西南地区烟草潜在适生区预测

孙佳照 冉渝澳 冯俊 丁伟

摘  要：西南地區地形复杂，具有鲜明山地种植特征。为了研究该地区烟草潜在适生区，对西南地区191条有效烟草种植分布位点气候数据进行分析，采用最大熵模型Max Ent结合Arc Map明确影响典型烟草分布的主要环境因子，预测西南地区烟草潜在适生区。结果表明，经过训练后Max Ent模型AUC值为0.950。最干季度平均温度（℃）、最干月份降水量（mm）和最暖季度降水量（mm）3个生物气候因素是影响西南地区烟草生长的主要环境因子，贡献率分别为40.5%、30.3%和12.9%。云南省、贵州省和重庆市全域为烟草适生区。四川省西部、西北部存在较大面积低度适生区及不适生区。此外发现西藏林芝地区和山南地区存在高度适生区，阿里地区西南部存在少量中度适生区。气候生态位预测表明西南地区烟草高度适生区面积约为5.229×10km²。我国西南地区仍有部分烟草适宜种植区域有待开发。

关键词：烟草；西南地区；气候生态位；潜在适生区

中图分类号：S572.019                      文献标识码：A                      文章编号：1007-5119（2023）05-0037-08

Prediction of Potential Suitable Growing Areas of Tobacco in Southwest China

SUN Jiazhao， RAN Yuao， FENG Jun， DING Wei

（College of Pant Protection， Southwest University， Chongqing 400715， China）

 The southwestern region of China has complex terrain and distinct mountainous planting characteristics.In order to study the potential suitable areas for tobacco cultivation in the region， an analysis was conducted on the climatic ecological niche of 191 effective tobacco planting sites in the southwestern region.The Max Ent model combined with Arc Map was used to identify the main environmental factors affecting the distribution of typical tobacco and to predict the potential suitable areas for tobacco cultivation in the southwestern region.The results showed that the Max Ent model had an AUC value of 0.950 after training. The three bioclimatic factors， namely， the mean temperature （°C） of the driest quarter， the precipitation （mm） of the driest month， and the precipitation （mm） of the warmest quarter， were the main environmental factors affecting tobacco growth in the southwestern region， with the contributions being 40.5%， 30.3%， and 12.9%， respectively. The entire Yunnan Province， Guizhou Province， and Chongqing Municipality are suitable areas for tobacco cultivation. In addition， it was found that the Linzhi and Shannan regions of Tibet have highly suitable areas， and there are a few moderately suitable areas in the southwestern part of the Ali region.The prediction of climatic ecological niche indicated that the highly suitable area for tobacco cultivation in the southwestern region is approximately 5.229×10 km There are still some areas suitable for tobacco cultivation in the southwestern region of China that need to be developed.

 tobacco; Southwest China; climate niche; potential suitable area

基金项目：中国烟草总公司重点研发项目（110202102027）

作者简介：孙佳照（1995-），男，主要从事植保数字化研究。E-mail：sjz365@email.swu.edu.cn。*通信作者，E-mail：dingw@swu.edu.cn

收稿日期：2022-12-05                修回日期：2023-04-24

烟草经济是西南地区重要的经济支柱，也是脱贫攻坚和乡村振兴特色产业发展的重要组成部分。西南地区烤烟种植面积大，质量好，是我国烤烟最为重要的生产基地之一。该地区总面积234.06万平方公里，占中国陆地国土面积的24.5%。在地理上包括青藏高原东南部，四川盆地、云贵高原大部，地理位置为东经97°21'～110°11'，北纬21°08'～33°41'。地形高低起伏较大，以亚热带、温带季风气候为主。

物种的气候生态位能够反映物种应对气候变化的策略，进而决定其分布格局。物种分布模型可以依据物种分布样点提供的信息评估研究物种的生态位需求，投射在目标空间区域中，对投射区域数据进行分析，计算出该物种在其中的生存概率，从而推断其潜在适生区。西南地区气候条件优越，为我国烟草第一大生产区^]。研究表明气候条件对于烟草生长及烟草产量有较大影响。因此可采用气候数据对西南地区烟草分布进行预测。

随着计算机技术的飞速发展，依托于Max Ent与Arc Map程序进行的物种分布预测被广泛使用。MaxEnt（最大熵模型）为众多物种分布模型中运用较广、预测结果较准确的一种方法。该模型由Philips S. J.等人基于JAVA平台构建，可根据物种分布位点与生态位信息而預测潜在分布。模型运算的核心概念是最大熵理论，在假定条件概率分布情况下根据约束条件取得最优解。与模糊数学、广义线性模型、人工神经网络等其他模型相比，可在样本量相对较小的情况下取得较好的预测效果；同时该模型可以仅根据物种已知分布点数据进行建模，而不需要目标点数据。模型既可以处理连续变量数据，也可以处理二分类变量数据，对定性类别数据提供转换功能进行分析。Arc Map主要的功能是实现地理高程数据可视化，将地理图层包含的数据信息通过图层技术展现出来。科研工作者将其用于地热勘探地壳活动研究、物种迁徙路径选择、景观生态格局解析等领域。传统烟草潜在适生区划分依据地带性特征、生态适宜性指标等因素，缺乏系统模型拟合结果作为支撑。目前已采用MaxEnt与Arc Map结合的方式对栽培作物潜在适生区作出研究，但对烟草潜在适生区的研究尚未见报道。世界气候数据库为以气候数据作为生态位建模进行预测提供了数据基础。本研究基于JAVA框架，采用Max Ent模型与Arc Map程序相结合，在对我国西南地区烟草分布地点进行调查的基础上，利用世界气候数据库的资料对我国西南地区烟草潜在适生区进行预测，为烟草扩大种植和区域性烟草经济发展提供参考。

1  数据与方法

1.1  烟草位点数据获得和筛选

烟草分布地理位点的获取采用3种方法相结合：（1）查询中国植物科学数据中心（www.plantplus. cn/cn）、中国数字植物标本馆（www.cvh.ac.cn/about. php）、国家标本平台（www.nsii.org.cn/2017/home. php）等相关网站，获得西南地区烟草种植信息位点。（2）参考前人研究经验，通过实验团队长期在西南各地区试验基地驻点进行统计调查。（3）查询国家烟草专卖局（www.tobacco.gov.cn/）、重庆市烟草专卖局（www.966599.com）、贵州省烟草专卖局（tobacco.gov.cn）、云南省烟草专卖局（www.yn-tobacco.com/）、四川省烟草专卖局（www.sctobacco.com/）等网站，搜索新闻动态一栏，获得最新烟草生产基地信息。共搜集到西南地区典型烟草分布位点1422个。为了防止相近位点导致过拟合现象，将分布位点精确到县，并且在30 km以内只保留1个有效位点。去除明确位于分布范围外的样点、不确定样点、重复样点以及模糊记录的数据。将分布位点的地理坐标转化为十进制经纬度数据形式，保存CSV文件格式。经过整理共筛选出191条有效数据供分析使用。有效数据分布位点如图1所示。

1.2  气候数据来源

通过访问世界气候数据库（http： //www.worldclim.org/）最新提供的气候数据图层集获得建模所需分布位点气候数据。该图层集包含19个生物气候因素：年均温（Bio01），月均温度变幅（Bio02），等温性（Bio03），温度季节性变化（Bio04），最暖月最高温（Bio05），最冷月最低温（Bio06），温度年变幅（Bio07），最湿季均温（Bio08），最干季均温（Bio09），最暖季均温（Bio10），最冷季均温（Bio11），年降雨（Bio12），最湿月降雨（Bio13），最干月降雨（Bio14），降雨季节性变化（Bio15），最湿季降雨（Bio16），最干季降雨（Bio17），最暖季降雨（Bio18），最冷季降雨（Bio19）。图层坐标系为WGS84，每个气候因子图层均采用30″（约1 km）的空间分辨率。

1.3  气候数据筛选

将筛选后得到的191条分布位点数据通过CSV格式文件导入Arc Map，对导入的分布数据和环境变量（tif格式）进行采样分析，获得191条分布点的环境数据，筛选出温度、降雨数据作为烟草生长密切相关的生物气候因子。同时采用主成分分析法消除环境变量之间的多重共线性问题，保留有效气候生态位数据。

1.4  模型建立与精确度检验

使用SDM toolbox_2_10_4to9工具包将数据提取的气候生态位数据按照中国地图（包含10段线）面积进行裁剪，将裁剪的数据进行ASC处理导入Max Ent软件中进行建模分析。裁剪好的191条分布位点数据和筛选好的有效气候生态位数据导入Max Ent建立初始模型，随机选取75%的烟草分布点用于训练模型的建立，25%的分布点用于验证模型准确性。选择刀切法（Jackknife test），通过排除某一气候生态位变量以及使用所有气候生态位变量，建立训练模型。采用自动特征运算规则（auto features），重复迭代方式为“subsample”，重复训练次数设置为10次，应用阈值规则选择“10 percentile training presence”。预测结果使用“cloglog”格式和“ASC”文件类型输出。

选择受试者工作特征（ROC）曲线下面积（AUC）评价模型精度，其中AUC值在0～1之间，AUC值越接近1表示模型预测准确度越高：AUC值为0. 5～0. 6说明预测失败，0. 6～0. 7为预测结果较差，0.7～0. 8为预测结果一般，0. 8～0. 9为好，0. 9～1. 0表现为极好。

1.5  烟草潜在适生区预测

Max Ent模型得出的结果为物种的适生性概率，为得到西南地区烟草适生等级，需利用Arc Map加载Max Ent模型得到的ASC格式的数据将其转化为栅格，获取烟草在西南地区的生境适宜度指数。适宜度指数代表了物种对环境的适宜程度。利用自然间断点分级法对适生等级进行划分。本研究将适宜度按照生境适宜指数，将自然间断点分级法计算的结果划分为5个适生等级，即：高度适生区、中高度适生区、中度适生区、低度适生区和非适生区。将各级适生区栅格数据空间分割成有规律的网格，每一个网格是一个单元。查看各适生等级的单元个数。采用字段计算器Field Calculator计算每个适生区等级的适生面积。将中高度适生区和高度适生区综合列为潜在适生区，从而判断西南地区烟草潜在适生区面积。

2  结  果

2.1  气候数据筛选

分析19个生物气候数据中与烟草生命周期相关的温度与降雨数据。参考前人研究结果，同时将环境因子进行共线性分析，去除存在较强共线性的数据。最终筛选出7条生物气候数据，列于表1。

2.2  模型建立与气候因子贡献率

刀切法检验能显示环境变量对烟草分布增益的贡献大小。利用刀切法对7条生物气候数据集进行分析，得到环境变量对烟草分布的正规化训练增益影响结果（图2）。由图2可见，3个环境变量对西南地区典型烟草分布的影响相关性较强，分别是最干季均温（Bio09）、最暖季降雨（Bio18）和最干月降雨（Bio14），模型增益分别为0.9、0.75和0.75，具有较高的正则化增益。3个生物气候变量贡献率分别为40.5%、30.3%和12.9%。表明3种因素对西南地区烟草分布影响增益贡献大，具有对模型预测最有用的信息，对该模型训练有显著意义。

在建模因素筛选中，考虑到实际生产中烟苗移栽期集中在5月左右，烟株大田生长周期为100～120 d左右。因此我們去掉最冷季度与最冷月相关环境因子，分析西南地区烟草对3个主导生物气候的响应效应，结果如图3。由图3可知，最干季均温在4.8 ℃时候单因子存在概率大致为0.6，此后随着温度增加概率呈正相关增长趋势，在达到22 ℃左右时候达到顶点约为0.95，之后不再增加。表明最干季均温在4.8～22 ℃区间烟草有较大生存概率。最暖季降雨在450 mm时候单因子存在概率大致为0.6，降雨量增加至900 mm时达到顶点约为0.92，但此后随降雨量增加存在概率呈递减趋势，在1700 mm时低于0.6。表明最暖季降雨在450～1700 mm区间烟草有较大生存概率。最干月降雨在10 mm时候单因子存在概率大致为0.6，随降雨量增加至20 mm时达到顶点约为0.95，此后随降雨量增加存在概率呈递减趋势，在30 mm时低于0.6。表明最干月降雨在10～30 mm区间烟草有较大生存概率。

2.3  烟草适生区域预测结果

将Max Ent模型模拟的结果导入Arc Map软件进行适生区等级划分和可视化表达。Max Ent输出的结果为ASC格式，用Arc Map的ASCII to Raster功能，转化数据为栅格数据，输出数据类型为FLOAT。采用工具包中Reclassify功能，将预测适生范围数据进行重分类划分。得到分布值等级及相应分布范围，每个等级采用一种颜色进行表示。最终得到5个等级的适生概率如图4。

气候生态位预测模型表明，西南地区除西藏自治区外存在大范围潜在适生区。其中云南省、贵州省与重庆市全域均存在中等及以上适生区。四川省东部存在较大范围高度适生区，由东向西适生区范围逐渐缩小，东北部出现部分低度适生区及不适生区，西部存在少量中度适生区，西北部存在大面积低度及非适生区。西藏自治区存在大面积不适生区，在东南部林芝地区存在小范围高度适生区与中高度适生区，西南部存在极小范围中度适生区。根据字段计算器Field Calculator计算出中高度适生区与高度适生区面积总和约为8.571×10 km²；高度適生区面积为5.229×10 km²，占西南地区总面积22.35%。

2.4  适生区预测准确性检验

受试者工作特征曲线（receiver operating characteristic curve， ROC曲线）分析方法是通过诊断模型中阈值的变化率，反映诊断试验的价值。计算ROC曲线下的面积即AUC值，用以反映模型的拟合效果。经过模型拟合后得出测试集AUC值为0.943（图5），表明预测结果精度高，具有较高可信度。

3  讨  论

本文采用最大熵原理，对西南地区烟草生长位点的气候生态位进行分析，同时采用Arc Map将地理高程数据进行可视化表达。预测结果表明，西南地区除西藏省外存在大范围潜在适生区，大于现有种植区域。西藏省存在大范围非适生区，但在林芝地区出现部分高度适生区，可能因为西藏林芝市墨脱境内具有中国最复杂的地貌、最完整的垂直气候带谱，而复杂的地貌条件通常会引起复杂的气候生态位。全国范围来看，海南省、台湾省、福建省、湖北省和河南省都存在部分低度到中度的适生区，这可能由于几个省份中引起烟草分布的主导气候生态位与西南地区气候生态位存在部分重叠导致，具体适生范围有待进一步探索。

通过调查分析西南地区现有烟草分布位点的气候生态位，对其潜在适生区进行宏观尺度的预测，未考虑栽培耕种方式等对烟株生长的影响，明确了宏观尺度上烟株生长的主导条件及条件范围。但在实际生产条件下，烟株生长受到栽培措施和生态条件共同影响，因此实际适生区范围可能相较于预测有所扩大。已有研究表明山地由于其特殊的地理环境，会形成不同类型小气候格局而导致气候生态位发生变化。本研究为了防止建模过拟合现象，在数据清洗时将分布面积最小单元设置在30 km²，因此在西南地区复杂山地条件下可能会忽略某一些小气候格局带来的分布影响。实践中应考虑这部分因素所可能带来的误差。

4  结  论

本研究利用Max Ent模型结合Arc Map软件对我国西南地区烟草潜在分布区域作出预测，结果表明，西南地区烟草潜在分布区域内，中高度和高度潜在适生区总体大于烟草现状分布种植位点。从5个等级适生区概率分布分析，非适生区（1级）范围最大，高度适生区（5级）次之，中高度（4级）适生区第3位，低度适生区（2级）和中度适生区（3级）范围大致相当，占比最小。西南地区仍有部分烟草适宜种植区域有待开发。

参考文献

[1]丁伟. 烟草有害生物的调查与测报 [M]. 北京：科学出版社，2018.

DING W. Investigation and forecast of tobacco pests[M]. Beijing： Science Press， 2018.

[2]邹海露. 湖南烟草靶斑病病原鉴定与生防菌筛选[D]. 长沙：湖南农业大学，2021.

ZOU H L. Pathogen identification and biocontrol strainscreening of tobacco target spot disease in Hunan[D]. Changsha： Hunan Agricultural University， 2021.

[3]王彦亭，谢剑平，李志宏. 中国烟草种植区规划[M]. 北京：科学出版社，2010.

WANG Y T， XIE J P， LI Z H. Planning of tobacco planting areas in China[M]. Beijing： Science Press， 2010.

[4]孙计平，吴照辉，李雪君，等. 21世纪中国烤烟种植区域及主栽品种变化分析[J]. 中国烟草科学，2016，37（3）：86-92.

SUN J P， WU Z H， LI X J， et al. Analysis of regional variation and major varieties of flue-cured tobacco planted in China in the twenty-first century[J]. Chinese Tobacco Science， 2016， 37（3）： 86-92.

[5]杜秀荣，唐建军. 新版《中国地图集》[M]. 北京：中国地图出版社，2004.

DU X R， TANG J J. New Edition of the Atlas of China[M]. Beijing： China Cartographic Publishing House， 2004.

[6]张志斌，杨莹，张小平，等. 我国西南地区风速变化及其影响因素[J]. 生态学报，2014，34（2）：471-481.

ZHANG Z B， YANG Y， ZHANG X P， et al. Wind speed changes and its influencing factors in Southwestern China[J]. Acta Ecologica Sinica， 2014， 34（2）： 471-481.

[7]张远东，张笑鹤，刘世荣. 西南地区不同植被类型归一化植被指数与气候因子的相关分析[J]. 应用生态学报，2011，22（2）：323-330.

ZHANG Y D， ZHANG X H， LIU S R. Correlation analysis on normalized difference vegetation index （NDVI） of different vegetations and climatic factors in Southwest China[J]. Chinese Journal of Applied Ecology， 2011， 22（2）： 323-330.

[8]國政，聂华，臧润国，等. 西南地区天然林保护工程生态效益评价[J]. 内蒙古农业大学学报（自然科学版），2011，32（2）：65-72.

GUO A， LIE H， ZANG R G， et al. Eco-benefit evaluation on natural forest protection project in southwest China[J]. Journal of Inner Mongolia Agricultural University （Natural Science Edition）， 2011， 32（2）： 65-72.

[9]陈田田，王钰茜，曾兴兰，等. 西南地区生态系统服务关系特征分析及与植被覆盖的约束效应研究[J]. 生态学报，2023（6）：1-19.

CHEN T T， WANG Y Q， ZENG X L， et al. Characteristics and the constraint relationship between ecosystem services andvegetation coverage in the Southwest China[J]. Acta Ecologica Sinica， 2023（6）： 1-19.

[10]LIU H， YE Q， WIENS J J. Climatic-niche evolution follows similar rules in plants and animals[J]. Nature Ecology & Evolution， 2020， 4（5）： 753-763.

[11]ELITH J， LEATHWICK J R. Species distribution models： ecological explanation and prediction across space and time[J]. Annual Review of Ecology Evolution and Systematics， 2009， 40： 677-697.

[12]RANC N， SANTINI L， RONDININI C， et al. Performance tradeoffs in target-group bias correction for species distribution models[J]. Ecography， 2017， 40（9）： 1076-1087.

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

[14]董谢琼，徐虹，杨晓鹏，等. 基于GIS的云南省烤烟种植区划方法研究[J]. 中国农业气象，2005（1）：17-20.

DONG X Q， XU H， YANG X P， et al. Research on the GIS-based method of tobacco planting zoning in Yunnan Province[J]. China Agricultural Meteorology， 2005（1）： 17-20.

[15]黄中艳，张明达. 云南烤烟种植气候变化及其影响研究[J]. 西南师范大学学报（自然科学版），2013，38（7）：107-112.

HUANG Z Y， ZHANG M D. Influences of climate change on planting flue-cured tobacco and tobacco quality in Yunnan[J]. Journal of Southwest Normal University （Natural Science Edition）， 2013， 38（7）： 107-112.

[16]王东胜，刘惯山，李章海. 烟草栽培学[M]. 合肥： 中国科学技术大学出版社. 2002.

WANG D S， LIU G S， LI Z H.Cultivation of tobacco[M]. Hefei： University of Science and Technology of China Press， 2002.

[17]陳伟. 不同生态烤烟化学成分的变化及其相关气候因素研究[D].重庆：西南农业大学，2005.

CHENG W. Study on change of chemical compositions of flue-cured tobacco indifferent ecological regions and correlative climate factors[D]. Chongqing： Southwest Agricultural University， 2005.

[18]何佳敏. 基于AquaCrop模型研究不同气候年型对烟草产量的影响[D]. 南京：南京信息工程大学，2022.

HE J M. Study on the effect of different climate year types on tobacco yield based on AquaCrop model[D]. Nanjing： Nanjing University of Information Engineering， 2022.

[19]樊希彬，李丹，左晓晴，等. 气候条件对烟草生长的影响分析[J].黑龙江农业科学，2016（4）：27-30.

FAN X B， LI D， ZUO X Q， et al. Effect of climate conditions on tbacco growth[J]. Heilongjiang Agricultural Science， 2016（4）： 27-30.

[20]蔡妙婷，袁源见，袁经松，等. MaxEnt模型分析蔓荆子药材道地性环境因子的研究[J]. 中药材，2022（9）：2065-2070.

CAI M T， YUAN Y J， YUAN J S， et al. Authentic environmental factors analysis of vitex rotundifolia based on maxEnt model[J]. Journal of Chinese Medicinal Materials， 2022（9）： 2065-2070.

[21]朱满乐，韦宝婧，胡希军，等. 基于MaxEnt模型的濒危植物丹霞梧桐潜在适生区预测[J]. 生态科学，2022，41（5）：55-62.

ZHU M L， WEI B Q， HU X J， et al. Assessment of potential distribution for endangered plant Firmiana danxiaensis based on MaxEnt modeling[J]. Ecological Science， 2022， 41（5）：55-62.

[22]JAYNES E T. Information theory and statistical mechanics. 2[J]. Physical Review， 1957， 108（2）： 171-190.

[23]AGUILAR-OJEDA J A， CAMPOS-GAYTAN J R， VILLELA-Y- MENDOZA A， et al. A numerical tool in MATLAB used to adapt three-dimensional conceptual models from ArcMap to TOUGH3[J]. Environmental Modelling & Software， 2021，146.

[24]GORSHKOV A， NOVIKOVA O. Estimating the validity of the recognition results of earthquake-prone areas using the ArcMap[J]. Acta Geophysica， 2018， 66（5）： 843-853.

[25]GREGORY T， MULLETT A， NORCONK M A. strategies for navigating large areas： a gis spatial ecology analysis of the bearded saki monkey， chiropotes sagulatus， in Suriname[J]. American Journal of Primatology， 2014， 76（6）： 586-595.

[26]YU M， HUANG Y， CHENG X， et al. An ArcMap plug-in for calculating landscape metrics of vector data[J]. Ecological Informatics， 2019， 50： 207-219.

[27]张玉芳，王茹琳，吕秀兰，等. 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[J]. 中国农业气象，2021，42（10）：836-844.

ZHANG Y F，YU R L， LYU X L， et al. Potential distribution of table grape in sichuan province and its climate characteristics based on Max Ent Model[J]. Chinese Journal of Agrometeorology， 2021， 42（10）： 836-844.

[28]郭杰，刘小平，张琴，等. 基于Maxent模型的党参全球潜在分布区预测[J]. 应用生态学报，2017，28（3）：992-1000.

GUO J， LIU X P， ZHANG Q， et al. Prediction for the potential distribution area of codonopsis pilosula at global scale based on maxent model[J]. Journal of Applied Ecology， 2017， 28（3）： 992-1000.

[29]王静，周广胜. 中国欧亚种酿酒葡萄种植分布的主要气候影响因子与气候适宜性[J]. 生态学报，2021，41（6）：2418-2427.

WANG J， ZHOU GS. The climate suitability and climate impact factors affecting the wine grapes （Vitis vinifera L.） planting distrubution in China[J]. Journal of Ecology， 2021， 41（6）： 2418-2427.

[30]姜颖倩，王霞，刘艳，等. 基于MaxEnt模型的毛荚苜蓿在中国的潜在适生区预测[J]. 草原与草坪，2022，42（2）：67-73.

JIANG Y Q， WANG X， LIU Y， et al. Prediction of potential suitable area of Medicago edgeworthii in China based on MaxEnt model[J]. Grassland and Turf， 2022， 42（2）： 67-73.

[31]陈禹光，乐新贵，陈宇涵，等. 基于MaxEnt模型预测气候变化下杉木在中国的潜在地理分布[J]. 应用生态学报，2022，33（5）：1207-1214.

CHEN Y G， LE X G， HEN Y H， et al. ldentification of the potential distribution area of Cunninghamia lanceolata in China under climate change based on the MaxEnt model[J]. Chinese Journal of Applied Ecology， 2022， 33（5）： 1207-1214.

[32]張晓玮，蒋玉梅，毕阳，等. 基于MaxEnt模型的中国沙棘潜在适宜分布区分析[J]. 生态学报，2022，42（4）：1420-1428.

ZHANG X W， JIANG Y M， BI Y， et al. ldentification of potential distribution area for Hippophae rhamnoides subsp. sinensis by the MaxEnt model[J]. Acta Ecologica Sinica， 2022， 42（4）： 1420-1428.

[33]周炳江，王玉洁，马长乐，等. 基于MaxEnt与ArcGIS的云南榧树潜在生境分析[J]. 生态学报，2022，42（11）：4485-4493.

ZHOU B J， WANG Y J， MA C L， et al. Analysis of potential habitat of Torreya yunnanensis based on MaxEnt and ArcGIS[J]. Acta Ecologica Sinica， 2022， 42（11）： 4485-4493.

[34]徐艳玲，秦誉嘉，张源，等. 基于MaxEnt模型预测外来入侵植物刺果瓜在中国的潜在地理分布[J]. 植物保护学报，2022，49（5）：1440-1449.

XU Y L，QIN Y J，ZHANG Y， et al. Potential geographical distribution of alien invasive bur cucumber Sicyos angulatus in China based on MaxEnt model[J]. Journal of Plant Protection， 2022， 49（5）： 1440-1449.

[35]班梦梦，张丹雁，范紫颖，等. 基于MaxEnt模型和ArcGIS的阳春砂生态适宜性研究[J]. 中药材，2022（6）：1344-1348.

BAN M M， ZHANG D Y， FAN Z Y， et al. Habitat suitability study of amomum villosum based on MaxEnt Model and AreGIS[J]. Journal of Chinese Medicinal Materials， 2022（6）： 1344-1348.

[36]吴斌，贺刚，王伟萍. 基于MaxEnt模型的长江江豚在江西潜在适生区预测[J]. 野生动物学报，2022，43（3）：595-604.

WU B， HE G， WANG W P. Prediction of potentially suitable distribution area of yangtze finless porpoise in jiangxi province based on maxent model[J]. Chinese Journal of Wildlife， 2022， 43（3）： 595-604.

[37]巨喜锋，林峻，吴建国，等. 新疆典型蝗虫适生区分布预测[J]. 生态学报，2022，42（21）：8605-8617.

JU X F， LIN J， WU J G， et al. Prediction of potential living area of typical locusts in Xinjiang based on species distribution model[J]. Acta Ecologica Sinica， 2022， 42（21）： 8605-8617.

[38]杨超，范韦莹，蔡晓斌，等. 基于MaxEnt模型的湖北石首麋鹿国家级自然保护区散养麋鹿夏季生境适宜性评价[J]. 长江流域资源与环境，2022，31（2）：336-344.

YANG C， FAN W Y， CAI X B， et al. Habitat suitability assessment of Père David' s deer in summer of Shishou milu national nature reserve based on maximum entropy （MaxEnt） model[J]. Resources and Environment in the Yangtze Basin， 2022， 31（2）： 336-344.

[39]杨烨，刘晓龙，陆祥，等. 基于MaxEnt和ArcGIS的中国皂荚生态适宜性区划研究[J]. 时珍国医国药，2022，33（5）：1201-1204.

YANG Y， LIU X L， LU X， et al. Ecological suitability regionalization of Gleditsia sinensis Lam. in China based on MaxEnt and ArcGlS[J]. Lishizhen Medicine and Materia Medica， 2022， 33（5）： 1201-1204.

[40]WALTARI E， HIJMANS R J， PETERSON A T， et al. Locating pleistocene refugia： comparing phylogeographic and ecological niche model predictions[J]. Plos One， 2007， 2（6）： e563.

[41]HEIKKINEN R K， LUOTO M， ARAUJO M B， et al. Methods and uncertainties in bioclimatic envelope modelling under climate change[J]. Progress in Physical Geography， 2006， 30（6）： 751-777.

[42]SWETS J A. Measuring the accuracy of diagnostic systems[J]. Science， 1988， 240（4857）： 1285-1293.

[43]楊利云. 不同生长温度对烟草生长发育及烟草中几类重要致香物质代谢的影响[D]. 昆明：云南师范大学，2018.

YANG L Y. Effects of different growth temperatures on growth， development and metabolism of some key aroma constituents of tobacco plants[D]. Kunming： Yunnan Normal University， 2018.

[44]孙延国，马兴华，姜滨，等. 烟草温光特性研究与利用：Ⅱ.气象因素对山东主栽烤烟品种生长发育及产质量的影响[J]. 中国烟草科学，2020，41（3）：44-52.

SUN Y G， MA X H， JIANG B， et al. Investigation and utilization of temperature and light characteristics of tobacco： II. Effects of meteorological factors on growth， development， yield and quality of main varieties in Shandong tobacco-growing areas[J]. Chinese Tobacco Science， 2020， 41（3）： 44-52.

[45]吴红红. 复配多肽对强酸性土壤条件下“云烟87”的生长与品质调控[D]. 武汉：湖北大学，2021.

WU H H. Regulation of the growth and quality of “Yunyan 87”in highly acidic soil by compound polypeptide[D]. Wuhan： Hubei University， 2021.

[46]孙延国，马兴华，黄择祥，等. 烟草温光特性研究与利用：I.气象因素对山东烟区主栽品种生育期的影响[J]. 中国烟草科学，2020，41（1）：30-37.

SUN Y G， MA X H， HUANG Z X， et al. Investigation and utilization of temperature and light characteristics of tobacco： I. effects of meteorological factors on growth period of main varieties in Shandong tobacco-growing areas[J]. Chinese Tobacco Science， 2020， 41（1）： 30-37.

[47]李亞伟，史宏志，梁晓芳，等. 国内主要浓香型烟区烟草生长期气候时空变化分析[J]. 烟草科技，2017，50（7）：22-30.

LI Y W， SHI H Z，LIANG X F， et al. Spatial-temporal climate variability analysis in typical robust flavor style tobacco-planting areas during growth period[J]. Tobacco Science & Technology， 2017， 50（7）： 22-30.

[48]PHILLIPS S J， DUDIK M. Modeling of species distributions with Maxent： new extensions and a comprehensive evaluation[J]. Ecography， 2008， 31（2）： 161-175.

[49]张曦月. 西南地区不同植被类型对气候变化及季风系统的响应[D]. 北京：北京林业大学，2020.

ZHANG X Y. Responses of different vegetation types to climate change and monsoon systems in Southwest China[D]. Beijing： Beijing Forestry University， 2020.

[50]RANGEL T F， EDWARDS N R， HOLDEN P B， et al. Modeling the ecology and evolution of biodiversity： biogeographical cradles， museums， and graves[J]. Science， 2018， 361（6399）： eaar5452.

[51]中国农业科学院烟草研究所.中国烟草栽培学[M]. 上海：上海科学技术出版社，2005.

Institute of tobacco research， Chinese academy of agricultural sciences. Tobacco cultivation in China[M]. Shanghai： Shanghai Science and Technology Press， 2005.

[52]RAHBEK C， BORREGAARD M K， COLWELL R K， et al. Humboldt's enigma： what causes global patterns of mountain biodiversity？[J]. Science， 2019， 365（6458）： 1108-1113.

[53]QUINTERO I， JETZ W. Global elevational diversity and diversification of birds[J]. Nature， 2018， 555（7695）： 246-250.