紫花含笑適宜生境的保護空缺與人類干擾分析

劉慧明,高吉喜*,宋創業,于勝祥

紫花含笑適宜生境的保護空缺與人類干擾分析

劉慧明1,高吉喜1*,宋創業2,于勝祥2

(1.生態環境部衛星環境應用中心,北京 100094；2.中國科學院植物研究所,北京 100093)

以紫花含笑地理分布點數據為基礎,結合地形和氣候數據,使用最大熵(MaxEnt)模型,對紫花含笑的生境適宜度進行了評估,并基于閾值法,將紫花含笑生境分為適宜區和最適宜區,分析了紫花含笑生境適宜區和最適宜區在我國的地理分布、保護現狀以及人類干擾狀況,結果表明:年均降雨量對紫花含笑的分布影響最為重要,地形因子和溫度因子對紫花含笑的分布影響相對較小;紫花含笑的生境最適宜區面積為13.7萬km2,適宜區為27.0萬km2,分布在22°~30°N, 107°~120°E之間.廣東、福建、廣西、江西和湖南等5個省是紫花含笑生境最適宜分布區面積最廣的地區;位于國家級自然保護區內的生境最適宜區和適宜區面積約占總面積的1.9 %,大部分適宜生境未得到有效保護;紫花含笑生境適宜區和最適宜區內,林地是最大的土地利用類型,但是各項人類活動也占有相當大的比例.

生境適宜度；最大熵模型；ROC曲線；土地利用；自然保護區；人類干擾

紫花含笑是木蘭科含笑屬中極其少有的開紅花的樹種,為木蘭科的珍品[1],但紫花含笑天然種群正逐漸減少[2].在“中國生物多樣性紅色名錄”中[3],紫花含笑被認定為“瀕危”植物,亟需保護.然而,目前關于紫花含笑生境適宜度及潛在生境分布、保護現狀等未見報道,這會影響對紫花含笑開展有效的原地和遷地保護.

物種潛在生境的了解及其適宜生境的空間分布預測是進行物種保護和資源開發利用策略的基礎[4-5],對開展受脅物種的生境恢復和有效保護具有重要的指導意義.物種分布模型是以生態位理論為基礎,建立物種分布與環境因子之間的關系,并對其潛在分布或者生境進行預測[6]的一種方法.常用的物種分布模型有生物氣候包絡模型[7]、生態位因子分析[8]、分類與回歸樹[9]、最大熵[10]、基于規則集的遺傳算法[11]等.最大熵模型以最大熵理論為基礎,將物種與環境因子視為一個系統,計算系統具有最大熵時的狀態參數確定物種和環境之間的穩定關系,以此估計物種的地理分布[10].與其他模型相比,最大熵模型具有較強的擬合與預測能力[10],可以在建模樣本量較少的情況下獲得較好的預測結果[12-14].因此,本研究以中國數字植物標本館收集的紫花含笑標本地理分布數據為基礎,結合地形、溫度和降雨等環境因子數據,采用MaxEnt模型對紫花含笑的生境適宜度進行模擬和評估,了解紫花含笑棲息地的立地條件,并結合自然保護區分布數據和土地利用數據,評價紫花含笑的保護空缺和適宜生境的人類干擾狀況,為該物種的有效保護和合理利用提供參考.

1 數據和方法

1.1 紫花含笑地理分布數據

紫花含笑地理分布數據來源于中國數字標本館(http://www.cvh.ac.cn/),共計192條記錄,記錄信息包括物種名、經度和緯度,地理空間分布見圖1.

1.2 環境變量數據

從世界氣候數據庫(WorldClim v2.0, http://www.worldclim.org/)中,提取研究區的19個氣候指標數據(表1).該數據庫利用全球各地氣象站記錄的氣象信息,通過整合插值生成全球氣候柵格數據(1950~2000年平均值),空間分辨率為2.5￠(約4km)[15].地形數據來源于數字高程模型,空間分辨率2.5￠.在ArcGIS中利用Spatial Analyst Tools工具中Surface模塊的Slope和Aspect算法提取坡度和坡向數據,其中坡向設定以正北為0°,往南逐漸增大,正南為180°.為了降低環境變量之間的相關性對模擬結果的影響,本研究采用Pearson相關分析計算了各個環境變量之間的相關系數(表1).以0.7為閾值[16],2個變量之間的相關系數高于0.7的,取其中一個變量參加模型運算.最終選擇海拔、坡向、坡度、bio2、bio4、bio6、bio8、bio12、bio15和bio18等10個變量參與模型計算.

圖1 紫花含笑樣點地理空間分布

表1 環境變量之間的相關系數

1.3 自然保護區空間分布數據和土地利用數據

自然保護區空間分布數據由生態環境部南京環境科學研究所提供,2015年土地利用數據來源于中國科學院資源環境數據中心(http://www.resdc. cn/),空間分辨率為1km.

1.4 物種分布模型

MaxEnt模型是以最大熵理論為基礎的物種分布預測模型[10],其在物種生境模擬方面表現出了優越的性能,廣泛應用于物種潛在分布和生境適宜性評價[17-18].在計算中,隨機選取25%的紫花含笑地理分布點作為測試集,剩余75%的分布點作為訓練集.其他參數設置均為軟件默認值.模型輸出格式為ASCII柵格圖層,圖層中每個柵格的值代表紫花含笑在該區域對環境的適應情況,值域為0~1.在ArcGIS軟件中加載MaxEnt的運算結果,進行生境等級劃分和可視化表達.

在Maxent模型中,計算了環境因子對模型的貢獻和重要性,同時采用刀切法判斷環境因子的重要性,具體計算方法請參見文獻[10,19].另外,繪制生境適宜度對重要環境因子的響應曲線[20].

1.5 模型精度驗證

采用受試者工作特征曲線(ROC)進行模型精度檢驗.ROC曲線以真陽性率為縱坐標(敏感性,實際存在且被預測為存在的比率),以假陽性率(1-特異性,實際不存在但被預測為存在的比率)為橫坐標,AUC值指ROC曲線與橫坐標圍成的面積值,值域為0~1,AUC值越大表示與隨機分布相距越遠,環境變量與預測的物種地理分布之間的相關性越大,即模型預測效果越好,反之說明模型預測效果越差.AUC值在0.5~0.6,0.6~0.7,0.7~0.8,0.8~0.9,0.9~1分別表示模擬效果失敗、較差、一般、好、非常好[21].

1.6 生境適宜度閾值選擇

MaxEnt模型給出的結果是柵格數據,值域范圍為0~1.為了獲取明確的紫花含笑適宜生境,需要選擇閾值將連續性的概率數據轉換為二元數據.基于MaxEnt的閾值選擇方法較多,如0.5[22],10%訓練存在邏輯閾值[23];ROC曲線敏感度為0.95時的閾值[24]; 0.8[25],20%訓練存在邏輯閾值[26].

2 研究結果

2.1 模型精度驗證和生境適宜度閾值選擇

本研究中,訓練數據和檢驗數據的AUC值均在0.9以上,模擬效果非常好(圖2).

圖2 MaxEnt模型的ROC驗證曲線

本研究分別計算了“10%訓練存在邏輯閾值”、“20%訓練存在邏輯閾值”和“ROC曲線敏感度為0.95”三種方法所確定的閾值,分別為0.31、0.43和0.22.基于上述計算結果以及保護成本的考慮,本研究選擇相對較為保守的閾值;以0.8作為最適宜生境的閾值,大于0.8為紫花含笑最適宜生境;0.5~0.8之間為適宜生境;0.5以下為不適宜生境,適宜區空間分布見圖7.

2.2 環境因子的貢獻及生境適宜度

表2 環境變量貢獻和重要性分析結果

環境因子的貢獻和重要性分析(表2)以及基于正則化增益的刀切法(圖3)對環境變量貢獻度的分析結果發現,雖然兩者排列順序有一定差異,但是均顯示年均降水量(bio12)的貢獻度最大,這表明相對于溫度和地形因素,降水量對于紫花含笑的分布影響更為重要.另外,年均降水量與其他降水量因子高度相關(表1),這也是其他降水量因子在基于刀切法的正則化訓練增益較大(圖3)的原因.

圖3 基于刀切法的模型正則化訓練增益

基于圖3可以看到,如果在建模因子中去除年均降水量(bio12),模型的正則化訓練增益的降低較多.而如果去除溫度因子以及地形因子,模型的正則化訓練增益則變化不大,這可能是年均降水量因子的貢獻和重要性遠高于其他環境因子的原因.

2.3 生境適宜度與海拔、年均降水量和年均溫度的關系

海拔、年均降水量和年均溫度是描述物種生境最為常用的環境因子,此處給出生境適宜度與海拔、年均降水量和年均溫度的關系曲線,以便于確定紫花含笑的適宜生境.如圖4生境適宜度與海拔、年均降水量和年均溫度的關系均呈單峰模式,紫花含笑最適宜生境的海拔范圍約在300~700m之間,年均降水量1700~1900mm,年均溫度17~21℃.

2.4 紫花含笑生境適宜區空間分布

紫花含笑的生境適宜區與最適宜區主要分布在中亞熱帶東部地區,北緯22°~30°之間,東經107°~ 120°之間(圖5).廣東、福建、廣西、江西和湖南等5個省份是紫花含笑生境最適宜區面積最廣的地區,其次是浙江(表3).

表3 紫花含笑生境最適宜區和適宜區面積分省統計結果

土地利用為2015年數據

2.5 紫花含笑生境適宜區保護和人類干擾分析

疊加分析紫花含笑生境最適宜區、適宜區與國家級自然保護區空間分布數據,如圖5所示,發現處在保護區內的面積為7670km2,約占生境最適宜區和適宜區總面積的1.9%,絕大多數的生境適宜區和最適宜區未得到有效保護.

紫花含笑生境適宜區與最適宜區與土地利用數據疊加分析結果見圖5.從圖中可以看出,紫花含笑生境適宜區和最適宜區內,林地是最大的土地利用類型,耕地和城鄉、工礦和居民用地也占有相當大的比例.

3 討論

根據現有文獻,紫花含笑為我國中亞熱帶東部特有,主要分布于廣西東北部、廣東北部、湖南南部、江西省中東部、貴州南部和東南部,分布區海拔在300~1000m[2,27].本研究中,基于Maxent的預測結果,廣東北部、湖南南部、廣西東北部、江西東部、福建西部等地區為紫花含笑的主要生境適宜區和最適宜區.除去福建以外,本研究中生境適宜區與中國植物志中的記載基本一致.而在福建,亦有紫花含笑栽培的報道[28],因此,可以推斷在福建應存在適合紫花含笑生存的生境.對于紫花含笑分布的海拔范圍,根據生境適宜度與海拔響應曲線(圖4)推測,紫花含笑最適宜生境的海拔范圍在300~700m之間,這在傳統的紫花含笑分布區海拔范圍之內.因此,本研究基于Maxent預測的紫花含笑的適宜生境分布是合理、可靠的.

自然保護區是野生物種和種子資源最為重要和有效的保護場所.然而,本研究中,紫花含笑與國家級自然保護區的疊加分析發現只有1.9%的生境最適宜區和適宜區位于國家級自然保護區內.本研究中只有國家級自然區的數據,而缺乏省、市和縣等級別的保護區數據.不過,根據已經發表的數據,我國自然保護區的總面積約147萬km2,國家級自然保護區面積和其他等級的保護區面積分別為96和50.5萬km2[29].參考國家級自然保護區所覆蓋的紫花含笑適宜生境的面積,其他級別的保護區所覆蓋的紫花含笑生境適宜區的面積不會超過2%,那么受到保護紫花含笑生境適宜區和最適宜區不會超過總面積的5%,絕大多數的適宜生境處在零保護狀態,這可能也是造成野生紫花含笑“瀕危”的主要原因.

圖6 紫花含笑生境最適宜區和適宜區內土地利用狀況(2015年)

林地是紫花含笑生境適宜區和最適宜區內最重要的土地覆被類型(圖6),這說明紫花含笑生境適宜區和最適宜區內的植被狀況總體上較好.但是,在林地中,還有部分人工林和苗圃及各類園地(果園、桑園、茶園、熱作林園等),而在土地利用數據中,人工林未單獨分類,所以難以了解人工林在林地中的比例.此外,在生境適宜區和最適宜區內,耕地和城鄉、工礦和居民用地還占有相當大的比例,這說明紫花含笑的適宜生境內還存在較大的人類活動干擾.另外,在紫花含笑生境適宜區和最適宜區內,還有部分草地的存在(7%左右),這部分草地可能是林地被砍伐以后形成的.因此,綜合考慮耕地和城鄉、工礦和居民用地、草地以及林地中的人工林、苗圃等,估計紫花含笑生境適宜區和最適宜區內約有30%的比例受到嚴重的人類干擾.

4 結論

廣東北部、湖南南部、廣西東北部、江西東部、福建西部等地區為紫花含笑的主要生境適宜區和最適宜區;在國家、省、市、縣級自然保護區中受到保護的紫花含笑生境適宜區和最適宜區不足其總面積的5%,絕大多數的適宜生境處在零保護狀態;林地是紫花含笑生境適宜區和最適宜區內最主要的土地覆被類型,但耕地和城鄉、工礦和居民用地還占有相當大的比例,這說明紫花含笑的適宜生境內還存在較大的人類活動干擾.

[1] 柴弋霞,蔡夢穎,金曉玲,等.紫花含笑傳粉生物學初探 [J]. 廣西植物, 2017,37(10):1322-1329. Chai Y X, Cai M Y, Jin X L, et al. Preliminary study on pollination biology of[J]. Guihaia, 2017,37(10):1322-1329.

[2] 曹展波,劉仁林.江西九連山紫花含笑棲息地植物群落特征研究 [J]. 江西科學, 2013,31(4):461-464. Cao Zhanbo, Liu Renlin. Characteristics of plant communities in thehabitat of Jiulian Mountain in Jiangxi Province [J]. Jiangxi Science, 2013,31(4):461-464.

[3] 環境保護部,中國科學院.中國生物多樣性紅色名錄[M]. 2013. Ministry of Environmental Protection, Chinese Academy of Sciences. Red List of Biodiversity in China [M]. 2013.

[4] Graham B (2001). Neutral macroecology [J]. Science, 2001,293, 2413-2418.

[5] Zhang Y B, Ma K P. Geographic distribution patterns and status assessment of threatened plants in China [J]. Biodiversity and Conservation, 2008,17:1783-1798.

[6] Guisan A, Thuiller W. Predicting species distribution:offering more than simple habitat models [J]. Ecology Letters, 2005,8:993-1009. Hampe A (2004). Bioclimate envelope models: what they detect and what they hide [J]. Global Ecology and Biogeography, 2004,13:469-471.

[7] Calenge C. The package “adehabitat” for the R software: a tool for the analysis of space and habitat use by animals [J]. Ecological Modelling, 2006,197:516-519.

[8] Vayssieres M P, Plant R E, Allen-Diaz B H. Classification trees: an alternative non-parametric approach for predicting species distribution [J]. Journal of Vegetation science, 2000,11:679-694.

[9] Phillips S J, Anderson R P, Schapire R E. Maximum entropy modeling of species geographic distributions [J]. Ecological Model, 2006,190: 231-259.

[10] Stockwell D, Peters D. The GARP modeling system:problems and solutions to automated spatial prediction [J]. International Journal of Geographical Information Science, 1999,13:143-158.

[11] Van P A, Sosef M, Wieringa J J, Raes N(2015). Minimum required number of specimen records to develop accurate species distribution models [J]. Ecography, 2015,39:542-552.

[12] Saupe E E, Qiao H J, Hendricks J R, et al. Niche breadth and geographic range size as determinants of species survival on geological time scales [J]. Global Ecology & Biogeography, 2015,24:1159-1169.

[13] Elith J, Graham C H, Anderson R P, et al. Nevel methods improve prediction of specie’s distribution from occurrence data [J]. Ecography, 2006,29:129-151.

[14] 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, 2005,25:1965-1978.

[15] Dormann C F, Elith J, Bacher S, et al. Collinearity:a review of methods to deal with it and a simulation study evaluating their performance [J]. Ecography, 2013,36:27-46.

[16] Yackulic C B, Chandler R, Zipkin E F, et al. Presence-only modelling using Maxent: when can we trust the inferences? [J]. Methods in Ecology and Evolution, 2013,4:236-243.

[17] Harte J, Zillio T, Conlisk E, et al. Maximum entropy and the state- variable approach to macroecology [J]. Ecology, 2008,89:2700-2711.

[18] Phillips S J, Dudik M. Modeling of species distributions with Maxent:new extensions and a comprehensive evaluation [J]. Ecography, 2008,31:161-175.

[19] Phillips S J, Anderson R P, Dudík M, et al. Opening the black box:an open-source release of Maxent [J]. Ecography, 2017,40:887-893.

[20] Swets J A. Measuring the accuracy of diagnostic systems [J]. Science, 1988,240:1285-1293.

[21] Waltari E, Guralnick R P. Ecological niche modeling of montane mammals in the Great Basin, North America: examining past and present connectivity of species across basins and ranges [J]. Journal of Biogeography, 2009,36:148-161.

[22] Brito J C, Acosta A L, álvares F, et al. Biogeography and conservation of taxa from remote regions: An application of ecological-niche based models and GIS to North-African canids [J]. Biological Conservation, 2009,142:3020-3029.

[23] Newbold T, Gilbert F, Zalat S, et al. Climate-based models of spatial patterns of species richness in Egypt's butterfly and mammal fauna [J]. Journal of Biogeography, 2009,36:2085-2095.

[24] Ramírez-Barahona S, Torres-Miranda A, Palacios-Ríos M, et al. Historical biogeography of the Yucatan Peninsula, Mexico: a perspective from ferns (Monilophyta) and lycopods (Lycophyta) [J]. Biological Journal of the Linnean Society, 2009,98:775-786.

[25] Donegan T M & Avenda?o J E. A new subspecies of mountain tanager in the Anisognathus lacrymosus complex from the Yariguíes Mountains of Colombia [J]. Bulletin of the British Ornithologists Club, 2010,130:13-32.

[26] 中國科學院中國植物志編輯委員會.中國植物志[M]. 北京:科學出版社, 1996. Chinese Flora Editorial Board of the Chinese Academy of Sciences. Chinese flora [M]. Beijing: Science Press, 1996.

[27] 陳孝丑.紫花含笑扦插繁殖試驗[J]. 福建林業科技, 2014,41(3): 128-131.Chen Xiaochou. Experiment on the propagation ofcuttings [J]. Journal of Fujian Forestry Science and Technology, 2014,41(3):128-131.

[28] 王 靜,孫軍平,石 磊,等.中國自然保護區建設的現狀、存在問題及展望[J]. 中國人口·資源與環境, 2016,26(5):270-273. Wang Jing, Sun Junping, Shi Lei et al. Current situation, existing problems and prospects of construction of nature reserves in China [J]. China Population ? Resources and Environment, 2016,26(5):270-273.

Conservation status and human disturbance of the habitats of Michelia crassipes Law in China.

LIU Hui-ming1, GAO Ji-xi1*, SONG Chuang-ye2, YU Sheng-xiang2

(1.Satellite Environment Center, Ministry of Environmental Protection, Beijing 100094, China；2.The Institute of Botany, Chinese Academy of Sciences, Beijing 100093, China)., 2019,39(9)：3976~3981

This research aims to assess the habitat suitability ofLaw based on the species distribution data derived from specimen records and environmental variables through the approach of MaxEnt. The predicted habitat suitability was divided into suitable area and most suitable area according to the selected threshold. National reserve and land use data were used to conduct the analysis of conservation status and human disturbance of suitable habitat. The results show: Compared with topography variables and temperature variables, annual precipitation was the most important variables which influences the habitat suitability. The suitable habitat forLaw was mainly located in the east area of middle subtropics, between 22 and 30degrees north latitude and between 107 and 120 degrees east longitude. The area of most suitable habitat and suitable habitat were 137000km2and 270000km2. Guangdong, Guangxi, Hunan, Jiangxi and Fujian share the largest area of suitable habitat. Only 1.9% of the suitable habitats were under the protection of national reserves. Large areas of the suitable and most suitable habitats were left in a state without any protection. Woodland occupy the largest area of the suitable and most suitable habitat. However, human disturbance also occupy big area of suitable and most suitable habitat.

habitat suitability；maxent；receiver operating curve；land use；nature reserves；human disturbance

X826

A

1000-6923(2019)09-3976-06

劉慧明(1982-),女,山西臨縣人,正高級工程師,博士,主要從事生態遙感監管研究工作.發表論文20余篇.

2019-02-15

國家科技支撐計劃項目(2012BAC01B08)

* 責任作者, 研究員, gjx@nies.org