气候变化下骆驼刺潜在地理分布区预测

杨霞+郑江华+穆晨+林峻

[摘要]骆驼刺Alhagi sparsifolia，豆科草本植物，是我国传统维药。预测气候变化对该物种分布范围的影响对于其保护和资源可持续利用具有重要意义。该文基于骆驼刺在中国的42个地理分布点和19个环境因子图层，采用MaxEnt模型分析了骆驼刺在我国的潜在地理分布，并基于该模型预测IPCC AR5发布的2050年及2070年的RCP2.6，RCP8.5气候情景下骆驼刺的潜在分布范围。结果表明：最冷季平均温（bio11）、年平均温（bio1）、最冷季平均降雨量（bio19）、年均降雨量（bio12）、最湿月降雨量（bio13）、最湿季平均温（bio8）、年温的变化范围（bio7）是影响骆驼刺分布的主导环境因子；在当前气候条件下，骆驼刺的适宜生境占我国总面积的7.85%，集中分布在新疆大部，甘肃北部及中部，内蒙古西部，宁夏北部。由模型预测可知：2050—2070年，RCP2.6，RCP8.5气候情境下，骆驼刺适宜生境总体呈减少的趋势。

[关键词]潜在地理分布； 气候变化； MaxEnt模型； 骆驼刺

[Abstract]Specific information on geographic distribution of a species is important for its conservation. This study was conducted to determine the potential geographic distribution of Alhagi sparsifolia， which is a plant used in traditional Uighur medicine， and predict how climate change would affect its geographic range. The potential geographic distribution of A. sparsifolia under the current conditions in China was simulated with MaxEnt software based on species presence data at 42 locations and 19 climatic variables. The future distributions of A. sparsifolia were also projected in 2050 and 2070 under the climate change scenarios of RCP2.6 and RCP8.5 described in 5th Assessment Report of the Intergovernmental Panel on Climate Change （IPCC）.The result showed that mean temperature of the coldest quarter， annual mean temperature， precipitation of the coldest quarter， annual precipitation， precipitation of the wettest month， mean temperature of the wettest quarter and the temperature annual range were the seven climatic factors influencing the geographic distribution of A. sparsifolia under current climate， the suitable habitats are mainly located in the Xinjiang， in the middle and north of Gansu， in the west of Neimeng， in the north of Nei Monggol. From 2050 to 2070， the model simulations indicated that the suitable habitats of A. sparsifolia would decrease under the climate change scenarios of RCP2.6 and scenarios of RCP8.5 on the whole.

[Key words]potential geographic distribution； climatic change； MaxEnt model； Alhagi sparsifolia

駱驼刺Alhagi sparsifolia，又名骆驼草，豆科，落叶草本，植株高20～30 cm，各分枝从主茎上呈钝角伸出，针刺长而硬。叶较稀少，圆形或孵圆形，6月开花，8月最盛，结荚果，总状花序，根系一般长达20 m。主要生长在干旱地区，有沙漠勇士之称。骆驼刺是骆驼在沙漠中不可缺少的补充物。骆驼刺的存在与生长对于维护生长地脆弱的生态环境有极其重要的生态价值。骆驼刺还是维吾尔医（简称维医）用传统药材，骆驼刺的叶治疗关节肿痛；花用于清热解毒；全草治疗感冒发烧，胃腹湿热，肠炎；种子用于止热痢和牙痛；刺糖可治疗痢疾，体虚头晕，活精。药理学研究表明可抑制食道癌细胞生长，是一类有着良好开发潜力的民族药材^[1]。

植被-气候的相互作用是植物学、地理学、生态学与气象学研究的热点问题，气候是影响地球上植被分布格局的主要因素，而植物分布格局的变化是对气候变化最明确、直接的反映^[2]。联合国政府间气候变化专门委员会（IPCC）第5次评估报告（AR5）显示：在过去的130多年间（1880—2012年），全球地表年平均气温升高0.85 ℃，其中近9年（2002—2012年）的平均温度比1850年到1900年的平均温度上升了0.78 ℃，按照IPCC AR5预设的温室气体排放情景推算，21世纪末全球地表年平均气温将升高0.3～4.8 ℃^[3]。

物种分布模型（species distribution models，SDMs）是研究个体生态学的重要工具之一，常用来研究入侵物种（虫害或植物）的潜在威胁^[4]。同时此类模型也是当前预估气候变化对物种分布影响的主要工具^[5]。未来全球气候变化对生物多样性的影响已经成為生物学研究的重点和热点问题，已有研究表明，未来气候变化对物种的生存构成一定的威胁^[6]。研究证实MaxEnt模型在分布点较少的情况下仍能得到满意的结果，因此应用较为广泛^[7]。

目前为止，国内外学者对骆驼刺的研究主要集中在生物学、生态学、生理特性^[8]、再生性^[9]以及药用作用^[10]，并没有学者对骆驼刺的潜在地理空间分布范围做详细的记录，全球气候变化背景下骆驼刺的生物学特性、空间分布、物候等必然会受到影响。因此，预测全球气候变化下骆驼刺的潜在地理分布有一定的意义。本文通过查找相关网站搜集骆驼刺在我国的地理分布记录数据，基于MaxEnt模型，研究了当前气候骆驼刺的潜在地理分布，绘制了分布图，同时预测了未来全球气候变化背景下2050年、2070年的2种气候情景（RCP2.6，RCP8.5）骆驼刺的地理分布，分析了影响骆驼刺地理分布的主导环境因子。

1 材料

1.1 样本数据 本研究中骆驼刺地理分布数据，来自于中国数字植物标本馆（http：//www.cvh.org.cn）、教学标本资源共享平台（http：//mnh.scu.edu.cn/）并利用Google earth查找地理分布点，经过筛选剔除，得到骆驼刺在中国的42个地理分布点。将获取的骆驼刺地理分布点按照物种名、经度、纬度的顺序保存为.csv格式文件。

1.2 环境变量 气候数据来源于世界气候数据库（http： //www.worldclim.org），共包括19个环境因子，见表1，将19个环境因子转化为兰伯特投等积投影。当前气候数据通过记录1950—2000年全球各气象站点数据，并通过插值法获取空间分辨率为2.5 arc-minutes 全球气候栅格数据。

未来气候来源于CCAF（http：//www.ccafs-climate.org/），IPCC AR5分析了4种典型温室气体排放浓度（RCP2.6，RCP4.5，RCP6.0，RCP8.5）对未来气候的影响，RCP是典型浓度路径（representative concentration pathways）的英文缩写，2.6，4.5，6.0，8.5是2100年相对于1750年的辐射强迫。本研究选取BCC-CSM1.1全球未来气候模式2050年及2070年2种气候情景（RCP2.6，RCP8.5）作为我国未来气候情景，其空间分辨率为2.5 arc-minutes。

2 方法

将骆驼刺的地理分布数据和环境数据导入MaxEnt模型中，选取75%的分布点作为训练数据，25%的数据作为验证数据，选取刀切法（Jecknife）。采用接受者操作特性曲线（receiver operating characteristic curve，ROC）分析法进行模型精度检验，ROC曲线基于非阈值依赖判断（threshold-independent evaluation）模型精度，即以预测结果的每一个值作为可能的判断阈值，由此计算得出相应的灵敏度和特异度。以特异度即假阳性率为横坐标，以灵敏度即真阳性率为纵坐标绘制成ROC曲线，AUC值是ROC曲线与横坐标围成的面积值，其大小能很好地说明模型模拟值的准确性。模型运行的值是连续栅格数据，且值在0～1。将模型运行所得.asc格式的文件转化为Raster格式的文件，并用中国地图掩膜，采用Natural Breaks执行重分类，分为3类，分别为：非适宜生境（0～0.25）、低适宜生境（0.25～0.5）、适宜生境（0.5～1）^[11]，最终确定骆驼刺在中国的分布图。

3 结果分析

3.1 模型预测精度评估 采用接受者操作特征曲线（receiver operating characteristic curve，ROC）来评估模型模拟的效果，ROC曲线与横坐标围成的面积值即AUC，AUC越大，模型模拟的效果越好，ROC曲线的评估标准见表2 [12]。

在当前气候（1950—2000年）下，利用MaxEnt模型模拟骆驼刺的潜在分布，本研究模拟的训练数据集及验证数据集的AUC均为0.997，按照模型模拟结果评估标准，此次模拟结果非常满意。

3.2 骆驼刺潜在分布区主导环境因子 基于MaxEnt模型，本研究选用19个环境因子来构建骆驼刺的潜在分布区，模型运行时选取刀切法（Jacknife）。刀切法指模型在运行的过程中，依次忽略一种环境变量，用其余的变量建模预测。模型运行原理为：对每一个物种而言，程序开始时都是均匀分布，并进行迭代，每一个物种的每次迭代将增加样本在该地的分布概率（即gain值），程序运行时，gain的初始默认值为0（即均匀分布的gain值），随着样本点的迭代而增加，直至下一次迭代中的增加值小于收敛，或者达到最大重复次数时终止程序。本研究在MaxEnt模型迭代运行下，最终确定了影响骆驼刺潜在分布的主导环境因子，结果表明：最冷季平均温（bio11）、年平均温（bio1）贡献率较高，分别为34.9%，24.5%，最冷季平均降雨量（bio19）的贡献率为14.4%，年均降雨量（bio12）的贡献率为12.3%，最湿月降雨量（bio13）的贡献率为8.6%，最湿季平均温（bio8）的贡献率为2.8%，年温的变化范围（bio7）的贡献率为1.2%，这7个环境因子的累计贡献率高达98.7%，结果表明：影响骆驼刺分布的主导环境因子为最冷季平均温（bio11）、年平均温（bio1）、最冷季平均降雨量（bio19）、年均降雨量（bio12）、最湿月降雨量（bio13）、最湿季平均温（bio8）、年温的变化范围（bio7）。

3.3 骆驼刺潜在分布区预测 将MaxEnt模型运行的结果导入ArcGIS进行重分类，按照适宜生境评价指数^[13]，将研究区骆驼刺生境划分为3类，即不适宜生境、低适宜生境、适宜生境^[11]。同时利用ArcGIS空间分析叠加显示模块，并计算各个生境骆驼刺的分布面积，得出骆驼刺在中國的空间分布图，见图1。

由图1可知，骆驼刺集中分布于西北地区。其中，适宜生境包括新疆大部，甘肃北部，内蒙古西部以及宁夏北部；低适宜生境包括新疆中部，甘肃北部

及中部，内蒙古西部，宁夏北部，青海中部。对各适宜生境、低适宜生境及非适宜生境骆驼刺分布面积进行统计，最终得到：适宜生境总面积为75.65×104 km2，占总面积的7.85%；低适宜生境总面积为75.86×104 km2，占总面积的7.87%；非适宜生境总面积为811.99×104 km2，占总面积的84.28%。从预测结果可知，骆驼刺适宜生境占中国总面积的比例较小，且集中在新疆、甘肃、内蒙古、青海等地，可见骆驼刺的生长区域狭窄。

3.4 气候变化下骆驼刺分布范围的预测

利用MaxEnt模型对未来气候情景下骆驼刺的分布进行模拟。在ArcGIS软件的支持下，按照上文同一标准，将骆驼刺的分布分为3个等级，并利用ArcGIS的空间分析模块叠加显示，计算出未来气候情景下各类生境面积占总面积的比例，最终得出骆驼刺未来气候情景下空间分布结果图，见图2。

当前气候情景下，骆驼刺的适宜生境占总面积的7.85%，低适宜生境占面积的7.87%，不适宜生境占面积的84.28%。根据MaxEnt模型运行的结果，2050年的RCP2.6情景及RCP8.5情景下，骆驼刺的适宜生境有所增加，不适宜生境有所增加，而低适宜生境却在减少。2070年的RCP2.6情景及RCP8.5情景下，与当前气候情景相比，骆驼刺的适宜生境在减少，而低适宜生境在增加，不适宜生境同样在增加。与当前气候情景比较，相同RCP2.6情景下，适应生境呈现先增大后减小的趋势，低适宜生境呈现先减小后增大的变化，而不适宜生境呈轻微增大的趋势。2050年，骆驼刺适宜生境分布面积占总面积的7.93%，低适宜生境占总面积的7.62%；2070年，骆驼刺适宜生境分布面积占总面积的6.95%，低适宜生境占总面积的8.31%。相同RCP8.5情景下，适宜生境呈现增大后减小的趋势，低适宜生境呈现先减小后增大的变化，而不适宜生境呈现轻微先增大后减小的趋势。2050年，骆驼刺适宜生境分布面积占总面积的8.21%，低适宜生境占总面积的7.15%；2070年，骆驼刺适宜生境分布面积占总面积的7.32%，低适宜生境占总面积的8.44%。总体来看，2050年到2070年，RCP2.6，RCP8.5气候情景下，骆驼刺适宜生境在减少，见表3，图3。

4 讨论

MaxEnt模型是近年出现以软件来实现物种潜在分布区预测的定量模型，对结果进行AUC分析后表明，其结果比同类预测模型更为精确，特别是在物种分布点数据不全的情况下，MaxEnt模型仍然能得到较为满意的结果^[14]。目前，MaxEnt模型被广泛的应用于预测入侵生物^[15-16]、经济作物的适生区研究，利用MaxEnt模型对中药的地理分布研究非常少见。本文利用MaxEnt模型对当前气候条件下骆驼刺的适生区进行了研究，并定量分析展示了2050，2070年的RCP2.6气候情景及RCP8.5气候情景下骆驼刺适宜生境的面积变化。研究结果表明，与当前气候情景比较，2050年的RCP2.6情景及RCP8.5情景下，骆驼刺的适宜生境有所增加，不适宜生境有所增加，而低适宜生境却在减少。2070年的RCP2.6情景及RCP8.5情景下，与当前气候情景相比，骆驼刺的适宜生境在减少，而低适宜生境在增加，不适宜生境同样在增加。2050—2070年，RCP2.6，RCP8.5气候情境下，骆驼刺适宜生境总体呈减少的趋势，且骆驼刺的适生区集中分布在西北地区。因此，在骆驼刺适宜分布区不断破碎并缩小的形势下，通过科学技术来增加骆驼刺的单位面积生物量、提高利用率、寻找可靠可行的保护方法势在必行。

影响骆驼刺分布的主导环境因子包括最冷季平均温（bio11）、年平均温（bio1）、最冷季平均降雨量（bio19）、年均降雨量（bio12）、最湿月降雨量（bio13）、最湿季平均温（bio8）、年温的变化范围（bio7），且这7个环境因子的累计贡献率高达98.7%。下步工作是对上述7个环境因子进行单因子建模，以此消除气候因子相关性的影响，从而明确骆驼刺在当前气候环境下分布区的气候特征。

本文在研究骆驼刺的地理分布时，仅考虑了降水和温度。除气候因素外，影响植物分布的因素还有很多，如地形、土壤因素、以及在未来气候情景下，物种进化与环境的可能相互作用以及物种种间竞争对未来物种分布区的影响。基于目前的认识水平及技术条件下，无法涉及到影响物种分布的所有因素，若能综合考虑以上因素，物种分布预测结果将会更加准确。

[注]本文地图插图审图号：GS（2017）24号。

[参考文献]

[1]李君山， 刘勇民， 蔡少青. 维吾尔医用骆驼刺类药材的资源、商品流通及民间应用研究[J]. 中国民族医药杂志， 1996（2）：39.

[2]郭彦龙， 卫海燕， 路春燕，等. 气候变化下桃儿七潜在地理分布的预测[J]. 植物生态学报， 2014， 38（3）：249.

[3]IPCC Working Group I. Climate change 2013：the physical science basis[R].Geneva： IPCC， 2013：5.

[4]Gallagher R V， Hughes L， Leishman M R， et al.Predicted impact of exotic vines on an endangered ecological community under future climate change[J].Biol Invasions，2010，12（12）：4049.

[5]Austin M P， Niel K P V. Impact of landscape predictors on climate change modelling of species distributions： a case study with Eucalyptus fastigata， in southern New South Wales， Australia[J]. J Biogeogr， 2011， 38（1）：9.

[6]王运生， 谢丙炎， 万方浩，等.相似穿孔线虫在中国的适生区预测[J]. 中国农业科学， 2007， 40（11）：2502.

[7]馬松梅， 聂迎彬， 耿庆龙，等. 气候变化对蒙古扁桃适宜分布范围和空间格局的影响[J]. 植物生态学报， 2014， 38（3）：262.

[8]高欢欢， 曾凡江， 鲁艳，等. 不同干扰方式对疏叶骆驼刺生长及生理特征的影响[J]. 草业学报， 2015， 24（2）：202.

[9]Zakeri A， Banihashemi Z. The role of weeds in cultivated and virgin soils on activity and perpetuation of Fusarium oxysporum f. sp. melonis in Fars province[J]. Iranian J Plant Pathol， 1996，32（1）：28.

[10]贾晓光， 张雪梅， 熊元君，等. 维药骆驼刺提取物药理活性研究[J]. 新疆中医药， 2009， 27（5）：18.

[11]娜仁花， 郑江华， 郭宝林，等. 高分辨率影像在野生药用植物宏观监测中的应用评价——以罗布麻为例[J]. 中国中药杂志， 2014， 39（10）：1777.

[12]Swets J A.Measuring the accuracy of diagnostic systems[J].Science，1988，240（4857）：1285.

[13]胡理乐， 张海英， 秦岭，等. 中国五味子分布范围及气候变化影响预测[J]. 应用生态学报， 2012， 23（9）：2445.

[14]雷军成， 徐海根. 基于MaxEnt的加拿大一枝黄花在中国的潜在分布区预测[J]. 生态与农村环境学报， 2010， 26（2）：137.

[15]杨会枫， 郑江华， 吴秀兰，等. 基于MaxEnt模型的西伯利亚蝗虫在新疆潜在分布预测研究[J]. 新疆农业科学， 2016（1）：43.

[16]李国庆， 刘长成， 刘玉国，等. 物种分布模型理论研究进展[J]. 生态学报， 2013， 33（16）：4827.

[责任编辑 吕冬梅]