陈博,曹后康,吕蓉,王莉,成希,晋玲,2
1.甘肃中医药大学药学院,甘肃 兰州 730000;2.中(藏)药资源研究所,甘肃 兰州 730000
车前子为车前科植物车前Plantago asiaticaL.或平车前Plantago depressaWilld.的干燥成熟种子。具有清热、利尿通淋、渗湿止泻、明目、祛痰等功效,用于治疗热淋涩痛、水肿胀满、暑湿泄泻、目赤肿痛、痰热咳嗽等症[1]。由于市场需求较大,为保证车前子的品质,选择适宜地区进行人工栽培是目前行之有效的方法。
最大熵(MaxEnt)模型可根据物种已知的分布数据和环境变量判断其生态需求,并以此进行该物种的分布预测,结合地理信息系统ArcGIS分析技术,可对物种的潜在分布进行预测,已广泛应用于中药相关领域[2]。本研究通过查阅资料及实地采样,收集车前和平车前样点信息,结合环境因子数据,采用MaxEnt模型预测车前和平车前生态适宜分布区,并利用ArcGIS软件将其展示出来,以期为优质中药车前子人工栽培选地提供依据。
通过自采及查阅中国数字植物标本馆(http://www.cvh.ac.cn),收集车前和平车前样点信息,其中车前325个、平车前255个,记录其经纬度、海拔等分布信息,样点分布详见图1。
图1 车前和平车前样点分布
本研究使用来源于“中药资源空间信息网格数据库”(http://www.tcm-resources.com/)的55个生态因子数据(降水、温度、植被类型、土壤亚类),选取适应车前和平车前生长的所有生态因子数据。
将车前和平车前样点经纬度信息导入MaxEnt3.4.0软件,设置建模参数:随机测试比例25%,最大迭代次数106,收敛门限0.000 5,其余值默认。进行迭代运算,舍弃贡献率为0的生态因子,得到各生态因子对车前和平车前生长贡献率,依据响应曲线得到主生态因子适宜范围[3]。用受试者工作特征(ROC)曲线下面积(AUC)评价预测结果的精度,取值范围0~1,若AUC>0.9,表明此模型精确度较高。
将MaxEnt运算结果导入ArcGIS软件,依据生态适宜度最小值及正态分布曲线的均值(μ)和均方差(δ),将车前和平车前生长区划分为不适宜区、次适宜区和适宜区3个等级,并绘制车前和平车前生态适宜性区划分布图。
车前、平车前的ROC曲线训练数据集AUC分别为0.968、0.977,测试数据集AUC分别为0.927、0.940,均大于0.9,表明MaxEnt模型对预测车前和平车前的潜在分布准确度和可信度都很高。车前、平车前潜在分布MaxEnt模型ROC曲线见图2、图3。
图2 车前分布MaxEnt模型ROC曲线
图3 平车前分布MaxEnt模型ROC曲线
55个生态因子中,42个对车前生态适宜性有贡献,18个为影响车前适宜性的主要生态因子,贡献率总和为94.09%,车前主生态因子适宜值见表1;47个对平车前生态适宜性有贡献,19个为影响平车前适宜性的主要生态因子,贡献率总和为92.95%,平车前主生态因子适宜值见表2。降水量、坡度、温度、海拔、植被类型、土壤亚类为影响车前和平车前生态适宜性的主要生态因子。
表1 车前主生态因子贡献率及适宜值
表2 平车前主生态因子贡献率及适宜值
车前生态适宜性区划见表3、图4。适宜区包括甘肃省南部边缘、陕西南部、安徽南部、四川东部、重庆、湖北中西部、浙江、福建、贵州、湖南中南部、江西、广西北部、广东南部,次适宜区包括辽宁南部、河北北部和西部、北京、天津大部、山东、山西、河南南部、宁夏、江苏中南部、安徽北部、甘肃中部、四川中部、西藏南部边缘、广西南部、广东南部、台湾中部。
图4 车前生态适宜性区划
表3 车前生态适宜性分布区
平车前主要生态适宜性区划见图5。适宜区包括吉林东部边缘、辽宁东部、青海东北角、甘肃南部、宁夏南部、陕西大部、山西、河北北部、北京、山东南部、河南西部、四川中部、云南北部、安徽南部,次适宜区包括黑龙江中部、吉林中部、辽宁西部、内蒙古中南部、西藏东南部、青海西北角、甘肃北部、宁夏北部、河北南部、天津北部、山东北部、河南东部、安徽大部、江苏中西部、浙江中北部、福建中部、江西大部、湖北大部、重庆大部、云南中部、贵州北部、湖南中北部、广西北部边缘、广东北部边缘、台湾西南边缘。见表4。
图5 平车前生态适宜性区划
表4 平车前生态适宜性分布区
续表4
本研究对580个车前子样点进行生态适宜性区划研究,预测模型AUC均大于0.9,表明预测结果良好、可信度高,可为合理选择种植区提供依据。
车前和平车前为耐寒、耐旱型植物,对土壤要求不严格,但更适宜温暖、潮湿、向阳、沙质沃土环境。车前生长海拔为0~3 687.5 m,平车前生长海拔为388~4 000 m,超出该环境范围会影响植物营养吸收;3、4月份为发芽期,9、10月份为开花结果期,适宜的温度、充足的降水量能保证植物获取足够的营养。有报道,车前种子重量与年均温度及年降水量之间关系显著,种子重量随着年均温度及年降水量的增加而增加[4],与本研究结果一致。