Page 65 - 《广西植物》2023年第8期

８ 期 余江洪等: 国家重点保护野生植物的保护现状及潜在分布区预测分析 １ ４ ０ ７

(ｈｔｔｐ: / / ｗｗｗ.ｍｅｅ.ｇｏｖ.ｃｎ) 和世界自然保护区数据 于 ５ 的物种进行模型运算(Ｐｅａｒｓｏｎꎬ ２００６ꎻ Ｔａｎｇ ｅｔ
库(ｈｔｔｐｓ: / / ｗｗｗ.ｐｒｏｔｅｃｔｅｄｐｌａｎｅｔ.ｎｅｔ/ ) 的文件ꎬ绘制 ａｌ.ꎬ ２０１８)ꎬ７７２ 种 国 家 重 点 保 护 野 生 植 物 用 于
了中国自然保护区图层ꎬ包括 ４６４ 个国家级自然 ＭａｘＥｎｔ 模型的预测分析ꎮ
保护区和 ８０６ 个省级自然保 护 区ꎮ 利 用 ＡｒｃＧＩＳ 基于 ＭａｘＥｎｔ 模型的预测分析ꎬ我们使用了两
ｖ.１０.６ 软件将所确定的热点网格与自然保护区 种方法来构建模型ꎬ即对有 ５ ~ ２９ 个分布点的物种
(国家级和省级) 图层叠加ꎬ评估当前保护网格对 采用刀切法(Ｐｅａｒｓｏｎꎬ ２００６)ꎬ对大于等于 ３０ 个分
国家重点保护野生植物的保护成效ꎬ并确定保护 布点的物种采用交叉验证法( Ｔａｎｇ ｅｔ ａｌ.ꎬ ２０１８)ꎮ
空缺ꎮ 当热点网格分布有自然保护区时ꎬ则认为 我们将 ７５％的分布数据设置为训练集ꎬ其余 ２５％
该网格 中 的 物 种 受 到 保 护ꎬ 否 则 即 为 保 护 空 缺 设置为测试集ꎬ其他设置设为默认值ꎮ 模型预测

(Ｈｏｕ ｅｔ ａｌ.ꎬ ２０１０ꎻ Ｃｈｉ ｅｔ ａｌ.ꎬ ２０１７ꎻ Ｙａｎｇ ｅｔ ａｌ.ꎬ 的结 果 采 用 受 试 者 工 作 曲 线 ( ｒｅｃｅｉｖｅｒ ｏｐｅｒａｔｉｎｇ
２０２１ꎻ Ｘｕｅ ｅｔ ａｌ.ꎬ ２０２１)ꎮ 我们最终统计了热点网 ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｃｕｒｖｅꎬ ＲＯＣ 曲线) 进行检验ꎬ评价标
格、保护成效和保护空缺中国家重点保护野生植 准为 ＲＯＣ 曲 线 与 横 坐 标 所 围 面 积 ( ＡＵＣ 值)

物的种类ꎮ (Ｋｕｍａｒ ｅｔ ａｌ.ꎬ ２０１４)ꎬ ＡＵＣ 值 为 ０. ５０ ~ １ꎬ 其 中
１.４ 气候数据获取及处理 ０.７０ ~ １ 表示模型性能好或极好 ( Ｓｗｅｔｓꎬ １９８８)ꎮ
研究中所使用的环境变量包括气候因子和地 为了保证预测结果的准确性ꎬ仅选取 ＡＵＣ 值大于
形因子(海拔)ꎮ 当前(１９６０—１９９０ 年ꎬ ｖｅｒｓｉｏｎ １.４) ０.７０ 的物种进行后续分析ꎮ 利用 ＡｒｃＧＩＳ ｖ.１０.６ 软
和未 来 ( ２０７０ꎬ ＣＭＩＰ５ ) 的 １９ 个 气 候 因 子 从 件提取分辨率为 １０ ｍｉｎ 的不同网格单元内的各个
ＷｏｒｌｄＣｌｉｍ 数据库 ( ｈｔｔｐｓ:/ / ｗｗｗ. ｗｏｒｌｄｃｌｉｍ. ｏｒｇ / ) 中 物种的适生值(０ ~ １)ꎬ适生值越高代表物种在该
下载ꎮ 其中ꎬ１９ 个气候数据在 ＡｒｃＧＩＳ ｖ.１０.６ 中使用 地区存在的概率越大ꎮ Ｙａｎｇ 等(２０１３) 研究表明ꎬ
掩膜剪裁工具裁剪并提取到中国的气候数据ꎬ然后 适生值大于 ０.４０ 为中度潜在分布区或高度潜在分
将其转换为 ＡＳＣⅡ格式的数据ꎮ 未来的气候数据选 布区ꎮ 因 此ꎬ 我 们 将 同 一 网 格 中 不 同 物 种 大 于
择 ＩＰＣＣ 第 ５ 次评估报告中 ＢＣＣ￣ＣＳＭ １￣１ 模型下未 ０.４０ 的适生值进行求和得到每个网格最终的适生
来四种气候变暖情景中代表 ＣＯ 最低和最高排放 值ꎬ以呈现最终的结果ꎮ
２
情景的 ＲＣＰ２.６ 和 ＲＣＰ８.５ꎮ 海拔数据从 ＤＩＶＡ￣ＧＩＳ
２ 结果与分析
(ｈｔｔｐ:/ / ｗｗｗ.ｄｉｖａ￣ｇｉｓ.ｏｒｇ)数据库中获取ꎮ
在最大熵模型构建时ꎬ环境变量的多重共线
性可 能 会 导 致 模 型 过 度 拟 合 ( Ｇｒａｈａｍꎬ ２００３ꎻ ２.１ 物种丰富度及热点的分布格局
Ｐｅａｒｓｏｎ ｅｔ ａｌ.ꎬ ２００６)ꎬ从而影响拟合结果的准确 国家重点保护野生植物物种丰富度空间分布
性ꎮ 因此ꎬ本研究对构建模型的气候数据进行预 格局的研究表明ꎬ６８.７０％的网格分布有国家重点保
处理ꎬ利用 ＳＰＳＳ １３.０ 软件对环境变量进行多重共 护野生植物ꎬ物种丰富度最高的网格主要集中分布
线性分析、检验变量之间的相关性ꎬ当 ２ 个变量相 在中国西南部和南部ꎬ包括四川中部、云南南部和
关性≥０.８５ 时ꎬ仅保留对预测概率贡献较大的变 东南部、广西北部、广东北部、海南等(图 １:Ａ)ꎮ 根
量并用于模型运算ꎮ 经过相关性分析后ꎬ最终筛 据前 ５％丰富度算法共确定了 ２００ 个多样性热点网
选出 ９ 个环境变量:ｂｉｏ２(平均昼夜温差)、ｂｉｏ３( 等 格ꎬ这些热点网格主要分布在中国西南部、南部以
温性)、ｂｉｏ６( 最冷月最低温度)、ｂｉｏ７( 年温度变化 及东部地区ꎬ如四川中部、云南西北部、滇黔桂交界

差值)、ｂｉｏ８( 雨季平均温度)、ｂｉｏ１２( 年降雨量)、 处(滇东南、桂西南和黔西南)、桂北黔南、鄂渝湘交
ｂｉｏ１５(降雨量变异系数)、ｂｉｏ１７(最干季降雨量) 和 界处、华东地区、广东北部和中部地区与海南等地

海拔ꎮ (图 １:Ｂ)ꎮ 本研究所确定的热点包括 ８１.９８％(８４６
１.５ 潜在分布区预测分析 种)的国家重点保护野生植物(图 １:Ｂ)ꎮ
本研究采用最大熵算法(ＭａｘＥｎｔ ｖ.３.４.１)对当 ２.２ 多样性热点的保护成效和空缺分析
前和未来气候条件下国家重点保护野生植物的潜 保护成效分析结果表明ꎬ１７１( ８５.５０％) 个热
在分布区进行建模ꎮ 物种分布点小于 ５ 会导致模 点网格被自然保护区所覆盖ꎬ主要位于四川中部、
型的预测结果不可靠ꎬ我们仅对分布点大于或等 云南西北部、滇黔桂交界处( 滇东南、桂西南和黔