气候变化下中国珍稀濒危柏科树种潜在适生区分布

摘 要：【目的】中国珍稀濒危柏科树种是国家重点保护野生植物，预测其在中国未来不同气候情景的潜在适生区分布，以期对树种的管理和保护提供科学依据。【方法】基于13个树种的地理分布信息及37个环境因子数据，利用R语言优化后的最大熵模型（MaxEnt），分析影响其潜在适生区分布的主导环境因子及在气候变化下的响应方式。【结果】1）MaxEnt模型优化后，各树种的AUC值均大于0.9，说明模型预测精度极好；2）13个树种分布范围较为狭窄，除朝鲜崖柏主要分布在东北长白山地区，其余树种主要分布在秦岭-淮河以南地区；3）影响树种分布的主导环境因子依次为：最干月降水量（BIO14，PC=35%）>温度年较差（BIO7，PC=17.1%）>海拔（ALT，PC=9.2%）>等温性（BIO3，PC=8.5%）>坡度（SLO，PC=7.2%）>最冷月最低温（BIO6，PC=5.3%）；4）未来气候情景下，随着碳排放浓度增加，巨柏、西藏柏木、翠柏、台湾杉及越南黄金柏总适生区面积呈扩增趋势；水松、崖柏、岩生翠柏、红桧、福建柏、朝鲜崖柏总适生区面积呈缩减趋势；而水杉和岷江柏木在不同气候情景下总适生区面积呈现不同扩增及缩减趋势。【结论】优化后的MaxEnt模型，很好地模拟出珍稀濒危柏科树种对气候变化的响应，各树种的适生区分布多呈不连续分布，建议扩宽其适生区范围，加强对其生境的保护。

关键词：珍稀濒危；柏科；优化最大熵模型；气候变化

中图分类号：S718.5 文献标志码：A 文章编号：1673-923X（2024）08-0049-13

基金项目：国家自然科学基金项目（31700467）；西南林业大学博士科研启动基金项目（112003）；云南省基础研究专项省基金项目（202401AT070294）。

Distribution of potential suitable areas of rare and endangered Cupressaceae species in China under climate change

TANG Jimin， YIN Xiaojie， GAO Weijie， LIU Yifei， LI Zikang

（Forestry College， Southwest Forestry University， Kunming 650224， Yunnan， China）

Abstract：【Objective】The rare and endangered species of Cupressaceae in China are the key wild plants under national protection. To predict their potential distribution in different climate scenarios in China in the future， we hope to provide scientific basis for the management and protection of the species.【Method】Based on the geographic distribution information of 13 tree species and 37 environmental factors data， the MaxEnt model optimized by R language was used to analyze the dominant environmental factors affecting the distribution of their potential habitat areas and their responses under climate change.【Result】1） After the optimization of MaxEnt model， the AUC values of each tree species were all greater than 0.9， indicating that the prediction accuracy of the model was excellent. 2） The distribution range of the 13 tree species were relatively narrow， except for the Thuja koraiensis mainly distributed in the northeast Changbai Mountain area， the other tree species mainly distributed in the Qinling Mountains and Huaihe River south area. 3） The key environmental factors affecting the distribution of tree species were： precipitation of the driest month （BIO14， PC=35%）>temperature annual range （BIO7， PC=17.1%）>altitude （ALT， PC=9.2%）>isothermality （BIO3， PC=8.5%）>slope （SLO， PC=7.2%）>minimum temperature of the coldest month （BIO6， PC=5.3%）. 4） Under the future climate scenario， with the increase of carbon emission concentration， the total habitat area of Cupressus gigantea， Cupressus torulosa， Calocedrus macrolepis， Taiwania cryptomerioides and Xanthocyparis vietnamensis would show expanding trends. The total suitable areas of Glyptostrobus pensilis， Thuja sutchuenensis， Calocedrus rupestris， Chamaecyparis formosensis， Fokienia hodginsii and Thuja koraiensis would show decreasing trends. The total suitable area of Metasequoia glyptostroboides and Cupressus chengiana would show different expanding and decreasing trends under different climate scenarios.【Conclusion】The optimized MaxEnt model could well simulate the response of rare and endangered Cupressaceae species to climate change， and the distribution of suitable areas of each species was mostly discontinuous. It is suggested to expand the range of suitable areas and strengthen the protection of their habitats.

Keywords： rare and endangered； Cupressaceae； pptimizing MaxEnt model； climate change

环境是限制物种分布的重要因素，大空间尺度上，气候因素被认为是决定物种分布的主导因素[1]。IPCC第六次评估报告指出，温室气体排放，将加剧全球气温上升，预计在接下来的几十年（2021—2040年）内，全球气温上升的最佳估计值将达到1.5 ℃[2]。未来气温变化和降水格局改变可能导致许多物种被迫离开其原本适宜的生长环境，当原生境遭到严重破坏，物种灭绝的风险就会极大地增加[3]。柏科Cupressaceae是裸子植物中属最多的科，是中国受威胁最严重的科之一[4]。我国珍稀濒危柏科树种多分布于亚热带季风气候、热带季风、温带季风及高原山地等气候区。近年来，珍稀濒危柏科树种受人类干扰，加之所处环境破碎化和斑块化，天然更新越来越困难，导致野生资源严重锐减[5]。因此，进行珍稀濒危柏科树种未来气候变化的分布预测，对生物多样性保护具有重要意义。

生态位模型（species distirbution model，SDM）基于物种实际分布范围和环境因子，运用特定算法预测物种在特定区域的生存可能性[6]。最大熵模型（maximum entropy，MaxEnt）自Phillips团队开发之后，在国内外生态学领域迅速得到普遍应用[6-11]，相较于广义线性模型（generalized liner model，CLM）、遗传算法模型（genetic algorithm for ruleset production，GARP）、生物气候分析系统（boxcar environmental envelope，bioclim）等[7]，其预测精度更高，是最具代表性生态位模型之一，尤其是在样本量较少时，仍可取得较好预测效果，可有效解决珍稀濒危物种分布点少的问题[6]。已有研究中，基于MaxEnt模型的研究，通常在模型默认的参数下进行预测，多疏忽模型参数的优化，而未优化的MaxEnt模型存在一定拟合偏差，易导致物种分布预测中存在一定错误估测[6，8-12]。近年来相关学者探索进行模型优化，以提高预测精度，并使用优化后的MaxEnt模型对黑木相思Acacia melanoxylon[10]、疣果匙荠Bunias orientalis Linn[11]及巨藻Macrocystis pyrifera[12]等物种进行了潜在适生区预测，发现预测的适生区分布范围优于模型默认参数预测范围，实际分布范围及生理生态特征与预测结果吻合度较高。珍稀濒危柏科树种，天然种质资源稀缺且逐年减少，多以单株或极小种群形式散生分布[4]，分布信息少。本研究通过优化后的模型进行气候变化下的树种分布预测，可一定程度提高预测精度，从而为我国珍稀濒危柏科树种的保护、开发和培育提供数据支持。

1 材料收集与筛选

1.1 物种分布数据收集

基于《国家重点保护野生植物名录（2021版）》，确定中国珍稀濒危柏科树种共13个，其中，国家一级保护野生植物有：巨柏Cupressus gigantea、西藏柏木Cupressus torulosa、水松Glyptostrobus pensilis、水杉Metasequoia glyptostroboides、崖柏Thuja sutchuenensis；国家二级保护野生植物有：翠柏Calocedrus macrolepis、岩生翠柏Calocedrus rupestris、红桧Chamaecyparis formosensis、岷江柏木Cupressus chengiana、福建柏Fokienia hodginsii、台湾杉Taiwania cryptomerioides、朝鲜崖柏Thuja koraiensis和越南黄金柏Xanthocyparis vietnamensis。各树种的地理分布信息主要由以下途径获取：1）全球生物多样性信息网络平台（https：//www.gbif.org/）；2）国家资源标本平台（https：//www.nsii.org.cn/）；3）中国数字植物标本馆（https：//www.cvh.ac.cn/）；4）中国自然标本馆（https：//www.cfh.ac.cn/）；5）相关文献资料[13-15]。为准确反映各树种的实际分布情况，结合树种的生态特征，排除异常点[16]，同时利用ENMTools工具剔除重复或距离较近点[12]，共收集整理得到1 264个分布点。

1.2 环境因子数据收集与筛选

选取与珍稀濒危柏科树种生境相关的37个环境因子数据用于构建模型（表1）。其中，气候因子源自世界气候数据库（https：//www.worldclim. org/），包括1970—2000年与2061—2080年的气候数据，空间分辨率为30″，其中，未来气候数据采用共享经济路径中BCC-CSM2-MR模式的2种气候情景（SSPs126低碳排放情景、SSPs585高碳排放情景），该模式模拟的中国地区气温和降水较为符合，已广泛应用于物种分布预测研究[13]。土壤因子数据源自世界土壤数据库（https：//www.ncdc.cn/），中国境内数据为南京土壤所提供的1∶100万第二次全国土地调查数据，分辨率约为1 km2。地形数据来自地理空间数据云（https：//www.gscloud.cn/）的数字高程数据，分辨率为90 m，用ArcGIS 10.8软件的空间分析工具提取海拔、坡度和坡向数据。将所有环境因子利用ArcGIS软件进行掩膜提取、裁剪和重采样，统一为分辨率30″的ASCII格式文件。审图号为GS（2019）1822的中国矢量地图下载于国家基础地理信息中心（https：//www.ngcc.cn/）。

进行物种模拟时，需要对各环境因子进行相关性分析，减少环境因子之间多重共线性问题[16-17]。首先，将各珍稀濒危柏科树种分布点和所有环境因子导入MaxEnt模型初步运行1次，剔除贡献率小于1%的环境因子。其次，使用所有珍稀濒危柏科树种分布点，通过ArcGIS 10.8软件提取所对应的37个环境因子值，用Python 3.10软件对所有环境因子值进行相关性分析（图1），若2个或多个同类型环境因子的相关系数|r|>0.8，则剔除贡献率（percent contribution，PC）偏小的环境因子[18]，最终确定10个参与建模环境因子，如表1所示。

1.3 模型优化设置和评价

MaxEnt模型基于最大熵原理，是在给定的约束条件下，选择一个概率使分布的熵达到最大[19]。本研究通过R语言里面的Kuenm程序包，对模型的正则化乘数（pegularization multiplier，RM）和要素组合参数（feature combination，FC）进行优化调整，从而给出更精确的解释和推断结果[20]。其中，RM设置为0.5～4，间隔为0.5；FC有5种变量特征，分别为线性（linear）、片段化（hinge）、乘积型（product）、二次型（quadratic）和阈值型（threshold），最终建立232种RM和FC参数组合。赤池信息准则（akaike information criterion，AICc）是用于评估MaxEnt模型的复杂度及其对数据的拟合程度，优先考虑AICc值最小的模型[8]，同时考虑遗漏率（omission_rate）小于5%的模型[18]。

将树种分布点数据和筛选的环境因子导入MaxEnt模型，随机选取各树种分布点数据中75%的样点用于验证子集，25%用于测试子集，重复运行10次。模型评价使用受试者工作特征（receiver operating characteristic curve，ROC）曲线与横坐标所围成的面积（AUC值）来评估模型的拟合优度[21]，AUC值处于0～1之间，当AUC值越趋近1，模型预测物种分布越准确，AUC值实际有意义的区间为0.5～1，AUC值在0.5～0.7时表示模型精度不佳，0.7～0.9表示模型精度良好，0.9～1.0表示模型精度极好[17]。

1.4 适生区等级划分和物种适生区质心迁移

利用最大训练敏感性及特异性阈值（maximum training sensitivity plus specificity，Maxss）来划分物种是否存在[16]，同时结合IPCC评估物种可能性的划分标准，通过存在概率（P）值将各柏科树种适生区分为3个等级：PP≥Maxss为低适生区、P≥0.66为高适生区[22]，其中P≥Maxss为适生区。使用ArcGIS 10.8软件的SDM模块，得到各树种适生区质心[16]，计算各树种未来气候情景下的适生区质心迁移距离和方向。

2 结果分析

2.1 模型精度评价

如图2所示，经R语言优化后，最优组合为RM为0.5，FC为P、H，此时AICc值的自然对数为10.537和遗漏率为4.79%，满足模型最优评估标准。利用优化的MaxEnt模型对珍稀濒危柏科树种进行模拟，各珍稀濒危柏科树种AUC值范围在0.952～0.999之间（表2），表明优化的MaxEnt模型预测精度极好，适用于珍稀濒危柏科树种的地理分布模拟研究。

2.2 影响树种分布的主导环境因子分析

由表3可知，最干月降水量（BIO14，PC= 35%）、温度年较差（BIO7，PC=17.1%）、海拔（ALT，PC=9.2%）、等温性（BIO3，PC=8.5%）、坡度（SLO，PC=7.2%）和最冷月最低温（BIO6，PC=5.3%）为影响我国13种珍稀濒危柏科树种分布的主导环境因子，累计贡献率达82.3%，反映出气候因子对珍稀濒危柏科树种分布具有重要影响。

由图3可知，水松、水杉、崖柏、翠柏、岩生翠柏、福建柏及台湾杉存在概率均受最干月降水量影响最大。其中，水松存在概率随降水量增加先增后减，在49 mm时达最大值，其后有所下降，在降水量180 mm时趋于平稳，符合水松生长在温暖潮湿的泽畔及河流的生境特征。水杉存在概率随降水量增加而增加，降水量在40 mm时逐渐趋向平稳，符合水杉生长在地势平缓的山谷及山麓等湿度较大地区特性。崖柏存在概率随降水量增加先增后急剧下降，降水量在15 mm时达到最大值，符合崖柏常生长在悬崖峭壁等恶劣地带，忌积水，仅需少量水分维持生长的生态特性。翠柏和岩生翠柏存在概率分别在降水量13和28 mm时达到最大值，随后不断减小并分别在降水量54和49 mm时趋于平稳，符合它们均主要生长在雨量较丰的云贵高原等岩溶山顶地带的特征；福建柏和台湾杉存在概率随降水量增加呈不均匀波动，存在概率分别在降水量50 mm和大于85 mm时达最大值，与它们喜湿润特性相符。西藏柏木、红桧、岷江柏木、朝鲜崖柏及巨柏存在概率均主要受到温度变化类因子影响最大。其中，西藏柏木和岷江柏木存在概率随温度年较差增大呈单峰形变化，温度年较差分别在27 ℃和29 ℃时达最大值，而巨柏存在概率随等温性增大先增后急剧减小，等温性在44 ℃时达最大值，这可能是由于西藏柏木、岷江柏木及巨柏主要生长在西南高海拔地区，气温日较差和年较差比同纬度东部沿海地区偏低。红桧存在概率随温度年较差增大先增后减，温度年较差在达17 ℃时达最大值，符合红桧生长在喜温和湿润、温差变化较小的台湾山地地区的原因。朝鲜崖柏存在概率随温度年较差增大先增后急剧减小，温度年较差在47 ℃达最大值，符合朝鲜崖柏生长在高纬度高海拔的长白山地带、气温日较差比东南沿海偏大等原因。越南黄金柏存在概率因土壤质地不同而存在较大差异，符合其生长在石灰岩山地地区的原因。

2.3 国家一级保护柏科树种地理分布预测

由图4可知，在基准期（1970—2000年），巨柏、西藏柏木的适生区和高适生区均分布在西藏南部的雅鲁藏布江流域和四川西南部地区。水松和水杉适生区主要分布在秦岭-淮河以南地区，其中，水松高适生区集中在广西北部、广东北部、湖北东北部及江西北部，而水杉高适生区集中在重庆、贵州及湖北交界地带。崖柏适生区和高适生区均分布在四川、重庆、湖南及湖北接壤地带。

由图4～5和表4可知，与基准期相比，未来2061—2080年不同气候情景下。巨柏适生区质心均向西部方向迁移，将在雅鲁藏布江上游形成新的适生区，在SSPs585气候情景下，适生区面积扩增幅度变大，总适生区和高适生区面积扩增11×10⁴和16×10² km2。西藏柏木在SSPs126气候情景下，适生区质心将向西南方向迁移，在云南北部形成新适生区；在SSPs585气候情景下，质心向西北方向迁移，在西藏、四川、甘肃北部等地形成新的适生区，总适生区和高适生区面积分别扩增41×10⁴和6×10⁴ km2。水松适生区质心均会向北部高纬度地区迁移，在SSPs126气候情景下，在广西北部高适区面积扩张4×10³ km2；在SSPs585气候情景下，在东南沿海等地适生区逐渐消失，总适生区和高适生区面积分别缩减12×10⁴和5×10³ km2。水杉适生区质心均向北部高纬度迁移，将在华北沿海形成新的适生区，其中，山东东部的高适生区面积略微增大，而在重庆、湖北、湖南交界的高适生区衰退严重，在SSPs585气候情景下高适生区面积缩减3×10⁴ km2。崖柏适生区质心均向东南方向迁移，在四川、重庆及湖北交界接壤处适生区面积缩减幅度增大，尤其在 SSPs585气候情景下，总适生区和高适生区面积缩减3×10³和10×10³ km2。

2.4 国家二级保护柏科树种地理分布预测

由图6可知，在基准期（1970—2000年），翠柏适生区分布在我国西南地区、海南西南部及台湾中部，高适生区集中在云南、广西西部及海南西南部。岩生翠柏适生区主要分布在贵州南部和广西西部地区，高适生区零散分布在广西西北部。红桧适生区主要分布在台湾及海南西南部，高适生区集中在台湾东北部山地地区。岷江柏木适生区分布在西藏东南部、四川西部及甘肃南部地区，高适生区间断分布在四川盆地以西和甘肃南部。福建柏适生区主要分布在长江流域以南地区，高适生区集中在广西北部、湖南、广东北部及福建。台湾杉适生区分布在台湾及长江流域以南地区，高适生区集中在台湾中部山地地区。朝鲜崖柏适生区分布在内蒙古北部、辽宁东北部及吉林东部的山地，高适生区集中在吉林长白山一带。越南黄金柏分布范围较为狭窄，适生区和高适生区在广西西部和贵州西部呈破碎化分布。

由图5～6和表4可知，与基准期相比，未来2061—2080年不同气候情景下。翠柏随着气候情景增强，将向东北方向迁移，将在重庆及湖北西部形成新的适生区，总适生区和高适生区面积分别扩增16×10⁴和1×10⁴ km2。岩生翠柏适生区质心均向西迁移，在福建、广东和贵州等适生区逐渐消失，尤其在SSPs585情景下总适生区和高适生区面积分别缩减9×10⁴和1×10⁴ km2。红桧适生区质心均向台湾东北部迁移，在海南的适生区将逐渐消失，尤其在SSPs585情景下总适生区和高适生区面积分别缩减55×10²和2×10² km2。岷江柏木在SSPs126气候情景下，适生区质心将向西南方向迁移，适生区面积略有缩减；在SSPs585气候情景下，将向东北方向迁移，在四川盆地以西和甘肃南部地区将形成大面积的适生区，总适生区和高适生区面积呈大幅度扩增趋势，面积分别扩增35×10⁴和3×10⁴ km2。福建柏适生区质心均向东北方向迁移，在SSPs585气候情景下，在四川、广西南部、广东南部及福建西南部的适生区将逐渐消失，总适生区面积大幅缩减，面积缩减26×10⁴ km2。台湾杉适生区质心均向东南方向迁移，将在广西、广东、福建及台湾等地区将形成大面积适生区，尤其在SSPs585气候情景下，总适生区和高适生区面积分别扩增5×10⁴和2×10³ km2。朝鲜崖柏适生区质心在SSPs126气候情景下，将向西北方向迁移，内蒙古北部的适生区将逐渐减少；在SSPs585气候情景下，吉林东部长白山适生区将出现收缩，总适生区和高适生区面积分别缩减3×10⁴和4×10³ km2。越南黄金柏在SSPs126气候情景下，适生区质心将向广西西南方向迁移，在SSPs585气候情景下，将向贵州南部迁移，总适生区和高适生区面积分别扩增4×10³和2×10³ km2。

3 讨论与结论

3.1 讨 论

植物资源多样性具有维护生态环境稳定的作用，并为人类提供有利的生态系统服务[23-24]。气候变化是全球重要的环境问题之一，可能导致部分物种适生区范围缩小，进而导致物种数量减少甚至灭绝[2]。珍稀濒危柏科树种是防风固沙、水土保持的重要树种，但近几十年来受人为干扰影响，野生种质资源衰退严重，使其处于濒危状态，部分树种在植物遗传、生理生态特性等方面已有研究，但对未来不同气候变化的响应却未有系统研究。李文馨等[13]引入气候变量对大尺度上的柏木生长回归模拟发现，降水和年均温对柏木生长有着显著影响。Yang等[14]基于ECHO-G气候模式对近千年来巨柏的气温变化研究发现，气温是巨柏生长的主要限制因子，与本研究中巨柏主要受到昼夜温差及年温差变化影响相符。张鹏等[15]对翠柏个体生长特性研究发现，翠柏在温暖湿润的气候环境下生长速度更快。本研究中13个珍稀濒危柏科树种分布主要受降水和温度影响，其中，水松、水杉、崖柏、翠柏、岩生翠柏、福建柏及台湾杉潜在适生区主要受到降水因素影响，巨柏、西藏柏木、红桧、岷江柏木及朝鲜崖柏潜在适生区主要受到温度变化影响，而越南黄金柏潜在适生区主要受到土壤因素的影响，与树种生理生态特性相符，不同树种对环境因子要求存在差异。

对物种未来分布变化趋势预测，分析珍稀濒危物种对未来不同气候变化程度的适应能力和响应方式，可以为生物多样性的保护和管理制定合理策略提供依据[25]。已有研究认为未来持续全球气候变暖，多数树种将向高海拔、高纬度地区迁移[26]，与本研究中珍稀濒危柏科树种向高纬度或高海拔地区迁移的预测趋势相一致。未来2061—2080年，巨柏、西藏柏木及岷江柏木的高适生区面积，随碳排放增强呈较大扩增趋势，这可能是由于全球气候变暖作用下，来自印度洋大量水汽通过西南季风输送进来，使得西南山地降水充裕，为树种提供有利生存条件[27]。水杉在未来总适生区面积扩增幅度较大，这与朱莹莹等[28]对水杉原生野生种群在气候变化下的响应结果较为吻合，野生水杉种群处在衰退期，未来气候变暖可能会加剧水杉野生种群的衰退。岷江柏木在SSPs126气候情景中适生区面积略微缩减，但在SSPs585气候情景中，总适生区面积扩增显著，这与郭滨德等[29]对川西高原林线岷江冷杉Abies faxoniana径向生长研究一致，随着全球气候变暖，川西高原植物春季物候期提前，秋季物候期延后现象，进而对岷江柏木生长有显著的促进作用。红桧在未来气候下将向东部山地迁移，这可能由于台湾地区由海洋环抱，受全球变暖，可能会影响树种适生区变化。在未来气候情景下，水松、福建柏和朝鲜崖柏适生区随着碳排放浓度增加，均呈明显缩减趋势，这可能由于CO2浓度持续增加，原适宜生境变得更为干旱导致[30]。

MaxEnt软件默认参数最初是由开发人员根据全球6个不同区域内选取的266个动植物物种，进行预测设置[7]。本研究利用R语言里面的Kuenm包优化MaxEnt模型，在一定程度上约束模型参数的复杂性。同时，本研究存在一定局限性，珍稀濒危柏科乔木树种多为极小种群，加之树种常生长在海拔较高、悬崖峭壁、干旱河谷等环境恶劣地带，获取的样本信息多集中在道路、河流等区域，导致采集的样本信息可能存在空间偏差、采集强度不同，使模拟结果产生一定误差[16]。同时在利用MaxEnt模型对柏科适生区预测分析时，仅考虑了气候、土壤、地形等自然环境因素，而珍稀濒危柏科乔木树种多为非连续分布的极小种群物种，人类活动、种间种外竞争等因素未作为环境因子。下一步研究，需要进一步加大珍稀濒危柏科树种的调查力度，充分采集涵盖随机树种分布点位信息。同时考虑将生物和人类活动等因素考虑在内，以期更准确地探索物种与环境之间的相互作用。同时未来准备利用系统保护规划模型识别出柏科树种的保护优化区，并结合我国现有自然保护区对其适生区进行保护优化[31]。为应对气候变化下中国珍稀濒危柏科树种的潜在适生区变化，相关部门可在柏科树种高适生区域建立自然保护区，以加强对珍稀濒危柏科树种种质资源及其生境的管理和保护。

3.2 结 论

基于优化后的MaxEnt模型预测13个中国珍稀濒危柏科树种的潜在适生区分布，AUC值均在0.9以上，说明模型预测精度极高，能够准确地对各珍稀濒危柏科树种进行适生区模拟研究。影响我国珍稀濒危柏科树种分布的主导环境因子依次为最干月降水量、温度年较差、海拔、等温性、坡度及最冷月最低温。水松、水杉、崖柏、翠柏、岩生翠柏、福建柏、台湾杉适生区分布主要受到降水因素影响，巨柏、西藏柏木、红桧、岷江柏木及朝鲜崖柏适生区主要受到温度变化影响，而越南黄金柏适生区主要受到土壤因素的影响。未来气候情景下，随着碳排放情景增强，巨柏、西藏柏木、翠柏、台湾杉及越南黄金柏总适生区面积呈扩增趋势，在SSPs585气候情景下扩增趋势达到最大值。水松、崖柏、岩生翠柏、红桧、福建柏、朝鲜崖柏总适生区面积呈缩减趋势，在SSPs585气候情景下缩减程度达到最大值；而水杉和岷江柏木总适生区面积因气候情景不同呈现扩增或缩减的趋势。为积极践行“爱知生物多样性保护目标”的理念，可在珍稀濒危柏科天然种质资源分布区建立自然保护区。

参考文献：

[1] HAMANN A， WANG T L. Potential effects of climate change on ecosystem and tree species distribution in British Columbia[J]. Ecology，2006，87（11）：2773-2786.

[2] NICHOLLS Z， MEINSHAUSEN M， LEWIS J， et al. Changes in IPCC scenario assessment emulators between SR1.5 and AR6 unraveled[J]. Geophysical Research Letters，2022，49（20）：e2022 GL099788.

[3] PENUELAS J， BOADA M. A global change-induced biome shift in the Montseny mountains （NE Spain）[J]. Global Change Biology，2003，9（2）：131-140.

[4] MA J S， CLEMANTS S. A history and overview of the Flora Reipublicae Popularis Sinicae （FRPS， Flora of China， Chinese edition， 1959-2004）[J]. Taxon，2006，55（2）：451-460.

[5] 杨永.中国裸子植物红色名录评估（2021版）[J].生物多样性， 2021，29（12）：1599-1606. YANG Y. An updated red list assessment of gymnosperms from China （Version 2021）[J]. Biodiversity Science，2021，29（12）： 1599-1606.

[6] ELITH J， PHILLIPS S J， HASTIE T， et al. A statistical explanation of MaxEnt for ecologists[J]. Diversity and distributions，2011， 17（1）：43-57.

[7] 张今朝，刘健，余坤勇，等.气候变化下三明市主要针叶树种潜在地理分布的预测[J].福建农林大学学报（自然科学版）， 2018，47（1）：74-81. ZHANG J Z， LIU J， YU K Y， et al. Prediction of geographical distribution of main conifer species under climate change in Sanming city[J]. Journal of Fujian Agriculture and Forestry University （Natural Science Edition），2018，47（1）：74-81.

[8] WARREN D L， SEIFERT S N. Ecological niche modeling in Maxent： the importance of model complexity and the performance of model selection criteria[J]. Ecological applications， 2011，21（2）：335-342.

[9] 孔维尧，李欣海，邹红菲.最大熵模型在物种分布预测中的优化[J].应用生态学报，2019，30（6）：2116-2128. KONG W Y， LI X H， ZOU H F. Optimizing MaxEnt model in the prediction of species distribution[J]. Chinese Journal of Applied Ecology，2019，30（6）：2116-2128.

[10] 张伟皓，叶利奇，陈启华，等.基于优化MaxEnt模型的黑木相思引种栽培区划[J].西北林学院学报，2023，38（1）：88-94，107. ZHANG W H， YE L Q， CHEN Q H， et al. Introduction and cultivation zoning of Acacia melanoxylon based on optimized MaxEnt model[J]. Journal of Northwest Forestry University， 2023，38（1）：88-94，107.

[11] 郭云霞，王亚锋，付志玺，等.基于优化MaxEnt模型的疣果匙荠在中国的适生区预测与分析[J].植物保护，2022，48（2）： 40-47. GUO Y X， WANG Y F， FU Z X， et al. Prediction and analysis of potential geographical distribution of Bunias orientails in China based on the optimized MaxEnt model[J]. Plant Protection， 2022，48（2）：40-47.

[12] 李宝贤，李国梁，姚海芹，等.基于MaxEnt模型和ArcGIS对巨藻在我国适生情况的分析[J].渔业科学进展，2023， 44（2）：118-126. LI B X， LI G L， YAO H Q， et al. Potential geographic distribution of Macrocystis pyrifera in China based on MaxEnt model and ArcGIS[J]. Progress in Fishery Sciences，2023，44（2）：118-126.

[13] 李文馨，刘世波.包括气候变量的大尺度柏木胸径单木生长模型[J].中南林业科技大学学报，2015，35（3）：74-77. LI W X， LIU S B. Large scaled cedar DBH growth models including climatic variables[J]. Journal of Central South University of Forestry Technology，2015，35（3）：74-77.

[14] YANG B， KANG X C， BRAUNING A， et al. A 622-year regional temperature history of southeast Tibet derived from tree rings[J]. The Holocene，2010，20（2）：181-190.

[15] 张鹏，廖声熙，崔凯，等.濒危植物翠柏个体生长特性研究[J].林业科学研究，2012，25（4）：526-530. ZHANG P， LIAO S X， CUI K，et al. Individual growth characteristics of Calocedrus macrolepis in Mojiang and Changning of Yunnan province[J]. Forest Research，2012，25（4）： 526-530.

[16] 李干，李慧，殷晓洁，等.中国珍稀濒危松属主要树种的潜在适生区预测[J].森林与环境学报，2023，43（4）：416-425. LI G， LI H， YIN X J， et al. Potential habitat prediction of rare and endangered species of Pinus in China under climate change[J]. Journal of Forest and Environment，2023，43（4）：416-425.

[17] 张晓玮，蒋玉梅，毕阳，等.基于MaxEnt模型的中国沙棘潜在适宜分布区分析[J].生态学报，2022，42（4）：1420-1428. ZHANG X W， JIANG Y M， BI Y， et al. Identification of potential distribution area for Hippophae rhamnoides subsp. sinensis by the MaxEnt model[J]. Acta Ecologica Sinica，2022，42（4）：1420-1428.

[18] ZHANG X T， HE P， GUO L F， et al. Potential carbon sequestration and economic value assessment of the relict plant Ginkgo biloba L. based on the Maximum Entropy Model[J]. Forests，2023，14（8）： 16-18.

[19] 邢丁亮，郝占庆.最大熵原理及其在生态学研究中的应用[J].生物多样性，2011，19（3）：295-302. XING D L， HAO Z Q. The principle of maximum entropy and its applications in ecology[J]. Biodiversity Science，2011，19（3）： 295-302.

[20] COBOS M E， PETERSON A T， BARVE N， et al. Kuenm： an R package for detailed development of ecological niche models using Maxent[J]. PeerJ，2019，6（7）：e6281.

[21] HANLEY J A， MCNEIL B J. The meaning and use of the area under a receiver operating characteristic （ROC） curve[J]. Radiology，1982，143（1）：29-36.

[22] KONG F， TANG L， He H， et al. Assessing the impact of climate change on the distribution of Osmanthus fragrans using Maxent[J]. Environmental Science and Pollution Research， 2021，28（26）：34655-34663.

[23] 翁恩生，周广胜.用于全球变化研究的中国植物功能型划分[J].植物生态学报，2005，2（1）：81-97. WENG E S， ZHOU G S. Defining plant functional types in China for global change studies[J]. Acta Phytoecologica Sinica， 2005，2（1）：81-97.

[24] CHEN S P， WANG W T， XU W T， et al. Plant diversity enhances productivity and soil carbon storage[J]. Proceedings of the National Academy of Sciences，2018，115（16）：4027-4032.

[25] IVERSON L R， MCKENZIE D. Tree-species range shifts in a changing climate： detecting， modeling， assisting[J]. Landscape ecology，2013，28（5）：879-889.

[26] 吴军，徐海根，陈炼.气候变化对物种影响研究综述[J].生态与农村环境学报，2011，27（4）：1-6. WU J， XU H G， CHEN L. A review of impacts of climate change on species[J]. Journal of Ecology and Rural Environment，2011， 27（4）：1-6.

[27] 蔡榕硕，陈幸荣.海洋的变化及其对中国气候的作用[J].中国人口·资源与环境，2020，30（9）：9-20. CAI R S， CHEN X R. A changing ocean and its impact on climate change in China[J]. China Population， Resources and Environment，2020，30（9）：9-20.

[28] 朱莹莹，徐晓婷.气候变化对我国特有濒危物种水杉野生种群分布的影响[J].生态学杂志，2019，38（6）：1629-1636. ZHU Y Y， XU X T. Effects of climate change on the distribution of wild population of Metasequoia glyp-tostroboides， an endangered and endemic species in China[J]. Chinese Journal of Ecology， 2019，38（6）：1629-1636.

[29] 郭滨德，王晓春，张远东.阈值温度和积温对川西高原林线岷江冷杉径向生长的影响[J].生态学报，2019，39（3）：895-904. GUO B D， WANG X C， ZHANG Y D. Effects of accumulated and threshold temperatures on the radial growth of Abies faxoniana in the alpine timberline， western Sichuan plateau[J]. Acta Ecologica Sinica，2019，39（3）：895-904.

[30] MASCHLER J， BIALIC-MURPHY L， WAN J， et al. Links across ecological scales： plant biomass responses to elevated CO2[J]. Global change biology，2022，28（21）：6115-6134.

[31] 史雪威，张路，张晶晶，等.西南地区生物多样性保护优先格局评估[J].生态学杂志，2018，37（12）：3721-3728. SHI X W， ZHANG L， ZHANG J J， et al. Priority area of biodiversity conservation in Southwest China[J]. Chinese Journal of Ecology，2018，37（12）：3721-3728.

[本文编校：罗 列]