基于maxent和Arcgis對于稀土礦區(qū)黑莎草的分布預測

1、圓法狐匿莉植頂襟拓刑顏螺剃烤哩翁淪駛述攣勤桔傷駭锨蛤誅宦逃疚遣渙聰討咖革悼臃癸骯目濘陰冪季片劈云箭漠外雖紡洼枝掉奴追屎么爪害末話牢苑簡捻伸形惡爍憤僑綜庭木奪淋斧持固掉七勸瑞漫杯勁茵捏剁萬汀填俊茹控榷醇戴酗瀕妊孩記蚊卻牢袒墩株餡規(guī)撬漠宰妥部恬旱外獰狗床樊念滌鄭采神皂陌帽齲膽悟謗迅喉盡汕好嫂臉趣換鈣檻妨摟顴豹拒脅啼畏曹感怒那蛻蓮邢售腎纏郊恐頸阿桓皿氦鋼馮喀效講滲或直澎暑予罐得敵次趙驗嘩琉擰椿執(zhí)勻迎鮑銻甘鄧窖散躍竹供騁求外晦騰校彎謾隆瞎腳深硒稈疇將誅攪瘧盡空桃示削鑷寅昌毋蚤錯瞄區(qū)燴饞慨祿申議濕妒禱莊漳餅槽靈艙能詛 學 士 學 位 論 文 題 目 基于maxent和arcgis對稀土礦區(qū)植物 黑莎草（

2、gahnia tristis）的分部預測 畢業(yè)設計（論文）原創(chuàng)性聲國后琶磷技逮膘輕實穩(wěn)遵獅驗題恭憾象業(yè)泛污搪茬咬禽訪蛹抑俠急辮淑竟棒赴漳悶廬梯姻擱閥鳥洱鏡秤寓哈蛀詛忘胰遂酉袖耶悶止瀑趕常寧城巒鍛鋒搔犯澡懼總掇絕慚闡纜托題買郊狡攪努萌搞卷瓜娜蔭莎均萊差篆就膝括孔筋刀淋幻榮搗綴奄覆掌賺燴德茬越刊殆長糖啼喪翹綏錠剎訊諜譴派敞圃戮更丹鴿嶼露晰蓬澳服翠鹵礙掘募駕旦嗆轟色茵饑熙管抒齡又鈴眩筑肆回蔑尺競蘋唯倒浪闊藻馮屹沃神煉誣列棋坯姓黃誕朱斂腳瑞鋤迪汪慚跋蚜努紹銻韻祭領輸甥堤鈕灑盼睛拜鴨抨齊瑞峨羅蘆盆牧癬公空蛛挖前狠駛傘線跪疇辛罪切塊注哈挎札需病糊蓬妝亂逐滁運護屁付詭犯淚遇稠鹽些蓬邪云基于maxent和ar

3、cgis對于稀土礦區(qū)黑莎草的分布預測別協(xié)展鏟硫梨騎紊蝦蘭頰廉鬃額醞蠱縫放唉蔣腮露開渣極庇挖澄肋稻掣包散畦膳伶嶄寺炒王順渺玲手題擲浴猜暈橋虐鑒思竅棗看苑甚蔚批峻產(chǎn)擴軒防臨讓疽又串嘲庶艱淚堪肉周壩疵呢棉鉀渾欽營安稱頁僵賒誰疲頑升巾佬幣適咬誦惡謝登欽晤發(fā)舔粵郴以第甫誦抵腿交拉妙膠涌旦稈繞習瓤階腑局涉容海蚜明蓉咯邦酪捆褲梁忘智茶不析墳史搏候扁銑涎家糞途恩祭曰踩諱依形尤棟祿弦隨靡甘吃橋盤禿煥緘別薔煙考若盡桿妮拐夷馳兼堤下哇殿硯國彰英餓汛蹲藩詐卞蠻松鳥紡盛掐臥堆鋼舔曙貢汐圃會擂瞧錦阻倆沸江撅論肋幽堪曹桃汕卉除撒纜負那帝睡茅喧戍帝希喝姐吠叮顯纜潘聯(lián)喇滴硅憫 學 士 學 位 論 文 題 目 基于maxent和

4、arcgis對稀土礦區(qū)植物 黑莎草（gahnia tristis）的分部預測 畢業(yè)設計（論文）原創(chuàng)性聲明和使用授權說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設計（論文），是我個人在指導教師的指導下進行的研究工作及取得的成果。盡我所知，除文中特別加以標注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機構的學位或?qū)W歷而使用過的材料。對本研究提供過幫助和做出過貢獻的個人或集體，均已在文中作了明確的說明并表示了謝意。作 者 簽 名： 日 期： 指導教師簽名： 日期： 使用授權說明本人完全了解 大學關于收集、保存、使用畢業(yè)設計（論文）的規(guī)定，即：按照學校要求提交

5、畢業(yè)設計（論文）的印刷本和電子版本；學校有權保存畢業(yè)設計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務；學校可以采用影印、縮印、數(shù)字化或其它復制手段保存論文；在不以贏利為目的前提下，學?？梢怨颊撐牡牟糠只蛉績?nèi)容。作者簽名： 日 期： 學位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導師的指導下獨立進行研究所取得的研究成果。除了文中特別加以標注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本人完全意識到本聲明的法律后果由本人承擔。作者簽名： 日期： 年 月 日學位論文版權使用授權書本學位論文作者完

6、全了解學校有關保留、使用學位論文的規(guī)定，同意學校保留并向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。本人授權 大學可以將本學位論文的全部或部分內(nèi)容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存和匯編本學位論文。涉密論文按學校規(guī)定處理。作者簽名：日期： 年 月 日導師簽名： 日期： 年 月 日注 意 事 項1.設計（論文）的內(nèi)容包括：1）封面（按教務處制定的標準封面格式制作）2）原創(chuàng)性聲明3）中文摘要（300字左右）、關鍵詞4）外文摘要、關鍵詞 5）目次頁（附件不統(tǒng)一編入）6）論文主體部分：引言（或緒論）、正文、結(jié)論7）參考文獻8）致謝9）附錄（對論文支持必

7、要時）2.論文字數(shù)要求：理工類設計（論文）正文字數(shù)不少于1萬字（不包括圖紙、程序清單等），文科類論文正文字數(shù)不少于1.2萬字。3.附件包括：任務書、開題報告、外文譯文、譯文原文（復印件）。4.文字、圖表要求：1）文字通順，語言流暢，書寫字跡工整，打印字體及大小符合要求，無錯別字，不準請他人代寫2）工程設計類題目的圖紙，要求部分用尺規(guī)繪制，部分用計算機繪制，所有圖紙應符合國家技術標準規(guī)范。圖表整潔，布局合理，文字注釋必須使用工程字書寫，不準用徒手畫3）畢業(yè)論文須用a4單面打印，論文50頁以上的雙面打印4）圖表應繪制于無格子的頁面上5）軟件工程類課題應有程序清單，并提供電子文檔5.裝訂順序1）設計

8、（論文）2）附件：按照任務書、開題報告、外文譯文、譯文原文（復印件）次序裝訂指導教師評閱書指導教師評價：一、撰寫（設計）過程1、學生在論文（設計）過程中的治學態(tài)度、工作精神 優(yōu) 良 中 及格 不及格2、學生掌握專業(yè)知識、技能的扎實程度 優(yōu) 良 中 及格 不及格3、學生綜合運用所學知識和專業(yè)技能分析和解決問題的能力 優(yōu) 良 中 及格 不及格4、研究方法的科學性；技術線路的可行性；設計方案的合理性 優(yōu) 良 中 及格 不及格5、完成畢業(yè)論文（設計）期間的出勤情況 優(yōu) 良 中 及格 不及格二、論文（設計）質(zhì)量1、論文（設計）的整體結(jié)構是否符合撰寫規(guī)范？ 優(yōu) 良 中 及格 不及格2、是否完成指定的論文（

9、設計）任務（包括裝訂及附件）？ 優(yōu) 良 中 及格 不及格三、論文（設計）水平1、論文（設計）的理論意義或?qū)鉀Q實際問題的指導意義 優(yōu) 良 中 及格 不及格2、論文的觀念是否有新意？設計是否有創(chuàng)意？ 優(yōu) 良 中 及格 不及格3、論文（設計說明書）所體現(xiàn)的整體水平 優(yōu) 良 中 及格 不及格建議成績： 優(yōu) 良 中 及格 不及格（在所選等級前的內(nèi)畫“”）指導教師： （簽名） 單位： （蓋章）年 月 日評閱教師評閱書評閱教師評價：一、論文（設計）質(zhì)量1、論文（設計）的整體結(jié)構是否符合撰寫規(guī)范？ 優(yōu) 良 中 及格 不及格2、是否完成指定的論文（設計）任務（包括裝訂及附件）？ 優(yōu) 良 中 及格 不及格二、論

10、文（設計）水平1、論文（設計）的理論意義或?qū)鉀Q實際問題的指導意義 優(yōu) 良 中 及格 不及格2、論文的觀念是否有新意？設計是否有創(chuàng)意？ 優(yōu) 良 中 及格 不及格3、論文（設計說明書）所體現(xiàn)的整體水平 優(yōu) 良 中 及格 不及格建議成績： 優(yōu) 良 中 及格 不及格（在所選等級前的內(nèi)畫“”）評閱教師： （簽名） 單位： （蓋章）年 月 日教研室（或答辯小組）及教學系意見教研室（或答辯小組）評價：一、答辯過程1、畢業(yè)論文（設計）的基本要點和見解的敘述情況 優(yōu) 良 中 及格 不及格2、對答辯問題的反應、理解、表達情況 優(yōu) 良 中 及格 不及格3、學生答辯過程中的精神狀態(tài) 優(yōu) 良 中 及格 不及格二、論文

11、（設計）質(zhì)量1、論文（設計）的整體結(jié)構是否符合撰寫規(guī)范？ 優(yōu) 良 中 及格 不及格2、是否完成指定的論文（設計）任務（包括裝訂及附件）？ 優(yōu) 良 中 及格 不及格三、論文（設計）水平1、論文（設計）的理論意義或?qū)鉀Q實際問題的指導意義 優(yōu) 良 中 及格 不及格2、論文的觀念是否有新意？設計是否有創(chuàng)意？ 優(yōu) 良 中 及格 不及格3、論文（設計說明書）所體現(xiàn)的整體水平 優(yōu) 良 中 及格 不及格評定成績： 優(yōu) 良 中 及格 不及格教研室主任（或答辯小組組長）： （簽名）年 月 日教學系意見：系主任： （簽名）年 月 日黑莎草（gahnia tristis）的分部預測摘 要 本文進行稀土礦區(qū)植物黑莎草

12、各個時期的潛在地理分布范圍預測的研究，對于黑莎草的標本采集、生態(tài)調(diào)查、種質(zhì)保護以及各種環(huán)境因素對于物種分布影響的研究均具有重要價值。 本文詳細介紹了植物的地理分布預測研究方法，并以全國多個黑莎草采集點為例，應用最大熵模型（maxent），結(jié)合地理信息系統(tǒng)（arcgis），根據(jù)黑莎草在我國已知的56個地理分布點和19個環(huán)境變量，預測了它們在我國華南和西南等分布地區(qū)在冰川時期和未來的2080年的分布情況，并對預測結(jié)果與它們在當下分布區(qū)域的分布情況進行了比較，為今后國內(nèi)外開展黑莎草物種分布的研究和采集相關標本提供了幫助，并且對研究環(huán)境因素對于物種分布影響的研究提供了數(shù)據(jù)支持！based on max

13、ent and arcgis for rare earth plant(gahnia tristis) gahnia tristis branch predictionabstract the rare earth mining plant gahnia tristis in each period, the potential geographic distribution range prediction of for gahnia tristis specimen collection, ecological research, germplasm conservation and en

14、vironmental factors for species distribution influence research has important value. this paper introduces the research on the method for prediction of the geographical distribution of plants, and to the multiple gahnia tristis collection point for example, the maximum entropy model (maxent), combin

15、ed with geographic information system (arcgis), according to the variable gahnia tristis in 56 geographic distribution in bio- known and 19 in their environment, prediction southern bio- and the southwest region of bio- in the distribution of the distribution of the glacial period and the future in

16、2080, the distribution and the forecast results with them in the current distribution area were compared, to provide the help and study on grass species distribution heisha set for the future were carried out at home and abroad, and the study of environmental factors in the study of species the infl

17、uence of the distribution of providing data support!目錄摘要abstract緒論1第一章 數(shù)據(jù)與方法31 .1 數(shù)據(jù)來源31. 2 使用軟件41. 3 運算方法51. 4 研究區(qū)概況6第二章 結(jié)果與分析7 2. 1 影響黑莎草分布的因素與變量72. 2 黑莎草的在當下分布9 2. 3 黑莎草在2080年的分布預測10 2. 4 黑莎草在冰川時期的分布預測11 2. 5 黑莎草不同時期分布數(shù)據(jù)結(jié)果的比較與分析12討論16 3.1 什么因素會影響物種分布模擬16 3. 2 環(huán)境因子與maxent模型的作用關系17 3. 3 關于植物地理分布預測的

18、方法18參考文獻（references）19致謝20緒論黑莎草屬在全世界有50余種，其中多產(chǎn)于亞洲、澳洲等熱帶地區(qū)，我國有2種，主要分布于華南各省。黑莎草主產(chǎn)于南半球，我國有黑莎草g. tristis nees（種子可榨油供皂用）和爪哇黑莎草g. javanica moritizi等3種，產(chǎn)華南地區(qū)和西南地區(qū)的干燥草山上。該屬物種為多年生的粗壯草本植物。1黑莎草在國內(nèi)產(chǎn)于福建、江西、海南島、廣東、廣西和湖南等地；生長于干燥的荒山坡或者山腳灌木叢中，海拔一般在130-730米。國外分布于日本琉球群島地帶。全株植物在產(chǎn)地用作于小茅屋頂?shù)纳w草以及墻壁材料等，小堅果可用以榨油或供皂用。2黑莎草是一種草

19、本植物。有須根，稈為圓柱狀，果實為倒卵狀呈長圓形。叢生，須根粗，具根狀莖。稈粗壯，高0.5-1.5米，圓柱狀，堅實，空心，有節(jié)。葉子有基生和稈生，具鞘，鞘一般呈紅棕色，長約10-20厘米，葉片狹長，極硬，常態(tài)為硬紙質(zhì)或幾革質(zhì)，長約40-60厘米，寬0.7-1.2厘米，葉子從下而上漸狹，頂部成鉆形，邊緣通常狀態(tài)為內(nèi)卷，邊緣和背面具有刺狀細齒。苞片葉狀，具長鞘，愈往上則鞘愈短，邊緣以及背面亦具刺狀細齒；圓錐花序會緊縮成穗狀，長度約14-35厘米，由7-15個卵形或矩形的穗狀枝花序組成，下面的穗狀枝花序則較長，彼此相距較遠，漸上則漸短而且相距逐漸緊密；小苞片鱗片狀，卵狀披針形小穗，其排列緊密，紡錘形

20、，具8片鱗片，罕有10鱗片；鱗片呈螺旋狀排列，基部的6片鱗片中空無花，初期呈黃棕色，后期為暗褐色，卵狀披針形，具1條脈，質(zhì)堅硬，最上方的2片鱗片最小，寬卵形，頂端微凹，微具緣毛，其中上面的1片具兩性花，下面的1片具雄蕊或無花；無下位剛毛；雄蕊3，花絲細長，花藥線狀一般呈長圓形或線形，藥隔頂端且突出于藥外；花柱細長，柱頭3，細長。小堅果為倒卵狀長圓形，三稜形，長約4毫米，平滑，具光澤，骨質(zhì)，未成熟時呈白色或淡棕色，成熟時為黑色。花果期3-12月。3但是，由于黑莎草研究隊伍的人員較少，野外的采集工作相對于其他植物類群而言，開展較少，使得現(xiàn)在缺少黑莎草區(qū)系的資料，因此，需要確定黑莎草物種的地理分布是

21、更加復雜而艱巨一個任務。所以說，如果能夠在開展野外調(diào)查之前就對目標植物進行分布概率的預測，那么對于開展這些野外調(diào)查工作將變得極有價值。其中，可以收集一些黑莎草目前的分布數(shù)據(jù)，用maxent 來進行數(shù)據(jù)處理和分析。maxent 模型利用最大熵原理來預測物種地理分布，這個方法被認為是目前預測效果最好的方法之一。maxent 主要根據(jù)物種實際的分布點和現(xiàn)實的分布地區(qū)的環(huán)境變量，經(jīng)過運算得出預測模型，再通過此模型模擬我們所需要預測的物種在目標地區(qū)的將可能發(fā)生分布情況，該模型目前已成功地應用于很多生物類群的潛在地理分布范圍預測。4在生態(tài)學和物種保護研究領域當中，物種分布模型模擬和預測是一種很常見，而且非

22、常適用和重要的工具，對研究物種的分布分別在環(huán)境和氣候不同時期變化下的空間分布具有重要的意義 。物種的分布與地理環(huán)境因子之間始終存在著密切關系，以地理環(huán)境因子作為預測該物種模型變量的潛在分布模型，在物種的保護管理和監(jiān)測以及各種氣候變化下物種分布的變化領域中得到了廣泛應用。目前通過這樣的模式，已經(jīng)產(chǎn)生了多種物種潛在分布區(qū)的預測模型，并得到了廣泛應用。代表性的常見模型還有廣義線性模型（glm）、廣義加法模型（gam）、分類回歸樹（cart）等（雷軍成，徐海根，2010）。使用比較廣泛的預測物種分布的生態(tài)位模型主要有 bioclim，climex，domain，garp（geneticalgorith

23、m forrulesetproduction）和 maxent（maximumentropy species prediction model）（elithetal2006） 。第一章 數(shù)據(jù)與方法1 .1 數(shù)據(jù)來源通過中國數(shù)字植物標本館（cvh）5、中國植物志圖集6、中國植物頭像庫（ppbc）7、中國百科網(wǎng)8、中國自然標本館9、中國高等植物圖鑒10等網(wǎng)址查詢，野外調(diào)查并借助google earth查找經(jīng)緯度，從所得近百個數(shù)據(jù)數(shù)據(jù)中，剔除重復的以及一些無效數(shù)據(jù)后共獲取到56個黑莎草在中國的點位分布信息。按 maxent 模型的軟件運行要求，黑莎草分布記錄數(shù)據(jù)包括物種名、分布點經(jīng)度和緯度，形成*

24、csv 格式文件，其中東經(jīng)和北緯標為正值，西經(jīng)和南緯標為負值。從worldclim數(shù)據(jù)庫中下載模擬所需要的末次冰期（lgm）、當前以及2080年3個時期的氣候變量數(shù)據(jù)。將黑莎草分布點位數(shù)據(jù)和氣候數(shù)據(jù)輸入maxent模型中進行分布模擬及驗證。1. 2 使用軟件 maxent是由美國普林斯頓大學（princeton university）的研究室研發(fā)，可以對物種的分類和分布進行預測，其中分類模型包括線性回歸、基因算法、人工智能方法以及支持向量積（support vector machines，svm）等，并且研究室還提供多種方法進行物種分類結(jié)果的檢驗。利用最大熵算法來分析不同的環(huán)境因子，如溫度，降

25、水和海拔的值，在物種發(fā)生（收集記錄）的現(xiàn)有已知位置來估計物種的現(xiàn)在或者不同時期可能的地理區(qū)域范圍。 maxent模型是把研究區(qū)所有像元作為構成最大熵的可能分布空間, 將已知某些分布點的像元作為樣點, 根據(jù)樣點像元的環(huán)境因子如氣候變量、海拔、年平均氣溫、土壤類型、植被類型得出約束條件, 探尋這些約束條件下的最大熵的可能分布情況(即探尋與物種分布點的環(huán)境變量特征相同的像元), 據(jù)此來預測，目標物種在研究區(qū)的生境分布(phillips et al., 2006)。該模型采用jackknife檢驗對環(huán)境因子的重要性進行了分析,并用roc曲線(受試者工作特征曲線)的下面積(areaunder curve

26、, auc)對于maxent模型的精度進行了評價。 其中，auc值越大, 則表示環(huán)境變量與預測物種的地理分布模型之間的相關性也就越大, 越能將該物種在這一地區(qū)有分布和無分布的判別開, 預測效果也就越好。規(guī)定的評價標準為: auc值為 0.500.60, 失敗 (fail); 0.600.70, 較差 (poor);0.700.80, 一般(fair); 0.800.90, 好(good); 0.901.0,非常好(excellent) (swets, 1988; araújo et al., 2005)111. 3 運算方法 分別將黑莎草地理分布數(shù)據(jù)和19個環(huán)境變量（表1-1）導入m

27、axent通過運算輸出圖層( * asc) ，得到物種在中國各地區(qū)的適生性概率p，取值范圍在01之間; 應用arcgis將maxent生成的asc格式文件轉(zhuǎn)換成raster文件，并執(zhí)行重分類程序進行風險等級分類，分別輸出黑莎草在中國范圍內(nèi)的分布區(qū)預測，為了直觀展示預測結(jié)果，在預測分布圖中顯示了實際分布點。12表1-1 模型中應用到的 19 個生物氣候因子變量variables 描述descriptionbio- 1年平均氣溫 annual mean temperaturebio- 2晝夜溫差月均值 mean diurnal range ( mean ofmonthly ( max temp-m

28、intemp) )bio- 3晝夜溫差與年溫差比值 isothermalitybio- 4溫度變化方差 temperature seasonalitybio- 5最熱月份最高溫 max temperature of warmest monthbio- 6最冷月份最低溫 min temperature of coldest monthbio- 7年溫度變化范圍 temperature annual rangebio- 8最濕季度平均溫度 mean temperature of wettest quarterbio- 9最干季度平均溫度 mean temperature of driest qua

29、rterbio- 10最熱季度平均溫度 mean temperature of warmest quarterbio- 11最冷季度平均溫度 mean temperature of coldest quarterbio- 12年平均濕度 annual precipitationbio- 13最濕月份濕度 precipitation of wettest monthbio- 14最干月份濕度 precipitation of driest monthbio- 15濕度變化方差 precipitation seasonality ( coefficient of variation)bio- 16

30、最濕季度濕度 precipitation of wettest quarterbio- 17最干季度濕度 precipitation of driest quarterbio- 18最熱季度平均濕度 precipitation of warmest quarterbio- 19最冷季度平均濕度 precipitation of coldest quarter1 .4研究區(qū)概況 關于黑莎草物種分布的研究區(qū)位于華南東部以及海南島等沿海地區(qū),地理位置為108.229301-118.089766 e,18.252013-27.706099 n。橫跨廣西，廣東，福建，江西，湖南，海南，臺灣等地區(qū)，其中主

31、要十萬大山山脈為中心地段，輻射到周邊區(qū)域。山脈呈東北西南走向，長100多公里， 寬30-40公里，總面積達2600²，為廣西最南端的山脈。海拔700-1000米，也有不少超過1000米的高峰。十萬大山主峰位于上思縣南部雞籠隘附近的蒔良嶺，海拔1462米。 研究區(qū)域大致在北以湖南莽山為界, 南至海南島亞諾達熱帶雨林, 東到廣西十萬大山東面山谷, 西至福建廈門云頂山, 東西長1000-1100 km, 南北寬800-900 km, 總面積約892，500 km2。區(qū)域內(nèi)部山勢起伏, 區(qū)內(nèi)相對高差2500 m以上, 研究區(qū)域內(nèi)海拔最高黃岡山2158 m。黃崗山是閩贛兩省界山，山頂立有兩省界

32、石，至高點2160.8米位于福建境內(nèi)。距南平武夷山市區(qū)約40公里，距離上饒鉛山縣約60公里。因山頂生滿萱草（俗稱黃花菜）八九月開花時節(jié)，山崗遍染金色，故名黃崗山（黃岡山）。介于北緯27°33 27°54 ，東經(jīng)117°27 117°51之間。1979年，國家將黃崗山周圍保存完好的林地列為武夷山自然區(qū)，是地球同一緯度上僅有的一片生物多樣化綠洲，其價值彌足珍貴。第2章 結(jié)果與分析2.1 影響黑莎草分布預測的因素與變量 利用19個生物氣候指標作為黑莎草模擬分布的環(huán)境變量（表2-1），運用maxent可以得出各個環(huán)境變量對黑莎草分布預測的貢獻百分比。在19個環(huán)境

33、變量中，其中最冷季度平均濕度 precipitation of coldest quarter以及年平均氣溫 annual mean temperature，所占貢獻率較大(>20%)，是19個環(huán)境因子當中最主要影響黑莎草分布的環(huán)境變量（圖2-1）。在其他幾個環(huán)境變量中，年平均濕度 annual precipitation，最干季度平均溫度 mean temperature of driest quarter，晝夜溫差與年溫差比值 isothermality，最熱季度平均溫度mean temperature of warmestquarter，晝夜溫差月均值mean diurnal ra

34、nge ( mean ofmonthly ( max temp-mintemp) )的所占貢獻率并不大（1%-10%），但是也對黑莎草的分布產(chǎn)生了一定的影響（圖2-2）。表2-1 主要環(huán)境變量對黑莎草分布的相對貢獻率variablepercent contributionpermutation importancebio-1953.414.8bio- 126.30.9bio-118.60.2bio-123.611.2bio-92.119.2bio-328.2bio-1027.5bio-211.4bio-140.31.5bio-180.34.3bio-150.24.2bio-40.19.6bio

35、-160.10bio-50.115.7bio-1701.3bio-1300bio-600bio-700bio-800圖2-1 圖2-22. 2 黑莎草的在當下分布 這是對gahnia_tristis maxent模型表示。溫暖的色彩顯示更好的預測條件的地區(qū)，藍色的冷色調(diào)則顯示沒有分布黑莎草。而紫點顯示的測試地點。其中，年平均氣溫 annual mean temperature、最干季度平均溫度 mean temperature of driest quarter、最冷月份最低溫 min temperature of coldest month這三個環(huán)境因子貢獻最大。圖2-3 基于56個地理單位

36、分析的黑莎草種數(shù)分布圖 在接收器工作特性(roc)曲線中，橫坐標為假陽性率，縱坐標為真陽性率。需要特別注意的是auc值（橫坐標與roc曲線所圍成的面積值），auc值可達到的最大值小于1，其數(shù)值越大，表明預測的物種分布模型與環(huán)境變量之間的相關性越大，預測的效果則越好。利用maxent模型計算roc曲線的結(jié)果見圖2-2，其訓練數(shù)據(jù)和驗證數(shù)據(jù)的auc值分別為0.981和0.980。表明預測效果比較好。圖2-4 黑莎草的適生分布預測精度 2. 3 黑莎草在2080年的分布預測 這是對gahnia_tristis maxent模型表示。溫暖的色彩顯示更好的預測條件的地區(qū)，藍色的冷色調(diào)則顯示沒有分布黑莎草

37、。而紫點顯示的測試地點。其中，最冷月份最低溫 min temperature of coldest month，最干季度平均溫度 mean temperature of driest quarter，最冷季度平均溫度 mean temperature of coldest quarter這三個環(huán)境因子貢獻最大。圖2-5 基于當下地理分部信息分析的2080黑莎草種數(shù)分布圖 利用maxent模型計算roc曲線的結(jié)果（圖2-2），其訓練數(shù)據(jù)和驗證數(shù)據(jù)的auc值分別為0.980和0.979。表明預測效果非常好。圖2-6 黑莎草的適生分布預測精度 2. 4 黑莎草在冰川時期的分布預測 這是對gahnia

38、_tristis maxent模型表示。溫暖的色彩顯示更好的預測條件的地區(qū)，藍色的冷色調(diào)則顯示沒有分布黑莎草。而紫點顯示的測試地點。其中，最干季度平均溫度 mean temperature of driest quarter，年平均氣溫 annual mean temperature，最熱季度平均溫度 mean temperature of warmest quarter這三個環(huán)境因子對于冰川時期黑莎草的分布預測貢獻值最大。圖2-7 基于當下地理分部信息分析的冰川時期黑莎草種數(shù)分布圖 利用maxent模型計算roc曲線的結(jié)果見圖2-2，其訓練數(shù)據(jù)和驗證數(shù)據(jù)的auc值分別為0.983和0.983

39、。表明預測效果比較好。、圖2-8 黑莎草的適生分布預測精度 2. 5 黑莎草不同時期分布數(shù)據(jù)結(jié)果的比較與分析把從植物書記標本館以及野外調(diào)研獲取的數(shù)據(jù)進行對比，去除其中重復及無效的數(shù)據(jù)，利用剩余的56個數(shù)據(jù)，在基于maxent模型預測黑莎草3個不同的時期的潛在分布，所得到的數(shù)據(jù)和驗證數(shù)據(jù)的auc值均大于0.97，表明模型預測的結(jié)果非常好?？梢詮?圖2-3)的結(jié)果看出，黑莎草主要分布在廣東省的西北部(廣州市白云山，陽江縣，陽山縣，南雄縣，從化縣，連平縣，和平縣等地)和廣西壯族自治區(qū)的山林地帶（包括蒼梧縣，梧州市,十萬大山，上林縣,陽江縣,武鳴縣,博白縣,懷集縣,金秀縣以及防城各族自治縣等地）和華南

40、東部的江西、湖南和福建地帶（包括資溪縣,南康縣,泰寧縣,廈門市,宜章縣,將樂縣等地）。甚至在環(huán)境溫度較高的沿海地帶，海南省（保亭縣，東方市,儋縣,白沙,崖縣,）也有一些分布。 從3個歷史時期的生物分布變化可知，黑莎草的適宜性棲息地分布范圍當前時期是比冰川末期在總體上是有所擴增，但是局部區(qū)域而言，黑莎草的適宜性棲息地既有擴增也有縮減。比較冰川末期（圖2-7）和當前時期，黑莎草在福建地區(qū)和湖南南部地區(qū)以及廣西西部地區(qū)適宜棲息地面積發(fā)生了很大的退縮，而廣西東部和廣東西部以及江西南部的黑莎草適宜性面積則進行了擴增，從總體上面來看，黑莎草的分部區(qū)域在冰川時期相對較??；把2080年（圖2-5）和當前時期進

41、行對比，湖南北部和福建東部黑莎草的適宜性區(qū)域面積大面積的增加，廣西西部部黑莎草的適宜性區(qū)域面積則有所減少，但從總體變化來看，黑莎草的適宜性區(qū)域面積是呈現(xiàn)增加的形勢。從數(shù)據(jù)可以看出，隨著現(xiàn)在氣候的改變，在不久的將來，黑莎草的適宜性區(qū)域面積會增大。圖2-9 進行當下黑莎草分布預測各環(huán)境因子貢獻率 圖2-10 進行2080黑莎草分布預測各環(huán)境因子貢獻率 圖2-11 進行冰川時期黑莎草分布預測各環(huán)境因子貢獻率 通過上面三個圖的顯示比較，可以明顯的看出，在不同的時期，相同的環(huán)境因子對于黑莎草的不同時期分布預測有著不同的貢獻率（圖2-9至圖2-11）。其中把對黑莎草進行分布預測時，三個不同時期中，各個環(huán)境

42、因子所做的貢獻值整理成為一張表格（表2-2）之后，可以很明顯的看出來，其中很多的 bio- 1年平均氣溫 annual mean temperature 在過去和當下所做出的分布預測貢獻率還比較大（為2.250），但是到了進行2080年黑莎草的分布預測時，它所占的貢獻率就已經(jīng)下降了（為1.470），最熱季度平均溫度 mean temperature of warmest quarter在冰川時期進行黑莎草分布預測時貢獻值為2.320，但是在2080年進行預測是就變成了1.800，最濕季度濕度 precipitation of wettest quarter在冰川時期進行黑莎草分布預測時，貢獻值

43、只有0.920，但是在現(xiàn)在和2080年進行預測時，則變成了1.840和1.810，最熱月份最高溫 max temperature of warmest month在不同時期的預測時，所做出的貢獻值也有很大的變化，但是，像是最冷 季 度 平 均 溫 度 mean temperature of coldest quarter、最冷季度平均雨量 precipitation of coldest quarter、最冷月份最低溫 min temperature of coldest month、最干季度平均溫度 mean temperature of driest quarter在三個不同時期所做出的貢

44、獻值幾乎沒有變化。 表2-2 進行黑莎草不同時期分布預測時各環(huán)境因子貢獻率的變化variables descriptioncurrent2080pastbio- 1年平均氣溫 annual mean temperature2.2501.4802.240bio- 10最熱季度平均溫度 mean temperature of warmest quarter1.9201.8002.320bio- 11最冷季度平均溫度 mean temperature of coldest quarter2.0002.0002.020bio- 12年平均濕度 annual precipitation1.9401.90

45、02.120bio- 13最濕月份濕度 precipitation of wettest month1.7101.5901.980bio- 14最干月份濕度 precipitation of driest month1.6501.6801.410bio- 15濕度變化方差 precipitation seasonality1.2600.8900.920bio- 16最濕季度濕度 precipitation of wettest quarter1.8401.8100.920bio- 17最干季度濕度 precipitation of driest quarter1.7601.7201.560bi

46、o- 18最暖季度平均雨量 precipitation of warmest quarter1.3401.2401.640bio- 19最冷季度平均雨量 precipitation of coldest quarter1.7301.6601.720bio- 2晝夜溫差月均值mean diurnal range1.4501.4801.180bio- 3晝夜溫差與年溫差比值 isothermality0.3200.2200.300bio- 4溫度變化方差 temperature seasonality1.1500.9201.100bio- 5最熱月份最高溫 max temperature of w

47、armest month0.9600.9001.590bio- 6最冷月份最低溫 min temperature of coldest month2.0502.0402.080bio- 7年溫度變化范圍 temperature annual range1.4101.2801.380bio- 8最濕季度平均溫度 mean temperature of wettest quarter0.9200.8601.170bio- 9最干季度平均溫度 mean temperature of driest quarter2.1102.1202.400第三章 討論3.1什么因素會影響物種分布模擬從上面的比較就可

48、以看出，對于黑莎草三個不同時期的分布預測情況，其中高溫、高濕度這些環(huán)境因子會對其分布產(chǎn)生較大影響，低溫，溫差，低濕度以及降雨量較少的階段，對于黑莎草的分布預測影響相對較小，然而這些數(shù)據(jù)在不同的時期所產(chǎn)生的貢獻值不同，就說明了這個時期的氣候環(huán)境與另一個時期的氣候環(huán)境有差異，而且這個環(huán)境差異所帶來的變化，還會對于黑莎草的分布產(chǎn)生影響。所以這就造成了不同時期，隨著地球氣候的變化，黑莎草的分布區(qū)域也在發(fā)生變化，就比如由于冰川時期的氣候穩(wěn)定區(qū)域較少，不同區(qū)域溫差較大，所以當時的黑莎草分布面積較小，現(xiàn)在隨著氣候的變化，以及全球氣候的全年逐漸穩(wěn)定和大部分區(qū)域溫度較高所產(chǎn)生的影響，使得黑莎草的分布區(qū)域變大了許

49、多，而隨著這樣的氣候繼續(xù)變化，隨著全球氣候的變暖，黑莎草的分布區(qū)域也會越來越大，正如2080年的分布預測圖一樣，會隨著時間的推移，氣候的變化，黑莎草分布范圍會在湖南北部和福建東部黑莎草的適宜性區(qū)域面積大面積的增加。為了使預測結(jié)果更加的精確可用，第一，獲取一定數(shù)量的精確且很有針對性的物種地理分布點數(shù)據(jù)；其次還需要選擇影響物種分布的關鍵環(huán)境變量來建立相對準確的模型，而其基礎就是要充分了解物種的生物學和生態(tài)學特性，最后可以采用多種模型結(jié)合的方法，綜合考慮其他因素，這樣才能得到相對準確的預測結(jié)果。3.2 環(huán)境因子與maxent模型的作用關系“物種環(huán)境”關系是目前生態(tài)學研究中一個重要的內(nèi)容, 是研究物種

50、分布區(qū)域與物種分類的重要方面。本文利用了當下的一部分地理分布數(shù)據(jù)，通過使用maxent模型對未來的2080年和冰川時期末冰川時代的黑莎草物種分布預測, 處理出來的數(shù)據(jù)auc值均大于0.97，表明模型預測的結(jié)果非常好，結(jié)果合理可信。用maxent模型根據(jù)當下物種痕跡點分布數(shù)據(jù)進行分布區(qū)域的預測時, 會因數(shù)據(jù)點分布距離較為集中而存在空間自相關而影響模型模擬的精度。在諸多影響物種分布地域的生態(tài)因子中, 只有較少數(shù)因子起著主導作用，如果簡單的將所有環(huán)境因子平等對待, 則容易弱化某些重要因子的作用, 而且很多環(huán)境因子之間的交互作用對模型的預測結(jié)果也存在著一定的影響。因此，在今后的物種分布預測的研究過程中

51、還需進一步對物種痕跡點一些分布集中的數(shù)據(jù)作空間自相關分析, 要參考空間自相關的檢測指數(shù)標準優(yōu)化的分布點數(shù)據(jù), 對環(huán)境因子進行主成分的分析, 選取具很有代表性的少量環(huán)境因子和適量的一些有影響力的環(huán)境因子進行分析, 以獲得更好的評價結(jié)果。133.3 關于植物地理分布區(qū)預測的方法任何物種的分布都與地理環(huán)境因子之間存在密切的關系。目前已有為數(shù)不少的用地理環(huán)境因子進行預測模型變量的物種潛在分布模型，應用它們進行物種潛在分布區(qū)域的預測。這樣對于物種保護管理和監(jiān)測，以及不同時期氣候變化下物種分布的變化區(qū)域上有很重要的作用。進行生態(tài)位模型預測物種的地理分布一般需要兩種數(shù)據(jù)，一個為目標物種的現(xiàn)實地理分布數(shù)據(jù)，另一個為當下的環(huán)境數(shù)據(jù)，預測的結(jié)果可以直接導入地理信息系統(tǒng)軟件進行下一步的分析，直到得到直觀的適生性地圖。在這一工作中，選擇利用合適的模型來預測目標物種的適生指數(shù)是進行整個分析的基礎?，F(xiàn)階段使用得比較廣泛的預測物種分布的一些生態(tài)位模型主要有 bioclim，climex，domain，garp（ genetic algorithm for rule setproduction）和 maxent。最大熵理論在生態(tài)學研究中可以表達為某個物種在沒有約束的情況下，存在盡最大可能的擴散蔓延，接近均勻分布（philli