基于MaxEnt模型与ArcGIS的线叶蓟生态适宜性区划研究

方虎强 ，章鹏飞 ，何兵 ，徐少伟 ，徐腾 ，董昌武 ，杨青山，

1.安徽中医药大学药学院，安徽 合肥 230012； 2.安徽中医药大学第二附属医院，安徽 合肥 230061；3.中药研究与开发安徽省重点实验室，安徽 合肥 230012； 4.安徽省中医药科学院中药资源保护与开发研究所，安徽 合肥 230012； 5.安徽道地中药材品质提升协同创新中心，安徽 合肥 230012

线叶蓟为菊科蓟属植物线叶蓟Cirsium lineare(Thunb.) Sch.-Bip.的干燥全草或根，秋季采收，鲜用或切片晒干[1]，具有活血散瘀、消肿解毒功效[2]，临床主要用于月经不调、闭经、痛经、赤白带、尿路感染、跌打损伤、乳腺炎、疖痈、神经性皮炎及毒蛇咬伤等[3]。线叶蓟主要分布在安徽、浙江、四川、福建、台湾、江西等地[4-6]，生长于海拔400～2 000 m山坡草地、路旁及灌丛[7]。目前，线叶蓟人工种植尚未形成规模，部分地区乱采滥挖现象严重，使野生品种资源流失。故研究线叶蓟潜在适宜分布区有利于规范产地种植，提高药材质量，切实解决中药材产地种植中的实际问题[8]。

最大熵（MaxEnt）、Maxlike等多种建模方法结合地理信息系统软件ArcGIS广泛用于评估气候环境对物种潜在分布的影响[9-10]。MaxEnt模型以MaxEnt理论为基础，常用于评估物种密度和预测其在某地区的潜在分布[11-12]，即从符合条件的已知分布中选取熵值最大的预测分布作为模型运行的最优解，并建立物种分布和约束条件（环境因子）的相互关系[13]。本研究对线叶蓟在全国范围内的潜在适宜性分布进行研究和评价，分析影响线叶蓟野生资源分布的主要生态因子，为线叶蓟人工栽培驯化、野生资源保护及开发利用提供参考。

1 资料与方法

1.1 样点分布数据采集

通过中国数字植物标本馆（http://www.cvh.ac.cn）获得线叶蓟分布数据402条，另有37条数据来源于第四次全国中药资源普查。为避免造成实验结果过度拟合，按照1 km×1 km网格进行筛选，删除重复或经纬度相近的分布点，共获得线叶蓟样点分布数据248条，样点分布见图1。将数据转换为经纬度坐标，按MaxEnt软件要求保存为.csv格式文件。

图1 线叶蓟样点分布

1.2 生态因子及地图获取

本研究使用的55个生态因子（见表1）来源于中药资源空间信息网格数据库（http://www.tcmresources.com/），包含气候、地形和土壤类型等数据，根据1950－2000 年气象观测数据插值而成，分辨率1 km。在国家基础地理信息中心网站（http://nfgis.nsdi.gov.cn/）下载1：400万中国地图及行政区划图。

表1 55个生态因子信息

1.3 模型构建

将线叶蓟地理分布数据与55个生态因子信息导入MaxEnt3.4.3，选择25%的数据作为测试集，75%的数据作为训练集，最大迭代次数106，设置响应曲线评价生态因子适宜度范围、受试者工作特征（ROC）曲线及曲线下面积（AUC）评价模型精度、刀切法检验相关生态因子贡献权重，软件运行结果以Logistic格式输出，运行5次，舍去运算结果中贡献率为0的生态因子，运算结束后结合刀切法选择贡献率≥0.1%的生态因子作为环境变量组，对线叶蓟分布适宜性进行预测。

1.4 适生度等级划分

将MaxEnt运算得出的最终预测结果输出格式为ASCⅡ栅格图层，在ArcGIS中导入线叶蓟在全国范围的适生分布地区、分布指数（P），叠加中国行政区划图。基于正态分布参数均值（μ）、标准差（δ）和样本分布点的最小适生度（0），根据P值将线叶蓟分布区域划分为4 个等级：非适生区（P＜μ-δ），低度适生区（μ-δ≤P＜0.25），中度适生区（0.25≤P＜0.5），高度适生区（P≥0.5）。

2 结果

2.1 模型精度分析

使用ROC曲线评估模型精度，AUC值越大模型精度越高：1＞AUC≥0.9，模型预测精度高；0.9≥AUC＞0.8，模型预测精度较高；0.8≥AUC＞0.7，模型预测精度一般；0.7≥AUC＞0.6，模型预测精度较差；AUC＜0.6，模型预测无效[14-15]。模型评价结果表明，训练集AUC=0.968，测试集AUC=0.947，标准差（SD）=0.006，表明模型拟合效果较好，潜在分布区预测具有较高精度，能有效反映线叶蓟在全国潜在分布情况。见图2。

图2 线叶蓟生态分布预测ROC曲线

2.2 主导生态因子筛选及贡献率

根据MaxEnt模型计算结果，影响线叶蓟潜在分布的主要生态因子（贡献率）依次为：11 月降水量（61.3%）、最暖季平均温（8.0%）、植被类型（5.0%）、土壤类型（4.1%）、坡度（2.7%）、土壤含黏土量（2.5%）、5 月平均气温（2.4%）、9 月平均气温（1.8%）、3月降水量（1.7%）、等温性（1.5%）、最暖月最高温（1.5%），见表2。采用刀切法检验各生态因子的预测能力，4月降水量、11月降水量、3月降水量、10月降水量、5月降水量、最干月降水量、植被类型、9月平均气温、4月平均气温、9月降水量、8月平均气温、5月平均气温、土壤类型、7月平均气温和最暖季平均温贡献度较高，见图3。结合二者结果，最终确定影响线叶蓟潜在分布的主导生态因子有11月降水量、3月降水量、5月平均气温、9月平均气温、最暖季平均温、植被类型、土壤类型。

表2 影响线叶蓟分布主要生态因子及其贡献率

图3 线叶蓟生态分布预测模型刀切图

2.3 适生度等级分析

根据适生度等级划分方法进行运算，按照所设阈值进行重分类可得：非适生区（P＜0.08），低度适生区（0.08≤P＜0.25），中度适生区（0.25≤P＜0.5），高度适生区（P≥0.5）。从全国潜在分布来看，线叶蓟高度适生区主要集中在浙江、重庆、广西东北部、四川东部、湖北西北部和东部；中度适生区为湖南西北部和东部、贵州西南部和东部、台湾东北部、河南南部；低度适生区主要集中在湖南中部、四川中部、广西西部和中部、河南中部、广东南部。见图4。

图4 线叶蓟适生区分布

3 讨论

本研究基于MaxEnt结合ArcGIS预测线叶蓟在我国潜在分布区，模型评价所得训练集、测试集AUC值均大于0.9，由此判断该模型精度高、拟合效果好。线叶蓟潜在适生分布区与《中国植物志》记载的地区有较高重叠性，且预测的潜在分布区比实际记录的范围更广，表明线叶蓟野生资源蕴藏量丰富、可人工栽培驯化的面积更广。同时与第四次全国中药资源普查获得的信息比较，发现其分布区向南北均有所扩大，所采集的分布点超过《中国植物志》记载的分布省份。

根据模型预测结果可知，11月降水量、3月降水量等是影响线叶蓟潜在分布的主要生态因子。其次是5月平均气温、9月平均气温、最暖季平均温3个与温度相关的生态因子。说明线叶蓟生长更依赖降水和温度变量。结合第四次全国中药资源普查线叶蓟分布数据和中国数字植物标本馆线叶蓟标本采集信息，可知线叶蓟主要分布于我国西南东部，华中、华南北部，华东南部等地区，这些地区处于亚热带，气温较高，降水丰富，能提供线叶蓟生长的良好生境。除气候类型、土壤类型、地形、植被类型外，二氧化碳浓度、流域及生物因子也是影响物种适宜性的重要因素，应用的环境因子不全面会导致模型预测结果出现偏差。因此，适当组合多类型变量用于生境适宜性模拟，可以提高该模型的总体精度，使结果更加准确真实[16]。

综上，本研究从理论上预测线叶蓟在全国范围内的潜在分布区和影响其分布的主导生态因子，为线叶蓟野生资源开发及人工栽培驯化奠定了一定理论基础。在今后产业化种植中，可以参考线叶蓟潜在分布地区的环境参数及其他影响因素，定向选择种植基地。笔者在野外考察中还发现，大蓟、线叶蓟等蓟属植物花序易受虫害侵袭，故在人工驯化栽培时应注意虫害防治[17]。在本研究基础上，可以结合不同产地线叶蓟的药材质量，进一步分析环境因子对其品质的影响。