基于MaxEnt的湖北省鹅掌楸属树种适宜生态分布区预测

2023-05-30刘华管兰华黄光体曹健杨寒胡超鲍汉民

湖北林业科技 2023年2期

刘华　管兰华　黄光体　曹健　杨寒　胡超　鲍汉民

摘要：通過鹅掌楸属树种在湖北省的潜在分布范围分析，为该属树种造林工作提供有力的理论支持。通过使用MaxEnt模型和ArcGIS10模型建立，对鹅掌楸属树种在湖北省的适宜生态分布区进行预测，并且对影响鹅掌楸属树种分布的主导环境因子进行了分析。MaxEnt模型高精度预测鹅掌楸属树种在湖北省的适宜生态分布区范围，重建模型的测试样本AUC值为0.894，训练样本AUC值为0.886。鹅掌楸属树种在湖北省的高适生区面积为336 095 hm2，主要分布在：鄂中的京山市；鄂西的长阳县、五峰县、鹤峰县、利川市和恩施市。中适生区面积为1 975 633 hm2，重点区域为：鄂东的黄梅县、蕲春县、阳新县、赤壁市、通山县、江夏区、通城县、大冶市、嘉鱼县、咸安区和崇阳县；鄂中的孝昌县、大悟县和安陆市；鄂西的竹溪县、远安县、夷陵区、建始县、咸丰县和宣恩县。年日最高气温≥35.0 ℃日数、年最少降水量、年平均风速、年最大日降水量、年极端最低气温、年平均相对湿度和月最长连续降水日数是影响鹅掌楸属树种适生区分布的主导气候因子。基于MaxEnt的鹅掌楸属树种在湖北省适宜生态分布区的预测是可行的，可靠性较高，对鹅掌楸属树种在湖北省的推广应用具有促进和指导作用。

关键词： MaxEnt模型；ArcGIS10.0；鹅掌楸属；生态分布区

中图分类号：S722.7；S725.1；S792.21 文献标识码：A 文章编号：1004-3020（2023）02-0009-07

Prediction of Suitable Ecological Distribution Areas for

Liriodendron in Hubei Province Using MaxEnt Model

Liu Hua（1） Guan Lanhua（1） Huang Guangti（2） Cao Jian（1） Yang Han（1） Hu Chao（1） Bao Hanmin（3）

（1.Management Station of forest tree seedlings of Hubei Provincial Forestry Department Wuhan 430079；

2. Investigation and Planning Institute of Hubei Province Wuhan 430079;

3.Wuhan Dingsen Survery and Planning Co.， ltd Wuhan 430100）

Abstract： The purpose of this study is to predict the potential distribution areas of Liriodendron in Hubei Province， finally to provide strong technical support for the afforestation improvement. By using Maxent Model and ArcGIS10 software for modelling， the suitable ecological distribution areas of Liriodendron were predicted in Hubei Province and the dominant environmental factors affecting the distribution were determined.The prediction of the suitable ecological distribution areas for Liriodendron in Hubei Province was conducted with a high precision degree by reconstruction of MaxEnt Model. The AUC value of test data and training data were 0.894 and 0.886 respectively. The high suitable regions for Liriodendron cover an area of 336 095 hectares， mainly distributed in Jingshan in central Hubei as well as Changyang， Wufeng， Hefeng， Lichuan and Enshi in western Hubei. The medium suitable regions for Liriodendron cover an area of 1 975 633 hectares， mainly distributed in Huangmei， Qichun， Yangxin， Daye， Jiangxia， Jiayu， Chibi， Tongshan， Tongcheng， Xianan and Chongyang in eastern Hubei， Xiaochang， Dawu and Anlu in central Hubei as well as Zhuxi， Yuanan， Yiling， Jianshi， Xianfeng and Xuanen in western Hubei. Annual maximum daily temperature ≥ 35.0 ℃ days， annual minimum precipitation， annual average wind speed， annual maximum daily precipitation， annual extreme minimum temperature， annual average relative humidity and monthly longest continuous precipitation days are dominant climatic factors to determine the suitable distributions for Liriodendron.The prediction of suitable ecological distribution area of Liriodendron in Hubei Province Based on MaxEnt is feasible and reliable， which can promote and guide the popularization and application of Liriodendron in Hubei Province.

Key words： MaxEnt model; ArcGIS10.0; Liriodendron; Ecological distribution areas

[HJ2.2mm]

鹅掌楸属Liriodendron有鹅掌楸L. chinensis、北美鹅掌楸L. tulipifera和杂交马褂木Liriodendron×sinoamericanum，鹅掌楸属树种叶形奇特，秋叶金黄，树形端正挺拔，速生，木材纹理直，干燥少开裂，是珍贵用材和园林绿化树种。鹅掌楸在湖北省有天然分布，主要分布在鄂西南、鄂东南，鄂西北、鄂东北、鄂北等地也有零星分布[1]，鄂东南、鄂中低山丘陵地区是北美鹅掌楸和亚美马褂木的主要引种栽植区[2-4]。对全国范围内的鹅掌楸潜在分布区研究表明，湖北省是鹅掌楸的主要潜在分布区[5，6]。

目前，研究树种适宜性分布的模型有随机森林模型、广义线性模型、生态位模型等[7，8]，其中最大熵（maximum entropy，MaxEnt）模型是能够在小样本数据的基础上更加精确预测的模型。最大熵模型是基于现有树种分布与其地理生态环境因子的关系，确定限制要求，计算出植物现有分布规律的最大熵，进而模拟出植物潜在分布区域，具有可靠性高、适应性广等优点[9-15]。本研究利用鹅掌楸属树种湖北省森林资源二类调查数据，运用MaxEnt和ArcGIS10.0分析鹅掌楸属树种在湖北省的适宜生态分布区，旨在为湖北省鹅掌楸树种造林提供理论支撑，加速鹅掌楸属树种的推广，促进湖北省森林质量的提升。

1 数据与方法

1.1 数据收集

鹅掌楸属树种分布信息来自湖北省森林资源二类调查（2020年），合计1 248个样本。34个环境因子数据分别为：年极大风速（Bio25）、月最长连续无降水日数（Bio17）、年平均5 cm地温（Bio13）、年极端最高气温（Bio5）、平均年降水量（Bio14）、最寒冷月（1月）平均气温（Bio6）、年最大降水量（Bio15）、年日最高气温 ≥ 35.0 ℃平均日数（Bio9）、年极端最低气温（Bio4）、月最长连续降水日数（Bio18）、年平均气温（Bio3）、月最长连续降水量（Bio19）、年日最大风速 ≥ 5.0 m·s-1日数（Bio26）、年日最低气温 ≤ 0.0 ℃平均日数（Bio8）、年最大日降水量（Bio20）、年日照时数（Bio1）、年平均相对湿度（Bio21）、最热月（7月）平均气温（Bio7）、年平均气温日较差（Bio10）、年平均风速（Bio24）、年最小降水量（Bio16）、年日最大风速 ≥ 10.0 m·s-1日数（Bio27）数据（1981～2010年）来源于中国气象科学数据共享服务网；≥ 10 ℃积温（Bio12）、湿润指数（Bio22）、≥ 0 ℃积温（Bio11）、干燥度（Bio23）數据来源于中国科学院资源环境科学数据中心；太阳辐射日均值（Bio2）数据来源于国家青藏高原科学数据中心；土壤深度（Bio31）、土壤的阳离子交换能力（Bio30）、土壤有机碳含量（Bio32）、土壤酸碱度（Bio29）、土壤沙含量（Bio33）、土壤类型（Bio28）、土壤有效水含量（Bio34）数据来源于中国西部环境与生态科学数据中心。中国行政区划数据来源于湖北省林业调查规划院。中国数字高程模型（DEM）数据来源于中国科学院资源环境科学数据中心。

1.2 信息数据处理

Maxent模型是基于最大熵的原理，根据已知的树种分布数据和环境变量数据，模拟树种的生态习性，从而模拟出树种的适宜分布区域。

1.2.1 分布数据处理

鹅掌楸属树种林分主要分布在鄂东南的咸宁市、鄂中部的京山市和鄂西南的恩施市（图1）。在Excel表中，根据MaxEnt里的需要修改数据[27-33]。

1.2.2环境因子处理

调整环境因子的地理坐标系为D_WGS_1984，在环境因子栅格数据图层中提取出湖北省区域，最后用ArcToolbox工具将环境因子栅格数据

转换保存为MaxEnt所要求的文件格式[27-33]。

1.3 模型构建

1.3.1 MaxEnt软件建模

将鹅掌楸属树种分布数据（CSV格式）和环境因子数据（ASCII）添加到MaxEnt软件。随机选择25%的鹅掌楸属树种样本数据为测试样本，其余75%的样本数据作为训练样本[16]，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0.000 01，取值范围0～100[17]。在MaxEnt中导出ASCⅡ格式数据，将ASCII格式数据转换为FLOAT型栅格数据[18]。

1.3.2 参数优化

参照 Robert Muscarella最新优化方法[19]，在MaxEnt默认参数设置下，调控倍频RM=1，特征组合FC=LQHPT，delta. AICc=66.179。当RM=0.5，FC=LQHP时，delta.AICc=0，此时模型最优，10%训练遗漏率值比默认值下降了1%（表1）。因此，选择模型参数为：调控倍频RM=0.5、特征组合 FC =LQHP。

1.3.3 ROC曲线绘制

使用刀切法来分析环境因子其所占的权重，根据ROC特征曲线与横坐标构成的面积（AUC的值），判断模型的准确度。AUC值越大，则环境因子与预测的鹅掌楸属树种适宜生态分布区之间的相关性越大，即也就是模型预测的效果越好。环境因子模型的训练样本的AUC值为0.905，测试样本的AUC值为0.903，AUC均值在0.9～1之间，表明模型有非常好的预测效果[20，21]。

1.4 模型优化

1.4.1 选择贡献率高的环境因子

在34个环境因子中，对于鹅掌楸属树种分布预测贡献率较高的环境因子有：Bio1、Bio2、Bio4、Bio5、Bio9、Bio10、Bio12～Bio16、Bio18～Bio24、Bio28、Bio33，累计贡献率为95.2%。Bio3、Bio6～Bio8、Bio11、Bio17、Bio25～Bio27、Bio29、Bio30～Bio32、Bio34等14个环境变量的贡献率都小于1%，对鹅掌楸属树种的种植分布影响有限，因此分析时剔除这14个环境因子变量[18]。

1.4.2 选择正规化训练增益高的环境因子

对各环境因子使用刀切法（jackknife test）进行分析，Bio1、Bio2、Bio4、Bio5、Bio9、Bio10、Bio12～Bio16、Bio18～Bio24、Bio28、Bio33等20个正规化训练增益高的环境因子中，Bio2和Bio33的贡献值得分小于0.1，表明它对预测鹅掌楸属树种适宜生态分布区并不重要，所以剔除环境因子变量Bio2和Bio33。

1.4.3 选择多重共线的环境因子

在ArcGIS中，提取环境因子有效分布点的数值，用SPSS软件对贡献较大的Bio1、Bio4、Bio5、Bio9、Bio10、Bio12～Bio16、Bio18～Bio24、Bio28等环境因子进行Spearman相关分析，去除相关系数|r|≥0.8中贡献率较小的环境因子，结果剔除Bio12、Bio5、Bio10、Bio14、Bio15、Bio19、Bio13、Bio22，提高模型模拟的精度[18]。

1.5 模型重建

用剩余的Bio1、Bio9、Bio16、Bio18、Bio4、Bio20、Bio21、Bio23、Bio24、Bio28等环境因子重新建模，再次参照 Robert Muscarella最新优化方法，优化MaxEnt模型。在MaxEnt里，调控倍频RM=1，特征组合FC=LQHPT，delta. AICc=86.371。当RM=0.5，FC=LQHP时，delta.AICc=0，此时模型最优，10%训练遗漏率值比默认值下降了0.9%（表2）。因此，模型参数选取为调控倍频RM=0.5、特征组合 FC =LQHP。

2 结果与分析

2.1 模型的有效性

重建模型的训练样本AUC值为0.886，测试样本AUC值为0.894（图2），AUC均值在0.8～0.9之间，表明重建模型模拟精度非常好，与主导环境因子之间的相关性大，预测结果精准，可以据此进行鹅掌楸属树种的推广应用。

2.2 鹅掌楸属树种潜在分布区预测及适生等级划分

MaxEnt进行3次重复试验，选择AUC值最高的图层导入ArcGIS中进行适宜等级划分（图3）。将鹅掌楸属树种适宜性综合评价等级划分为：

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[4，10]。整体来看，鵝掌楸属树种在湖北省的高适生区面积为336 095 hm2，主要分布在鄂中的京山市，鄂西的长阳县、五峰县、鹤峰县、利川市和恩施市。中适生区面积为1 975 633 hm2，主要分布在鄂东的蕲春县、江夏区、赤壁市、阳新县、通山县、黄梅县、通城县、大冶市、嘉鱼县、咸安区和崇阳县，鄂中的孝昌县、大悟县和安陆市，鄂西的竹溪县、远安县、夷陵区、建始县、咸丰县和宣恩县。低适生区面积为8 730 639 hm2，主要分布在鄂东的麻城市、罗田县、武穴市、红安县、英山县、浠水县、鄂州市和武汉市，鄂中的云梦县、孝南区、随县、应城市、钟祥市、广水市、仙桃市、潜江市、天门市、汉川市、监利市、洪湖市、松滋市、沙市区、沙洋县、东宝区和曾都区，鄂西的当阳市、宜都市、襄州区、枣阳市、兴山县、宜城市、保康县、秭归县、巴东县、神龙农架、南漳县、襄城区、谷城县、房县和竹山县。

2.3 鹅掌楸属树种地理分布与环境变量的关系

在MaxEnt中用刀切法（Jackknife Test）检测10个主导环境因子对于分布增益的贡献，结果（表3）表明：对鹅掌楸属树种潜在分布预测贡献率超过5%的因子分别为：年日最高气温≥35.0 ℃平均日数（28.3%）、年最少降水量（27.7%）、年平均风速（12.3%）、年最大日降水量（6.2%）、年极端最低气温（6.1℃）、年平均相对湿度（5.4%）、月最长连续降水日数（5.2%），其累积贡献率已达到91.2%，表明这7个环境因子是影响鹅掌楸属树种分布最大的环境因子。

绘制了前7个环境因子与鹅掌楸属树种适生区预测分布值之间的响应曲线（图4），年日最高气温≥35.0℃平均日数（Bio9）对鹅掌楸属树种分布有最大影响，当年日最高气温≥35.0℃日数为3～16日，分布值随年日最高气温≥35.0℃日数的升高而减小。年最少降水量（Bio16）、年平均风速（Bio24）、年最大日降水量（Bio20）、年极端最低气温（Bio4）、年平均相对湿度（Bio21）、月最长连续降水日数（Bio18）对鹅掌楸属树种分布有较大影响。当年最少降水量为500～600 mm，640～730 mm，940～1060 mm时，分布值随年最少降水量的升高而增大；当年最少降水量为600～640 mm、730～940 mm、1060～1 170 mm时，分布值随年最少降

水量的升高而减小。当年平均风速为0.9～1.4 m·s-1时，分布值随年平均风速的升高而减小；当年平均风速为1.4～2.3 m·s-1时，分布值随年平均风速的升高而增大。当年最大日降水量为70～270 mm时，分布值随年最大日降水量的升高而减小，表明鹅掌楸属树种不耐水淹，不耐积水。当年极端最低气温为-12～-4 ℃和-22～-16 ℃时，分布值随年极端最低气温的降低而增大。当年平均相对湿度为70%～76.5%时，分布值随年平均相对湿度的升高而增大；当年平均相对湿度为76.5～80%时，分布值随年平均相对湿度的升高而减小。年平均相对湿度对鹅掌楸属树种分布影响呈中间高两端低，表明鹅掌楸属树种最适宜的湿度为76.5%。当月最长连续降水日数为15～28日时，分布值随月最长连续降水日数的升高而增大，表明鹅掌楸属树种喜欢有降雨的湿润环境。

3 结论与讨论

3.1 结论

运用MaxEnt生态位模型对鹅掌楸属树种在湖北省的适宜生态分布区进行分析，结果表明MaxEnt模型对预测鹅掌楸属树种在湖北的潜在分布具有可行性及较高的可信度。湖北省适宜生态分布区分为高中低3类，合计总面积11 042 367 hm2。基于MaxEnt预测的鹅掌楸属树种在湖北省适宜生态分布区的对鹅掌楸属树种在湖北省的推广应用具有促进和指导作用。同时结合刀切法得出了影响鹅掌楸属树种分布最显著的环境因子是温度和降水，其中日最高气温≥35.0 ℃日数、年最少降水量、年最大日降水量、年极端最低气温、年平均相对湿度、月最长连续降水日数等因子的影响最大。

本研究表明，温度与降水对鹅掌楸属树种分布的影响遠大于风速和土壤因子，前两者在一定程度上决定了鹅掌楸属树种潜在地理分布。因此可以得出鹅掌楸属树种环境因子的最适范围为：日最高气温≥35.0℃日数为3～27日，年最少降水量为500～1 170 mm，年最大日降水量为70～270 mm，年极端最低气温为-22～-4℃，年平均相对湿度为70.0%～80.0%，月最长连续降水日数为15～28日。

3.2 讨论

基于MaxEnt生态位模型的同一适宜生态分布区研究中，环境因子数据较多来源于世界气候-全球气候数据库网站，仅有19个环境因子[18，22-26]。为了获得更精准的鹅掌楸属树种推广效果，本文选择了34个重要环境因子，且数据点更密集，更精准预测鹅掌楸属树种在湖北省同一适宜生态分布区[27-33]。

MaxEnt模型经过参数优化，可以更好的预测物种分布[17]。如果环境因子数量过多，将降低MaxEnt的运算效率。通过优化本研究剔除了14个低贡献率的环境因子变量、2个正规化训练增益低的环境变量因子、8个多重共线强的环境变量因子，有效降低了模型的复杂性，在不影响分布预测的前提下，提高了确定主导因子的精准性[34]。

鹅掌楸属树种适宜生态分布区的预测不是一锤定音的，而是动态变化的，随着已知分布区的变化（增加或减少）而变化。在2013年，鄂中的京山有约1万亩的鹅掌楸良种人工造林[3]。这些鹅掌楸良种人工林在湖北省森林资源二类调查中分为278个小班（样本），占全省鹅掌楸小班（样本）总数的22.28%。预测结果京山市被划分为高适生区，而周围的大悟县、安陆市、随县、应城市、钟祥市和广水市则被划分为中试生区，这与传统的林业调查规划结果是相同的。从本研究结果可以看出一个地方大量集中取样对取样点的预测结果有正向影响，但从整体预测结果来讲还是准确可靠的。由此可以得出，如果鹅掌楸属树种在预测的适宜生态分布区域生长表现良好，则可以将该预测的区域纳入为鹅掌楸属树种已知分布区域，根据新的鹅掌楸属树种已知分布区域，重新分析预测鹅掌楸属树种适宜生态分布区，经过如此多次分析预测，以达到全省范围更精准的鹅掌楸属树种的潜在生态分布区预测。

湖北省森林资源二类调查（2020年）结果显示全省有1 248块鹅掌楸属树种林分小班，合计2 320.8 hm2。本研究模型预测结果为鹅掌楸属树种在湖北省的高适生区面积为336 095 hm2，中适生区面积为1 975 633 hm2，低适生区面积为8 730 639 hm2。因此，鹅掌楸属树种在湖北省具有广阔的发展空间。

参考文献

[1]方元平，葛继稳，袁道凌.湖北省国家重点保护野生植物名录及特点[J].环境科学与技术，2000，10 （2）：11-14

[2]季孔庶，王章荣.鹅掌楸属植物研究进展及其繁育策略[J].世界林研究，2001，14 （1）：8-14.

[3]刘玉新，王章荣，李大斌，等.杂交马褂木工业原料林丰产栽培技术[J].湖北林业科技，2014，43 （4）：76-77.

[4]王章荣，高悍东.亚美马褂木在我国丘陵山区的造林示范与推广[J].林业科技开发，2015，29 （5）：1-4.

[5]邱浩杰，孙杰杰，徐达，等. 基于MaxEnt模型预测鹅掌楸在中国的潜在分布区[J]. 浙江农林大学学报，2020，37（1）：1-8.

[6]翟新宇，申宇芳，朱圣华，等. 未来气候变化对孑遗植物鹅掌楸地理分布的影响[J]. 热带亚热带植物学报 2021， 29（2）： 151-161.

[7]朱耿平，刘国卿，卜文俊，等.生态位模型的基本原理及其在生物多样性保护中的应用[J].生物多样性，2013，21 （1）：90-98.

[8]蔡静芸，张明明，粟海军，等.生态位模型在物种生境选择中的应用研究[J].经济动物学报，2014，18 （1）：47-52，58.

[9]王茹琳，高晓清，王闫利，等.基于MaxEnt的非洲橘硬蓟马在全球及中国的潜在分布区预测[J].中国农学通报，2014，30 （28）：315-320.

[10]罗玫，王昊，吕植.使用大熊猫数据评估Biomod2和MaxEnt分布预测模型的表现[J].应用生态学报，2017，28 （12）：4001-4006.

[11]张春华，和菊，孙永玉，等.基于MaxEnt模型的毛红椿适生区预测[J].林业科学研究，2018，31 （3）：120-126.

[12]郭飞龙，徐刚标，卢孟柱，等.基于MaxEnt模型分析胡杨潜在适宜分布区[J].林业科学，2020，56 （5）：184-192.

[13]王国峥，耿其芳，肖孟阳，等.基于4种生态位模型的金钱松潜在适生区预测[J].生态学报，2020，40 （17）：6096-6104.

[14]王艳君，高泰，石娟.基于MaxEnt模型对舞毒蛾全球适生区的预测及分析[J].北京林业大学学报，2021，43 （9）：59-69.

[15]辜云杰，李晓清，杨汉波.基于MaxEnt生态位模型预测桢楠在中国的潜在适宜栽培区[J].西北林学院学报，2021，36 （2）：136-141.

[16]魏淑婷，李涛，林玉成.基于MaxEnt模型预测四川省松材线虫的潜在适生区[J].四川动物， 2019，38（1）：37-46.

[17]黄振，吴淇铭，黄可辉.应用MaxEnt模型预测辣椒果实蝇在中国的潜在地理分布[J].武夷科学， 2017，33（1）：28-34.

[18]王茹琳，王明田，李庆，等.基于MaxEnt模型的美味獼猴桃在中国气候适宜性分析[J].云南农业大学学报（自然科学）， 2019，34（3）：522-531.

[19]Muscarella R.， Galante P.J.， Guardia M.S.， et.al. ENMeval： an R package for conducting spatially independent evaluations and estimating optimal model complexity for MaxEnt ecological niche models[J]. Methods in Ecology and Evolution，2015，5 （11）：1198-1205.

[20]段居琦，周广胜.中国水稻潜在分布及其气候特征.生态学报[J]. 2011，31（22）：6659-6668.

[21]屈振江，周广胜.中国富士苹果种植的气候适宜性研究.气象学报[J].2016，74（3）：479-490.

[22]高雅，秦华. MaxEnt生态位模型在红花槭引种区预测上的应用探讨.中国园林[J]. 2018，34（4）：89-93.

[23]雷军成，徐海根.基于MaxEnt的加拿大一枝黄花在中国的潜在分布区预测.生态与农村环境学报[J]. 2010，26（2）：137-141.

[24]刘倩，齐增湘，周永，等.我国银杉潜在分布区预测及适宜性评价.安徽农学通报[J]. 2019，25（18）：53-57.

[25]董波，李建伟，林杰，等.基于 MaxEnt 模型预测漆树在中国的潜在适生区研究[J].西南林业大学学报（自然科学）， 2020， 40（2）： 79-85.

[26]马东旭，周一，陆双飞，等. 基于 MaxEnt 模型的 11 种云南常见阔叶树种气候适宜性研究 [J]. 西南林业大学学报（自然科学）， 2020， 40（5）： 64-72.

[27]胡超，于静. 基于MaxEnt模型和ArcGIS精准预测湖南省杉木良种在湖北省同一适宜引种生态区[J].广西林业科学， 2021，50（200）：740-747.

[28]胡超，于静. 应用MaxEnt和ArcGIS对湖南省马尾松良种在湖北省同一适宜引种生态区精准预测[J]. 东北林业大学学报， 2022，50（7）：40-46.

[29]胡超，于静. 基于MaxEnt和GIS的浙江省杉木良种在湖北省适宜引种生态区研究[J]. 陕西林业科技， 2022，50（4）：29-37.

[30]胡超，于静. 精准预测福建杉木良种在湖北适宜引种生态区[J]. 福建林业科技， 2022，49（2）：32-41.

[31]胡超，于静. 基于MaxEnt和GIS预测四川省杉木良种在湖北省同一适宜引种生态区[J]. 四川林业科技， 2022，43（3）：85-93.