基于最大熵模型研究四川省鲜食葡萄种植潜在分布区及其气候特征*

张玉芳，王茹琳，吕秀兰，金 垚，赵 艺，梁 东，王明田

（1.北京师范大学地理科学学部，北京 100875；2.南方丘区节水农业研究四川省重点实验室，成都 610066；3.四川省农业气象中心，成都 610072；4.四川省农村经济综合信息中心，成都 610072；5.四川农业大学，成都 610031; 6.德阳市气象局，德阳 618000；7.四川省气象台，成都 610072）

全球气候变暖的大背景下，四川省气温普遍升高，导致葡萄品质和分布发生改变[1]。一方面气候变暖导致物候期整体提前；另一方面气候变暖能够使更多地区的热量条件满足葡萄生育期的积温要求，因此，四川盆地及川南河谷地带葡萄得到大规模发展。随着葡萄育种、栽培、管理技术的发展，以及人们对经济效益方面较高溢价的期望，四川各地的决策部门以及农业企业、农户等对种植葡萄的积极性高涨[2]。因此，研究鲜食葡萄在四川地区的潜在分布，以帮助地方决策部门科学合理制定葡萄产业发展规划，对四川各地农民致富增收和地方经济发展有重要现实意义[3]。

近年来，有不少学者对葡萄生产布局进行了研究。穆维松等[4]综合宏观分析和微观调研结果，采用Moran’s I 指数对中国葡萄生产空间布局进行了分析；王珂依等[5-8]开展了四川西昌、新疆、甘肃酿酒葡萄气候可行性研究或区划，并给出了栽培建议。通过广泛查阅文献可以发现，国内[9-15]葡萄相关气候区划侧重于研究酿酒葡萄，对鲜食葡萄的研究也主要集中在栽培技术、运输保鲜等方面。因此，要研究鲜食葡萄在四川地区的潜在分布状况，就有必要从植物物种分布机理的角度出发，对决定鲜食葡萄分布的气候指标因子进行筛选和分析。

本研究拟在四川鲜食葡萄种植状况实地调研基础上，基于GIS 系统和MaxEnt 模型[16-18]，通过分析气候因子对鲜食葡萄种植分布的贡献程度[19]，确定影响四川省鲜食葡萄种植的主导气候因子，研究鲜食葡萄在四川的潜在分布区域及其生态特征，为鲜食葡萄在四川省引种、大面积推广及合理布局提供科学决策参考。

1 资料与方法

1.1 数据及其来源

四川省鲜食葡萄地理分布数据来源于四川农业大学2020年园区调查资料，包括138 个具有明确地理信息（经度和纬度）记录的露天种植的鲜食葡萄种植园区；气象数据来源于四川省气象局，包括全省共计158 个国家气象观测站1980-2019年逐日平均气温、最高气温、最低气温、降水量、日照时数等数据，为保证气象数据质量，选择有连续数据记录的站点。研究区域、气象观测站和葡萄种植园区分布情况见图1。

图1 四川省气象观测站和葡萄种植园站点分布Fig.1 Distribution of meteorological stations and grape plantation sites in Sichuan province

1.2 影响鲜食葡萄分布的潜在气候因子

基于已有葡萄种植区划成果[15]，结合自然植被区划，筛选出7 个具有明确生物学意义的影响四川省鲜食葡萄分布的潜在气候因子（表1）。

表1 影响四川省鲜食葡萄种植分布的潜在气候因子Table 1 Potential climatic factors influencing planting distribution of table grape in Sichuan province

≥10℃活动积温计算式为

式中，T 为活动积温，B 为界限温度（10℃），i为稳定通过界限温度B 的第i 天，n 为稳定通过界限温度B（10℃）的日数[20]。

气温年较差指一年中月平均气温的最高值与最低值之差，取7月平均温度与1月平均温度的差值。

干燥度指潜在蒸散量与降水量的比值，即

式中，AI 为干燥度，ET0为年潜在蒸散量（mm），P 是年降水量（mm）。利用彭曼公式[21]计算日潜在蒸散量，再累加到年，计算年潜在蒸散量与年降水量比值即为干燥度，反应地区干湿程度，该指标能揭示一个地区降水和蒸散发的变化。

1.3 模拟方法

1.3.1 葡萄地理分布数据处理

通过实地调查方法对四川省鲜食葡萄的采集地信息进行调查，利用GPS 确定经纬度信息。其次，利用Excel 的数据统计功能去除重复分布点并将经纬度数据转换为十进制。再次，利用ArcGIS 的空间分析功能计算分布点与栅格中心的距离，确保每个栅格（30 arcsec）仅包含距中心最近的一个分布点，以降低空间自相关性的影响。通过上述处理，共获得分布点109 个。

1.3.2 葡萄潜在分布区的模拟

MaxEnt 软件操作步骤如下：（1）在excel 中将鲜食葡萄的分布数据转存为MaxEnt 软件要求的csv文件，利用ArcGIS 将tiff 格式的气候变量图层转换为MaxEnt 所需的ASC 格式图层。（2）将分布数据和气候变量分别导入软件“Sample”和“Environmental layers”中。（3）勾选“Create response curves”以创建气候变量的响应曲线，“Make pictures of predictions”以绘制预测地图，“Do jackknife to measure variable importance”以衡量变量的重要性，“Output format”和“Output file type”均设定为默认值。初始模型中将测试数据比例“Random test percentage”设置为25%。重建模型中则勾选“Random seed”将其设置为随机比例，重复次数“Replicates”输入10。其它设定均为模型默认值。

基于筛选的鲜食葡萄分布数据和环境变量建模并重复10 次，对随机选择测试数据样本进行交叉验证，迭代次数设置为500，勾选刀切法衡量各环境变量重要性，勾选创建响应曲线分析环境变量对鲜食葡萄分布的影响，输出格式选择Logistic，其它设置为软件默认值。

将MaxEnt 软件输出的ASCII 文件导入ArcGIS软件中转换为栅格文件，将其与四川省行政区划图进行叠加得到适生图。参照政府间气候变化专门委员会（IPCC）对物种分布可能性（Probability, P）的定义，对葡萄的适生等级进行划分[22-23]，包括高适生区（P≥0.66）、中适生区（0.33≤P＜0.66）、低适生区（0.05≤P＜0.33）和不适生区（P＜0.05）。

MaxEnt 软件可输出受试者工作特征曲线（ROC），它是评价生态位模型准确性的有效方法之一。通过比较ROC 曲线与横坐标围成的曲线下面积值（AUC 值）的大小可知模型的模拟效果[24-25]。AUC取值范围为0.5～1，数值越接近1 模型越准确。

1.4 分析处理软件

MaxEnt（版本3.4.1）从美国自然历史博物馆网站（网址：https://biodiversityinformatics.amnh.org/ open_source/maxent/）免费下载；ArcGIS10.3 由四川省农业气象中心提供（栅格分辨率为30 arcsec），地图底图由国家气象信息中心提供。

2 结果与分析

2.1 模型模拟四川省鲜食葡萄种植潜在分布区的准确性评价

应用MaxEnt 模拟时会对测试数据进行计算，并输出ROC 曲线，该曲线以1-特异率（假阳性率，即将“不存在”预测为“存在”的概率）为横坐标，以1-遗漏率（真阳性率，即将“存在”预测为“存在”的概率）为纵坐标。ROC 曲线下面积（Area under curve, AUC）值是评估模拟准确性的常用指标。结合AUC 的评估标准，即0.5～0.6（失败）、0.6～0.7（较差）、0.7～0.8（一般）、0.8～0.9（好）和0.9～1.0（非常好），模拟结果的准确性达到“好”的标准，表明所构建模型可用于鲜食葡萄潜在分布的模拟（表2）。

表2 MaxEnt 模型的AUC 值Table 2 AUC values of MaxEnt model for table grape in Sichuan province

2.2 影响四川省鲜食葡萄分布的主导气候因子分析

基于1980-2019年40a 的气候资料和露天种植的鲜食葡萄地理分布站点信息，利用MaxEnt 方法对四川省鲜食葡萄种植分布进行模拟，依据贡献率筛选主导气候因子。计算每次迭代中各变量的规则化训练得分，得分为正则累加，得分为负则相减，获得各因子对模拟的贡献百分率。结果表明：按照贡献百分率大小，影响四川省鲜食葡萄分布的气候因子依次为≥10℃活动积温、气温年较差、年日照时数和年降水量，其相应的贡献率分别为50%、21%、10.7%和8.1%，尤其≥10℃活动积温单个因子的贡献率达到50%，说明≥10℃活动积温对四川鲜食葡萄种植分布的预测力最大，其次是气温年较差和年日照时数，气温年较差因子决定了葡萄的甜度，其贡献百分率也相对较大，这4 个因子（以下简称“影响4 因子”）累积贡献率为89.8%，故将其作为影响四川省鲜食葡萄分布的主导气候因子（表3）。

表3 影响四川省鲜食葡萄分布排名前4 的气候因子贡献百分率和累积贡献百分率Table 3 Contribution percentage and cumulative contribution percentage of the top four climatic factors affecting the distribution of table grape planting in Sichuan province

为了进一步了解所选气候因子对鲜食葡萄种植分布影响机理，分析鲜食葡萄分布概率与气候因子变化之间的关系。由图2 可见，根据单因子响应曲线，鲜食葡萄适宜及以上区（存在概率P＞0.33）的≥10℃活动积温阈值为5129～6037℃·d，≥10℃活动积温小于5758℃·d 的区域，存在概率随积温的减少而降低；年降水量超过1037mm 时，鲜食葡萄存在概率显著降低，适宜及以上区域（存在概率P＞0.33）年降水量在863～1165mm；气候适宜及以上区域（存在概率P＞0.33）年日照时数阈值在890～1674h 和2005～2227h 两个区间，其中年日照时数在968～1905h 时，存在概率随着日照的增多迅速下降，当年日照时数在1905～2180h 时，存在概率随着日照增多显著上升；鲜食葡萄存在概率高的区域在一定的气温年较差范围内，其适宜及以上区（存在概率P＞0.33）的气温年较差阈值为9.7～11.8℃，中间出现微小波动，气温年较差≥11.2℃，存在概率随着气温年较差的增大而降低。

图2 鲜食葡萄种植区分布的存在概率与气候因子关系Fig.2 Responses of the distribution probability of table grape planting in Sichuan province to climatic indices

2.3 四川省鲜食葡萄种植分布

根据4 个影响因子进行最大熵模型模拟，参照IPCC 对物种分布可能性（Probability, P）的定义对葡萄的适生等级进行划分，绘制四川省鲜食葡萄的分布及其气候适宜性等级图（图3），利用GIS 的栅格统计功能计算四川省鲜食葡萄在各市（州）的适宜种植面积（表4）。由图3 和表4 可知，四川省鲜食葡萄高适宜区主要分布在广安、成都、乐山西南部、宜宾和泸州北部以及凉山中部地区，面积为5.38×104km2，占全省总区域面积的11.8%，其中成都市占最适宜种植区面积的16%；适宜区广泛分布于除盆周山区之外的盆地大部分地区以及凉山南部、攀枝花西南部，面积为10.7×104km2，占全省总区域面积的23.6%，其中凉山州面积占适宜区面积的11.9%；低适宜区集中在盆北和盆西山区及攀西地区北部，面积为10.5×104km2，占全省总区域面积的23.1%，其中阿坝州、甘孜州和凉山州分别占低适宜区面积的15.8%、17.8%和25.4%；不适宜区主要集中在川西高原、攀西东北部，面积为18.9×104km2，占全省总区域面积的41.5%，甘孜州和阿坝州占不适宜区面积的93.6%。

表4 四川省各地鲜食葡萄适生区面积预测Table 4 Predicted distribution areas for grape in Sichuan province under current climatic conditions

图3 四川省鲜食葡萄的潜在分布及其气候适宜等级分布Fig.3 The potential distribution and climatic suitability distribution of table grape in Sichuan province

3 结论与讨论

3.1 结论

通过最大熵模型获取的影响四川鲜食葡萄种植分布的最佳气候因子，四川鲜食葡萄高适宜区主要分布在广安、成都大部，以及南充南部、达州西南部、遂宁东部、德阳西部、绵阳和乐山西南部、宜宾和泸州北部、凉山中部地区，占全省总面积的11.8%，高适宜区与鲜食葡萄种植产业发达地区重合度较高，该区域光、温、水匹配较好，热量充足，昼夜温差在6～7℃最适宜范围内，5-6月进入葡萄果实膨大期，此时正值四川省汛期，该区域雨水较充足，能够较好满足葡萄果实膨大对水分的需求，但7-8月该区域降雨量过多，据调查避雨栽培技术已在该区域广泛应用，很好解决了由于成熟期雨水过多，导致葡萄裂果、果实腐烂现象出现；不适宜区占全省面积的41.5%，主要集中在川西高原和攀西东北部，该区域属于高原高山区，气候寒冷，夏热不足，加之降水偏少，尤其在鲜食葡萄果实膨大期，空气湿度不足也易影响果实品质；适宜区和低适宜区分别占四川省面积的23.6%和23.1%。

3.2 讨论

全球气候变暖的大背景下[22]，经济效益较好的鲜食葡萄，呈现出在传统主产区以外的地区不断推广扩大的趋势，因此，鲜食葡萄在四川适宜种植区域的变化也引起了广泛关注，针对不同葡萄品种，研究者在各区域选用了不同的评价指标，具有明显的地域性[10,12,14]，未全面考虑鲜食葡萄分布的生理机制和人为影响。本研究通过MaxEnt 方法[24-25]构建了四川鲜食葡萄种植分布-气候关系模型获取了四川省鲜食葡萄种植分布的最佳气候因子，利用这些指标因子，能较准确预测现在和未来气候变化背景下四川鲜食葡萄的潜在分布情况，为科学应对气候变化，合理规划鲜食葡萄产业布局提供了参考。

由于葡萄本身存在对周围环境的不断适应、农业科技工作者对葡萄品种的改良、种植户种植葡萄时采取的各项农技措施等原因[26-27]，使葡萄在超出原来基础生态区域的地点也能够生存，此时预测的潜在分布面积将比实际分布面积小[28-29]。例如，川西高原的广袤地区原本因为≥10℃活动积温不能满足葡萄生长需求而无法种植，但近年来随着农业技术的发展，不少地区采用大棚等设施农业手段培育鲜食葡萄[30]，既满足了其积温需求，又能够充分利用高原地区在日照和气温年较差方面的优势，培育出的葡萄果实大、糖度高，口感很好，供不应求。在这种情况下，需要引进更多的影响葡萄分布的主导因子才能进一步提高模型预测的准确性，未来将进一步研究如何获取人为影响和葡萄自身适应性方面的影响因子并将其纳入预测模型。