氣候變化背景下我國天麻種植適宜性和適宜區的評估

郝佳樂 趙炯超 趙明宇 王藝璇 逯 杰 石曉宇 高真真 褚慶全

氣候變化背景下我國天麻種植適宜性和適宜區的評估

郝佳樂 趙炯超 趙明宇 王藝璇 逯 杰 石曉宇 高真真 褚慶全*

中國農業大學農學院 / 農業農村部農作制度重點實驗室, 北京 100193

氣候變化通過改變物種棲息地的適宜性來影響物種的生長區域。天麻作為中國珍稀瀕危藥用植物, 評估其種植適宜區分布以及氣候變化對天麻種植適宜性的影響可以為天麻生產布局提供重要依據。本研究采用MaxEnt模型, 基于我國天麻地理分布數據和環境數據, 模擬天麻種植適宜性和適宜區的空間分布和變化。結果表明, 影響天麻分布的主要環境因子是5月至7月太陽輻射量、10月至11月降水量、最冷月最低溫和植被類型。我國天麻種植高適宜區主要分布在四川盆地周圍的西南地區。1961—2020年, 天麻種植適宜性呈波動增加趨勢, 種植適宜性提高的面積占全國陸地面積的9.10%, 主要分布在西南地區、華中、華東的部分地區以及陜西省。過去60年間5月至7月太陽輻射量總體上的下降是天麻種植適宜性提高的主要原因。本研究通過對天麻種植適宜性準確評估和種植適宜區變化因子解析, 為我國天麻生產與人工栽培選址提供科學依據, 對制定應對未來氣候變化的對策具有借鑒意義。

天麻; 種植適宜性; 環境因子; MaxEnt; ArcGIS

政府間氣候變化專門委員會(Intergovemmental Panel on Climate Change, IPCC)第五次評估報告指出,到21世紀末, 全球平均氣溫將會上升1.4～5.8℃[1]。全球變暖加劇了氣象災害的發生頻率和嚴重程度, 農業生態系統也在全球變化中發生著固有的變化[2]。作物生長發育與實際氣候條件的一致性決定了氣候適宜性的高低, 高度適宜性是作物穩產高產的有利條件[3]。探索氣候變化背景下作物種植適宜性和適宜區分布的動態變化可以為作物生產應對氣候變化提供理論依據和技術支撐。

作物種植適宜性評價與區劃是利用生態學、地理學等方法, 依據研究區域內自然生態資源對作物生長所需氣候、土壤、地形等因素的匹配程度, 科學地評價并劃分作物種植環境的適宜性等級。對作物種植適宜性的研究, 本質上是通過統計或理論推導建立作物發生數據與相應環境變量之間的定量關系, 并將這種關系推廣到研究區域, 從而預測目標作物的空間分布。這種方法與物種分布模型的原理相一致, 因此物種分布模型逐漸發展為研究作物種植適宜性的重要工具[4]。隨著數學建模方法和地理信息系統的發展, 已經建立了許多物種分布模型, 如最大熵(Maximum Entrop Model, MaxEnt)模型、生物氣候模型(Bioclimatic Model, BIOCLM)、規則集生成遺傳算法(Genetic Algorithm for Rule-set Production, GARP)、廣義可加性模型(Generalized Additive Model, GAM)等用于相關研究[5]。與其他物種分布模型相比, MaxEnt模型具有支持多變量、樣本需求小、靈活性高、結果解釋簡單等優點[6]。目前該模型已被廣泛用于主要糧食作物適宜區預測, 瀕危物種的適宜棲息地預測, 以及氣候變化對作物生產影響的研究[7-9]。然而, 基于MaxEnt物種分布模型對中國天麻種植適宜性和適宜區的評估信息相對有限。通過MaxEnt模型結合GIS空間分析功能獲取到天麻的種植適宜性和適宜區可以為未來我國天麻的種植布局規劃提供重要理論依據。

天麻()是一種名貴中藥, 隸屬蘭科(Orchidaceae)天麻屬植物, 其塊莖具有較高的營養價值[10]。野生天麻品質較好, 但多年來過度采挖導致其資源日漸枯竭, 現已成為國家二級保護植物。如今市場上的天麻多來源于人工栽培, 但栽培生產過程中品種退化、栽培密集、種群種類失衡等問題嚴重影響天麻產業發展[11]。環境因子對植物生長分布具有重要影響, 辨識影響天麻生長的環境因子, 在此基礎上評估其種植適宜性和適宜區對指導天麻生產和布局具有重要意義。前人在研究天麻種植適宜性方面, 選取環境因子大多來源于公共數據[12]或僅考慮氣候因素的影響[13], 這些氣候因子和標準生物氣候變量的收集和計算相對方便, 但欠缺針對天麻生物學特性環境因子的科學考量, 普適性的環境數據不足以模擬特定作物的空間分布。天麻作為地理分布和生態適應性較窄的作物, 其在生長發育的不同階段對環境因子有著特殊的要求。天麻是2～3年生草本植物, 從種植到收獲, 其關鍵生長周期為種子萌發、原球莖、米麻、白麻、箭麻5個階段[14]。其中, 5月至7月是天麻唯一的地面生長階段, 強烈的直射光會危害花莖生長, 因此5月至7月的太陽輻射量對天麻的產量和品質有重要影響[15]。10月至11月是全國天麻主產區的集中成熟期, 此間降雨量會影響天麻大小和內容物含量[16]。因此在研究天麻適宜性或適宜區的分布要充分考慮這些關鍵環境因子。此外, 目前已有研究多限于小范圍區域[17]及單一年代[18], 針對全國范圍內天麻適宜性和適宜區年際間變化的研究較少。隨著天麻的功效和藥用價值逐漸被認可, 國內需求量大且價格昂貴。天麻人工栽培的種植面積迅速增加, 種植的區域也逐漸擴大, 導致一些不適宜天麻種植區域大量種植天麻, 從而使天麻的產量和品種受到影響[19]。因此, 迫切需要對我國天麻的種植適宜區進行劃分。鑒于此, 本研究基于MaxEnt模型評估1961年至2020年我國天麻種植適宜性和適宜區的變化, 分析影響天麻分布的主要環境因子及主導環境因子對天麻種植適宜性和適宜區的影響, 以期為我國天麻科學種植和引種栽培提供理論和技術支撐。

1 數據來源與研究方法

1.1 天麻地理分布數據

本研究使用的氣象數據來自1961—2020年全國707個標準氣象站點的逐日氣象數據。天麻地理分布數據來源于全球生物多樣性信息(GBIF, https:// www.gbif.org/)、中國虛擬植物標本館(Chinese Virtual Herbarium, CVH, https://www.cvh.ac.cn/)以及文獻檢索獲取到的全國天麻地理分布點。其中, 檢索文獻必須符合在中國進行大田試驗且試驗地理坐標有詳細記錄, 或具體到行政區縣地名而無經緯度的點, 再進一步根據“谷歌地球”進行經緯度定位反查坐標。得到378組分布點數據。使用ENMtools工具包, 篩除重復點并在1 km距離內只保留1個分布點, 以減小分布點數據空間自相關引發的環境偏差過度擬合, 最終保留334個天麻種植分布站點(圖1)。

1.2 環境因子數據

根據天麻生長發育特征, 綜合考慮氣候、土壤、地形植被等環境因子, 研究了影響天麻分布的主導環境因子。本研究使用的氣象數據來自1961—2020年全國707個標準氣象站點的逐日氣象數據。其中, 10月至11月降水量、最冷月最低溫等日基本氣候數據在逐日氣象數據的基礎上計算多年平均值, 并應用ANUSPLIN方法進行插值。等溫性、降水變異系數等生物氣候變量和太陽輻射由R包dismo的biovar函數計算得出, 土壤有機碳、土壤含水量、土壤含黏量等土壤質地數據來源于世界土壤數據庫(Harmonized World Soil Database, HWSD, http://westdc.westgis.ac. cn/data/), 植被類型數據地形特征參考數字高程模型(Digital Elevation Model, DEM)以及資源與環境科學與數據中心(https://www.resdc.cn/)獲取。

由于環境因素之間復雜的空間自相關性, MaxEnt模型存在過擬合風險[20]。本研究根據分布點對所有環境變量重采樣, 利用ArcGIS和Origin先對連續變量進行Pearson相關性分析, 結合天麻的生理生態習性, 從強相關變量中僅選擇一個變量保留(|| < 0.8), 再將保留的連續變量和最初選取的分類變量進行Spearman相關性分析, 當2個環境因子之間的相關性達到0.8以上時舍去其中一個環境因子用于模型運行, 去除共線變量, 避免預測過擬合[21]。為進一步改進模型, 又使用折刀檢驗去除貢獻率低的變量[22]。最后, 本研究將11個環境因子確定為影響天麻種植分布的潛在環境因子, 將各環境因子插值到1 km × 1 km網格, 并將所有環境變量層都轉換為ASCII格式, 以便在MaxEnt模型中使用(表1)。

1.3 模型設置與評估

MaxEnt模型是一種結合統計建模和機器學習的算法, 它根據最大熵原理, 從僅存在的數據和環境變量中模擬出一個物種存在的概率。本研究使用的MaxEnt模型版本為3.4.1。隨機選取75%的農業氣象站記錄作為訓練數據, 獲得模型的基本參數, 其余25%的記錄作為測試數據評估模型的適用性[29]。為了降低模型的不確定性, 對每種子樣本類型進行了10次重復, 并對其結果取平均[30]。對所有環境變量進行刀切試驗, 確定影響天麻分布的主導環境因子。MaxEnt模型采用受試者工作特征曲線ROC作為模型模擬精度的衡量方法, ROC曲線與橫坐標軸圍成的面積稱為AUC值(范圍從0.5到1.0), 該值是目前公認的最優模型精度檢測指標。AUC值越高, 模擬結果越好。根據AUC值, 模型性能可分為: 0.90～1.00優秀; 0.80～0.90良好; 0.70～0.80平均值; 0.60～0.70較差; 0.50～0.60失敗[31]。

圖1 我國標準氣象站點與天麻種植分布點地理分布圖

該圖基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS (2019) 1822號的標準地圖制作, 底圖邊界無修改。

This map is based on the standard map downloaded from the standard map service website of the National Bureau of Surveying, Mapping and Geographic Information with the approval number GS (2019) 1822. The boundary of the base map is not modified.

表1 影響天麻種植分布的潛在環境因子

1.4 數據分析

為探究天麻種植適宜性的時空變化, 將研究時段分為1961—1970年、1971—1980年, 1981—1990年、1991—2000年、2001—2010年、2011—2020年6個時間段, 并采用MaxEnt模型模擬不同時段天麻的存在概率。最后, 將天麻的種植適宜性分為4類: 種植不適宜性(0<≤0.2)、種植低適宜性(0.2<≤0.4)、種植中適宜性(0.4<≤0.6)、種植高適宜性(0.6<≤1.0)[32]。將不同年代種植適宜性進行對比, 探索天麻種植適宜性的時空變化。利用ArcGIS10.6的空間分析技術和ANUSPLIN插值方法將MaxEnt模型計算的結果進行疊加與地圖制作。

2 結果與分析

2.1 影響天麻種植適宜區分布的主導環境因子

在利用MaxEnt模型進行模擬之前, 需要對MaxEnt模型進行模擬精度驗證。以60年的平均氣象數據進行預測時, 10個重復訓練數據的AUC平均值為0.958, 試驗數據AUC平均值為0.921, 說明模型模擬結果優秀。在6個不同的時間段內, 試驗數據的AUC值在0.915～0.923之間, 進一步證明模型是相對可靠的(圖2)。

僅使用單因素建立模型時, 5月至7月太陽輻射量的正則化訓練增益(深藍色條帶)最大(圖3-a), 說明該氣候因子對天麻分布最為重要。當使用除植被類型外的所有因子時, 正則化訓練增益(淺藍色條帶)最低(圖3-a), 說明植被類型包含了最多其他因子不包含的信息。5月至7月太陽輻射量、植被類型、10月至11月降水量和最冷月最低溫的綜合貢獻率達到87.00% (圖3-b)。這4個因子被確定為影響天麻種植分布的主導環境因子。

圖2 受試者操作特征曲線(ROC)

紅線是平均值, 藍線為MaxEnt重復運行10次的響應曲線。

Red lines are the mean values and blue lines are response curves obtained from each of 10 MaxEnt runs.

圖3 基于jackknife 檢驗的MaxEnt模型的正則化訓練增益(a)和貢獻百分比(b)

在(a)中, 紅色柱狀圖顯示了使用所有環境因子的模型的訓練增益, 深藍色柱狀圖顯示了僅使用一種環境因子的模型的訓練增益, 淺藍色柱狀圖顯示了除一種環境因子外使用所有環境因子的模型的訓練增益。Veg: 植被類型; Solar_5to7: 5月至7月太陽輻射量; Pre_10to11: 10月至11月降水量; Mintem_CM: 最冷月最低溫; CVpre: 降水變異系數; SCS: 土壤含沙量; SOC: 土壤有機碳; Slope: 坡度; ISO: 等溫性; SWC: 含水量; Aspect: 坡向。

In (a), the red bar shows the training gain of the model using all Ecological factors, the dark blue bar shows the training gain of the model using only one Ecological factor, and the light blue bar shows the training gain of the model using all but one factor. Veg: vegetation; Solar_5to7: solar radiation from May to July; Pre_10to11: precipitation in October and November; Mintem_CM: minimum temperature of coldest month; CVpre: precipitation variability; SCS: soil sediment concentration; SOC: soil organic carbon; ISO: isothermality; SWC: soil water content.

根據MaxEnt模型繪制的單變量響應曲線, 以存在概率≥0.6為劃分界限, 得到主導因子在不同適生等級的響應區間。當5月至7月太陽輻射量在1230.14～1598.53MJ m–2, 10月至11月降水量在79.58～159.81 mm, 最冷月最低溫在-11.17 ～-0.68℃時天麻種植適宜性達到最大, 最適合天麻生長的植被類型是針葉林、針闊葉混交林和闊葉林(表2)。

2.2 天麻種植適宜區空間分布

天麻種植適宜區呈現出環繞高適宜區分布的特殊格局。在全國范圍內, 天麻主產區主要集中在西南地區(圖4)。四川盆地附近的部分山區是高度適宜種植的地區, 包括四川、重慶、陜西以及云南東北部。其中, 云南昭通市是天麻高適宜區分布面積最大且最集中的地區。除主產區外, 貴州、湖北西南部以及云南西南部種植適宜性為中度適宜, 這些地區也有一定的天麻種植面積。種植適宜性低的地區較為廣泛, 主要分布在中東部地區, 包括河南、湖北、安徽、浙江、福建、江西等省份。同時, 在吉林、臺灣、西藏東南部、廣東及廣西北部等區域也有天麻的種植。全國的天麻種植適宜區總面積為135.48×106hm2, 其中低適宜區面積為70.02×106hm2, 中適宜區為36.86×106hm2, 高適宜區為28.60× 106hm2。

表2 影響天麻種植適宜性主導環境因子閾值劃分

圖4 我國天麻種植適宜區空間分布

該圖基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS (2019) 1822號的標準地圖制作, 底圖邊界無修改。

This map is based on the standard map downloaded from the standard map service website of the National Bureau of Surveying, Mapping and Geographic Information with the approval number GS (2019) 1822. The boundary of this base map is not modified.

2.3 天麻種植適宜性時空變化

過去60年間, 我國天麻種植適宜性在空間上發生了明顯的變化?？傮w來看, 1961—2020年天麻種植適宜性提高的地區集中在華中和華東地區, 種植適宜區呈現出向東擴張的趨勢。華中和華東的部分地區, 由1961—1970年的不適宜區轉變為2011— 2020年的低適宜區(圖5)。1961—1970年高適宜區面積為15.09×106hm2, 雖然在2001—2020年略有下降, 但1961—2020年整體呈增加趨勢, 增加76.69%。中適宜區面積從1961—1970年的25.71×106hm2增加到2011—2020年的40.51×106hm2, 低適宜區面積增加了31.13%, 而不適宜區面積減少了5.32% (表3)。

總體來說, 1961—2020年60年間, 我國天麻種植適宜區面積呈波動增加趨勢, 60年間種植適宜區總面積增加44.46% (表3)。種植適宜性提高面積為87.40×106hm2, 種植適宜性提高的地區主要分布在我國西南、華中、華東的部分地區以及陜西南部地區。天麻種植適宜性不隨時間變化的地區(即適宜性在所有時間段均為中等或高)的面積為53.40×106hm2; 種植適宜性降低的地區零星分布在云南西北部、四川南部、重慶西南部, 種植適宜性降低面積僅占全國陸地面積的1.82% (圖5-c)。

圖5 我國天麻種植適宜區空間分布(a, b)及種植適宜性變化(c)

該圖基于國家測繪地理信息局標準地圖服務網站下載的審圖號為GS (2019) 1822號的標準地圖制作, 底圖邊界無修改。

This map is based on the standard map downloaded from the standard map service website of the National Bureau of Surveying, Mapping and Geographic Information with the approval number GS (2019) 1822. The boundary of this base map is not modified.

表3 我國不同年代天麻種植適宜區分布面積

3 討論

3.1 主導環境因子對天麻分布的影響

環境因子是物種分布模型的重要輸入數據, 環境因子的選擇直接影響預測結果的準確性。在以往的研究中, 通常從公共數據庫中獲取氣候因子或常見生物氣候變量用于預測氣候變化對作物空間分布的影響。張琴等[13]選取與溫度和降水相關的19個氣候變量作為影響天麻生長的環境數據研究天麻全球潛在適生區。王海峰等[18]研究天麻全國產地適宜性區劃, 所選用關鍵生態因子均來源于公共數據庫。本研究更加關注天麻關鍵物候期的生理生態習性, 在選取初始環境變量時定義了影響天麻生長發育和產量形成的潛在因子: 關鍵生育期的10月至11月降水量和天麻唯一地面生長階段的5月至7月太陽輻射量[15-16]。隨后逐步刪除對模型貢獻較小的潛在環境因子并構建最簡約模型?；贘ackknife的逐步篩選法有效剔除潛在的無關變量, 減少模型模擬的過擬合并獲得更加理想的預測結果。經篩選, 最終確定影響天麻種植分布的主導環境因子為5月至7月太陽輻射量, 10月至11月降水量, 最冷月最低溫和植被類型, 這些因素反映了天麻生長所需的光溫條件、雨水條件和植被分布條件。

天麻是天麻屬植物分布最北的類群, 具有一定的抗寒性, 能耐一定低溫, 但不能忍耐氣溫驟降或持續低溫[24], 所以天麻在-3℃至5℃時可以安全過冬, 但當初冬和初春時溫度驟降, 天麻常會受到凍害[23]。土壤水分供給也是影響天麻生長和產量形成的重要因素, 它強烈依賴于降水量。天麻適合在陰雨連綿, 多雨潮濕的氣候環境中生長, 不同季節天麻需水量不同, 9月以后雨水過多會造成塊莖腐爛[33]。主產區天麻完全成熟集中在11月, 這期間最適宜采收, 此間降雨量會影響天麻個頭大小和內容物含量[16]。本研究結果顯示, 當最冷月最低溫在-11.17 ～-0.68℃, 10月至11月降水量在79.58～159.81 mm時, 天麻種植適宜性達到最大。天麻花期的花莖雖具有明顯的趨光性, 但強烈的直射光會危害花莖[23]。本研究結果表明, 最適宜天麻生長的5月至7月太陽輻射量是1230.14～1598.53 MJ m-2。植被類型是影響局部環境小氣候的重要環境因子, 不同植被類型下, 地表光照條件、小環境溫度、土壤溫度、濕度和養分狀況都有較大差異, 可以對天麻生長產生重要影響[34]。本研究結果顯示最適合天麻生長的植被類型是針葉林、針闊葉混交林和闊葉林。相對于前人的研究, 本研究認為天麻對植被類型的適宜性更為寬泛, 而不是只局限于闊葉落葉林[35]。

3.2 天麻種植適宜區空間分布

MaxEnt模型預測結果顯示, 1961—2020年天麻種植高適宜區主要分布在云南東部、北部以及四川盆地附近的部分山區(圖4)。說明天麻分布帶雖然較廣, 但最適宜生長的區域相對集中。其中, 云南昭通市是天麻適宜區分布面積最大且最集中的地區。《中藥志》在介紹優質藥材天麻時候提到: “天麻主產于我國西南諸省, 而以云南昭通產者最為馳名[36]。從分布區的地理環境來看, 天麻的適生區主要位于亞熱帶, 氣候類型屬于亞熱帶濕潤性氣候, 夏季高溫多雨, 冬季溫和濕潤, 全年濕度大, 日照少, 適宜天麻生長。

前人有關天麻適宜性的研究也與本文得出相似結果。郭怡博等[12]研究結果表明當代氣候下陜西、四川、湖北、云南等地較適宜天麻種植產業發展。但前人研究時間范圍較為久遠且時間跨度較小, 本文研究1961—2020天麻適宜區的分布及變化更符合當今天麻種植適宜性的分布規律。張琴等[13]基于多個生態位模型對天麻在全球范圍內的潛在適生區進行預測, 結果顯示, 中國天麻集中分布在四川盆地附近, 這與本文天麻種植高適宜性分布地區結果一致。本文在研究天麻種植適宜區的基礎上又對天麻不同種植適宜性進行等級劃分, 明確四川盆地附近山區屬天麻種植高適宜區。此外, 受數據收集條件的限制, 天麻物種分布數據與環境數據采集時間之間可能尚存在偏差, 未來改善分布點與氣候模型的準確性和精細程度, 將更有助于解釋天麻適生區變化的原因。

3.3 天麻種植適宜性時空變化

任何生物都離不開其所處環境條件而生存, 影響天麻生長發育的主導環境因子的變化會影響其種植適宜性及適宜區的變化。根據本文研究結果, 過去60年間我國天麻種植適宜性呈波動增加趨勢。1961—2000年天麻適宜區總面積增加, 2001—2020適宜區總面積略有減少。高適宜區與適宜區總面積呈現出相同的變化規律(表3)。5月至7月太陽輻射量是決定天麻適宜性分布的最重要的主導因子, 因此, 太陽輻射量的變化必然會對天麻分布產生顯著影響。對5月至7月太陽輻射量狀態差進行驗證發現, 以2000年為界, 位于天麻主產區的西南大部地區1961—2000年太陽輻射量呈現下降趨勢, 2001— 2020年的5—7月太陽輻射量呈上升趨勢。太陽輻射量的變化與天麻高適宜區在時間上的變化呈現出相同的規律。天麻是一種喜陰作物, 除箭麻抽苔開花時需要部分的散射光外, 從種子播種至收獲都生長在地下, 過高的太陽輻射量不利于天麻生長[14], 羅夫來等[37]研究天麻的產量影響因子及生長發育規律時也證明了這一點。由此, 5月至7月太陽輻射量的增加會導致天麻種植適宜性的下降。在高適宜種植區集中分布的西南地區, 1961—2000年太陽輻射量下降, 在一定程度上使天麻適宜性提高, 高適宜區面積增加; 2001—2020年, 5月至7月太陽輻射量增加, 天麻適宜性降低, 高適宜區面積減少。另有研究證實, 近年來中國的太陽輻射經歷了“全球變暗”和“全球變亮” 2個階段, 西南地區也出現了相同的變化模式, 且變化之后仍低于20世紀60年代之前的水平[38]。因此, 在1961—2020年整體研究期間, 西南地區天麻高適宜區面積增大。

從天麻分布的空間變化看, 1961—2020年間天麻種植適宜區呈現出向東擴張的趨勢(圖5)。天麻適宜性提高的地區主要集中在華中和安徽、浙江、江西等華東部分地區, 這些地區由種植不適宜區轉變為低適宜區。有關文獻表明, 華中和華東地區太陽輻射量總體上也呈下降趨勢[39-40]。太陽輻射量下降在一定程度上使華中和華東部分地區的天麻種植適宜性提高。石子為等[41]在對昭通天麻潛在分布區域的研究中, 也認為5月至7月太陽輻射量會對天麻生殖生長關鍵階段產生重要影響。

4 結論

本研究利用MaxEnt模型構建了1961—2020年中國天麻種植適宜區分布與環境因子的關系, 確定了影響天麻分布的主導環境因子, 揭示了天麻種植適宜性的時空分布和變化規律。主要結論如下: (1) 影響天麻種植適宜性的主導環境因子是5月至7月太陽輻射量、植被類型、10月至11月降水量、最冷月最低溫, 這些因子決定了天麻種植適宜性的高低和種植適宜區的分布。(2) 我國天麻種植適宜區主要分布在四川盆地周圍的西南地區, 四川盆地附近部分山區是高度適宜的地區, 包括四川、重慶、陜西以及云南東北部。(3) 過去的60年間, 天麻的種植適宜性呈波動上升趨勢, 種植適宜性改善面積占全國陸地面積的9.10%, 主要集中在西南地區、華中、華東的部分地區以及陜西省。(4) 1961—2020年60年間, 5月至7月太陽輻射量總體上的下降是天麻種植適宜性提高的主要驅動因子。研究結果可為優化天麻種植分布及其產業發展提供理論依據和技術支撐。

[1] Intergovernmental Panel on Climate Change. Climate Change 2013: the Physical Science Basis. Working Group I: Contribution to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 2013. pp 5–6.

[2] 商蒙非, 石曉宇, 趙炯超, 李碩, 褚慶全. 氣候變化背景下中國不同區域玉米生育期高溫脅迫時空變化特征. 作物學報, 2023, 49: 167–176. Shang M F, Shi X Y, Zhao J C, Li S, Chu Q Q. Spatial and temporal characteristics of high temperature stress during maize fertility in different regions of China in the context of climate change., 2023, 49: 167–176 (in Chinese with English abstract).

[3] 韓湘玲. 作物生態學. 北京: 氣象出版社, 1991. pp 15–18. Han X L. Crop Ecology. Beijing: China Meteorological Press, 1991. pp 15–18 (in Chinese).

[4] Guisan A, Thuiller W. Predicting species distribution: offering more than simple habitat models., 2005, 8: 993–1009.

[5] Zhao J C, Wang C, Shi X Y, Bo X Z, Li S, Shang M F, Chen F, Chu Q Q. Modeling climatically suitable areas for soybean and their shifts across China., 2021, 192: 1873–2267.

[6] Yuan H S, Wei Y L, Wang X G. Maxent modeling for predicting the potential distribution of Sanghuang, an important group of medicinal fungi in China., 2015, 2: 140–145.

[7] He Q J, Zhou G S, Lu X M, Zhou M Z. Climatic suitability and spatial distribution for summer maize cultivation in China at 1.5 and 2.0?C global warming., 2019, 64: 690–697.

[8] Kumar S, Stohlgren T J. Maxent modeling for predicting suitable habitat for threatened and endangered treein New Caledonia., 2009, 1: 94–98.

[9] Fand B B, Kumar M, Kamble A L. Predicting the potential geographic distribution of cotton mealybugin India based on MAXENT ecological niche model., 2014, 35: 973.

[10] 國家藥典委員會. 中華人民共和國藥典(一部). 北京: 中國醫藥科技出版社, 2020. pp 59–60. National Pharmacopoeia Commission. Pharmacopoeia of the People’s Republic of China (Part 1). Beijing: China Pharmaceutical Science and Technology Press, 2020. pp 59–60 (in Chinese).

[11] 胡榮麗. 天麻栽培管理技術分析. 農業與技術, 2015, 35(4): 111. Hu R L. Analysis of cultivation and management technical of., 2015, 35(4): 111 (in Chinese with English abstract).

[12] 郭怡博, 莫可, 王桂榮, 張悅, 張偉, 周建國, 孫志蓉. 未來氣候條件下天麻適生區預測及時空變化分析. 中國中醫藥信息雜志, 2022, 29(7): 1–7. Guo Y B, Mo K, Wang G R, Zhang Y, Zhang W, Zhou J G, Sun Z R. Prediction and spatial and temporal variation analysis of asparagus suitable areas under future climate conditions., 2022, 29(7): 1–7 (in Chinese with English abstract).

[13] 張琴, 張東方, 吳明麗, 郭杰, 孫成忠. 基于生態位模型預測天麻全球潛在適生區. 植物生態學報, 2017, 41: 770–778. Zhang Q, Zhang D F, Wu M L, Guo J, Sun C Z. Predicting the global potential fitness zones of asparagus based on ecological niche model., 2017, 41: 770–778 (in Chinese with English abstract).

[14] 胡青青, 王詠菠, 胥烜勛, 黎敏, 王濤. 天麻栽培技術與品種選育研究進展. 中國藥學雜志, 2021, 56: 868–874. Hu Q Q, Wang Y B, Xu X X, Li M, Wang T. Progress of cultivation technology and variety selection of Tianma., 2021, 56: 868–874 (in Chinese with English abstract).

[15] 余彬情, 楊玲, 張啟鑫, 田佳昕, 萬文勇. 天麻環境習性分析及栽培方法探究. 南方農業, 2020, 14(32): 58–59. Yu B Q, Yang L, Zhang Q X, Tian J X, Wan W Y. Analysis of environmental habit and cultivation method of., 2020, 14(32): 58–59 (in Chinese with English abstract).

[16] 劉金美, 田治蛟, 戴堃, 張昌飛, 余顯倫, 郭有剛, 劉大會. 昭通烏天麻最佳采收期研究. 中國現代中藥, 2016, 18(2): 189–192. Liu J M, Tian Z J, Dai K, Zhang C F, Yu X L, Guo Y G, Liu D H. Study on the optimal harvesting period of Zhaotong Wu Tianma., 2016, 18(2): 189–192 (in Chinese with English abstract).

[17] 陳順芳, 黃先敏, 祁岑. 天麻的生長發育過程及其營養特性. 昭通師范高等?？茖W校學報, 2011, 33(5): 19–21. Chen S F, Huang X M, Qi C. Growth and development process of asparagus and its nutritional characteristics., 2011, 33(5): 19–21 (in Chinese with English abstract).

[18] 王海峰, 王超群, 尉廣飛, 黃欽, 張海珠, 董林林. 天麻全國產地適宜性區劃及其種植技術. 中國現代中藥, 2021, 23: 1869–1875. Wang H F, Wang C Q, Wei G F, Huang Q, Zhang H Z, Dong L L. The suitability zoning of national origin of asparagus and its cultivation technology., 2021, 23: 1869–1875 (in Chinese with English abstract).

[19] 江維克, 張進強, 郭蘭萍, 楊野, 肖承鴻, 袁青松, 王曉, 周濤. 天麻種植產業生態化發展的思路與建議. 中國中藥雜志, 2022, 47: 2277–2280. Jiang W K, Zhang J Q, Guo L P, Yang Y, Xiao C H, Yuan Q S, Wang X, Zhou T. Ideas and suggestions for ecological development of Tianma plantation industry., 2022, 47: 2277–2280 (in Chinese with English abstract).

[20] Sillero N. What does ecological modelling model A proposed classification of ecological niche models based on their underlying methods., 2011, 222: 1343–1346.

[21] Peterson A T, Nakazawa Y. Environmental data sets matter in ecological niche modelling: an example withand., 2008, 17: 135–144.

[22] Worthington T A, Zhang T, Logue D R, Mittelstet A R, Brewer K. Landscape and flow metrics affecting the distribution of a federally-threatened fish: improving management, model fit, and model transferability., 2016, 342: 1–18.

[23] 劉炳仁. 天麻高產栽培技術. 上海: 上?？茖W技術文獻出版社, 1992. pp 21–22. Liu B R. Cultivation Technology of High Yield of Asparagus. Shanghai: Shanghai Science and Technology Literature Press, 1992. pp 21–22 (in Chinese).

[24] 彭華勝, 王德群. 生態因子與古今天麻產區的關系. 現代中藥研究與實踐, 2007, 22(2): 6–9. Peng H S, Wang D Q. Affecting ecological factor on location of., 2007, 22(2): 6–9 (in Chinese with English abstract).

[25] 何海艷, 王玉川, 丁培超, 胡德分, 余顯倫, 楊成巧. 天麻種植生態氣候條件及增產技術. 南方農業, 2018, 12(36): 5–7. He H Y, Wang Y C, Ding P C, Hu D F, Yu X L, Yang C Q. Ecological and climatic conditions of asparagus cultivation and yield enhancement techniques., 2018, 12(36): 5–7 (in Chinese with English abstract).

[26] 曾玉潔, 王業紅, 譚濤, 王傳華. 北方蜜環菌菌索生長、發育對環境氧氣及土壤濕度的響應. 菌物學報, 2022, 41: 739–748. Zeng Y J, Wang Y H, Tan T, Wang C H. Response of growth and development of northern honey ring fungus mycelium to environmental oxygen and soil moisture., 2022, 41: 739–748 (in Chinese with English abstract).

[27] 袁崇文. 中國天麻. 貴陽: 貴州科技出版社, 2002. p 17. Yuan C W. Chinese Tianma. Guiyang: Guizhou Science and Technology Press, 2002. p 17 (in Chinese).

[28] 劉威, 趙致, 王華磊, 羅夫來, 李金玲, 劉紅昌, 羅春麗. 不同坡向與種植層數組合對仿野生栽培紅天麻的影響. 中藥材, 2015, 38: 883–888. Liu W, Zhao Z, Wang H L, Luo F L, Li J L, Liu H C, Luo C L. Effects of different combinations of slope orientation and planting layers on wild-cultivated red asparagus., 2015, 38: 883–888 (in Chinese with English abstract).

[29] Singh K, McClean C J, Buker P, Hartley S E, Hill J K. Mapping regional risks from climate change for rainfed rice cultivation in India., 2017, 156: 76–84.

[30] Papier C M, Poulos H M, Kusch A. Invasive species and carbon flux: the case of invasive beavers () in riparian Nothofagus forests of Tierra del Fuego Chile., 2019, 153: 219–234.

[31] Swets J A. Measuring the accuracy of diagnostic systems., 1988, 240: 1285–1293.

[32] 馬青江, 孫操穩, 張樂英, 胡梓恒, 張仕嬌, 洑香香. 東亞四照花群體中國潛在適生區預測研究. 南京林業大學學報(自然科學版), 2019, 43(5): 135–140. Ma Q J, Sun C W, Zhang L Y, Hu Z H, Zhang S J, Fu X X. Prediction of the potential habitat of East Asian Tetrahymena group in China.(Nat Sci Edn), 2019, 43(5): 135–140 (in Chinese with English abstract).

[33] 周元. 天麻生物學特性研究. 西北農林科技大學碩士學位論文, 陜西楊凌, 2005. Zhou Y. Biological Characterization of Asparagus. MS Thesis of Northwest Agriculture and Forestry University of Science and Technology, Yangling, Shaanxi, China, 2005 (in Chinese with English abstract).

[34] 羅夫來, 劉威, 張博華, 趙致, 王華磊, 李金玲. 地理與植被因子對云貴高原仿野生栽培天麻的影響. 北方園藝, 2023, (9): 97–103. Luo F L, Liu W, Zhang B H, Zhao Z, Wang H L, Li J L. Influence of geographic and vegetation factors on the wild cultivation of Tianma in the Yunnan-Guizhou Plateau., 2023, (9): 97–103 (in Chinese with English abstract).

[35] 中國植被編輯委員會. 中國植被. 北京: 科學出版社, 1995. pp 731–745. Chinese Vegetation Editorial Committee. Vegetation of China. Beijing: Science Press, 1995. pp 731–745 (in Chinese).

[36] 中國醫學科學院藥物研究所. 中藥志. 北京: 人民衛生出版社, 1959. p 88． Institute of Pharmaceutical Sciences, Chinese Academy of Medical Sciences. Chinese Medicine. Beijing: People’s Health Publishing House, 1959. p 88 (in Chinese).

[37] 羅夫來, 劉威, 張博華, 趙致, 王華磊, 李金玲, 羅春麗. 云貴高原仿野生栽培天麻的產量影響因子及生長發育規律研究. III: 生長發育規律與生境因子特征. 時珍國醫國藥, 2021, 32: 1221–1225. Luo F L, Liu W, Zhang B H, Zhao Z, Wang H L, Li J L, Luo C L. Study on yield influencing factors and growth and development patterns of wild cultivated asparagus on the Yunnan-Guizhou plateau. III: Growth and development patterns and habitat factor characteristics., 2021, 32: 1221–1225 (in Chinese with English abstract).

[38] Yang S, Wang X L, Wild M. Homogenization and trend analysis of the 1958–2016 in situ surface solar radiation records in China., 2018, 31: 4529–4541.

[39] 齊月, 房世波, 周文佐. 近50年來中國地面太陽輻射變化及其空間分布. 生態學報, 2014, 34: 7444–7453. Qi Y, Fang S B, Zhou W Z. Variation and spatial distribution of surface solar radiation in China over recent 50 years., 2014, 34: 7444–7453 (in Chinese with English abstract).

[40] 申彥波, 王標. 近50年中國東南地區地面太陽輻射變化對氣溫變化的影響. 地球物理學報, 2011, 54: 1457–1465. Shen Y B, Wang B. Effect of surface solar radiation variations on temperature in South-East China during recent 50 years., 2011, 54: 1457–1465 (in Chinese with English abstract).

[41] 石子為, 馬聰吉, 康傳志, 王麗, 張智慧, 陳駿飛, 張小波, 劉大會. 基于空間分析的昭通天麻生態適宜性區劃研究. 中國中藥雜志, 2016, 41: 3155–3163. Shi Z W, Ma C J, Kang C Z, Wang L, Zhang Z H, Chen J F, Zhang X B, Liu D H. Research on the ecological suitability zoning of Zhaotong Tianma based on spatial analysis., 2016, 41: 3155–3163 (in Chinese with English abstract).

Assessment of the cultivation suitability and suitable regions ofunder climate change in China

HAO Jia-Le, ZHAO Jiong-Chao, ZHAO Ming-Yu, WANG Yi-Xuan, LU Jie, SHI Xiao-Yu, GAO Zhen-Zhen, and CHU Qing-Quan*

College of Agronomy and Biotechnology, China Agricultural University / Key Laboratory of Farming System, Ministry of Agriculture and Rural Affairs, Beijing 100193, China

Climate change affects species growth areas by altering the suitability of their habitats. As a rare and endangered medical plant in China, the evaluation of the suitable distribution area and the impact of climate change on the suitability ofcan provide important information for the production layout of. In this study, the MaxEnt model was used to simulate the spatial distribution and changes of the suitability and suitable area forcultivation from 1961 to 2020, based on geographic distribution and environmental data. Results showed that the main environmental factors affecting the distribution ofwere solar radiation from May to July, precipitation in October and November, the minimum temperature in the coldest month, and vegetation type. The high suitable areas forcultivation in China were mainly distributed in the southwestern region around the Sichuan Basin. 1961 to 2020, the suitability forcultivation had shown a fluctuating increasing trend, with the area of improved suitability accounting for 9.10% of the total land area of China, mainly concentrated in Southwest China, the parts of central and eastern China, and Shaanxi province. The overall decrease in solar radiation from May to July over the past 60 years was the main reason for the increased suitability of asparagus cultivation. This study provided a scientific basis for the production and artificial cultivation site selection ofin China, which provided reference significance for formulating strategies to respond to future climate change.

; planting suitability; environmental factors; MaxEnt model; ArcGIS

10.3724/SP.J.1006.2024.34098

本研究由云南省重大科技項目(202202AE090029)資助。

This study was supported by the Major Science and Technology Projects in Yunnan Province (202202AE090029).

褚慶全, E-mail: cauchu@cau.edu.cn

E-mail: sy20223010148@cau.edu.cn

2023-06-10;

2023-10-23;

2023-12-08.

URL: https://link.cnki.net/urlid/11.1809.S.20231207.1314.002

This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).