù)乜赡茉斐傻纳鷳B(tài)入侵問(wèn)題。即可能會(huì)導(dǎo)致部分原生物種瀕危或滅絕,進(jìn)而引發(fā)原生態(tài)系統(tǒng)食物鏈發(fā)生變化[52,53]。因此,全球氣候變化對(duì)黃顙魚(yú)產(chǎn)生的潛在影響應(yīng)該引起我們足夠重視。

本研究基于隨機(jī)森林模型和相關(guān)的環(huán)境變量對(duì)黃顙魚(yú)未來(lái)的潛在分布區(qū)進(jìn)行預(yù)測(cè), 旨在為黃顙魚(yú)的資源保護(hù)和漁業(yè)管理等提供科學(xué)依據(jù)。但由于每種生物在環(huán)境中生存的關(guān)系是錯(cuò)綜復(fù)雜的, 影響黃顙魚(yú)適生區(qū)的因素較多, 僅選擇氣候數(shù)據(jù)作為環(huán)境變量, 存在一定局限性。在今后的研究中需要進(jìn)一步考慮黃顙魚(yú)在生長(zhǎng)、繁殖、攝食和種間競(jìng)爭(zhēng)等生物因素, 水環(huán)境(pH和葉綠素等)和極端氣候等非生物因素, 以及土地利用和水工建筑等人為因素, 預(yù)測(cè)的效果可能會(huì)更好。此外, 本研究?jī)H在物種已知的原有分布范圍的基礎(chǔ)上進(jìn)行相關(guān)預(yù)測(cè)與評(píng)估, 而并未在全球范圍內(nèi)對(duì)黃顙魚(yú)的潛在適生區(qū)進(jìn)行預(yù)測(cè),在未來(lái)的研究中, 我們也將盡可能采集更多的物種分布信息以及根據(jù)相關(guān)需求拓展預(yù)測(cè)范圍。