古麗米拉·克孜爾別克　邱琴　海拉提·克孜爾別克

摘要：利用最大熵模型（MaxEnt）預測阿勒泰金蓮花潛在適生區(qū)能夠為新疆阿勒泰金蓮花的科學規(guī)范種植提供有效的理論指導和依據。以12個實際分布數據及42個環(huán)境因子為依據，采用MaxEnt模型結合GIS（地理信息系統(tǒng)）空間分析技術預測阿勒泰金蓮花潛在適生區(qū)，用聚類分析法劃分適生區(qū)等級，使用百分比貢獻率分析其主要環(huán)境因子及生態(tài)位參數。結果表明：（1）ROC（受試者工作特征）曲線評價顯示MaxEnt模型預測阿勒泰金蓮花潛在適生區(qū)的訓練數據集和測試數據集的AUC（ROC下的面積）值分別為0.943和0.994，表明模擬效果優(yōu)秀。（2）影響阿勒泰金蓮花生長的主要環(huán)境因子百分比貢獻率是日照時數（24.63%）、4月降水量（24.29%）、年平均最高氣溫（22.89%）和11月降水量（17.91%）;阿勒泰金蓮花適宜生長在日照時數≥2868h、4月降水量≤21mm、年平均最高氣溫≤9.1℃和11月降水量≤14.8mm的環(huán)境中。（3）阿勒泰金蓮花潛在適生區(qū)總面積為46042.45km2，其中最適生區(qū)面積7536.71km2，主要分布于阿勒泰市、布爾津縣、富蘊縣和哈巴河縣的北部。阿勒泰金蓮花潛在適生區(qū)呈北高南低的空間分布格局，降水、日照和氣溫是影響其分布的主要環(huán)境因子。

關鍵詞：阿勒泰金蓮花;潛在適生區(qū);最大熵模型;環(huán)境因子;AUC值

中圖分類號：S126文獻標志碼：A

文章編號：1002-1302（2021）04-0082-05

作者簡介：古麗米拉·克孜爾別克（1969—），女，新疆昌吉人，副教授，主要從事農業(yè)信息化、計算機應用方面的研究。E-mail：942010075@qq.com。

阿勒泰金蓮花為毛莨科多年生草本植物，是一種很重要的非木質資源。阿勒泰金蓮花是壩上優(yōu)良茶品，具有較高的觀賞價值和良好的藥用價值，以其花入藥，具有清熱解毒、抗菌消炎、止血止咳、明目等功效[1]，對扁桃腺炎、中耳炎、結膜炎、目赤腫痛等癥療效顯著[2]。金蓮花資源分布廣，但由于人類過度采摘、開荒耕作及旅游業(yè)的發(fā)展使其生境不斷減少，資源蘊藏量逐年下降，加之金蓮花較高的經濟價值和藥用價值深受人們青睞，與日俱增的市場需求，導致野生金蓮花面臨資源枯竭的局面。當下關于金蓮花的研究主要集中于其化學成分、藥理作用、臨床應用等方面[3-5]。索風梅等運用不同方式對金蓮花在全國的適宜性區(qū)劃進行分析，對合理發(fā)展金蓮花引種栽培具有重要意義[6-8]。但關于新疆地區(qū)阿勒泰金蓮花潛在適生區(qū)方面的研究鮮有報道，難以有效改善新疆野生金蓮花資源匱乏的現(xiàn)狀。因此，使用科學合理的方法研究生長環(huán)境因子對阿勒泰金蓮花分布區(qū)域的影響，選擇金蓮花適宜生長地區(qū)進行引種和人工栽培，以期為阿勒泰野生金蓮花的資源開發(fā)和物種多樣性保護提供理論依據，也為阿勒泰金蓮花藥材種植落實扶貧政策提供有利保障。

數字模型在物種潛在適生區(qū)的研究中越來越被廣泛應用，選擇合適的模型不僅能夠科學準確地判斷物種實際生長環(huán)境需求，還能為保護瀕危物種的生物多樣性提供強有力的支持。目前，應用于物種潛在適生區(qū)預測的生態(tài)位模型有多種，如規(guī)則集遺傳算法模型（geneticalgorithmforrulesetprediction，簡稱GARP）、廣義線性模型（generalizedlinearmodel，簡稱GLM）、生物氣候模型（bioclimaticpredictionsystem，簡稱Bioclim）、區(qū)域環(huán)境模型（domainmodel，簡稱Domain）、CLIMEX（climatechangeexperiment）和最大熵模型（maximumentropymodel，簡稱MaxEnt）[9]。根據研究表明，MaxEnt與其他模型相比，運行更穩(wěn)定[10]、運算速度更快、預測精度更高[11]，且在物種分布點匱乏的情況下，也可以得到較好的預測結果。因此，MaxEnt模型已成為物種地理分布預測的首選模型[12]。1957年MaxEnt模型被提出，該模型通過計算一定生態(tài)位約束條件下熵值最大的概率分布，根據熵最大時的狀態(tài)參數獲取物種與環(huán)境的關系，進而估計物種的分布，具有較高的預測準確度[13]。MaxEnt模型已被應用于包括沙生檉柳[14]、白櫟[15]、胡楊[16]等多個物種的適生區(qū)研究，并取得了良好的研究成果。本研究采用多種方式獲取阿勒泰金蓮花的分布信息和環(huán)境變量數據，基于MaxEnt模型預測阿勒泰金蓮花的潛在適生區(qū)，利用ArcGIS科學地對其潛在分布進行適宜等級劃分，進而分析影響阿勒泰金蓮花的關鍵環(huán)境因子及其最佳適宜性區(qū)間，旨在為阿勒泰金蓮花的科學規(guī)范種植提供理論依據和工具支持，以期為保護阿勒泰金蓮花資源提供有益參考。

1材料與方法

1.1樣本信息

查閱《中國植物志》和中國數字植物標本館（http：//ww.cvh.org.cn./cms）資料，明確阿勒泰金蓮花的大致生長環(huán)境及分布區(qū)域，于2018、2019年6—7月實地調查，共獲得12個樣本點，并記錄各樣本點的經緯度、海拔和面積，總體反映了阿勒泰地區(qū)范圍內各種類型地形中金蓮花的分布狀況。采用Excel使分布點數據按物種名、分布點經緯度順序導出并轉換為csv格式文件，作為MaxEnt軟件阿勒泰金蓮花的實際分布輸入數據。

1.2環(huán)境變量數據獲取

本研究采用的環(huán)境數據含有42個環(huán)境因子：（1）氣候數據，主要包括與氣溫和降水相關的39個氣候因子，其中20個氣候因子數據來源于中國氣象數據網阿勒泰6個氣象站1995—2018年的逐日地面觀測數據，經統(tǒng)計整理后利用ANUSPLIN插值軟件處理后所得，包括年平均最低氣溫、年平均最高氣溫、年極端最低氣溫、年極端最高氣溫、0℃積溫、日照時數、1—12月降水量、日降水量≥0.1mm日數、平均相對濕度等。同時增加了來源于世界氣候數據庫（WorldClim，http：//www.worldeclim.org）空間分辨率為30″的19個生物氣候因子。（2）地形數據，包含高程、坡度和坡向，高程數據從地理空間數據云（http：//www.scloud.cn）獲取，并將高程數據在ArcGIS中利用空間分析工具得到坡度數據和坡向數據。利用ARCGIS軟件將所有環(huán)境變量的圖層進行重采樣操作，統(tǒng)一像元大小，使用提取工具統(tǒng)一邊界，并統(tǒng)一地理坐標系為GCS-WGS-1984，最后將各圖層轉換為asc格式文件，作為MaxEnt軟件的環(huán)境變量輸入數據。（3）阿勒泰地區(qū)數據，來源于國家基礎地理信息系統(tǒng)網站（http：//nfgis.nsdi.gov.cn/）1∶400萬中國行政區(qū)劃矢量地圖。

1.3MaxEnt模型的構建

將阿勒泰金蓮花分布點和環(huán)境變量數據導入MaxEnt3.4.1軟件（http：//www.cs.princeton.edu/～schapire/maxent），設置刀切法、響應曲線，并輸出預測結果，選取25%分布點作為測試集，剩余的75%分布點作為訓練集，以ASCII格式輸出，模型的其他參數均為默認值。通過刀切法測定各環(huán)境因子的權重，進而識別影像阿勒泰金蓮花空間分布的主要環(huán)境因子，以受試者工作特征曲線（receiveroperatingcharacteristiccurve，簡稱ROC）下的面積（即AUC值）來評估模型預測的準確性，對響應曲線進行分析，得到各環(huán)境因子的適宜性閾值。

1.4環(huán)境因子篩選

將處理后的12份阿勒泰金蓮花分布點及42個環(huán)境數據導入MaxEnt模型軟件進行迭代運算，挑選出運算結果中貢獻率為0的環(huán)境因子予以剔除，再次運算，經多次運算篩選直至所有環(huán)境因子均有貢獻率，以提高模型的模擬準確度。其中貢獻率大、權重高的為影響阿勒泰金蓮花分布適宜性的主導環(huán)境因子。

1.5潛在適生區(qū)劃分

將MaxEnt模型輸出的結果導入ArcGIS軟件中進行適生區(qū)分析，首先通過ArcGIS轉換工具（ConversionTools）將ASCII格式文件轉換為Raster格式，并對其進行重分類（Reclassify）操作，劃分阿勒泰金蓮花潛在分布區(qū)的適宜度等級，共分成4個等級：非適生區(qū)、低適生區(qū)、較適生區(qū)以及最適生區(qū)，繪制金蓮花在阿勒泰地區(qū)的適生區(qū)分布，最后運用ArcGIS的字段計算器計算各類適生區(qū)的面積，并統(tǒng)計出面積百分比。

2結果與分析

2.1模型預測效果評價

MaxEnt模型采用受試者評價特征（receiveroperatingcharacteristiccurve，簡稱ROC）曲線對適生區(qū)分析結果進行精度評估，ROC曲線以假陽性率作為橫坐標，真陽性率作為縱坐標，曲線與橫坐標之間所構成的面積值為AUC（areaundercurve）。利用AUC值對模型預測的準確性進行評價，AUC值越大表示模型預測結果精度越高[17]。AUC值在0.5～0.6之間為不及格;>0.6～0.7時為較差;>0.7～0.8時為一般;>0.8～0.9時為良好;>0.9～1.0時為優(yōu)秀[18]。結果表明，訓練數據集和測試數據集的AUC值分別為0.943和0.994（圖1），遠大于隨機預測的AUC值（0.5），說明模型的預測結果與實際分布區(qū)具有較高的擬合度，表明由模型預測的金蓮花潛在適生區(qū)具有較好的準確度和可信度。

[FK（W10][TPGLML1.tif][FK）]

2.2主導環(huán)境因子分析

基于MaxEnt模型，采用刀切法檢驗可判斷各環(huán)境因子對阿勒泰金蓮花適生區(qū)分布增益的貢獻率及權重，進而可分析影響物種分布的主要環(huán)境因子。結果顯示（表1），影響阿勒泰金蓮花分布的降水因子貢獻率為45.89%，日照時數貢獻率為24.63%，氣溫貢獻率為22.89%，19個生物氣候變量因子的貢獻率為5.15%，地形因子貢獻率為0.83%，相對濕度貢獻率為0.61%，表明降水、日照時數和氣溫是影響阿勒泰金蓮花分布的主要因子。其中日照時數、4月降水量、年平均最高氣溫和11月降水量的貢獻率分別為24.63%、24.29%、22.89%和17.91%，累積貢獻率達89.72%，是影響阿勒泰金蓮花生長區(qū)分布最關鍵的環(huán)境因子。地形數據中坡度的貢獻率僅為0.83%，表明地形數據對阿勒泰金蓮花的整體分布范圍基本無影響。

使用MaxEnt模型生成的響應曲線（responsecurve），分析各主導環(huán)境變量在研究區(qū)域內分布的適宜取值范圍（圖2）。響應曲線的橫坐標表示環(huán)境變量作用區(qū)間范圍，縱坐標表示對應的環(huán)境變量與分布率的自然對數，縱坐標值與目標物種在該環(huán)境變量下的適宜性成正比趨勢。以潛在分布概率閾值0.41提取阿勒泰金蓮花主要環(huán)境因子變化范圍。由圖2-a可知，日照時數≥2868h適合阿勒泰金蓮花的生長，隨著日照時數的增加，阿勒泰金蓮花的存在概率不斷增大，其最適區(qū)間為3340～3350h。在圖2-b中，隨著4月降水量的增加，阿勒泰金蓮花的存在概率急劇下降，4[KG*8]月降水量[KG*8]≤21[KG*3]mm[KG*8]為阿勒泰金蓮花出現(xiàn)的閾值區(qū)間，其中在7.7～58.0mm區(qū)間里，阿勒泰金蓮花的分布概率出現(xiàn)了明顯的下降，在0.0～7.6mm范圍內保持較平穩(wěn)，為最適宜生長的區(qū)間。在圖2-c中，阿勒泰金蓮花的存在概率為年平均最高氣溫≤9.1℃，其中-5.8～2.1℃區(qū)間是最適宜區(qū)間，存在概率最高，2.2～15.3℃存在概率緩慢下降至最低。在圖2-d中，11月降水量≤14.8mm適合阿勒泰金蓮花生長，阿勒泰金蓮花在11月降水量梯度上隨著降水量的增大存在概率明顯降低，其最適范圍為0.0～4.1mm。

2.3阿勒泰金蓮花潛在分布區(qū)分析

以分布概率閾值0.41對阿勒泰金蓮花潛在適生分布圖進行等級劃分（圖3）：0.00～0.41為非適生區(qū)，>0.41～0.73為低適生區(qū)，>0.73～0.88為較適生區(qū)，>0.88～1.00為最適生區(qū)。分布等級圖面積統(tǒng)計結果（表2）顯示，阿勒泰金蓮花潛在適生區(qū)總面積為46042.44km2，占阿勒泰總面積的38.97%。其中最適生區(qū)面積7536.71km2，主要分布于布爾津縣和阿勒泰市，分別占最適生區(qū)總面積的42.55%和21.99%;較適生區(qū)總面積為14715.21km2，主要分布于阿勒泰市、富蘊縣和布爾津縣，分別占較適生區(qū)總面積的25.16%、23.27%、22.77%，低適生區(qū)面積為23790.52km2，主要集中于青河縣和富蘊縣，占低適生區(qū)總面積的31.34%和22.17%。將MaxEnt模型預測的阿勒泰金蓮花適生區(qū)分布與實際分布點進行比較，發(fā)現(xiàn)實際分布點多集中于高適生區(qū)和較適生區(qū)內，表明該研究可信度較高。

3討論與結論

當前有關新疆地區(qū)阿勒泰金蓮花的研究相對較少。主要是由于大多數文獻對新疆地區(qū)金蓮花的分布區(qū)域記載不夠詳盡，對預測模型所需的分布坐標帶來了困難。研究中所使用的分布點來自于實地調查數據，基本能夠反映分布點的準確性。環(huán)境因子來源于各官網發(fā)布數據，且已被廣泛應用于各物種的適生區(qū)研究中，具有較高的權威性和可靠性。因此，本研究所得模擬結果對于阿勒泰金蓮花的科學開發(fā)與生產具有較高的參考價值。

本研究基于阿勒泰金蓮花資源調查數據，結合最大熵模型MaxEnt和ArcGIS空間分析軟件，較直觀地預測了阿勒泰金蓮花的潛在適生區(qū)分布，并分析了影響阿勒泰金蓮花潛在適生區(qū)的主要環(huán)境因子。MaxEnt模型檢測結果經ROC曲線驗證顯示，訓練集的AUC值為0.994，測試集的AUC值為0.943，模型預測結果均達到優(yōu)秀水平（0.9≤AUC<1.0），表明該模型預測結果精準度高、可靠性強。

MaxEnt模型預測結果表明，阿勒泰金蓮花潛在適生區(qū)總面積為46042.45km2，約占阿勒泰總面積2/5，主要位于阿勒泰市、布爾津縣、富蘊縣、哈巴河和青河縣的北部，整體呈北高南低的分布格局。根據潛在適生區(qū)分布統(tǒng)計：最適生區(qū)面積主要分布于布爾津縣和阿勒泰市，同時布爾津縣、阿勒泰市和富蘊縣在較適生區(qū)占較高比例，低適生區(qū)面積主要在高適生區(qū)與較適生區(qū)的南部，集中于青河縣和富蘊縣，在哈巴河縣有少量分布。以上研究結果符合阿勒泰金蓮花實地調查分布信息，并與新疆植物志和索風梅等[6]研究結果基本一致，阿勒泰金蓮花適宜分布在阿勒泰、布爾津等地區(qū)。

對阿勒泰金蓮花潛在適生區(qū)分布進行分析發(fā)現(xiàn)，在阿勒泰北部集中分布，在南部較少分布，與阿勒泰地區(qū)氣候密切相關。主要是由于金蓮花喜光、喜濕、怕澇，分布具有一定特殊性，對光照、溫度和降水量的要求較為苛刻[19]。因此，阿勒泰金蓮花主要分布于山地草坡、林下或沼澤地的草叢中，在溝谷與荒坡中分布較少[20]。阿勒泰市北部海拔更高，降水較多，氣溫低，為阿勒泰金蓮花的生長提供了適宜環(huán)境，進而分布較為廣泛。阿勒泰南部地區(qū)地勢低，溫度高，降水量較少，使得金蓮花的生長和分布范圍受到一定的抑制。

本研究應用刀切法檢驗了各環(huán)節(jié)因子對阿勒泰金蓮花潛在分布區(qū)的重要性。結果表明，日照時數、4月降水量、11月降水量和年平均最高氣溫4個環(huán)境因子在影響阿勒泰金蓮花潛在分布的累積貢獻率達89.72%，是影響阿勒泰金蓮花生長區(qū)的主要環(huán)境因子，這與盧有媛等分析得出氣溫和降水是影響金蓮花生長分布的主要因素的結論[7]相一致。通過MaxEnt建立阿勒泰金蓮花存在率與各環(huán)境因子之間的響應曲線，分析二者之間的關系，結果表明，主要環(huán)境因子適宜取值區(qū)間為日照時數≥2868h、4月降水量≤21.0mm、年平均最高氣溫≤9.1℃和11月降水量≤14.8mm，阿勒泰金蓮花存在率隨著日照時數增加而逐漸增大，隨著氣溫和降水量的增加而明顯下降。日照時數的貢獻率為24.63%，在所有環(huán)境因子中排列第一，這主要是由于光照能直接影響光合作用[21]，是影響植物生存和生長的主要環(huán)境因子。4月降水量和11月降水量累積貢獻率為42.20%，對金蓮花分布具有重要影響，是由于阿勒泰金蓮花具有根系淺，怕干旱，忌水澇的特性，多雨環(huán)境不利于其生長，植株易爛根死亡。因而分布集中于地形相對平緩，起伏小，既不會大范圍積水，也能維持一定的土壤濕度的區(qū)域。溫度是植物生長發(fā)育必不可少的環(huán)境條件，年平均最高氣溫不高于9.1℃，證明阿勒泰金蓮花適宜生長在低溫地區(qū)，溫度過高不利于阿勒泰金蓮花開花、結果。

金蓮花藥材有較好的市場前景，已列入我國中藥材產業(yè)扶貧推薦種植中藥材名錄[21]。由于對阿勒泰金蓮花研究的數據和資料有限，本研究僅基于光照、氣溫、降水和地形因素對阿勒泰金蓮花適生區(qū)分布進行分析，而未考慮土壤、植被、人類交通、栽培技術等其他因素對阿勒泰金蓮花分布生長發(fā)揮的重要作用，這可能對阿勒泰金蓮花適生區(qū)的預測結果產生一定的偏差。但通過MaxEnt模型中AUC參數評估，表明其具有較高的準確性，較好地預測了阿勒泰金蓮花的潛在適生區(qū)分布，對阿勒泰金蓮花的科學規(guī)范種植具有重要的參考價值和指導意義。依據阿勒泰地區(qū)天然地理的分布特點和優(yōu)勢，制定出科學的開發(fā)戰(zhàn)略，為阿勒泰金蓮花帶來最佳的生態(tài)效益和經濟效益。

參考文獻：

[1]雷蓉，馮麗，劉永利，等.金蓮花的研究進展[J].中藥材，2015，38（5）：1085-1091.

[2]楊靜偉，張貴君，吳明俠，等.中藥金蓮花藥效組分抗炎鎮(zhèn)痛作用研究[J].中國藥物評價，2013，30（4）：210-213.

[3]趙波，李洪濤，李鞠，等.短瓣金蓮花化學成分與抑菌活性相關性研究[J].中醫(yī)藥信息，2019，36（6）：38-42.

[4]李海岳.金蓮花顆粒聯(lián)合利巴韋林治療小兒急性上呼吸道感染的療效及其對血清炎癥標記物的影響[J].中國醫(yī)藥科學，2019，9（20）：21-24.

[5]鄭兆曄，王惠琴，胡防言，等.金蓮花軟膠囊治療急性扁桃體炎（外感風熱證）的多中心臨床研究[J].藥物評價研究，2019，42（6）：1151-1155.

[6]索風梅，丁萬隆，陳士林.基于TCMGIS-Ⅰ的金蓮花數值區(qū)劃研究[J].世界科學技術（中醫(yī)藥現(xiàn)代化），2011，13（1）：109-112.

[7]盧有媛，郭盛，嚴輝，等.金蓮花生態(tài)適宜性區(qū)劃研究[J].中國中藥雜志，2018，43（18）：3658-3661.

[8]陳陸丹，胡菀，李單琦，等.珍稀瀕危植物野生蓮的適生分布區(qū)預測[J].植物科學學報，2019，37（6）：731-740.

[9]徐軍，曹博，白成科.基于MaxEnt瀕危植物獨葉草的中國潛在適生分布區(qū)預測[J].生態(tài)學雜志，2015，34（12）：3354-3359.

[10]馬松梅，張明理，張宏祥，等.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.

[11]PhillipsSJ，MiroslavD.ModelingofspeciesdistributionswithMaxent：newextensionsandacomprehensiveevaluation[J].Ecography，2008，31（2）：161-175.

[12]StockwellD.TheGARPmodellingsystem：problemsandsolutionstoautomatedspatialprediction[J].InternationalJournalofGeographicalInformationScience，1999，13（2）：143-158.

[13]張佳琦，徐振朋，宛濤，等.未來氣候條件下裸果木在中國的潛在分布區(qū)研究[J].植物資源與環(huán)境學報，2019，28（3）：51-57.

[14]阿爾曼·解思斯，努爾巴依·阿布都沙力克，邁迪娜·吐爾遜，等.基于最大熵模型（Maxent）預測沙生檉柳潛在地理分布及格局[J].江蘇農業(yè)科學，2019，47（2）：91-94.

[15]劉瑞斌，姜小龍，戴錫玲，等.鐵橡櫟的潛在分布區(qū)及其對氣候變化的響應[J].植物資源與環(huán)境學報，2019，28（1）：85-95.

[16]厲靜文，郭浩，王雨生，等.基于MaxEnt模型的胡楊潛在適生區(qū)預測[J].林業(yè)科學，2019，55（12）：133-139.

[17]王運生，謝丙炎，萬方浩.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.

[18]趙力，朱耿平，李敏，等.入侵害蟲西部喙緣蝽和紅肩美姬緣蝽在中國的潛在分布[J].天津師范大學學報（自然科學版），2015，35（1）：75–78.

[19]李永寧，程旭，于泊，等.冀北山地金蓮花生境類型與分布特征研究[J].河北林果研究，2009，24（1）：51-52.

[20]吳能表，談鋒，肖文娟，等.光強因子對少花桂幼苗形態(tài)和生理指標及精油含量的影響[J].生態(tài)學報，2005，25（5）：1159-1164.

[21]黃璐琦，蘇鋼強，張小波，等.中藥材產業(yè)扶貧重點優(yōu)先區(qū)域劃分和推薦種植中藥材名錄整理[J].中國中藥雜志，2017，42（22）：4319-4328.