吳志華，詹妮，尚秀華，劉果

我國(guó)黃槿氣候特征及適生區(qū)分析

吳志華，詹妮，尚秀華，劉果

(國(guó)家林業(yè)和草原局桉樹研究開發(fā)中心，廣東 湛江 524022)

以黃槿在國(guó)內(nèi)的天然地理分布數(shù)據(jù)為基礎(chǔ)，用Diva-gis獲得黃槿地理分布區(qū)氣候因子數(shù)據(jù)并進(jìn)行分析。結(jié)果表明：黃槿天然分布在74.76 m低海拔區(qū)域，分布區(qū)最低氣溫為1月，極端最低溫平均為12.13℃，而最高溫度為7月，月極端最高溫平均為31.86℃；集中分布在年平均溫度為19.8~ 24.9℃區(qū)域，該區(qū)域月均降水量為36.05 ~ 279.94 mm。以Bioclim和Maxent兩種模型對(duì)黃槿在我國(guó)的適生區(qū)進(jìn)行預(yù)測(cè)，所預(yù)測(cè)的地理分布結(jié)果與實(shí)際分布區(qū)域的相符度較高?黃槿在我國(guó)天然分布于廣東、廣西、海南和福建和臺(tái)灣。兩種模型預(yù)測(cè)的黃槿適生區(qū)域差異不顯著。應(yīng)用Maxent刀切法評(píng)估發(fā)現(xiàn)，平均日較差bio2是影響黃槿分布的關(guān)鍵環(huán)境變量，其次是年平均氣溫bio1。

黃槿；氣候特征；Bioclim模型; Maxent模型；適生分布

黃槿()，別名黃木槿、海麻、海麻桐、木麻、公背樹等，為錦葵科(Malvaceae)木槿屬()常綠喬木或灌木，是一種生長(zhǎng)于海岸潮間帶和陸地的半紅樹植物[1]，適宜在低鹽度的河口內(nèi)緣的岸邊或堤上生長(zhǎng)。黃槿分布于越南、柬埔寨、老撾、緬甸、印度、印度尼西亞、馬來西亞、菲律賓等熱帶國(guó)家的沿海地區(qū)和我國(guó)廣東、福建等濱海地區(qū)[2]。黃槿喜光，喜溫暖濕潤(rùn)氣候，速生且適應(yīng)性強(qiáng)，略耐陰、耐寒、耐水濕、耐干旱和耐瘠薄[3]；樹冠濃密，遮陰效果良好；花期全年，以夏季最盛[4]，可做行道樹及遮蔭樹[1]；耐鹽性強(qiáng)[5]，抗風(fēng)抗沙，可用于沿海防護(hù)林建設(shè)和工礦區(qū)植被恢復(fù)[3]。木質(zhì)堅(jiān)硬，可用于制作家具、建筑、造船[4]；其葉、樹皮和花具有清熱解毒、散瘀和消腫的功效[6-7]，因此黃槿具有生態(tài)、藥用和觀賞價(jià)值[1]。

近年來國(guó)內(nèi)外對(duì)黃槿研究有木材結(jié)構(gòu)特征的分析[8]、葉片性狀特征比較[9]、扦插育苗[10]、培育技術(shù)[11]，也有氣體交換特性[12]、耐鹽生理[13]以及生態(tài)學(xué)[14-15]等，但主要集中在黃槿的藥用成分和價(jià)值方面[16-22]。有關(guān)黃槿生態(tài)及生物學(xué)特性的研究較少，如張偉偉等[1]研究了黃槿光合特性，結(jié)果表明黃槿具有較高的光合潛能。本文對(duì)黃槿的生態(tài)及生物學(xué)特性進(jìn)行研究，對(duì)其在我國(guó)的適生區(qū)進(jìn)行分析，以期為黃槿引種、栽培及開發(fā)利用提供理論依據(jù)?

1 材料與方法

1.1 黃槿樣本分布數(shù)據(jù)

黃槿的分布信息主要來源于國(guó)家標(biāo)本數(shù)據(jù)庫(kù)的相關(guān)論文文獻(xiàn)。通過查詢?nèi)蛏锒鄻有孕畔⒕W(wǎng)GBIF(https://www.gbif.org/)、國(guó)家標(biāo)本資源共享平臺(tái)NSII(http://www.nsii.org.cn)和中國(guó)知網(wǎng)，結(jié)合現(xiàn)場(chǎng)踏查、文獻(xiàn)資料記載，排除重復(fù)樣本、無(wú)照片、錯(cuò)誤鑒定、文獻(xiàn)來源模糊或地理信息模糊不清的標(biāo)本分布點(diǎn)，獲得黃槿461個(gè)分布點(diǎn)，其地理位置信息落實(shí)到縣級(jí)以下的行政單位。利用GoogleEarth和百度地圖提取分布點(diǎn)的經(jīng)緯度，至少精確到0.1以上。

1.2 環(huán)境數(shù)據(jù)獲取

氣候數(shù)據(jù)均來源于世界氣候數(shù)據(jù)庫(kù)(http://www.worldclim.org/)，為Worldclim，Version1.3，提供(1950－2000)氣候數(shù)據(jù)，空間分辨率為2.5'。Diva-gis(Version7.5)軟件，對(duì)分布點(diǎn)氣候數(shù)據(jù)的19個(gè)生物氣候因子進(jìn)行提取。生物氣候因子bio1 ~ bio19分別如下：bio1–年平均氣溫，bio2–平均日較差，bio3–等溫性 (bio2/bio7) (×100)，bio4–溫度季節(jié)性變化標(biāo)準(zhǔn)差，bio5–最暖月最高溫度，bio6–最冷月最低溫度，bio7–年均溫變化范圍 (bio5-bio6)，bio8–最濕季度平均溫度，bio9–最干季度平均溫度，bio10–最暖季度平均溫度，bio11–最冷季度平均溫度，bio12–年降水量，bio13–最濕月降水量，bio14–最干月降水量，bio15–降水量變異系數(shù)，bio16–最濕季度降水量，bio17–最干季度降水量，bio18–最暖季度降水量，bio19–最冷季度降水量。

1.3 地理分布圖繪制

中國(guó)行政區(qū)劃矢量地圖來源于國(guó)家基礎(chǔ)地理信息中心(http://nfgis.nsdi.gov.cn/)，比例尺為1∶400萬(wàn)。用Diva-gis軟件在中國(guó)行政區(qū)劃shp圖導(dǎo)入黃槿地理分布數(shù)據(jù)，繪制實(shí)際地理分布圖。

1.4 氣候特征及影響因子分析

在Diva-gis軟件中提取黃槿實(shí)際天然分布點(diǎn)的氣候數(shù)據(jù)，獲得19個(gè)氣候指標(biāo)(bio1 ~ bio19)。分別以Bioclim、Maxent模型預(yù)測(cè)黃槿的適生分布區(qū)。采用Arcgis(10.2)的Arcmap繪制適生區(qū)分布圖。

1.5 分布模型精度檢驗(yàn)

將黃槿地理分布數(shù)據(jù)和提取的特定空間分布區(qū)域內(nèi)的環(huán)境因子變量數(shù)據(jù)導(dǎo)入Maxent模型(3.3.3 k)中。隨機(jī)選取所有數(shù)據(jù)的75%作為訓(xùn)練集，將余下的25%數(shù)據(jù)作為和測(cè)試集，以驗(yàn)證模型[24]。構(gòu)建黃槿地理分布與氣候關(guān)系Maxent模型，采用工作特征曲線ROC(receiver operating characteristic curve)分析法檢驗(yàn)?zāi)Ｐ途龋琑OC曲線基于非閾值依賴評(píng)判模型精度。AUC值是ROC 曲線與橫坐標(biāo)圍成的面積值(the area under the ROC curve)，取值范圍0 ~ 1，AUC值越接近1，區(qū)域環(huán)境變量與物種的區(qū)域分布的相關(guān)性越強(qiáng)，模型預(yù)測(cè)效果越好[25]。

在Arcgis中加載Maxent的運(yùn)算結(jié)果，進(jìn)行適生等級(jí)劃分和可視化。應(yīng)用Maxent預(yù)測(cè)時(shí)，選擇刀切法，評(píng)估每個(gè)環(huán)境因子在10次重復(fù)預(yù)測(cè)中的重要性，并產(chǎn)生了環(huán)境因子對(duì)預(yù)測(cè)作用的響應(yīng)曲線．設(shè)置10次重復(fù)，并生成10個(gè)預(yù)測(cè)隨機(jī)模型，在此基礎(chǔ)上，選擇其平均值進(jìn)行分布預(yù)測(cè)分析。

2 結(jié)果與分析

2.1 地理分布概況

由圖1可知，黃槿自然居群主要分布于我國(guó)廣東、廣西、海南、福建、臺(tái)灣和云南。根據(jù)已有文獻(xiàn)[26]，其天然分布范圍最北至湖南湘西。

2.2 氣候特征分析

利用Diva-gis軟件提取黃槿不同分布地點(diǎn)的海拔(alt，altitude)、1－12月的最低溫(Tmin，Minimum temperature)、最高溫度(Tmax，maximum temperature)和降水量(Prec，Precipitation)數(shù)據(jù)并進(jìn)行氣候特征分析。由表1可知，黃槿分布區(qū)海拔為0 ~ 664 m，變異系數(shù)為151.0%，平均分布在74.76 m的低海拔沿海地區(qū)；分布區(qū)最低氣溫為1月，月極端最低溫為-8.0℃；最高溫度為7月，月極端最高溫平均為31.86℃；月均降水量為36.05 ~ 279.94 mm，最低為1月(36.05 mm)，最高月為8月(為682 mm)。一般而言，正態(tài)分布的峰度(系數(shù))為常數(shù)3，均勻分布的峰度(系數(shù))為常數(shù)1.8。從海拔以及各個(gè)氣象指標(biāo)看，各個(gè)分布點(diǎn)的1－12月各指標(biāo)數(shù)據(jù)偏度和峰度差異較大，表明分布點(diǎn)氣象指標(biāo)在不同月份分布不均勻，不符合正態(tài)分布。

黃槿喜熱不喜寒，多分布在年平均溫度(bio1)為10.9 ~ 25.8℃區(qū)域。由圖2可知，黃槿集中分布在19.8 ~ 24.9℃區(qū)域，因此低溫是限制其分布的重要因子。

圖1 黃槿在我國(guó)南方各省的分布點(diǎn)圖

圖2 黃槿分布點(diǎn)的年平均氣溫bio1分布頻率

表1 分布點(diǎn)海拔與不同月份的氣候情況

2.3 黃槿的地理分布預(yù)測(cè)

根據(jù)模型的AUC評(píng)估標(biāo)準(zhǔn):極好(0.90 ~ 1.00)，好(0.80 ~ 0.90)，一般(0.70 ~ 0.80)，差(0.60 ~ 0.70)；失敗(0.50 ~ 0.60)，因此AUC越接近于1，效果越好。Maxent模型的AUC值達(dá)0.987，準(zhǔn)偏差為0.008(圖3)。模型對(duì)黃槿的預(yù)測(cè)結(jié)果均達(dá)到優(yōu)良等級(jí)，顯著大于隨機(jī)分布模型值(0.5)，可滿足其適生區(qū)分布預(yù)測(cè)的需求。按適宜指數(shù)將黃槿適生區(qū)的劃分為不適合區(qū)、邊緣區(qū)、一般適合區(qū)、高適合、最適合五類(表2)。

表2 黃槿適生區(qū)的劃分標(biāo)準(zhǔn)

圖3 Maxent模型適用性檢驗(yàn)的ROC曲線

由表3可知，廣東的最適生區(qū)面積最大，采用Maxent方法預(yù)測(cè)面積為6 146 km2，Bioclim預(yù)測(cè)為9 705 km2，其次為海南，第三是廣西。高適生區(qū)也以廣東最大，其次為廣西，第三是海南。黃槿在臺(tái)灣的最適生區(qū)和高適生區(qū)均高于同緯度區(qū)域的福建，且總的適生區(qū)面積大于福建。黃槿在其他區(qū)域僅零星分布，不但分布個(gè)體數(shù)量少，且可適生區(qū)域不多，如湖南、四川、江西等地均為邊緣區(qū)。

分別對(duì)兩種預(yù)測(cè)方法所得不同適生的主要省區(qū)(廣東、廣西、海南、福建和臺(tái)灣)，進(jìn)行建模分析比較。由表4可知，兩種方法在主要區(qū)域所預(yù)測(cè)的結(jié)果差異不顯著，特別是高適生區(qū)和一般適應(yīng)區(qū)差異不大，但在最適合區(qū)和邊緣區(qū)預(yù)測(cè)結(jié)果差異較大。

表3 兩種黃槿適生區(qū)預(yù)測(cè)方法比較分析

表4 黃槿在我國(guó)南方主要省區(qū)的適生區(qū)面積

黃槿實(shí)際分布區(qū)與模擬的主要適生分布區(qū)較一致，適生區(qū)主要分布在我國(guó)廣東、廣西、海南、福建和臺(tái)灣，而最適生區(qū)、高適生區(qū)主要分布在海南、廣東以及廣西南部和東部區(qū)域(圖4)。

圖4 基于Bioclim模型(上)和Maxent模型(下)預(yù)測(cè)的黃槿在我國(guó)南方省區(qū)的適生區(qū)

2.4 基于Maxent模型的因子影響分析

用刀切法評(píng)估每個(gè)環(huán)境因子在10次重復(fù)預(yù)測(cè)中的重要性。由表5可知，對(duì)模型預(yù)測(cè)貢獻(xiàn)率較高的變量是平均日較差bio2(42.9%)、最冷月最低溫度bio6(12.1%)、年溫度變化范圍bio7(9.4%)、最干月降水量bio14(6.4%)、bio9 最干季度平均溫度(5.8%)和bio1年平均氣溫(5.0%)6個(gè)因子。

表5 主要的環(huán)境變量對(duì)預(yù)測(cè)的貢獻(xiàn)率

圖5 Maxent模型刀割法測(cè)定的各變量權(quán)重

刀切法檢驗(yàn)可獲得反映不同環(huán)境變量對(duì)于分布增益貢獻(xiàn)大小的因子。依據(jù)模型“唯此變量”、“除此變量”以及“全變量”模擬時(shí)的訓(xùn)練得分進(jìn)行判定標(biāo)準(zhǔn)為：“唯此變量”時(shí)得分較高, 說明該因子重要, 對(duì)物種分布貢獻(xiàn)較大。圖5的結(jié)果顯示，唯此變量增益最高的環(huán)境變量是平均日較差bio2，其訓(xùn)練增益超過2.3，因此bio2是影響黃槿分布的關(guān)鍵環(huán)境變量，其次是年平均氣溫bio1 也是較為重要的環(huán)境變量。另外訓(xùn)練增益排名的3個(gè)種主導(dǎo)變量的依據(jù)大小排序?yàn)椋鹤钆酒骄鶜鉁豣io10>年均溫變化范圍bio7>最冷季度平均溫度bio11。

3 結(jié)論與討論

植物的地理分布主要取決于氣候條件，包括熱量和水分以及耦合程度狀況[27]。在空間地理大尺度上，開展植物地理分布研究，可反映其固有特征及其對(duì)水熱條件的需求。物種分布模型是將某物種在已知區(qū)域的發(fā)生率或豐度數(shù)據(jù)(分布數(shù)據(jù))與這些位置的環(huán)境特征信息進(jìn)行關(guān)聯(lián)分析[28]。目前用于物種分布區(qū)的預(yù)測(cè)模型有生物氣候分析系統(tǒng)Bioclim、生態(tài)位因子分析模型ENFA、最大熵模型Maxent等[29-30]。最大熵模型Maxent是基于最大熵方法來物種生態(tài)位建模和分布分析，是以生態(tài)位理論為基礎(chǔ)的新興研究領(lǐng)域[29]。當(dāng)前在諸多預(yù)測(cè)模型中，Maxent 是最有效的，特別是在物種分布數(shù)據(jù)較少的情況下，仍能得到較為滿意的結(jié)果[31]。

本文結(jié)果表明，黃槿分布在海拔平均為74.76 m的沿海地區(qū)，集中分布在19.8 ~ 24.9℃區(qū)域，低溫是限制其分布的重要因子。

用Maxent模型所得的AUC值為0.987，結(jié)果達(dá)到優(yōu)秀水平。預(yù)測(cè)的地理分布結(jié)果與實(shí)際分布區(qū)域的相符度較高?黃槿在我國(guó)主要天然分布于廣東、廣西、海南、福建和臺(tái)灣。黃槿最適生區(qū)和高適生區(qū)面積最大的是廣東，其次為海南，第三是廣西。

bio2、bio6、bio7、bio14、bio9、bio1是Maxent模型預(yù)測(cè)貢獻(xiàn)率較高的變量，其中平均日較差bio2是影響黃槿分布的關(guān)鍵環(huán)境變量，其次是年平均氣溫bio1。

本文對(duì)兩種模型預(yù)測(cè)預(yù)測(cè)的黃槿適生區(qū)分布以及與實(shí)際分布點(diǎn)進(jìn)行比較，發(fā)現(xiàn)其主要分布區(qū)無(wú)顯著差異，研究結(jié)果可靠性較高，這為降低黃槿引種栽培的風(fēng)險(xiǎn)、精準(zhǔn)推廣和科學(xué)種植提供參考。

[1] 張偉偉,劉楠,王俊,等.半紅樹植物黃槿的生態(tài)生物學(xué)特性研究[J].廣西植物,2012, 32(2):198-202.

[2] 中國(guó)科學(xué)院中國(guó)植物志編寫委員會(huì).中國(guó)植物志[M].北京:科學(xué)出版社,1984.

[3] 張方秋,潘文,周平,等.廣東生態(tài)景觀樹種栽培技術(shù)[M].北京:中國(guó)林業(yè)出版社,2012.

[4] 李麗鳳,劉文愛.廣西半紅樹植物現(xiàn)狀及園林觀賞特性[J].安徽農(nóng)學(xué)通報(bào),2017,23(20):71-73.

[5] 卞阿娜,王文卿,陳瓊.福建濱海地區(qū)耐鹽園林植物選擇與配置構(gòu)想[J].南方農(nóng)業(yè)學(xué)報(bào),2013,44(7):1154-1159.

[6] 林鵬,林益明,楊志偉,等.中國(guó)海洋紅樹林藥物的研究現(xiàn)狀、民間利用及展望[J].海洋科學(xué),2005,29(9):78-81.

[7] ABDUL-AWAL S M, NAZMIR S ,NASRIN S, et al. Evaluation of pharmacological activity of[J]. Springerplus,2016,5(1):1209.

[8] 陳家寶,盛佳樂,齊文玉,等.黃槿木材結(jié)構(gòu)特征的分析[J].西北林學(xué)院學(xué)報(bào),2020,35(1):257-260,267.

[9] 黃依依,蔡水花,譚淑娟,等.真紅樹植物和半紅樹植物葉片性狀的比較研究[J].廣西植物,2020,40(3):345-355.

[10] 阮長(zhǎng)林,馮劍,劉頓,等.海南島黃槿長(zhǎng)枝扦插育苗試驗(yàn)[J].福建林業(yè)科技,2015,42(2):118-124.

[11] 林建有.半紅樹植物黃槿培育技術(shù)探討[J].林業(yè)勘察設(shè)計(jì),2015(2):112-115.

[12] 蔡水花,李婷,周光霞,等.半紅樹植物黃槿的氣體交換特性[J].廣西植物,2016,36(4): 397-404.

[13] 劉秀,郝海坤,龐世龍,等.兩種半紅樹植物幼苗的耐鹽性研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2012,32(6):43-47.

[14] 林慧,曾思齊,王光軍,等.海南文昌清瀾港海蓮-黃槿生態(tài)系統(tǒng)碳密度及分配格局[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2015,35(11):99-103.

[15] 韋萍萍,昝欣,李瑜,等.深圳東涌紅樹林海漆群落特征分析[J].沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào),2015,46(4): 424-432.

[16] ΜATSUMOTO T, IMAHORI D, ACHIWA K, et al. Chemical structures and cytotoxic activities of the constituents isolated from[J]. Fitoterapia,2020,142:104524.

[17] 陳建福.響應(yīng)面優(yōu)化超聲輔助提取黃槿葉總黃酮工藝及其亞硝酸鹽清除能力[J].食品工業(yè)科技,2019,40(6):193-197,204.

[18] 李進(jìn)強(qiáng),盧國(guó)洪,邱建鵬,等.三種紅樹植物醇提取物抗菌及抗氧化活性研究[J].食品工業(yè)科技,2016,37(4):173-177.

[19] 丘芬,田輝,張志,原鮮玲,等.藥用紅樹植物黃槿嫩枝葉醇提物的抗炎鎮(zhèn)痛止血作用研究[J].中藥材,2013,36(10):1648-1651.

[20] 寧小清,談遠(yuǎn)鋒,原鮮玲,等.廣西海洋藥用半紅樹植物黃槿的生藥學(xué)鑒別研究[J].時(shí)珍國(guó)醫(yī)國(guó)藥,2012,23(6):1474-1475.

[21]張小坡,張俊清,裴月湖,等.黃槿化學(xué)成分的研究[J].中草藥,2012,43(3):440-443.

[22] 李曉菲,秦培文,紀(jì)麗麗,等.黃槿葉片揮發(fā)油和脂肪酸成分的GC-MS分析[J].湖北農(nóng)業(yè)科學(xué),2011,50(9):1893-1897.

[23] 田廣紅,李玫,楊雄邦,等.珠海淇澳島紅樹林引進(jìn)樹種的適應(yīng)性評(píng)價(jià)[J].福建林業(yè)科技,2012,39(1): 104-107.

[24] 王衛(wèi),楊俊杰,羅曉瑩,等.基于Maxent模型的丹霞山國(guó)家級(jí)自然保護(hù)區(qū)極小種群植物丹霞梧桐的潛在生境評(píng)價(jià)[J].林業(yè)科學(xué),2019(8): 19-27.

[25] 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.

[26] 肖佳偉,孫林,陳功錫.湘西藥用植物分布格局研究[J].湖南文理學(xué)院學(xué)報(bào)(自然科學(xué)版),2015,27(3):37-41,67.

[27] 閻傳海.植物地理學(xué)[M].北京:科學(xué)出版社, 2001.

[28] GOMEZ J J , CASSINI M H. Environmental predictors of habitat suitability and biogeographical range of Franciscana dolphins ()[J].Global Ecology & Conservation, 2015, 3(7):90-99.

[29] 喬慧捷,胡軍華,黃繼紅.生態(tài)位模型的理論基礎(chǔ)、發(fā)展方向與挑戰(zhàn)[J].中國(guó)科學(xué):生命科學(xué), 2013,43(11):915-927.

[30] 周海濤,那曉東,臧淑英,等.最大熵(Maxent)模型在物種棲息地研究中的應(yīng)用[J].環(huán)境科學(xué)與管理, 2016,41(3):149-151.

[31] BOOTH T H.Species distribution modelling tools and databases to assist managing forests under climate change[J].Forest Ecology and Management,2018, 430:196-203.

Climatic Characteristics Analysis ofand Prediction of Its Suitable Range in China

WU Zhihua, ZHAN Ni, SHANG Xiuhua, LIU Guo

()

Based on the natural location data ofin China, the climatic variables from the species’ natural geographical distribution were obtained from the WorldClim dataset using Diva-gis software. The natural distribution ofis located in low altitude areas of around 75 m above sea level, with the lowest average temperature in January of 12.1℃, the highest temperatures in July and the highest extreme temperature averaging 31.9℃, mean annual temperatures falling in the range of 19.8℃ to 24.9℃ and average monthly precipitations being in the range of 36.0 ~ 279.9 mm. Two prediction models, Bioclim and Maxent, were used to predict the suitable area ofin China. The predicted results were in good agreement with the species’ actual distribution area. The natural distribution ofin China is mainly in Guangdong, Guangxi, Hainan, Fujian and Taiwan. There was no significant difference in the main suitable area in provinces predicted from the two models. The results of Jackknife tests showed that mean diurnal range (bio 2) is the key environmental variable affecting the distribution of, followed by the annual mean temperature (bio 1).

; climate characteristics; Bioclim model; Maxent model; suitable distribution

Q949.757.3

A

10.13987/j.cnki.askj.2020.02.08

廣東省林業(yè)科技創(chuàng)新項(xiàng)目(2015KJCX022，2018KJCX018)

吳志華(1974－ )，男，在讀博士，副研究員，主要從事林木逆境生理研究，E-mail:wzhua2889@ 163.com