Prediction of potential distribution of Cupressus gigantea W. C. Cheng & L. K. Fu in China based on optimized MaxEnt modeling
-
摘要:
巨柏（Cupressus gigantea W. C. Cheng & L. K. Fu）是西藏特有种，国家一级保护植物。本研究基于R软件“kuenm”包优化模型参数，建立最优MaxEnt模型，预测了全国范围内巨柏的潜在适宜分布区，并结合贡献率和折刀测验分析了影响其分布的主导环境变量。结果显示，优化模型的表现效果较好，相比默认参数模型，降低了模型的复杂度，提高了模拟预测精度。与河流的距离、温度季节性变化标准差、等温性、坡度、最冷季度降水量是影响巨柏分布的主导环境变量。巨柏在我国的潜在适宜分布区集中在西藏和四川，西藏的林芝、山南、拉萨和日喀则占据了全部中适宜区（2 298 km2）和高适宜区（746 km2），其中高适宜区只分布在林芝（563 km2）和山南（183 km2），约占西藏总面积的0.062%。朗县-米林市的高适宜区为巨柏潜在生境分布的核心地段，建议于此区域优先开展巨柏保护工作。
Abstract:Cupressus gigantea W. C. Cheng & L. K. Fu, a tree species endemic to Tibet and classified as a national first-class protected species in China, requires clear delineation of its potential suitable distribution for effective conservation, introduction, and breeding programs. This study established the MaxEnt model, using the “kuenm” R package to optimize model parameters, to predict the potential distribution of C. gigantea across China. Environmental variables influencing distribution were analyzed through percent contribution and Jackknife tests. The optimized model demonstrated superior predictive accuracy and reduced complexity compared to the default parameter model. Key factors influencing the distribution of C. gigantea included distance from rivers, temperature seasonality, isothermality, slope, and precipitation during the coldest quarter. Predicted suitable distribution areas were primarily located in Tibet and Sichuan, with the cities of Nyingchi, Lhoka, Lhasa, and Rikaze in Tibet encompassing the entirety of moderately suitable (2 298 km2) and highly suitable areas (746 km2). The high suitability area was exclusively distributed in Nyingchi (563 km2) and Lhoka (183 km2), representing about 0.062% of the total area of Tibet. The corridor between Lang County and Milin County emerged as the core habitat for C. gigantea, underscoring the need to prioritize conservation efforts in this critical region.
-
Keywords:
- Cupressus gigantea /
- Habitat /
- Potential distribution /
- MaxEnt /
- Tibet
-
高寒草地是青藏高原最主要的生态系统，是维护国家生态安全和改善青藏高原地区农牧民生活质量的重要保障[1]。在过去几十年里，受人类活动和自然因素的影响，高寒草地的生产和生态功能急剧下降，造成大面积土地裸露和草畜不平衡等诸多问题[2]。最近，经过相关领域学者们的不断探索实践，我国高寒草地退化的趋势明显改善，植被覆盖度大幅提升，水土流失和荒漠化基本遏制[3]。然而，青藏高原地区气候寒冷，有机质分解较慢，土壤微生物活性较低[4]，导致退化草地治理周期较长，草畜矛盾仍未能有效解决。因此，在退化草地恢复的同时，建植多年生人工草地便成为满足生产和生态功能需求的重要手段。在实践中发现，多年生高寒栽培草地在建植2~3年后地上生物量达到峰值，第4年开始其地上生物量逐年下降，且饲草品质普遍较低[5]。究其原因，与青藏高原地区土壤氮限制密切相关[6]。青藏高原地区土壤氮限制极其严重，加之气温较低，严重抑制了与氮有关的功能微生物的活性，导致生产力较低[6]。此外，多年生牧草常年吸收土壤中的营养物质，导致土壤养分贫瘠，进而造成草地减产[7]。综合两方面的原因，氮添加成为提升多年生栽培草地生产功能的直接手段。
氮素形态和施氮水平是草地氮肥管理的两项重要内容，对植物生长发育起着关键调节作用。根据化合物形态可将氮肥分为铵态氮肥（A）、酰胺态氮肥（U）和硝态氮肥（N）等多种类型，不同形态氮肥均能促进植物的生长，但在土壤中的转化机制不同，导致植物的干物质分配和营养积累存在差异[8]。植物可以吸收利用的土壤氮素主要为硝态氮和铵态氮，氮素形态对不同植物生长发育的影响存在差异，氮肥形态是影响肥效的主要因素之一[9]。施用不同形态氮素会影响作物的根系发育及碳氮代谢等生理进程，进而影响植株生物量的积累。同时，氮素形态还会影响糖、激素、维生素和生物碱等各种化学物质的合成，进而影响植物的品质[10]。向雪梅等[11]在高寒区的施氮研究表明，酰胺态氮能保证植物较高的氮素利用率和较低的氮损失率，是提高植物生产力最佳的氮素形态，而Guo等[12]研究发现，硝态氮能促进野牛草（Buchloe dactyloides (Nutt.) Engelm.）的营养繁殖和品质积累。两种结果不一致的主要原因是不同植物对氮素形态的需求存在差异，故应根据植物类型和生存环境设置合理的氮源。对于青藏高原地区多年生高寒栽培草地而言，哪种氮素形态更有利于生产力和营养品质的积累不得而知。此外，研究施氮水平对植物生产性能的影响并确定合理的氮添加量也是科学添加氮肥的关键[13]。以往研究证实，合理的氮添加量是保证植物生产力和营养品质的关键[14]，但关于具体氮添加量始终没有形成统一的结论，这是因为施氮水平应符合环境状况，不同区域氮素水平的阈值存在显著差异，氮限制比较严重的土壤环境可能需要施加更多的氮肥来满足植物的生长需求[15]。但过量的氮添加不仅造成氮肥利用率下降，也会对生态环境构成威胁。因此，确定最佳施氮量也是维持多年生高寒栽培草地生产力和营养品质的核心目标。
鉴于此，本研究以4年龄人工草地为研究对象，设置3个氮素形态和4个施氮水平，通过比较不同处理植物的地上生物量和饲草营养品质等参数，探究不同氮素形态和施氮水平对饲草生产性能和营养品质的影响，通过灰色关联度综合分析，进一步筛选出最佳的氮素形态和施氮水平，以期为高寒地区优质饲草的生产提供科学依据。
1. 材料与方法
1.1 试验区概况
试验区位于青海省海南藏族自治州共和县巴卡台农牧场（36°17'N，100°55'E），平均海拔3 300 m，年均降水量为300 mm，年蒸发量在2 000~2 400 mm，年平均气温为4.1 ℃。试验区冬季寒冷漫长，夏季温和短暂，年内干旱少雨且温度偏低，气温垂直分布明显，太阳辐射强，属高原大陆性气候特征。降水季节性分布不均，主要集中在7-10月。试验地土壤为高山草甸土和黄绵土[16]。
1.2 试验设计
于2022年6月，以2019年建植的青海草地早熟禾（Poa pratensis L. cv. Qinghai）+青海中华羊茅（Festuca sinensis L. cv. Qinghai）混播草地为研究对象，两个物种的混播比例为1∶1，建植面积为15 m×150 m。设置小区时，为避免边际效应，选取整块地中间较均匀的地段，采用随机区组设计，设置3个氮素形态，分别为尿素（酰胺态氮，U）、硫酸铵（铵态氮，A）和硝酸钙（硝态氮，N）；参照中国氮沉降分布格局（青海地区干湿沉降率7.55 kg·hm−2·yr−1）确定氮素添加剂量，设4个施氮梯度，分别为青海省干湿氮沉降的0、3、6、9倍，浓度依次为0（T0，CK）、22.5（T1）、45（T2）、67.5 kg·hm−2·a−1（T3），各处理见表1。每个处理3个重复，共30个小区，小区面积为4 m×4 m，小区之间间隔5 m。将称好的肥料分为两等份，分别于6月上旬和下旬加到2 L水中溶解，摇匀后装入喷壶，均匀喷洒在相应的小区内，CK处理喷洒相同体积的水。
表 1 氮素形态和施氮水平设置Table 1. Nitrogen forms and nitrogen level settings施肥处理
Fertilization treatment氮素形态
Nitrogen form施氮水平
Nitrogen level / kg·hm−2·a−1T0（CK） − 0.0 UT1 酰胺态氮 22.5 UT2 45.0 UT3 67.5 AT1 铵态氮 22.5 AT2 45.0 AT3 67.5 NT1 硝态氮 22.5 NT2 45.0 NT3 67.5 1.3 样品采集与分析
1.3.1 样品采集与处理
于2022年8月上旬（植物生长旺期）对各试验小区进行调查与样品采集。采用样方法，设置50 cm×50 cm的样方，齐地面刈割后带回实验室称取鲜重，后转移至105 ℃烘箱中杀青30 min，然后在75 ℃烘干至恒重，称取地上生物量。之后将烘干草样用粉碎机粉碎，过1 mm筛备用。
1.3.2 牧草品质测定方法
利用元素分析仪测定植物粗蛋白含量[17]，利用索氏抽提法测定粗脂肪含量[18]，使用马弗炉灼烧法测定粗灰分含量[18]，中性洗涤纤维含量和酸性洗涤纤维含量采用范式纤维洗涤法进行测定[19]，并根据童永尚等[19]的方法计算相对饲喂价值。
1.3.3 数据处理与分析
采用Excel 2010软件进行原始数据整理和灰色关联度分析，具体参见童永尚等[19]的方法。运用SPSS 27.0软件进行双因素方差分析和聚类分析。在Origin 2022软件中绘图。
2. 结果与分析
2.1 氮素形态和施氮水平对饲草生产性能的影响
由表2可知，氮素形态对多年生高寒栽培草地的地上生物量影响显著（P<0.05），施氮水平对地上生物量的影响极显著（P<0.001），氮素形态和施氮水平交互作用对地上生物量影响不显著。氮添加整体上提高了群落地上生物量，且随着施氮水平的提高呈递增趋势，UT3、AT3和NT3处理分别较CK处理提高43.22%、26.54%和33.11%。同等氮水平相比较，对地上生物量的促进作用表现为U>N>A（图1）。
表 2 氮素形态和施氮水平的双因素方差分析Table 2. Two factor analysis of variance for nitrogen forms and nitrogen application levels影响因素
Influence factor氮素形态
Nitrogen form (F)施氮水平
Nitrogen level (L)氮素形态×施氮水平
F×LF P F P F P 地上生物量 5.622 <0.05 14.056 <0.001 0.153 0.959 粗蛋白 18.073 <0.001 38.120 <0.001 1.748 0.184 粗脂肪 39.829 <0.001 5.377 <0.05 1.183 0.351 粗灰分 0.020 0.980 0.576 0.572 1.714 0.191 中性洗涤纤维 1.979 0.167 1.423 0.267 1.422 0.267 酸性洗涤纤维 1.153 0.338 0.718 0.501 1.555 0.229 相对饲喂价值 1.275 0.304 1.284 0.301 1.909 0.153 2.2 氮素形态和施氮水平对饲草营养品质的影响
2.2.1 对饲草粗蛋白含量的影响
由表2和图2可知，氮素形态和施氮水平对饲草粗蛋白含量均具有极显著影响（P<0.001），氮素形态和施氮水平交互作用对饲草粗蛋白含量影响不显著。氮添加整体上提高了植物的粗蛋白含量，且随着施氮水平的提高呈递增趋势，UT3、AT3和NT3处理分别较CK处理提高了69.76%、65.41%和52.86%。同等氮水平相比较，对饲草粗蛋白含量的促进作用表现为U>A>N。
2.2.2 对饲草粗脂肪含量的影响
氮素形态对饲草粗脂肪含量具有极显著影响（P<0.001），施氮水平对饲草粗脂肪含量具有显著影响（P<0.05），氮素形态和施氮水平对饲草粗脂肪含量没有明显的交互作用（表2）。氮添加整体上提高了植物的粗脂肪含量，不同施氮水平对饲草粗脂肪含量的促进作用因氮素形态不同而有所差异。饲草粗脂肪含量随着酰胺态氮施肥水平的提高而增加，铵态氮施肥水平的增加对植物粗脂肪含量的影响较小。3种氮素形态下，饲草的粗脂肪含量均在T3水平时达到峰值，UT3、AT3和NT3处理分别较CK提高了53.30%、11.34%和28.86%。同等氮水平相比较，对地上生物量的促进作用表现为U>N>A（图3：A）。
![]()
图 3 不同处理下饲草粗脂肪（A）和粗灰分（B）含量Figure 3. Ether extract (A) and crude ash (B) content of forage under different treatments2.2.3 对饲草粗灰分含量的影响
由表2可知，氮素形态、施氮水平及二者交互作用对饲草粗灰分含量的影响均不显著。氮添加整体上提高了植物的粗灰分含量（P<0.05），AT2处理下植物的粗灰分含量最高，为4.46%。同一氮素形态下不同施氮水平相比较，A和N处理均在T1水平时达到最大粗灰分含量，分别为4.31%和4.26%（图3：B）。
2.2.4 对饲草中性洗涤纤维含量的影响
本研究发现，氮素形态、施氮水平及二者交互作用对饲草中性洗涤纤维含量均未产生显著影响（表2）。氮添加整体上降低了植物的中性洗涤纤维含量（P<0.05）。随着硝态氮施肥水平的提高，植物中性洗涤纤维含量逐渐降低（图4：A）。3种氮肥在T3水平时的中性洗涤纤维含量趋于一致，介于63.6%~64.0%。
![]()
图 4 不同处理下饲草中性洗涤纤维（A）和酸性纤维（B）含量Figure 4. Neutral detergent fiber (A) and acid detergent fiber (B) content of forage under different treatments2.2.5 对饲草酸性洗涤纤维含量的影响
由表2可知，氮素形态、施氮水平、氮素形态和施氮水平交互作用对饲草酸性洗涤纤维含量的影响均不显著。氮添加整体上降低了植物的酸性洗涤纤维含量（图4：B）。T2水平时，3种氮肥对植物酸性洗涤纤维含量的影响不明显。总体来看，T1水平时，施用铵态氮肥对植物酸性洗涤纤维含量的降低效果最为明显。
2.2.6 对饲草相对饲喂价值的影响
由表2可知，氮素形态、施氮水平及二者交互作用对饲草相对饲喂价值均未产生显著影响。如图5所示，氮添加整体上提高了饲草的相对饲喂价值，不同氮素形态和施氮水平对饲草相对饲喂价值的影响较大。随着硝态氮肥施氮水平的提高，饲草的相对饲喂价值逐渐提高。T3水平时，3种氮肥对饲草相对饲喂价值的提升效果接近。不同氮肥形态相比较，T1水平时，施用铵态氮肥的饲草其相对饲喂价值最高，为113.08；T2水平时，施用酰胺态氮肥时饲草的相对饲喂价值最高，为113.34。
![]()
图 5 不同处理下饲草相对饲喂价值Figure 5. Relative feeding value of forage under different treatments2.3 灰色关联度评价和聚类分析
将植物地上生物量、粗蛋白含量和中性洗涤纤维含量等7个指标纳入评价体系，对不同氮素形态和施肥水平共10个处理进行灰色关联度综合评价。由表3可知，CK处理排序第9，说明氮添加普遍提高了饲草的综合性能。综合排名前4位的处理分别是UT3、UT2、NT3和AT3。不同酰胺态氮肥处理的综合排名依次为UT3>UT2>UT1，不同铵态氮肥处理的综合排名依次为AT3>AT1>AT2，不同硝态氮肥处理的综合排名依次为NT3>NT2>NT1。
表 3 不同处理的灰色关联度综合评价Table 3. Comprehensive evaluation of gray correlation degree for different treatments施肥处理
Fertilization treatment等权关联度
Gray correlative排序
Rank权重系数
Weight coefficient加权关联度
Weighted gray correlative加权关联度排序
Rank of weighted gray correlativeUT3 0.871 4 1 0.126 3 0.110 0 1 UT2 0.763 3 2 0.110 6 0.084 4 2 NT3 0.753 6 3 0.109 2 0.082 3 3 AT3 0.746 1 4 0.108 1 0.080 7 4 AT1 0.718 6 5 0.104 1 0.074 8 5 UT1 0.654 1 6 0.094 8 0.062 0 6 NT2 0.633 7 7 0.091 8 0.058 2 7 AT2 0.613 0 8 0.088 8 0.054 5 8 CK 0.589 1 9 0.085 4 0.050 3 9 NT1 0.557 0 10 0.080 7 0.045 0 10 本试验将10个处理的地上生物量和营养品质进行了聚类分析，运用SPSS 27.0软件构建树形图（图6），在欧式距离为9处，可将其分为4大类。第Ⅰ类仅包括CK处理，其产量和营养品质均表现最差；第Ⅱ类只有AT1处理，其地上生物量略高于CK处理；第Ⅲ类包括UT2、UT3、AT3和NT3处理，其产量和营养品质均表现最好；第Ⅳ类包括UT1、NT1、NT2和AT2处理，其产量和营养品质仅次于第Ⅲ类。
3. 讨论
3.1 氮素形态和施氮水平对饲草生产性能的影响
众所周知，氮添加可以提高植物的生产力，但不同环境的氮添加量应有所差异[20]。施氮量较低时，土壤养分仍然不能满足植物生长，施氮量过多又会导致土壤中产生有毒的亚硝酸盐[21]，进而阻碍植物生长，因此栽培草地施氮量应根据土壤氮素含量来确定。在以往的研究中，关于氮添加水平对植物地上生物量的调节作用有两种结论，第1种是地上生物量随施氮量增加而增加[22]；第2种是地上生物量随施氮量的增加会出现一个峰值，然后逐渐降低[15]，这是因为氮添加量有一定的环境阈值，存在一个最适施氮量，以最适施氮量为对称轴，植物的地上生物量随施氮量增加呈抛物线变化。本研究中，施氮水平对地上生物量具有极显著影响，氮添加显著提高了群落地上生物量，且随着施氮水平的提高呈递增趋势，在施氮量为67.5 kg·hm−2·a−1时达到峰值，说明本研究中设置的施氮量可能过低，在后期的试验中需要加大施氮梯度。此外，氮素形态对植物的地上生物量也产生显著影响，对地上生物量的促进作用表现为U>N>A。说明在短期内，酰胺态氮对植物生物量的促进效果更为明显，而硝态氮和铵态氮的效果相对较差，这与向雪梅等[11]和芦光新等[23]在高寒草地中的研究结论相似。尽管施加铵态氮肥补充了土壤养分，一定程度上促进了植物生长，但铵态氮肥抑制了植物对K+和Ca2+的吸收，导致NH4+的积累并产生氨害，从而限制了植物的生长[12, 24]。硝态氮肥的促产作用介于酰胺态和铵态氮肥之间。硝态氮同样也会对植物的生长产生不利影响，在还原过程中，硝态氮会消耗较多的能量。另外，在弱光条件下，植物对硝态氮的吸收也有可能会受到抑制，从而导致氮素供应不足。相比铵态氮肥和硝态氮肥，含氮量较高的酰胺态氮肥为土壤补充了充足的养分[16]，更能满足植物的生长需求。由于氮素形态和氮素水平的设置还与牧草栽培方式、施氮时间和气候条件等因素相关，后期还应针对以上干扰因素设置控制试验，进行深入研究。
3.2 氮素形态和施氮水平对饲草营养品质的影响
在高寒地区，老龄人工草地牧草的营养品质较差是一个普遍现象。究其原因，土壤中营养元素含量较低，导致植物对氮、磷等元素的吸收利用效率较低。研究表明，氮素添加可迅速补充植物中的全氮含量，满足植物对营养元素的需求，进而恢复草地生产力，改善草地群落结构和植物的营养品质[25]。粗蛋白和粗脂肪含量是评价牧草营养价值的重要指标，其含量高则表明牧草营养品质较高，而粗纤维和粗灰分含量越高，则表明牧草可消化养分低，品质下降[26]。宋建超等[27]在高寒区的研究表明，氮添加显著提高了垂穗披碱草（Elymus nutans Griseb.）的粗蛋白和粗脂肪含量，与本研究结论一致。本研究中，所有施氮处理均显著提高了饲草的粗蛋白和粗脂肪含量。此外，我们还发现不同氮素形态和施氮水平对饲草的粗蛋白和粗脂肪含量具有显著影响，施用酰胺态氮肥更有利于粗蛋白和粗脂肪的积累，且高氮水平的促进作用更加明显。该现象一方面说明了高寒区氮限制非常严重，改善牧草的营养品质可能需要投入更多的氮肥；另一方面，由于不同的植物或生育期对氮肥的需求量和氮素形态具有明显差异，所以应根据实际情况选择适宜的氮素形态和施氮量。适宜的氮素形态是提高氮素利用率以及植物蛋白质含量的重要途径之一[28]。本研究中，酰胺态氮对植物粗蛋白和粗脂肪的促进效果明显高于铵态氮和硝态氮，这可能与植物的选择吸收能力以及不同氮肥的供氮能力等因素有关[29]。此外，本研究中的3种氮肥均不同程度地提高了饲草的粗灰分含量，降低了饲草的中性洗涤纤维及酸性洗涤纤维含量，与前人研究结论相似[30]。聚类分析将10个处理分为4大类，通过对比试验数据发现，这4大类可划分饲草生产性能和营养品质的优劣，基本对应了不施氮、低氮、中氮和高氮4种属性，因此，施氮水平对饲草生产性能和营养品质的影响是显而易见的。最后，本研究通过灰色关联度分析得出，选用酰胺态氮肥，施氮量为67.5 kg·hm−2·a−1时，多年生栽培草地饲草的生产性能和营养品质综合表现最优，研究结果可为青藏高原环青海湖地区人工草地生产力及营养品质的提高提供参考。
4. 结论
氮素形态和施氮水平对多年生高寒栽培草地饲草的生产性能和营养品质具有显著影响。选择酰胺态氮肥，施氮量为67.5 kg·hm−2·a−1时，多年生栽培草地饲草的生产性能和营养品质综合表现最优，说明适宜的氮肥管理制度对提高研究区饲草生产性能和营养价值具有促进作用。
1 如需查阅附表内容请登录《植物科学学报》网站（http://www.plantscience.cn）查看本期文章。2 如需查阅附图内容请登录《植物科学学报》网站（http://www.plantscience.cn）查看本期文章。 -
![]()
图 1 筛选后的巨柏样本点分布图
基于自然资源部标准地图服务系统审图号GS（2024）0650号标准地图制作，底图无修改。下同
Figure 1. Distribution map of selected sample points of Cupressus gigantea
The map was based on the standard map with review number GS (2024) 0650 downloaded from the standard map service system of the Ministry of Natural Resources, and the base map was not modified. Same below.
![]()
图 2 最终模型的受试者工作曲线（ROC）验证
Figure 2. Receiver operating curve (ROC) validation of final model
![]()
图 3 主导环境变量的响应曲线示意图（A~E）以及影响巨柏潜在分布的各环境变量的折刀测验重要性（F）
Figure 3. Response curve diagram of dominant environmental variables (A–E) and importance of environmental variables affecting potential distribution of Cupressus gigantea based on Jackknife test (F)
![]()
图 4 巨柏在我国的潜在适宜区分布
Figure 4. Distribution of potential suitable habitats for Cupressus gigantea in China
表 1 本研究所用的环境变量
Table 1 Environmental variables used in this study
类型
Type代码
Code描述
Description单位
Unit说明
Expression气候 bio1 年平均温度 ℃ 等温性bio3=（bio2 / bio7）×100，温度的年较差bio7=bio5−bio6，反映温差特点；温度季节性bio4=温度标准差×100，使用温度的标准偏差表示，反映平均温度的变化幅度；降水季节性bio15采用降水的变异系数表示，反映降水量的季节性分布。
温度和降水通常是影响植物生长发育、繁殖扩散的重要因子。巨柏具有喜温、喜光、趋湿、抗旱、抗寒等生态特性[32]。bio2 每月最高温与最低温差值的平均值 ℃ bio3 等温性 % bio4 温度季节性 − bio5 最热月的最高温度 ℃ bio6 最冷月的最低温度 ℃ bio7 温度的年较差 ℃ bio8 最湿季度的平均温度 ℃ bio9 最干季度的平均温度 ℃ bio10 最热季度的平均温度 ℃ bio11 最冷季度的平均温度 ℃ bio12 年降水量 mm bio13 最湿月的降水 mm bio14 最干月的降水量 mm bio15 降水量季节性变异系数 − bio16 最湿季度的降水量 mm bio17 最干季度的降水量 mm bio18 最热季度的降水量 mm bio19 最冷季度的降水量 mm srad 月均太阳辐射 kJ·m−2·d−1 dem 海拔 m 地形 slope 坡度 ° 地形通过对水热条件的调节和再分配影响物种的组成与分布[33]。 aspect 坡向 − 土壤 thickness 土壤厚度 cm 植物的生息与土壤的结构和理化性质紧密相关。相关研究表明土壤质地、养分、密度、含水量等是影响巨柏群落分布的主要因子[16]。 bd 土壤容重 g/cm3 ph 土壤pH值 − fcm 田间持水量 cm3/cm3 soc 土壤有机碳含量 g/kg tn 土壤全氮含量 g/kg clay 土壤黏粒含量 % slit 土壤粉粒含量 % sand 土壤砂粒含量 % 水文 dr 与河流的距离 m 水线地类是巨柏种子萌发、幼苗幼树构建的重要地类[6]。研究认为水或水中动物可能是巨柏沿雅鲁藏布江分布传播的重要媒介[4]。 人类活动 hf 人类足迹指数 − 伐木、樵采、祭祀拜佛等人类活动是影响巨柏分布的重要因子[4]。 植被 NDVI 归一化植被指数 − 巨柏的更新状况会受灌木层郁闭度和竞争程度的影响[6, 34]。 
下载: 导出CSV
表 2 MaxEnt模型“kuenm”包优化评价指标及最优模型参数配置
Table 2 Evaluation metrics of MaxEnt model generated by kuenm and optimal model parameter configuration
模型
Model平均AUC比值
Mean_AUC_ratiopROC统计显著性
pval_pROC10%遗漏率
Omission_rate_at_10%AICc差值
delta_AICc参数数量
num_parametersM_1_F_QT * 1.999 0 0.216 0.000 22 M_1_F_T 1.999 0 0.297 0.933 18 M_1_F_LQPTH 1.999 0 0.189 55.277 38 注：加粗字体表示“kuenm”包筛选的优化模型，未加粗字体表示默认参数模型； * 指本研究确定的最优模型。 Notes: Bold entries represent optimized model parameters selected by “kuenm” package; non-bold entry indicates default parameter model; * signifies optimal model identified in this study.
下载: 导出CSV
表 3 主要环境变量的贡献率及重要性分析
Table 3 Analysis of contribution rate and importance of main environmental variables
环境变量
Environmental variables描述
Description贡献率
Percent contribution / %置换重要性
Permutation importancedr 与河流的距离 19.47 0.07 bio4 温度季节性 18.42 62.16 bio3 等温性 18.23 0.00 slope 坡度 14.11 0.10 bio19 最冷季度的降水量 10.67 0.85 srad 月均太阳辐射 5.68 1.95 dem 海拔 4.02 0.11 bio15 降水季节性 3.14 0.82 fcm 田间持水量 3.05 0.68 ph05 0~5 cm土层的pH值 1.54 2.38 bio11 最冷季度的平均温度 0.94 29.99
下载: 导出CSV
表 4 全国巨柏主要潜在适宜分布区面积统计
Table 4 Statistical details regarding potential suitable distribution areas for C. gigantea in China
行政区等级
Administrative
region位置
Location非适宜区
Unsuitable zone / km2低适宜区
Lowly suitable zone / km2中适宜区
Moderately suitable zone / km2高适宜区
Highly suitable zone / km2省级 西藏自治区 1 127 185.00 20 574.00 2 298.00 746.00 四川省 484 766.00 67.00 − − 市级 林芝市 98 206.00 3 629.00 1 116.00 563.00 山南市 65 159.00 8 675.00 1 120.00 183.00 拉萨市 25 356.00 3 234.00 34.00 − 日喀则市 167 216.00 5 031.00 28.00 − 甘孜藏族自治州 148 495.00 65.00 − − 那曲市 340 058.00 5.00 − − 凉山彝族自治州 60 227.00 2.00 − −
下载: 导出CSV
-
[1] 郑万钧,傅立国,诚静容. 中国裸子植物[J]. 中国科学院大学学报,1975,13(4):56−123. [2] 司琳杰. 西藏珍稀植物巨柏的研究发展概论[J]. 绿色科技,2015(5):45−47. doi: 10.3969/j.issn.1674-9944.2015.05.021 [3] 郑维列,薛会英,罗大庆,王景升,罗建. 巨柏种群的生态地理分布与群落学特征[J]. 林业科学,2007,43(12):8−15. doi: 10.3321/j.issn:1001-7488.2007.12.002 Zheng WL,Xue HY,Luo DQ,Wang JS,Luo J. Eco-geographic distribution and coenology characteristics of Cupressus gigantea[J]. Scientia Silvae Sinicae,2007,43(12):8−15. doi: 10.3321/j.issn:1001-7488.2007.12.002
[4] 尹金迁,赵垦田. 西藏高原巨柏的研究进展与展望[J]. 林业与环境科学,2019,35(2):116−122. Yin JQ,Zhao KT. Research history and prospect of Cupressus gigantean in Tibetan Plateau[J]. Forestry and Environmental Science,2019,35(2):116−122.
[5] 陈端. 西藏巨柏的研究现状与前景[J]. 西藏科技,1995(2):7−11. [6] 李永霞. 珍稀濒危树种巨柏天然更新研究[D]. 拉萨:西藏大学,2023:3−4. [7] Warren DL,Seifert SN. Ecological niche modeling in Maxent:the importance of model complexity and the performance of model selection criteria[J]. Ecol Appl,2011,21(2):335−342. doi: 10.1890/10-1171.1
[8] Phillips SJ,Anderson RP,Schapire RE. Maximum entropy modeling of species geographic distributions[J]. Ecol Model,2006,190(3-4):231−259. doi: 10.1016/j.ecolmodel.2005.03.026
[9] 邢丁亮,郝占庆. 最大熵原理及其在生态学研究中的应用[J]. 生物多样性,2011,19(3):295−302. doi: 10.3724/SP.J.1003.2011.08318 Xing DL,Hao ZQ. The principle of maximum entropy and its applications in ecology[J]. Biodiversity Science,2011,19(3):295−302. doi: 10.3724/SP.J.1003.2011.08318
[10] Elith J,Graham CH,Anderson RP,Dudík M,Ferrier S,et al. Novel methods improve prediction of species’ distributions from occurrence data[J]. Ecography,2006,29(2):129−151. doi: 10.1111/j.2006.0906-7590.04596.x
[11] 蔡静芸,张明明,粟海军,张海波. 生态位模型在物种生境选择中的应用研究[J]. 经济动物学报,2014,18(1):47−52,58. Cai JY,Zhang MM,Su HJ,Zhang HB. Application of ecological niche models for selection of species habitat[J]. Journal of Economic Animal,2014,18(1):47−52,58.
[12] Mahmoodi S,Heydari M,Ahmadi K,Khwarahm NR,Karami O,et al. The current and future potential geographical distribution of Nepeta crispa Willd.,an endemic,rare and threatened aromatic plant of Iran:implications for ecological conservation and restoration[J]. Ecol Indic,2022,137:108752.
[13] Yang JT,Huang Y,Jiang X,Chen H,Liu M,Wang RL. Potential geographical distribution of the edangred plant Isoetes under human activities using MaxEnt and GARP[J]. Glob Ecol Conserv,2022,38:e02186.
[14] Yang H,Li JL,Milne RI,Tao WJ,Wang Y,et al. Genomic insights into the genotype–environment mismatch and conservation units of a Qinghai–Tibet Plateau endemic cypress under climate change[J]. Evol Appl,2022,15(6):919−933. doi: 10.1111/eva.13377
[15] Lei P,Liu Z,Li JX,Jin GZ,Xu LP,et al. Integration of the physiology,transcriptome and proteome reveals the molecular mechanism of drought tolerance in Cupressus gigantea[J]. Forests,2022,13(3):401. doi: 10.3390/f13030401
[16] 杨刚刚,郝海霞,岳艳鹏,周继华,来利明,郑元润. 雅鲁藏布江巨柏分布区植物群落特点、分布与环境解释[J]. 北京师范大学学报(自然科学版),2023,59(1):156−162. doi: 10.12202/j.0476-0301.2022125 Yang GG,Hao HX,Yue YP,Zhou JH,Lai LM,Zheng YR. Community characteristics,distribution and environment interpretation of Cupressus gigantea along Yarlung Zangbo River in Tibet[J]. Journal of Beijing Normal University (Natural Science),2023,59(1):156−162. doi: 10.12202/j.0476-0301.2022125
[17] 姚祺. 巨柏移植前生长调控的研究[D]. 林芝:西藏大学农牧学院,2021:32−57. [18] 常馨月. 巨柏生殖特征及发育机制研究[D]. 拉萨:西藏大学,2023:75−131. [19] 姚祺,李佶芸,赵垦田. 基于MaxEnt模型的巨柏青藏高原生态适宜性研究[J]. 高原农业,2021,5(2):109−114. Yao Q,Li JY,Zhao KT. Research on ecological suitability of giant cypress on Qinghai-Tibet Plateau based on MaxEnt model[J]. Journal of Plateau Agriculture,2021,5(2):109−114.
[20] Brown JL. SDMtoolbox:a python-based GIS toolkit for landscape genetic,biogeographic and species distribution model analyses[J]. Methods Ecol Evol,2014,5(7):694−700. doi: 10.1111/2041-210X.12200
[21] 王运生. 生态位模型在外来入侵物种风险评估中的应用研究[D]. 长沙:湖南农业大学,2007:4,26−27. [22] Li XP,Liu X,Kraus F,Tingley R,Li YM. Risk of biological invasions is concentrated in biodiversity hotspots[J]. Front Ecol Environ,2016,14(8):411−417. doi: 10.1002/fee.1321
[23] 曹倩,高庆波,郭万军,张毓,王智华,等. 基于MaxEnt模拟人类活动与环境因子对青藏高原特有植物祁连獐牙菜潜在分布的影响[J]. 植物科学学报,2021,39(1):22−31. Cao Q,Gao QB,Guo WJ,Zhang Y,Wang ZH,et al. Impacts of human activities and environmental factors on potential distribution of Swertia przewalskii Pissjauk. ,an endemic plant in Qing-Tibetan Plateau,using MaxEnt[J]. Plant Science Journal,2021,39(1):22−31.
[24] Lehner B,Grill G. Global river hydrography and network routing:baseline data and new approaches to study the world's large river systems[J]. Hydrol Process,2013,27(15):2171−2186. doi: 10.1002/hyp.9740
[25] Bowen AKM,Stevens MHH. Temperature,topography,soil characteristics,and NDVI drive habitat preferences of a shade-tolerant invasive grass[J]. Ecol Evol,2020,10(19):10785−10797. doi: 10.1002/ece3.6735
[26] Liu F,Wu HY,Zhao YG,Li DC,Yang JL,et al. Mapping high resolution National Soil Information Grids of China[J]. Sci Bull,2022,67(3):328−340. doi: 10.1016/j.scib.2021.10.013
[27] 边喜丽,杨小林,马和平,赵垦田. 藏东南巨柏根系结构特征分析[J]. 西部林业科学,2017,46(4):107−112. Bian XL,Yang XL,Ma HP,Zhao KT. Root structure and specific characteristics of Cupressus gigantea in Southeast Tibet[J]. Journal of West China Forestry Science,2017,46(4):107−112.
[28] Venter O,Sanderson EW,Magrach A,Allan JR,Beher J, et al. Last of the wild project,version 3 (LWP-3):2009 human footprint,2018 release (version 2018.00)[R]. Palisades:NASA Socioeconomic Data and Applications Center (SEDAC),2018.
[29] De Marco Júnior P,Nóbrega CC. Evaluating collinearity effects on species distribution models:an approach based on virtual species simulation[J]. PLoS One,2018,13(9):e0202403. doi: 10.1371/journal.pone.0202403
[30] Raghavan RK,Barker SC,Cobos ME,Barker D,Teo EJM,et al. Potential spatial distribution of the newly introduced long-horned tick,Haemaphysalis longicornis in North America[J]. Sci Rep,2019,9(1):498. doi: 10.1038/s41598-018-37205-2
[31] Jayasinghe SL,Kumar L. Modeling the climate suitability of tea [Camellia sinensis(L.) O. Kuntze] in Sri Lanka in response to current and future climate change scenarios[J]. Agric For Meteorol,2019,272-273:102−117. doi: 10.1016/j.agrformet.2019.03.025
[32] 李乾振,李朝晖. 闽东引种巨柏育苗试验初报[J]. 林业科学,2003,39(S1):184−186. Li QZ,Li ZH. Preliminary report on seedling raising experiment for introducing Cupressus gigantea in eastern Fujian Province[J]. Scientia Silvae Sinicae,2003,39(S1):184−186.
[33] 郑诚,温仲明,郭倩,樊勇明,杨玉婷,高飞. 基于MaxEnt模型的延河流域草本植物适生分布与功能性状分析[J]. 生态学报,2021,41(17):6825−6835. Zheng C,Wen ZM,Guo Q,Fan YM,Yang YT,Gao F. Analysis of suitability distribution and functional traits of common herb species in Yanhe River catchment based on MaxEnt model[J]. Acta Ecologica Sinica,2021,41(17):6825−6835.
[34] 吴兴,赵南先,段代祥,陈贻竹. 西藏特有珍稀植物巨柏的研究进展与展望[J]. 福建林业科技,2005,32(3):160−164. doi: 10.3969/j.issn.1002-7351.2005.03.043 Wu X,Zhao NX,Duan DX,Chen YZ. Research progress and expectation of Cupressus gigantean,the rare and endemic plant in Xizang[J]. Journal of Fujian Forestry Science and Technology,2005,32(3):160−164. doi: 10.3969/j.issn.1002-7351.2005.03.043
[35] Cobos ME,Peterson AT,Barve N,Osorio-Olvera L. kuenm:an R package for detailed development of ecological niche models using Maxent[J]. PeerJ,2019,7:e6281. doi: 10.7717/peerj.6281
[36] Phillips SJ,Dudík M. Modeling of species distributions with Maxent:new extensions and a comprehensive evaluation[J]. Ecography,2008,31(2):161−175. doi: 10.1111/j.0906-7590.2008.5203.x
[37] Chen BR,Zou H,Zhang BY,Zhang XY,Jin XX,et al. Distribution pattern and change prediction of Saposhnikovia divaricata suitable area in China under climate change[J]. Ecol Indic,2022,143:109311. doi: 10.1016/j.ecolind.2022.109311
[38] Swets JA. Measuring the accuracy of diagnostic systems[J]. Science,1988,240(4857):1285−1293. doi: 10.1126/science.3287615
[39] 王运生,谢丙炎,万方浩,肖启明,戴良英. ROC曲线分析在评价入侵物种分布模型中的应用[J]. 生物多样性,2007,15(4):365−372. doi: 10.3321/j.issn:1005-0094.2007.04.005 Wang YS,Xie BY,Wan FH,Xiao QM,Dai LY. Application of ROC curve analysis in evaluating the performance of alien species’ potential distribution models[J]. Biodiversity Science,2007,15(4):365−372. doi: 10.3321/j.issn:1005-0094.2007.04.005
[40] Liu CR,Berry PM,Dawson TP,Pearson RG. Selecting thresholds of occurrence in the prediction of species distributions[J]. Ecography,2005,28(3):385−393. doi: 10.1111/j.0906-7590.2005.03957.x
[41] The Core Writing Team,Pachauri RK,Reisinger A. Climate Change 2007:Synthesis Report. Contribution of Working Groups Ⅰ,Ⅱ and Ⅲ to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[M]. Geneva:IPCC,2007:27,83.
[42] Wang RL,Li Q,He SS,Liu Y,Wang MT,Jiang G. Modeling and mapping the current and future distribution of Pseudomonas syringae pv. actinidiae under climate change in China[J]. PLoS One,2018,13(2):e0192153. doi: 10.1371/journal.pone.0192153
[43] Tang CQ,Matsui T,Ohashi H,Dong YF,Momohara A,et al. Identifying long-term stable refugia for relict plant species in East Asia[J]. Nat Commun,2018,9(1):4488. doi: 10.1038/s41467-018-06837-3
[44] 扎西次仁. 西藏巨柏(Cupressus gigantea)的遗传多样性与精油化学成分变异及其保护生物学意义[D]. 上海:复旦大学,2008:71. [45] 王景升,郑维列,潘刚. 巨柏种子活力与濒危的关系[J]. 林业科学,2005,41(4):37−41. doi: 10.3321/j.issn:1001-7488.2005.04.007 Wang JS,Zheng WL,Pan G. Relation between being endangered and seed vigor about Cupressus gigantea in Tibet[J]. Scientia Silvae Sinicae,2005,41(4):37−41. doi: 10.3321/j.issn:1001-7488.2005.04.007
[46] 徐海燕. 中国柏木属(Cupressus L.)四个物种的遗传多样性研究[D]. 兰州:兰州大学,2011:28. -
其他相关附件
-
PDF格式
2. 曾伟英 附表1和附图1 点击下载(247KB)
-
计量
- 文章访问数: 434
- HTML全文浏览量: 135
- PDF下载量: 26
