氣候變化下黃花刺茄在內蒙古的潛在適生區預測

摘要：黃花刺茄（Solanum rostratum Dunal）是一種繁殖能力較強的外來入侵物種，對其進行監測和預報對于保護生態安全、為防治工作提供科學數據具有重要意義。為探究黃花刺茄在內蒙古的未來適生區變化，本研究通過對2種氣候情景下（SSP126可持續發展路徑、SSP585化石燃料常規發展路徑）用MaxEnt模型對現在2020s及未來2050s和2070s的黃花刺茄在內蒙古的適生區進行了預測。結果顯示：MaxEnt的訓練集AUC（Area under curve）值為0.927，其中最暖季度平均降水量和最冷季度平均溫度為影響黃花刺茄分布的主要氣候變量；當代2020s的黃花刺茄主要集中在內蒙古的東部地區，未來2050s和2070s會向西部地區遷移；在SSP126氣候情景下，黃花刺茄2050s適生面積為4.0371×105 km2，2070s為5.5407×105 km2；在SSP585氣候情景下，黃花刺茄2050s適生面積達到 5.8343×105 km2，2070s為8.2609×105 km2；SSP126下的黃花刺茄適生區擴增更慢。根據可持續發展的國家政策，SSP126氣候情景更符合未來的適生區預測。

關鍵詞：黃花刺茄；MaxEnt；潛在適生區；外來入侵

中圖分類號：S451 " " " "文獻標識碼：A " " " "文章編號：1007-0435（2025）01-0213-09

Prediction of the Potential Distribution Area of Solanum rostratum Dunal in Inner Mongolia under Climate Change

MENG Da1， DONG Jin-yang1， JIANG Hai-yan1*， ZHAO Sheng-guo2， WU Yun-ju3， DANG Hai-long4， FANG Yu-xin1

（1.School of Forestry， Inner Mongolia Agricultural University， Hohhot ， "Inner Mongolia 010018， China； 2.Inner Mongolia Forestry and Grassland Pest Control and Quarantine Station， Hohhot， Inner Mongolia 010010， China； 3.Hohhot Forestry and Grassland Bureau Yuquan Branch， Hohhot，Inner Mongolia 010010， China； 4.Saihan Branch of Hohhot Forestry and Grassland Bureau， Hohhot， Inner Mongolia 010010， China）

Abstract：Solanum rostratum Dunal is a quarantine weed with an extremely high reproductive capacity. Monitoring and predicting its spread is crucial for protecting ecological security and providing scientific data for effective prevention and control measures. This study aims to explore future changes in the suitable growth areas of S. rostratum Dunal in Inner Mongolia. The MaxEnt model was used to predict the suitable growth areas for this species in the 2020s， 2050s， and 2070s under two climate scenarios： SSP126 （a sustainable development pathway） and SSP585 （a conventional fossil fuel development pathway）. The results show that the Area Under the Curve （AUC） value of the MaxEnt model’s training set is 0.927， indicating high predictive accuracy. The main climatic factors affecting the distribution of S. rostratum are the average precipitation in the warmest quarter and the average temperature in the coldest quarter. In the 2020s， the plant is primarily concentrated in the eastern region of Inner Mongolia. However， by the 2050s and 2070s， it is expected to migrate to the western region. Under the SSP126 scenario， the suitable area for S. rostratum is predicted to be 403 710 km2 by the 2050s and 554 070 km2 by the 2070s. In contrast， under the SSP585 scenario， the suitable area expands to 583 430 km2 by the 2050s and 826 090 km2 by the 2070s. This suggests a slower expansion under SSP126， which aligns with national policies focused on sustainable development.

Key words：Solanum rostratum Dunal；MaxEnt；Potential distribution area；Alien invasive species

黃花刺茄（Solanum rostratum Dunal），又名刺萼龍葵，茄科茄屬，1年生草本植物，全株密被黃色的硬刺，競爭能力和適應能力很強［1］，很容易在新的環境中占據領地，與當地物種競爭水分、光照、土壤營養、空間等生存資源，占據本地物種的生態位，破壞入侵地的生態系統，致使本地物種失去競爭力，甚至滅絕。黃花刺茄常生長于荒地、草原、河灘和過度放牧的牧場，易形成大片單一群落，可傷害家畜，影響放牧和羊毛產量，其植株有毒，誤食后可造成嚴重的腸炎和出血，果實含有神經毒素茄堿，可致牲畜死亡［2］。黃花刺茄原產于北美洲，我國最早于1981年在遼寧省朝陽市朝陽縣發現，目前已擴散至吉林省白城市、北京市、河北省張家口市、新疆烏魯木齊市［3］。2009年首次在內蒙古自治區赤峰市巴林右旗發現該物種［4］。目前，黃花刺茄在內蒙古的分布仍在不斷擴展，現已廣泛分布于內蒙古的許多地區，包括呼倫貝爾市、興安盟、通遼市、赤峰市、錫林郭勒盟、呼和浩特市、鄂爾多斯市、包頭市、巴彥淖爾市。這種入侵已對當地的生態環境、經濟發展造成了巨大影響，致使當地林業部門每年投入大量人力物力進行防治，對其進行監測預報可以為其防治規劃提供實驗科學依據。

近年來，很多學者采用生態位模型在不同尺度上對黃花刺茄的適生區進行了預測研究。黃花刺茄在中國的潛在適生區預測顯示，黃花刺茄在我國具有嚴重的擴散能力，在我國北方有蔓延成災的風險 ［5-6］。其中在東北各省里遼寧省的入侵最為嚴重［7］，黃花刺茄在遼寧省全境適生［8-9］。在影響黃花刺茄分布的因素中，溫度是影響分布的主要因素，同時人類的活動也和黃花刺茄的分布有著較強的相關性［10-11］。多位學者所采用的預測分布模型都以最大熵模型（ Maximum Entropy， MaxEnt）為主。

物種分布模型（Species Distribution model，SDM）是一種用于描述和預測物種在空間上分布和發生的模型。目前，它在外來入侵物種防控和生態保護方面取得了廣泛的應用，其中包括主要入侵植物黃花刺茄、加拿大一支黃花（Solidago canadensis L.）、刺蒼耳（Xanthium spinosum Linn.）、黃頂菊（Flaveria bidentis）等［11-15］。物種分布模型包括生物氣候模型（BIOCLIM）、棲息地（HABITAT）、領域（DOMAIN）、馬氏距離（Mahalanobis distance，MD）、廣義線性模型（Generalized linear model，GLM）、最大熵模型等［16］。最大熵模型是以最大熵理論（The theory of Maximum entropy）為基礎的物種地理尺度的空間分布模型，通過已有的分布點位和變量因素，基于最大熵原理來推測出物種的潛在適生區和物種的環境因素需求。最大熵模型具有速度快、效率高、受樣本數量影響較小的優點，并且可以對環境變量進行刀切法來得到各個環境變量的重要值，是目前表現最好、應用最廣的物種分布模型［17］。

有學者證明，黃花刺茄在我國北方具有強適生性，但在我國北方的內蒙古自治區的潛在分布區預測分析尚為空缺。因此，本研究以黃花刺茄為研究對象，利用MaxEnt模型與地理信息系統軟件ArcGIS模擬預測黃花刺茄在內蒙古自治區的現在分布與未來2050s，2070s的2種氣候情景下（SSP126可持續發展路徑、SSP585化石燃料常規發展路徑）的分布情況，探究當前到未來2050s，2070s的黃花刺茄的地理分布變化格局和影響黃花刺茄分布的主導生態環境因子，為未來內蒙古自治區外來入侵物種黃花刺茄的防控提供理論支持。

1 材料與方法

1.1 研究區概況

內蒙古自治區地處我國北疆（97°E～126°E；37°N～53°N），由東北向西南斜伸，呈狹長形。區域內山脈縱橫，地形多樣，總體地勢以高平原為主，西部高東部低，海拔主要在900～1300 m之間，造成了植被分布明顯的地帶性和非地帶性植被的多樣性［18］。全區總面積118.3 萬hm2，占中國土地面積的12.3%。內蒙古自治區地域廣袤，氣候以溫帶大陸性季風氣候為主，夏季炎熱干燥、冬季寒冷漫長，年平均氣溫為0～8℃。年降水量在 50～450 mm之間，東部多西部少，年平均大風日為10～40 d，有降水量少而不勻，寒暑變化劇烈的特點。

1.2 數據來源及處理

1.2.1 地理分布數據 黃花刺茄的分布數據來源于實地調查數據、網絡數據庫和文獻數據。

黃花刺茄的花果期在6—10月，6月進入盛花期，8月果實成熟，10月初霜降后將萎蔫枯死，因此劃定8—10月為野外考察期。依托全國外來入侵物種普查，在內蒙古自治區于2022—2023年在研究范圍內進行野外實地調研，發現黃花刺茄即記為“存在點（presence）”，用GPS記錄其地理分布信息，共獲得197條不重復的地理分布信息。

通過全球生物多樣性信息服務網絡平臺（GBIF，https//www.gbif.org）、中國數字植物標本館（https：∥www.cvh.ac.cn/）和中國國家標本平臺（https：∥www.nsii.org.cn）獲取黃花刺茄的地理分布數據。以“黃花刺茄”“刺萼龍葵”“Solanum rostratum Dunal”為檢索詞在中國知網（CNKI，https：//www.cnki.net/）、萬方（https：//www.wanfangdata.com.cn/）、Web of Science（https：//www.webofscience.com/）檢索在1981—2020年公開發表的關于黃花刺茄的文獻。對有詳細位置但無經緯度的標本使用地圖軟件獲取其經緯度信息。

為了減少空間上的過度擬合，將收集到的黃花刺茄分布點數據，利用ArcGIS10.8建立1km的緩沖半徑，保證每個網格點內只有1個分布點，篩選后共有238個有效分布點數據可用于分析，地圖數據從自然資源部標準地圖服務網站（http：//bzdt.ch.mnr.gov.cn）下載的審圖號為GS（2023） 2762號的標準地圖作為分析底圖。如圖1所示。

1.2.2 氣候數據來源及處理 本研究使用的氣候變量來源于世界氣候數據網（http∥www.worldclim.org），以 WorldClim v2.1 作為基線的降尺度數據集，由于研究區分布數據較為密集，氣候數據像元選擇大小為2.5弧分來達到更高的精度。共有當前和未來2個時間段包括現在（1970—2020）和未來氣候條件2050s（2041—2060）、2070s（2061—2080）的生物氣候因子數據，2050和2070s的氣候數據來自第６次國際耦合模型相互比較項目（Coupled Model Intercomparison Project Phase 6，CMIP6）中最適合中國地區的北京氣候中心氣候系統模式中等分辨率版本（BCC-CSM2-MR）數據集里更能體現碳排放影響差異的SSP126（可持續發展路徑）、SSP585（化石燃料常規發展路徑）2種共享社會經濟路徑［19］。SSP情景具有較高的準確性，可以整合當地的發展因素，因此比CMIP5的數據更具說服力［20］。下載當前世界氣候數據共計19個因子（表1），由于所選因子數量較多且縮放到內蒙古的數據偏差較大，因此對環境因子進行篩選。

由于許多氣候變量在空間上具有較強的相關性，這有可能導致模型的過度擬合，影響模型的穩健性。因此，計算19個氣候變量的Pearson相關系數，如果2個變量的Pearson系數大于0.8則確認變量之間存在相關性，再結合變量對黃花刺茄分布的貢獻率，保留2個相關變量中貢獻率較高的1個，確保結果的準確性［21］。最終篩選后的氣候變量共8個（圖2），分別為Bio2， Bio3，Bio7，Bio8，Bio11，Bio15，Bio18，Bio19。

1.3 MaxEnt模型構建與模型精度評價方法

使用MaxEnt3.4.4軟件［22］導入黃花刺茄地理分布數據與篩選后的8個氣候變量，隨機以25%的分布點做測試集進行模型驗證，75%的分布點做訓練集進行模型構建，利用軟件內置的刀切法分析各變量對模型的貢獻。利用ArcGIS10.8軟件中的重分類（Reclass）工具，通過自然間斷點分級法將黃花刺茄的適生區分為4個等級：非適生區（0～0.12）、低適生區（0.12～0.37）、中適生區（0.37～0.66）和高適生區（0.66～0.99）。

采用受試者工作特征曲線（Receiver Operating Characteristic Curve，ROC曲線）下的面積AUC（Area Under Curve）來驗證MaxEnt模型的精度。ROC曲線是一種用于評估可能或將會存在混淆的兩種條件的定量方法，通過計算AUC來判斷預測效果。取值范圍在0～1之間，AUC值越大模型預測效果越好［23］，0.5lt;AUClt;0.7表示預測能力一般；0.7lt; AUClt;0.9表示預測能力較好；0.9lt;AUClt;1表示預測能力極好［24］。

1.4 質心轉移分析

通過ArcGIS10.8軟件中的SDM Tool擴展工具箱計算各個時期不同情景下的黃花刺茄高適生區分布質心，將質心作為其分布的核心點，根據不同時期核心點位置的變化繪制遷移路線矢量圖，用以表征物種分布核心區在未來氣候變化條件下可能的遷移路線［25］。

2 結果與分析

2.1 模型精度評價

模型結果經過ROC曲線驗證（圖3），訓練集AUC值為0.927，標準偏差為0.003，說明模型可信度很高，對黃花刺茄在當前及未來的潛在分布預測有較高的意義。

2.2 影響黃花刺茄分布的各氣候變量貢獻值比較

根據模型預測結果，統計各環境變量貢獻率如圖4所示。結果表示Bio18（最暖季度平均降水量）、Bio11（最冷季度平均溫度）和Bio15（降水量季節性變化）為對黃花刺茄分布影響的貢獻率較高，其貢獻率分別為38.2%，28.3%，17.3%；各氣候變量AUC值（圖5）表明Bio18（最暖季度平均降水量）、Bio11（最冷季度平均溫度）對黃花刺茄在內蒙古的潛在適生區分布影響較大，Bio18（最暖季度平均降水量）、Bio11（最冷季度平均溫度）、Bio15（降水量季節性變化）、Bio3（等溫性）和Bio7（年溫變化范圍）在預測黃花刺茄在內蒙古的潛在適生區分布起著主導作用。

2.3 當代黃花刺茄分布區預測

當前黃花刺茄在內蒙古的潛在適生區主要集中在內蒙古東部，高適生區主要分布在興安盟、通遼市、赤峰市、呼和浩特市、包頭市、鄂爾多斯市。總適生區面積為3.7451×105 km2，其中高適生區面積為8.093×104 km2，中適生區面積為1.3493×105 km2，低適生區面積為1.5865×105 km2。

2.4 未來黃花刺茄分布區預測

未來氣候變化使得內蒙古自治區西部也變得適宜黃花刺茄生長，2種氣候情景下黃花刺茄的適生面積均在增加，東部適生區呈收縮趨勢，SSP585氣候情景下黃花刺茄在內蒙古的蔓延速度更快，具體情況見表2。

在SSP126氣候情景下（圖7A，7C），2050s時黃花刺茄的高適生區主要在阿拉善盟、烏海市、鄂爾多斯市、巴彥淖爾市、包頭市、呼和浩特市、烏蘭察布市、赤峰市，其總適生面積增加到4.0371×105 km2；2070s時錫林郭勒盟成為黃花刺茄的高適生區之一，適生面積增加到5.5407×105 km2。

在SSP585氣候情景下（圖7B，7D），2050s時黃花刺茄的高適生區主要分布在阿拉善盟、烏海市、鄂爾多斯市、巴彥淖爾市、包頭市、呼和浩特市、烏蘭察布市、錫林郭勒盟、赤峰市、通遼市，其總適生面積增加至5.8343×105 km2；2070s時興安盟成為黃花刺茄的高適生區之一，適生面積增加到8.2609×105 km2。

2.5 黃花刺茄質心轉移路徑

黃花刺茄在內蒙古自治區的轉移特征如圖8所示，在當前、2050s和2070s，可持續發展路徑（SSP126）和化石燃料常規發展路徑（SSP585）2種氣候情景下，黃花刺茄的分布中心主要向西北方向移動，2種氣候情景的遷移軌跡有較大差異，在SSP126氣候情景下，2050s時黃花刺茄的分布中心遷移至烏蘭察布市，2070s時遷移至包頭市；SSP585氣候情景下，黃花刺茄在2050s時分布中心遷移至包頭市，2070s有向北部遷移的趨勢。說明未來氣候變化情景下，黃花刺茄在內蒙古自治區的潛在適生面積會增加，面積的空間變化明顯，呈東南為中心向西南方向擴散的趨勢，碳排放量越大，其擴散越快。

3 討論

MaxEnt模型是基于最大熵理論的較為準確的預測模型［26-30］，陳新美等關于樣本量對MaxEnt模型預測物種分布精度和穩定性的影響的研究表明［24］，樣本量小模型精度差、穩定性差。因此，樣本量是決定物種分布模型模擬結果可靠性的重要因素。本研究為確保預測結果對獲取的分布點位數據進行了篩選，保證每個柵格里只有1個分布數據［31-33］，最后采用了238個黃花刺茄的地理分布數據，既降低了采樣偏差對預測結果的影響［34］，也保證了模型的精度和穩定性［35］。結合利用刀切法，按重要值篩選出的相關性小于0.8的氣候數據［36-41］，共8個氣候變量，解決了氣候數據間的過度擬合問題，使模型輸出后的AUC值更準確。AUC通過計算1個數值便能提供模型在所有可能閾值范圍上的性能評價結果［42］。AUC取值越大模型可靠性越高，穩定性也越高［43- 44］。本次研究根據氣候變量模型構建重復運行10次［45-47］，所得ROC曲線的AUC平均值大于0.9，具有較高的可靠性［48-49］。

根據模型預測，黃花刺茄現階段主要分布在興安盟、通遼市、赤峰市、呼和浩特市、包頭市、鄂爾多斯市，并持續向四周擴散。目前黃花刺茄在我國北方有著廣闊的適生區，主要集中在長江以北的東部區域和云南省大部分區域［6］，其中東北地區遼寧全境適生，高適生區域主要集中在沈陽市以及遼中地區［9］，西北地區黃花刺茄主要分布在新疆中部和西部［10］。內蒙古地處我國北方，位于遼寧與新疆中間，東部與遼寧省接壤，環境氣候大抵相同，因而黃花刺茄主要在東部發生，而現階段在內蒙古西部與新疆東部黃花刺茄適生區較少，推測這與該地區有多片沙漠連接，其氣候并不適合黃花刺茄的生長有關。

本研究對影響黃花刺茄在內蒙古自治區分布的主要氣候變量進行了分析，AUC值表明最暖季度平均降水量、最冷季度平均溫度、降水量季節性變化、等溫性和年溫變化范圍這5個氣候變量對黃花刺茄在內蒙古自治區的潛在分布有主導作用。刀切法表明降水因子（最暖季度平均降水量、降水量季節性變化）的重要性大于氣溫因子（最冷季度平均溫度、等溫性、年溫變化范圍），但是不能忽視溫度對黃花刺茄的影響。黃花刺茄種子萌發率在25～35℃范圍內為最佳萌發溫度［50］，而內蒙古在5月份黃花刺茄種子萌發期間的日均最高溫度在25～30℃，白天最高氣溫可能會超過30℃，內蒙古的溫度為黃花刺茄最適萌發溫度，所以限制黃花刺茄在內蒙古自治區分布的主要氣候因素為降水因子。

王瑞等對黃花刺茄在中國的潛在適生區預測研究中，表明年平均溫度、晝夜溫差月均值、等溫性、最濕季度平均溫度、最冷季度平均溫度、年平均降水量為影響黃花刺茄在中國潛在分布起著主導作用的氣候變量［5］。本研究篩選后的主導氣候變量與王瑞等的氣候變量差異較小，但與齊開源等對黃花刺茄在科爾沁沙地適生預測［11］的主導氣候變量差異較大。這可能是由于齊開源等對黃花刺茄在科爾沁沙地適生預測研究中未對黃花刺茄進行氣候因子篩選或因為內蒙古氣候炎熱干燥，降水量東部多而西部少，所以更加凸顯出降水量對黃花刺茄適生區的影響，從而降低了溫度對預測黃花刺茄適生區影響的重要性 。

內蒙古東西跨度大，形成了不同的氣候類型，所形成的植被類型也不同。未來西北地區氣候向暖濕化發展［51］。黃花刺茄在內蒙古地區的分布由東南向西南遷移，西北地區的暖濕化為黃花刺茄的生長擴散創造了有利條件。黃花刺茄作為適應性強、危害大、擴散快的外來入侵物種，不僅會抑制牧草等重要農作物的生長，還會通過病蟲害的傳播對農田和放牧地的環境進行破壞，同時由于其植株有毒也會導致因牲畜誤食而造成的腸炎和出血。目前對黃花刺茄還是以預防為主，同時對發生地進行機械拔除、集中焚燒的方法來進行治理。黃花刺茄適生區將在未來由東南向西南遷移，應及時預警，在其種子成熟前對其拔除，并阻斷其擴散途徑。

本研究通過對現在黃花刺茄在內蒙古自治區的適生區預測，根據各個因子的重要性和響應曲線來預測未來氣候變化下黃花刺茄在內蒙古自治區的潛在適生區。本研究共預測了未來2050s和2070s下的2種發展路徑（可持續發展路徑SSP126、化石燃料常規發展路徑SSP585），來探究2種發展路徑下黃花刺茄在內蒙古自治區的適生區不同。在2種路徑下，SSP126路徑在未來2050s和2070s時間下適生區均小于SSP585路徑，由此可見在碳排放對黃花刺茄適生區的影響，在推進節能減排的國家政策下，可持續發展路徑（SSP126）氣候情景更符合未來的預測。

4 結論

本研究表明，降水量變化和溫度變化為影響黃花刺茄在內蒙古自治區分布的主導氣候變量，當代黃花刺茄的適生區主要集中在內蒙古的東部地區，未來黃花刺茄在內蒙古的分布可能會向內蒙古西部地區遷移，碳排放量越大，其擴散越快。因此內蒙古東部地區應該對可能發生的黃花刺茄外來入侵引起警惕，加強對黃花刺茄的防治，及早鏟除，防止該地區的種子通過交通運輸向周圍擴散。

參考文獻

［1］ 魏守輝，楊龍. 刺萼龍葵—國家重點管理外來入侵物種［J］. 植物保護，2013，39（3）：123

［2］ 郭曉艷，張精哲，郭衛東，等. 外來入侵植物-黃花刺茄的生物學特性、危害與防控［J］. 內蒙古林業調查設計，2012，35（6）：73-75

［3］ 林玉，譚敦炎. 一種潛在的外來入侵植物： 黃花刺茄［J］. 植物分類學報，2007，45（5）：675-685

［4］ 內蒙古地區首次發現外來入侵植物黃花刺茄［J］. 內蒙古師范大學學報（自然科學漢文版），2011，40（2）：136

［5］ 王瑞，唐瑤，張震，等. 外來入侵植物刺萼龍葵在我國的分布格局與早期監測預警［J］. 生物安全學報，2018，27（4）：284-289

［6］ 唐瑤. 氣候變化條件下四種入侵植物在我國潛在分布預測分析［D］. 合肥：安徽農業大學，2018：8-17

［7］ 郭佳，曹偉，張悅，等. 黃花刺茄在中國東北潛在分布區預測［J］. 草業科學，2019，36（10）：2476-2484

［8］ 楊森月，何莉莉. 氣候變化背景下外來入侵植物刺萼龍葵在遼寧省的潛在地理分布［J］. 新農業，2022（23）：27-29

［9］ 何莉莉，劉金昌，欒云松. 兩種入侵植物在遼寧省的分布格局與早期監測預警［J］. 遼寧農業科學，2022（6）：13-18

［10］ 塞依丁·海米提，努爾巴依·阿布都沙力克，阿爾曼·解思斯，等. 人類活動對外來入侵植物黃花刺茄在新疆潛在分布的影響［J］. 生態學報，2019，39（2）：629-636

［11］ 齊開源，王雪麗，蘇雅樂，等. 基于MaxEnt模型的科爾沁沙地刺萼龍葵適宜生長區預測［J］. 草業科學，2024，41（6）：1279-1287

［12］ 常悅，李玉靜，李周旭，等. 基于Maxent和ArcGIS加拿大一枝黃花適生區預測［J］. 農學學報，2024，14（3）：40-47

［13］ 蘇夢可，高靈旺. 外來入侵物種的大數據獲取及預測分析方法研究進展［J］. 植物保護，2022，48（6）：214-220

［14］ 柳曉燕，趙彩云，李俊生，等. 氣候變化情景下中國外來入侵植物黃頂菊潛在分布區模擬與早期預警［J］. 環境科學研究，2022，35（12）：2768-2776

［15］ 塞依丁·海米提，努爾巴依·阿布都沙力克，許仲林，等. 氣候變化情景下外來入侵植物刺蒼耳在新疆的潛在分布格局模擬［J］. 生態學報，2019，39（5）：1551-1559

［16］ 許仲林，彭煥華，彭守璋. 物種分布模型的發展及評價方法［J］. 生態學報，2015，35（2）：557-567

［17］ 張路. MAXENT最大熵模型在預測物種潛在分布范圍方面的應用［J］. 生物學通報，2015，50（11）：9-12

［18］ 牛建明. 內蒙古主要植被類型與氣候因子關系的研究［J］. 應用生態學報，2000，11（1）：47-52

［19］ WU T W，LU Y X，FANG Y J，et al. The Beijing Climate Center Climate System Model（BCC-CSM）：the main progress from CMIP5 to CMIP6［J］.Geoscientific Model Development，2019，12（4）：1573-1600

［20］ WANG Y J，XIE L Y，ZHOU X Y，et al. Prediction of the potentially suitable areas of Leonurus japonicus in China based on future climate change using the optimized MaxEnt model［J］.Ecology and Evolution，2023，13（10）：e10597

［21］ 王麗麗，楊采青，王瑛，等. 全球入侵物種馬鈴薯塊莖蛾生態位轉移及適生區擴展［J］. 應用生態學報，2024，35（3）：797-805

［22］ PHILLIPS S J，ANDERSON R P，SCHAPIRE R E. Maximum entropy modeling of species geographic distributions［J］.Ecological Modelling，2006，190（3/4）：231-259

［23］ 劉怡彤，郭慧，裴順祥，等. 基于MaxEnt模型的天然元寶楓在我國的適生區區劃及合理性分析［J］. 林業科學，2023，59（12）：13-24

［24］ 陳新美，雷淵才，張雄清，等. 樣本量對MaxEnt模型預測物種分布精度和穩定性的影響［J］. 林業科學，2012，48（1）：53-59

［25］ 賀一鳴，王馳，王海濤，等. 氣候變化對蒙古蕕潛在適生區的影響［J］. 草地學報，2023，31（2）：540-550

［26］ 黃睿杰，張春艷，溫雨婷，等. 當前（1970—2000）與未來氣候變化情境下中國醉馬芨芨草潛在分布預測［J］. 草地學報，2022，30（10）：2712-2720

［27］ ELITH J， GRAHAM C H， ANDERSON R P，et al. Novel methods improve prediction of species’ distributions from occurrence data［J］. Ecography，2006，29（2）：129-151

［28］ 雷軍成，徐海根，吳軍，等. 氣候變化情景下物種適宜生境預測研究進展［J］. 四川動物，2015，34（5）：794-800

［29］ 宋晴，付鴻莉，王鐵梅，等. 興安盟草原灌叢植被潛在適生區分布模擬分析［J］. 草地學報，2024，32（2）：579-587

［30］ 張秀娟，王彤新，楊妍希，等. CMIP6氣候變化情景下青海三江源區雪靈芝潛在適宜分布預測［J］. 草業科學，2024，41（4）：790-801

［31］ 王俊偉，陳永豪，許敏，等. 氣候變化背景下入侵植物曼陀羅在西藏的潛在風險區預測［J］. 生態學報，2023，43（20）：8620-8630

［32］ 呂增偉，朱曉如，葉興狀，等. 氣候變化對四合木適生區及空間遷移的影響［J］. 生態學報，2024，44（3）：1164-1176

［33］ 郭斌，王珊，陳超，等. 氣候變化背景下川西北高原多年生垂穗披堿草種植適生區分布預測［J］. 草地學報，2019，27（6）：1596-1606

［34］ 李曉霞，胡寬義，曾安逸，等. 基于Maxent生態位模型的小花十萬錯在我國的潛在分布［J］. 西南農業學報，2024，37（4）：860-868

［35］ 鄧飛，李曉兵，王宏，等. 基于MaxEnt模型評價紫花苜蓿在錫林郭勒盟的分布適宜性及主導因子［J］. 草業科學，2014，31（10）：1840-1847

［36］ 段義忠，王馳，王海濤，等. 不同氣候條件下沙冬青屬植物在我國的潛在分布——基于生態位模型預測［J］. 生態學報，2020，40（21）：7668-7680

［37］ 楊楠，馬東源，鐘雪，等. 基于MaxEnt模型的四川王朗國家級自然保護區藍馬雞棲息地適宜性評價［J］. 生態學報，2020，40（19）：7064-7072

［38］ 張華，趙浩翔，王浩. "基于Maxent模型的未來氣候變化情景下胡楊在中國的潛在地理分布［J］. 生態學報，2020，40（18）：6552-6563

［39］ 曹雪萍，王婧如，魯松松，等. 氣候變化情景下基于最大熵模型的青海云杉潛在分布格局模擬［J］. 生態學報，2019，39（14）：5232-5240

［40］ 張東方，張琴，郭杰，等. 基于MaxEnt模型的當歸全球生態適宜區和生態特征研究［J］. 生態學報，2017，37（15）：5111-5120

［41］ 唐繼洪，程云霞，羅禮智，等. 基于Maxent模型的不同氣候變化情景下我國草地螟越冬區預測［J］. 生態學報，2017，37（14）：4852-4863

［42］ 姚政宇，韓其飛，林彬. 基于最大熵模型的新疆主要有毒雜草分布區預測［J］. 生態學報，2023，43（12）：5096-5109

［43］ 高文強，王小菲，江澤平，等. 氣候變化下栓皮櫟潛在地理分布格局及其主導氣候因子［J］.生態學報，2016，36（14）：4475-4484

［44］ 吳慶明，王磊，朱瑞萍，等. 基于MAXENT模型的丹頂鶴營巢生境適宜性分析—以扎龍保護區為例［J］. 生態學報，2016，36（12）：3758-3764

［45］ 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

［46］ 劉振生，高惠，滕麗微，等. 基于MAXENT模型的賀蘭山巖羊生境適宜性評價［J］. 生態學報，2013，33（22）：7243-7249

［47］ 李光耀. 基于MaxEnt模型松墨天牛在崇州市的潛在適生區研究［D］. 雅安：四川農業大學，2023：14-22

［48］ 張秀蕓，伍文慧，梁英梅. 落葉松枯梢病在中國的適生性分析［J］. 生態學報，2024，44（7）：3027-3037

［49］ 岳茂峰，馮莉，田興山，等. 基于MaxEnt的入侵植物刺軸含羞草的適生分布區預測［J］. 生物安全學報，2013，22（3）：173-180

［50］ 張少逸，魏守輝，張朝賢，等. 刺萼龍葵種子休眠和萌發特性研究進展［J］. 雜草科學，2011，29（2）：5-9

［51］ 張強，楊金虎，王朋嶺，等. 西北地區氣候暖濕化的研究進展與展望［J］. 科學通報，2023，68（14）：1814-1828

（責任編輯 "閔芝智）