精准预测福建杉木良种在湖北适宜引种生态区

胡 超，于 静

(1.湖北省林业局林木种苗管理总站，湖北 武汉 430079；2.岭南生态文旅股份有限公司，湖北 武汉 430062)

林木良种是有适宜生态区域要求的，如果自然条件不适宜，再好的良种也达不到丰产、稳产。因林木良种不适应引种区自然条件而造成巨大损失的教训是深刻的：20世纪70年代，各地在油茶(CamelliaoleiferaAbel.)生产发展过程中调购种子比较随意，较多地方存在盲目性引种，在人力、物力等方面都造成了不小的损失[1]。

传统的林木良种引种适宜生态区凭主观经验判断较多，如，宜林范围内每个按水平分布的气候带和垂直气候带都分布着特有类型的森林植被。经纬度由北向南、由西向东调运范围大于相反方向的范围，海拔高度不超过300～500 m。但是，1958年，湖北引种广东、福建马尾松(PinusmassonianaLamb.)种子成功，用事实改变了过去专家认为“马尾松南种北移的纬度幅度不能超过2°～3°”的定论[2]。1979年李传志论证马尾松一次纬度北移6°～7°育苗是可以成功的[2]。所以，温度、降水、土壤等主要环境因子相似，即为林木良种同一适宜引种生态区。

杉木(Cunninghamialanceolata)是湖北省主要造林树种之一。传统的杉木良种引种适宜生态区也是凭主观经验判断较多。杉木良种数量较多，且生长周期长，对所有杉木良种都进行引种试验的可行性不大，所以，十分有必要使用MaxEnt和ArcGIS精准分析杉木良种同一适宜引种生态区[3]。根据福建省杉木产区现有审定杉木良种，本研究应用MaxEnt生态学模型[4-5]，以100 m×100 m=10000 m2，即1 hm2为单元，因地制宜，充分发挥造林地立地条件的优势，用34个环境因子精准划分福建省杉木产区杉木良种在湖北省同一适宜引种生态区，旨在为湖北省杉木良种造林工作能够“适地适树”，经营管理上“经济、合理”，杉木生产达到“速生、丰产、优质”提供参考。

1 数据与方法

1.1 基本信息来源

福建省审定杉木良种信息来源于湖北省林业局林木种苗管理总站。俞新妥等[6]将福建省杉木产区划为：中心产区、一般产区、边缘产区。每个产区都有适宜栽培的审定杉木良种(表1)。

表1 福建省杉木产区审定杉木良种

表1(续)

34个环境因子数据获取于中国气象科学数据共享服务网、中国科学院资源环境科学数据中心、国家青藏高原科学数据中心、中国西部环境与生态科学数据中心(表2)。中国行政区划数据、中国海拔高度(DEM)数据获取于中国科学院资源环境科学数据中心和湖北省林业调查规划院。

表2 福建省杉木产区杉木良种在湖北省同一适宜引种生态区环境因子

表2(续)

1.2 信息数据处理

图1 福建省杉木产区采样点分布图

1.2.1 分布数据处理 为避免样点数据在某个地理空间上过度聚集，在福建省杉木产区范围内，用ArcGIS 10的Create fishnet工具生成空间为30行×30列的格网数据，以1个格网作为1个采样单元对杉木良种的分布数据进行采样(图1)[7]。根据选育单位确定的杉木良种适宜的自然地理环境条件范围，在Excel表格中，剔除高程小于0 m、高程大于1500 m、土壤厚度小于30 cm和异常值的采样点，全部采样分布记录共470条。按照MaxEnt软件的“Samples”的要求整理数据，将分布点以“物种+经度+纬度(西经、南纬的值为负，经纬度为十进制小数格式。)”另存为CSV格式文件。

1.2.2 环境因子处理 地形因子(经度、纬度、高度)与环境因子有较好的回归关系，利用中国2160个基本、基准地面气象观测站的观测数据，推算模拟无测站区域的环境资源分布情况。建立Bio1—Bio10、Bio13—Bio21、Bio24—Bio27等23个环境因子的空间分布模型，其表达式为：Y=f(λ，φ，h)+ε，式中：Y为环境因子要素；λ为经度；φ为纬度；h为海拔高度(m)；函数f(λ，φ，h)为气候学方程；ε为残差项，可视为小地形因子(坡度、坡向等)及下垫面对环境的影响。将f(λ，φ，h)展成三维二次趋势面方程[8]，f(λ，φ，h)=b0+b1λ+b2φ+b3h+b4λφ+b5φh+b6λh+b7λ2+b8φ2+b9h2，式中：b0～b9为待定系数。利用SAS 9.4建立逐步回归优化回归模型，模拟23个环境因子的宏观趋势项，分别建立23个环境因子的小网格推算模型(表3)。

表3 环境因子的小网格推算模型

表3(续)

在中国海拔高度(DEM)数据支持下，在ArcGIS 10中，用23个环境因子的小网格推算模型，将环境因子Bio1—Bio10、Bio13—Bio21、Bio24—Bio27分别插值为100 m×100 m网格的基础数据[9-10]。用IDW法分别插值其残差项为100 m×100 m网格的修正数据。用Spatial Analyst工具→数学→逻辑→加，将每个环境因子的基础数据和修正数据叠加相加为环境因子栅格数据。23个环境因子栅格数据用投影栅格工具统一为地理坐标系D_WGS_1984。以湖北省和福建省矢量边界为掩膜，裁剪出这23个环境因子栅格数据图层。最后，用栅格转ASCII工具将这23个环境因子栅格数据转换保存为MaxEnt所需要的ASCII格式文件。

在ArcGIS 10中，将下载的Bio11、Bio12、Bio22、Bio23、Bio28—Bio34等11个环境因子数据通过重采样工具使其像元大小与Bio1—Bio10、Bio13—Bio21、Bio24—Bio27等23个环境因子一致[11]。11个环境因子数据统一为地理坐标系D_WGS_1984。以湖北省和福建省矢量边界为掩膜，裁剪出这11个环境因子栅格数据图层。最后，用栅格转ASCII工具将这11个环境因子栅格数据转换保存为MaxEnt所要求的ASCII格式文件。

1.3 模型构建

1.3.1 MaxEnt软件建模

1)物种数据：将之前导出的杉木良种分布数据(csv格式)的文件，通过Browse加载到MaxEnt软件“Samples”模块。

2)环境数据：将34个ASCII格式的环境数据加载到MaxEnt软件“Environmental layers”模块。

3)参数设置：使用auto features选项，根据自动特征规则进行计算，所有的要素类型都将用到。结果以comulative类型和ASCII格式输出，并定义其输出位置。在设置界面的settings里‘Random test percentage’设置为25，随机选取75%的样本点数据作为训练数据[12]，settings中replicates本试验选择3次重复作为平行试验，最大迭代次数设为500次，收敛阀值设为0.00001，取值范围0～100[13]。选择‘Do jackknife to measure variableimportance’衡量所有变量的重要性，MaxEnt软件分别对每个环境影响因子进行刀切图绘出。

图2 初始模型的ROC曲线分析及AUC值

1.3.2 ROC曲线绘制 绘制响应曲线(response curves)评价模型精度。AUC值越大表示与随机分布相距越远，环境因子变量与预测的杉木良种同一适宜引种生态区之间的相关性越大，即模型预测效果越好；反之说明模型预测效果越差。34个环境因子预测模型的AUC值是0.78(图2)，说明模型预测效果良好[4，9]。

1.4 模型优化

在使用MaxEnt模型进行较大空间范围的杉木良种同一适宜引种生态区预测时，如果选择了较多数量的环境因子，将导致MaxEnt模型的运行效率降低。因为环境因子变量过多、变量空间共线性过强，将导致模型的复杂性增加，随机误差增大。所以，过多低贡献率的环境因子变量会导致模型运行结果的准确性降低。因此，需要对环境因子进行筛选或降维[14]。

1.4.1 筛选贡献率高的环境因子变量 在34个环境因子中，对于杉木良种同一适宜引种生态区分布贡献较大的环境因子变量有：Bio2、Bio6、Bio8、Bio10、Bio14、Bio18、Bio28、Bio31，累计贡献率为91%。Bio1、Bio3—Bio5、Bio7、Bio9、Bio11—Bio13、Bio15—Bio17、Bio19—Bio27、Bio29、Bio30、Bio32—Bio34等26个环境变量的贡献率都小于1%(表4)，对杉木的种植分布影响有限，将这26个环境因子变量进行剔除[15]。

表4 各环境因子变量的贡献率

图3 刀切法的环境因子变量重要性分析

1.4.2 筛选正规化训练增益高的环境因子变量 采用刀切法(jackknife test)测定各环境因子变量权重。刀切法就是每次都忽略一个环境因子变量，然后基于剩下的环境因子变量来对杉木良种同一适宜引种生态区进行预测，最后MaxEnt绘出环境因子变量重要性的柱形图。Bio2、Bio6、Bio8、Bio10、Bio14、Bio18、Bio28、Bio31等8个贡献较大的环境因子变量中，Bio31对应的深蓝色条带很短(图3)，说明其本身的增益值几乎接近于0，表明其对预测杉木良种同一适宜引种生态区并不是重要环境因子变量，所以，剔除环境因子变量Bio31[15]。

1.4.3 筛选多重共线的环境因子变量 用GIS软件的值提取至点工具提取有效分布点的环境因子变量数值，用SPSS软件对贡献较大的Bio2、Bio6、Bio8、Bio10、Bio14、Bio18、Bio28等7个主导环境因子进行Spearman相关分析(表5)，检验环境因子变量之间的多重共线性，Bio6与Bio8的相关系数|r|≥0.8，对比初始模型中二者的贡献率，两者贡献率相同，Bio8置换重要性较小，所以，剔除置换重要性较低的变量Bio8，提高模型模拟的精度[15]。

表5 关键环境因子变量的相关系数

2 结果与分析

2.1 模型的有效性

图4 重建模型的ROC曲线分析及AUC值

用剩余的Bio2、Bio6、Bio10、Bio14、Bio18、Bio28等 6个主导环境因子变量重新建模，重建模型的训练样本和测试样本的AUC值达到0.819和0.793(图4)，AUC均值在0.8～0.9之间，表明重建模型适用性及模拟精度均达到好的水平，与主导环境因子变量之间的相关性较大，预测效果优良，预测同一适宜引种生态区的结果准确性高，可以据此进行引种推广。

2.2 杉木良种同一适宜引种生态区预测及适生等级划分

MaxEnt进行3次重复试验，选取重复试验中AUC值最高的图层导入ArcGIS软件进行适宜等级划分和可视化表达(图5)。MaxEnt模型输出的数据为ASCⅡ格式，用ArcGIS的ASCII to Raster功能，输出数据类型选FLOAT，使该结果可在 ArcGIS中显示[15]。利用“Reclassify”功能，划分分布值等级及相应分布范围，并使用不同颜色表示，划分标准为：存在概率<0.05为不适生区；0.05≤存在概率<0.33为低适生区；0.33≤存在概率<0.66为中适生区；存在概率≥0.66为高适生区[4，9]。整体来看，福建省杉木产区的杉木良种在湖北省的低适生区面积为458028 hm2，主要分布在鄂东南的通山县、通城县、崇阳县、赤壁市、咸安区、阳新县和大冶市，鄂东的英山县、蕲春县、罗田县、黄梅县和武穴市，鄂西的五峰县和鹤峰县。低适宜区域在引种杉木良种时，需要选择适宜的小生境。

图5 福建省杉木产区杉木良种在湖北省同一适宜引种生态区分布图

2.3 杉木良种地理分布与生物气候变量的关系

用刀切法(Jackknife Test)检测6个主导环境因子变量对于分布增益的贡献，结果(表6)表明：最长连续降水时间(Bio18)对杉木分布的增益最大，当连续降水时间为13～34 d时，分布值随连续降水时间的升高而增大(图6)；其次年降水量(Bio14)对杉木分布的影响也较大，当年降水量为754.887～1914.11 mm时，分布值随年降水量的升高而增大 (图7)。

表6 主导环境因子变量的贡献率

图6 月最长连续降水时间(Bio18)反馈曲线图7 年降水量(Bio14)反馈曲线

3 讨论

如果没有做到“适地区适良种”，则可能导致林木良种育苗和林木良种造林的失败。主要原因是不同地理、气候和土壤等环境因子的质或量不同，对该林木良种所要求的生态条件的满足程度也不同。所以，只有在适生地域内，在适宜的立地条件下，选择适合的林木良种，才能发挥林木良种造林的优良特性，实现速生丰产。否则，林木良种表现不好，甚至不如一般的当地品种。

基于MaxEnt生态位模型的同一适宜生态区研究中，环境因子数据常来自于世界气候-全球气候数据库网站，仅有19个环境因子，空间分辨率仅为5 arc-min[5，7，11，15-16]。为了获得更精准的引种效果，本研究选取34个重要环境因子，用中国2160个基准地面气象观测站的观测数据，推算模拟无测站区域的环境资源分布情况，精准预测福建省杉木良种在湖北省同一适宜引种生态区。

传统的杉木良种引种同一适宜生态区都是以乡镇、县、市、省等行政单位为单元。然而，影响杉木成活生长的光、热、水、气等环境因子，受太阳辐射、大气环流的影响，而使水、热在地面上呈地带性的分布。由于山体起伏，垂直森林地带在实际上并不都是连续的，而是由断断续续的呈孤岛状分布的地块组成。为了获得精准的引种效果，本研究以100 m×100 m=10000 m2，即1 hm2为单元，精准预测福建省杉木良种在湖北省同一适宜生态区。

传统的林木引种是以单个树种划出同一适宜生态区。然而，随着自然条件演变和科学技术发展，转抗性基因育种、种间和远缘杂交育种等林木遗传改良工作广泛开展，每年都有新的林木良种通过审定。在相同的立地条件下，同一树种，不同良种之间的生长好坏有显著差异。为了获得精准的引种效果，本研究以单个良种划出同一适宜生态区，精准预测福建省杉木良种在湖北省同一适宜生态区。

4 结论

通过运用MaxEnt生态位模型对福建省杉木良种在湖北省同一适宜引种生态区进行分析，证明了MaxEnt模型在林木良种引种应用方面的可行性以及可信度，同时结合刀切法探讨对杉木良种生长影响最显著的环境因子，这对福建省杉木良种适生性分析提供了更进一步的技术支撑。如同诸葛亮需要精准的预测天气，才能草船借到箭一样。还如同哥伦布需要精准的指南针，才能航海发现新大陆一样。需要基于MaxEnt和GIS精准预测福建省杉木良种在湖北省同一适宜引种生态区，才能避免引种福建省杉木良种的盲目性，从而获得良好的引种效果，值得推广应用。