成都理工大学地球科学学院 成都 610059
摘要：紫茎泽兰是世界十大恶性杂草之一，对人类的生存和生产环境构成了严重的威胁。研究基于Maxent生态位模型与GIS空间分析技术，预测其在中国的潜在分格局，揭示引起其潜在地理分布格局改变的关键因子，为该物种的防治方案制定以及入侵机制研究提供科学依据。结果表明：模型平均AUC值为0.959，精度表现良好；紫茎泽兰在中国的总适生区面积为202.72×104km²，主要分布在我国云南、四川、贵州、福建一带，高适生区面积为23.2×104km²，主要分布在我国东南沿海一带；影响紫茎泽兰潜在分布格局的主导因子为年最大温差、最湿季度平均温度、最暖季度降水量。
关键词：紫茎泽兰；潜在分布格局；MAXENT
生物入侵破坏生态系统平衡，严重威胁着入侵地区的生物多样性、经济和环境，对人类的生存和生产环境构成了严重的威胁，已成为21世纪五大全球性环境问题之一[1]。紫茎泽兰Ageratina adenophora原产于美洲，属菊科Compositae泽兰属Eupatorium多年生草本植物，属于外来入侵植物，于2003年被列入我国首批外来入侵物种名单[2]。迄今为止，在紫茎泽兰防治方面所取得的研究进展相当有限，相关研究多集中于该植物的入侵机制、化感作用和药用价值方面，暂无其在中国潜在分布格局相关研究[3]。
研究基于Maxent模型与GIS空间分析技术，通过紫茎泽兰的全球分布信息与气候、海拔、土壤质量、人类活动多方面环境数据构建生态位模型，从而预测其在中国的潜在分状况，了解其在中国各地区的入侵潜力，并分析影响其潜在分布的主要影响因子，为该物种的入侵机制研究、防治方案制定提供科学依据。
1 材料与方法
1.1 物种分布数据
紫茎泽兰在中国的分布数据主要来源于野外实地调查、全球生物多样性信息平台（http：//www.gbif.org）、中国数字植物标本馆（http：//www.chv.org.cn）和相关文献记录。数据收集整理过程中仅保留含有明确经纬度坐标的分布数据，共收集10646个分布点数据。为了去除重复点位、降低分布点的空间自相关性及采样偏差对模型的负面影响，将研究区划分为5km×5km的格网并确保每个格网仅保留一个分布点数据，最终得到681个物种分布点。
1.2 环境数据及预处理
研究采用从WorldClim网站（www.worldclim.org）获取的19个气候变量进行模型构建。气候数据的空间分辨率为2.5′（约5km）。
环境变量是构建物种分布模型的重要参数，环境变量之间过高的共线性会造成模型过度拟合，导致模型转移能力降低。本研究基于Spearman相关系数和方差膨胀系数（variance inflation factor，vif）对变量进行筛选，以降低变量间共线性。最终筛选出6个气候因子变量（BIO 7年最大温差、BIO 8最湿季度平均温、BIO 9最干季度平均温、BIO 13最湿月降水量、BIO 15降水量变异系数、BIO 19最冷季度降水量）。变量筛选基于R语言的usdm包实现。
1.3 模型构建及数据处理
本研究使用Maxent3.4.1软件进行模型构建。将681个紫茎泽兰物种分布点与环境变量导入软件，设置输出类型为Logistic，选取25%的物种分布数据作为测试集，剩下75%作为训练集，同时开启刀切检验以对模型因子贡献率进行分析。为避免产生过拟合现象，本研究未采用默认模型参数，而是通过测试不同特征组合（FC）和正则化乘数条件下Maxnent模型的AIC信息量准则来选择最优参数。
2 结果与分析
2.1 模型精度评价
Maxent物种分布模型通过接受者操作特性曲线（receiver operating characteristic，ROC）下方面积（Area Under Curve，AUC）对模型精度进行检验。研究中Maxent模型的AUC值为0.959，表明该模型精度表现良好，能够良好描述紫茎泽兰的气候分布特征，具有较高的预测能力。
2.2 紫茎泽兰当前分布状况
基于处理后的紫茎泽兰分布数据，参照IPCC报告有关评估可能性的划分方法与紫茎泽兰实际情况，使用代表物种发生概率的Logistic像元值（Digital Number，DN值）将适生区划分为非适生区（DN值=0）、低适生区（0<DN值<=0.4）、中适生区（0.4<DN值<=0.6）和高适生区（0.6<DN值）。由紫茎泽兰潜在地理分布图（图1）可知：紫茎泽兰潜在适生区主要分布在我国南部，总适生区面积为202.72×104km²；高适生区主要分布区域为我国云南、四川、贵州、福建一带，面积为23.2×104km²。
2.3 主要影响因子
因子贡献率和置换重要值是评估环境变量对模型影响程度的重要指标，由结果可以知，因子贡献率由高到底前3个环境变量依次为年最大温差（BIO7）、最暖季度降水量（BIO18）、年最大温差（BIO7），累积贡献率达到92%。置换重要性由高到低前3个环境变量依次为年最大温差（BIO7）、最湿季度平均温度（BIO8）、最暖季度降水量（BIO18），累积贡献率达到91.3%。
综合因子贡献率和置换重要性分析结果可知，年最大温差（BIO7）、最湿季度平均温度（BIO8）、最暖季度降水量（BIO18）是影响紫茎泽兰地理分布格局的主要因子。基于Maxent模型得出3个主导环境变量的响应曲线可知，以存在概率大于0.5作为紫茎泽兰适宜生境的遴选条件，紫茎泽兰在3个主导因子的适宜区间分别为：年最大温差（BIO7）为20℃-27℃、最湿季度平均温度（BIO8）为9℃-24℃之间、最暖季度降水量（BIO18）大于200mm。
3 讨论
研究显示紫茎泽兰潜在分布区主要为我国南部地区，其高适宜生境主要分布在我国云南、四川、贵州、福建一带，该结果与紫茎泽兰实际分布范围一致[7]。因子分析表明影响紫茎泽兰分布的主导因子为年最大温差（BIO7）、最湿季度平均温度（BIO8）、最暖季度降水量（BIO18），紫茎泽兰适宜分布在年最大温差（BIO7）为20℃-27℃、最湿季度平均温度（BIO8）为9℃-24℃之间、最暖季度降水量（BIO18）大于200mm的地区，与当前相关研究一致。降水相关因子贡献率普遍较低，可能与紫茎泽兰具有较强抗旱能力以及其对土壤的化感作用有关。
生态位模型通常由于物种分布样点过少、采样偏差等原因会导致生态位表现不全，从而导致生态位模型精度降低，无法体现物种的完整生态位，限制了模型的应用。本次研究仅针对紫茎泽兰当前潜在分布格局及其主要影响因子进行研究，在未来的研究中可进一步进行过去、未来的潜在分布格局研究，从而基于潜在分布格局的动态变化进一步揭示紫茎泽兰的入侵状况与机制。
参考文献：
[1]Change I P O C. Climate Change 2013 - The Physical Science Basis//：Cambridge University Press.
[2]宋启示，付昀. 紫茎泽兰的化学互感潜力. 植物生态学报，2000，24（3）：362~365.
[3]鲁萍，桑卫国，马克平. 外来入侵种紫茎泽兰研究进展与展望. 植物生态学报，2005.