基于生态位模型的青海省醉马草的潜在分布区研究

王文婷

摘要：采用最近邻体距离法和相关性分析分别选取样本数据和环境变量，并应用最大熵方法（ Maxent）建立生态位模型，分析了影响醉马草潜在分布的主要环境因素，预测了醉马草在青海省的潜在分布区域。结果表明：等温性、最潮湿季节的平均温度、年平均降水量和季节性降水量对醉马草的潜分布影响较大;醉马草在青海省有广泛的潜在分布区，主要分布在青海湖附近和黄河流域。虽然目前醉马草的现实分布区远小于潜在分布范围，但其具有相当大的扩散空间，应高度重视醉马草的危害性，严格监控其向潜在适生区域扩散蔓延。

关键词：生态位模型;醉马草;潜在分布区;最大熵模型

中图分类号：Q948.13

文献标识码：A

文章编号：1674-9944（2018）4-0001-03

1 引言

醉马草（Ach，natherum inebrians）为禾本科芨芨草属草本植物，常见于海拔较高的草原上，主要分布在新疆、青海、甘肃、宁夏、四川和内蒙古等省区[1]，是一种常见的草原毒杂草[2]。由于其具有抗高寒、耐干旱等优势，在我国的各大草场广泛分布，特别是在退化的草地中蔓延日益严重[3]。醉马草又常常被称为“疯草”，是因为具有麻痹牲畜中枢神经的特性，所以醉马草对我国的畜牧业也造成了巨大的损害。青海省位于中国西部，青藏高原的东北部，属于畜牧业用地面积大，农业耕地少、林地比重低的地区。因此，预测醉马草在青海省的潜在分布区，进一步对其进行监控和防治对于草原畜牧业的可持续发展具有重要的意义。

生态位模型是利用物种分布数据和相关环境变量，根据一定的算法可以预测物种的潜在分布区，已被广泛应用保护生物学、进化生物学、全球气候变化对物种分布的影响等[4，5]。近年来，由于统计技术、机器学习技术和地理信息系统进一步强大，生态位模型的模拟方法层出不穷，其中最大熵（ Maxent）的方法在只有物种记录点，甚至样本很小的情况下也能较好的预测物种的潜在分布区[6]。本研究将采用最大熵方法，分析影响醉马草分布的主要环境变量，并预测其在青海省的潜在分布区，最后探讨如何控制醉马草对青海草地的危害。

2 材料和方法

2.1 物种分布数据与环境变量

从中国植物数字标本馆中找到醉马草在青海省的54个分布数据的记录。为了避免由于地理聚集导致的空间自相关性，研究采用最近邻体距离法筛选样本数据，即在12 km内只保留一点，最后用于模拟的数据点一共41个。

从WorldClim环境数据库中下载了分辨率为2.5的当前环境变量（即1950 - 2000年的生态气候平均值）。通过相关性分析，去除相关性大于0.8的环境变量，最后保留的Bi0 03，Bi0 06，Bi0 08，Bi0 12，Bi0 15（见表1）。

2.2 生态位模型

醉马草的生态位模型是通过将醉马草的41个分布记录数据和5个生物气候变量导人Maxent 3.3.3e中进行模拟，将分布点随机选取30%作为测试数据（testingdata），其余的70%为训练数据（training data），交叉校验（ cross - validation procedures）模拟20次用于降低模拟过程中随机性造成的影响。最后将20次结果的平均值以栅格文件通过ARCGIS9.3输出，每个栅格的值代表物种在该区域对环境适应生存的概率，值域为[0，1]。

2.3 模型的精度驗证

通过AUC值对模型精度进行检验，即接受者操作特性曲线（ROC曲线）与横坐标所围成的面积的值，值域为[0.5，1]。ROC曲线是以实际和预测同时存在的比率（即击中概率）为纵轴，只存在于预测中而实际上不存在的比率（即虚惊概率）为横轴所组成的坐标图。所以AUC的值越大，表示预测的物种分布与随机分布相差越大，其与环境变量之间的相关性也越高，即模型的模拟效果越好;反之表示模拟的效果越差[7]。如果AUC值在0.5～0.6之间，表示模型模拟结果失败;在0.6～0.7之间表示模拟效果较差;在0.7～0.8之间表示效果一般;在0.8～0.9之间表示效果较好;在0.9～1之间表示效果很好[8]。

3 结果与分析

3.1 影响醉马草分布的环境变量分析

生态位模型模拟结果显示，随着等温性（ Bio_03）和年平均的降水量（Bio_12）的增高，醉马草的潜在分布概率先增大然后减小（图la，d）。等温性的值大约等于35时或年平均降水量达到400 mm时，分布概率将分别达到峰值。随着最潮湿季度的平均温度（Bio_08）和季节性降水（Bio_15）的增高，醉马草的潜在分布概率首先急速增高随之增长速率减缓（图lc，e）。曾有文献报道醉马草一般生长在降雨量为200～300 mm的地区[9]，萌发最佳温度为20℃[10]，我们的研究表明年平均降水量达到400 mm，最潮湿季度的温度达到20℃时，醉马草的潜在分布概率将达到90%以上。然而，最冷月的最低温（ Bio_06）的变化对醉马草的潜在分布概率没有显著的影响（图lb），这一结论与醉马草抗高寒的特性是一致的。

3.2 醉马草在青海省的潜在分布区的预测

使用青海矢量地图作底图，采用ArcGIS对醉马草的分布区进行掩膜提取，然后利用Spatial Analyst模块的Reclassify功能，基于Natural Breaks分级的方法[7]，按照醉马草潜在分布概率将其分布区分为5个等级，概率在0.0～0.2之间为不适合生存区域、在0.2～0.4之间为适合生存的边缘区域、在0.4～0.6之间为低存活率区域、而0.6 - 0.8为适应生存区域，当概率达到0.8～1.0区域成为醉马草泛滥的高危区。由图2可以看出青海省的醉马草基本分布在32°～38.5°N和93°～103°E之间的区域。其中高危区和适应生存区主要分布青海省东部区域，介于101°～103°E之间，在青海的西宁周边区域。这一区域临近青海湖，依赖黄河水源，草地资要分布青海省中南部地区;低存活率区域零星的分布在边缘区之中，面积较小。

3.3 精度测评

生态位模型模拟20次的AUC平均值为0.88，标准差为0.17，模型对醉马草中国潜在分布区的预测效果较好。

4 讨论和小结

本研究对青海省醉马草的潜在分布区域进行定量直观地预测。结果显示醉马草在青海省的潜在分布区域主要集中在青海湖附近和黄河流域，虽然目前醉马草的分布范围远小于潜在的适生区域，但是入侵潜力还是很大。由于醉马草有耐干旱的特性，在干旱的地区比牧草更容易生存，与牧草竞争更具优势，导致大量的牧场退化，对畜牧业造成了重大损失。尽管现在醉马草在青海省仅仅是局域性的分布，但是预测结果显示其潜在可扩散生存的区域相当广泛，几乎达到青海省总面积的1/2，因此醉马草的潜在危害不容忽视。特别是近年来，青海湖流域草地总体呈退化趋势[11]，所以青海省应作为防止醉马草扩散的重点保护地區，对醉马草可能会发生的区域给予高度重视，做好严密的防范措施，以阻止其扩散到更大的面积。

本研究由于没有研究区域土壤类型、地形变量和植被分布等因素的相应数据，所以在模拟过程通过相关性分析筛选出3个温度因素（即等温性、最冷月份的最低温度和最潮湿季度的平均温度）和2个降水量因素（即年平均降雨量和季节性降雨量），只研究其对醉马草的影响。此外，醉马草样本记录数据只是单一的从CVH上获取，数量较少且具有一定的局限性。如果能够综合所有对醉马草生存有影响的因素，并具有完备的样本记录数据，生态位模型模拟将会得到更加准确的预测结果。在上述关于醉马草潜在分布区域的预测中所产生的各种数据都只是一种模拟推测，并不是由实地考察产生的，但是本研究结果对醉马草防控策略的制定可提供一定的参考。

参考文献：

[1]李春杰，高嘉卉，马斌.我国醉马草的几种病害[J].草业科学，2003，21（11）：51～53.

[2]陈为江，王光雷，刘金定.绒山羊醉马草中毒的治疗[J].草食家畜，2013（1）：67～68.

[3]李学森，任继生.醉马草生态控制的研究[J].草业学报，1996（2）：14～17.

[4]Albright T P，Chen H， Chen L，et alI The ecological niche andreciprocal prediction of the disjunct distribution of an invaslve species： the example of Ailanthus altissima [J]. Biological Invasions，2010（12）：2413～2427.

[5]Peterson AT.Predicting the geography of species'invasions via ec-ological niche modeling[J]. Quarterly Review of Biology， 2003（78）：419～433.

[6]Phillips S J.Anderson， R.P.， Schapire， R.E.. Maximum entropymodeling of species geographic distributions[J]. Ecological Mod-elling， 2006（190）：231～259.

[7]张颖，李君，林蔚，等.基于最大熵生态位元模型的入侵杂草春飞蓬在中国潜在分布区的预测[J].应用生态学报，2011，22（11）：2970～2976.

[8]Swets J A.Measuring the accuracy of diagnostic systems [J].Sci-ence，1988（240）：1285～1293.

[9]萨赫都拉·霍曼，醉马草及其防治措施[J]。草业科学，1992，9（5）：36～37.

[10]鱼小军，陈本建，师尚礼，等.马燕玲温度和水分对醉马草种子萌发的影响[J].草地学报，2009，17（2）：218～221.

[11]童李霞，燕琴，骆成风，等.青海湖流域草地时空变化特征初探[J].青海草业，2017，26（3）;7～12.