基于Maxent的附子潜在分布区预测及影响有效成分的环境因子分析
发布时间：2021-03-05 08:20
毛茛科植物乌头Aconitum carmichaeli Debx.的子根称之为附子,是我国40种常用中药材之一,附子主要药效有降血糖,降毒,抗炎镇痛,散寒除湿,抗心律失常的作用,此外对肢冷脉微,虚寒吐泻,寒湿痹痛等多种疾病[1]有效,其广泛应用于临床治疗中[2],随着近年来中药材市场的整体增温,附子市场需求激增。导致除陕西汉中和四川江油道地产区外,云南、山西等地农户也开始规模化种植。但这些新型种植区开展附子种植的适宜性、药效状况等尚缺乏系统、科学的评价方法。开展我国附子潜在分布区预测及适宜性评价,评估各地气候因素对附子生长与品质的影响,对于新型附子种植区域的科学规划和田间管理技术提升具有重要的指导意义。本研究以全国23个采样点的附子为材料,结合多个标本数字平台获取的283份附子标本信息,采用Maxent和GIS技术,对附子的潜在适宜分布区和适宜性等级进行评估和预测,并对部分种植面积较大的省级行政区做出附子的适生等级种植区划。此外,对收集的23份附子样本生物碱、多糖、蛋白质和氨基酸含量与气候因子结合分析,探究其相关性。主要研究结果如下:1.参与建模的27个气候因子在Maxent模拟中AU...
【文章来源】：延安大学陕西省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
Maxent操作界面
第二章附子药用植物资源潜在分布预测及适宜性评价-10-2.3结果与分析2.3.1Maxent模型预测能力评估模型预测的准确性最大熵模型被证实为具有最佳的预测能力和精度的生态位模型，AUC（AreaUndertheCurve.AUC)指ROC曲线与横坐标围成的面积值，值即曲线下面的面积代表着模型预测能力的准确性指标[61]。按上述方法建立最大熵模型运行后，得到的训练集AUC值为0.981，Heumann等[62]指出AUC值不仅可以评价模型运行能力，还可以评价模型的训练集和测试集百分比的设置。AUC值取值范围为0.5-1，数值离1越近说明预测的结果越精确，其模型预测的结果就越准确。AUC值为0.50-0.60(失败)，0.60-0.70(较差)，0.70-0.80(一般)，0.80-0.90(好)，0.90-1.0(非常好)[63]。最大熵模型预测结果表明，附子适宜潜在分布的AUC值为0.981(如图2-2所示)，达到了非常好的标准，此结果的分布点25%设置为测试集，75%为训练集，表明模型设置可靠性高。因此，最大熵模型可以用于进一步预测附子适宜性及其潜在分布区。图2-2附子训练数据的AUC值和ROC曲线Fig2-2AUCvalueandROCcurvesofthetrainingdataofFuzi2.3.2主导气候因子的确立主导因子的确立主要是通过最终选择参与建模的27个环境变量对于模型的贡献率和刀切图的结果来综合确立（图2-3）。从模型运行完成后输出的反馈结果（表2-1）可以看到：对模型影响最大的环境因子按照其贡献率大小分别为：最暖季降水量bio18（46.5），12月份太阳辐射量srad12(16.6)，气温季节变化方差bio4(8.8)，
第二章附子药用植物资源潜在分布预测及适宜性评价-12-srad12>srad11>srad1>tmax12>tmax2>tmax1>bio9>srad10>bio11>bio1由AUC值刀切图来看排名前十的依次是srad12>srad11>srad1>tmax2>tmax12>tmax1>bio9>bio11>bio1。图2-3.附子气候因素刀切图A:基于训练数据的刀切图;B:基于AUC的刀切图;C:基于验证数据的刀切图Fig2-3JacknifefigureofclimatefactorofFuzi.A:JacknifefigurebasedontrainingdataB:JacknifefigurebasedonAUCC:Jacknifefigurebasedontestdata2.3.3主导环境变量阈值分析本研究对附子地理分布影响较大的9个环境变量的单因子响应曲线（图2-4）进行讨论，由图a可以看出，最暖季降水量bio18阈值为0-3130mm，其中最适为500mm，12月份太阳辐射量(图b)srad12阈值为0-46293kJm-2day-1，其中最适为800kJm-2day-1；气温季节变化方差(图c)bio4阈值为16.866-2342.358，其中最适为750；1月份最高温maxt1阈值为-39.338-41.904℃，其中最适为6℃；12月最高温maxt12阈值为-39.648-42.416℃，其中最适为12℃；降水量变异系数bio15阈值为0-225.473，其中最适为60；最干季平均气温阈值bio9为-48.082-38.025℃，其中最适为7℃；最冷季度平均温度bio11阈值为-64.396-30.987℃，其中最适为7℃；极端最低气温
【参考文献】：
期刊论文
[1]云南省三种典型气候带凋落物层弹尾类多样性分布格局[J]. 徐艺逸,曹敏,徐国瑞. 生态学报. 2020(14)
[2]植物逆境生物学中的蛋白质组学技术运用[J]. 白建瑞. 农业开发与装备. 2020(03)
[3]气候变化背景下四川省热量资源时空变化特征研究[J]. 高文波,何鹏,林正雨,张媛. 农业大数据学报. 2020(01)
[4]附子多糖抑制血管平滑肌细胞钙化的神经酰胺机制[J]. 陈燕亭,宋艳,陆立鹤. 中山大学学报(医学版). 2020(01)
[5]附子不良反应分析及应用网络药理学对其产生心脏毒性的机制预测[J]. 何健,吴萍,董宇,高蕊. 中国中药杂志. 2019(05)
[6]气候变化对黄山花楸潜在地理分布的影响[J]. 张兴旺,李垚,谢艳萍,包先明,方炎明. 植物资源与环境学报. 2018(04)
[7]考马斯亮蓝法测定蛋白质含量中的细节问题[J]. 蒋大程,高珊,高海伦,邱念伟. 实验科学与技术. 2018(04)
[8]不同产地黄芩茎叶中氨基酸类成分的UPLC-TQ-MS分析与评价[J]. 严宝飞,朱邵晴,宿树兰,朱振华,郭盛,曾慧婷,钱大玮,段金廒,富莹雪. 药物分析杂志. 2018(07)
[9]秦岭毛茛科有毒植物资源及应用研究[J]. 燕鑫鑫,李璟琦,陈娴静,雷丹. 陕西农业科学. 2018(05)
[10]附子药理作用的分子机制研究进展[J]. 邓晓红,黄建华,董竞成. 江西中医药大学学报. 2018(01)
博士论文
[1]气候变化对云南省寒温性针叶林潜在生境的影响预测研究[D]. 李望军.云南大学 2017
[2]气候变化对中国主要造林树种/自然植被地理分布的影响预估及不确定性分析[D]. 张雷.中国林业科学研究院 2011
[3]中国黄土高原潜在植被模拟[D]. 邹松兵.兰州大学 2006
硕士论文
[1]基于maxEnt模型的米槁潜在适生区分布及其格局模拟[D]. 柳嘉佳.贵州大学 2018
[2]GIS在中学地理教学中的应用及典型案例研究[D]. 苑敬萍.山东师范大学 2017
[3]陕西省秦岭南北气候的差异性及其变化[D]. 刘畅.兰州大学 2016
[4]附子不同栽培产区质量的比较研究[D]. 岳聪慧.西南科技大学 2015
[5]山茱萸资源潜在分布预测及影响有效成分形成的环境因子分析[D]. 曹博.陕西师范大学 2014
[6]微肥配施对附子生长及产、质量的影响[D]. 罗意.四川农业大学 2011
[7]中国北方森林潜在分布及未来变化趋势[D]. 牟艳玲.兰州大学 2010
[8]乌头属部分植物的资源调查及引种栽培研究[D]. 周丽霞.北京林业大学 2008
本文编号：3064884
【文章来源】：延安大学陕西省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
Maxent操作界面
第二章附子药用植物资源潜在分布预测及适宜性评价-10-2.3结果与分析2.3.1Maxent模型预测能力评估模型预测的准确性最大熵模型被证实为具有最佳的预测能力和精度的生态位模型，AUC（AreaUndertheCurve.AUC)指ROC曲线与横坐标围成的面积值，值即曲线下面的面积代表着模型预测能力的准确性指标[61]。按上述方法建立最大熵模型运行后，得到的训练集AUC值为0.981，Heumann等[62]指出AUC值不仅可以评价模型运行能力，还可以评价模型的训练集和测试集百分比的设置。AUC值取值范围为0.5-1，数值离1越近说明预测的结果越精确，其模型预测的结果就越准确。AUC值为0.50-0.60(失败)，0.60-0.70(较差)，0.70-0.80(一般)，0.80-0.90(好)，0.90-1.0(非常好)[63]。最大熵模型预测结果表明，附子适宜潜在分布的AUC值为0.981(如图2-2所示)，达到了非常好的标准，此结果的分布点25%设置为测试集，75%为训练集，表明模型设置可靠性高。因此，最大熵模型可以用于进一步预测附子适宜性及其潜在分布区。图2-2附子训练数据的AUC值和ROC曲线Fig2-2AUCvalueandROCcurvesofthetrainingdataofFuzi2.3.2主导气候因子的确立主导因子的确立主要是通过最终选择参与建模的27个环境变量对于模型的贡献率和刀切图的结果来综合确立（图2-3）。从模型运行完成后输出的反馈结果（表2-1）可以看到：对模型影响最大的环境因子按照其贡献率大小分别为：最暖季降水量bio18（46.5），12月份太阳辐射量srad12(16.6)，气温季节变化方差bio4(8.8)，
第二章附子药用植物资源潜在分布预测及适宜性评价-12-srad12>srad11>srad1>tmax12>tmax2>tmax1>bio9>srad10>bio11>bio1由AUC值刀切图来看排名前十的依次是srad12>srad11>srad1>tmax2>tmax12>tmax1>bio9>bio11>bio1。图2-3.附子气候因素刀切图A:基于训练数据的刀切图;B:基于AUC的刀切图;C:基于验证数据的刀切图Fig2-3JacknifefigureofclimatefactorofFuzi.A:JacknifefigurebasedontrainingdataB:JacknifefigurebasedonAUCC:Jacknifefigurebasedontestdata2.3.3主导环境变量阈值分析本研究对附子地理分布影响较大的9个环境变量的单因子响应曲线（图2-4）进行讨论，由图a可以看出，最暖季降水量bio18阈值为0-3130mm，其中最适为500mm，12月份太阳辐射量(图b)srad12阈值为0-46293kJm-2day-1，其中最适为800kJm-2day-1；气温季节变化方差(图c)bio4阈值为16.866-2342.358，其中最适为750；1月份最高温maxt1阈值为-39.338-41.904℃，其中最适为6℃；12月最高温maxt12阈值为-39.648-42.416℃，其中最适为12℃；降水量变异系数bio15阈值为0-225.473，其中最适为60；最干季平均气温阈值bio9为-48.082-38.025℃，其中最适为7℃；最冷季度平均温度bio11阈值为-64.396-30.987℃，其中最适为7℃；极端最低气温
【参考文献】：
期刊论文
[1]云南省三种典型气候带凋落物层弹尾类多样性分布格局[J]. 徐艺逸,曹敏,徐国瑞. 生态学报. 2020(14)
[2]植物逆境生物学中的蛋白质组学技术运用[J]. 白建瑞. 农业开发与装备. 2020(03)
[3]气候变化背景下四川省热量资源时空变化特征研究[J]. 高文波,何鹏,林正雨,张媛. 农业大数据学报. 2020(01)
[4]附子多糖抑制血管平滑肌细胞钙化的神经酰胺机制[J]. 陈燕亭,宋艳,陆立鹤. 中山大学学报(医学版). 2020(01)
[5]附子不良反应分析及应用网络药理学对其产生心脏毒性的机制预测[J]. 何健,吴萍,董宇,高蕊. 中国中药杂志. 2019(05)
[6]气候变化对黄山花楸潜在地理分布的影响[J]. 张兴旺,李垚,谢艳萍,包先明,方炎明. 植物资源与环境学报. 2018(04)
[7]考马斯亮蓝法测定蛋白质含量中的细节问题[J]. 蒋大程,高珊,高海伦,邱念伟. 实验科学与技术. 2018(04)
[8]不同产地黄芩茎叶中氨基酸类成分的UPLC-TQ-MS分析与评价[J]. 严宝飞,朱邵晴,宿树兰,朱振华,郭盛,曾慧婷,钱大玮,段金廒,富莹雪. 药物分析杂志. 2018(07)
[9]秦岭毛茛科有毒植物资源及应用研究[J]. 燕鑫鑫,李璟琦,陈娴静,雷丹. 陕西农业科学. 2018(05)
[10]附子药理作用的分子机制研究进展[J]. 邓晓红,黄建华,董竞成. 江西中医药大学学报. 2018(01)
博士论文
[1]气候变化对云南省寒温性针叶林潜在生境的影响预测研究[D]. 李望军.云南大学 2017
[2]气候变化对中国主要造林树种/自然植被地理分布的影响预估及不确定性分析[D]. 张雷.中国林业科学研究院 2011
[3]中国黄土高原潜在植被模拟[D]. 邹松兵.兰州大学 2006
硕士论文
[1]基于maxEnt模型的米槁潜在适生区分布及其格局模拟[D]. 柳嘉佳.贵州大学 2018
[2]GIS在中学地理教学中的应用及典型案例研究[D]. 苑敬萍.山东师范大学 2017
[3]陕西省秦岭南北气候的差异性及其变化[D]. 刘畅.兰州大学 2016
[4]附子不同栽培产区质量的比较研究[D]. 岳聪慧.西南科技大学 2015
[5]山茱萸资源潜在分布预测及影响有效成分形成的环境因子分析[D]. 曹博.陕西师范大学 2014
[6]微肥配施对附子生长及产、质量的影响[D]. 罗意.四川农业大学 2011
[7]中国北方森林潜在分布及未来变化趋势[D]. 牟艳玲.兰州大学 2010
[8]乌头属部分植物的资源调查及引种栽培研究[D]. 周丽霞.北京林业大学 2008
本文编号：3064884
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3064884.html
