基于MaxEnt模型的天山雪莲适宜分布区预测及影响因素分析

doi:10.11733/j.issn.1007-0435.2025.05.020

草地学报 ›› 2025, Vol. 33 ›› Issue (5): 1544-1556.DOI: 10.11733/j.issn.1007-0435.2025.05.020

• 研究论文 • 上一篇

基于MaxEnt模型的天山雪莲适宜分布区预测及影响因素分析

邵倩影^1,2, 阿里木江·卡斯木¹, 包安明^2,3, 王建成², 师玮², 赵金^2,3

1. 新疆师范大学, 地理科学与旅游学院, 新疆乌鲁木齐 830054;
2. 中国科学院新疆生态与地理研究所荒漠与绿洲生态国家重点实验室, 新疆乌鲁木齐 830011;
3. 新疆维吾尔自治区遥感与地理信息系统应用重点实验室, 新疆乌鲁木齐 830011

收稿日期:2024-06-28 修回日期:2024-10-07 发布日期:2025-05-20
通讯作者: 赵金,E-mail:zhaojin@ms.xjb.ac.cn
作者简介:邵倩影（1997-），女，汉族，河南周口人，硕士研究生，主要从事资源环境遥感方向研究，E-mail：928819215@qq.com
基金资助:
第二次青藏高原综合科学考察研究项目（天山雪莲和新疆沙冬青的调查评估）（2019QZKK05020207）；新疆北部重点保护野生植物调查项目（DZXJZB2022039）；巴州野生植物资源本底调查项目（DZXJZB2024059）；国家任务/基地与人才专项/第三次新疆科考项目：空天地网一体化综合科考监测体系建设（2021xjkk1400）资助

The Prediction of Suitable Area and Analysis of Influencing Factors of Saussurea involucrata Based on the MaxEnt Model

SHAO Qian-ying^1,2, KASIMU Alimujiang¹, BAO An-ming^2,3, WANG Jian-cheng², SHI Wei², ZHAO Jin^2,3

1. College of Geographic Science and Tourism, Xinjiang Normal University, Xinjiang, Urumqi 830054, China;
2. State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Xinjiang, Urumqi 830011, China;
3. Key Laboratory of Remote Sensing and GIS Applications, Xinjiang, Urumqi 830011, China

Received:2024-06-28 Revised:2024-10-07 Published:2025-05-20

摘要/Abstract

摘要： 探究气候变化对天山雪莲（Saussurea involucrata）潜在分布的影响，并预测其在未来情景下的分布格局，对制定其保护策略至关重要。本研究选取28个环境因子和39个分布点，基于MaxEnt模型对新疆天山雪莲的适生区进行预测，涵盖当前（1970—2000年）和未来（2041—2070年、2071—2100年）时期，并在三种温室气体排放情景（SSP126，SSP370和SSP585）下进行模拟。结果表明：当前气候条件下，天山雪莲的总适生区面积为10.71×10⁴ km²，主要分布在阿尔泰山、天山、博格达峰和托木尔峰；最暖季月平均降水量150~200 mm，土壤类型为薄层土、冰川、淋溶土，海拔2800~3800 m，归一化植被指数0.03~0.7和坡度50°~73°时适宜天山雪莲的生长，这5种因子是影响其分布的关键因素；未来情景下，天山雪莲的适生区面积呈下降趋势，尤其是在SSP585情景下，高适生区面积由2.12×10⁴ km²缩减至1.66×10⁴ km²，但主要分布区不变。为保护天山雪莲，需监测气候变化对其生境的影响，应对未来潜在风险。

关键词: 天山雪莲, 最大熵（MaxEnt）模型, 环境变量, 潜在分布

Abstract: Exploring the impact of climate change on the potential distribution of Saussurea involucrata and predicting future scenarios is crucial for developing effective conservation strategies. This study used the MaxEnt model to predict suitable habitats of Saussurea involucrata in Xinjiang through 28 environmental variables and 39 occurrence points. Predictions covered the present （1970-2000） and future periods （2041-2070 and 2071-2100）， and simulated under three greenhouse gas emission scenarios （SSP126， SSP370， and SSP585）. The results indicated that， under current climate condition， the total suitable habitat area of Saussurea involucrata was 107 100 km2， mainly distributing across the Altai Mountains， Tianshan， Bogda Peak， and Tomurti Peak. Suitable growth conditions included an average monthly precipitation of 150-200 mm during the warmest season， thin-layered soil， glacial soil， leached soils， an elevation range of 2800-3800 m， an NDVI of 0.03–0.7， and a slope of 50°–73°. These five factors were key constraints influencing its distribution. In future scenario， the suitable habitat area of Saussurea involucrata showed a declining trend， especially under the SSP585 scenario， where the high-suitable area shrinked from 21 200 km2 to 16 600 km2. However， the primary distribution areas remained unchange. To protect Saussurea involucrata， continuous monitoring of habitat changes and addressing potential future risks were essential.

Key words: Saussurea involucrata, MaxEnt Model, Environmental variables, Potential distribution

中图分类号:

Q948.112

邵倩影, 阿里木江·卡斯木, 包安明, 王建成, 师玮, 赵金. 基于MaxEnt模型的天山雪莲适宜分布区预测及影响因素分析[J]. 草地学报, 2025, 33(5): 1544-1556.

SHAO Qian-ying, KASIMU Alimujiang, BAO An-ming, WANG Jian-cheng, SHI Wei, ZHAO Jin. The Prediction of Suitable Area and Analysis of Influencing Factors of Saussurea involucrata Based on the MaxEnt Model[J]. Acta Agrestia Sinica, 2025, 33(5): 1544-1556.

0
/ 收藏文章 0 / 推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://manu40.magtech.com.cn/Jweb_cdxb/CN/10.11733/j.issn.1007-0435.2025.05.020

https://manu40.magtech.com.cn/Jweb_cdxb/CN/Y2025/V33/I5/1544

参考文献

[1] YANG W J，SUN S X，WANG N X，et al. Dynamics of the distribution of invasive alien plants （Asteraceae） in China under climate change[J]. Science of the Total Environment，2023，903：166260
[2] ZHAO Y H，WEN Y F，ZHANG W Q，et al. Distribution pattern and change prediction of Phellodendron habitat in China under climate change[J]. Ecology and Evolution，2023，13（8）：e10374
[3] 莫忠妹，康公平，于海英，等. 未来气候背景下的我国野生薤白潜在适生区预测[J]. 中药材，2023，46（8）： 1894-1900
[4] 刘阳，苗晨，王鹤松.气候变化对落叶松人工林在中国适生区分布的影响[J]. 生态学报，2023，43（23）： 9686-9698
[5] 张世林，高润红，高明龙，等. 气候变化背景下中国樟子松潜在分布预测[J]. 浙江农林大学学报，2023，40（3）：560-568
[6] 贾翔，马芳芳，周旺明，等. 气候变化对阔叶红松林潜在地理分布区的影响[J]. 生态学报，2017，37（2）：464-473
[7] DRAKE J M. Range bagging：a new method for ecological niche modelling from presence-only data[J]. Journal of the Royal Society，Interface，2015，12（107）：20150086
[8] SMITH-RAMÍREZ C，CASTILLO-MANDUJANO J，BECERRA P，et al. Recovery of Chilean Mediterranean vegetation after different frequencies of fires[J]. Forest Ecology and Management，2021，485：118922
[9] GIGOVIĆ L，POURGHASEMI H R，DROBNJAK S，et al. Testing a new ensemble model based on SVM and random forest in forest fire susceptibility assessment and its mapping in Serbia’s Tara National Park[J]. Forests，2019，10（5）：408
[10] 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
[11] 应凌霄，刘晔，陈绍田，等. 气候变化情景下基于最大熵模型的中国西南地区清香木潜在分布格局模拟[J]. 生物多样性，2016，24（4）：453-461
[12] 邢丁亮，郝占庆.最大熵原理及其在生态学研究中的应用[J].生物多样性，2011，19（3）：295-302
[13] 孔维尧，李欣海，邹红菲. 最大熵模型在物种分布预测中的优化[J]. 应用生态学报，2019，30（6）：2116-2128
[14] 郭彦龙，赵泽芳，乔慧捷，等.物种分布模型面临的挑战与发展趋势[J]. 地球科学进展，2020，35（12）：1292-1305
[15] 方铧，陈星彤，刘明月，等. 基于Maxent模型的互花米草潜在生境适宜性分析[J]. 草地学报，2023，31（11）： 3514-3524
[16] 宋晴，付鸿莉，王铁梅，等. 兴安盟草原灌丛植被潜在适生区分布模拟分析[J]. 草地学报，2024，32（2）：579-587
[17] 万广珍，罗永慧，张鼎新，等. 基于最大熵模型的甘肃省蒙古黄芪潜在适生区预测及生态特征分析[J]. 中国中医药信息杂志，2024，31（1）：1-5
[18] 王森源，宝秋利，包玉英，等. 基于MaxEnt模型的蒙古白丽蘑适生区预测[J]. 菌物学报，2023，42（10）： 2141-2151
[19] 王晓帆，段雨萱，金露露，等. 基于优化的最大熵模型预测中国高山栎组植物的历史、现状与未来分布变化[J]. 生态学报，2023，43（16）：6590-6604
[20] DAI X S，WU W，JI L，et al. MaxEnt model-based prediction of potential distributions of Parnassiawightiana （Celastraceae） in China[J]. Biodiversity Data Journal，2022，10：e81073
[21] LIU G L，MAI J F. Habitat shifts of Jatropha curcas L. in the Asia-Pacific region under climate change scenarios[J]. Energy，2022，251：123885
[22] GUO Y X，ZHANG S Y，TANG S C，et al. Analysis of the prediction of the suitable distribution of Polygonatum kingianum under different climatic conditions based on the MaxEnt model[J]. Frontiers in Earth Science，2023，11：1111878
[23] 郭杰，刘小平，张琴，等. 基于Maxent模型的党参全球潜在分布区预测[J]. 应用生态学报，2017，28（3）： 992-1000
[24] 王娟娟，曹博，白成科，等. 基于Maxent和ArcGIS预测川贝母潜在分布及适宜性评价[J]. 植物研究，2014，34（5）：642-649
[25] 车乐，曹博，白成科，等. 基于MaxEnt和ArcGIS对太白米的潜在分布预测及适宜性评价[J]. 生态学杂志，2014，33（6）：1623-1628
[26] 焦鑫宇，龙梅，刘志雄. 应用最大熵模型预测我国野生蕙兰潜在适生区分布及其影响因素[J]. 东北林业大学学报，2023，51（7）：96-101，122
[27] 张雪梅，刘涛，任世杰，等. 基于MaxEnt模型的3种野生牧草西藏地区潜在适生区分析[J]. 草地学报，2023，31（8）：2314-2322
[28] 贾文茜，陈英英，陈正洪，等. 基于MaxEnt模型的湖北烟区潜在适宜性分布及其环境特征分析[J]. 华中农业大学学报，2024，43（1）：100-107
[29] 韩梦丽，白史且，孙盛楠，等. 基于MaxEnt模型青藏高原老芒麦适生区模拟预测[J]. 草地学报，2021，29（2）：374-382
[30] KARGER D N，CONRAD O，BÖHNER J，et al. Climatologies at high resolution for the earth’s land surface areas[J]. Scientific Data，2017，4：170122
[31] 李欣蕊. 气候变化对青藏高原哺乳动物分布影响研究[D]. 兰州：兰州大学，2023：83
[32] SUN R Z，TONG G J，ZHANG Q，et al. A study on the suitable areas for growing apricot kernels in China based on the MaxEnt Model[J]. Sustainability，2023，15（12）：9635
[33] LI J Y，CHANG H，LIU T，et al. The potential geographical distribution of Haloxylon across Central Asia under climate change in the 21st century[J]. Agricultural and Forest Meteorology，2019，275：243-254
[34] HE Y L，MA J M，CHEN G S. Potential geographical distribution and its multi-factor analysis of Pinus massoniana in China based on the maxent model[J]. Ecological Indicators，2023，154：110790
[35] AN Q H，ZHENG J H，GUAN J Y，et al. Predicting the effects of future climate change on the potential distribution of Eolagurus luteus in Xinjiang[J]. Sustainability，2023，15（10）：7916
[36] 姜颖倩，王霞，刘艳，等. 基于MaxEnt模型的毛荚苜蓿在中国的潜在适生区预测[J].草原与草坪，2022，42（2）：67-73
[37] 姚政宇，韩其飞，林彬. 基于最大熵模型的新疆主要有毒杂草分布区预测[J]. 生态学报，2023，43（12）： 5096-5109
[38] 李晓辰，贡璐，魏博，等. 气候变化对新疆雪岭云杉潜在适宜分布及生态位分化的影响[J]. 生态学报，2022，42（10）：4091-4100
[39] 廖剑锋，易自力，李世成，等. 基于Maxent模型的双药芒不同时期潜在分布研究[J]. 生态学报，2020，40（22）：8297-8305
[40] ZHAO R F，WANG S J，CHEN S Y. Predicting the potential habitat suitability of Saussurea species in China under future climate scenarios using the optimized Maximum Entropy （MaxEnt） model[J]. Journal of Cleaner Production，2024，474：143552
[41] 陈艳瑞，王晓军，刘敏，等. 新疆雪莲生境与有效成分的关系研究：中国，201110454465[P]. 2014-07-12
[42] 张喜娟，陈琛，郜飞飞，等. 中国东北兴安落叶松林空间分布及其对气候变化的响应[J]. 生态学杂志，2022，41（6）：1041-1049
[43] 杨志香，周广胜，殷晓洁，等. 中国兴安落叶松天然林地理分布及其气候适宜性[J]. 生态学杂志，2014，33（6）：1429-1436

编辑推荐 0

Metrics

阅读次数

全文

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	17

来源	本网站	其他网站

次数	14	3
比例	82%	18%

摘要

最新录用	在线预览	正式出版

0	0	68

	来源	本网站

	次数	68
	比例	100%

基于MaxEnt模型的天山雪莲适宜分布区预测及影响因素分析

The Prediction of Suitable Area and Analysis of Influencing Factors of Saussurea involucrata Based on the MaxEnt Model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 2

编辑推荐 0

Metrics

本文评价

[1]	孙成林, 刘玉萍, 苏旭, 李小莉, 张朋辉, 曲荣举, 靳佳瑞, 杨倩, 余明君, 宋昌春. 气候变化背景下青藏高原特有药用植物水母雪兔子的潜在分布区预测[J]. 草地学报, 2025, 33(3): 910-918.
[2]	甘瑞勋, 唐庄生, 花蕊, 余涛, 郝媛媛, 楚彬, 花立民. 气候变化下子午沙鼠在中国的潜在分布分析[J]. 草地学报, 2022, 30(12): 3372-3380.