基于 GIS的水土保持植物金发草的适生区与生境分析

2010-05-24 02:37:54王文国王胜华
中国水土保持 2010年6期
关键词:适生区金发生境

王文国,李 锐,王胜华 ,陈 放

(1.四川大学生命科学学院/生物资源与生态环境教育部重点实验室,四川 成都 610064;2.农业部沼气科学研究所生物质能技术研究中心,四川 成都 610041)

目前,水土流失、生态环境的恶化已成为制约我国经济发展的重要因素[1-2],退化生态系统的面积已约占国土总面积的1/4[3]。而且,随着经济的发展,因修建公路、铁路和开矿等开发建设活动破坏天然植被而留下的裸地、边坡也将越来越多。对这些区域进行植被恢复是治理水土流失、改善生态环境的有效途径。我国用于治理水土流失和植被恢复的草本植物资源以草坪草为主,如黑麦草(Lolium perenne)、高羊茅(Festuca elata)等,多为引进种[4-5],给当地的生态安全和农业可持续发展带来了一定的威胁[6]。所以,在治理水土流失、进行生态恢复建设中,应加大对本土植物资源的开发利用。金发草(Pogonatherum paniceum)是我国本土的多年生草本植物,广泛分布于华中、华南、西南以及印度、中南半岛、澳大利亚等地区[7],因形似小竹,自然形态美观,在欧美的许多国家已被开发成园林观赏植物;在国内因其耐干旱贫瘠,生长迅速,根系发达,茎枝对地面覆盖力较强,可以吸收菲、芘等污染物等优点,也已被广泛关注[8-10],可以在水土流失治理、生态边坡防护、园林绿化等方面发挥良好的作用。本文结合多年实地考察资料并查阅大量标本和文献资料,利用DIVA-GIS软件对金发草的分布情况和适生区进行了分析,以期为金发草的进一步利用奠定基础。

1 研究资料与方法

1.1 数据收集

1.1.1 物种分布信息

根据本实验室人员 2003—2010年的实地考察记录并查阅标本和文献确定金发草已知的分布点。通过中国数字植物标本馆(简称CVH)、国家科技部教学标本资源共享平台提取国内标本馆的金发草标本信息,同时查阅《中国植物志》、《四川植物志》、《云南植物志》、《广西植物志》等地方植物志以及金发草相关的研究文献确定金发草的分布点。分布地点的经纬度根据美国国家地理空间情报局地名词典及中国数字植物标本馆的新旧地名数据库查询系统结合 Google Earth卫星图确定,海拔分布信息和群落信息来自实地考察记录、标本记录信息及群落研究资料。

1.1.2 气候数据

气候数据来源于世界气候数据库。该数据库对1950—2000年来自世界各地气象站的气候信息采用插值法生成全球气候数据,其空间分辨率为30″(1km2),气候数据的分辨率为2.5′。气候变量选择与温度和降雨量相关的19个对物种分布有重要影响的生物气候变量,包括年均温、平均周温度变化范围、平均年温度变化范围、极端最高温、极端最低温、等温性、温度季节性变化、最湿季平均温度、最干季平均温度、最热季平均温度、最冷季平均温度、年降雨量、最湿月降雨量、最干月降雨量、降雨量的季节性变化、最干季降雨量、最湿季降雨量、最热季降雨量、最冷季降雨量。海拔图和植被类型图来自 http://www.diva-gis.org/gData,精度为30″。

1.2 地理分布分析

在标本记录和文献记载信息收集的基础上,用 DIVA-GIS软件绘制金发草的地理分布图,每个分布点至少有一份标本采集或是在文献中有过确切记载,分别以海拔图层和植被类型图层作为底图。

1.3 适生区域预测分析

选用DIVA-GIS中整合的 BIOCLIM模型,根据标本及文献记录确定的 60个有效分布点对金发草的适生区域进行预测分析。

1.4 生境分析

通过实地考察记录金发草生存地的海拔、地理坐标、植被类型、生长基质、伴生植物等指标,并参考部分文献,对典型生境进行分析。

2 结果与分析

2.1 金发草的地理分布

图1是金发草在我国的分布情况,从图中可看出金发草分布在我国的中南、东南和西南的中低海拔地区。标本记录和群落调查显示,金发草在四川、重庆、浙江、广西、福建等省份分布的海拔多在1000m以下,在云南的分布主要在1000m以上,最高可达 2000m。结合群落研究资料、标本记录和实地考察记录的分析表明,金发草分布地的植被类型主要为草地、人工林、灌丛等。

图1 金发草在我国的分布

2.2 分布区预测分析

BIOCLIM模型是根据物种所有已知分布点的气候数据来确定适合此物种生存的气候变量的变化范围的,只要气候条件在变化范围内的地区就被认为是适合此物种生存的,已被广泛应用于植物分布区的预测[11-12]。该模型利用分布百分比算法对分布区域中各网格的每个环境变量进行多元单边分析,计算每个网格的环境适生度。如果网格中所有的环境变量都在物种分布的气候包络之内,就认为这个地方是适合该物种生存的。根据每个网格中的所有环境变量的得分,BIOCLIM模型将预测的结果分为非适生(0)、低度适生(0~2.5%)、中度适生(2.5% ~5%)、高度适生(5%~10%)、极适生(10% ~20%)、最适生(20%~40%)6个等级[12]。从预测图(图 2)分析可知,金发草在我国华南和西南地区有着广泛的适生区域,高度适生区、极适生区、最适生区主要分布在川东丘陵、云贵高原、闽浙丘陵、两广丘陵等地区。

图2 金发草适生区预测

2.3 生境多样性分析

根据实地考察和文献资料,对金发草的适生生境进行了分析(表1)。金发草对生长环境有较广泛的适应性,包括风化岩石表面、干燥的裸土表面、石缝、草地、林下等;可适应土壤类型广泛,包括红壤、黄壤、紫色土、燥红土等。从调查结果看,金发草对水分的适应性也较为广泛,具有极强的耐旱性,可以在干燥的风化岩石表面生存,也可以适应潮湿的河边滩涂等生活环境。另外,我们调查发现金发草主要生长在受人为影响较大的环境,一般是作为先锋植物生长在较为恶劣的生境中,伴生植物以蕨类植物为主,在较好的生境中竞争性较弱,所以一般不会作为杂草对农田等造成危害。因此,金发草可以作为环境受破坏较为严重地区植被恢复的先锋植物。

表1 几种金发草典型生境分析

3 结 论

金发草作为一种对极端环境耐受性极强的草本植物已引起广泛的关注。应用 GIS技术分析表明,金发草在我国的适生区域主要在川东丘陵、云贵高原、闽浙丘陵、两广丘陵等地区,这些区域也是我国水土流失较为严重的地区,极易遭受干旱、洪涝等自然灾害。金发草对极端干旱、贫瘠环境的耐受性和对各种生境的广泛适应性使其可以作为优良水土保持植物用于这些区域的道路边坡、矿区等受损环境的水土流失治理和植被恢复。

[1]刘权,王忠静,马铁民.面向 21世纪中国生态环境问题与策略探讨[J].人民长江,2004,35(11):4-6.

[2]苏凤环,王玉宽.长江上游及西南诸河水土流失的危害[J].中国水土保持,2009(1):42-43.

[3]任海,彭少麟.恢复生态学导论[M].北京:科学出版社,2001:12-13.

[4]潘树林,王丽,辜彬.论边坡的生态恢复[J].生态学杂志,2005,24(2):217-221.

[5]高志民,王雁.草坪草引种栽培研究现状及存在的问题[J].中国草地,2000(3):60-65.

[6]郭传友,王中生,方炎明.外来种入侵与生态安全[J].南京林业大学学报,2003,27(2):73-78.

[7]中国科学院中国植物志编辑委员会.中国植物志:第十卷第二分册[M].北京:科学出版社,1997:102-104.

[8]潘声旺,魏世强,袁馨,等.金发草对土壤中菲、芘的修复机制[J].环境科学,2009,30(5):1273-1279.

[9]谢贤健,兰代萍,白景文.三种野生岩生草本植物的抗旱性综合评价[J].草业学报,2009,18(4):75-80.

[10]李绍才,孙海龙,杨志荣,等.护坡植物根系与岩体相互作用的力学特性[J].岩石力学与工程学报,2006,25(10):2051-2057.

[11]邵慧,田佳倩,郭柯,等.样本容量和物种特征对 BIOCLIM模型模拟物种分布准确度的影响——以12个中国特有落叶栎树种为例[J].植物生态学报,2009,33(5):870-877.

[12]徐晓婷,杨永,王利松.白豆杉的地理分布及潜在分布区估计[J].植物生态学报,2008,32(5):1134-1145.

[13]程瑞梅,肖文发.三峡库区森林植物群落数量分类与排序[J].林业科学,2008,44(4):20-27.

[14]贾明.统景风景区植被及其开发利用[J].重庆师范学院学报:自然科学版,1989,3(6):43-83.

[15]刘杰,崔保山,董世魁,等.纵向岭谷区高速公路干扰下群落组分及其水平分布格局变化研究[J].科学通报,2007,52(Z2):185-194.

猜你喜欢
适生区金发生境
气候变化下中国蒟蒻薯科箭根薯的地理分布格局预测
未来气候条件下当归适生区预测及时空变化分析
枣树适应干旱生境研究进展
落叶果树(2021年6期)2021-02-12 01:29:10
气候变化下濒危植物半日花在中国的潜在分布
巴拉圭瓜多竹适生区分布研究
竹子学报(2018年2期)2018-10-25 02:02:12
金秀瑶族长鼓舞传承的文化生境
体育科技(2016年2期)2016-02-28 17:06:07
不同生境中入侵植物喜旱莲子草与本地种接骨草的光合特性
Design of the Control Circuit of C523 Vertical Lathe on PLC
Fault Diagnosis of Analog Circuit Based on PSO and BP Neural Network
Research on Wind Power Prediction Modeling Based on Adaptive Feature Entropy Fuzzy Clustering