基于MaxEnt模型对重要药用植物猫爪草潜在适生区的预测

谢艳萍 杨刚刚 张兴旺

摘要 基于猫爪草的140个分布位点和10个环境变量，采用最大熵模型（MaxEnt）和地理信息系统（GIS）对猫爪草在我国的适生区进行预测。结果表明，ROC曲线面积AUC值为0.92，说明模型预测结果可靠;猫爪草在我国的高度适生区主要集中在长江流域平原各省区，包括河南省南部、安徽省中南部、江苏省南部、上海、浙江省东部和北部、江西省北部、湖北省南部、湖南省中部以及重庆的部分地区和台湾北部，面积约占我国土地面积的3.3%;影响猫爪草分布的主导环境因子与降水和温度有关，包括3月份降水量、降水量季节变化、等温性和温度季节性变化标准差。这些结果与猫爪草的实际分布和生物学特性相吻合，可为其推广种植提供参考。

关键词 猫爪草;潜在适生区;最大熵模型;地理信息系统;药用植物

中图分类号 S 567.21+9  文献标识码 A  文章编号 0517-6611（2022）01-0183-04

doi：10.3969/j.issn.0517-6611.2022.01.049

Prediction of Potential Distributions of Ranunculus ternatus Based on MaxEnt Model

XIE Yan-ping1，YANG Gang-gang2，ZHANG Xing-wang1，3

（1.School of Life Sciences，Huaibei Normal University，Huaibei，Anhui 253000;2.College of Life Sciences，Henan Normal University，Xinxiang，Henan 453007;3.School of Information，Huaibei Normal University，Huaibei，Anhui 253000）

Abstract Based on distribution data of 140 sites and 10 environmental factors of Ranunculus ternatus，the MaxEnt model and geographic information system （GIS） were used to predict potentially suitable habitats of R.ternatus.The results showed that the AUC value of the area under the receiver operation characteristic curve （ROC） was 0.92，indicating that the model prediction results were reliable.The highly suitable areas of Ranunculus ternatus in China were mainly concentrated in the provinces of the Yangtze River Basin，including the southern Henan Province，central and southern Anhui Province，southern Jiangsu Province，Shanghai，eastern and northern Zhejiang Province，northern Jiangxi Province，southern Hubei Province and central Hunan Province，part of Chongqing and north of Taiwan，covering an area of about 3.3% of China's land area.The dominant environmental factors affecting the distribution of Ranunculus ternatus were related to precipitation and temperature，including precipitation in March，seasonal changes of precipitation，isotherm and standard deviation of seasonal changes in temperature.These results are consistent with the actual distribution and biological characteristics of Ranunculus ternatus，and can provide a reference for its promotion and planting.

Key words Ranunculus ternatus;Potential suitable distribution;MaxEnt;ArcGIS;Medicinal plants

基金項目

安徽省高校自然科学研究一般项目（KJ2020B25）;安徽省自然科学基金项目（2108085QC104）。

作者简介 谢艳萍（1985—），女，河南焦作人，讲师，博士，从事植物系统分类学、植物生物地理学、分子生态学等研究。通信作者，副教授，博士，硕士生导师，从事植物生物地理学、植物资源保护等研究。

收稿日期 2021-08-10

猫爪草（Ranunculus ternatus Thunb.）是隶属于毛茛科（Ranunculaceae）毛茛属（Ranunculus）的一年生草本植物，因簇生多数形似猫爪的肉质小块根而得名[1]。猫爪草别名小毛茛、金花草等，主要分布于我国广西、台湾、江苏、浙江、江西、湖南、安徽、湖北、河南等省（自治区），生于平原湿草地或田边荒地。猫爪草开金黄小花，作为地被植物，有较高的观赏价值，且冬季可在自然状态下和狗牙根（Cynodon dactylon）伴生生长，是冬季城市草坪常绿混播的优良材料[2]。此外，猫爪草具有非常重要的药用价值，属大别山区的道地药材，民间最早于17世纪用作淋巴结结核的治疗，1955年作为新验方药材被广泛用于临床[3-4]。1977年《中华人民共和国药典》中记载猫爪草具有解毒化瘀、消散消肿和化痰的功效[5]。

猫爪草主要成分有多糖、多酚、氨基酸和有机酸，此外，还含有内酯、三萜、黄酮、脂肪酸和生物碱等成分[6-7]。体外试验证明其有机酸具有抗肿瘤、抗结核的作用，多糖可激活巨噬细胞从而提高生物体免疫力，猫爪草皂苷有降压降脂和抗炎抑癌的功效，在美国被推荐为治疗肿瘤、关节炎的植物药[8-10]。猫爪草的药用价值，尤其是其抗肿瘤的良好药理作用逐渐受到重视，现在已经是我国重点发展的三类药材之一[11]。目前对猫爪草的研究主要集中在猫爪草各成分的提取工艺、有效成分和临床应用[6-7，12-14]、有效成分质量在不同产地或生境下的区别[15]、其生物学特性和栽培种植技术[16-18]，还有一些关于居群遗传分化等方面的研究[19-20]。

气候是影响道地药材生长发育和有效成分含量的重要因素[21]，也直接关系到药材的分布区和栽培种植。随着地理信息科学的发展和对气候变化研究的不断深入，物种分布模型（species distribution models，SDMs）成为探究气候对物种地理分布影响的重要方法[22]。物种分布模型根据物种发生与环境变量之间的相互关系来预测该物种在不同地理范围生态环境中的存在概率[23]。近年来，物种分布模型广泛地应用到了生物多样性的保护[24]、物种地理分布对气候变化的响应[25]、入侵种的预测和防治[26]以及珍稀濒危物种分布区的预测和保护[27-28]，也越来越多地应用到中药材的潜在适生范围预测和种植区划建议[29-30]。最大熵模型（maximum entropy model，MaxEnt）是现有物种分布模型中应用最广的模型，即使在物种分布位点信息较少的情况下也能有较好的预测结果[31-32]。因此，该研究通过收集整理猫爪草的自然分布位点，利用MaxEnt模型和地理信息技术（GIS），预测猫爪草在我国的最适分布区域，并分析出影响其生存和分布的主导环境因子，从而为该地道药材的推广和栽培种植及保护提供理论支持。

1 材料与方法

1.1 猫爪草分布数据来源与处理 该研究中猫爪草的地理分布信息主要来源于国家标本资源共享平台（national specimen information infrastructure，NSII;http：//www.nsii.org.cn）、中国数字植物标本馆（Chinese virtual herbarium，CVH;https：//www.cvh.ac.cn）、教学标本资源共享平台（http：//mnh.scu.edu.cn）中收录的标本采集信息，全球生物多样性信息网（global biodiversity information facility，GBIF;https：//www.gbif.org）中下载的分布位点记录，以及中国植物图像库（Plant Photo Bank of China，PPBC;http：//ppbc.iplant.cn）中图像的拍摄地信息，此外，结合《中国植物志》《Flora of China》和各地方植物志及相关文献资料，共获得分布信息记录1 583条。去除掉经纬度信息缺失、重复记录或明显错误的位点信息后，最终获得猫爪草在我国18个省（自治区）的140条分布位点记录，并将140条分布位点整理为.csv格式数据备用。

1.2 环境变量获取及预处理

该研究共选用32个环境变量，包括19个气候变量、12个每月降水量和海拔。环境变量数据均来源于WorldClim数据库（http：//www.Worldclim.org/）[33]，变量的空间分辨率为 30″（约 1 km2）。将下载的环境变量数据加载到ArcGIS中，按照中国地图的边界进行掩膜提取，并将提取后的数据转为.asc格式文件保存备用。为避免环境因子之间具有多重共线性关系导致模型预测过度拟合，从而降低预测的准确度，该研究根据各变量之间的相关性分析和贡献值进行筛选。首先使用MaxEnt 3.3.3软件对32个环境变量的贡献值进行权重分析，其次用ArcGIS 10.2 软件提取140个位点上的32个环境变量的值，再利用SPSS软件进行Pearson相关性分析。在环境变量的选择上，优先保留相关系数<0.75的变量，当相关系数≥0.75时，选择贡献值较高的环境变量用于模型的构建。根据以上条件，最终筛选出10个环境变量（表1）用于猫爪草适生范围的预测。

1.3 物种分布模型及参数设置

将整理好的140个分布点导入MaxEnt软件后，利用筛选出的10个环境变量，选择75%的样本作为训练子集，剩下25%的样本用于验证模型，最大迭代次数10 000，重复运算10次进行模型构建。利用受试者工作特征曲线（receiver operation characteristic curve，ROC）、曲线下面积（areas under curves，AUC）来评估模型预测结果的准确性。用ArcGIS 软件将MaxEnt模型的预测结果转换为栅格数据，栅格的数值表示猫爪草在这个分布区中的生存概率（P）。将这些数值按照自然间断断点分级法（Jenks）进行重分类，可以把生境适应性人为地划分为4个等级：0<P≤0.10为非适生区、0.10<P≤0.25为低度适生区、0.25<P≤0.50为中度适生区、0.50<P≤1.00为高度适生区。用ArcGIS对各生境适应性等级图层进行分析并统计出猫爪草各适生区的面积。再根据MaxEnt模型预测结果中各环境变量的相对贡献值，筛选出影响猫爪草分布和生长的主导环境变量。

2 结果与分析

2.1 当前潜在分布区的预测

曲線下面积（AUC）的取值范围是0～1.0，AUC值越接近1.0表明模型预测结果越可靠，0.9<AUC≤1.0表示模拟结果有完美的辨识度，0.8<AUC≤0.9表示结果具有很高的可信度，0.7<AUC≤0.8表示预测结果一般，AUC≤0.7表示模型的预测结果不可信[34]。该研究预测模型的AUC平均值为0.92，说明模型结果可以准确地预测猫爪草的潜在适生范围，具有较高的参考价值。预测结果表明猫爪草的适宜生长范围在长江流域平原的各省（市），包括江苏省、上海、浙江省、安徽省、河南省南部、湖北省、江西省、湖南省、重庆和贵州省（图1）。通过ArcGIS计算各类型分布区的面积，猫爪草的高度适生区域面积为31.75×104 km2，约占我国土地面积的3.3%，中度适生区面积为59.56×104 km2，约占我国土地面积的6.2%。

2.2 影响猫爪草分布区的主要环境因子

物种分布模型预测中刀切法分析的结果可以判断出各环境变量对模型的贡献值和各环境变量影响猫爪草分布的贡献率。综合两者的结果（图2和表2），3月份降水量（Prec_03）、降水量季节变化（Bio_15）、等温性（Bio_03）和温度季节性变化标准差（Bio_04）是影响该物种分布的4个主导环境变量，其累计贡献率达到89.8%。这4个环境变量中2个与降水量相关，2个与温度相关。其次，海拔（Ele）的影响也较大，而最湿季度平均温度（Bio_08）和7月份降水量（Prec_07）对猫爪草分布范围的影响较小。

分别用上述的4个主导环境变量进行单因子建模，绘制相应的单因子响应曲线（图3）。当存在概率P<0.50时表明该环境变量条件非常不适宜物种生存，而P≥0.50时的环境

变量条件是适宜该物种生存的范围。结果表明（图3），3月

份降水量（Prec_03）的最适范围是大于58.69 mm;降水量季

节变化（Bio_15）的最适范围是9.74～60.18 mm，等温性（Bio_03）的最适范围是22.16～25.76;温度季节性变化标准差（Bio_04）的适宜范围在457.81～512.25和805.36～935.16。

3 讨论与结论

3.1 猫爪草在我国的潜在分布区预测

野生资源的猫爪草广泛分布于寒温地带，主产于黄淮平原中南部和长江中下游地区，多生长于“三荒四边”的潮湿地带[16]。该研究结果表明，猫爪草的最适潜在分布区主要集中在我国长江流域平原的各省（市），包括江苏省、上海、浙江省、安徽省、河南省南部、湖北省、江西省、湖南省、贵州省，重庆的一部分和台湾北部，中度、高度适生区域面积共约91.3×104 km2，绝大部分分布于亚热带季风气候区，仅有少量分布在温带季风气候区域，预测结果与自然分布范围高度一致。此次模型运算的AUC值也说明模型预测结果是很可靠的，猫爪草潜在分布范围较大，具有可观的推广种植范围。

3.2 环境变量对猫爪草分布的影响

影响猫爪草分布范围的4个主导环境变量中，2个与降水相关，2个与温度相关。温度和降水是影响猫爪草生长和分布的重要环境因素，猫爪草喜好生长在凉爽湿润且半荫蔽的环境中，2—4 月植株快速生长，2月中旬陆续抽薹开花，3月上旬至 4 月上旬为盛花期。该研究得出3月降水量是影响猫爪草地理分布范围的最关键的环境变量，这个结果与其上述生物学特征相吻合。此外，温度对猫爪草的分布也有重要的影响，猫爪草耐寒冷，但不耐高温，环境温度高于30 ℃植株将停止生长甚至出现死亡，种子和块根几乎完全处于休眠状态，不能发芽出苗[35]。温度和降水也是影响很多药用植物分布范围的主导因素，例如最干月降水量、最冷季度平均温度、昼夜温差月均值、最冷月最低温和最干季度平均温度对前胡和紫花前胡的分布影响較大[36];4、5、10、11月降水量，年均温变化范围、温度季节性变化标准差是限制多花黄精分布的主要环境变量[37];7月和8月降水量、温度季节性变化标准差、年均温变化范围对金莲花的生长和分布有重要的影响[38]。

3.3 猫爪草推广种植建议

鉴于猫爪草的良好疗效，“十三五”国家科技创新计划认为其是具有较大工业化前景的药物。猫爪草主产于河南省信阳市、驻马店市，淮河以南各省也有出产，台湾省也有分布。河南省信阳市是猫爪草的优势产区，具有道地性。在河南省信阳市淮滨县猫爪草种植基地已经成立了专业的合作社，王家岗乡还成为中原猫爪草第一乡[11]。此外，安徽阜阳（安徽中部）等地都有大规模种植猫爪草，但是这些仍然满足不了市场对于猫爪草深加工产品的需求[39]。该研究中除了河南省南部、安徽省中南部以外，江苏省的南部、上海、浙江省东部和北部、江西省北部、湖北省南部和湖南省中部以及重庆的部分地区和台湾北部也都是猫爪草的高度适宜分布区。而围绕着这些高度适宜分布区范围之外，还有大面积中度适生区分布，这些中度适生区都可以作为栽培种植猫爪草的潜力发展地区，可通过改良栽培种植条件而发展为高度适宜分布区。此外，建议在猫爪草的种植过程中要充分考虑降水和温度的影响，尤其是控制3月份降水量和夏季温度，实现种植丰产。

参考文献

[1] 中国科学院中国植物志编辑委员会.中国植物志：第28卷[M].北京：科学出版社，1980：302-303.

[2] 张秀高.猫爪草前景广阔[J].花木盆景，2000（11）：14.

[3] 彭华胜，储姗姗，程铭恩.大别山区道地药材的形成历史[J].中国中药杂志，2021，46（2）：253-259.

[4] 陈丙銮，杭悦宇，陈宝儿.药用植物猫爪草的研究进展[J].中国野生植物资源，2002，21（4）：7-9.

[5] 国家药典委员会.中华人民共和国药典[S].北京：中国医药科技出版社，2015.

[6] XIONG Y，DENG K Z，GAO W Y，et al.A novel alkenoic acid ester and a new benzophenone from Ranunculus ternatus[J].Chinese Chem Lett，2007，18（11）：1364-1366.

[7] 熊英，陈虹，邓敏芝，等.猫爪草化学成分及抗耐药结核活性研究[J].中药材，2016，39（4）：775-777.

[8] 吴晓.猫爪草多糖和有机酸部位的初步研究[D] .南京：南京中医药大学，2007：72-75.

[9] 杨牧之，王国萍，王斌.猫爪草多糖对小鼠腹腔巨噬细胞活力的调节作用[J].基因组学与应用生物学，2019，38（5）：1997-2003.

[10] 陈建存.植物药物在美国的发展概况（Ⅱ）[J].中国中医药信息杂志，2000，7（5）：85-87.

[11] 刘莉，王凤云，韩亮.中药猫爪草的研究进展[J].广东药科大学学报，2020，36（1）：140-144.

[12] 赵文秀，马骏，李文基，等.猫爪草多糖研究进展[J].甘肃中医药大学学报，2020，37（4）：87-90.

[13] 童晔玲，胡轶娟，楼柯浪，等.猫爪草中穗花杉双黄酮的含量测定[J].浙江中医杂志，2020，55（10）：776-777.

[14] 闫浩利，王雯丽，罗峰，等.猫爪草的提取工艺、药理作用及临床研究进展[J].中医研究，2020，33（11）：78-80.

[15] 王海燕，梁利香.不同产地猫爪草中粗多糖和多糖含量的比较研究[J].信阳农林学院学报，2018，28（3）：107-111.

[16] 何庆，田坤发.猫爪草的生物学特性及高产栽培技术[J].现代农业科技，2020（12）：99-100.

[17] 胡旗辉.抗癌中草药“猫爪草”栽培技术[J].北京农业，2012（4）：18-19.

[18] 张艳玲，孙万慧，尹健，等.信阳猫爪草主要病虫害及防治方法初探[J].信阳农林学院学报，2015，25（1）：106-108.

[19] 张艳玲，孙万慧，胡孔峰，等.猫爪草遗传多样性的ISSR分析[J].河南农业科学，2010，39（9）：117-120.

[20] 汪小凡，廖万金，宋志平.小毛茛居群的遗传分化及其与空间隔离的相关性[J].生物多样性，2001，9（2）：138-144.

[21] 金鑫，郑洪新.中药“道地”药材与地理环境[J].长春中医药大学学报，2010，26（2）：287-288.

[22] 赵儒楠，何倩倩，褚晓洁，等.气候变化下千金榆在我国潜在分布区预测[J].应用生态学报，2019，30（11）：3833-3843.

[23] GUISAN A，THUILLER W.Predicting species distribution：Offering more than simple habitat models[J].Ecol Lett，2005，8（9）：993-1009.

[24] 張兴旺，李垚，谢艳萍，等.气候变化对黄山花楸潜在地理分布的影响[J].植物资源与环境学报，2018，27（4）：31-41.

[25] DYDERSKI M K，PAZ′ S，FRELICH L E，et al.How much does climate change threaten European forest tree species distributions？[J].Glob Change Biol，2018，24（3）：1150-1163.

[26] MAINALI K P，WARREN D L，DHILEEPAN K，et al.Projecting future expansion of invasive species：Comparing and improving methodologies for species distribution modeling[J].Glob Change Biol，2015，21（12）：4464-4480.

[27] GUO Y L，LI X，ZHAO Z F，et al.Prediction of the potential geographic distribution of the ectomycorrhizal mushroom Tricholoma matsutake under multiple climate change scenarios[J].Sci Rep，2017，7：1-11.

[28] 李单琦，胡菀，韩彩霞，等.基于MaxEnt 模型的濒危观赏植物福建柏潜在适生区预测[J].植物科学学报，2020，38（6）：743-750.

[29] 董光，何兰，程武学.基于MaxEnt和GIS技术的桔梗适宜性分布区划研究[J].中药材，2019，42（1）：66-70.

[30] 白成科，吴永梅，曹博，等.基于MaxEnt和GIS的陕西省山茱萸气候适宜性种植区划研究[J].中药材，2016，39（2）：289-294.

[31] LI J J，FAN G，HE Y.Predicting the current and future distribution of three Coptis herbs in China under climate change conditions，using the MaxEnt model and chemical analysis[J/OL].Sci Total Environ，2019，698[2021-04-17].https：//doi.org/10.1016/j.scitotenv.2019.134141.

[32] PHILLIPS S J，ANDERSON R P，SCHAPIRE R E.Maximum entropy modeling of species geographic distributions[J].Ecol Model，2006，190（3/4）：231-259.

[33] FICK S E，HIJMANS R J.WorldClim 2：New 1-km spatial resolution climate surfaces for global land areas[J].Int J Climatol，2017，37（12）：4302-4315.

[34] ELITH J，GRAHAM C H，ANDERSON R P，et al.Novel methods improve prediction of species’distributions from occurrence data[J].Ecography，2006，29（2）：129-151.

[35] 王爱武，田景奎，袁久荣，等.中药猫爪草的研究概况与展望[J].中国药业，2005，14（1）：25-27.

[36] 张琳，邓亦麒，谢登峰，等.前胡和紫花前胡在中国的潜在分布区预测[J].四川大学学报（自然科学版），2017，54（3）：641-647.

[37] 章鹏飞，张虹，张小波，等.多花黄精生态适宜性区划研究[J].中国中药杂志，2020，45（13）：3073-3078.

[38] 卢有媛，郭盛，严辉，等.金莲花生态适宜性区划研究[J].中国中药杂志，2018，43（18）：3658-3661.

[39] 刘金海，王鹤桦，王琰，等.猫爪草研究概况与展望[J].中国野生植物资源，2019，38（6）：62-65，72.