基于MaxEnt模型分析重慶馬尾松適生的生物氣候特征

李宏群, 劉曉莉, 符勇耀, 汪建華,*

基于MaxEnt模型分析重慶馬尾松適生的生物氣候特征

李宏群1, 劉曉莉2, 符勇耀1, 汪建華1,*

1. 長江師范學院現代農業與生物工程學院, 重慶 408100 2. 長江師范學院圖書館, 重慶 408100

馬尾松是我國南部地區主要用材、產脂和荒山造林樹種, 具有較高的生態和經濟價值。分析馬尾松適生的氣候特征, 為馬尾松林業生產提供科學依據。基于626個分布點和19個氣候數據, 利用MaxEnt模型模擬馬尾松在重慶的地理分布并檢測其氣候主導因子及其適宜值。馬尾松最適宜(分布值為≥0.5)分布的地區是在南岸、大渡口、巴南、江北、云陽、渝北的東部和南部、北碚的東南部、沙坪壩的東北部、九龍坡的東部和南部、石柱的北部、江津的東北部、綦江的東北部、萬盛的中西部、南川的中南部、涪陵的西部和北部、長壽的中南部和東部、豐都的中部和西北部、忠縣的東部和南部、萬州的中部和東北部、開州的中部和西南部以及武隆局部地區等。分布值0.50>≥0.25的區域是以上高分布值區域的向外擴展。同時, 渝東南部分區縣西南方向也進入該分布值。最暖月份最高溫度、最暖季度平均溫度和全年平均溫度對馬尾松的分布影響較大, 其中最暖月份最高溫度的適宜值為大于32.8℃, 最適值為大于34.2℃; 最暖季度平均溫度的適宜值為大于26.8℃, 最適值為28.2℃; 全年平均溫度的適宜值為大于16.8℃, 最適值為大于18.5℃。該結果反映出馬尾松的潛在地理分布范圍, 并揭示馬尾松在重慶分布上所需的氣候條件。

馬尾松; MaxEnt模型; 刀切法; 主導氣候因子; 重慶

0 前言

馬尾松()又叫青松、山松、樅松等, 是我國松屬樹種中分布最廣的一種, 北自河南及山東, 南至兩廣、湖南、臺灣, 東自沿海, 西至四川及貴州, 遍布于華中、華南各地[1]。馬尾松是我國南部地區主要用材樹種、產脂樹種和荒山造林樹種,具有較高的生態價值和經濟價值。例如, 松齡血脈康是一種治療和預防心腦血管疾病的純天然中藥制劑, 馬尾松的鮮松葉是該藥組方中重要的藥材之一[2]。馬尾松木材是土建工程、家具、室內裝修、工業包裝等主要材料[3]。松針還被廣泛用于飼料工業、日化工業和食品工業[4]。馬尾松生長快, 造林更新容易, 成本低, 能適應干燥瘠薄土壤, 是荒山造林的重要樹種[5]。又因為馬尾松產量一般都非常高, 且加工起來比較方便, 能夠帶來非常高的經濟效益, 因此, 該樹種是發展我國林業和社會經濟的優良樹種, 具有推廣栽培的價值和意義。馬尾松是全國分布最廣的樹種之一, 也是重慶植樹造林種選擇最多的樹種之一, 但各區縣質量差異較大。因此, 研究馬尾松栽培區的潛在分布及其氣候適宜性, 可以為改進馬尾松的生長布局、評估其生長對氣候變化的適應性及制定適應氣候變化的政策等提供參考。

植物的空間分布與環境條件密不可分, 氣候是區域尺度上決定植物地理分布的重要因素之一[6]。迄今, 研究物種分布的方法已有很多, 其中較常見的方法是物種分布模型(Species distribution model, SDM)。物種分布模型是基于物種分布信息以及環境信息, 對目標物種的分布進行模擬的主要方法, 在預測種群分布動態、主要生態環境因子篩選以及區域物種多樣性變化領域已得到應用[7, 8]。其中, MaxEnt (Maximum Entropy Modeling)模型將已知分布點的像元作為樣點,依據該像元的環境變量為約束條件,探尋此條件下最大熵的可能分布,據此來預測物種的生境分布[7, 8]。且運算結果相對穩定, 對計算機配置的要求較低, 運算時間較短, 操作更為簡便。有研究也證實, MaxEnt模型在分布點較少的情況下仍能得到較滿意的結果, 以致被廣泛運用[7, 9, 10]。目前馬尾松的研究主要集中在栽培學、藥理藥效和化學研究等方面[11-14], 而在其生態適宜性方面的研究鮮有報道。隨著造林等栽培規模的擴大, 為了避免盲目植樹造林造成的損失, 通過科學途徑對其栽培提供指導顯得尤為重要。本文通過MaxEnt模型研究馬尾松的重慶適宜性區劃及其生態特征, 分析馬尾松生長的最適宜區和影響其生長的主要氣候變量, 為馬尾松栽培的合理選址提供科學依據。

1 材料與方法

1.1 研究區域

重慶地處中國西南部、長江上游, 東鄰湖北、湖南, 南靠貴州, 西接四川, 北連陜西。地理坐標105°11'—110°11'E, 28°10’—32°13’N, 面積約8.24×106hm2(圖1)。本區屬中亞熱帶濕潤季風氣候, 1950—2000年的年平均氣候在15.92℃左右, 夏季高溫均在35℃以上。極端氣溫最高43℃, 最低-9.3℃, 常年降雨量901—1566 mm, 春夏之交夜雨尤甚, 因此有“巴山夜雨”之說[15]。植物自然分區特征表現為常綠闊葉林、次生、暖性針葉林、竹林和常綠闊葉灌叢等類型, 以亞熱帶常綠闊葉林表現特征最為明顯。

1.2 數據來源

1.2.1 馬尾松地理分布位點數據收集

本研究所用馬尾松分布點數據來源于野外調查。根據馬尾松在重慶的實際種植情況, 對于遠離重慶主城的區縣則是乘車前往目的地采集數據, 比如, 云陽、奉節、忠縣、彭水等區縣。而主城周邊的區縣則是步行或自駕采集數據, 例如, 南川、涪陵、沙坪壩、南岸、巴南等區縣。具體為使用GPS導航系統對所觀察到馬尾松自然生長良好的實際位置進行存點記錄, 再將記錄的數據導入電腦Site survey程序中, 導出文本最終轉化為(*.csv)格式文檔, 共得到729個坐標點。另外, 為提高預測的可靠性, 在分布數據中剔除了栽培實踐證明不適宜的點, 同時, 在同一個像元內僅保留靠近中心1個點, 最后確定626個馬尾松分布點(圖1)。

1.2.2 氣候變量因子

氣候變量來源于世界氣候數據庫(WorldClim, http://www.worldclim.org), 此數據集為空間分辨率為30″(相當于1 km2)當前條件(current conditions, 1950—2000年)的生物氣候, 這些生物氣候變量主要反映溫度和降水的特點及其季節性變化特征, 包括19個生物氣候變量, 即為全年平均溫度(bio-01)、晝夜溫差月均值(bio-02)、等溫性(bio-03)、溫度季節性變化(bio-04)、最暖月份最高溫度(bio-05)、最冷月份最低溫(bio-06)、年均溫變化范圍(bio-07)、最濕季度平均溫度(bio-08)、最干季度平均溫度(bio-09)、最暖季度平均溫度(bio-10)、最寒季度平均溫度(bio-11)、全年降雨量(bio-12)、最濕月份降雨量(bio-13)、最干月份降雨量(bio-14)、季節性降雨量(bio-15)、最濕季度降雨量(bio-16)、最干季度降雨量(bio-17)、最暖季度降雨量(bio-18)、最寒季度降雨量(bio-19)[15]。本研究對選取的19個生物氣候變量利用ArcGIS 9.3軟件將重慶地區數據裁剪出來, 得到各氣候變量圖層數據。所有圖層均轉換為GCS-WGS-1984, 并把所有環境數據轉換為*.asc格式文件。分析矢量底圖(1: 400萬)是從國家基礎地理信息系統網站(http://mail.nsdi.gov.cn/)下載。

1.3 研究方法

將馬尾松的分布點數據(*.csv)和19個生物氣候變量(*.asc) 分別導入MaxEnt模型(Version 3.4.1)的“Samples”和“Enviromental layers” 命令, 隨機抽取分布點數據的25%被作為測試集(testing data), 其余75%作為訓練集( training data), 設訓練集數據中10%被隨機選取用來計算分布閾值[16]。同時, 勾選該模型“Do Jackknife to measure variable importance”和“Create response curves”命令, 其他參數均為軟件默認值。模型結果以Logistic格式和ASCII類型文件輸出。將結果導入ArcGIS 9.3中轉化為柵格格式, 結合馬尾松的適宜生境評價指數并利用ArcGIS 9.3軟件的空間分析工具(Spatial analyst tools)中重分類命令(reclassify)的自然間斷點分級法(Jenks’ natural breaks)進行適生等級分類。

采用ROC曲線分析方法進行模型精度評價[8, 17]。ROC曲線是以特異度為橫坐標, 以靈敏度為縱坐標繪制而成。一般認為, ROC曲線下面積( area under the ROC curve, AUC)為0.6-0.7時診斷較低, 0.7-0.8時診斷中等, 0.8-0.9時診斷良好, 大于0.9時診斷優秀[18, 19]。通過刀切法(Jackknife)檢驗氣候變量與物種分布值增益之間的關系, 建立3種模型進行對比, 可識別出對物種分布值增益影響最大的氣候變量[10, 20]。同時, 選用主導氣候變量在MaxEnt模型軟件中進行單因子建模, 繪制該物種潛在分布概率與主導氣候因子之間的響應曲線, 據此可獲得主導氣候變量的閾值[8, 19]。

2 結果

2.1 馬尾松潛在分布區的預測結果及其評價

采用ROC曲線對MaxEnt模型預測的馬尾松適生區分布結果進行精度檢驗, 模型訓練集的AUC值為0.843, 測試集的AUC值為0.852, 表明MaxEnt模型具有較好的預測能力, 可以較好地用于馬尾松地理分布和環境因子關系模擬的研究。分布閾值 0.236由訓練集數據中10%的隨機分布點產生, 可以認為馬尾松分布于分布值0.25以下的地區是小概率事件。利用ArcMap 9.3軟件中空間分析工具的重分類命令將馬尾松在重慶栽培區劃分為3個等級, 即≥0.50為適宜栽培區、0.50>≥0.25為中度栽培區和＜0.25為非適宜栽培區。模擬結果顯示(圖1), 分布值為0.5—1.0的分布區域主要在南岸、大渡口、巴南、江北、云陽、渝北的東部和南部、北碚的東南部、沙坪壩的東北部、九龍坡的東部和南部、石柱的北部、江津區的東北部、綦江的東北部、萬盛的中西部、南川的中南部、涪陵的西部和北部、長壽的中南部和東部、豐都的中部和西北部、忠縣的東部和南部、萬州的中部和東北部、開州的中部和西南部及武隆局部地區也有分布等。分布值0. 25-0. 50的區域是以上這些高分布值區域的向外擴展。同時, 渝東南部分區縣西南方向也進入該分布值。重慶的城口、合川、潼南、銅梁、榮昌、黔江等在本次模擬分布值小于0.25, 表明這些區縣現有的生物氣候環境并不適宜馬尾松的自然分布。

圖1 基于MaxEnt 模型預測馬尾松在重慶分布

Figure 1 Geographic distribution ofin Chongqing city by Maxent model

2.2 馬尾松地理分布與生物氣候變量的關系

用刀切法檢測生物氣候變量對于分布增益的貢獻, 結果顯示, 在所選擇的19個氣候因子中, 全年平均溫度(bio-01)、最暖季度平均溫度(bio-10)和最暖月份最高溫度(bio-05)對馬尾松分布影響較大, 依據貢獻率大小分別是最暖月份最高溫度、最暖季度平均溫度和全年平均溫度(圖 2)。為了進一步明確馬尾松在當前氣候變量下栽培區的氣候特征并消除氣候因子相關性的影響, 把上述3個氣候因子分別導入MaxEnt模型進行單因子建模, 根據建模因子對MaxEnt模型輸出的物種存在概率繪制單環境因子響應曲線, 即馬尾松栽培區概率與主導氣候因子的關系, 并以此為基礎計算各主導環境因子的閾值(存在概率閾值為0.5)。由圖3可以看出, 最暖月份最高溫度的適宜值為大于32.8℃, 最適值為大于34.2℃, 在溫度26—34.2℃時, 隨溫度的升高分布值增大, 達到34.2℃以后時, 分布值最大且不再變化。最暖季度平均溫度的適宜值為大于26.8℃, 最適值為28.2℃, 在溫度21—28.2℃時, 隨溫度的升高分布值增大, 在 28.2—28.6℃時, 隨溫度升高分布值降低, 大于28.6℃以后不在變化。全年平均溫度的適宜值為大于16.8℃, 最適值為大于18.5℃, 在溫度13—18.5℃時, 隨溫度的升高分布值增大, 達到18.5℃以后時, 分布值最大且不再變化。

圖 2 刀切法檢測生物氣候變量對分布增益的重要性

Figure 2 Effects of bioclimatic variables on gain of distribution by using Jackknife test

3 討論

3.1 基于MaxEnt模型的馬尾松栽培區模擬的有效性

應用生態學的發展為物種潛在分布預測提供了有力的模型,很多模型的算法已實現電腦程序化,并形成了軟件工具[21]。對于MaxEnt模型來說, 認為在已知條件下事物的熵愈大愈接近于事物真實狀態, 是近年廣泛應用于物種潛在地理分布區預測的定量模型[7, 9, 10]。影響MaxEnt模型預測軟件預測結果的因素主要是兩方面: 一方面是算法方面的誤差, 另一方面就是建模時數據收集不完整產生的誤差[22, 23]。與其他模型比較, MaxEnt模型在其他學科被廣泛應用, 可證明其建模方法的有效性[7, 24]。在對取樣誤差進行控制方面, 本研究采用的建模數據樣點盡量覆蓋更多的區縣, 對引種栽培長勢不好予以剔除, 還有筆者對同一個像元內僅保留1個點, 共采樣19個區縣, 占重慶所有區縣的48.72%, 樣點達到626個, 保證具有足夠的代表性。從MaxEnt模型設計原理上講, MaxEnt模型假定物種會出現在全部具有合適氣候條件的地區, 同時在所有氣候不適合的地方不存在[25], 但是由于生物的傳播途徑的限制以及生物之間的相互影響等, 往往也會導致預測結果出現偏差[23]。但在本次研究中, 人類的栽培馬尾松活動則正好克服了這2種限制, 更符合MaxEnt模型原來的設計原理, 有效性更高。在本研究中, 模擬效果的受試者特征曲線檢驗的AUC值(訓練和測試數據)都在0.8以上, 表明該模型的預測結果已達到良好標準, 精準度較高。

圖3 馬尾松的潛在地理分布概率與主導因子的關系

Figure 3 Relationship of each dominant factor and the distribution probability of

3.2 馬尾松在重慶的潛在種植區預測及相應的生物氣候

在預測圖中, 分布值在0.25以上的區域可以作為馬尾松種植的適宜區, 在0. 5以上的區域為最適區, 而在0. 25以下的區域為不適宜區, 如果需種植需選擇良好的小氣候環境。模擬結果顯示, 最適種植區在重慶的南岸、大渡口、巴南、江北、云陽、渝北、北碚、沙坪壩、九龍坡、石柱、江津區、萬盛、南川、涪陵、長壽、豐都、忠縣、萬州、開州及武隆等。而采樣區縣19個中有16個區縣進入最適區, 預測結果與實際調查的準確率為84.21%。表明, MaxEnt模型模擬結果與實際情況相符。分布值在≥0.5的區域, 完全可以進行育苗、造林, 恢復種群, 苗圃可以規模化育苗, 向城市園林樹種發展。而分布值在0.50>≥0.25的區域, 是馬尾松潛在分布的區域, 這些地區引種馬尾松無需馴化, 宜推廣作為園林樹種。分布值在0. 25以下的區域, 這些區縣以及適合區周邊的小氣候環境不適合馬尾松的生長, 這些地方謹慎進行馬尾松的栽培。

利用MaxEnt 對各氣候因子的刀切法分析表明: 對預測結果貢獻值較大的氣候因子是暖月份最高溫度、最暖季度平均溫度和全年平均溫度, 其各自的響應曲線顯示適宜的取值區間分別是最暖月份最高溫度的適宜值為大于32.8℃, 最適值為大于34.2℃; 最暖季度平均溫度的適宜值為大于26.8℃, 最適值為28.2℃; 全年平均溫度的適宜值為大于16.8℃, 最適值為大于18.5℃。這一結果與有關文獻報道基本一致[5], 即馬尾松是一種陽性樹種,性不喜陰涼, 喜光照、喜溫, 適合生長在全年平均溫度在20℃左右的區域。還有報道[5], 馬尾松具有耐旱的特點, 且根系發達, 主根特別明顯, 在干旱的土層中具有向水性而吸收更多水分但懼怕水澇的特點。說明降雨量對馬尾松生長影響不明顯。本研究通過刀切法檢驗氣候變量與物種分布值增益之間的關系, 也證明了這一觀點。所以降雨量可以作為該物種引種栽培次要因子考慮。

4 結論

馬尾松是我國南部地區主要用材樹種、產脂樹種和荒山造林樹種。MaxEnt模型可以定量分析馬尾松在重慶適宜的分布地區, 即在南岸、大渡口、巴南、江北、云陽、渝北、北碚、沙坪壩、九龍坡、石柱、江津、綦江、萬盛、南川、涪陵、長壽、豐都、忠縣、萬州、開州以及武隆等局部地區。暖月份最高溫度、最暖季度平均溫度和全年平均溫度是影響馬尾松地理分布的關鍵因子, 其各自適宜的取值區間分別是大于32.8℃, 最適值為大于34.2℃; 大于26.8℃, 最適值為28.2℃; 大于16.8℃, 最適值為大于18.5℃。這為重慶馬尾松栽培的合理選址提供科學依據。

[1] 馬正銳, 孟祥江, 王蕾, 等. 重慶地區馬尾松人工林不同間伐強度試驗[J]. 福建林業科技, 2017, 44(4): 33–36.

[2] 張小波, 郭蘭萍, 趙曼茜, 等. 馬尾松生產適宜性區劃研究[J]. 中國中藥雜志, 2016, 41(17): 3113–3121.

[3] 傅深淵, 劉志坤, 王學利, 等. 馬尾松材的防霉研究[J]. 林產工業, 2000, 27(5): 13–15.

[4] 孔慶峰, 楊金宇, 潘西芬. 松針藥理作用研究進展[J]. 中國醫藥導報, 2010, 7(26): 16–18.

[5] 龍永泰. 馬尾松種植技術及實施要點闡釋[J]. 南方農業, 2018, 12(9): 52–53.

[6] 郭杰, 張琴, 孫成忠, 等. 人參藥材中人參皂苷的空間變異性及影響因子[J]. 植物生態學報, 2017, 41(9): 995– 1002.

[7] 王運生, 謝丙炎, 萬方浩, 等. ROC曲線分析在評價入侵物種分布模型中的應用[J]. 生物多樣性, 2007, 15(4): 365–372.

[8] 張微, 姜哲, 鞏虎忠, 等. 氣候變化對東北瀕危動物駝鹿潛在生境的影響[J]．生態學報, 2016, 36(7): 1815–1823．

[9] ELITH J, GRAHAM C H. Do they? How do they? Why do they differ? On finding reasons for differing performances of species distribution model[J]. Ecography, 2009, 32(1) : 66–77.

[10] QIN A, LIU B, GUO Q, et al. Maxent modeling for predicting impacts of climate change on the potential distribution of, Franch. an extremely endangered conifer from southwestern China[J]. Global Ecology & Conservation, 2017, 10: 139–146.

[11] 袁桂香, 羅小菊, 劉映良. 馬尾松松花粉多糖提取工藝[J].林業工程學報, 2016, 1(4): 80–84.

[12] 王巍, 王曉華, 張曉潔. 馬尾松松針的親水性化學成分研究[J]. 中國醫院藥學雜志, 2009, 29(15): 1282–1286.

[13] 辜夕容, 倪亞蘭, 江亞男, 等. 接種雙色蠟蘑對酸性鋁脅迫下馬尾松幼苗生長、養分和鋁吸收與分布的影響[J]. 林業科學, 2018, 54(2): 170–178.

[14] 安寧, 丁貴杰, 賈宏炎, 等. 馬尾松不同徑級產脂量及松脂成分差異研究[J]. 中南林業科技大學學報, 2015, 35(8): 42–45.

[15] HIJMANS R J, CAMERON S E, PARRA J L, et al. Very high resolution interpolated climate surfaces for global land areas[J]. International Journal of Climatology, 2005, 25(15) : 1965–1978.

[16] 王雷宏, 楊俊仙, 徐小牛. 基于MaxEnt分析金錢松適生的生物氣候特征[J]. 林業科學, 2015, 51(1): 127–131.

[17] 劉曉梅, 蒲永蘭, 李宏群, 等. 基于MaxEnt模型的重慶松材線蟲病潛在生境分析[J]. 三峽生態環境監測, 2017, 3(3): 75–80. SIMPSON M, PROTS B. Predicting the distribution of invasive plants in the Ukrainian Carpathians under climatic change and intensification of anthropogenic disturbances: implications for biodiversity conservation[J]. Environmental Conservation, 2013, 40(2): 167–181.

[18] HU X G, JIN Y, WANG X R, et al. Predicting Impacts of Future Climate Change on the Distribution of the Widespread Conifer[J]. Plos One, 2015, 10(7): e0132326.

[19] YANG X Q, KUSHWAHA S P S, SARAN S, et al. Maxent modeling for predicting the potential distribution of medicinal plant, Justicia adhatoda, L. in Lesser Himalayan foothills[J]. Ecological Engineering, 2013, 51(1): 83–87.

[20] ELITH J, GRAHAM H C, ANDERSON P R et al. Novel methods improve prediction of species' distributions from occurrence data[J]. Ecography, 2006, 29: 129–151.

[21] XU Z, PENG H, FENG Z, et al. Predicting Current and Future Invasion of Solidago canadensis: a Study from China[J]. Polish Journal of Ecology, 2014, 62(2): 263–271.

[22] 胡秀, 吳福川, 郭微, 等. 基于MaxEnt生態學模型的檀香在中國的潛在種植區預測[J]. 林業科學, 2014, 50(5): 27– 33.

[23] 巨云為, 李明陽, 吳文浩. 江蘇省松材線蟲發生的預測方法[J]. 林業科學, 2010, 6(12): 91–96

[24] GUISAN A, ZIMMERMANN N E. Predictive habitat distribution models in ecology[J]. Ecological Modelling, 2000, 135( 2): 147–186.

Study on suitable bioclimatic characteristics ofin Chongqing by using MaxEnt Model

LI Hongqun1, LIU Xiaoli2, FU Yongyao1, WANG Jianhua1, *

1. School of modern agriculture and Bioengineering, Yangtze Normal University, Chongqing 408100, China 2. Libary, Yangtze Normal University, Chongqing 408100,China

, with high ecological and economic value, is the main timber, fat-producing and barren hill afforestation tree species in southern China. Suitable bioclimatic characteristics ofwere analyzed to provide a scientific basis for forestry productionBased on 626 known coordinates and 19 bioclimatic factors, the geography distribution pattern ofwas simulated in Chongqing city by MaxEnt model under the current condition. Bioclimatic dominant factors and their appropriate ranges of values were also investigated. The results showed that the most suitable distribution area (with distribution value of≥0.5) forwas distributed in Nanan, Dadukou, Banan, Jiangbei, Yunyang, the eastern and southern of Yubei, the southeastern of Beibei, the northeastern of Shapingba, the eastern and southern of Jiulongpo, the north of Shuzhu, the northeastern of Jiangjin, the northeastern of Qijiang, the midwest of Wansheng, the midsouth of Nanchuan, the west and north of Fuling, the south central and eastern of Changshou, central and northwestern of Fengdu, the eastern and southern of Zhongxian, the central and northeast of Wanzhou, the central and southwestern part of Kaizhou and part of Wulong. These regions with distribution value of 0.50>≥0.25 were stretched area of the above high distribution regions. Besides, southwest of some counties in southeast part of Chongqing also entered the above distribution value.The dominate factors were max temperature of warmest month, mean temperature of warmest quarter and annual mean temperature, with thresholds of more than 32.8℃, 26.8 ℃ and 16.8 ℃, and the most suitable value was more than 34.2℃, 28.2℃ and more than 18.5℃ respectively. The result of MaxEnt model reflected reliably the potential geographical distribution ofand clarified the bioclimatic conditions required for its geographic distribution

; MaxEnt model;Jackknife; dominant climatic factor;Chongqing

10.14108/j.cnki.1008-8873.2019.04.018

S763.305

A

1008-8873(2019)04-129-06

2018-10-02;

2018-11-29

國家自然科學基金項目(31870515); 重慶高校優秀成果轉化資助項目(KJZH17132); 重慶科委基礎研究與前沿探索(cstc2018jcyjAX0557); 涪陵區科技計劃項目(FLKJ, 2018BBB3010)

李宏群(1973—), 男, 博士, 教授, 從事植物生態及病蟲害防治, E-mail : lihongqun2001@126.com

汪建華, 男, 副教授, 從事植物生態與保護生物學研究。E-mail : 916858691@qq.com

李宏群, 劉曉莉, 符勇耀, 等. 基于MaxEnt模型分析重慶馬尾松適生的生物氣候特征[J]. 生態科學, 2019, 38(4): 129-134.

LI Hongqun, LIU Xiaoli, FU Yongyao, et al. Study on suitable bioclimatic characteristics ofin Chongqing by using MaxEnt Model[J]. Ecological Science, 2019, 38(4): 129-134.