基于“3S”技术的“安苓”道地生境提取

田罗+周文佐+何万华+伦丹+刘东红

[摘要] “逆境”是道地中药材药理成分形成的主要原因之一，“逆境”提取是中药材估产、质量监测、培植区位选择以及道地性保护的前提。该研究结合3S（GIS，RS，GPS）技术，耦合“安苓”多源关键生态因子信息，首次利用生物间寄生关系，并对随季节显著变化的气温条件进行了季节细分，提取寄生种药材——“安苓”的“逆境”区。结果显示，“安苓” 主要分布在大别山山区，适宜区面积达36.8 km²，岳西、舒城、金寨、潜山4县占“安苓”总适宜区面积的93.55%，又尤以岳西、舒城、金寨3个县为主，占安徽茯苓适宜区总面积的80.82%，其中岳西县适宜区面积最大，占到了总适宜区的1/3以上。其与已有的调查估算结果具有高度的一致性，验证精度达91.67%，证实了利用3S技术结合药材关键非生物生态因子和寄生宿主信息提取寄生种中药材的可行性。

[关键词] 安苓； 茯苓； 3S技术； 逆境； 道地生境； 道地药材

[Abstract] "Adversity" is one primary element that impacts the pharmacology components of authentic Chinese herbal medicine. Knowledge about "adversity" is a precondition of yield estimation， quality monitoring， location selection and the geo-herbalism protection. Used 3S（GIS， RS and GPS） technology to combine multi-source key ecological factors of "Anling"， and used parasitic relationships between organisms to extracting its suitable region for the first time. Results showed that the "Anling" were mainly distributed in Dabie coteau. Suitable area amount to 36.8 km²， Yuexi， Shucheng， Jinzhai and Qianshan which account for about 93.55% of whole congenial region. The first three accounts for about 80.82%. It was Yuexi that account for 1/3 above especially. Field investigation verify accuracy of extraction about 91.67%， which has confirmed it is feasible that using the relationship between parasitic host and parasitic to extract native environment of parasitic traditional medicine based on 3S technology.

[Key words] Anling； Poria cocos； "3S" technologies； adversity； Dao-di habitat； geo-authentic crude drug

2015年12月国务院发布的《中国的中医药》白皮书中指出中医药的传承与发展就要“促进中药产业的快速发展”，要通过出台法律法规、建立自然保护区、人工培育和野生抚育等多种手段确保中药材的道地性，扭转道地药材异地无序种植的现状。中药材具有显著的地域性，空间特征和地理环境对中药材的品质形成起着决定作用，即药用动植物的“逆境效应”[1-2]。对药用植物的“逆境”提取是中药材调查的一个重要方面，是中药材合理利用和保护的首要问题，也是药用植物物种多样性和生态环境可持续发展研究的一个重要方向[3-4]。自21世纪初，3S技术以其快速、机动、准确、可靠和集成的特点在药用植物资源调查、适宜性区划、蕴藏量估算等方面逐步展开应用[5-6]。弥补了人工调查的费时费力、主观性大、准确性低、实时性差等弊端[7]，在生境提取、生境区划、产量估算、动态变化演变等方面取得了一系列具有现实意义的成果[8-13]。

張自力等[8]利用RS技术，结合专家知识提取新疆芍药适宜区，经过实地采样验证，精度达85%以上，证实了利用RS技术提取大面积药种的可行性。陈士林等[9]利用不同空间分辨率的遥感数据源实现了人参资源调查，并探讨了遥感数据空间分辨率对于提取精度的影响，为药种资源调查的数据选择提供了有益参考。刘金欣等[10]结合3S技术和野外抽样调查建立了不同生境中的黄芩储量估算模型，表明结合3S技术和样点数据进行药种估产的可能性。陈士林等[11]探讨了地理信息系统在中药区划中的优势和关键技术。郑开颜等[12]结合GIS的空间分析功能和气象站点数据对贵州省艾纳香生境进行了适宜性区域分级，得到了各级适宜性区域的面积信息。孙宇章等[13]利用RS和GIS技术实现了江苏邳州市银杏资源的动态变化检测。从已有研究来看：对于中药材的适宜性分析很多，形成了一个比较成熟的方法体系[3]。但多为大面积的栽培或野生种，对于以寄生方式存在的药种却鲜有报道。尽管在一些研究中提出了结合伴生种提取寄生种药材适宜区的概念[3，14]。假设药种的各生态因子适宜范围伴随药种植物自萌发到成熟整个过程，未对药材各关键物候期进行生态因子适宜范围的细分，尤其是伴随季节变化显著的气候因子。

茯苓为我国传统常用中药材，是一种多孔菌科真菌茯苓Poria cocos （Schw.） Wolf的干燥菌核[15]，具有利水渗湿，健脾和胃，宁心安神等功效[16]，在常用的中医方剂中，茯苓的配比率高达70%，有“十药九茯苓”的说法[17-18]。茯苓中的三萜类和多糖类化学成分具有良好的抗肿瘤、调节免疫、抗衰老等方面的药理活性，一直是国内外学者研究的重点[19-21]。野生茯苓多寄生于赤松、马尾松、云南松等松属植物较老的根部[16]。据研究，因大量砍伐森林，野生茯苓仅云南丽江可见，数量极少[22]。药用茯苓主要依靠栽培种植，到明代中期就已经形成了安徽、湖北、河南三大培植产区[16，23]。在安徽被称为“安苓”，是我国茯苓道地产区之一[16]。本研究利用“3S”技术耦合“安苓”多源生态因子信息，提取“安苓”道地生境信息。研究对于“安苓”培植区位选择、提高培植产量和质量、构建“安苓”GAP基地具有现实的指导意义。同时也提供了一种结合伴生关系提取寄生种的研究思路。

1 研究区概况

安徽省29°41′—34°38′ N，114°54′—119°37′ E，东西宽约450 km，南北长约570 km，土地面积13.94×10⁴km²，占全国的1.45%。地形地貌由淮北平原、江淮丘陵、皖南山区组成。气候上属暖温带与亚热带的过渡地区，年均气温为14～17 ℃，年均降水量约773.0 ～1 670.1 mm，年日照时数在1 800～2 500 h[24]。土壤以黄棕壤、暗黄棕壤、黄红壤、黄褐土等为主。植被类型包括温带、亚热带针叶林，亚热带山地针叶林，亚热带常绿阔叶林和暖温带落叶阔叶林[25]。全省已查明的中药材达3 578种，其中药用植物2 904种，中药材种植面积达6万 hm²。拥有国内规模最大的药材专业市场亳州中药材交易中心，仅该中心日上市量就达6万 t，年交易额达100亿元[26]。

2 方法

研究主要涉及数据包括安徽省行政区划矢量数据，来源于安徽省测绘局；安徽省高程数据DEM，来源于USGS，空间分辨率为30 m×30 m；安徽省气象栅格数据[27-28]来源于国家生态系统观测研究网络科技资源服务系统，空间分辨率为1 000 m×1 000 m；1∶100万植被类型数据，来源于中国科学院资源环境科学数据中心；安徽省1∶400万土壤pH和沙粒含量分布数据，来源于中国土壤数据库；安徽省土壤表层（5～20 cm）含水量数据，来源于ISMN（International Soil Moisture Network，http：//ismn.geo.tuwien.ac.at/ismn/），空间分辨率为1 000 m×1 000 m。GPS样点数据选择根据已有调查和研究成果确定。

本研究结合已有研究成果、文献查阅和野外实地考察结合的方式确立“安苓”各关键非生物生态因子生态幅，包括地形地貌、气候因子和土壤因子。利用ArcGIS 10.2提取“安苓”各非生物生态因子适宜区，通过叠加提取“安苓”的非生物环境适宜区。宿主松林分布信息提取以Landsat 8 OLI为数据源，将野外松林样方数据随机分为2组（Ⅰ和Ⅱ），Ⅰ组数据作为松林聚类的训练样本，Ⅱ组数据作为松林提取结果精度验证数据。为准确提取松林，研究结合Google Earth高分辨率遥感影像对松林聚类结果进行了手动修正。在此基础上，利用ArcGIS的叠加分析功能实现“安苓”适宜区提取并通过GPS实测样点数据验证“安苓”适宜区提取精度，流程见图1。样点分布见图2，部分样点各关键非生物生态因子信息见表1。

3 结果及分析

3.1 地形地貌适宜区提取

3.1.1 海拔适宜区提取 研究通过查阅已有研究成果、文献资料和实地样点数据确立“安苓”的高程适宜区。於小波[22]、邢博[18]、王珍[29]对于我国茯苓的采样结果显示茯苓的适宜海拔分别为265.4～1 396，615～3 200，696～830 m。《中华本草》中确立为600～1 000 m，几者对于茯苓高程适宜区的不同界定可能是由于不同区域茯苓对生境的适应所引起的。结合GPS“安苓”样点的实测数据，最终确定“安苓”高程适宜范围为260.3～1 396.7 m。通过ArcGIS提取“安苓”高程适宜区，见图3。

3.1.2 坡度适宜区提取 杨俊杰[15]、於小波[22]、王星星[30]研究指出茯苓坡度适宜范围分别为15～30°，10～30°，20～45°。《中华本草》确定为10～35°。结合野外采样数据，最终将“安苓”坡度适宜区确定为10～30°。通过ArcGIS利用安徽DEM数据计算坡度并提取“安苓”坡度适宜区，见图4。

3.1.3 坡向适宜区提取 坡向一方面影响着一地的日照时数，尤其是在山地丘陵地区，进而影响土层温度来影响茯苓生长；另一方面也通过影响土层水分含量来影响茯苓生长。已有研究成果[15，31]和《中华本草》中均指出茯苓多生长在背风向阳区域，研究结合调查结果确定“安苓”适宜坡向为东、东南和南坡。利用ArcGIS计算坡向信息并提取“安苓”坡向适宜区，见圖5。

3.2 气候适宜区提取

3.2.1 气温适宜区提取 无论是茯苓的生长还是收获、加工，温度都是一个重要的生态因子[32]。王珍等[29]研究指出茯苓菌丝在35 ℃以上易老化，低于10 ℃则生长十分缓慢，0 ℃以下菌丝处于休眠状态。邓芳席[33]试验表明“茯苓菌丝体在10～35 ℃均能生长。最适生长温度为25～30 ℃”。於小波[22]对中国茯苓主要产区的茯苓资源调查显示，绝大部分茯苓的温度生态幅在12.5～16.4 ℃。《中华本草》中记录茯苓“孢子22～28 ℃萌发，菌丝18～35 ℃生长，于25～30 ℃生长迅速，子实体在18～26 ℃分化生长并能产生孢子”。值得注意的是，药用植物在各个生长发育阶段的生态幅有显著不同，因此对气候因子尤其是随季节变化而显著变化的气温条件进行季节细分是必要的。王珍等[29]基于样点的茯苓生态因子统计指出，茯苓适宜区1月平均温度在0.95～11.6 ℃，7月平均温度在20.91～26.39 ℃，年平均气温在18.1～24.7 ℃。研究结合研究区内的调查数据，确定“安苓”的温度生态幅为：1月均温0.95～11.6 ℃，7月均温20.91～26.39 ℃，年均温12.5～16.4 ℃。利用ArcGIS提取“安苓”1月、7月和年际均温适宜区并进行叠加分析得到“安苓”的温度适宜区，见图6。

3.2.2 日照时数适宜区提取 有研究[33]表明茯苓菌丝生长对光照条件不敏感，也有研究[34]指出“没有直射光线照射的地方不能栽培茯苓”。考虑到日照一方面影响着一地的土层温度和气温，从而对寄生在松属植物根部20～30 cm深土层中的茯苓产生影响。另一方面也通过影响土壤水分蒸发而间接影响土壤透气性能，因此本研究认为日照仍然是茯苓生长的一个重要生态因子。王珍[29]的统计结果显示茯苓的日照生态幅为1 400～2 296 h，於小波[22]调查结果为1 303.5～2 139 h。结合实地调查数据，确定“安苓”日照时数生态幅为1 400～2 139 h。利用ArcGIS提取日照时数适宜区，见图7。

3.2.3 降水适宜区提取 降水条件是大部分生物的关键生态因子，降水多寡一方面直接影响茯苓的生长，另一方面还通过影响土壤性状，改变土壤通气条件来制约茯苓的发育。邓芳席[33]的茯苓培育试验表明：其他条件不变的情况下，随着通气条件变差，茯苓菌丝长度显著缩短，到达一定度时就停止生长。於小波[22]的调查显示茯苓降水适宜范围为1 000～1 772 mm。结合野外调查结果，最终确定为1 000～1 775.3 mm。利用ArcGIS提取“安苓”降水适宜区，见图8。

3.3 土壤适宜区提取

如前所述，茯苓为寄生于松属植物根部、深度约20～30 cm的土层中[35]，因此土壤物质组成、性状等对茯苓萌发和生长具有最直接的影响。

3.3.1 土壤pH适宜区提取 蔡爱群[36]的pH对茯苓菌丝生长的影响研究显示茯苓1号菌丝生境的pH为4.0～6.0，菌丝长势在pH为5之前随着培养液pH升高而变密，pH大于5之后二者呈反相关。5.78号菌丝的最适宜pH亦为4.0～6.0，最适宜为4，pH为4之后茯苓长势变疏。《中华本草》中的记录为3～7，於小波[22]的调查结果为6.72～6.99。邓芳席[33]茯苓菌丝培育试验显示pH为2～8时，茯苓菌丝均能生长，最适宜pH为4～6。经过实地考察确定“安苓”pH适宜范围为6.72～6.99。通过ArcGIS提取“安苓”土壤pH适宜区，见图9。

3.3.2 土壤沙粒含量适宜区提取 茯苓是一种好气寄生菌。传统茯苓产区曾对茯苓选场土壤总结出“选场要选麻骨砂”、“三分土，七分砂”等谚语[37]、王星星[30]、於小波[22] 、张锡崇[34]在实地调查结果中指出茯苓适宜沙质土。邓芳席[33]关于茯苓培育过程中透气性对茯苓菌丝生长的影响也从侧面印证了透气性较好的沙质土对于茯苓生长的重要性。通过文献和实地调查确定“安苓”土壤沙粒含量适宜范围为50%～60.2%。通過ArcGIS提取“安苓”土壤沙粒含量适宜区，见图10。

3.3.3 土壤表层含水量适宜区提取 土壤含水量是土壤性状的一个重要指标。对于茯苓而言，适量的土壤水分用以供给其萌发和生长、用以蒸发以维持一定范围内的适宜土温条件。张锡崇[34]在研究中指出，茯苓适宜区的土壤含水量以25%～50%为佳。研究结合实地调查结果和数据的可获得性，确定5～20 cm深土壤含水量为25%～50%。鉴于土层含水量具有显著的空间连续性，本研究对于研究区内土壤含水量数据中的缺失值采用其8领域的均值进行补全。利用ArcGIS 10.2提取“安苓”土壤含水量适宜区，见图11。

3.4 “安苓”寄生宿主松林提取

与其他中药材不同，茯苓以寄生于松属植物根部的形式存在，属于寄生菌种。松属植被的存在是茯苓萌发和生长的一个必要条件，仅由非生物环境因子确立的适宜区并不够。研究以Landsat 8 OLI数据为信息源，采用分层分类的思想，以1∶100万植被类型图中针叶林区域为分类掩膜，结合野外实测数据选择训练样本，实现针叶林中松属植物的提取。参考已有松林提取方法成果[38-43]，利用ENVI 5.1，采用多种聚类方法提取松林分布区，包括非监督分类、监督分类和面向对象分类方法。通过野外实测采样，评估各聚类方法松林提取精度，选择最优的提取结果。经验证，最大似然法监督分类松林提取精度最高，在34个野外样点中30个点验证为松林分布区，精度为88.24%。为准确提取松林，研究结合Google Earth高空间分辨率影像对最大似然法松林提取结果进行了手动修正。修正后松林提取结果见图12。

3.5 “安苓”适宜生境提取

药材的生境是多种因子共同作用的结果。在提取“安苓”各单生态因子适宜区的基础上，利用ArcGIS叠加上述3大类9个子类“安苓”非生物生态因子适宜区和松林分布区，提取“安苓”适宜生境，见图13。经调查样点对“安苓”适宜区提取结果进行验证，在36个采集样本中，33个点被验证为“安苓”实际分布区，提取精度为91.67%，符合药材资源调查的需要。经统计，“安苓”适宜区总计约36.80 km²，约占安徽总面积的0.03%。“安苓”适宜区主要在皖西大别山区域，与大别山走势具有高度的一致性，以大别山南坡向区域为主。从行政区划上来看，以六安市南部和安庆市西北部区域为主，集中在岳西、舒城、金寨、潜山4县，占“安苓”适宜区的93.55%，又尤以岳西、舒城、金寨三县为主，占“安苓”适宜区的80.82%，其中岳西县适宜区面积最大，占到了总适宜区的1/3以上，见表2。

4 结论与讨论

研究充分利用3S技术整合多源信息，实现了“安苓”道地生境提取和可视化表达。经验证，提取结果与实际具有高度的一致性，证实了利用3S技术结合中药材关键生态因子信息和生物间寄生关系提取非大面积野生或栽培种的可行性，为类似中药材的适宜区提取提供了参考。同时也为安徽省茯苓培植区位选择、“安苓”道地性保护、“安苓”GAP基地建设提供了有益参考。研究结果显示，大别山山区是“安苓”道地生境的主要分布区。空间上高度集中，利于各相关县在“安苓”培植上的合作和产业化。未来“安苓”培植策略在于建立以岳西县为主的培植和加工中心，潜山、舒城、霍山和金寨4县为卫星基地。需要突破的限制因素在于各卫星基地与岳西县培育中心、皖西山区与安徽中东部之间的交通通达性以及皖西山区与湖北茯苓主产区（罗田县、英山县等）之间的合作和联动。

植物在不同生长阶段对于各生态因子的要求不同，对于“安苓”各生态因子的量化研究以及各生态因子之间相互作用的机制、各生态因子数据的空间尺度对于“安苓”适宜性区提取精度的影响、社会经济因子对适宜区的影响等将是后续研究需要着重解决的问题。

[参考文献]

[1] 黄璐琦，郭兰萍.环境胁迫下次生代谢产物的积累及道地药材的形成[J].中国中药杂志，2007，32（4）：277.

[2] 黄璐琦，陈美兰，肖培根.中药材道地性研究的现代生物学基础及模式假说[J].中国中药杂志，2004，29（6）：494.

[3] 刘金欣，潘敏，李耿，等. 3S技术在药用植物资源调查研究中的应用[J].中草药，2016，47（4）：695.

[4] 谢彩香.基于地理信息系统的中药材生态适宜性定量化研究[J].中国中药杂志，2011，36（3）：379.

[5] 李越，姚霞，李振华，等.3S技术在药用植物资源领域中的应用现状[J].中国实验方剂学杂志，2014，20（5）：228.

[6] 黄璐琦，陆建伟，郭兰萍，等.第四次全国中药材普查方案设计与实施[J].中国中药杂志，2013，38（5）：625.

[7] 谢彩香，陈士林，王瑀，等.药用植物多级遥感监测体系中定量估计的若干关键问题[J].中国中药杂志，2008，33（3）：326.

[8] 张自力，秦其明，董玉芝，等.基于专家知识的新疆芍药遥感专题信息提取试验[J].中国中药杂志，2008，33（16）：1941.

[9] 陈士林，张本刚，张金胜，等.人参资源储藏量调查中的遥感技术方法研究[J].世界科学技术——中医药现代化，2005，7（4）：37.

[10] 刘金欣，卢恒，曾燕，等.基于3S技术的京津冀地区野生黄芩资源储量调查研究[J].中国中药杂志，2012，37（17）：2524.

[11] 陈士林，索风梅，韩建萍等.中国药材生态适宜性分析及生产区划[J].中草药，2007，38（4）：481.

[12] 郑开颜，王乾，侯芳洁等.基于温度因子的贵州省艾纳香种植气候区划研究[J].中国中药杂志，2016，41（17）：3164.

[13] 孙宇章，顾晓鹤，阳小琼，等.基于RS和GIS技术的江苏邳州市银杏资源动态变化研究[J].中国中药杂志，2007，32（18）：1861.

[14] 孙志群，郑江华，郭宝林，等.遥感技术在伊犁贝母调查中的应用[J].中国现代中药，2014，16（2）：113.

[15] 杨俊杰，杨云，吴娟.河南道地药材商茯苓的研究[J].中国药业，2008，17（14）：64.

[16] 王克勤，傅杰，苏玮，等.道地药材茯苓疏[J].中药研究与信息，2002，4（6）：16.

[17] 赵英博，徐斌，昝俊峰，等.不同产地茯苓中茯苓酸含量的比较研究[J].中国中医药信息杂志，2009，16（7）：41.

[18] 邢博，张霁，李杰庆，等.云南野生与栽培茯苓中矿质元素含量研究[J].食品工业科技，2016（24）：360.

[19] 付小环，胡军华，李家春，等.应用近红外光谱技术对茯苓药材进行定性定量检测研究[J].中国中药杂志，2015，40（2）：280.

[20] 沈玉萍，李军，贾晓斌.中药茯苓化学成分的研究进展[J].南京中医药大学学报，2012，28（3）：297.

[21] 张文女，黄金龙.茯苓多糖的抗肿瘤作用[J].中草药，1999，30（7）：561.

[22] 於小波，昝俊峰，王金波，等.我国茯苓药材主要产区资源调查[J].时珍国医国药，2011，22（3）：714.

[23] 王海峰.茯苓的现代研究进展[J].社区医学杂志，2011，9（12）：44.

[24] 安徽省省情数据库气象志[EB/OL].[2016-02-07]. http：//60.166.6.242：8080/was40/index_sz.jsp？rootid=14799&channelid=7832.

[25] 夏爱梅.安徽植被带的划分[J].武汉植物学研究，2004，22（6）：523.

[26] 丁孝雄.安徽省中药材产业发展现状问题及对策[J].安徽农学通报，2010，16（10）：3.

[27] 于貴瑞，何洪林，刘新安，等.中国陆地生态系统空间化信息研究图集.气候要素分卷[M].北京：气象出版社，2004：12.

[28] 国家生态系统观测研究网络/中国生态系统研究网络.国家生态系统观测研究网络科技资源服务系统[DB/OL].（2001-09-05）[2016-02-07]. http：//www.cnern.org.cn.

[29] 王珍，董梁，李家春，等.茯苓产地适宜性分析研究[J].山东农业科学，2011（12）：14.

[30] 王星星，王德群.安徽金寨县茯苓生产存在的问题和对策[J].安徽中医学院学报，2011，30（3）：60.

[31] 王汉培，王齐贵.新法人工载培茯苓[J].资源开发与市场，1994，10（4）：151.

[32] 王克勤，黄鹤，付杰，等.湖北茯苓产地加工技术要点[J].中药材，2014，37（3）：402.

[33] 邓芳席.茯苓菌生态因子的研究[J].湖南农学院学报，1988，14（2）：77.

[34] 张锡崇，陈道群.茯苓的栽培及加工[J].中国林副特产，1990（14）：17.

[35] 熊杰，林芳灿，王克勤等.茯苓基本生物学特性研究[J].菌物学报，2006，25（3）：446.

[36] 蔡爱群.pH和生长因子对茯苓1号茯苓、5.78号菌丝生长的影响[J].湖北农业科学，2016，55（19）：5117.

[37] 杨新美.中国食用菌栽培学[M].北京：农业出版社，1988：447.

[38] 粟屋善雄，潘辉，肖胜，等.应用TM卫星像片进行树种分布解析的研究[J].福建林业科技，1994，21（2）：5.

[39] 付虎艳，徐云栋，李圣娇，等.基于SVM方法的高山松林蓄积量遥感估测研究[J].西部林业科学，2014，43（4）：83.

[40] Kumar A. Built-up and vegetation extraction and density mapping using World View Ⅱ [J]. Geocarto Int， 2012， 27（7）：557.

[41] 刘俊，孟雪，温小荣，等. 基于不同立地质量的松树林蓄积量遥感估测[J]. 林业资源管理，2015（5）：55.

[42] 韩涛. 用TM资料对祁连山部分地区进行针叶林、灌木林分类研究[J]. 遥感技术与应用，2002，17（6）：317.

[43] Bruzzone L， Conesec， Masellif， et al. Multisource classification of complex rural areas by statistical and neural network approaches[J]. Photogramm Eng Rem S， 1997， 63（5）：523.

[责任编辑 吕冬梅]