對阿拉善地區(qū)沙拐棗潛在分布的預測研究

摘要：本研究旨在預測阿拉善地區(qū)沙拐棗（Calligonum）的潛在分布區(qū)域，以為該地區(qū)植物資源的調(diào)查、保護和合理利用提供理論支持。通過整合地理分布數(shù)據(jù)和環(huán)境變量，并采用MaxEnt模型結合ArcGIS軟件進行分析，結果顯示該模型對沙拐棗潛在分布區(qū)的預測具有較高的準確性（AUC平均值為0.955）。沙拐棗在阿拉善全盟的三個旗境內(nèi)均有分布，其中高適生區(qū)主要集中在阿拉善左旗，中適生區(qū)分布較為破碎，而低適生區(qū)則分布最為廣泛且連續(xù)。影響沙拐棗分布的關鍵氣候變量是冬季氣溫和全年降水量。研究結果反映了防風治沙工程的效果，并為沙拐棗的生態(tài)保護提供了指導。

關鍵詞：沙拐棗；潛在分布區(qū)；MaxEnt模型；環(huán)境變量；阿拉善地區(qū)

The potential distribution prediction of Calligonum in Alxa region

Li Yuanhao1，6， Liu Jide2， LiBolun1， Yang Weichao3， HaSiChaoGeTu4，Gao Liguo5， Li Huiying1，6

（1. Alxa League Forestry and Grassland Research Institute， Alxa 750300; 2.Inner Mongolia Helan Mountain National Nature Reserve Administration， Alxa 750300; 3.Alxa League Forestry and Grassland Protection Station， Alxa 750300;4.Alxa East County YinGen Sumu Party and Mass Service Center；5.Alxa League Guaizihu Meteorological Station，Alxa 750300;6.Alxa Jilantai Desert Ecosystem Observation and Research Station）

Absrtact：This study aims to predict the potential distribution areas of Calligonum in the Alxa region， providing theoretical support for the investigation， protection， and rational utilization of plant resources in the area. By integrating geographic distribution data and environmental variables， and using the MaxEnt model combined with ArcGIS software for analysis， the results show that the model has a high accuracy （AUC average value of 0.955） in predicting the potential distribution areas of Calligonum. Calligonum is distributed in all three banners of the Alxa League， with high suitable areas mainly concentrated in the Alxa Left Banner， medium suitable areas being more fragmented， and low suitable areas being the most widespread and continuous. The key climatic variables affecting the distribution of Calligonum are winter temperature and annual precipitation. The results reflect the effectiveness of windbreak and sand control projects and provide guidance for the ecological protection of Calligonum.

Keywords：Calligonum;Potential distribution area;MaxEnt model;Environmental variables;Alxa region

沙拐棗屬（Calligonum）隸屬于蓼科（Polygonaceae），是一種典型的干旱帶灌木植物。該屬植物的特征在于其成熟枝條通常呈現(xiàn)出彎曲的拐狀，而新生枝條則展現(xiàn)出灰綠色澤，并伴有明顯的節(jié)間結構。沙拐棗屬以其木質化程度高和枝條多分叉而著稱。在中國境內(nèi)，該屬包含23種，廣泛分布于內(nèi)蒙古自治區(qū)的中部與西部、新疆維吾爾自治區(qū)全區(qū)、寧夏回族自治區(qū)的西部及甘肅省最西側等地。作為一種在風蝕防治和沙丘固定方面具有重要生態(tài)功能的先鋒植物，拐棗屬在流動沙丘和半固定沙丘等沙質土地生態(tài)系統(tǒng)中，對于生物多樣性的維護和生態(tài)恢復過程發(fā)揮著關鍵性的生態(tài)工程作用。

沙拐棗（Calligonum）展現(xiàn)出快速生長的習性，在充足的水分支持下，一年內(nèi)能生長至數(shù)米之高[1-2]。其根系系統(tǒng)極為強大，主根深扎地下可達三米或更深。單一沙拐棗個體能夠覆蓋極廣，從幾十到幾百平方米不等，有效地起到固定沙土的作用。即使老枝遭受風沙掩埋，新生枝條仍能通過光合作用繼續(xù)生長。除了生態(tài)上的貢獻，沙拐棗也是荒漠地區(qū)牲畜的重要飼料資源，具有一定的經(jīng)濟潛力[3]。在干旱荒漠的生態(tài)整治中，沙拐棗憑借其快速生長、深入土壤的根系和有效的光合作用等特性，對防治風沙和改善沙質地貌產(chǎn)生了顯著影響。這些植物能夠適應極端的環(huán)境條件，并通過無性和有性繁殖方式來擴展其種群[4-6]，這對于沙地生態(tài)系統(tǒng)的恢復和穩(wěn)定，以及環(huán)境的整體改善，都具有極其重要的意義。

根系能有效地穿透土壤表層深入地下，優(yōu)化沙化土壤的結構，提升了周邊土壤的結構穩(wěn)固性和養(yǎng)分水平。沙拐棗與其他植物種類共同建立了典型的荒漠生態(tài)體系，為多種生物創(chuàng)造了適宜的生態(tài)空間。盡管關于沙拐棗的分類和生態(tài)學研究已相當豐富[7-8]，但其與生存環(huán)境之間的關系研究尚顯不足。在探究植物分布與環(huán)境氣候關聯(lián)的領域，預測模型技術正迅速進步，最大熵模型（MaxEnt）以其對樣本的低依賴性而受到青睞，即使在樣本數(shù)量有限的情況下也能提供可信的預測，特別在復雜的生態(tài)位預測中表現(xiàn)優(yōu)異，廣泛用于預測物種分布，包括動植物和微生物[9-14]。遺傳算法規(guī)則集預測模型（GARP）適用于數(shù)據(jù)豐富的情況，盡管預測精度高，但可能存在過度擬合的風險，常用于保護生物學和入侵生物學的研究[15]。生物氣候模型（Bioclim）雖然簡單明了，但在復雜環(huán)境下的預測能力有限，且需依賴詳盡的氣候數(shù)據(jù)，因而主要用于氣候變化研究[16]。領域模型（Domain）則專注于特定物種或群落的生態(tài)位分析，依賴于精確的地理數(shù)據(jù)，適用于專門的生態(tài)學研究和保護規(guī)劃[17]。

本研究以沙拐棗為研究對象，綜合考察了該物種的空間分布特征及相伴的環(huán)境變量，利用最大熵算法（MaxEnt）結合地理信息系統(tǒng)（GIS）平臺，對沙拐棗在阿拉善地區(qū)的潛在適宜生長區(qū)進行了預測分析。本研究，旨在為阿拉善地區(qū)沙拐棗資源的生態(tài)調(diào)查、制定保育策略及可持續(xù)利用提供理論參考和技術支持。

1 材料和方法

1.1 現(xiàn)有分布地數(shù)據(jù)

查閱《中國植物志·第二十五卷》、《中國沙漠植物志·第二卷》，以及以下植物標本館：NMAC（內(nèi)蒙古農(nóng)業(yè)大學）、WUK（西北農(nóng)林科技大學生命科學學院）、HIMC（內(nèi)蒙古大學生命科學學院）、SXU（山西大學生命科學學院）、BJFC（北京林業(yè)大學）、BNU（北京師范大學生命科學學院）、HNWP（中國科學院西北高原生物研究所）、PE（中國科學院植物研究所）、KUN（中國科學院昆明植物研究所）的標本，統(tǒng)計整理空間分布數(shù)據(jù)。在2021年的8月至9月期間，通過實地考察和選取典型樣方技術，挑選了具有代表性的沙拐棗樣方，確保樣方中無顯著的結構差異或層次區(qū)分。對樣方中的植物種類詳盡記錄：例如采集日期、位置、生態(tài)環(huán)境、海拔、物種成分、形態(tài)特點、個體數(shù)目以及經(jīng)緯度坐標等數(shù)據(jù)等。完成數(shù)據(jù)收集后，借助ArcGIS軟件，生成了阿拉善地區(qū)沙拐棗的分布圖。

1.2 沙拐棗物種鑒定

植物類通常選用核糖體DNA第二內(nèi)部轉錄間隔區(qū)（ITS2）作為主體條形碼序列，采集的沙拐棗樣品鑒定步驟分為：

1.2.1.供試品處理：對藥材進行適當清潔和75%乙醇預處理減少雜質干擾。

1.2.2.DNA提取：破碎細胞壁、釋放DNA及后續(xù)的分離、純化、濃縮和洗滌。

1.2.3.PCR擴增：用聚合酶鏈式反應（PCR）針對DNA條形碼區(qū)域進行ITS序列擴增。

1.2.4.電泳檢測：通過用瓊脂糖凝膠電泳法檢驗PCR產(chǎn)物質量，確保擴增成功。

1.2.5.序列測定：采用Sanger法將合格PCR產(chǎn)物測序，獲取DNA條形碼序列信息。

1.2.6.結果判定：將測得的序列與數(shù)據(jù)庫中參照序列比對，根據(jù)相似度判定樣本的物種來源。得出阿拉善取樣的沙拐棗為吉木乃沙拐棗，蒙古沙拐棗，頭狀沙拐棗，奇臺沙拐棗四種。

1.3 氣象要素

采用WorldClim網(wǎng)站的19個生物氣候變量預測沙拐棗的潛在分布，時間段為1970年至2000年（表1）。

1.4 地圖數(shù)據(jù)

文中研究所用阿拉善行政區(qū)劃矢量圖來源于國家基礎地理信息中心（https：//www.webmap.cn/main.do？method=index）與阿里云的DataV Atlas數(shù)據(jù)可視化平臺（https：//datav.aliyun.com/portal/school/atlas/area_selector）。

1.5 Maxent模型算法

本研究采納了沙拐棗已知分布點的地理坐標以及19個生物氣候變量圖層作為環(huán)境參數(shù)，這些數(shù)據(jù)來源于國際氣候數(shù)據(jù)庫，并通過生態(tài)位建模工具MaxEnt導入這些數(shù)據(jù)以進行模擬分析[18-19]。模型構建過程中，選取了75%的分布點數(shù)據(jù)作為訓練數(shù)據(jù)集，而剩下的25%作為測試數(shù)據(jù)集，用以評估模型的準確度。每次模擬均產(chǎn)生沙拐棗潛在分布概率的預測結果，通過十次隨機分配訓練與測試數(shù)據(jù)集的迭代，用來評價模型的穩(wěn)定性和預測力，并將所有獨立運行結果合并計算均值，形成綜合預測圖[20]。利用ROC曲線來衡量模型的預測效果，并觀察模型在不同閾值下的敏感性和特異性動態(tài)。采用刀切法（Jackknife）分析來確定對模型預測貢獻最大的環(huán)境變量，并評估它們對模型預測的影響力，這有助于識別影響物種分布的關鍵因素，并作為模型驗證的一個環(huán)節(jié)，進而確認模型的魯棒性與可信度。最終，該方法能夠對沙拐棗的適生區(qū)域進行分級[21]，形象地展示其可能的分布范圍。

2 結果分析

2.1適生區(qū)等級劃分

由MaxEnt模型生成的概率分布數(shù)據(jù)以ASCII網(wǎng)格格式輸出，繼而被ArcGIS軟件進行空間數(shù)據(jù)處理。利用ArcGIS的柵格轉換功能，將ASCII網(wǎng)格數(shù)據(jù)轉換成適用于進一步分析的柵格格式。再通過重新分類工具對柵格數(shù)據(jù)進行等級劃分，依據(jù)不同的生態(tài)閾值區(qū)間來確定沙拐棗的適宜生長區(qū)域。通過執(zhí)行疊加分析步驟，將不同等級的適宜生長區(qū)域柵格數(shù)據(jù)層相互疊加，以揭示它們在空間上的分布模式和相互關系，最終繪制出阿拉善地區(qū)沙拐棗生態(tài)適宜區(qū)的空間分布圖。

2.2沙拐棗正在阿拉善的潛在分布

沙拐棗遍布于阿拉善盟三個旗，其中高適生區(qū)的地帶呈現(xiàn)出分散的布局。這些區(qū)域主要集中于阿拉善左旗，阿拉善右旗次之，而額濟納旗的分布較為稀疏。高適生區(qū)的最北部位于額濟納旗的達來呼布鎮(zhèn)、溫圖高勒蘇木的東部和烏力吉蘇木的中部，形成斑點狀格局；西部邊界位于東風鎮(zhèn)南側及巴音高勒蘇木的南部，展現(xiàn)為一條細長的分布帶；南部邊界位于溫都爾勒圖鎮(zhèn)南側，表現(xiàn)為集中的塊狀區(qū)域；東部邊界則橫跨巴彥浩特鎮(zhèn)東側、巴潤別立鎮(zhèn)東側至嘉爾嘎勒賽漢鎮(zhèn)東側，沿賀蘭山西側形成一條縱向的帶狀分布。

中適生區(qū)的分布呈現(xiàn)碎片化，其最北端到達額濟納旗的巴彥陶來蘇木與溫圖高勒蘇木的中部交界，以及東風鎮(zhèn)的東側地區(qū)；向西擴展至阿拉善右旗的巴丹吉林鎮(zhèn)北部區(qū)域和巴音高勒蘇木的南部，形成條狀排列；向東局限于敖倫布拉格鎮(zhèn)東側，表現(xiàn)為零星的點狀布局；而最南端則覆蓋至溫都爾勒圖鎮(zhèn)南部以及嘉爾嘎勒賽漢鎮(zhèn)南部地區(qū)。

低適生區(qū)的范圍最為廣泛，并且分布較為連續(xù)，主要遍及阿拉善右旗和額濟納旗，而在阿拉善左旗則圍繞著中高適生區(qū)呈環(huán)狀分布。該區(qū)域的北至蘇泊淖爾蘇木的西端，西部邊界到哈日布日格德音烏拉鎮(zhèn)與馬鬃山蘇木的西緣，南部邊界到騰格里額里斯鎮(zhèn)和溫都爾勒圖鎮(zhèn)的邊界，東部界限則包括了巴彥木仁蘇木、烏斯太鎮(zhèn)以及宗別立鎮(zhèn)的東部邊界地帶。

2.3預測精度檢驗

AUC（Area Under the Curve）指標，基于ROC（Receiver Operating Characteristic）曲線，用于評價模型的預測效力，其指標介于0至1之間。AUC值越趨向于1，模型的表現(xiàn)越佳，此時模型的假陽性率較低，而真陽性率較高[22]。在分析時，通過不同閾值下的真正例率（TPR）和假正例率（FPR）的計算，即評估特異性和敏感性，并確定最合適的閾值將預測概率轉換為明確的分類。理想的閾值通常位于ROC曲線的左上角附近，反映了敏感性和特異性的平衡。利用R語言生成的ROC曲線，可以對沙拐棗適宜生境的預測結果進行精確度分析。一般而言，AUC值如果接近0.5，模型預測能力與隨機猜測相似；若AUC值超過0.9，則模型預測效果顯著。為了確保結果的穩(wěn)定性，需要多次運行MaxEnt模型。在阿拉善沙拐棗的研究中，訓練集的AUC平均值達到0.955，表明Maxent模型在預測沙拐棗適宜生境方面的精確度較高。

2.4潛在適生區(qū)的主導環(huán)境變量

根據(jù)Maxent模型結果，通過刀切法檢驗，我們分析了各氣候變量對沙拐棗潛在分布影響的重要性。從排序結果可見，不同氣候變量對沙拐棗分布的貢獻率存在差異[23]。

圖4展示了這些變量的得分情況：橫軸顯示氣候變量的得分，縱軸展示處理不同的氣候因素。圖中黑色區(qū)域代表指定變量的得分情況，淡灰色區(qū)域展現(xiàn)了除所選變量外，其他變量組合的累計影響，深灰色區(qū)域則代表了所有變量綜合得分的總和。得分越高的變量，其對沙拐棗分布的影響越顯著，也越關鍵。

在阿拉善地區(qū)，影響沙拐棗分布的關鍵氣候變量依次是Bio11（最冷季度平均溫），Bio6（最冷月最低溫），Bio15（降水量變異系數(shù)），Bio1（年均溫），Bio17（最干季度降水量），Bio19（最干季度降水量，即最冷季度降水量），Bio12（年均降水量）。由此可見，冬季氣溫是影響沙拐棗潛在分布的主要氣候因素，其次是全年溫度和夏季降水量。這與阿拉善地區(qū)冬季寒冷、夏季降水集中的特點密切相關。

3 討論

（1）ROC曲線的分析結果顯示，沙拐棗的AUC平均值為95.5%以上，這一數(shù)據(jù)反映出MaxEnt模型在預測其潛在分布區(qū)域時具備較高的精確性。據(jù)此，我們可以得出，該模型針對阿拉善地區(qū)沙拐棗適宜生長區(qū)的預測具有較高的可信度，并且其結果具有一定的科學性。

（2）對比分析結果顯示，沙拐棗的分布區(qū)域與過去的采集及歷史數(shù)據(jù)相符合，并展現(xiàn)出向東南方向的發(fā)展動向。具體而言，在阿拉善右旗，沙拐棗的分布已經(jīng)向北擴張到達來呼布鎮(zhèn)，同時阿拉善左旗原本在吉蘭泰和賀蘭山附近的分布區(qū)也向西擴展至雅布賴鎮(zhèn)。其中一些新的潛在高適生區(qū)域已經(jīng)形成，包括阿拉善左旗的烏力吉蘇木、銀根蘇木中部、嘉爾嘎勒賽漢鎮(zhèn)和溫都爾勒圖鎮(zhèn)，以及阿拉善右旗的曼德拉蘇木和巴丹吉林沙漠區(qū)域。這些分布的變化可能受當?shù)鼐G洲的水分和熱量條件影響。在額濟納旗，巴彥陶來蘇木和溫圖高勒蘇木分別出現(xiàn)了新的塊狀和帶狀潛在適生區(qū)。總結來看，內(nèi)蒙古實施的“三北”防護林工程以及阿拉善地區(qū)持續(xù)的防沙治沙活動，如飛播造林，顯著促進了沙拐棗適生區(qū)的增長和新區(qū)域的產(chǎn)生，這些成果體現(xiàn)了生態(tài)恢復項目的積極成效。

（3）對阿拉善地區(qū)沙拐棗潛在生長區(qū)域的環(huán)境因素進行深入分析，揭示了冬季溫度、降水量波動系數(shù)以及全年平均溫度是塑造沙拐棗分布幾率的核心氣候要素。阿拉善地區(qū)的氣候特征表現(xiàn)為夏季高溫少雨，冬季寒冷，年降水量范圍在40至200毫米，而蒸發(fā)量卻高達2000至4000毫米，嚴重影響了對水資源的有效利用。該區(qū)域的降水量波動系數(shù)與7月至9月的降雨季節(jié)緊密聯(lián)系，因此，對潛在生長區(qū)域的預測對于根據(jù)阿拉善地區(qū)實際降雨狀況制定沙拐棗野生種群養(yǎng)護策略極為關鍵。沙拐棗作為西北荒漠生態(tài)系統(tǒng)中的重要物種，其在抵御風沙方面發(fā)揮著至關重要的作用。保持沙拐棗植被群落的穩(wěn)定，對于阿拉善乃至整個西北生態(tài)環(huán)境的恢復與保護具有顯著影響。盡管預測模型指出了潛在的優(yōu)生區(qū)域，但仍需通過現(xiàn)場調(diào)查來驗證這些區(qū)域，以確保對區(qū)域生態(tài)環(huán)境的精準保護。

參考文獻：" 參考文獻

[1]毛祖美.中國植物志（第二十五卷）［M］.北京：科學出版社，1998：120-133.系統(tǒng)沒有查到文獻，可能是系統(tǒng)沒有收錄該文獻，也可能是文獻信息不足或有誤等。您可以修改后再查或到知網(wǎng)檢索。

[2]劉瑛心，楊喜林，姚育英，張國梁.中國沙漠植物志[M].北京：科學出版社，1985：306-316.

[2]劉媖心.中國沙漠植物志編寫梗概[J].中國沙漠，1993（3）.

[3]毛祖美，潘伯榮．我國沙拐棗屬的分類與分布［J］．植物分類學報，1986，24（2）：98－107.系統(tǒng)沒有查到文獻，可能是系統(tǒng)沒有收錄該文獻，也可能是文獻信息不足或有誤等。您可以修改后再查或到知網(wǎng)檢索。

[4]時永杰，杜天慶.沙拐棗［J］.中獸醫(yī)醫(yī)藥雜志，2003（專輯）：146-147.系統(tǒng)沒有查到文獻，可能是系統(tǒng)沒有收錄該文獻，也可能是文獻信息不足或有誤等。您可以修改后再查或到知網(wǎng)檢索。

[5]康曉珊，潘伯榮，段士民等.沙拐棗屬4種植物同地栽培開花物候與生殖特性比較[J].中國沙漠，2012，32（05）：1315-1327.

[5]康曉珊，潘伯榮，段士民，等.沙拐棗屬4種植物同地栽培開花物候與生殖特性比較[J].中國沙漠，2012，32（5）：1315-1327.

[6]趙艷芬，師瑋，潘伯榮等.沙拐棗屬（Calligonum L.）植物物候對長期氣溫變化的響應[J].中國沙漠，2014，34（03）：732-739.

[6]趙艷芬，師瑋，潘伯榮，等.沙拐棗屬（Calligonum L.）植物物候對長期氣溫變化的響應[J].中國沙漠，2014，34（3）：732-739.

[6]嚴成，魏巖，尹林克.沙拐棗屬（Calligonum）植物的系統(tǒng)演化[C]//中國植物學會七十周年年會論文摘要匯編（1933—2003），中國成都：高等教育出版社，2003：111.

[7]晉玲，李鳴，張勇等.沙拐棗屬（Calligonum L.）7種植物總DNA提取方法的改進及鑒定[J].中國沙漠，2007，（03）：466-468.

[7]晉玲，李鳴，張勇，等.沙拐棗屬（Calligonum L.）7種植物總DNA提取方法的改進及鑒定[J].中國沙漠，2007（3）：466-468.

[8]師瑋，潘伯榮，段士民等.蒙古沙拐棗（Calligonum mongolicum）與其相關種的果實形態(tài)差異性分析[J].中國沙漠，2011，31（01）：121-128.

[8]師瑋，潘伯榮，段士民，等.蒙古沙拐棗（Calligonum mongolicum）與其相關種的果實形態(tài)差異性分析[J].中國沙漠，2011，31（1）：121-128.

[9]徐軍，曹博，白成科.基于MaxEnt瀕危植物獨葉草的中國潛在適生分布區(qū)預測[J].生態(tài)學雜志，2015，34（12）：3354-3359.DOI：10.13292/j.1000-4890.2015.0307.

[9]徐軍，曹博，白成科.基于MaxEnt瀕危植物獨葉草的中國潛在適生分布區(qū)預測[J].生態(tài)學雜志，2015，34（12）：3354-3359.

[10]莊鴻飛，秦浩，王偉等.基于MaxEnt模型的云南紅豆杉潛在適宜分布預測[J].山西大學學報（自然科學版），2018，41（01）：233-240.DOI：10.13451/j.cnki.shanxi.univ（nat.sci.）.2018.01.030.

[10]莊鴻飛，秦浩，王偉，等.基于MaxEnt模型的云南紅豆杉潛在適宜分布預測[J].山西大學學報（自然科學版），2018，41（1）：233-240.

[11]吳良，徐正剛，張婉等.基于MaxEnt模型的中國構樹潛在適生分布研究[J].中南林業(yè)科技大學學報，2018，38（05）：40-45.DOI：10.14067/j.cnki.1673-923x.2018.05.007.

[11]吳良，徐正剛，張婉，等.基于MaxEnt模型的中國構樹潛在適生分布研究[J].中南林業(yè)科技大學學報，2018，38（5）：40-45.

[12]王雨生，王召海，邢漢發(fā)等.基于MaxEnt模型的珙桐在中國潛在適生區(qū)預測[J].生態(tài)學雜志，2019，38（04）：1230-1237.DOI：10.13292/j.1000-4890.201904.024.

[12]王雨生，王召海，邢漢發(fā)，等.基于MaxEnt模型的珙桐在中國潛在適生區(qū)預測[J].生態(tài)學雜志，2019，38（4）：1230-1237.

[13]應邦肯，田闊，郭浩宇等.基于MaxEnt模型預測未來氣候變化情境下紅樹秋茄（Kandelia obovata）在中國潛在適生區(qū)的變化[J].生態(tài)學報，2024，44（01）：224-234.DOI：10.20103/j.stxb.202210313093.

[13]應邦肯，田闊，郭浩宇，等.基于MaxEnt模型預測未來氣候變化情境下紅樹秋茄（Kandelia obovata）在中國潛在適生區(qū)的變化[J].生態(tài)學報，2024，44（1）：224-234.

[14]張童，黃治昊，彭楊靖等.基于Maxent模型的軟棗獼猴桃在中國潛在適生區(qū)預測[J].生態(tài)學報，2020，40（14）：4921-4928.

[14]張童，黃治昊，彭楊靖，等.基于Maxent模型的軟棗獼猴桃在中國潛在適生區(qū)預測[J].生態(tài)學報，2020，40（14）：4921-4928.

[15]Anderson R P，Lew D，Peterson A T．Evaluating predictive models of species' distributions： Criteria for selecting optimal models．Ecological Modelling，2003，162（3）：211-232．

[15]ANDERSON P R，LEW D，PETERSON T A.Evaluating predictive models of species’ distributions： criteria for selecting optimal models[J].Ecol Modell，2003，162（3）：211-232.

[16]Honig M A，Cowling R M，Richardson D M. The invasive potential of Australian Banksias in South African fynbos： A comparison of the reproductive potential of Banksia ericifolia and Leucadendron laureolum.Australian Journal of Ecology，1992，17（ 3）：305-314．

[16]HONIG A M，COWLING RM，RICHARDSON M D.The invasive potential of australian banksias in south african fynbos： a comparison of the reproductive potential of banksia ericifolia and leucadendron laureolum[J].Australian Journal of Ecology，1992，17（3）：305-314.

[17]Carpenter G，Gillison A N，Winter J.DOMAIN：A flexible modelling procedure for mapping potential distributions of plants and animals.Biodiversity and Conservation，1993，2（ 6）：667-680．

[17]CARPENTER G，GILLISON AN，WINTER J.Domain： a flexible modelling procedure for mapping potential distributions of plants and animals[J].Biodiversityamp;Conservation，1993，2（6）：667-680.

[18]劉娜，馮纓，管開云.沙拐棗屬（Calligonum L.）植物在中國的潛在分布區(qū)預測[J].干旱區(qū)資源與環(huán)境，2016，30（03）：112-120.DOI：10.13448/j.cnki.jalre.2016.089.系統(tǒng)沒有查到文獻，可能是系統(tǒng)沒有收錄該文獻，也可能是文獻信息不足或有誤等。您可以修改后再查或到知網(wǎng)檢索。

[19]黃治昊，周鑫，張孝然等.我國大陸黃檗潛在分布區(qū)及分布適宜性評價[J].生態(tài)學報，2018，38（20）：7469-7476.系統(tǒng)沒有查到文獻，可能是系統(tǒng)沒有收錄該文獻，也可能是文獻信息不足或有誤等。您可以修改后再查或到知網(wǎng)檢索。

[20]謝孟，張學星，羅燕等.基于MaxEnt模型的云南干熱河谷適生樹種選擇應用[J/OL].生態(tài)學報，2024，（09）：1-19[2024-03-25].https：//doi.org/10.20103/j.stxb.202306111241.

[20]謝孟，張學星，羅燕，等.基于MaxEnt模型的云南干熱河谷適生樹種選擇應用[J].生態(tài)學報，2024（9）.

[21]楊穎倫.基于MaxEnt模型的滇藏玉蘭適生區(qū)分布預測研究[J].現(xiàn)代農(nóng)業(yè)科技，2024，（03）：98-102.

[21]楊穎倫.基于MaxEnt模型的滇藏玉蘭適生區(qū)分布預測研究[J].現(xiàn)代農(nóng)業(yè)科技，2024（3）：98-102.

[22]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，（04）：365-372.系統(tǒng)沒有查到文獻，可能是系統(tǒng)沒有收錄該文獻，也可能是文獻信息不足或有誤等。您可以修改后再查或到知網(wǎng)檢索。

[23]邢丁亮，郝占慶.最大熵原理及其在生態(tài)學研究中的應用[J].生物多樣性，2011，19（03）：295-302.系統(tǒng)沒有查到文獻，可能是系統(tǒng)沒有收錄該文獻，也可能是文獻信息不足或有誤等。您可以修改后再查或到知網(wǎng)檢索。