建模的栖息地适宜性沙棘l使用MaxEnt中国在气候变化:一个案例研究h . r . sinensis和h . r . turkestanica
肖惠他
建华Si2 *,
Dong-meng周
Chun-lin王
杰秦- 1资源与环境学院,包头教师大学、内蒙古科技大学包头,中国
- 2重点实验室的Ecohydrology内陆流域,西北生态环境和资源研究所中国科学院兰州,中国
- 3中国科学院大学,北京,中国
沙棘是广为人知的重要的生态、经济和社会效益。它被称为水土保持的先锋植物,食品和药品的同源性。随着近年来气候变暖,这一物种的数量,这种植物不断下降的国家。h . r . sinensis和h . r . turkestanica在中国最宽的分布面积,占总数的90%以上的国家吗沙棘资源。我们首先检查存在的数据和缩减的环境变量(气候和土壤)相关性分析。其次,基于232年发生数据h . r . sinensis和10个环境变量,73发生数据h . r . turkestanica和11个环境变量,我们模拟和预测合适的栖息地在中国,当前时间和在2050年代(2041 - 2060),并分析了利用MaxEnt主导因素影响其分布。最后,我们研究了这些亚种的栖息地变化和重心迁移未来气候情景下使用ArcGIS的空间分析功能。结果表明,合适的栖息地的面积h . r . sinensis比这大得多的h . r . trkestanica在中国。的合适的栖息地h . r . sinensis集中在中间,黄河的上游,主要分布在陕西、山西、四川、青海、甘肃、宁夏、西藏、内蒙古,和h . r . trkestanica主要分布在新疆和西藏。前者主要是受bio13(最潮湿的月降水),bio11(平均气温最冷的同花顺)和bio3 (Isothermality),而后者主要是受bio13(最潮湿的月降水),生物圈二号(平均日较差)和bio15(降水季节性),和前也更稳定的面对未来的气候变化。他们更容易受到气候比土壤生存。虽然,两个亚种倾向于扩大和迁移到较低的纬度在未来气候情景下,有一些差异。h . r . sinensis将向西迁移,而h . r . trkestanica将向东迁移。他们有一个高稳定的合适的栖息地和未来没有灭绝的危险。这项研究的发现有助于阐明资源储备沙棘l .在中国,这将有助于指导野生资源的保护和推广人工种植在合适的地区,和保护生态环境提供了科学依据。
1。介绍
全球气候变化已经成为我们所面临的最重要的环境问题,并被认为是全球生物多样性的一个主要威胁在21世纪(道森,2011;赵et al ., 2021)。气候变化影响显著的生长、繁殖和物种栖息地的变化,植物物候学,甚至生态系统稳定,直接或间接地(皮尔克et al ., 1998)。先前的研究表明,许多物种的栖息地面积将会显著降低,合适的栖息地将迁移到高纬度和高海拔的气候变暖,和一些稀有植物将面临灭绝的危险Lenoir et al ., 2008;Bellard算法et al ., 2012)。因此,物种地理分布、迁移下合适的栖息地和生物多样性保护的气候变化已经成为热门话题在植物学、地理学和生态学研究近年来(郭et al ., 2016;易et al ., 2016;关et al ., 2018;Ab啦et al ., 2021)。特别是,这些物种都是经济和生态价值吸引了学者们的极大兴趣。许多研究已经表明,他们表现出非常不同的自适应能力和异构利基市场的趋势变化未来气候情景下(胡锦涛等人。,2015年;关et al ., 2018;哈米德et al ., 2019)。
沙棘林。(胡颓子科汁液。),也称为沙棘,开花灌木或小树。它第一次出现形式东喜马拉雅横断山脉,并倾向于生长在干旱、半干旱和高欧亚大陆山地生态系统,包括中国、俄罗斯、蒙古、印度、芬兰、法国、尼泊尔、伊朗、巴基斯坦、阿富汗、巴基斯坦、哈萨克斯坦、不丹、英国、德国、挪威和瑞典(GBIF 2020;Ui哈克et al ., 2021)。此属包含七个物种和世界各地的11个亚种(斯文森和Bartish, 2002)。然而,近年来随着气候变暖,这一物种的数量,这种植物不断下降的国家(两个et al ., 2021)。沙棘吸引了很多世界各地的不同领域的学者们的关注,因为其高的生态、经济和药用价值(Suryakumar Gupta, 2011;Zielinska诺瓦克,2017;两个et al ., 2021)。研究沙棘主要集中在它的生化特性、基因结构、药理作用,种质资源和phylogeography (Zielinska诺瓦克,2017;两个et al ., 2021;Ui哈克et al ., 2021)。然而,很少有人注意到它的地理分布及其对气候变化的反应。h。中国和h。turkestanica在中国最宽的分布面积,特别是吗h . r . sinensis,他们占全国总额的90%以上沙棘资源。理解这两个亚种的合适的栖息地的变化和迁移在气候变化不仅提供了理论支持保护野生物种和人工种植,但也为保护生态环境提供了科学依据。
物种分布模型(sdm),也被称为生态位模型(运用),主要使用环境数据和物种分布数据(在场和缺席)估计的物种生态位的需求以概率形式反映物种栖息地偏好的程度,从而反映出适合物种的栖息地的分布选择的空间和时间范围(Guisan Thuiller, 2007;Elith et al ., 2011)。长效磺胺包括社交、漠视、域、BIOMAPPER BIOClIM, CLIMEX MAXENT等等(木匠et al ., 1993;Hirzel Guisan, 2002)。尽管各种各样的模型可用于预测地理分布,每个模型都有自己的优点和缺点。例如,域,GLM GAM,不能处理定性环境变量,及其精度由样本大小(强烈影响木匠et al ., 1993;Guisan et al ., 2002)。最大熵(MaxEnt)模型提供了更高的预测精度和不完整的数据和小样本大小和性能(Elith et al ., 2006;Ghareghan et al ., 2020)。数据可以输入物种那里数据和MaxEnt仿真结果可以直接生成空间栖息地适宜性地图(菲利普斯和Dudik, 2008;Elith et al ., 2011)。因此,MaxEnt不仅是常用的测定植物物种的地理分布(关et al ., 2018;李et al ., 2020),同时也广泛应用于其他领域,如确定合适的栖息地的动物(苏et al ., 2021),生物入侵(加拉格尔et al ., 2010)、城市地理、考古(Muttaqin et al ., 2019),space-generating自然灾害的能力(Javidan et al ., 2021)和能源适应性分布(Tekin et al ., 2021)。
为了理解气候变化的影响的地理分布h . r . sinensis和h . r . turkestanica,我们使用分布数据和环境变量产生现有栖息地适宜性图和预测未来的潜在栖息地分布这两个亚种在当前气候和不同使用MaxEnt未来气候变化情景。同时,我们分析了他们的主要环境因素影响的空间分布、变化和迁移未来气候变化下的合适的栖息地。我们的研究结果将为人工种植提供理论支持,保护和可持续利用沙棘。
2。材料和方法
2.1。数据源
2.1.1。发生数据
的发生数据h . r . sinensis和h . r . turkestanica在中国获得全球生物多样性信息设施(GBIF)1,全国标本信息基础设施(NSII),2中国虚拟标本馆(CVH)3,中国国家知识基础设施(CNKI)。4发生数据,我们首先删除无效的和错误的数据,然后执行空间变薄,我们创建了一个5×5公里网格细胞,随机选择一个点从每个细胞移除使用ENMTools抽样偏差和空间自相关。最后,232发生数据h . r . sinensis和73年发生的数据h . r . turkestanica获得建立模型(图1)。
图1所示。样本网站的h . r . sinensis和h . r . turkestanica在中国人口。省份名称缩写,XJ,新疆;XZ,西藏(西藏);这么多,青海;GS、甘肃;NX、宁夏;NMG、内蒙古;SC、四川;CQ、重庆;SAX、陕西; SX, Shanxi; HN, Henan; HUB, Hubei; HUN, Hunan; SD, Shandong; BJ, Beijing; TJ, Tianjin; LN, Liaoning; HB, Hebei; JS, Jiangsu; AH, Anhui; ZJ, Zhejiang; GX, Guangxi; GD, Guangdong; YN, Yunnan; JX, Jiangxi; FJ, Fujian; GZ, Guizhou; SH, Shanghai; HLJ, Heilongjiang; JL, Jilin; HAN, Hainan; MAC, Maco; HK, Hongkong; and TW, Taiwan.
2.1.2。环境变量
生物气候变量的生物学意义确定环境生态位的物种(易et al ., 2016)。共有36个环境变量选择的两种类型(19 17土壤生物气候变量和变量)。这些生物气候变量从WorldClim下载version2.1 (菲克Hijmans, 2017),5该决议是2.5 arc-min(在赤道∼5公里空间分辨率)。每月当前生物气候变量来自世界各地气象站的温度和雨量值从1970年到2000年,这是一种非常流行的数据集用于物种分布建模和相关生态建模技术(赵et al ., 2021)。未来的生物气候变量2050年代(2041 - 2060)是由北京气候中心气候模拟系统模型版本2 (BCC-CSM2-MR)代表浓度通路(ssp3 ssp2 ssp1 - 2.6——4.5——7.0,和ssp5 - 8.5) (费舍尔et al ., 2005;赵et al ., 2021),这个模型是可靠的模拟降水和温度在中国(吴et al ., 2019)。土壤从和谐世界土壤数据库得到的数据(HWSD), 1公里的空间分辨率。上述数据处理ArcGIS与统一的地理坐标系统和空间分辨率(5公里×5公里)。
环境变量具有复杂性、综合性和相关性。因此,我们筛选前的环境变量模拟减少变量之间的共线性,并提高模型精度。首先,重叠测试用于删除环境变量与贡献率0 (沃辛顿et al ., 2016)。第二,在ENMTools相关性分析,我们删除一个变量高度相关(|r|≥0.80),贡献少变量在重叠测试(魏et al ., 2018)。最终,10的变量h . r . sinensis和11个变量的h . r . turkestanica选择(表1)。
表1。环境变量用于建模的栖息地适宜性分布h . r . sinensis和h·r·turkestanica和变量的贡献。
2.2。方法
2.2.1。模型操作和评价指标模型的准确性
232年发生的数据h . r . sinensis和10个环境变量导入到MaxEnt 3.4.1建模操作;73年发生的数据h . r . turkestanica和11个环境变量数据,我们执行相同的操作。为了得到物种出现的概率接近正态分布,验证模拟的准确性,我们随机选择75%的发生数据作为训练集来建立模型,和剩下的25%被用来作为测试集(郭et al ., 2016)。每个变量的贡献率的物种分布计算通过使用重叠测试。此外,10百分位阈值规则应用培训业务。我们使用了接受者操作特征(ROC)曲线下面积(AUC)作为评价指标,MaxEnt模型的准确性,因为AUC是不受阈值的选择(彼得森et al ., 2008)。ROC曲线是一个图形化的方法,使用多个阈值之间的关系显示假阳性率(1 -特异性)和敏感性(Zhang et al ., 2020;方et al ., 2021)。AUC值介于0和1之间。的AUC值< 0.5表明,模型无法描述现实,0.5意味着纯粹的猜测,0.5—-0.6表示失败,0.6—-0.7表示表现不佳,0.7—-0.8表示公平性能、0.8 - -0.9表明性能良好,-1.0和0.9显示优良的性能(不要,1988)。
2.2.2。合适的栖息地的等级分类和空间变化
每个栅格值的范围是0 - 1,它代表了健身概率研究地区的物种。栖息地适宜性的预测是基于詹金斯算法分为三个等级。有成绩不合适的栖息地,包括低合适的栖息地,和合适的栖息地。
与气候变化、物种的栖息地可能会发生变化。为了更好地研究栖息地的变化h . r . sinensis和h . r . turkestanica在未来气候情景下,我们把他们的概率分布地图转化为二进制映射不合适的栖息地和合适的栖息地。未来和当前的二进制映射在ArcGIS计算网格中的计算器,然后生成的空间变化映射的两个亚种在未来不同气候下的场景。四种类型的空间变化生成(表2)。
表2。对未来合适的栖息地变化的评估标准。
重心是一个重要的指标用于描述物种的空间分布。其变化可以揭示的空间聚合和迁移物种在一定的时间内。确定合适的栖息地的重心是在ArcGIS中完成。首先,地图应该转换成向量和点代表应该过滤掉不合适的栖息地。随后,模拟光栅质心和转换成一个点。最后,合适的栖息地的质心的坐标计算。通过这种方式,我们可以使用不同气候情景下质心变化表示的空间格局变化沙棘l
3所示。结果
3.1。模型精度评估和变量的贡献
后选择环境变量和模型模拟,AUC值h . r . sinensis和h . r . turkestanica0.927 (图2一个),0.969 (图2 b),AUC标准偏差分别为0.004和0.009,分别。
图2。接受者操作特征(ROC)曲线(一)H.r. sinensis和(B)h . r . turkestanica。
每一个环境变量的贡献率所示表1。他们是在复制运行平均值。为h . r . sinensis五大环境变量,导致物种分布是降雨最多的一个月的降水(bio13,贡献率28.83%),平均气温最冷的季度(bio11, 25.33%), isothermality (bio3, 18.54%),表层土壤碳酸钙分数(t-caco3, 9.60%)和降水季节性(bio15, 8.03%),他们的累积贡献为90.33%。为h . r . turkestanica,前六个环境变量导致物种分布是降雨最多的一个月的降水(bio13,贡献率18.59%),平均日较差(生物圈二号,13.49%)、降水季节性(bio15, 11.92%),表层土土壤阳离子交换量(t-cec-soil, 10.51%),表层土壤碳酸钙分数(t-caco3, 10.31%),和表层土壤的PH值(h2o) (t-ph-h2o, 7.22%),他们的累积贡献为72.04%。
根据响应曲线的主要环境变量h . r . sinensis,我们发现当bio13获得了最高的栖息地适宜性是87 - 135毫米,生物11−9.35−0.37°C;生物3是28.3 - -31.9和41.5 - -45.3 (图3 a - c)。当一个位置有一个值高于或低于这个值,其适用性迅速减少。栖息地适宜性之间的关系和bio13显示正偏态分布,估计峰值的106毫米。为h . r . turkestanica,我们发现三个关键环境变量影响其分布,bio13,生物圈二号,和bio15值0-57毫米,12.6 - -14.9°C,分别为-79.5和12.1 (图3 d-f)。它的栖息地适宜性与bio13积极倾斜值高于或低于峰值时,3.5毫米。我们发现它有一个狭窄的利基在bio13整体,其适应性变差超出这个范围,在bio15和有一个很大的适应范围,物种增长下降的概率增加bio15的价值。
图3。响应曲线存在的概率(两者)h . r . sinensis和(D-F)h . r . turkestanica。
3.2。栖息地适宜性的h . r . sinensis和h . r . turkestanica在当前和未来气候情景
合适的栖息地的分布地图h . r . sinensis和h . r . turkestanica在当前和未来气候情景所示图4,5,分别。结果表明,合适的面积h . r . sinensis是883.19×103公里2在当前气候情况下,占中国的9.20%表3),主要位于黄土高原和边际地区从东南到青藏高原东北部。皮带从西南到东北,形成包括山西的大部分地区,陕西中部和北部,四川西南部,宁夏、甘肃南部和东部,东北青海、内蒙古中部和西藏东南部(图4一)。low-suitability面积约1444.01×103公里2,占中国的15.04%。合适的栖息地的面积h . r . turkestanica是227.15×103公里2,占中国的2.37% (表3),主要位于新疆塔里木盆地和Jungar盆地,西方阿里,在西藏日喀则、昌都,Haixi蒙古和青海藏族自治州;四川甘孜、阿坝县和甘肃和宁夏部分地区(图5一个)。low-suitability面积约1172.39×103公里2研究的区域,占12.21%。合适的栖息地分布较低的外围合适的栖息地。
图4。合适的栖息地的分布h . r . sinensis在中国气候变化在不同的场景。(一)当前的;(中)ssp3 ssp2 ssp1 - 2.6——4.5——7.0, ssp5 - 8.5,分别在2050年代。
图5。合适的栖息地的分布h . r . turkestanica在中国气候变化在不同的场景。(一)当前的;(中)ssp3 ssp2 ssp1 - 2.6——4.5——7.0, ssp5 - 8.5,分别在2050年代。
表3。合适的栖息地的面积和比例这两个亚种属于类三个不同气候情景下。
根据不同的气候情况在2050年代,尽管这两个亚种的合适的栖息地分布类似于电流分布(图4中,5中),他们显示不同的合适的栖息地的面积增加趋势。为h . r . sinensis,合适的栖息地的面积增加到1033.76×103,1122.55×103,1129.54×103和1116.97×103公里2ssp1 - 2.6的气候情景下,ssp2 - 4.5, ssp3 - 7.0,分别和ssp5 - 8.5。合适的栖息地面积平均是1100.71×103公里2,占11.47%的研究区域,增加217.52×103公里2从电流。为h . r . turkestanica,合适的栖息地的面积增加到303.01×103,500.38×103,446.18×103和410.29×103公里2,平均适宜生境面积是414.97×103公里2研究的区域,占4.32%。他们不合适的栖息地也会减少(表3)。
3.3。空间格局的变化不同的气候情况下合适的栖息地
在不同的未来气候情景下,明显的动态变化h . r . sinensis和h . r . turkestanica而当前的气候情况。为h . r . sinensis,合适的栖息地退化主要分布在河北、山东、河南。同时,在内蒙古东部一些地区的适用性将体验ssp5 - 8.5下显著降低。增加合适的栖息地主要分布在西藏、青海、内蒙古,和排放浓度的增加,带区域形成在内蒙古海拉尔西南Alxa东南离开横幅(图6模拟)。增加合适的栖息地h . r . turkestanica主要分布在Jungar盆地,阿尔泰、塔城、天山,新疆吐鲁番盆地,中央在西藏昌都、内蒙古西部和中部、甘肃酒泉,四川西南部。ssp2 - 4.5下,最合适的栖息地的面积增加,并主要集中在新疆。这些是主要的损失区域合适的栖息地,如甘肃西峰、陕西榆林和延安,山西的南部(图6情况)。
图6。栖息地适合的变化(模拟)h . r . sinensis和(情况)h . r . turkestanica根据不同的气候情况。
的栖息地适合这两个亚种是相对稳定的。稳定的比例合适的栖息地h . r . sinensis略高于h . r . turkestanica:前者的平均值是79.06%,后者的值是76.90% (表4)。结果表明,生境的变化区域的两个亚种从一个物种不同的场景下略有不同。稳定的合适的栖息地h . r . sinensis将显示一个轻微的下降趋势随着气体排放的浓度增加。而h . r . turkestanica将按照ssp2 - 4.5,最稳定和最稳定的ssp1 - 2.6。
表4。稳定的栖息地的百分比在不同气候情景在2050年代。
图7显示地理迁移的直线方向和距离合适的栖息地的重心是异构的。目前,合适的栖息地的重心位于宁夏南部的固原县。而重心将逐渐向西迁移与增加排放浓度不同未来气候情景下,分布在路县,分别临夏县和甘肃东南部夏和县(图7)。总的来说,h . r . sinensis在未来可能会迁移到低纬度地区。的重心h . r . turkestanica新疆位于Qiemo县东南。目前,重心位于85°43′41“E, 38°21′26”N。除了ssp2 - 4.5场景的重心,重心将转移到纬度越高,其他迁移到较低的纬度(图7 b)。主要的迁移方向将向东部和迁移的大小大于ssp2 7.0 - 4.5和ssp3。
图7。合适的栖息地的重心迁移(一)h . r . sinensis和(B)h . r . turkestanica。
4所示。讨论
4.1。模型的准确性和主要环境变量
尽管许多方法可以用于理解物种的生态位分布和预测潜在的合适的栖息地,单一模型仍被广泛使用。长效磺胺中研究,MaxEnt更有效地模拟植物物种的栖息地适宜性(Cobben et al ., 2015;Ghareghan et al ., 2020;Ab啦et al ., 2021)。所以,我们选择了这个方法的研究。结果表明,MaxEnt模型可以有效地模拟和预测的栖息地适宜h . r . sinensis和h . r . turkestanica。因此,我们认为,这项研究的结论是可靠的。MaxEnt也被用于研究的合适的分布h . r . sinensis李和黄,表明模型取得了良好的仿真精度李et al ., 2015;黄et al ., 2018)。尽管MaxEnt拥有很多优势,一些学者认为单个模型可以产生过度学习,和一个集成模型可以减少不确定性的模型拟合(Battini et al ., 2019)。整体模型(EM)策略被广泛用于研究物种的栖息地分布由于其精度高,和更好的普遍性和配件(郭et al ., 2019;赵et al ., 2021)。此外,MaxEnt只适用在考虑非生物因素;其适用于人类活动强烈影响的地区需要进一步验证。在未来的研究中,其他因素可能影响物种的分布,如人类活动、生物交互,扩散限制,和地形变量(e g。,地形类,希尔阴影,热负荷指数和复合地形指数)(司机et al ., 2020),应该更全面考虑。通过这种方式,结果将更加精确和合适的栖息地可能更分散。
气候要素有更多的影响这两个亚种的生长和存活沙棘比土壤元素,特别是h . r . sinensis。Bio13、bio11 bio3影响的分布是最重要的因素h . r . sinensis在这项研究中。h . r . sinensis受降水和温度,由土壤的影响较小,所以它可以生长在草甸土、黑钙土、沙质土壤,甚至在今年24,砂岩,砂质土壤的地区。年降水量有明显的影响在其地理分布:400毫米的等高线分布区域的分界线h . r . sinensis在青藏高原。云贵高原不适合它的生长,因为它降水太多,超出了合适的范围,所以它不扩展到这一领域,矛盾的研究结论李et al。(2015)。然而,黄发现冷季降水有重要作用(黄et al ., 2018),它在我们的研究中没有显著的影响。这种差异可能是由于不同的环境变量选择和未来气候变量不同的气候模型。降水和温度仍然是占主导地位的影响因素的地理分布h . r . turkestanica。其合适的栖息地范围窄的h . r . sinensis,但其生物13是低于要求h . r . sinensis,这可能是栖息地的面积适合的原因h . r . turkestanica小比h . r . sinensis。h . r . turkestanica极端干旱条件下变得更容易h . r . sinensis。
4.2。目前分配合适的栖息地
在当前气候的场景中,栖息地适合h . r . sinensis集中在中间,黄河的上游,黄土高原,青藏高原东南部和东北部边缘,从东北的横断山脉太行山,北秦岭山脉和阴山山脉,南部是分布在皮带从西南到东北(图4和表3)。结果相似,李的结果,但是有一些合适的栖息地的面积的差异,可能由于选择采样点的数量和适宜性分类标准应用(李et al ., 2015)。h . r . sinensis喜欢阳光和有一定的水资源需求,对银行和分发的河流、山脉、峡谷,生长在稀疏林地(费舍尔et al ., 2005)。根据气候和植被地带性差异在不同领域的增长h . r . sinensis在中国,可以确定的四种典型的分布地区:四川西部高原、秦巴山地分布地区,黄土高原南部分布区域,美国中部和北部黄土高原和μ沙地和砷砂岩分布区域,和青海高原分布区域(戴et al ., 2011)。这个亚种可以生长在干旱和贫瘠的黄土高原和砷砂岩地区由于其强大的根发芽和丰富的根瘤菌,这可以通过固氮不断改善土壤质地。作为一个原始的对,沙棘起源于青藏高原,有些学者推测,它可能从东北,西北和华北横断山脉。在1960年代中期,h . r . sinensis通过鸟类入侵μ我们沙地,占领了栖息地在该地区具有良好的水环境,并迅速扩散到斜率和沙丘之上,然后形成了一个当地独特的生态屏障。近年来,h . r . sinensis建立了在黑龙江、吉林、山东、河南、北京。
合适的栖息地的面积h . r . turkestanica占中国境内总数的2.37%,主要分布在新疆,西藏,甘肃(图5和表3)。少量的人工栽培发生在青海,宁夏,内蒙古。这是经常发现在河谷阶地,泛滥平原,山坡上开放。有带状自然社区塔河流域南部的新疆和田河沿岸,bortara河谷,河两岸的西藏阿里地区和甘肃Danghe河。此外,它显示了抗旱性和耐贫瘠,可以生长在盐水碱海滩和沙漠。例如,自然h . r . turkestanica生长在塔克拉玛干沙漠。两个亚种的土壤要求都不高,但一些研究人员显示的增长h . r . turkestanica不如的吗h . r . sinensis在砷砂岩条件下。
4.3。空间变化的未来气候情景下合适的栖息地
不同地区已经经历了气候变化和在将来还会继续。气候变化显著影响物种生存。物种对气候变化的响应是异构的不同气候情景下(Dyderski et al ., 2018)。大量研究表明,气候变化不会损害所有物种和栖息地适合大多数物种的范围将减少和一些将扩大。没有通用的趋势甚至在应对气候变化密切相关的植物(Kolanowska et al ., 2017)。两个亚种在这项研究中,考虑合适的栖息地的预测范围在未来不同气候情景下基本上是符合当前合适的栖息地范围,但显示了明显的动态变化。合适的栖息地均呈增长趋势在未来气候情景。但是,合适的栖息地范围,重心迁移的方向和距离这些亚种异构(图5- - - - - -7)。增加合适的栖息地h . r . sinensis主要是在西藏、青海、甘肃、内蒙古,内蒙古成立了一个带。合适的栖息地的重心将转移到未来的低纬度地区,逐步向西迁移与排放浓度增加。h . r . turkestanica的变化也显示同样的趋势在四个未来气候情景下,及其适用范围将会增加。重心将转移到东部和较低的纬度。随着全球变暖,干旱和半干旱地区的面积将逐渐增加(黄et al ., 2016)。这也可能是合适的栖息地的扩张的原因h . r . turkestanica在未来。然而,许多研究表明,物种将搬到合适的地方,通常迁移到更高的海拔和高纬度地区气候变暖(李et al ., 2013;Bezeng et al ., 2017;Dyderski et al ., 2018)。本研究的发现并不支持视图。是否亚种对气候变化的响应可以反映整个物种的特征需要进一步探讨。
作为一个耐旱植物自然环境要求较低,适应性,和生态、经济和社会价值,他们是优秀的物种在中国大力推广种植。近年来,他们已经成功地大规模地种植在不同类型的退化土地,和种植森林的面积在逐年增加。然而,广泛的死亡发生在许多人工种植地区,主要是由于盲目选址和种子的选择。例如,内蒙古中部地区只适合中国沙棘无性系种群。蒙古栎,而对thibetana Schlechtend。和对gyantsensis (Rousi)屈服强度练无法生存。增加合适的栖息地可以作为未来的人工种植地区。的生态位h . r . sinensis是更广泛的比h . r . turkestanica,更多的人工种植,发挥了强大的生态作用在黄土高原,沙漠,流域水土流失等生态脆弱区和地区。对大多数物种而言,合适的栖息地通常是稳定的,不会面临灭绝的风险与气候变暖,除了濒危物种。同样,这两个亚种不灭绝的风险在未来,和h . r . turkestanica更容易受到气候变化比h . r . sinensis。这对未来的种植是一个好消息沙棘林。在中国。经过7 - 8年的种植,沙棘林。可以形成一个植物群落有超过80%的覆盖率,从而大大提高了当地的水土保持能力,增加土壤肥力,提高生物多样性和稳定的生态系统。合适的栖息地的变化h . r . sinensis和h . r . turkestanica不同气候情景下可以提供理论指导和数据支持野生资源的保护和界定人为地扩大种植地区。
5。结论
在这项研究中,我们成功地模拟了栖息地的适用性h . r . sinensis和h . r . turkestanica当前和未来气候变化情景下使用MaxEnt。我们的研究结果表明,他们更喜欢生长在干旱和半干旱地区。h . r . sinensis主要是受bio13, bio11, bio3。h . r . turkestanica主要是受bio13,生物圈二号,bio15,和更适合生长在极端干旱地区,由于其要求的年降水量低于h . r . sinensis。虽然这两个亚种的合适的栖息地分布有明显差异,变化趋势是相似的。合适的栖息地的面积会扩大,重心将转移到低纬度地区未来气候情景下。他们的分布也可以影响到河边,所以建模的结果可以改善在未来增加这个变量。沙棘林。作为一个多用途树种,扮演着一个很重要的角色,在中国的保护和修复生态环境。因此,本研究有助于保护野生资源和人工栽培的扩张,并为生态环境管理提供了科学参考。
数据可用性声明
最初的贡献在这项研究中都包含在本文展示/补充材料,进一步调查可以直接到相应的作者。
作者的贡献
X-HH:概念化、数据管理、方法形式分析,角色/原创作品草案和writing-review和编辑。J-HS:概念化、数据管理,正式分析,资金收购和方法论。楼主:概念、方法,和资金支持。D-MZ:数据管理、形式分析和数据生产。C-YZ和BJ:数据管理和形式分析。C-LW:可视化;金桥和X-LZ:数据管理。所有作者的文章和批准提交的版本。
资金
这项研究得到了在内蒙古自治区重大科技项目中国没有。Zdzx2018057),中国科学院创新跨团队项目,中科院(没有。jctd - 2019 - 19),转换项目科技成果在中国内蒙古自治区(没有。2021 cg0046)、科技研究项目的学院和大学在内蒙古自治区(不。NJZY21034),中国国家自然科学基金(没有。42001038)。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
脚注
- ^https://www.gbif.org
- ^http://www.nsii.org.cn/2017/
- ^https://www.cvh.ac.cn
- ^https://www.cnki.net
- ^http://www.worldclim.org
引用
Ab啦,n Z。、Yusop Z。,Hashim, M., Salim, J. M., and Numata, S. (2021). Predicting the habitat suitability of白千层属灌木cajuputi基于maxent物种分布模型。森林12:1449。doi: 10.3390 / f12111449
Battini, N。,Farias, N., Belen Giachetti, C., Schwindt, E., and Bortolus, A. (2019). Staying ahead of invaders: Using species distribution modeling to predict alien species’ potential niche shifts.3月生态。掠夺。爵士。612年,127 - 140。doi: 10.3354 / meps12878
Bellard算法,C。,Bertelsmeier, C., Leadley, P., Thuiller, W., and Courchamp, F. (2012). Impacts of climate change on the future of biodiversity.生态。列托人。15日,365 - 377。doi: 10.1111 / j.1461-0248.2011.01736.x
Bezeng, b S。,Morales-Castilla, I., van der Bank, M., Yessoufou, K., and Daru, B. H. (2017). Climate change may reduce the spread of non-native species.生态球8:e01694。doi: 10.1002 / ecs2.1694
木匠,G。,Gillison, A. N., and Winter. (1993). Domain: A flexible modeling procedure for mapping potential distributions of plants and animals.Biodiv。Conserv。2,667 - 680。doi: 10.1007 / BF00051966
Cobben, m . m . P。,van Treuren, R., Castaneda-Alvarez, N. P., Khoury, C. K., and Kik, C. (2015). Robustness and accuracy of Maxent niche modelling for摘要以物种分布的光收集探险。植物麝猫。Resour。生产。Utiliz。13日,153 - 161。doi: 10.1017 / S1479262114000847
戴,G。,Li, G., Li, T., Li, S., and Xiao, Z. (2011). Effects of water conditions on the growth and population stability of中国沙棘无性系种群sinensis。j . Northw。森林。大学26日,1 - 8。
司机,年代。,Schalk, C. M., Unger, D., and Kulhavy, D. (2020). Species distribution modeling for arid adapted habitat specialists in Zion National Park.电工实习。论文论述。12:354。
Dyderski m K。巴斯,S。,Frelich, L. E., and Jagodzinski, A. M. (2018). How much does climate change threaten European forest tree species distributions?水珠。改变医学杂志。24岁,1150 - 1163。doi: 10.1111 / gcb.13925
Elith, J。,Graham, C. H., Anderson, R. P., Dudik, M., and Ferrier, S. (2006). Novel methods improve prediction of species’ distributions from occurrence data.描述生态学29日,129 - 151。doi: 10.1111 / j.2006.0906-7590.04596.x
Elith, J。,菲利普斯·J。Hastie, T。Dudik, M。,和Chee, Y. E. (2011). A statistical explanation of MaxEnt for ecologists.潜水员。Distrib。17日,43-57。doi: 10.1111 / j.1472-4642.2010.00725.x
方,Y。,张X。魏,H。,Wang, D., and Chen, R. (2021). Predicting the invasive trend of exotic plants in China based on the ensemble model under climate change: A case for three invasive plants of Asteraceae.科学。总环境。756:143841 doi: 10.1016 / j.scitotenv.2020.143841
菲克,s E。,和Hijmans, R. J. (2017). WorldClim 2: New 1-km spatial resolution climate surfaces for global land areas.Int。j . Climatol。37岁,4302 - 4315。doi: 10.1002 / joc.5086
费舍尔,G。沙,M。,Tubiello, F. N., and van Velhuizen, H. (2005). Socio-economic and climate change impacts on agriculture: An integrated assessment, 1990-2080.哲学家。办理。罗伊。Soc。B杂志。科学。360年,2067 - 2083。doi: 10.1098 / rstb.2005.1744
加拉格尔,r . V。休斯,L。,Leishman, M. R., and Wilson, P. D. (2010). Predicted impact of exotic vines on an endangered ecological community under future climate change.医学杂志。再次。12日,4049 - 4063。doi: 10.1007 / s10530 - 010 - 9814 - 8
GBIF (2020)。网上:https://www.gbif.org/species/3039284(2020年4月19日访问)。
Ghareghan F。,Ghanbarian, G., Pourghasemi, H. R., and Safaeian, R. (2020). rediction of habitat suitability ofMorina persical .物种使用人工智能技术。生态。印度的。112:106096。doi: 10.1016 / j.ecolind.2020.106096
关,X。,Shi, W., and Cao, K. (2018). Effect of climate change in future on geographical distribution of widespreadquercus acutissima和分析的主要气候因素。j .太多。Subtr。机器人。26日,661 - 668。
Guisan,。,Edwards, T. C., and Hastie, T. (2002). Generalized linear and generalized additive models in studies of species distributions: Setting the scene.生态。模型。157年,89 - 100。doi: 10.1016 / s0304 - 3800 (02) 00204 - 1
Guisan,。,和Thuiller, W. (2007). Predicting species distribution: Offering more than simple habitat models.生态。列托人。10:435。doi: 10.1111 / j.1461-0248.2007.01044.x
郭,Y。,李X。,赵,Z。,和Nawaz, Z. (2019). Predicting the impacts of climate change, soils and vegetation types on the geographic distribution ofPolyporus umbellatus在中国。科学。总环境。648年1 - 11。doi: 10.1016 / j.scitotenv.2018.07.465
郭,Y。,Wei, H., Lu, C., Gao, B., and Gu, W. (2016). Predictions of potential geographical distribution and quality of五味子属sphenanthera在气候变化问题。Peerj4:e2554。doi: 10.7717 / peerj.2554
哈米德,M。,Khuroo, A. A., and Charles, B. (2019). Impact of climate change on the distribution range and niche dynamics of Himalayan birch, a typical treeline species in Himalayas.Biodiv。Conserv。28日,2345 - 2370。doi: 10.1007 / s10531 - 018 - 1641 - 8
Hirzel,。,和Guisan,。(2002). Which is the optimal sampling strategy for habitat suitability modelling.生态。模型。157年,331 - 341。doi: 10.1016 / s0304 - 3800 (02) 00203 - x
胡,x - g。金,Y。,Wang, X. -R., Mao, J. -F., and Li, Y. (2015). Predicting impacts of future climate change on the distribution of the widespread coniferplatycladus胶。《公共科学图书馆•综合》10:e0132326。doi: 10.1371 / journal.pone.0132326
黄,J。霁,M。,Xie, Y., Wang, S., and He, Y. (2016). Global semi-arid climate change over last 60 years.爬。力学。46岁,1131 - 1150。doi: 10.1007 / s00382 - 015 - 2636 - 8
黄,J。李,G。李,J。,张X。,和Yan, M. (2018). Projecting the range shifts in climatically suitable habitat for Chinese sea buckthorn under climate change scenarios.森林9,1 - 11。doi: 10.3390 / f9010009
Javidan, N。,Kavian, A., Pourghasemi, H. R., Conoscenti, C., and Jafarian, Z. (2021). Evaluation of multi-hazard map produced using MaxEnt machine learning technique.其。代表。11:6496。doi: 10.1038 / s41598 - 021 - 85862 - 7
Kolanowska, M。喀斯特,M。,Lipinska, M., Mystkowska, K., and Szlachetko, D. L. (2017). Global warming not so harmful for all plants - response of holomycotrophic orchid species for the future climate change scientific.报告7:12704。doi: 10.1038 / s41598 - 017 - 13088 - 7
Lenoir J。,Gégout, J. C., and Marquet, P. A. (2008). A significant upward shift in plant species optimum elevation during the 20th century.科学320年,1768 - 1771。doi: 10.1126 / science.1156831
李,g . Q。杜,S。,和Guo, K. (2015). Evaluation of Limiting climatic factors and simulation of a climatically suitable habitat for Chinese Sea Buckthorn.《公共科学图书馆•综合》10:e0131659。doi: 10.1371 / journal.pone.0131659
李,J。,Fan, G., and He, Y. (2020). Predicting the current and future distribution of three黄连草本植物在中国在气候变化条件下,使用MaxEnt模型和化学分析。科学。总环境。698:134141。doi: 10.1016 / j.scitotenv.2019.134141
李X。,Tian, H., Wang, Y., Li, R., and Song, Z. (2013). Vulnerability of 208 endemic or endangered species in China to the effects of climate change.Reg。环绕。改变13日,843 - 852。doi: 10.1007 / s10113 - 012 - 0344 - z
Muttaqin,洛杉矶。能源分析师,Murti, s . H。,和Susilo, B. (2019). MaxEnt (Maximum entropy) model for predicting prehistoric cave sites in karst area of gunung sewu, gunung kidul, yogyakarta.第六Geoinform。科学。计算机协会。2019:11311。doi: 10.1117/12.2543522
彼得森,a . T。佩普,M。,和Soberon, J. (2008). Rethinking receiver operating characteristic analysis applications in ecological niche modeling.生态。模型。213年,63 - 72。doi: 10.1016 / j.ecolmodel.2007.11.008
菲利普斯·J。,和Dudik, M. (2008). Modeling of species distributions with Maxent: New extensions and a comprehensive evaluation.描述生态学31日,161 - 175。doi: 10.1111 / j.0906-7590.2008.5203.x
皮尔克,r。Avissar, R。Raupach, M。,Dolman, A. J., and Zeng, X. B. (1998). Interactions between the atmosphere and terrestrial ecosystems: Influence on weather and climate.水珠。改变医学杂志。4,461 - 475。doi: 10.1046 / j.1365 2486.1998.t01 - 1 - 00176. x
两个年代。,加戈,P。,Dviwedi, A., Ali, A., and Kapoor, V. K. (2021). Ethnomedicinal uses, phytochemistry and dermatological effects of沙棘l:一个回顾。j . Ethnopharmacol。266:113434。doi: 10.1016 / j.jep.2020.113434
苏,H。,Bista, M., and Li, M. (2021). Mapping habitat suitability for Asiatic black bear and red panda in Makalu Barun National Park of Nepal from Maxent and GARP models.其。代表。11:14135。doi: 10.1038 / s41598 - 021 - 93540 - x
Suryakumar G。,和Gupta, A. (2011). Medicinal and therapeutic potential of Sea buckthorn (沙棘l .)。j . Ethnopharmacol。138年,268 - 278。doi: 10.1016 / j.jep.2011.09.024
斯文森,U。,和Bartish, I. V. (2002). Taxonomic synopsis of对(胡颓子科)。北欧j .机器人。22日,369 - 374。doi: 10.1111 / j.1756-1051.2002.tb01386.x
Tekin, S。,Guner, E. D., Cilek, A., and Unal Cilek, M. (2021). Selection of renewable energy systems sites using the MaxEnt model in the Eastern Mediterranean region in Turkey.环绕。科学。Pollut。Res。28日,51405 - 51424。doi: 10.1007 / s11356 - 021 - 13760 - 6
Ui哈克,s。米尔,m。,Lone, S. M., Banoo, A., and Shafi, F. (2021). Explicating genetic diversity based on its characterization and determination of antioxidant potential in sea buckthorn (对spp)。摩尔。医学杂志。代表。49岁,3839 - 3847。doi: 10.1007 / s11033 - 021 - 06619 - z
魏,B。,Wang, R., Hou, K., Wang, X., and Wu, W. (2018). Predicting the current and future cultivation regions ofCarthamus tinctoriusl使用MaxEnt模型在中国在气候变化。水珠。生态。Conservat。16:e00477 doi: 10.1016 / j.gecco.2018.e00477
沃辛顿,t。张,T。,Logue, D. R., Mittelstet, A. R., and Brewer, S. K. (2016). Landscape and flow metrics affecting the distribution of a federally-threatened fish: Improving management, model fit, and model transferability.生态。模型。342年,队。doi: 10.1016 / j.ecolmodel.2016.09.016
吴,t·W。,Lu, Y. X., Fang, Y. J., Xin, X. G., Li, L., and Li, W. P. (2019). The Beijing Climate Center Climate System Model (BCC-CSM): The main progress from CMIP5 to CMIP6.Geosci。模型。Dev。12日,1573 - 1600。
咦,Y。,Cheng, X., Yang, Z., and Zhang, S. (2016). Maxent modeling for predicting the potential distribution of endangered medicinal plant (h .锐利在中国云南,不悦之色)。生态。是女士。92年,260 - 269。doi: 10.1016 / j.ecoleng.2016.04.010
张X。魏,H。,赵,Z。,Liu, J., and Zhang, Q. (2020). The Global Potential Distribution of Invasive Plants:Anredera等在气候变化和人类活动基于随机森林模型。可持续性12:1419。doi: 10.3390 / su12041491
赵,Z。,郭,Y。,Zhu, F., and Jiang, Y. (2021). Prediction of the impact of climate change on fast-growing timber trees in China.森林生态。等内容。501:119653 doi: 10.1016 / j.foreco.2021.119653
关键字:环境变量,气候变化的情况下,最大熵(MaxEnt)模型,合适的栖息地,重心迁移
引用:他如果陶宏根x h,朱L,周D-m,赵bxcy,贾B,王有氯,秦J和朱xl(2023)建模的栖息地适宜性沙棘l使用MaxEnt中国在气候变化:一个案例研究h . r . sinensis和h . r . turkestanica。前面。对。水珠。改变5:1095784。doi: 10.3389 / ffgc.2022.1095784
收到:2022年11月11日;接受:2022年12月28日;
发表:2023年1月11日。
编辑:
YanLong郭青藏高原研究所(CAS),中国版权©2023,如果、朱、周,赵,贾、王、秦和朱。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:建华,
jianhuas@lzb.ac.cn;Li-Zhu,15647229244 @126.com