百山祖冷杉适宜分布区模拟：寻找极小种群扩散的潜在分布区

发布时间：2020-06-20 14:33

【摘要】：物种分布作为物种的重要特征,是宏生态学的研究基础。研究物种分布与环境的关系对理解生物多样性格局及其维持机制,进行生物多样性保护具有重要意义。但随着人类活动和气候变化的不断加剧,越来越多的物种受到威胁,尤其是那些分布区较小、生境特殊、生态幅狭窄的物种。为了保护生物多样性,需要对这些分布极小的野生种群进行优先、重点保护,这有助于延缓物种丧失,维护生态平衡,促进生态可持续发展,对我国生物多样性保护具有重要意义。极小种群就是这样一类种群数量少、生境狭窄、受外界干扰严重和随时面临灭绝危险的野生植物种群。百山祖冷杉(Abies beshanzuensis)是其中的典型代表,其野生植株仅存3棵,是全球最濒危的12个物种之一。尽管自1963年被发现以来,通过种子、扦插和嫁接等繁殖手段在幼苗繁育上取得了突出进展,但其占有面积和实际分布区极其狭小,生存和保护存在较大威胁,一旦受突发事件(如高温、病虫害)影响,将造成严重的不可逆后果。因此,适当开展迁地保护显得尤为关键,对这类极小种群潜在分布区的研究,将为其迁地保护的选址提供科学依据。本研究以百山祖冷杉极小种群为例,通过12个实地调查的分布点的物种分布数据,结合世界气象数据库(WorldClim)的气象数据,以及通过数字高程模型(DEM)数据提取的地形数据,采用最大熵模型(MaxEnt)模拟了百山祖冷杉的潜在分布区,并讨论了百山祖冷杉大尺度分布的限制因子。模拟结果的AUC(Area Under Curve)值为0.998,表明该模型模拟效果良好。最大熵模型的模拟结果表明:百山祖冷杉局限分布在我国东南地区,潜在分布区面积较小,集中在江西吉安,浙江丽水,福建南平、龙岩,湖南邵阳、永州、郴州以及台湾中部山区。最适生长分布区面积为963.41 km~2,适应生长分布区面积为2890.22 km~2,低适生长分布区面积为11560.87 km~2,其他地区则不适宜百山祖冷杉生长。此外,还发现百山祖冷杉倾向于生长在海拔较高的山地地区,潜在分布区的平均海拔在1000-2000 m之间。通过刀切法分析发现,影响百山祖冷杉潜在分布的环境因子主要包括最干季节降水量、气温季节变化、最冷月最低气温,而地形因子的作用不显著。研究结果说明温度和降水是百山祖冷杉分布限制的主要影响因素。近几十年来,关于百山祖冷杉极小种群的抢救性保护已经开展了大量工作,但是其濒危状态仍未解除。目前已经积累了两千多株幼苗后代,接下来扩大百山祖冷杉的分布面积当属保护工作的重点。适当开展迁地保护,对了解百山祖冷杉的濒危机制、度量分布区的决定因素以及极小种群保护等方面具有十分重要的意义。因此,我们根据模型模拟结果与分析,建议可优先选择百山祖冷杉潜在最适生长分布的大陆东南部地区6个国家级自然保护区(乌岩岭、武夷山、八面山、南风面、舜皇山和金童山)及台湾的雪霸和太鲁阁国家森林公园等地率先开展迁地保护工作,待相关工作成熟后再逐渐向适宜生长分布区展开,从而有效扩大百山祖冷杉的分布区面积。
【学位授予单位】：浙江师范大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：S791.14
【图文】：

物种分布,植物物种,应用文,分布模型

图 1.1 植物物种分布模型应用文章的发表数量Fig. 1.1 Number of papers focusing on the distribution of plant species using distributiomodelling in China326 篇学术期刊论文主要分布在 151 种期刊。发文量排名前十的 16 种期载文献数达 139 篇(表 1.1)，即 10.6%的期刊发表了 42.9%的物种分布模拟研文。第一作者和通讯作者工作单位是论文的主要研究机构，我国植物物种分

物种分布,物种分布,年际,次数

图 1.2 模拟中国植物种常用物种分布模型的年际应用次数。小图为去除 MaxEnt 之外的其它模型的年际变化Fig. 1.2 Numbers of common species distribution models used in modelling China’s plantspecies distribution. The small plot includes models excluding the MaxEnt表 1.2 模拟中国植物种分布的模型及其应用次数Tab. 1.2 Number of publications modeling plant species in China using species distributionmodels编号No.模型名称Model应用数量Number ofpublications参考文献编号Reference1 MaxEnt 296 [79]2 Genetic Algorithm for Rule-set Prediction (GARP) 27 [82]3 BIOCLIM 26 [78]4 Generalized Linear Model (GLM) 21 [80]

【相似文献】