基于MaxEnt模型的西伯利亚蝗虫在新疆潜在分布预测研究

2016-04-13杨会枫郑江华吴秀兰许仲林

新疆农业科学 2016年1期

杨会枫，郑江华,2，吴秀兰，穆晨，林俊，许仲林，2

(1.新疆大学资源与环境科学学院，乌鲁木齐 830046；2.新疆大学智慧城市与环境建模普通高校重点实验室，乌鲁木齐 830046；3.新疆维吾尔自治区治蝗灭鼠指挥部办公室，乌鲁木齐 83000l)

杨会枫1，郑江华1,2，吴秀兰1，穆晨3，林俊3，许仲林1，2

【目的】利用MaxEnt模型，预测西伯利亚蝗虫(Gomphocerussibiric)在新疆的潜在分布区。【方法】基于19个环境因子和197个西伯利亚蝗虫在新疆地理分布点，结合MaxEnt模型与ArcGIS软件，预测西伯利亚蝗虫在新疆的潜在分布区，划分风险等级，采用接受者操作特征曲线(ROC)的分析方法对预测结果进行验证。【结果】训练数据集(Training data)和验证数据集(Testing data)的AUC值分别为0.992、0.990，预测结果与实际拟合度很高。西伯利亚蝗虫在新疆分布的适生区和高危区分布在塔城、阿勒泰、博州、伊犁、乌鲁木齐、昌吉。【结论】根据AUC值的评价指标，研究对西伯利亚蝗虫的预测结果是比较准确的。西伯利亚蝗虫在新疆分布的适生区和高危区主要集中于北疆及天山北坡一带，且适生区及高危区占研究区总面积的14.11%。最冷季平均温(bio11)、最冷季的平均降水量(bio19)、最干季平均温(bio9)、温度变化的方差(bio4)、年均降雨量(bio12)、最湿季平均温(bio8)和降雨量变化的方差(bio15)是影响西伯利亚蝗虫潜在分布的主要环境因子。

西伯利亚蝗虫；MaxEnt模型；潜在分布；预测

0 引言

【研究意义】全世界约有12 000种蝗虫，新疆大约有171种[1]。西伯利亚蝗虫(Gomphocerussibiric)隶属昆虫纲，直翅目，是新疆草原蝗灾的主要种之一。新疆草资源丰富，幅员辽阔，草原不仅在发展新疆国民经济、调节气候、涵养水源、美化环境等方面有着重要的作用，同时也是我国陆地生态安全重要的绿色屏障[2]。然而，作为新疆草原害虫之一的草原蝗虫，其不仅对草场植被破坏极为严重，同时也对生态系统构成威胁[3,4]。物种分布模型(Species Distribution Models, SDMs)是在一定的算法基础上，结合环境数据及物种实际地理分布数据，以概率的形式计算出物种的生态位，并用此结果反映物种对生境的偏好[5]。【前人研究进展】1991年第一个物种分布模型—BIOCLIM模型首次出现[6]，随后的20多年中涌现出13种物种分布模型，MaxEnt模型就是其中一种。在常见的物种分布模型中，MaxEnt和GARP具有较高的有效性，与GARP相比，MaxEnt不仅运行时间短，易于操作，且运行结果更稳定[7]，从而得到了广泛的应用。MaxEnt模型运行的基本原理是：研究物种潜在分布时，可以把环境因子与物种的实际地理分布空间作为一个系统，当该系统运行所得的状态参数获得最大熵时，说明物种的实际地理分布和物种所处的环境因子具备稳定的状态，从而确定物种的潜在地理分布。Phillips等[8]结合物种分布模型的原理，利用JAVA语言编写了MaxEnt模型软件，同时运用ROC(Receiver Operating Characteristic,ROC)曲线对模型精度进行验证，且采用线性回归的方法对影响植物分布的主导环境因子进行分析[9]。Elith 等[10]研究了分布全球6个不同地区226种植物的空间分布，并运用实测样本数据进行了验证，所得结果证明了MaxEnt 模型性能较好。运用MaxEnt模型做入侵物种的潜在分布、保护区规划及全球气候变化对物种分布影响的相关研究已超过2000多次，这也从另一个侧面说明了MaxEnt的优越性[5]。近年来，国内学者利用MaxEnt模型对濒危物种[11-14]、珍稀药用植物[15，16]、病虫害[17-19]、入侵物种[20]、经济作物[21]等的分布做了相关研究。【本研究切入点】在前人研究的基础上，根据实地调查的197个西伯利亚蝗虫分布点和分辨率为2.5 arcmin的19个环境变量，基于MaxEnt模型，结合ArcGIS空间分析技术，研究西伯利亚蝗虫分布区与环境因子之间的关系，并分析影响西伯利亚蝗虫在新疆潜在分布的主要环境因子和潜在分布区。【拟解决的关键问题】分析西伯利亚蝗虫在新疆的分布范围,及其在各地州中不同风险等级所占研究区总面积的比例，确定影响西伯利亚蝗虫分布的主导环境因子及主导环境因子的贡献大小。

图1 西伯利亚蝗虫点分布

Fig. 1 Piont distribution ofGomphocerussibiric

1 材料与方法

1.1 材料

1.1.1 西伯利亚蝗虫的分布数据与处理

2013年，自治区畜牧厅治蝗灭鼠指挥部对各地州西伯利亚蝗虫的分布进行野外随机采样与调查，并利用GPS记录其分布的地理坐标点，根据MaxEnt模型的要求，将收集到的197个分布点保存为CSV格式的文件，且按照物种名、分布点的经度、纬度顺序保存。图1

1.1.2 环境变量

环境数据采用WORLDCLIM(http：//www.worldclim.org/)下载的当前气候(1950～2000年)数据，共19个气候变量，其空间分辨率为2.5 arcmin。

1.1.3 软件及地图数据

研究所使用的MaxEnt软件版本为3.3.3版，获取地址在MAXENT主页上(http：//www.cs.princeton.edu～schapire/MaxEnt)。采用美国环境系统研究所公司研发的ArcGIS。中国矢量地图比例尺为1∶400万，从国家基础地理信息系统(http://nfgis.nsdi.gov.cn/)免费下载。

1.2 方法

将197个西伯利亚蝗虫分布点和19个环境变量导入MaxEnt软件中，且在197个西伯利亚蝗虫分布点中随机选取75%作为训练数据集，25%作为验证数据集，选择刀切法(Jackknife)，模型中的其它参数为默认参数，运行该模型，运行原理为：模型开始运行时，每一个物种都是均匀分布的，并进行依次迭代，每一个物种的每次迭代将增加样本在该地的分布概率(即gain值)，gain的值随着样本点的迭代而增加(gain值的初始默认值为0)，当gain的值从开始的一次迭代到下一次迭代中的增加值小于收敛, 或者使得该值达到最大重复次数时程序终止[15]。模型运行终止后，所得结果是连续栅格数据，数值在0～1，输出ASCⅡ格式的文件，将此文件导入ArcGIS软件并转换成raster格式，用新疆地州矢量图为底图掩膜抽提，并采用Natural Breaks重分类，最后得到西伯利亚蝗虫在新疆的潜在分布区。

2 结果与分析

2.1 模型精度评价

ROC曲线被用来评价MaxEnt模型的精度，ROC曲线与横坐标围成面积(AUC)的大小作为衡量模型预测准确度的指标，AUC的取值范围为[0，1]，取值越大，表明预测效果越好，间接地反映了模型的预测能力。当AUC取1时，模型预测的分布区与物种实际分布区完全吻合，此时是理想状况。ROC曲线的评估标准为：AUC的值为0.5～0.6，预测结果不可接受(fail)；AUC的值为0.6～0.7，预测结果可接受(poor)；AUC的值为0.7～0.8，预测结果一般(fair)；AUC的值为0.8～0.9，预测结果较为满意(good)；AUC的值为0.9～1，预测结果非常满意(excellent)。研究所得训练数据集和验证数据集的AUC值分别为0.992、0.990。表明预测结果非常满意。

2.2 西伯利亚蝗虫潜在分布区的预测结果

基于ArcGIS软件，采用Natural Breaks对栅格数据重分类，将研究区西伯利亚蝗虫的生境分为5类，即非适生区(0～0.06)、低适生区(0.06～0.16)、边缘适生区(0.16～0.29)、适生区(0.29～0.40)、高危区(0.40～0.56)。采用ArcGIS软件的空间分析功能，计算出不同风险等级西伯利亚蝗虫的分布面积，最终得到该蝗虫的潜在分布图。图2

图2 西伯利亚蝗虫潜在分布区预测

表1 不同适生区等级面积占新疆各地州面积百分比

西伯利亚蝗虫的潜在分布区主要在北疆及天山北坡一带。其中，高危区包括塔城的西南部及东北部的部分区域，阿勒泰的东南部及西北部，乌鲁木齐，博州、伊犁中部以及哈密中部部分区域，吐鲁番西北部部分区域，克州西北部及西南部部分区域，巴州北部部分区域，阿克苏北部部分区域；适生区包括阿勒泰中部和北部部分区域，塔城中部部分区域，博州及伊犁中部、北部及南部部分区域，哈密中部部分区域，巴州北部部分区域，克州北部和南部部分区域，阿克苏北部部分区域；边缘适生区包括阿勒泰中部、北部及南部部分区域，塔城中部，昌吉中部，伊犁中部，哈密中部部分区域，吐鲁番北部部分区域，巴州西北部部分区域，克州北部及南部部分区域，喀什南部部分区域，阿克苏北部部分区域；低适生区包括阿勒泰西南部、东部及中部部分区域，塔城西部、西南部及东北部部分区域，昌吉中部部分区域，博州东部及西部部分区域，伊犁东部及西部部分区域，吐鲁番北部部分区域，哈密中部部分区域，阿克苏西部，巴州北部部分区域，克州南部部分区域，喀什南部，和田西南部部分区域。利用ArcGIS的空间分析方法统计各级适宜生境面积比例，得到西伯利亚蝗虫的非适生区占新疆总面积的66.39%，低适生区占新疆总面积的7.88%，边缘适生区占新疆总面积的5.91%，适生区占新疆总面积的8.20%，高危区占新疆总面积的11.61%。

西伯利亚蝗虫的适生区及高危区占研究区总面积的14.11%，该蝗虫分布面积比较广泛，且在北疆及天山北坡一带分布的较为集中。图2,表1

注：Bio1，年平均温；Bio2，昼夜温差月均值；Bio3，等温性(Bio2/Bio7×100)；Bio4，温度季节变化的标准差；Bio5，最热月的高温；Bio6，最冷月的低温；Bio7，年温的变化范围；Bio8，最湿季平均温；Bio9，最干季平均温；Bio10，最暖季平均温；Bio11，最冷季平均温；Bio12，年均降雨量；Bio13，最湿月降雨量；Bio14，最干月降雨量；Bio15，降雨量变化的方差；Bio16，最湿季的降雨量；Bio17，最干季的降雨量；Bio18，最暖季的降雨量；Bio19，最冷季的降雨量

2.3 影响西伯利亚蝗虫潜在分布区的主导环境因子

MaxEnt模型迭代运行，最终计算出19个环境因子对西伯利亚蝗虫潜在分布的贡献，结果表明：最冷季平均温(bio11)、最冷季的降水量(bio19)的贡献分别为27.3%、24.9%，最干季平均温(bio9)、温度变化的方差(bio4)的贡献率分别为18%、10.3%，年均降雨量(bio12)、最湿季平均温(bio8)和降雨量变化的标准差(bio15)的贡献分别为3.6%、3.1%、2.7%。这7个环境因子的贡献高达89.9%，说明影响西伯利亚蝗虫分布的主要环境因子是最冷季平均温(bio11)、最冷季的降水量(bio19)、最干季平均温(bio9)、温度变化的方差(bio4)、年均降雨量(bio12)、最湿季平均温(bio8)和降雨量变化的标准差(bio15)。图3

3 讨论

MaxEnt模型是近年来开发的物种分布模型，ROC曲线与横坐标围成的面积AUC对预测结果分析后表明，该模型较其它物种分布模型有较高的精度，且在物种分布数据不全的情况下，MaxEnt也能得到满意的结果[22]。目前国内应用MaxEnt模型的报道多集中在物种入侵的研究[20，23-24]，将该模型用于草原蝗虫潜在分布的研究报道却不多见。基于MaxEnt模型，研究在当前气候条件下，识别了西伯利亚蝗虫在新疆所有潜在分布区及潜在分布的程度，揭示出该蝗虫的潜在分布区主要集中在北疆、天山北坡一带，即塔城、阿勒泰、博州、伊犁、乌鲁木齐、昌吉。上述区域地理上分布着新疆的多数草原(那拉提草原、托乎拉苏草原、巴里坤草原等)，西伯利亚蝗虫属于草原蝗虫，且对草原造成严重的危害。

刀切法不仅可以分析各个环境因子对物种分布的影响程度，也可以用来判断哪个环境因子影响物种分布的贡献较大[25-26]。此次刀切法分析的结果表明：最冷季平均温(bio11)、最冷季的平均降水量(bio19)、最干季平均温(bio9)、温度变化的方差(bio4)、年均降雨量(bio12)、最湿季平均温(bio8)和降雨量变化的方差(bio15)对西伯利亚蝗虫的潜在分布影响较大。有研究结果表明：蝗灾发生严重的年份气温偏高、降水量小，且产卵期气温越高、降水量越少，更利于蝗灾的发生[4]。因此，应该在蝗虫产卵的季节进行防治，以免造成更大的灾害。

受试者工作特征曲线(receiver operating characteristic curve, ROC曲线)是以假阳性率为横坐标，真阳性率为纵坐标绘制而成的曲线。ROC曲线与横坐标围成的面积即AUC的值，AUC的值不受阈值影响，因而被认为是诊断试验最佳评价指标[27]，并且得到了广泛的应用。运用MaxEnt模型直接绘制出的ROC曲线，并利用直接给出的AUC值来评价预测结果，结果表明模型模拟效果非常好，能够较准确预测西伯利亚蝗虫在新疆的潜在分布。

物种分布模型模拟的是物种的基础生态位，然而物种的生态位会发生迁移。由于不同的时空尺度受到多种因素、不同强度的控制，使得基于物种生态与进化历史复杂表达形式的物种分布区有所差异[28]。模型预测的结果只作为一种推测，并不能代表实地调查和普查，且每种模型都有一定的限制，根据不同的物种，如何选择合适的模型，应该根据物种的生物学特性以及研究者对模型的理解能力及综合使用能力[22]。研究只考虑了温度和降水对西伯利亚蝗虫的影响，如能综合考虑地形、土壤、生物、物种的扩散能力以及物种进化能力等因素[29-30]，预测结果将会更准确。

4 结论

西伯利亚蝗虫在北疆及天山北坡一带分布的较为集中，且分布面积比较广泛。利用ArcGIS的空间分析方法统计各级适宜生境面积比例，得到西伯利亚蝗虫的非适生区占新疆总面积的66.39%，低适生区占新疆总面积的7.88%，边缘适生区占新疆总面积的5.91%，适生区占新疆总面积的8.20%，高危区占新疆总面积的11.61%。

采用ROC曲线下的面积(即AUC值)进行MaxEnt模型模拟精度的验证。研究模拟的训练数据集和验证数据集的AUC值分别为0.992、0.990。表明预测结果非常满意。

影响西伯利亚蝗虫潜在分布的主导环境因子有：最冷季平均温(bio11)、最冷季的降水量(bio19)、最干季平均温(bio9)、温度变化的方差(bio4)、年均降雨量(bio12)、

最湿季平均温(bio8)和降雨量变化的标准差(bio15)。

致谢：感谢新疆维吾尔自治区治蝗灭鼠指挥部为本文提供数据。

References)

[1] 赵玲,王登元, 赵莉, 等. 新疆蝗虫的研究进展[J]. 新疆农业科学, 2012, 29(7): 1 212-1 223.

ZHAO Ling, WANG Deng-yuan, ZHAO LI, et al. (2012). Research Progress of Grasshoppers in Xinjiang [J].XinjiangAgriculturalSciences, 49 (7): 1,212-1,223. (in Chinese)

[2] 孙涛, 赵景学, 田莉华, 等. 草地蝗虫发生原因及可持续管理对策[J]. 草业学报, 2010,19(3): 220-227.

SUN Tao, ZHAO Jing-xue, TIAN Li-hua, et al. (2010).Reasonsforanoutbreakofgrasslandgrasshoppers and sustainable management strategies for them [J].ActaPrataculturaeSinica, 19 (3): 220-227. (in Chinese)

[3] 傅玮东, 姚艳丽, 李新建, 等. 新疆草原蝗虫发生面积与大气环流特征量指数模型的研究[J]. 草业科学,2004，26 (12): 124-130.

FU Wei-dong, YAO Yan-li, LI Xin-jian, et al. (2004). Study On the model between the area of grasshopper occurrence and indexes of atmospheric circulation [J].PrataculturalScience, 26 (12): 124-130.(in Chinese)

[4] 杨洪升. 基于MODIS-NDVI的新疆典型蝗区植被动态及蝗虫发生的气候背景研究[D]. 乌鲁木齐：新疆农业大学硕士论文, 2007.

YANG Hong-sheng. (2007).StudyontheclimatebackgroundofXinjiangtypicalvegetationdynamicsandlocustlocustareabasedonMODIS-NDVI[D]. Master Dissertation. Xinjiang Agricultural University, Urumqi. (in Chinese)

[5] 许仲林, 彭焕华, 彭守璋. 物种分布模型的发展及评价方法[J]. 生态学报, 2015, 32 (5): 557-567.

XU Zhong-lin, PENG Huan-hua, PENG Shou-zhang. (2015). The development and evaluation of species distribution models [J].ActaEcologicaSinica, 32 (5): 557-567. (in Chinese)

[6] Busby, J. R. (1991). Bioclim - a bioclimate analysis and prediction system.PlantProtectionQuarterly.

[7] Ortega-Huerta, M. A., & Peterson, A. T. (2008). Modeling ecological niches and predicting geographic distributions: a test of six presence-only methods modelado de nichos ecológicos y predicción de distribuciones geográficas: comparación de seis métodos.RevistaMexicanaDeBiodiversidad，(1)：205-216.

[8] Phillips, S. J., Anderson, R. P., & Schapire, R. E. (2013). Maximum entropy modeling of species geographic distributions.EcologicalModelling, 190(3-4)：231-259.

[9] 胡秀, 吴福川, 郭微. 基于MaxEnt生态学模型的檀香在中国的潜在种植区预测[J]. 林业科学,2014,50(5)：27-33.

HU Xiu, WU Fuc-huan, GUO Wei. (2014). Identification of Potential Cultivation Region for Santalum album in China by the MaxEnt Ecologic Niche Model [J].ScientiaSilvaeSinicae, 50 (5): 27-33. (in Chinese)

[10] Elith, J., Graham, C., Anderson, R., Dudik, M., Ferrier, S., & Guisan, A., et al. (2006). Novel methods improve prediction of species' distributions from occurrence data.Ecography, 29(2)：129-151.

[11] 万基中, 王春晶, 韩士杰, 等. 应用GIS和Maxent预测南方红豆杉潜在地理分布及其保护建议[J]. 江苏农业科学, 2014, 42(7)：349-352.

WAN Ji-zhong, WANG Chun-jing, HAN Shi-jie, et al. (2014). Based on GIS and Maxent in predicting the potential geographic distribution and its protection suggestions of Taxus mairei SY Hu [J].JiangsuAgriculturalSciences, 42(7): 349-352. (in Chinese)

[12] 罗翀, 徐卫华, 周志翔, 等. 基于生态位模型的秦岭山系林麝生境预测[J]. 生态学报,2011, 31(5): 1 221-1 229.

LUO Chong, XU Wei-hua, ZHOU Zhi-xiang, et al. (2011). Habitat prediction for forest musk deer (Moschus berezovskii) in Qinling mountain range based on niche model [J].ActaEcologicaSinica, 31(5): 1,221-1,229. (in Chinese)

[13] 李明阳, 席庆, 徐海根. 基于WEB数据库和Maxent模型的白头叶猴潜在生境评价研究[J]. 林业资源管理, 2010,(4): 31-36, 57.

LI Ming-yang, XI Qing, XU Hai-gen. (2010). EValuation of PotentiaI Habitat for White-headed Langur Based on WEB Dataset and Maxent ModeI [J].ForestResourcesManagement, (4): 31-36, 57.(in Chinese)

[14] 马松梅, 聂迎彬, 耿庆龙, 等. 气候变化对蒙古扁桃适宜分布范围和空间格局的影响[J].植物生态学报, 2014, 38(3): 262-269.

MA Song-Mei, NIE Ying-Bin, GENG Qing-Long, et al. (2014). Impact of climate change on suitable distribution range and spatial pattern in Amygdalus mongolica [J].ChineseJournalofPlantEcology, 38(3): 262-269. (in Chinese)

[15] 郭彦龙, 卫海燕, 路春燕, 等. 气候变化下桃儿七潜在地理分布预测[J]. 植物生态学报,2014, 38(3): 249-261.

GUO Yan-Long, WEI Hai-Yan, LU Chun-Yan, et al. (2014). Predictions of potential geographical distribution of Sinopodophyllum hexandrum under climate change [J].ChineseJournalofPlantEcology, 38(3): 249-261.(in Chinese)

[16] 何淑婷, 白碧玉, 但佳惠, 等. 基于MaxEnt的南丹参在中国的潜在分布区预测及适生性分析[J]. 安徽农业科学, 2014, 42(8): 2 311-2 314.

HE Shu-ting, BAI Bi-yu, DAN Jia-hui, et al. (2014). Prediction of Potential Distribution Areas of Salvia bowleyana Dun．in China Based on MaxEnt and Suitability Analysis[J].JournalofAnhuiAgri.Sci， 42(8):2,311-2,314. (in Chinese)

[17] 房汉卿, 熊忠平, 潘涌智. 黄杉大痣小蜂Megastigmussp.的潜在分布区预测[J]. 动物学研究, 2011, 32(增刊): 174-179.

FANG Han-qing, XIONG Zhong-ping, PAN Yong-zhi. (2011). The Prediction of Potential Geographical Distribution of Seed ChalcidsMegastigmussp.[J].ZoologicalResearch, 32(suppl): 174-179. (in Chinese)

[18] 王颖, 章桂明, 杨伟东, 等. 基于MAXENT的大豆南北方茎溃疡病菌在中国适生区的预测[J]. 植物检疫, 2009, 23(4): 14-17.

WANG Ying, ZHANG Gui-ming, YANG Wei-dong, et al. (2009). Potential distribution ofDiaporthephaseolorumvar. Caulivora andDiaporthephaseolorumvar. Meridionalis in China predicted by MAXENT[J].PlantQuarantine, 23(4): 14-17. (in Chinese)

[19] 冯璐, 刘建宏, 李永和, 等. 基于Maxent模型的楚雄腮扁叶蜂潜在分布区预测[J]. 西部林业科学, 2013, 42(2): 49-55.

FENG Lu, LIU Jian-hong, LI Yong-he, et al. (2013). Prediction of Potential Distribution of Maxent Ecological Cephalcia chuxiongica Based on Niche Model [J].JournalofWestChinaForestryScience, 42 (2): 42-55. (in Chinese)

[20] 雷成军, 徐海根. 基于MaxEnt的加拿大一枝黄花在中国的潜在分布区预测[J]. 生态与农村环境学报, 2010, 26(2):137-141.

LEI Cheng-Jun, XU Hai-gen. (2010). MaxEnt -Based Prediction of Potential Distribution of Solidago canadensis in China [J].JournalofEcologyandRuralEnvironment, 42 (2): 137-141. (in Chinese)

[21] 何奇瑾, 周广胜. 我国夏玉米潜在种植分布区的气候适宜性研究[J]. 地理学报, 2011,66(11):1 443-1 450.

HE Qi-jin, ZHOU Guang-sheng. (2011). Climatic Suitability of Potential Summer Maize Planting Zones in China [J].ActaGeographicaSinica, 66 (11): 1,443-1,450. (in Chinese)

[22] 王运生, 谢丙炎, 万方浩, 等. ROC曲线分析在评价入侵物种分布模型中的应用[J]. 生物多样性, 2007, 15(4): 365-372．

WANG Yun-sheng, XIE Bing-yan, WAN Fang-hao, et al. (2007). Application of ROC curve analysis in evaluating the performance of alien species' potential distribution models [J].BiodiversityScience, 15 (2): 365-372. (in Chinese)

[23] 钟艮平. 几种外来入侵杂草在我国的潜在分布预测[D].重庆西南大学硕士论文, 2008.

ZHONG Gen-ping. (2008).PredictionofPotentialDistributionofInvasiveAlienWeedsinChina[D]. Master Dissertation. Southwest University, Chongqing. (in Chinese)

[24]郭水良, 高平磊, 娄玉霞. 应用 MaxEnt模型预测检疫性杂草毒莴苣在我国的潜分布范围[J]. 上海交通大学学报(农业科学版), 2011, 29(5):15-19.

GUO Shui-liang, GAO Ping-lei, LOU Yu-xia. (2011). Prediction of Potential Invasive Range of Quarantine Weed Lactuca serriola in China by MaxEnt Model [J].JournalofShanghaiJiaotongUniversity(Agricultural Science): 29 (5): 15-19. (in Chinese)

[25] Gibson, L., Barrett, B., & Burbidge, A. (2007). Dealing with uncertain absences in habitat modelling: a case study of a rare ground-dwelling parrot.Diversity&Distributions, 13(6)：704-713.

[26] Peterson, A. T., & Cohoon, K. P. (1999). Sensitivity of distributional prediction algorithms to geographic data completeness.EcologicalModelling, 117(99)：159-164.

[27] Vanagas, G. (2004). Receiver operating characteristic curves and comparison of cardiac surgery risk stratification systems.InteractiveCardiovascular&ThoracicSurgery, 3(2)：319-322.

[28] Jorge, B., & Soberon. (2011). Mapping species distributions: spatial inference and prediction.SystematicBotany,volume36(6)：818.

[29] Soberón, J. M. (2010). Niche and area of distribution modeling: a population ecology perspective.Ecography, 33(1)：159-167.

[30] Soberón, J., & Nakamura, M. (2009). Niches and distributional areas: concepts, methods, and assumptions.ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica, 106 suppl 2(46)：19,644-19,650.

Fund project:Xinjiang grassland biological disaster monitoring using remote sensing (2013;2014-2015);High-level personnel training project sponsored by Xinjiang local goverment

Prediction of Potential Distribution AreaofGomphocerussibiricinChina Based on the MaxEnt Model

YANG Hui-feng1, ZHENG Jiang-hua1,2, WU Xiu-lan1, MU Chen3, LIN Jun3, XU Zhong-lin1,2

(1.CollegeofResources&EnvironmentScience,XinjiangUniversity,Urumqi830046,China; 2.KeyLaboratoryofSmartCityandEnvironmentModelingofOrdinaryCollegesandUniversitiesinXinjiangUniversity,Urumqi830046,China; 3.XinjiangAnimalHusbandryDepartment,Urumqi830001,China)

【Objective】 Based on the MaxEnt model, this paper aims to predict theGomphocerussibiricof the potential distribution area in Xinjiang. 【Method】A prediction ofGomphocerussibiricpotential distribution was conducted using MaxEnt model and ArcGIS software. In this prediction, 19 environmental variables and 197 occurrence data were used. When being modeled, the occurrence data and environmental variables were firstly imported into the MaxEnt, and 75% of the occurrence data to predict the risk (training data) and the other (testing data) to test the accuracy were used. The raster layer ofGomphocerussibiricwas gotten in the Xinjiang potential distribution in ASCII format, then was imported into ArcGIS for further analyses, and the potential suitable areas ofGomphocerussibiricin Xinjiang was gotten.【Result】Finally, the result was confirmed by the ROC (receiver operating characteristics) curve analytical method, and the AUC (area under the ROC curve) of the training data and testing data was as high as 0.992 and 0.990, respectively.Gomphocerussibiricof suitable area and high-risk area in Xinjiang were in Tacheng, Altay, Bortala, Ili, Urumqi and Changji.【Conclusion】According to the AUC value evaluation index, result is more accurate for the forecast ofGomphocerussibiricin this study.Gomphocerussibiricis mainly distributed in the northern Xinjiang and the northern slope of Tianshan Mountain. The suitable area and high-risk area is up to14.11%. Mean temperature and the average precipitation of the coldest quarter, mean temperature of the driest quarter, the standard deviation of temperature seasonal change, annual average precipitation, mean temperature of the wettest quarter and CV of precipitation were the main environmental variables that affected the distribution ofGomphocerussibiricin Xinjiang.

Gomphocerussibiric; Maximum Entropy Model; distribution; prediction

10.6048/j.issn.1001-4330.2016.01.006

2015-07-30

新疆维吾尔自治区治蝗灭鼠指挥办公室委托项目(2013；2014-2015)；新疆维吾尔自治区高层次人才项目

杨会枫(1989-)，女，陕西渭南人，硕士研究生，研究方向为物种分布预测,(E-mail)984677057@qq.com

郑江华(1973-)，男，新疆吐鲁番人，教授，博士，研究方向为环境遥感与草原灾害监测,(E-mail)zheng_jianghua@126.com

Q948.13

1001-4330(2016)01-0043-08