木荷适生区分析及未来气候下在中国潜在适生区预测.pdf

第 43 卷第 3 期2024 年 3 月中 国 野 生 植 物 资 源Chinese Wild Plant ResourcesVol.43 No.3Mar.2024木荷适生区分析及未来气候下在中国潜在适生区预测丁德永1，段洪2，李咪者3，龙贵莲2，杨双娜3*（1.红河州发展和改革委员会，云南 蒙自 661100；2.屏边县林业和草原局，云南 屏边 661200；3.开远市林业和草原局，云南 开远 661600）摘要 目的：木荷（Schima superba）是植被演替过程中的先锋树种，构建森林防火带的理想树种。研究木荷的生态特征及预测未来气候下木荷在中国的潜在适生区，为我国培育大径级储备林、增加森林碳储量、助力碳中和提供理论依据。方法：基于375个木荷分布点，以气候、土壤、地形为环境因子，采用MaxEnt模型结合GIS技术进行研究。结果：模型测试集AUC平均值0.952，训练集AUC平均值0.957，模型预测精度较高，可以准确预测环境因子对木荷分布区的影响。气候因子对木荷的分布影响最大，其中最冷季度的降雨量是影响我国木荷适生区分布最主要的环境因子，模型贡献率达76.3%，其次是年降雨量、高程、土壤类别、季节性温度变化标准差，以上5个因子贡献率累计达98.9%，对木荷的分布起决定性作用。结论：木荷在我国的潜在适生区面积约为1.818 106 km2，约占国土陆地面积的18.94%，主要集中在长江以南地区的第三阶梯及第二阶梯，主要包括浙江、江西、福建、湖南、广东、广西、台湾、海南、贵州等地。在未来气候不同路径下，2060s、2080s木荷极高、高、中、低适生区的分布范围均发生变化，呈现出“南退、西扩”趋势，逐渐向高海拔地区迁移；极高适生区则有逐渐向“西南”迁移的趋势。关键词 MaxEnt模型；木荷；潜在适生区；生态特征中图分类号：Q948；S972.99 文献标识码：A 文章编号：1006-9690（2024）03-0114-10Analysis of Suitable Areas of Schima Superba and Prediction of Potential Suitable Areas in China under Future ClimateDing Deyong1，Duan Hong2，Li Mizhe3，Long Guilian2，Yang Shuangna3*（1.Honghe Prefecture Development and Reform Commission，Mengzi 661100，China；2.Pingbian Forestry and Grassland Administratio，Pingbian 661200，China；3.Kaiyuan Forestry and Grassland Administration，Kaiyuan 661600，China）Abstract Objective：Schima superba was a pioneer tree in the process of vegetation succession，and an ideal tree for constructing forest fire prevention belts.The study of the ecological characteristics of S.superba and the prediction of its potential suitable areas in China in the future climate provide a theoretical basis for cultivating large-diameter reserve forests，increasing forest carbon storage and assisting China in achieving carbon neutrality.Methods：The author based on 375 distribution points of S.superba，took climate，soil and topography as environmental factors and conducted the research by using MaxEnt model combined with GIS technology.Results：The results showed that the AUC values of MaxEnt model training and test data were 0.936 and 0.943 respectively，indicating that the model had high prediction accuracy and could accurately predict the impact of environmental factors on the distribution area of S.superba.Climatic factors had the greatest influence on the distribution of S.superba，and the rainfall in the coldest season was the most important environmental factor affecting the distribution of the suitable area of S.superba in China，with the model contribution rate reaching 76.3%.Clidoi：10.3969/j.issn.1006-9690.2024.03.017收稿日期：2023-04-26，录用日期：2024-03-08作者简介：丁德永（1988-），男，云南宣威人，工程师，学士，研究方向为森林资源管理、森林经营和林业调查规划设计、林业碳汇。E-mail：*通讯作者：杨双娜（1994-），女，云南陆良人，助理工程师，硕士，研究方向为森林资源管理、森林经营、林木种苗培育、林业碳汇。E-mail： 114第 3 期丁德永，等：木荷适生区分析及未来气候下在中国潜在适生区预测mate factors had the greatest influence on the distribution of S.superba，and the rainfall in the coldest season was the most important environmental factor affecting the distribution of the suitable area of S.superba in China，with the model contribution rate as high as 76.3%.The following factors were annual rainfall，elevation，soil category and standard deviation of seasonal temperature variation.The contribution rate of the above five factors reached 98.9%，which played a decisive role in the distribution of S.superba.Conclusion：The potential suitable area of S.superba in China was approximately 1.818 106 km2，accounting for approximately 18.94%of the countrys land area.There mainly concentrated in the third and second steps south of the Yangtze River，including Zhejiang，Jiangxi，Fujian，Hunan，Guangdong，Guangxi，Taiwan，Hainan，Guizhou，and other places.Under different future climate scenarios in the 2060s and 2080s，the distribution range of S.superba extremely high，high，medium，and low suitable areas changed，showing a trend of southward retreat and westward expansion，gradually migrating to higher altitude areas.The extremely suitable area gradually showed a trend of southwestward migration.Key words MaxEnt model；Schima superba；Potential habitat area；Ecological characteristics木荷（Schima superba Gardn.et Champ.）为山茶科（Theaceae）木荷属（Schima Reinw.ex Blume）乔木，别名荷树、荷木，是亚热带常绿阔叶林中常见树种1；具有耐火、抗火、难燃、生态位较宽等特性2-3，是构建森林防火带的理想树种，是我国南亚热带地区重要的生态恢复乡土树种，是植被演替过程中的先锋树种。木荷具有早期速生、持续生长时间较长等特点，符合作为大径材树种的培育要求，是我国南方主要大径级木材储备林树种4。木荷是森林生态系统碳库的重要组成树种，其碳汇功能目前已得到科学界的高度关注，纯木荷人工林在生态系统中的碳汇效果十分突出，在调节CO2浓度、减缓温室效应、维持和调节大气碳氧平衡、遏制气候变暖方面发挥着重要作用5，根据已有的测算，纯木荷碳储量为177.50 t hm-2，净碳汇为3.70 t hm-2 a-1 6。目前，国内外专家学者对木荷的研究大多是选育、生境特征、生长特性、栽培、木材加工等方向7-8，尚无专家学者研究木荷适生区及其在未来气候下的潜在适生区区划。生态位模型是基于生态位理论研究的新兴领域9，主要运用于物种潜在分布研究10。MaxEnt模型是一种贝叶斯推断方法11，通过计算目标地区概率分布的最大熵来估计物种的概率分布12。MaxEnt模型可以应用于多个生态学研究方向的预测，例如：物种地理分布、物种丰富度分布状态及食物网的拓扑结构等13-15。目前，已有专家学者基于MaxEnt模型围绕物种地理分布预测开展深入探索和研究16-17。李慧等18对伊洛河流域油松研究认为影响其分布最主要的环境因子是年平均降水量。何馨等19对华榛潜在分布区研究认为影响其分布的主要因子是温度。张晓玮等20对中国沙棘的研究认为影响其分布的主导气候因子是年降雨情况。多数研究认为，MaxEnt模型与GIS相结合预测物种潜在分布具有更高的准确性、结果可信度和较强的稳定性21。本文基于MaxEnt模型、GIS技术研究我国木荷地理分布与环境因子之间的关系，分析影响木荷分布的关键环境因子及木荷当下的潜在适生区，并对未来气候下我国木荷潜在分布区进行模拟和预测。1数据来源与预处理1.1木荷分布点数据获取与预处理木荷分布点数据主要来源于中国数字植物标本馆（https：/ 954份。在保留的分布点数据中，剔除国外、采集地记录不详细、模糊和人工栽培等数据，利用 ArcGIS 10.6.0（https：/ 777个，根据样本记录将位置信息精度划分为5级：市（州）31个、县274个、乡（镇）474个、自然村807个、点191个。为降低采样偏差和数据冗余，选取精度为自然村和点级别的 998 个数据为基础，利用 ArcGIS 按照 10 km 10 km网格对木荷分布区进行划分，每个网格保留1个分布数据，最终选取375个分布点参与模型测算（如图1）。115中 国 野 生 植 物 资 源第 43 卷1.2地图数据底图数据来源于国家基础地理信息中心全国地理信息资源目录服务系统（https:/ 100万公众版基础地理信息数据（2021），数据整体现势性达到 2019年，数据采用CGCS2000坐标系，审图号：GS（2016）2556号。1.3环境因子选取1.3.1环境因子数据来源由于气候因子、土壤因子、地形因子是植物生长分布的直接影响因素，因此本文选择此3类环境因子探究木荷地理分布与环境因子之间的关系。本研究共选取 30个环境因子变量用于建模（如表1），包括气候因子19个、地形因子6个、土壤因子5个。其中，气候因子数据来源于世界气象数据库（https：/www.worldclim.org/），空间分辨率为30（约1 km），当下气候为1970 2000年平均值，未来气候模 拟 数 据 为 2060s（2061 2080）、2080s（2081 2100）的国家气候中心第二代气候系统模式BCC-CSM2-MR模拟数据，该气候模式在大气和陆地具有更高分辨率，对地形的描述更加细致，对地形降水、局部气温分布具有更好的模拟效果，选用可持续发展路径（SSP126）、中间路径（SSP245）、区域竞争 路 径（SSP370）、化 石 燃 料 为 主 的 发 展 路 径（SSP585）4种典型排放情景的模拟数据。土壤因子数据为基于世界土壤数据库（HWSD）的中国土壤数据集，来源于国家冰川冻土沙漠科学数据中心（http：/），空间分辨率为 30（约 1 km）。地形因子的数字高程数据来源于地理空间数据云（http：/ 90 m分辨率原始高程数据。1.3.2环境因子数据预处理环境因子筛选应用 ArcGIS 将高程为 10 m 的数字高程数据重采样得到空间分辨率 1 km 的高程数据；利用重采样的高程数据提取坡度、坡向数据。将坡向数据重分类为西北、北、东北、东、东南、南、西南、西、无。所有数据空间分辨率重采样为 1 km，3 个环境因子数据坐标系均为 WGS1984，转换坐标系为CGCS2000，基于国家基础地理信息中心中国行政区数据裁剪 30 个环境变量因子栅格图层，转为图1木荷样本分布点示意图Fig.1Diagram of distribution points of S.superba samples注：该图基于国家基础地理信息中心全国地理信息资源目录服务系统下载的审图号为GS（2016）2556号的地图制作，底图无修改。下同。表1研究选用的环境因子Tab.1Environmental factors selected for the study类型气候因子代码bio_1bio_2bio_3bio_4bio_5bio_6bio_7bio_8bio_9bio_10bio_11bio_12bio_13bio_14bio_15环境因子年平均温度（）每月最高温与最低温差值的平均值（）温差等温值季节性温度变化标准差最热月的最高温度（）最冷月的最低温度（）温度的年较差（）最湿季度的平均温度（）最干季度的平均温度（）最热季度的平均温度（）最冷季度的平均温度（）年降雨量（mm）最湿月的降雨量（mm）最干月的降雨量（mm）降雨量季节性变异系数（%）类型气候因子地形因子土壤因子代码bio_16bio_17bio_18bio_19altitudeslopeaspect_9su_sym90ref_depthawc_classt_gravelt_oct_pht_text_sand环境因子最湿季度的降雨量（mm）最干季度的降雨量（mm）最热季度的降雨量（mm）最冷季度的降雨量（mm）高程（m）坡度（）坡向土壤类别土壤参考深度土壤有效水含量上层土壤碎石体积百分比（%vol.）上层土壤有机碳含量（%wt.）上层土壤酸碱度-log（H+）上层土壤质地上层土壤含沙量（%wt.）116第 3 期丁德永，等：木荷适生区分析及未来气候下在中国潜在适生区预测ASCII格式文件。本研究初步选择30个环境因子参与建模，为避免因子较多导致模型分析结果不确定性增加，消除因子之间存在的多重共线性，降低模型复杂性，减少模型相应关系和贡献判断难度。本次研究，先构建预选模型将 30 个环境因子带入 MaxEnt 3.4.1 模型（http:/biodiversityinformatics.amnh.org/open_source/maxent/），运用刀切法分别检测环境因子变量的贡献率，剔除贡献率为 0的环境变量，初步筛选出 17个环境因子变量；再次构建预选模型，并采用SPSS v24.0软件做多重共线性分析，当相关系数绝对值大于0.8时，选取与生物生长相关增益值较大、贡献率高且与植物生长相关的环境因子。最终选取8个环境因子变量参与模拟构建，分别是季节性温度变化标准差、最干季度的平均温度、年降雨量、降雨量季节性变异系数、最热季度的降雨量、最冷季度的降雨量、高程、土壤类别。2研究方法2.1MaxEnt模型构建本研究在建模过程中将生态因子数据和坐标点信息加载到MaxEnt软件运行10次，设置25%的坐标点为测试样本，75%的坐标点信息为训练样本，设置最大背景点数为20 000，其余参数用MaxEnt软件默认值，取平均值评价模型有效性，木荷潜在分布预测结果即为模型预测平均结果22。2.2MaxEnt模型精度验证AUC值在物种分布模型评价指标方面不受物种分布率和阈值的影响，具有评价精度稳定的特征23。本文采用受试者工作特征曲线（ROC曲线）检验模型精度，得到ROC曲线的面积就是AUC值，AUC值为 0.5 1.0，AUC值越接近 1.0说明预测结果越好，0.5 0.6表明预测结果失败，0.6 0.7表明预测结果较差，0.7 0.8 表明预测结果一般，0.8 0.9表明预测结果好，0.9 1.0表明预测结果良好。3结果与分析3.1精度验证结果经过 MaxEnt模型分析，ROC曲线下训练集面积（AUC）平 均 值 0.957，ROC 曲 线 下 测 试 面 积（AUC）平均值为0.952，模型预测结果良好，精度较高，可以准确的预测环境因子对木荷分布区的影响，满足研究分析水平（如图2）。3.2适生区生态特征MaxEnt 模型运行结果显示：使用单因子建模时，bio_19（最冷季度的降雨量）、bio_12（年降雨量）比其他变量对模型的增益效果更明显；省略最冷季度的降雨量时增益降低最多，说明最冷季度的降雨量具有更多其他变量中不存在的信息。altitude（高程）、bio_4（季节性温度变化标准差）、su_sym90（土壤类别）在单独使用时增益较低，表明它们对模型的贡献率较小，因此气候因子对木荷的分布影响最大（如图3）。利用刀切法分析各生态因子在模型中的贡献率，由各环境变量的贡献率和重要性得出，影响我国木荷适生区分布最主要的环境因子为最冷季度的降雨量，其模型贡献率达76.3%。同时，最冷季度的降雨量、年降雨量、高程、土壤类别、季节性温度变化标准差对我国木荷分布影响较突出，累计贡献率达98.9%，说明以上5个环境变量对木荷的分布起决定性作用（如表2）。一般认为，当木荷存在概率 0.5时，其对应的环境因子值适合木荷生长。根据MaxEnt模型给出的木荷对主要气候因子响应曲线，适宜木荷生长环境为：最冷季度的降雨量 115 530 mm，年降雨量1 380 3 050 mm，高程50 1 850 m，季节性温度变化标准差115 360和470 840，最干季度的平均温图2MaxEnt模型应用ROC分析法检验预测结果Fig.2ROC analysis of the prediction results using the MaxEnt model图3正则化训练增益Fig.3Regularized training gain 117中 国 野 生 植 物 资 源第 43 卷度6.5 28.5，降雨量季节性变异系数45.1 69.3，最热季度的降雨量475 2 600 mm；适宜我国木荷生存的土壤组以雏形土组（Cambisols）、薄层土组（Leptosols）、灰化土组（Podzols）为主，高活性淋溶土 组（Luvisols）、灰 壤 组（Podzoluvisols）次 之（如图4）。表2MaxEnt模型中环境因子对中国木荷分布贡献率Tab.2Contribution rate of environmental factors to distribution of S.Superba in China in MaxEnt model环境因子最冷季度的降雨量年降雨量高程土壤类别贡献率（%）76.314.44.61.9重要性34.410.010.92.4环境因子季节性温度变化标准差最干季度的平均温度降雨量季节性变异系数最热季度的降雨量贡献率（%）1.60.60.40.1重要性38.51.30.32.2图4气候因子响应曲线Fig.4Climate factors response curve 118第 3 期丁德永，等：木荷适生区分析及未来气候下在中国潜在适生区预测3.3当下木荷潜在适生区利用运行10次的平均值对木荷适生区进行区划，利用自然间断点分级法（Jenks）将木荷分布区域的适应性逻辑值（P）划分为 5 个等级，0 P 0.059 为不适生区，0.059 P 0.227 为低适生区，0.227 P 0.467为中适生区，0.467 P 0.694为高适生区，0.694 P 1为极高适生区。研究结果表 明，当 下 木 荷 在 中 国 的 潜 在 分 布 区 在 东 经92.2 122.5、北纬18.2 32.2之间；木荷适生区面积计算结果显示：木荷在我国的潜在适生区面积约 为 1.818 106 km2，约 占 国 土 陆 地 面 积 的18.94%；主要集中在长江以南地区的第三阶梯及第二阶梯，包括浙江、江西、福建、湖南、广东、广西、台湾、海南、贵州、安徽、湖北、重庆、云南、西藏、四川、江苏等地。极高、高、中、低适生区呈环状由西向东向北扩散，低级别适生区分布在上一级适生区外围，低适生区较中适生区分布呈明显向东和向北移动的趋势，极高、高、中、低适生区面积分别为：4.16 105 km2、3.50 105 km2、3.52 105 km2、7.00 105 km2（如表3、图5）。3.4木荷未来潜在适生区预测本研究基于MaxEnt模型结合ArcGIS对未来气候下木荷在中国的潜在适生区进行区划，对测算出来的 SSP126、SSP245、SSP370、SSP585潜在适生区进行区划（如图6）。预测结果表明，未来气候不同路径下 2060s、2080s木荷极高、高、中、低适生区的分布范围均发生变化，变化最明显的为浙江、湖南、江西3省的当下极高、高适生区变为中、低适生区，云南省滇西、滇西南地区出现极高、高适生区，云贵桂交界处由低适生区变为中适生区。整个适生区呈“南退、西扩”趋势，逐渐向高海拔地区迁移，极高适生区逐渐向“西南”迁移；木荷适生范围在SSP370路径下变化最为明显，极高、高适生区变为中、低适生区，导致面积锐减。相较当下气候，未来不同气候路径下，木荷总体分布面积仅在SSP370路径下减少，其余路径均增加，不同适生等级的潜在分布面积变化差异显著。4种路径下2060s、2080s木荷极高适生区面积明显减少；高适生区在SSP585、SSP370路径下面积均减少，SSP254路径下面积均增加，SSP126路径 2060s面积减少、2080s面积增加；4种路径下2060s、2080s中适生区面积均明显增加，低适生区除SSP126路径下的 2080s 面积略有减少外，其余均有所增加（如表4）。表3当下木荷分布情况统计表Tab.3Current S.superba distribution statistics table适生区类别极高高中低适生区面积（km2）4.16 1053.50 1053.52 1057.00 105分布区福建全境、浙江中南部、安徽与浙江及江西三省交界处、江西南部、江西与湖南交界处、湖南中部南部、湖南与广东和贵州三省交界处、广西东北部、广东北部、广东与广西交界处、台湾东部、海南南部福建、广东、广西、湖南、江西、浙江、台湾、海南以及安徽南部、贵州东南部、湖北与湖北和江西交界处浙江、江西、湖南、广东、广西、台湾、海南、福建沿海地区、安徽南部、湖北东部及西南部、贵州东部、重庆东南部、云南和西藏极少部分地区重庆、贵州、云南西部及南部、贵州与四川交界处、湖北与湖南交界处、安徽中部、江苏与浙江交界处、海南北部、河南与安徽和湖北交界处、江西北湖、台湾西南部、西藏极少部分地区图5当下木荷潜在适生区预测结果Fig.5Prediction results of potential suitable areas of S.Superba 119中 国 野 生 植 物 资 源第 43 卷图6木荷未来潜在适生区预测结果Fig.6Prediction results of potential suitable areas for S.Superba in the future表4不同适生区木荷当下及未来潜在分布与当前相比面积变化百分比Tab.4Percentage of current and future potential distribution of S.Superba in different suitable areas compared with the current area适生区类型极高适生区高适生区中适生区低适生区不适生区SSP1262060s-40.20%-16.48%74.35%21.99%-2.56%2080s-9.11%12.31%68.15%-0.12%-3.27%SSP2542060s-55.52%8.48%90.88%16.43%-3.13%2080s-7.44%25.06%71.56%4.40%-4.54%SSP3702060s-81.57%-52.90%34.68%48.82%0.81%2080s-87.12%-27.11%62.19%23.37%0.99%SSP5852060s-41.55%-17.14%75.54%17.19%-2.06%2080s-64.04%-19.32%70.17%26.08%-1.28%120第 3 期丁德永，等：木荷适生区分析及未来气候下在中国潜在适生区预测本次研究，以质心定义分布区域的中心点来表征不同气候变化情景下木荷适生区域位置的迁移，主要原因是木荷适生区的形状不规则。对不同气候变化情景下极高、高适生区质心变化分析得到：（1）当前木荷极高、高适生区质心分别在江西省赣州市赣县区境内和湖南省郴州市永兴县境内；（2）2060s不同气候情景下木荷极高、高适生区质心总体上呈向西南迁移的趋势（见表5）。4讨论4.1模拟结果的可靠性MaxEnt模型对物种的预测效果较好，国内外专家学者对其使用较多、应用较为广泛，在植物潜在分布上的研究更是取得了较好成果24-25。基于MaxEnt模型预测物种的潜在地理分布，决定精度的影响因素较多，例如：气候数据、数据质量好坏、实际分布样本的地理数据采样精度等26。模型精度受不同因子影响，且结果也呈现多样性，王雨生等27对珙桐的研究得到ROC曲线下面积（AUC）平均值为0.951。本文收集到的标本采样时间跨度大，很多没有记录经纬度坐标信息，对模型精度造成一定影响，但影响较小，本研究中 ROC 曲线下面积（AUC）平均值为 0.952，平均训练 AUC值为 0.957，模型精度取得了较好的结果，能够反映出木荷地理分布。4.2影响木荷分布的主要环境因子影响物种分布的环境因子众多，不同物种的生长习性也不尽相同，赵光华等28研究发现影响酸枣分布的主要环境因子有年均气温、最湿季平均气温、最湿月降雨量、降水量变异系数、海拔和表层（0 30 cm）土壤盐基饱和度。杨宏等29研究发现影响迎春樱桃潜在适生区的最主要环境因子是最干旱季度的降水量，王晓帆等30研究发现影响中国高山栎组植物分布变化的主要环境因子是气温季节性变动系数、高程、年降水量和等温性等。王东升等31研究发现影响山楂分布的关键环境因子主要有最热季降水量、温度季节变化标准差等。汪雁楠等32研究发现最冷季度降水量、最暖季度平均气温和土壤类型是影响浙江红花油菜潜在分布的主要环境因子。由此可见物种不同影响其分布的环境因子就不同。本文在所选取的环境因子中，影响木荷分布的主要环境因子是降水，其次是海拔与温度。在影响木荷分布的10个环境因子中，最冷季度的降雨量、年降雨量贡献率达90.7%为木荷分布决定性因子。木荷主要分布于海拔800 m以下的亚洲热带和亚热带地区、喜光的气候环境，与实际生长特性相符。除自然因素影响外，物种的空间分布还受一定的人为因素影响，因此在未来的研究中，可以增加人为因素影响的研究。4.3当下木荷适生区的分析目前，物种适生区划分和地理分布的影响因子不同，因此在适生区的研究中对于适生区的等级划分没有统一标准33。陈禹光等34在研究中，采用模型首次输出结果中最小存在阈值0.157，按照适生程度对杉木适生区从低到高定义划分为：不适宜区、低适宜区、中适宜区、高适宜区，其数值分别为P 0.157、0.157 P 0.35、0.35 0.55。张明珠等35将长序榆分布区划为以下4个等级：P 0.2为非适生区，0.2 P 0.4为低适生区，0.4 P 0.65为中适生区，P 0.65为高适生区。本研究中将适生区划分为5个等级，0 P 0.059为不适生区，0.059 P 0.227为低适生区，0.227 P 0.467为表5木荷在未来不同气候情景下极高、高适生区质心迁移变化一览表Tab.5List of centroid migration changes of S.Superba in extremely high and high suitability areas under different climate scenarios in the future气候模型SSP126SSP254SSP370SSP585适生区类型极高高极高高极高高极高高2060S迁移方向西南西南西南西南西南西南西南西南距离（km）335.4374.2365.5277.5154.0349.4298.8306.1质心位置广东省肇庆怀集广西省柳州柳城广东省肇庆怀集广西省桂林平乐江西省赣州全南广西省贵港平南广东省清远清新广西省桂林荔浦2080S迁移方向东北东北偏东东北东北西北偏北东北东南东南距离（km）109.0169.381.714.748.676.033.125.3质心位置广东省清远英德广西省桂林灌阳广东省清远连山广西省桂林全州广东省韶关南雄广西省贺州邵平广东省清远清新广西省梧州蒙山 121中 国 野 生 植 物 资 源第 43 卷中适生区，0.467 P 0.694 为高适生区，0.694 P 1.0为极高适生区。本文利用MaxEnt模型对我国木荷的分布区进行模拟得到适生区，按照自然断点法将适生范围分为5个等级，当前适生等级呈环形分布，主要分布于长江沿岸及以南的二、三级阶梯地区，得到木荷在我国适生区分布范围与自然分布相符。本研究在构建MaxEnt模型时采用默认参数，由于默认参数下的模型对采样偏差敏感，容易产生过度拟合，因此在今后的研究中可以对模型参数进行优化，使模拟结果更好的反映木荷分布。4.4木荷在2060s和2080s两个阶段潜在适生区变化格局在2060s和2080s相较当下木荷在SSP370路径下总体适生区面积减少，其余路径呈增长趋势，逐渐向高纬高海拔地区迁移，与倪健2研究发现的随着气候变暖木荷分布区越来越扩大一致。4种路径下木荷极高适生区均大幅度减少，极高、高适生区的分布向西南迁移的趋势，说明气候变暖对木荷的生长存在负面影响。5结论气候因子对木荷的分布影响最大，最冷季度的降雨量是影响我国木荷适生区分布最主要的环境因子。木荷在我国的潜在适生区面积约为1.818 106 km2，约占国土陆地面积的18.94%，主要集中在长江以南地区的第三阶梯及第二阶梯，主要包括浙江、江西、福建、湖南、广东、广西、台湾、海南、贵州等地。未来气候不同路径下 2060s、2080s木荷极高、高、中、低适生区的分布范围均发生变化，呈现“南退、西扩”趋势，逐渐向高海拔地区迁移；极高适生区则逐渐向“西南”迁移的趋势。参考文献:1 陈杰连，陈一群，蓝燕群，等.木荷扦插不同生根剂处理效果分析 J.林业与环境科学，2017，33（6）：39-42.2 倪健.中国木荷及木荷林的地理分布与气候的关系 J.植物资源与环境，1996，3：29-35.3 赖国桢，曹梦，潘萍，等.马尾松木荷不同比例混交林植被碳密 度 特 征J.中 南 林 业 科 技 大 学 学 报，2018，38（2）：108-113.4 李志辉，李柏海，祁承经，等.我国南方珍贵用材树种资源的重要性及其发展策略 J.中南林业科技大学学报，2012，32（11）：1-8.5 罗碧珍，魏书精，罗斯生，等.林火干扰对广东木荷林生态系统碳库的影响 J.生态学报，2023，43（8）：3359-3369.6 李可见，白青松，尧俊，等.我国木荷培育和利用研究进展J.林业与环境科学，2021，37（6）：188-195.7 熊静，虞木奎，成向荣，等.光照和氮磷供应比对木荷生长及化学计量特征的影响 J.生态学报，2021，41（6）：2140-2150.8 曾思齐，甘静静，肖化顺，等.木荷次生林林木更新与土壤特征的相关性 J.生态学报，2014，34（15）：4242-4250.9 Hirzel A H，Le L G.Habitat suitablity modelling and niche theory J.Journal of Applied Ecology，2008，45：1372-1381.10Guisan A，Thuiller W.Predicting specious distribution：Offering more than simple habitat models J.Ecology Letters，2005，8：993-1009.11张路.MAXENT最大熵模型在预测物种潜在分布范围方面的应用 J.生物学通报，2015，50（11）：9-12.12车乐，曹博，白成科，等.基于MaxEnt和ArcGIS对太白米的潜在分布预测及适宜性评价 J.生态学杂志，2014，33（6）：1623-1628.13Phillips J，Dudik M.Modeling of species distributions with Maxent：New extensions and a comprehensive evaluation J.Ecography，2008，31：161-175.14Pueyo S，He F，Zillio T.The maximum entropy formalism and the idiosyncratic theory of biodiversity J.Ecology Letters，2007，10：1017-1028.15Williams R J.Simple MaxEnt models for food web degree distributions J.Theoretical Ecology，2010，3：45-52.16方焱，马晨，杨菲，等.基于MaxEnt模型预测黄条灰翅夜蛾在中国的潜在地理分布 J.植物保护学报，2022，49（5）：1417-1423.17叶兴状，张明珠，赖文峰，等.基于MaxEnt