1、第 41 卷 第 2 期2023 年 4 月四川农业大学学报Journal of Sichuan Agricultural UniversityVol.41 No.2Apr.2023基于MaxEnt模型的内蒙古自治区樟子松潜在分布研究宋慧芳1，党晓宏1，2*，高永1，蒙仲举1，孙艳丽1（1.内蒙古农业大学沙漠治理学院，呼和浩特 010000；2.内蒙古杭锦荒漠生态系统国家定位观测研究站，内蒙古 鄂尔多斯 017000）摘要：【目的】优化樟子松已有种植区的布局以及科学推广引种其适宜种植范围。【方法】采用环境因子和地理分布数据，结合ArcGIS与MaxEnt模型，分析影响樟子松分布的主导环境因子以
2、及预测其潜在地理分布。【结果】MaxEnt模型在樟子松潜在生境模拟中，AUC=0.821，有较好精度。最潮湿月份的降水量（BIO13）、等温性（BIO3）和最潮湿季节的平均温度（BIO8）和最干燥季节的平均温度（BIO9）为影响樟子松分布的主导环境因子。研究区樟子松适生区总面积为86.997 8万km2，其中高适生区面积为30.811 7万km2，占内蒙古总面积的25.76%，主要集中在呼伦贝尔、兴安盟、锡林郭勒盟、赤峰和呼和浩特等地区。【结论】东北地区樟子松潜在分布范围最广，且气候因子是樟子松分布的主要影响因子，该研究结果可为各地区加强樟子松防风固沙林建设提供依据。关键词：樟子松；最大熵模型
3、；地理信息系统；潜在分布中图分类号：S791.253 文献标志码：A 文章编号：1000-2650（2023）02-0203-06Potential Distribution of Pinus sylvestris in Inner Mongolia Autonomous Region Based on MaxEnt ModelSONG Huifang1，DANG Xiaohong1，2*，GAO Yong1，MENG Zhongju1，SUN Yanli1（1.College of Desert Control，Inner Mongolia Agricultural University，H
4、ohhot 010000，China；2.National Positioning Observation and Research Station of Guhangjin Desert Ecosystem in Inner Mongolia，Ordos 017000，Inner Mongolia，China）Abstract:【Objective】This study aimed to optimize the layout of the existing planting area of Pinus sylvestris and identify suitable planting ar
5、eas for future introduction and extension of planting scientifically.【Method】This paper used environmental factors and geographical distribution data，combined with ArcGIS and MaxEnt model，to predict the dominant environmental factors and potential geographical distribution of P.sylvestris.【Result】In
6、 the simulation of potential habitat of P.sylvestris，the MaxEnt model has a high accuracy with AUC=0.821.Precipitation in the wettest month（BIO13），isotherm（BIO3），mean temperature of wettest quarter（BIO8）and mean temperature of driest quarter（BIO9）were the most important environmental factors affecti
7、ng the distribution of P.sylvestris.The total suitable growing area of P.sylvestris in the study area is 86.997 8 km2，with the highly suitable area being 30.811 7 km2，which is 25.76%of the total Inner Mongolia area.These highly suitable areas were mainly distributed in Hulunbuir，Xingan League，Xilin
8、Gol League，Chifeng and Hohhot.【Conclusion】This study suggests that the potential distribution of P.sylvestris is the widest in northeast China，with climate being the main influential factors for the distribution.These results provide a basis for strengthening the construction of windbreak and sand f
9、ixation forests of P.sylvestris in different regions.Keywords:Pinus sylvestris；maximum entropy model；geographic information system；the potential distributiondoi:10.16036/j.issn.1000-2650.202211193收稿日期：2022-11-21基金项目：内蒙古自治区科技重大专项“浑善达克沙地植被快速营建技术研究”。作者简介：宋慧芳，硕士研究生。*责任作者：党晓宏，副教授，博士，博士生导师，主要从事水土保持与荒漠化防治研
10、究，E-mail：。四川农业大学学报第 41 卷 樟子松（Pinus sylvestris）生长慢但寿命长、抗逆性和耐寒性强，具有耐腐蚀、稳定性强等特性1-2。1995年科尔沁沙地首次成功引种樟子松3，并在三北防护林建设中得到广泛应用，是我国北方水土保持和防风固沙工程中最重要的树种之一4。但是由于环境和植物本身影响因素的干扰，北方樟子松人工林开始大面积退化5，特别是科尔沁沙地将近40%的樟子松防风固沙林出现生长不良症状6。目前樟子松的研究主要集中在培育技术7、土壤理化性质8和物种多样性9等方面，对其潜在适生分布区的研究较少。目前常见的用于物种潜在适生区预测模型有最大熵（MaxEnt）、生态位因
11、子分析（ENFA）、遗传算法（GARP）、生物气候分析系统（BIOCLIM）和区域环境模型（DOMAIN）等10。对比上述这些模型，其中适用范围较广的是最大熵（MaxEnt）模型，即使物种样本数据数量较少的情况下也能有较高的预测精度和准确的预测成果11。MaxEnt模型根据物种已有地理分布位置和相应的多种环境因子，按照气候相似原理，计算出特定生态位限制条件下物种分配定律的最佳状态，即熵最大时该物种在研究区内的潜在分布范围12。近年来，普遍运用在外来物种入侵预警13-14、疾病传播途径15-16及物种潜在地理分布预测17-18等领域。Phillips团队运用Java语言编写了MaxEnt模型软件
12、19，刘超等20基于MaxEnt模型结合ArcGIS软件对川梨（Pyrus pashia）自冰期以来不同时期的分布进行预测，认为随历史气候的变迁，川梨由末次盛冰期经全新世中期进入当代，分布区面积呈现先下降后上升的趋势。王浩等21分析野生防风（Saposhnikovia divaricata）分布信息及多个环境因子，预测防风生态适宜性区划，为栽培防风的扩大生产提供基础研究数据。秦委等22基于MaxEnt模型结合 ArcGIS 软件研究我国范围内东南茜草（Rubia argyi）的潜在地理分布，预测结果可为东南茜草野生抚育与人工栽培的合理布局提供理论参考依据。因此，为了探索樟子松潜在分布区域，并进
13、行科学推广种植，为樟子松的合理分区栽种提供基础研究数据，本文采用实地调查与数据处理相结合的方法，以内蒙古自治区为例，将樟子松存在记录分布点数据及其相关环境因子，如气候、土壤和地形因子数据等利用ArcGIS软件进行前期数据处理，利用MaxEnt模型统一构建其潜在生境的空间适宜分布函数，最终得到樟子松潜在分布区域以及影响其分布的主要环境因子，对实现樟子松科学种植以及防风固沙林的稳定发展具有重要意义。1材料和方法1.1研究区概况内蒙古自治区(37.4053.38N，97.27126.07E)位于我国西北部，东西直线距离2 400 km，土地总面积118.3万km2，占中国土地总面积的12.3%。全区
14、地势较高，平均海拔高度在1 000 m以上，属于蒙古高原型地貌，全年大风日数平均在1040 d，年日照时数都在2 700 h以上，属于温带大陆性季风气候。年降水量在100500 mm之间，受到气候及地形地貌影响，内蒙古降水量在空间分布上呈现出东北高西南低的趋势23，是我国典型的农牧带过渡区，东部地区土壤肥沃，土地生产力较强适宜农业发展，中西部地区土壤水分结构相对较差，存在大量荒地和沙漠，生态系统以草原、森林、荒漠和裸地为主24。1.2数据来源樟子松分布点数据来源于国家标本资源共享平台（http:/ 3列表并以.csv格式保存；由于樟子松为深根性树种，所以最终选择共17条以S_开头的下层土壤属性
15、（30100 cm）土壤类型包括：土壤有效含水量、沙含量、黏土含量、土壤质地分类、土壤容重、有机碳含量、酸碱度、土壤的阳离子交换能力、基本饱和度、硫酸盐含量和电导率等；结合ArcGIS处理内蒙古自治区海拔、坡度、坡向数据、19项气候数据和17项土壤数据，共39项环境因子转换为ASC格式用于MaxEnt模型对内204第 2 期宋慧芳，等：基于MaxEnt模型的内蒙古自治区樟子松潜在分布研究蒙古地区樟子松生境的模拟。1.4MaxEnt模型参数设置环境因子之间高度相关会使模型预测准确性降低，故用MaxEnt模型中的刀切法（Jackknife）来初步测定环境因子模拟贡献率大小，为避免过度拟合要选择保留
16、贡献率大的因子（贡献率2%），在ArcGIS中利用多元分析工具，统计栅格图层数据相关矩阵，比较相关系数，若|r|0.8，全部保留，若|r|0.8，对比MaxEnt模型中两者贡献率，剔除贡献率相对较小的影响因子26，经过筛选本研究最终确定了6个主要环境因子用于模型预测樟子松的潜在分布，如表1所示。结合樟子松分布点数据和6项环境数据构建MaxEnt模型，建立模型时随机选取75%的樟子松存在记录点作为训练数据，剩余25%的数据则作为验证数据27，将重复次数设置为10次，以此来消除训练数据（75%）和验证数据（25%）产生的误差28，最终得到预测结果。MaxEnt模型物种潜在分布预测运行结果中的物种工作特征曲线（receiver operating characteristic，ROC）能够模拟预测进行自检验，采用刀切法（Jackknife）分别对每一个环境变量进行测定，且衡量每一项环境变量的贡献率，可以分析不同环境变量对物种分布情况的作用。在ArcGIS中将MaxEnt模型运行结果的樟子松潜在适宜分布区进行重分类，适宜程度划分为（适生指数）P0.05为非适生区、0.05P0.8，可以看出Ma
