基于MaxEnt和ArcGIS的吉林省穿龙薯蓣分布区划研究

王哲　李波　肖井雷　姜大成

[摘要]针对穿龙薯蓣资源保护和人工栽培区选择的实际问题，通过对吉林省内穿龙薯蓣进行实地调查，运用MaxEnt模型和GIS技术，筛选出影响穿龙薯蓣分布的主要环境因子，并对穿龙薯蓣进行分布区划研究，绘制吉林省穿龙薯蓣分布区划图。MaxEnt模型研究发现温度季节性变化的标准差、10月份降水量等6项主要环境因子对穿龙薯蓣的生长适宜度影响最大，生长适宜度数值范围为4612 08×10-6～0544 31，利用分位数法对穿龙薯蓣进行分布区划，划分为高适生区、中适生区、低适生区和不适生区4部分。其中高适生区集中在吉林省中部和南部地区，总面积47 988 km2。利用ArcGIS提取采样点的环境因子，统计主要环境因子在各适宜区内的数值情况。该研究绘制的吉林省穿龙薯蓣分布区划与实际情况基本一致，为明确最适合穿龙薯蓣生长的自然环境，也为开展穿龙薯蓣资源的保护和栽培区选择提供参考依据。

[关键词]穿龙薯蓣； 吉林省； 最大信息熵模型； GIS； 分布区划； 环境因子

[Abstract]At the urgent practical issue of resource protection and artificial cultivation area selection of Dioscorea nipponica， the dominant environmental factors affecting the distribution of D nipponicain Jilin province were selected by field investigation and using the maximum information entropy model and geographic information technology MaxEnt model study found that the standard deviation of seasonal variation of temperature， precipitation in October and other six environmental factors on the growth of D nipponica are the greatest impacting factors The range of suitability for the growth of D nipponica was 4612 08×10-60544 31， and the regionalization study was divided into four parts： high fitness area， middle fitness area， low fitness area and unfavorable area The high fitness area is concentrated in the central and southern areas of Jilin Province， using ArcGIS statistical environment factors in the appropriate area of the numerical situation The results showed that the regionalization study of D nipponica was basically the same as the actual situation It is clear that the natural environment suitable for the growth of D nipponica is also the basis for the protection of the resources and the selection of cultivated area

[Key words]Dioscorea nipponica； Jilin province； maximum entropy model（MaxEnt）； geographic information system （GIS）； regionalization study； environmental factor

薯蓣科植物穿龙薯蓣Dioscorea nipponica Makino的干燥根茎为常用中药“穿山龙”[1]，是一种非常重要的药用植物。穿龙薯蓣在我国主要分布于东北、华北、华东、西北地区[2]。由于穿龙薯蓣分布范围较广，产地环境也会存在较大差异。有研究表明[3]，东北地区所产穿龙薯蓣皂苷元含量较高，也是目前穿山龙药材的重要的产区[4]。吉林省地处中国东北地区中部，省内的长白山自然资源十分豐富，也是全国著名的中药材产区。一直以来，穿龙薯蓣就是吉林省出产的大宗中药材品种。

近年来，由于受到人口膨胀与城镇化建设引起的生境破碎化及过度采挖等因素，穿龙薯蓣的资源量发生了明显改变，因此保护穿龙薯蓣资源对未来穿山龙药材的长期可持续利用具有非常重要的现实意义。明确穿龙薯蓣在吉林省的分布区划，是穿龙薯蓣资源保护规划和人工栽培的基础，也是未来保护这一中药资源的基本要求。目前，开展分布区划研究有多重方法，常见的有MaxEnt，Bilclim，ENFA，Domain，Grap等模型，曹向锋等[5]利用上述5种生态位模型研究黄顶菊在中国的适生区发现，MaxEnt模型的模拟精度最好。在中药区划研究领域，MaxEnt（maximum entropy model，最大信息熵模型）是一种较为常用的方法[68]。它通过对已有分布资料和环境找出物种概率分布的最大熵，从而预测物种的分布模型[9]。并利用GIS（geographic information system，地理信息系统）实现了对地理数据的分析和显示功能。本研究利用Maxent模型和GIS技术对吉林省穿龙薯蓣分布区划进行了客观分析研究，明确了影响穿龙薯蓣生长的主要环境因子，为吉林省开展针对穿龙薯蓣资源的保护工作提供了重要的科学依据。endprint

1材料

11采样点数据穿龙薯蓣采样点经度和纬度数据为本中心2012—2015年开展野外实地调查，利用GPS（北京合众思壮科技股份有限公司，集思宝MG711，实时定位精度2～5 m）获得，共获得采样点2 097个。但由于调查时间和采集的人员不同，同时还受物种分布地区的易到达程度和人为偏向性的影响，导致物种分布数据在某些地区过于密集，这就有可能导致研究结果的误差[10]。为了在一定程度上消除这部分数据对于研究结果的影响，本研究将穿龙薯蓣采样点经纬度数据导入到ArcGIS软件中，利用Data Management Tools的Create fishnet功能模块建立空间分辨率为1 km×1 km的格网数据，以1个格网作为1个采样单元对穿龙薯蓣的分布数据进行采样。对于1个格网内的多条记录，只随机选取其中1条记录。最终得到用于本研究所使用的1 067个穿龙薯蓣采样点数据，全部采样点数据的分布情况见图1。同时按照MaxEnt软件的格式要求，将采样点经度和纬度数据整理成csv格式物种分布数据文件备用。

12环境数据数据来源于“中药资源空间信息网络数据库”，比例尺为1∶100万，包含55项生态因子，其中19项生物气候数据为1950—2000年监测数据的平均值，生态因子中温度数值（℃）为实际数值的10倍。数据为WGS84坐标系，图层栅格大小为1 km2。

13供试软件Maxent（333版）软件由MaxEnt官网下载（http：//wwwcsprincetonedu/～schapire/maxent/）下载安装使用。GIS软件使用ArcGIS 103（学生版）软件，由美国ESRI公司提供。

2方法

21Maxent模型参数将穿龙薯蓣采样点数据和环境数据按格式要求分别导入到MaxEnt软件，设置参数运行建模，具体参数如下：设置分布数据的20%为随机抽取测试集，其余作为训练集，最大迭代次数1×106。设置刀切法校验权重，MaxEnt自定义设置ROC评价曲线和曲线下面积（AUC）对预测结果进行精度评测，其他参数为软件默认设置[11]。

22主环境因子选择由于环境数据之间有一定的相关性，对环境数据进行相关性分析之后才适用于MaxEnt模型。环境因子选择分2步进行；首先，将全部55项环境因子导入MaxEnt模型中运算3次，删除贡献率为0的生态因子，利用ArcGIS中Spatial Ananlyst工具中提取分析功能模块下多值提取至点功能，提取所有采样点的环境因子。其次，选取所有贡献率大于0%的环境因子数值进行Spearman相关系数分析（SPSS 220），当2项环境因子的相关系数≥08时，舍去贡献率较小的环境因子[1112]。将最终筛选出的环境因子利用MaxEnt模型计算分析，得到环境因子对穿龙薯蓣分布区划的贡献率和刀切图，选取贡献率大、权重高的环境因子作为主环境因子。利用由ArcGIS提取的主因子在各区的数值范围，进一步探讨各适宜区生态特点。

23模型精确性验证ROC曲线（receive operating characteristic，受试者工作曲线）分析法在物种潜在分布预测模型评价中得到了广泛的应用，ROC曲线下面积（即AUC），不受阈值影响，其大小可作为模型预测准确度的衡量指标。

AUC 05～06为失败，06～07为较差，07～08为一般，08～09为好，09～10为非常好，其预测结果可信，可以作为准确的反应物种的潜在分布区[13]。

24生长适宜度的提取选取10次预测结果中AUC值最大的1组结果作为最终预测结果，利用ArcGIS的格式轉换工具将MaxEnt模型结果由ascii格式转化为raster格式。利用空间分析工具中Extraction功能，将有关吉林省的预测结果从中国预测结果中裁剪出来[14]。

25区划等级划分标准MaxEnt模型预测获得的生长适宜度反映了生态环境对中药材生长的影响，为0～1，可用于确定植物在各种野生环境下的生长适宜程度，并以此进行分布区划研究。通常进行区划划分的依据有多种方法[1516]。本次研究穿龙薯蓣的分布区划，采用ArcGIS软件中分类功能模块，通过综合比较相等间隔，分位数法、自然间断点分级法和几何间隔法4种方法，以效果最好的分类方法为基础，将穿龙薯蓣适宜性区划按照适生指数从低到高依次分为不适生区、低适生区、中适生区、高适生区4部分。利用ArcGIS软件重分类（reclassify）功能，绘制穿龙薯蓣分布区划图。

3结果与分析

31预测精准度评价据MaxEnt模型预测结果，ROC曲线训练集的AUC为0962，测试集的AUC为0965，表明MaxEnt模型模拟效果非常好，由模型运算得出的穿龙薯蓣的生长适宜度具有很高的可信度和准确度，见图2。

32适生区环境参数综合分析MaxEnt模型运算中刀切法反应不同环境因子在影响穿龙薯蓣生长适宜度中所占的权重。从刀切图中可以看出温度季节性变化的标准差、10月份降水量、最干季平均温、9月份降水量、9月份平均温、8月份降水量6项生态因子对穿龙薯蓣生境适宜性的累计贡献率接近99%，见图2，表1。因此选择这上述生态因子作为主环境因子进行分析。

上述6项主环境因子中，有3项环境因子与温度有关，而另外3项环境因子与降水量有关，这表明温度与降水量是影响穿龙薯蓣生长的最主要环境因子。利用ArcGIS提取所有采样点的环境因子，分别统计6项环境因子在4个不同生境适宜度等级分布区的数值范围（最小值-最大值）和平均数及标准差。结果表明，在不同的生境适宜区，影响穿龙薯蓣生长的6项环境因子均有一定的变化，但单一环境因子在各适生区间数值变化不大，这可能表明穿龙薯蓣的分布区划主要受几项主环境因子共同影响，单一环境因子的变化对区划结果的影响不大，见表2。endprint

33生长适宜性等级划分MaxEnt模型结果，穿龙薯蓣在吉林省的生长适宜度数值为4612 08×10-6～0544 31。通过比较几种分类方法的分类效果及采样点在各区划中数量，显示利用分位数对穿龙薯蓣进行分布区划效果较好，所获得的吉林省穿龙薯蓣分布区划结果与实际情况基本一致。各区划等级见表3。

利用上述方法所建立的吉林省穿龙薯蓣分布区划见图3，图中颜色从红色至绿色表示生长适宜度值依次递增。由图3可知，穿龙薯蓣在吉林省的适生面积（低适生区、中适生区、高适生区）较广，适生区主要集中在除西北部以外的广大地区。其中高适生区（生长适宜度>0517）主要集中在吉林省中部和南部的吉林市、辽源市和通化市，同时也包括长春市、四平市和白山市的部分地区。这一地区属于吉林省的中部低山丘陵，是东部山区向西部平原过渡地带，主要地形为低山、丘陵和河谷平原[17]。

4讨论

穿龙薯蓣是吉林省大宗中药材品种，一直以来产量较大，供求关系稳定。但通过最近开展的中药资源普查发现，穿龙薯蓣的生存环境急剧恶化，野生资源量急剧减少。因此有必要研究该物种的分布区划，在建立相应的保护机制的同时，开展规模化的人工栽培，才能从根本上保护这一重要的资源。

本研究所采用的MaxEnt模型简单易行，预测准确性高且操作简便，可用于对植物的潜在分布预测和适宜性评价。研究结果显示，利用本中心前期调查所获得的大量穿龙薯蓣采样点数据开展分析工作，结合ArcGIS所提供的分类方法建立的穿龙薯蓣分布区划结果，与实际调查较为一致，不仅真实的反映了穿龙薯蓣的分布情况，同时也明确了环境因子对穿龙薯蓣适生性的影响。结果表明，穿龙薯蓣的分布主要受到温度与降水量的影响，其中温度季节性变化的标准差等6项生态因子的影响最为明显。利用ArcGIS软件实现了对不同区划中环境因子的提取和统计分析，为进一步明确穿龙薯蓣适生环境因子提供了可能。所建立的穿龙薯蓣分布区划将吉林省划分为高适生区、中适生区、低适生区、不适生区。其中高适生区和中适生区总面积93 057 km2，占吉林省总面积的4867%，主要集中在吉林省东部、中部和南部的低山丘陵地区。这一区域是吉林省中药资源最为丰富的地区，适合开展穿龙薯蓣资源保护，也可以参考影响分布区的主要环境因子，合理规划穿龙薯蓣的仿野生栽培区。这既可以避免盲目引种所造成的人力、物力和财力等方面的浪费，又可以保证穿龙薯蓣的产量和品质，是解决目前穿龙薯蓣野生资源问题的最佳途径。

[参考文献]

[1]中国药典一部[S]2015：267

[2]张志耘中国植物志第16卷第1分册[M]北京：科学出版社，1985：60

[3]李金玲，张崇禧，李攀登，等HPLC比较研究不同产地与不同生长年限穿龙薯蓣中薯蓣皂苷元含量[J]中国药学杂志，2010，45（4）：245

[4]丁乡，丁立威穿山龙产供销分析[J]中国现代中药，2012，14（10）：59

[5]曹向锋，钱国良，胡白石，等采用生态位模型预测黄顶菊在中国的潜在适生区[J]应用生态学报，2010，21（12）：3063

[6]刘蒙蒙，邢咏梅，郭顺星基于Maxent生态位模型预测药用真菌猪苓在我国潜在适生區[J]中国中药杂志，2015，40（14）：2792

[7]孙洪兵，孙辉，蒋舜媛，等基于3S技术的羌活区划研究Ⅰ基于MaxEnt和ArcGIS的清货生长适宜性分析及评价[J]中国中药杂志，2015，40（5）：85

[8]苗琦，袁源见，罗光明，等基于ArcGIS和Maxent的栀子生态适宜性研究[J]中国中药杂志，2016，41（17）：3181

[9]张海娟，陈勇，黄烈健，等基于生态位模型的薇甘菊在中国适生区的预测[J]农业工程学报，2011，27（S1）：413

[10]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

[11]卢有媛，杨燕海，马晓辉，等中药秦艽生态适宜性区划研究[J]中国中药杂志，2016，41（17）：3176

[12]柳鑫，杨艳芳，宋红萍，等基于MaxEnt和ArcGIS的黄连生长适宜性区划研究[J]中国中药杂志，2016，41（17）：3186

[13]王运生，谢丙炎，万方浩，等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

[14]杨会枫，郑江华，吴秀兰，等基于MaxEnt模型和ArcGIS的白喉乌头在中国潜在分布区预测[J]中国植保导刊，2015，35（5）：50

[15]白成科，吴永梅，曹博，等基于MaxEnt和GIS的陕西省山茱萸气候适宜性种植区划研究[J]中药材，2016，39（2）：289

[16]李丹，唐晓敏，朱寿东，等广金钱草分布和品质适宜性区划研究[J]中国中药杂志，2017，42（4）：649

[17]李建东，吴榜华，盛连喜吉林植被[M]长春：吉林科学技术出版社，2001：9

[责任编辑吕冬梅]endprint