摘要：西藏地區(qū)草地資源豐富，但利用水平尚待提高，加強(qiáng)野生牧草的適生性分析，對種質(zhì)資源選育和草地生態(tài)畜牧業(yè)的發(fā)展具有重要意義。高山嵩草（Kobresia pygmaea）、小花棘豆（Oxytropis glabra）和紫花針茅（Stipa purpurea）是西藏地區(qū)廣泛分布且品質(zhì)優(yōu)良的野生牧草，為探究三種野生牧草在西藏地區(qū)分布的主導(dǎo)環(huán)境氣候因子，利用MaxEnt模型，分析適宜草種混播區(qū)域，以期為重要野生牧草資源在西藏地區(qū)高寒草地推廣種植和人工草地混播提供科學(xué)依據(jù)。結(jié)果表明：高山嵩草最適生長區(qū)集中在西藏地區(qū)中部，影響其分布的關(guān)鍵環(huán)境因子是生長季月平均輻射；小花棘豆最適生區(qū)分布在日喀則市中部、山南市西北部和拉薩市，等溫性是影響其分布的關(guān)鍵環(huán)境因子；紫花針茅在西藏地區(qū)分布廣泛，影響其分布的關(guān)鍵環(huán)境因子是坡度。本研究明確了3種野生牧草混播種植的適生區(qū)域，為下一步推廣人工草地種植提供理論依據(jù)。

關(guān)鍵詞：西藏地區(qū)；野生牧草；適生區(qū)分析；最大熵模型

中圖分類號：Q142.9 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-0435（2023）08-2314-09

Identification of Potential Areas of Three Wild Forages in

Tibet Region Based on MaxEnt Model

ZHANG Xue-mei1， LIU Tao1， REN Shi-jie1， LIU Si-qi1， LIN Chang-cun1，2*， JI Bao-ming1，2

（1. College of Grassland Science， Beijing Forestry University， Beijing 100083， China; 2. Grassland Resources and Ecology

Research Center， Beijing Forestry University， Beijing 100083， China）

Abstract：Grassland resources in Tibet Region are abundant，but the utilization level is yet to be improved. Strengthening the selection and breeding on the germplasm resources of wild forage species is the key to the development of grassland ecological animal husbandry in Tibet Region. Kobresia pygmaea，Oxytropis glabra and Stipa purpurea are widely distributed wild forage species with good quality in Tibet. In order to investigate the dominant environmental and climatic factors for the distribution of the three wild forage species in Tibet，we used the MaxEnt model and analysed the areas suitable for mixed seeding of those species，with a view to provide a scientific basis for the promotion of the planting of important wild forage species in the alpine grassland in Tibet and for the mixed seeding in the artificial grassland. The results showed that：the optimum growth area of K. pygmaea was concentrated in the central part of Tibet and the key factor affecting its distribution was the average monthly radiation during the growing season;the optimum growth area of O. glabra was distributed in the eastern part of Shigatse City，the northwestern part of Shannan City and Lhasa City and isothermality was the key climatic factor affecting its distribution;S. purpurea was widely distributed in Tibet Region，And the key factor influencing its distribution is the slope. This study clarified the suitable areas of three wild forage species to be planted in mixed planting，and provided a theoretical basis for the next step to promote the planting of the species in suitable locations in artificial grassland.

Key words：Tibetan region；Wild forages；Suitability assessment；MaxEnt model

西藏地區(qū)生物多樣性豐富［1］，草地類型多樣，具有重要的牧草資源，是我國重要的綠色基因庫［2-3］。西藏全區(qū)草原面積約為0.88億hm2，居全國之首，是我國五大牧場之一［4-5］，在我國畜牧業(yè)發(fā)展和實(shí)現(xiàn)鄉(xiāng)村振興發(fā)揮重要作用［6］。野生牧草種質(zhì)資源是發(fā)展畜牧業(yè)的關(guān)鍵，加強(qiáng)當(dāng)?shù)啬敛葙Y源選育，可為天然草原植被恢復(fù)和畜牧業(yè)可持續(xù)發(fā)展提供科學(xué)依據(jù)。

本文從禾本科、豆科和莎草科各選取一種在西藏地區(qū)分布廣泛的野生牧草作為研究對象，利用物種分布模型（MaxEnt）分析3種分屬莎草科、豆科和禾本科的優(yōu)質(zhì)野生牧草在西藏地區(qū)的潛在適生區(qū)分布。第一種是高山嵩草（Kobresia pygmaea），莎草科嵩草屬，具有根系發(fā)達(dá)、耐寒力強(qiáng)的特點(diǎn)，受各類家禽喜歡且飼用價值高［7］，是西藏地區(qū)高寒草甸的優(yōu)勢種；第二種是小花棘豆（Oxytropis glabra），豆科棘豆屬，富含蛋白質(zhì)、草質(zhì)柔軟，抗逆性強(qiáng)，宜做天然草地的補(bǔ)播草種；第三種是紫花針茅（Stipa purpurea），禾本科針茅屬，耐牧性強(qiáng)，產(chǎn)草量高，可收貯青干草，是草原地區(qū)優(yōu)良牧草之一［8］。最大熵模型（MaxEnt）是目前應(yīng)用最廣的物種分布模型［9］，該模型具有精確度高和輸出結(jié)果穩(wěn)定性強(qiáng)的特點(diǎn)［10］，是預(yù)測物種潛在適生區(qū)分布的首選模型［11］。

近年來，利用MaxEnt模型預(yù)測物種的適生區(qū)分布研究越來越多［12-14］，周柄江等［15］利用MaxEnt模型對云南榧樹（Torreya yunnanensis）在云南省界內(nèi)進(jìn)行生境適宜性研究，說明了影響云南榧樹分布的主要環(huán)境因子，為其系統(tǒng)保護(hù)規(guī)劃提供科學(xué)依據(jù)。張丹等［16］基于MaxEnt模型分析不同氣候下天山花楸（Sorbus tianschanica）在我國西北地區(qū)的適宜地區(qū)分布，并對天花楸的中、高風(fēng)險保護(hù)區(qū)域提出建議。陳俊俊等［17］運(yùn)用MaxEnt模型對短花針茅（Stipa breviflora）在我國現(xiàn)階段及2050年的潛在分布區(qū)進(jìn)行預(yù)測，提出了短花針茅的適生區(qū)范圍。賀一鳴等［18］通過建立MaxEnt生態(tài)位模型，探討蒙古蕕（Caryopteris mongolica）的地理分布格局形成演化過程，為建立蒙古蕕自然保護(hù)區(qū)提供科學(xué)依據(jù)。本研究在2019—2022年間的青藏高原第二次科學(xué)考察期間通過樣地調(diào)查收集3種野生牧草在西藏地區(qū)地理分布點(diǎn)，運(yùn)用MaxEnt模型和ArcGIS分析其潛在適宜生區(qū)分布，探究主導(dǎo)野生牧草在西藏地區(qū)分布的環(huán)境氣候因子，模擬潛在適生區(qū)分布模型，分析適宜草種混播區(qū)域，為野生牧草在西藏地區(qū)高寒草地推廣種植和人工草地混播草種選擇提供科學(xué)依據(jù)。

1 材料與方法

1.1 地理分布數(shù)據(jù)點(diǎn)

基于“第二次青藏高原綜合科學(xué)考察”項(xiàng)目實(shí)地考察，共采集了紫花針茅582個分布樣點(diǎn)、高山嵩草310個分布樣點(diǎn)和小花棘豆183個分布樣點(diǎn)，將分布數(shù)據(jù)導(dǎo)入ArcGis，用于模型分析（圖1）。調(diào)查樣地設(shè)置參考2020年自然資源部草地資源專項(xiàng)調(diào)查項(xiàng)目樣地的經(jīng)緯度進(jìn)行設(shè)置，樣地布設(shè)采用了分層取樣法，以草地類型作為分層依據(jù)，西藏地區(qū)草地類型參考《中國草地類型的劃分標(biāo)準(zhǔn)和中國草地類型分類系統(tǒng)》，樣地現(xiàn)場布設(shè)時還考慮了地形、地表特征、利用方式和土壤質(zhì)地等因素，能夠較全面地反映西藏地區(qū)整體草地資源狀況。

1.2 環(huán)境數(shù)據(jù)

本研究共采取23個環(huán)境變量，環(huán)境數(shù)據(jù)包含19個生物氣候因子、1個光照因子和3個地形因子。生物氣候因子和光照因子在World Clim網(wǎng)站（https：//www.worldclim.org/）下載，19個氣候變量分別是年平均氣溫（Bio01），月均晝夜溫差（Bio02），等溫性（Bio03），溫度季節(jié)性變化（Bio04），最熱月最高溫（Bio05），最冷月最低溫（Bio06），年溫差（Bio07），最濕季度均溫（Bio08），最干季均溫（Bio09），最暖季均溫（Bio10），最冷季均溫（Bio11），年降水量（Bio12），最潮濕月降水量（Bio13），最干月降水量（Bio14），降水季節(jié)性變化（Bio15），最濕季降雨（Bio16），最干季降水（Bio17），最熱季降水（Bio18），最冷季降水（Bio19），光照因子為生長季月平均輻射，空間分辨率均為2.5 arcmin（約為5 km）。地形因子包括海拔、坡度和坡向，在地理空間數(shù)據(jù)云（https：//www.gscloud.cn/）下載分辨率30 m×30 m的DEM數(shù)字高程數(shù)據(jù)圖獲得。地圖數(shù)據(jù)從自然資源部標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站（http：//bzdt.ch.mnr.gov.cn）下載的審圖號為GS（2019）1822號的標(biāo)準(zhǔn)地圖作為分析底圖。

1.3 MaxEnt模型分析方法

該模型的原理是利用物種的實(shí)際地理分布點(diǎn)和環(huán)境變量，構(gòu)建適生區(qū)模型，推算物種的生態(tài)需求和模擬物種的潛在分布。將收集的紫花針茅、高山嵩草和小花棘豆的分布坐標(biāo)（.csv）與ArcGIS 10.2軟件轉(zhuǎn)化為ASCII格式的西藏地區(qū)生物氣候圖層導(dǎo)入MaxEnt 3.4.4軟件，設(shè)置訓(xùn)練數(shù)據(jù)集為75%，測試驗(yàn)證數(shù)據(jù)集為25%，迭代次數(shù)為10 000，重復(fù)訓(xùn)練為10，其他設(shè)置為默認(rèn)值，進(jìn)行數(shù)據(jù)模擬，模擬結(jié)果以Cloglog格式和asc文件輸出。利用MaxEnt3.4.4軟件中的刀切法，單獨(dú)計(jì)算23個環(huán)境變量的貢獻(xiàn)率，進(jìn)一步了解各環(huán)境因子對模擬結(jié)果的貢獻(xiàn)大小。利用受試者工作特征曲線（Receiver operating characteristic curve，ROC曲線） 的面積（AUC值）評估模擬結(jié)果的精確度，AUC值越接近1，說明模型的精確度越高，越具可信度。當(dāng)AUC值為0.7～0.8 時表示模型精度一般，0.8～0.9 時為較好，AUC值高于0.9時說明模型精度非常優(yōu)秀。

1.4 適宜分布區(qū)劃分

利用ArcGIS10.2對MaxEnt輸出結(jié)果轉(zhuǎn)換為ASCII格式，進(jìn)行重分類，將紫花針茅、高山嵩草和小花棘豆的適宜區(qū)分為4個等級［19］，即P＜0.05為非適生區(qū)，0.05≤P＜0.33為低適生區(qū)，0.33≤P＜0.66為中適生區(qū)，P≥0.66為高適生區(qū)。通過柵格面積計(jì)算得到3種野生牧草在各等級適生區(qū)面積。

1.5 數(shù)據(jù)分析與圖形處理

3種野生牧草的潛在適生區(qū)分布預(yù)測采用MaxEnt3.4.4軟件，使用ArcGIS10.2軟件處理適生區(qū)等級分布圖并計(jì)算各適生區(qū)面積，Excel進(jìn)行數(shù)據(jù)整理。

2 結(jié)果與分析

2.1 基于MaxEnt模型的3種野生牧草質(zhì)資源適生區(qū)分析

2.1.1 高山嵩草適生區(qū)分析 高山嵩草高適宜區(qū)主要集中在那曲市西南部，拉薩市北部、日喀則市南部有少量分布（圖2），高適生區(qū)面積約為3.63萬km2（表1）；高山嵩草中適生區(qū)主要集中在高適生區(qū)附近，面積約為6.28萬km2；高山嵩草低適生區(qū)為阿里地區(qū)中部、昌都市、山南市西北部、日喀則市東部和那曲市中部，面積約為24.21 萬km2；除上述地區(qū)之外，研究范圍區(qū)內(nèi)均不適宜高山嵩草生長，尤其是林芝市、阿里地區(qū)北部和那曲市北部地區(qū)，非適生區(qū)面積約為79.99萬km2。

2.1.2 小花棘豆適生區(qū)分析 MaxEnt模型結(jié)果表明（圖2），小花棘豆高適生區(qū)集中在日喀則市中部、山南市西北部和拉薩市，高適生區(qū)總面積約為6.38萬km2（表1）；小花棘豆中適生區(qū)分布在昌都市中部、那曲市南部以及分散在高適生區(qū)周圍，面積約為10.83萬km2；小花棘豆?jié)撛诜植紖^(qū)在昌都市西部、那曲市南部、林芝市中部以及中適生區(qū)周圍，面積約為27.88萬km2；除上述地區(qū)外，皆為不適宜生長區(qū)域，主要集中在那曲市、阿里地區(qū)和林芝市，面積約為68.02萬km2。

2.1.3 紫花針茅適生區(qū)分析 紫花針茅的高適宜生長區(qū)主要位于那曲市南部，拉薩市、山南市和日喀則市有少量的分散分布（圖2），面積約為8.74萬km2（表1）；紫花針茅中適生區(qū)多位于高適生區(qū)周圍，尤其是那曲市南部地區(qū)、拉薩市、日喀則市東部，面積約為13.58萬km2；紫花針茅低適生區(qū)位于昌都市東部和西藏地區(qū)中部，面積約為33.74萬km2；紫花針茅非適生區(qū)集中在林芝市中部和南部、阿里地區(qū)北部、那曲市北部和西藏地區(qū)南部邊界，面積約為57.05萬km2。

2.2 生態(tài)因子分析

2.2.1 高山嵩草生態(tài)因子分析 生長季月平均輻射、最熱季降水量、坡度、月均晝夜溫差、溫度季節(jié)性變化是影響西藏地區(qū)高山嵩草適生區(qū)分布的主要環(huán)境因子，貢獻(xiàn)百分比分別為25.6%，17.5%，10.7%，9.7%和8.0%，累計(jì)貢獻(xiàn)率為71.5%（表2）。溫度季節(jié)性變化是由標(biāo)準(zhǔn)差×100計(jì)算。通過AUC值刀切法檢測（圖3），總體的結(jié)果顯示降水的影響遠(yuǎn)大于溫度的影響，其中海拔是對模型預(yù)測影響最大的環(huán)境因子，年降水量和年平均氣溫的影響次之，產(chǎn)生影響程度最小的環(huán)境因子是等溫性。

適生度Pgt;0.66的區(qū)域?yàn)楦呱结圆莸母哌m生區(qū)，與西藏地區(qū)的實(shí)際分布區(qū)相似度很高。因此，將適生度大于0.66時應(yīng)對的環(huán)境因子范圍表征高山嵩草分布區(qū)的氣候特征。通過貢獻(xiàn)率前五的環(huán)境因子的響應(yīng)曲線（圖4）分析，高山嵩草的適生區(qū)氣候特點(diǎn)為：生長季月平均輻射17 500～19 050 KJ·m-2·d-1，最適宜值為18 700 KJ·m-2·d-1；最熱季降水量210～310 mm，最適宜值為290 mm；坡度22°以下為宜；月均晝夜溫差大于11.7℃為宜；溫度季節(jié)性變化680～870，最適宜值為840。

2.2.2 小花棘豆生態(tài)因子分析 環(huán)境變量對MaxEnt模型的相對貢獻(xiàn)的估計(jì)值可知（表3），貢獻(xiàn)率最高的前五個變量累計(jì)貢獻(xiàn)率為85.3%，分別是等溫性、溫度季節(jié)性變化、最冷季均溫、生長季月平均輻射和月均溫差，貢獻(xiàn)率分別為35.6%，21.6%，12.7%，8.8%和6.6%。其中，等溫性的值由月均晝夜溫差與年溫差之比×100計(jì)算。AUC值刀切法結(jié)果顯示年平均氣溫是對模型預(yù)測結(jié)果影響最大的環(huán)境因子，后四個依次是最冷月最低溫、最冷季均溫、年降水量和最干季均溫，總體來看溫度因子對模型預(yù)測的影響高于降水因子（圖3）。

通過累計(jì)貢獻(xiàn)率大于80%環(huán)境因子的響應(yīng)曲線（圖5）分析，小花棘豆的適生區(qū)氣候特點(diǎn)為：等溫性43%～50%，最優(yōu)值是46%；溫度季節(jié)性變化590～740，最優(yōu)值是630；最冷季均溫-9℃～-3℃，最優(yōu)值是-6℃；生長季月平均輻射16 900～18 400 KJ·m-2·d-1，最優(yōu)值是17 900 KJ·m-2·d-1；月均溫差大于13.7℃為宜。

2.2.3 紫花針茅生區(qū)生態(tài)因子分析 表4為各環(huán)境因子對紫花針茅貢獻(xiàn)率，排名前五的環(huán)境因子是坡度、最冷季均溫、生長季月平均輻射、年平均氣溫和最干旱地區(qū)降水，累計(jì)貢獻(xiàn)率為76.2%。AUC值刀切法結(jié)果顯示排名第一的影響因子是海拔，第二到第五依次為最濕季度均溫、年平均氣溫、最暖季均溫和年降水量（圖3）。

從累計(jì)貢獻(xiàn)率大于80%環(huán)境因子的響應(yīng)曲線可以看出，紫花針茅的適宜生長環(huán)境為：坡度-6°～9°，最優(yōu)值是0.2 °；最冷季均溫-13℃～-4℃，最優(yōu)值是-7.5℃；生長季月平均輻射17 100～19 200 KJ·m-2·d-1，最優(yōu)值是18 700 KJ·m-2·d-1；年平均氣溫-2.5℃～4℃，最優(yōu)值是2℃；最干旱地區(qū)降水4～25 mm，最優(yōu)值是5 mm（圖6）。

2.3 模型可靠性驗(yàn)證

由圖7可知，基于MaxEnt模型預(yù)測高山嵩草訓(xùn)練集與驗(yàn)證集AUC分別是0.947和0.912，小花棘豆訓(xùn)練集與驗(yàn)證集AUC分別是0.930和0.859，紫花針茅訓(xùn)練集與驗(yàn)證集AUC分別是0.913和0.885，AUC值均大于隨機(jī)分布模型（0.5）且接近于1，說明MaxEnt模型預(yù)測3種野生牧草適生區(qū)的結(jié)果可靠。

3 討論

本文應(yīng)用MaxEnt模型對高山嵩草、小花棘豆和紫花針茅在西藏地區(qū)的適生區(qū)進(jìn)行了評估，研究精確度均達(dá)到優(yōu)秀水平。根據(jù)模型預(yù)測結(jié)果，高山嵩草的高適生區(qū)和中適生區(qū)面積約為9.91萬km2，主要集中在那曲市西南部、拉薩市中部和北部，這與魏興琥等［20］對西藏那曲地區(qū)高山嵩草草地的分布與利用研究成果吻合。小花棘豆的中、高適生區(qū)總面積約為17.21萬km2，適生區(qū)分布在日喀則市、拉薩市和山南市。紫花針茅的適生區(qū)面積最大，約為22.32萬km2，集中在那曲市南部、拉薩市和日喀則市。

通過對生態(tài)因子的分析發(fā)現(xiàn)，影響高山嵩草適生區(qū)分布的最主要環(huán)境變量是光照和生物氣候因子，其次是地形因子；高山嵩草受生長季月平均輻射和最熱季降水量的影響最大，說明光照和水分是影響其分布的主要的環(huán)境因素；溫度對高山嵩草的貢獻(xiàn)率占比相對不高，究其原因可能是高山嵩草是根莖密叢型多年生草，抗寒性非常強(qiáng)，在高寒地區(qū)依然能正常生長發(fā)育，故溫度對高山嵩草的影響不是很大。與高山嵩草相反，溫度是影響小花棘豆在西藏地區(qū)分布的主要環(huán)境因素，累計(jì)貢獻(xiàn)率高達(dá)81.4%；小花棘豆對水分的選擇性小，累計(jì)貢獻(xiàn)率僅占2.4%，余姣能［21］的研究結(jié)果也持此觀點(diǎn)。紫花針茅受坡度的影響最大，其適宜生境的需求是地勢平坦，坡度小于1°的平地最適宜紫花針茅生長。通過MaxEnt模型預(yù)測與刀切法檢驗(yàn)均表明溫度是影響紫花針茅在西藏地區(qū)分布的最主要生物氣候因素，這與Ma等［22］的研究結(jié)果一致；此外，最干旱地區(qū)降水因子也有一定的影響，這與Zhong等［23］所持的溫度和降水是影響青藏高原植被分布的重要因子觀點(diǎn)相似。

同區(qū)域野生牧草的適生區(qū)研究，對人工草地補(bǔ)播過程中的混播具有重要意義?；觳ナ怯绊懲寥婪柿Φ年P(guān)鍵因素［24］，不同草種混播可以增加土壤有機(jī)質(zhì)含量［25］，提高系統(tǒng)穩(wěn)定性［26］，提升牧草品質(zhì)和產(chǎn)量［27-28］。本研究利用ArcGIS10.2對3種野生牧草的高適生區(qū)進(jìn)行兩兩疊加，根據(jù)高適生區(qū)重疊圖顯示（圖8）：高山嵩草—紫花針茅適宜在西藏中南部區(qū)域推廣混播種植；紫花針茅—小花棘豆的重疊區(qū)域分散在“一江兩河”區(qū)域，這可為“一江兩河”區(qū)域推廣人工草地種植提供草種選擇。高山嵩草和小花棘豆的重疊區(qū)域較少，根據(jù)本文對各牧草累計(jì)貢獻(xiàn)率大于80%環(huán)境因子的分析，高山嵩草與小花棘豆的生境需求差異大，在西藏地區(qū)不宜推行這兩種牧草的混播。

氣候是影響植物分布的重要因素［29］，徐宗學(xué)等［30］研究了近40年來西藏地區(qū)氣溫變化的趨勢，結(jié)果表明西藏地區(qū)的氣溫分布呈現(xiàn)全區(qū)平均氣溫有明顯升高的趨勢，藏西地區(qū)的氣溫上升趨勢大于藏東地區(qū)，平均氣溫、最低氣溫和最高氣溫的長期變化存在同步性。劉坤等［31］通過對西藏三個地區(qū)草地植被覆蓋度對氣溫和降水變化的響應(yīng)研究結(jié)果發(fā)現(xiàn)，西藏地區(qū)呈現(xiàn)暖濕化趨勢，年平均降水呈現(xiàn)藏西到藏東逐漸上升的變化趨勢。通過楊文才等［32］對西藏地區(qū)1971—2010年氣候數(shù)據(jù)研究發(fā)現(xiàn)，藏東南地區(qū)年均溫大于5℃，藏南和中部地區(qū)年均溫為2℃～5℃，藏西北地區(qū)年均溫為—2℃～2℃；藏東南地區(qū)年降水量大于 500 mm，藏中部地區(qū)年降水量為300～500 mm，藏西北地區(qū)年降水量小于300 mm。結(jié)合本研究對三種野生牧草適生區(qū)環(huán)境因子的分析，預(yù)測高山嵩草的適生區(qū)呈現(xiàn)圍繞當(dāng)前高適生區(qū)往東增大的趨勢；基于小花棘豆的適宜年平均氣溫在-1.0℃～4.8℃，預(yù)測小花棘豆的適生區(qū)可能會呈現(xiàn)一定時期的往西北部增大的趨勢；本研究發(fā)現(xiàn)紫花針茅的適宜年平均氣溫為—2.5℃～4℃，適宜年降水量為100～550 mm，基于此預(yù)測紫花針茅的適生區(qū)會呈現(xiàn)藏西地區(qū)擴(kuò)大的趨勢。

4 結(jié)論

高山嵩草最適生長區(qū)集中在西藏地區(qū)中部，其分布主要受生長季月平均輻射的影響；小花棘豆最適生區(qū)分布在日喀則市中部、山南市西北部和拉薩市，等溫性是影響其分布的關(guān)鍵環(huán)境因子；紫花針茅在西藏地區(qū)分布廣泛，影響其分布的關(guān)鍵環(huán)境因子是坡度。通過GIS兩兩疊加野生牧草的高適生區(qū)發(fā)現(xiàn)，高山嵩草和紫花針茅的混播草種組合宜在西藏中南部區(qū)域推廣種植，小花棘豆和紫花針茅的混播草種組合宜種植在“一江兩河”區(qū)域，不宜在西藏地區(qū)推廣高山嵩草和小花棘豆的混播草種組合?；谖鞑氐貐^(qū)未來氣候變化條件下，預(yù)測高山嵩草未來可能會呈現(xiàn)圍繞當(dāng)前高適生區(qū)往東增大的趨勢，小花棘豆的適生區(qū)可能會呈現(xiàn)一定時期的往西北部增大的趨勢，紫花針茅的適生區(qū)會呈現(xiàn)藏西地區(qū)擴(kuò)大的趨勢。

參考文獻(xiàn)

［1］微微，常書娟，寶路如，等. 草原資源信息平臺的研發(fā)與應(yīng)用——以西藏草原為例［J］. 草原與草業(yè)，2018，30（4）：9-13

［2］徐文力，李慶康，楊瀟，等. 氣候變化情景下西藏入侵植物印加孔雀草的潛在分布預(yù)測［J］. 生態(tài)學(xué)報(bào)，2022，42（17）：7266-7277

［3］陳美祺，邵全琴，寧佳，等. 青藏高原不同生態(tài)地理區(qū)生態(tài)恢復(fù)狀況分析［J］. 草地學(xué)報(bào)，2023，31（4）：1211-1225

［4］曲廣鵬. 西藏草原保護(hù)、草原建設(shè)現(xiàn)狀及發(fā)展思路［J］. 西藏農(nóng)業(yè)科技，2020，42（2）：52-54

［5］吳莉，劉貞言，郭健斌. 西藏畜牧業(yè)產(chǎn)業(yè)集聚度及影響因素分析［J］. 高原農(nóng)業(yè)，2022，6（5）：500-508

［6］張曉慶，參木友. 西藏草地畜牧業(yè)發(fā)展現(xiàn)狀與重點(diǎn)任務(wù)［J］. 中國草地學(xué)報(bào)，2020，42（5）：157-163

［7］中國科學(xué)院中國植物志編輯委員會編. 中國植物志第12卷［M］. 北京：科學(xué)出版社，2016：47

［8］中國科學(xué)院中國植物志編輯委員會編. 中國植物志第9卷［M］. 北京：科學(xué)出版社，1992：280

［9］張路. MAXENT最大熵模型在預(yù)測物種潛在分布范圍方面的應(yīng)用［J］. 生物學(xué)通報(bào)，2015，50（11）：9-12

［10］杜鳳國，王梅芳，蘭雪涵，等. 基于MaxEnt模型的刺人參在中國潛在適生區(qū)預(yù)測［J］. 北華大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，23（6）：721-725

［11］張曉瑋，蔣玉梅，畢陽，等. 基于MaxEnt模型的中國沙棘潛在適宜分布區(qū)分析［J］. 生態(tài)學(xué)報(bào)，2022，42（4）：1420-1428

［12］HALVORSEN R，MAZZONI S，BRYN A，et al. Opportunities for improved distribution modelling practice via a strict maximum likelihood interpretation of MaxEnt［J］. Ecography，2015，38（2）：172-183

［13］WEST A M，KUMAR S，BROWN C S，et al. Field validation of an invasive species Maxent model［J］. Ecological Informatics，2016，36（2）：126-134

［14］WAN J Z，WANG C J，YU F H. Effects of occurrence record number，environmental variable number，and spatial scales on MaxEnt distribution modelling for invasive plants［J］. Biologia，2019，74（7）：757-766

［15］周炳江，王玉潔，馬長樂，等. 基于MaxEnt與ArcGIS的云南榧樹潛在生境分析［J］. 生態(tài)學(xué)報(bào)，2022，42（11）：4485-4493

［16］張丹，劉凱軍，馬松梅，等. 高山植物天山花楸的適宜分布及其環(huán)境驅(qū)動因子［J］. 生態(tài)學(xué)報(bào)，2022，42（2）：700-709

［17］陳俊俊，燕亞媛，叢日慧，等. 基于MaxEnt模型的短花針茅在中國的潛在分布區(qū)研究及預(yù)估［J］. 中國草地學(xué)報(bào)，2016，38（5）：78-84

［18］賀一鳴，王馳，王海濤，等. 氣候變化對蒙古蕕潛在適生區(qū)的影響［J］. 草地學(xué)報(bào)，2023，31（2）：540-550

［19］姜穎倩，王霞，劉艷，等. 基于MaxEnt模型的毛莢苜蓿在中國的潛在適生區(qū)預(yù)測［J］. 草原與草坪，2022，42（2）：67-73

［20］魏興琥，楊萍，謝忠奎，等. 西藏那曲地區(qū)高山嵩草草地的分布與利用［J］. 草地學(xué)報(bào). 2003（1）：67-74

［21］余姣能. 青藏高原棘豆屬藥用植物調(diào)查及穩(wěn)定同位素產(chǎn)地溯源研究［D］. 北京：中央民族大學(xué)，2022：25

［22］MA B B，SUN J. Predicting the distribution of Stipa purpurea across the Tibetan Plateau via the MaxEnt model［J］. BMC Ecologye，2018，18（10）：1-12

［23］ZHONG L，MA Y M，SALAMA M S，et al. Assessment of vegetation dynamics and their response to variations in precipitation and temperature in the Tibetan Plateau［J］. Climatic Change，2010，103（3-4）：519-535

［24］權(quán)欣，武俊喜，楊培志，等. 拉薩河谷禾豆混播草地生產(chǎn)力與種間關(guān)系研究［J］. 草地學(xué)報(bào)，2023，31（3）：657-667

［25］劉明健，張永亮，賈玉山，等. 豆禾混播對草地土壤碳氮磷含量的影響［J］. 中國草地學(xué)報(bào)，2021，43（8）：50-57

［26］鄭偉，朱進(jìn)忠，庫爾班，等. 不同混播方式下豆禾混播草地種間競爭動態(tài)研究［J］. 草地學(xué)報(bào)，2010，18（4）：568-575

［27］楊策，張玉雪，張鶴，等. 牧草混播生態(tài)系統(tǒng)功能研究進(jìn)展［J］. 草業(yè)學(xué)報(bào)，2022，31（9）：206-219

［28］SLEUGH B，MOORE K J，GEORG J R，et al. Binary legume-grass mixtures improve forage yield，quality，and seasonal distribution［J］. Agronomy Journal，2000，92（1）：24-29

［29］魏吉珍，馬曉麗，王世雄. 全球氣候變化背景下紫蘇在中國的潛在分布區(qū)預(yù)測［J］. 青?？萍?，2022，29（5）：118-124

［30］徐宗學(xué)，孟翠玲，鞏同梁，等. 西藏自治區(qū)氣溫變化趨勢分析［J］. 自然資源學(xué)報(bào)，2009，24（1）：162-170

［31］劉坤，袁新，肖寒予，等. 2000—2019年西藏草地植被覆蓋度對氣溫和降水變化的響應(yīng)［J］. 中國資源綜合利用，2022，40（5）：95-99

［32］楊文才，梁軍燕，曲廣鵬，等. 西藏地區(qū)耕地種植紫花苜蓿的氣候適宜性區(qū)劃［J］. 甘肅農(nóng)業(yè)大學(xué)學(xué)報(bào)，2021，56（4）：112-119

（責(zé)任編輯 彭露茜）

收稿日期：2023-02-10；修回日期：2023-05-14

基金項(xiàng)目：第二次青藏高原綜合科學(xué)考察研究資助（No.2019QZKK0302-02）資助

作者簡介：張雪梅（2000-），女，漢族 ，四川敘永人，碩士研究生，主要從事高寒草地植物資源與保護(hù)研究，E-mail：wlbzxxx111@163.com；*通信作者Author for correspondence，E-mail：linchangcun@bjfu.edu.cn