基于4种生态位模型的金钱松潜在适生区预测
发布时间：2021-09-28 20:09
金钱松（Pseudolarix amabilis）是我国特有孑遗植物,为国家II级保护植物。基于4种生态位模型（GARP、Bioclim、Domain和Maxent）预测金钱松潜在适生区,采用受试者工作特征曲线（Receiver Operating Characteristic,ROC）和Kappa统计量检验模型的预测效果。预测结果表明金钱松在浙江西北部、安徽南部、湖北南部、湖南北部以及江西北部表现为高度适生,并以这些地带为中心向外延伸至北纬24.43°—33.35°和东经106.41°—123.42°之间,4种模型预测结果的受试者工作特征曲线下面积（Area under recriver operating characteristic curve,AUC）平均值均大于0.9,Kappa平均值亦大于0.75,精度较高。通过"刀切法"分析得出年均温是预测金钱松潜在适生区的关键影响因子,可能为当前金钱松分布格局形成的决定因素。模拟金钱松在末次盛冰期和2070年气候条件下的分布,结果表明其分布格局随气候变化由"南扩北缩"变为"南缩北扩",未来分布面积将大幅减小,气候变化是导致其"南缩北扩"...
【文章来源】：生态学报. 2020,40(17)北大核心CSCD
【文章页数】：9 页
【部分图文】：
4种生态位模型的金钱松适生区预测图
图1 4种生态位模型的金钱松适生区预测图从单因子预测结果来看(图3),3种模型基于年均温(Bio1)的模拟结果与各自预测适生区最为接近，但范围较适生区均偏大。横向对比3种模型分别基于Bio1、Bio12、Bio13等3种单因子的模拟结果，基于年均温(Bio1)的预测结果相对较为接近，说明年均温(Bio1)对这3种模型的预测结果也都有显著的影响。基于年降水量(Bio12)与最湿月降水量(Bio13)两种因子的预测分布图都与适生区差异较大，且三种模型之间对比预测分布图差异也较大，说明这两种因子不是最主要的预测分布影响因子。将Bio1、Bio12、Bio13等作为共同影响因子，3种模型的预测分布图与其对应的适生区都十分接近，说明这3种因子是预测分布结果的确存在显著影响，尤其是Bioclim模型，二者基本完全重叠。此外，基于年均温(Bio1)的预测分布与3因子联合预测分布最为接近，进一步证明年均温(Bio1)对金钱松预测分布起“框架”作用，而其余环境因子对于预测分布起到“修饰”作用。
从单因子预测结果来看(图3),3种模型基于年均温(Bio1)的模拟结果与各自预测适生区最为接近，但范围较适生区均偏大。横向对比3种模型分别基于Bio1、Bio12、Bio13等3种单因子的模拟结果，基于年均温(Bio1)的预测结果相对较为接近，说明年均温(Bio1)对这3种模型的预测结果也都有显著的影响。基于年降水量(Bio12)与最湿月降水量(Bio13)两种因子的预测分布图都与适生区差异较大，且三种模型之间对比预测分布图差异也较大，说明这两种因子不是最主要的预测分布影响因子。将Bio1、Bio12、Bio13等作为共同影响因子，3种模型的预测分布图与其对应的适生区都十分接近，说明这3种因子是预测分布结果的确存在显著影响，尤其是Bioclim模型，二者基本完全重叠。此外，基于年均温(Bio1)的预测分布与3因子联合预测分布最为接近，进一步证明年均温(Bio1)对金钱松预测分布起“框架”作用，而其余环境因子对于预测分布起到“修饰”作用。2.4 金钱松不同时期分布格局变化模拟
【参考文献】：
期刊论文
[1]基于MaxEnt和ArcGIS模拟檫木分布格局及其栖息地的变化[J]. 刘想,龚熹,陈思斯,管毕财. 植物科学学报. 2018(03)
[2]基于MaxEnt模型的云南红豆杉潜在适宜分布预测[J]. 庄鸿飞,秦浩,王伟,张殷波. 山西大学学报(自然科学版). 2018(01)
[3]基于生态位模型预测天麻全球潜在适生区[J]. 张琴,张东方,吴明丽,郭杰,孙成忠,谢彩香. 植物生态学报. 2017(07)
[4]基于MaxEnt分析金钱松适生的生物气候特征[J]. 王雷宏,杨俊仙,徐小牛. 林业科学. 2015(01)
[5]生态位模型的基本原理及其在生物多样性保护中的应用[J]. 朱耿平,刘国卿,卜文俊,高玉葆. 生物多样性. 2013(01)
[6]城市热岛效应对气候变暖和植物物候的影响[J]. 许格希,裴顺祥,郭泉水,牛树奎. 世界林业研究. 2011(06)
[7]濒危树种金钱松RAPD体系的建立和遗传多样性分析[J]. 高燕会,樊民亮,骆文坚,黄华宏,童再康. 浙江农林大学学报. 2011(05)
[8]中国大陆第四纪冰期潜在植物避难所研究进展[J]. 陈冬梅,康宏樟,刘春江. 植物研究. 2011(05)
[9]基于生态位模型的薇甘菊在中国适生区的预测[J]. 张海娟,陈勇,黄烈健,倪汉文. 农业工程学报. 2011(S1)
[10]利用最大熵模型和规则集遗传算法模型预测孑遗植物裸果木的潜在地理分布及格局[J]. 马松梅,张明理,张宏祥,孟宏虎,陈曦. 植物生态学报. 2010(11)
博士论文
[1]生态位模型在外来入侵物种风险评估中的应用研究[D]. 王运生.湖南农业大学 2007
硕士论文
[1]基于MaxEnt和GARP的新疆典型毒害草潜在布区分析[D]. 杨会枫.新疆大学 2016
[2]对濒危植物金钱松遗传多样性及亲本分析的研究[D]. 刘骏.南京大学 2013
[3]Kappa系数在一致性评价中的应用研究[D]. 王军.四川大学 2006
本文编号：3412485
【文章来源】：生态学报. 2020,40(17)北大核心CSCD
【文章页数】：9 页
【部分图文】：
4种生态位模型的金钱松适生区预测图
图1 4种生态位模型的金钱松适生区预测图从单因子预测结果来看(图3),3种模型基于年均温(Bio1)的模拟结果与各自预测适生区最为接近，但范围较适生区均偏大。横向对比3种模型分别基于Bio1、Bio12、Bio13等3种单因子的模拟结果，基于年均温(Bio1)的预测结果相对较为接近，说明年均温(Bio1)对这3种模型的预测结果也都有显著的影响。基于年降水量(Bio12)与最湿月降水量(Bio13)两种因子的预测分布图都与适生区差异较大，且三种模型之间对比预测分布图差异也较大，说明这两种因子不是最主要的预测分布影响因子。将Bio1、Bio12、Bio13等作为共同影响因子，3种模型的预测分布图与其对应的适生区都十分接近，说明这3种因子是预测分布结果的确存在显著影响，尤其是Bioclim模型，二者基本完全重叠。此外，基于年均温(Bio1)的预测分布与3因子联合预测分布最为接近，进一步证明年均温(Bio1)对金钱松预测分布起“框架”作用，而其余环境因子对于预测分布起到“修饰”作用。
从单因子预测结果来看(图3),3种模型基于年均温(Bio1)的模拟结果与各自预测适生区最为接近，但范围较适生区均偏大。横向对比3种模型分别基于Bio1、Bio12、Bio13等3种单因子的模拟结果，基于年均温(Bio1)的预测结果相对较为接近，说明年均温(Bio1)对这3种模型的预测结果也都有显著的影响。基于年降水量(Bio12)与最湿月降水量(Bio13)两种因子的预测分布图都与适生区差异较大，且三种模型之间对比预测分布图差异也较大，说明这两种因子不是最主要的预测分布影响因子。将Bio1、Bio12、Bio13等作为共同影响因子，3种模型的预测分布图与其对应的适生区都十分接近，说明这3种因子是预测分布结果的确存在显著影响，尤其是Bioclim模型，二者基本完全重叠。此外，基于年均温(Bio1)的预测分布与3因子联合预测分布最为接近，进一步证明年均温(Bio1)对金钱松预测分布起“框架”作用，而其余环境因子对于预测分布起到“修饰”作用。2.4 金钱松不同时期分布格局变化模拟
【参考文献】：
期刊论文
[1]基于MaxEnt和ArcGIS模拟檫木分布格局及其栖息地的变化[J]. 刘想,龚熹,陈思斯,管毕财. 植物科学学报. 2018(03)
[2]基于MaxEnt模型的云南红豆杉潜在适宜分布预测[J]. 庄鸿飞,秦浩,王伟,张殷波. 山西大学学报(自然科学版). 2018(01)
[3]基于生态位模型预测天麻全球潜在适生区[J]. 张琴,张东方,吴明丽,郭杰,孙成忠,谢彩香. 植物生态学报. 2017(07)
[4]基于MaxEnt分析金钱松适生的生物气候特征[J]. 王雷宏,杨俊仙,徐小牛. 林业科学. 2015(01)
[5]生态位模型的基本原理及其在生物多样性保护中的应用[J]. 朱耿平,刘国卿,卜文俊,高玉葆. 生物多样性. 2013(01)
[6]城市热岛效应对气候变暖和植物物候的影响[J]. 许格希,裴顺祥,郭泉水,牛树奎. 世界林业研究. 2011(06)
[7]濒危树种金钱松RAPD体系的建立和遗传多样性分析[J]. 高燕会,樊民亮,骆文坚,黄华宏,童再康. 浙江农林大学学报. 2011(05)
[8]中国大陆第四纪冰期潜在植物避难所研究进展[J]. 陈冬梅,康宏樟,刘春江. 植物研究. 2011(05)
[9]基于生态位模型的薇甘菊在中国适生区的预测[J]. 张海娟,陈勇,黄烈健,倪汉文. 农业工程学报. 2011(S1)
[10]利用最大熵模型和规则集遗传算法模型预测孑遗植物裸果木的潜在地理分布及格局[J]. 马松梅,张明理,张宏祥,孟宏虎,陈曦. 植物生态学报. 2010(11)
博士论文
[1]生态位模型在外来入侵物种风险评估中的应用研究[D]. 王运生.湖南农业大学 2007
硕士论文
[1]基于MaxEnt和GARP的新疆典型毒害草潜在布区分析[D]. 杨会枫.新疆大学 2016
[2]对濒危植物金钱松遗传多样性及亲本分析的研究[D]. 刘骏.南京大学 2013
[3]Kappa系数在一致性评价中的应用研究[D]. 王军.四川大学 2006
本文编号：3412485
本文链接：https://www.wllwen.com/wenshubaike/mfmb/3412485.html
