基于MaxEnt 模型和ArcGIS 的红芪生境适宜性评价

林 鑫，李成义，魏小成，周瑞娟，张广袤，谢耀慧，谭雪艳，刘善茹

（甘肃中医药大学，甘肃 兰州 730000）

红芪为豆科植物多序岩黄芪Hedysarum polybotrysHand.-Mazz.的干燥根，具有补气升阳、利尿止汗、消肿、排脓敛疮的功效［1］，属于甘肃道地药材之一。红芪作为多年生草本植物，其根系于土壤中分布较深，适宜生长于凉爽湿润、阳光充足的山坡地、灌丛和林缘地区，在我国主要分布在甘肃，少数分布于四川、宁夏、内蒙古、陕西等地区［2］。红芪传统习惯以野生品用药，由于红芪的免疫调节作用优于黄芪［3］，在一些复方药效研究中红芪代替黄芪治疗效果更好［4-6］。红芪的市场需求量增大，野生资源大幅减少，需要人工驯化和大面积种植等措施确保资源可持续利用和市场供需稳定。由于红芪栽培过度集中化及盲目引种，导致红芪病虫害频发，进而影响其质量，急需发展红芪新产区，其生长分布及有效成分积累受到气候、地形、土壤因子影响［7］。环境因子对红芪中红芪多糖及异黄酮类成分含量具有较大影响，且土壤中无机元素的积累与红芪生长及品质形成有密切关系［8］，导致不同产地红芪质量差异显著［9-10］。

目前国内外对中国植物分布模拟研究较多［11-13］，但对红芪生境适宜性研究却相对较少，因此通过研究全国范围内红芪生境适宜区划，明确红芪潜在生境适宜区，有助于确保红芪质量稳定及引种区域选择。最大熵模型（MaxEnt）作为生态位模型之一，由于其应用范围广、预测精度高、稳定性较好，结合3S 技术广泛应用于物种的生境适宜性评价［14］，本研究采用MaxEnt 模型和ArcGIS空间分析技术相结合，将全国内红芪适宜分布区域可视化，明确红芪分布与生态环境间的关系，以期为我国红芪药材种植生产的合理布局及物种保护提供一定的理论参考。

1 材料与方法

1.1 样点分布数据 红芪地理位置数据来源于实地采样、中国数字植物标本馆 （https：／ ／www.cvh.ac.cn／）、中国国家标本资源平台（http：／ ／www.nsii.org.cn／2017／home.php）及全球生物多样性信息数据库平台（https：／ ／www.gbif-uat.org／zh／）。共搜集1970 年至2021 年红芪地理位置数据180 个，为降低空间自相关性和采样误差，剔除重复和距离过近样点，对距离小于1 km 的样点地理数据只保留1 个，得到红芪样点123 个。分析所用中国地图源于国家测绘地理信息局标准地图服务网站（http：／ ／bzdt.ch.mnr.gov.cn／index.html）。

1.2 生态因子数据 评价选用气候、地形、土壤这3 类共59 个生态因子，见表1，其中31 个气候因子 （1970 年至2000 年）和数字高程模型（DEM）数据均来源于全球气候数据库（https：／ ／www.worldclim.org／），DEM 高程数据通过ArcGIS 10.4.1 软件表面分析提取生成坡度及坡向栅格数据，所获取的气候、地形数据的空间分辨率为2.5 min，数据内容包括年平均气温、平均日较差、年降水量、每月份辐射量等31 个气候因子和高程、坡度、坡向3 个地形因子。土壤因子数据来源于世界土壤数据库v1.2 （HWSD，https：／ ／www.fao.org／soils-portal／soil-survey／soil-maps-and-databases／harmonized-world-soil-database-v12／en／），数据内容包括土壤有效水含量、土壤含沙量、土壤有机碳、土壤酸碱度、土壤容重等25 个土壤因子。

表1 生态因子数据Tab.1 Ecological factor data

1.3 生态因子筛选 将获得的31 个气候因子、3个地形因子、25 个土壤因子和红芪分布样点数据分别导入ArcGIS 软件，利用ArcToolbox 中采样功能对每个样点的生态因子进行提取，通过SPSS 26.0 软件进行Person 相关性分析，去除相关性较高的因子，并采用MaxEnt 模型多次运算，剔除贡献度为0 的因子［15］，最终筛选出13 个生态因子（Bio_ 2、Bio_ 4、Bio_ 9、Bio_ 14、Bio_ 18、Bio_ 19、Srad_ 5、Srad_ 9、Srad_ 12、Alt、Slo、AWC_ Class、T_ BS）参与模型预测分析。

1.4 模型构建及评价标准 采用MaxEnt 3.4.1 软件将上述筛选的13 个生态因子对123 个样点分布数据进行模型构建，其参数设置为随机选择25%的红芪分布点作为测试集，75%的分布点用于训练集，采用交叉验证方法进行数据分析，设置最大迭代次数为500 次，最大背景点数为10 000 个，其他参数均为模型默认值，并通过刀切法评价各生态因子的重要性，结果以Logistic 格式输出。以受试者工作特征曲线（ROC）下的AUC 面积判断模型预测结果的精准度，AUC 取值范围为0.5 ～1.0，其中0.5～0.7 预测精度较低，0.8 ～0.9 预测精度中等，0.9～1.0 预测精度较优［16］。为减少空间自相关对模型建立的影响，重复10 次，选取AUC 值最大的一组为最终预测结果。

1.5 适宜性区域划分 在模型预测结果较优的条件下，结合ArcGIS 软件中空间分析工具对预测模型进行重分类，采用自然间断点分级法将适宜度分为4 个等级［17］，非适生区P＜0.04，低度适生区0.04≤P＜0.16，中度适生区0.16≤P＜0.50，高度适生区P≥0.50。

2 结果

2.1 模型预测精度 通过MaxEnt 模型预测分析得出ROC 曲线训练集的AUC 值为0.994，测试集的AUC 值为0.994，AUC 值均大于0.9，说明该模型对预测红芪生境适宜性较为准确，所获得的ROC曲线见图1。

图1 红芪MaxEnt 模型ROC 曲线Fig.1 ROC curve diagram of Hedysari Radix MaxEnt model

2.2 主生态因子选择 根据参与模型构建的13 个生态因子对MaxEnt 模型的贡献率及权重，可以确定影响红芪分布的主要生态因子。各生态因子贡献率见表2，对红芪生态适宜区预测权重见图2，结果表明，13 个生态因子中影响红芪分布的主要生态因子为海拔（贡献率40.6%）、最热季度降水量（贡献率14.7%）、12 月太阳辐射量 （贡献率9.1%）、温度季节性变化偏差 （贡献率8.9%）、上层土壤 （0 ～30 cm）基本饱和度 （贡献率8.6%）、9 月太阳辐射量（贡献率8.3%），累计贡献率达90.2%。

图2 各生态因子对红芪生境分布预测权重Fig.2 Jackknife test of ecological factors for prediction of Hedysari Radix habitat distribution

表2 红芪各生态因子贡献率Tab.2 Contribution rate of various ecological factors to distribution of Hedysari Radix

综上所述，6 个主生态因子对红芪生境适宜区域分布的响应曲线见图3，由此可知，红芪生境适宜度P＞0.5，其对应的环境因子值有利于红芪生长。海拔对红芪分布影响较大，在630～2 360 m 内红芪生境适宜度随着海拔增加而增大，2 360 ～5 453 m其适宜度不断减小； 最热季度降水量达到296 mm 时，红芪生境适宜度达到最大值； 12 月太阳辐射量在5 586～7 963 kJ／ （m2·d）时呈上升趋势，达到峰值后，随着太阳辐射量的不断累积呈下降趋势； 红芪生境适宜度与温度季节性变化偏差在540～1 330 时呈正向抛物线，与其他区间不相关；上层土壤（0 ～30 cm）基本饱和度在40% ～100%时呈正相关增长，达到峰值后适宜度趋于稳定； 9月太阳辐射量从10 080 kJ／ （m2·d）起，适宜度急剧上升，在13 125 ～13 582 kJ／ （m2·d）呈平稳状态，随后适宜度开始迅速下降。最佳条件为海拔1 970～3 028 m，最热季度降水量278 ～327 mm，9月太阳辐射量12 618～14 090 kJ／ （m2·d），12 月太阳辐射量7 592～8 334 kJ／ （m2·d），温度季节性变化偏差748～860，上层土壤（0～30 cm）基本饱和度95% ～100%。

2.3 生境适宜性及等级区划 红芪主要分布于甘肃省、四川省、陕西省、山西省、宁夏回族自治区等地。其中高度适生区主要分布于甘肃省陇南市、天水市、定西市、甘南藏族自治州、临夏回族自治州，其次分布于四川省阿坝藏族羌族自治州和甘孜藏族自治州、宁夏回族自治区固原市、陕西省宝鸡市和青海省海东地区； 中度适生区分布在高度适生区周围，西至青海省东部，东至山西省中西部，南至四川省南部，北至内蒙古中部； 低度适生区面积分布较大，主要分布于四川省、山西省、陕西省、河北省、山东省、辽宁省、内蒙古自治区、新疆维吾尔自治区、北京市等地均有少数分布。

通过适生区等级划分统计每个省级行政区的各适生区面积，其结果见表3。红芪在我国的适生区面积为1.29×106km2，其中高度适生区面积为5×104km2，在生境适生区占比为4.03%； 中度适生区面积为3.38×105km2，在生境适生区占比为26.20%； 低度适生区面积为9×105km2，在生境适生区占比为69.77%。由各行政区适生区面积可知，高度适生区主要分布于甘肃省，占全国高度适生区的83.73%； 中度适生区主要分布于甘肃省、四川省和陕西省，占全国中度适生区的83.99%，其中甘肃省面积最大，为1.22×105km2； 低度适生区主要分布于四川省、山西省、陕西省、河北省、内蒙古自治区等地，占全国低度适生区的61.98%，其中四川省面积最大，为1.69×105km2。由此可知，甘肃中南部的生态环境较适宜于红芪生长，目前甘肃是红芪实际种植面积最大的地区，模型预测的高、中度适宜区与实际种植区域相吻合。

3 结论与讨论

本研究采用MaxEnt 模型对红芪生境适宜区进行模拟预测，通过分析59 个生态因子与红芪分布间的关系，得出海拔、降水量、太阳辐射量、温度季节性变化及上层土壤（0～30 cm）饱和度对红芪分布影响较大，红芪适宜区主要分布于温度变化幅度小、土壤透气性好且较为湿润的中海拔地区，最热季度降水量以300 mm 左右为宜。相关文献表明，甘肃省定西红芪栽培区的海拔一般为1 700 ～2 300 m，年平均气温6.0～8.0 ℃，6 ～9 月降水量270～360 mm［18］，其生态条件与红芪预测适宜区结果较为符合。通过红芪本草考证及产地迁移研究发现，此前红芪道地产区多为甘肃、四川、山西、陕西、内蒙古等地，通过环境变化和人为干预影响，红芪产区不断缩减且向甘肃过渡，现主要分布于甘肃省［19-20］。相关研究表明，目前四川、陕西、宁夏均有红芪分布，且甘肃作为红芪道地产区及种植主产区，主要分布于武都、宕昌、武山、陇西、岷县、舟曲、临洮等地［21-22］，与本研究预测的中、高度适生区相吻合，进而证明该模型能够较为准确地预测红芪在中国的潜在适生区，使红芪生境适生区评价具有科学合理性。

本研究结果明确了全国红芪生境适宜区和影响红芪分布的主要环境因子，高、中度适生区可为红芪引种栽培或野生资源保护提供理论依据，在今后红芪产业规划发展中，可在高、中度适生区内建立红芪规范化种植基地，推广高产、优质、抗病性强的红芪新品种，有助于确保红芪质量稳定和解决红芪药材原材料供应短缺的根源。但本研究仅从环境因素评价红芪生境适生区，而引种栽培应多因素考虑，道路、河流等社会因素均对引种区域的选择产生影响，因此在引种扩种过程中应依据当地具体环境因地制宜进行调整，进而促进红芪药材的可持续发展。