氣候變化下栓皮櫟潛在地理分布格局及其主導氣候因子

高文強，王小菲，江澤平,2，劉建鋒,2,*

1 中國林業科學研究院林業研究所，北京　100091　　2 國家林業局林木培育重點實驗室，北京　100091

?

氣候變化下栓皮櫟潛在地理分布格局及其主導氣候因子

高文強1，王小菲1，江澤平1,2，劉建鋒1,2,*

1 中國林業科學研究院林業研究所，北京1000912 國家林業局林木培育重點實驗室，北京100091

栓皮櫟(Quercusvariabilis)是東亞天然分布最廣泛的樹種之一。利用最大熵(Maxent)模型對現實氣候條件下栓皮櫟在東亞地區的潛在分布及其分布的主導氣候因子進行分析，同時結合全新世中期(6000年前)和未來氣候(2050年)來模擬和預測氣候變化背景下栓皮櫟潛在分布格局的變化。結果表明：現實氣候條件下東亞栓皮櫟適生區(適宜生境和低適宜生境)面積占總研究區面積的21.88%，主要集中在東亞南部區域，在我國北起陜西中部、山西和河北南部邊緣、山東，西起甘肅東部邊緣、四川中東部、云南、西藏東部邊緣，一直到東部沿海區域，同時在朝鮮半島南部和日本中南部也有分布，其中適宜生境面積占研究區總面積的5.69%，主要集中在秦嶺山脈、大巴山脈、伏牛山、云南的云貴高原、羅霄山脈、南嶺山脈、武夷山和臺灣島；氣候變化情景下，栓皮櫟的適生區分布面積變化較小，但其適宜生境的分布范圍卻發生了較大的變化，隨著全球氣候的波動性變化，適宜生境分布范圍逐漸向西部秦嶺山脈、大巴山脈、四川、重慶和云貴高原等區域集中，并使該分布中心的適宜生境面積逐漸擴大；影響栓皮櫟分布的主要氣候因子為最冷月的最低氣溫(Bio6)、最冷季平均氣溫(Bio11)和年降水量(Bio12)，三者的貢獻率分別為48.6%、21.4%和14.2%。

栓皮櫟；氣候變化；Maxent模型；分布格局

植被與氣候之間相互關系的研究一直是植物學、生態學以及地理學等領域研究的熱點問題。氣候是決定地球上物種分布的最主要因素，而物種分布格局的變化最能直接和間接的反映氣候變化[1]。目前全球氣候變化已是無需爭辯的事實，雖然眾多科學家依據不同模型預測的結果不盡一致，但目前人們普遍認為，由于大氣臭氧層的不斷破壞以及溫室氣體的持續增加，全球的平均氣溫也將上升。IPCC[2-3]的研究表明，1906—2005年全球地表平均溫度升高(0.74 ± 0.18)℃，預計到21世紀末地表平均溫度將上升1.1—6.4℃。全新世是與人類關系最密切的一個時期，經歷了全新世早期的升溫階段，進入全新世中期大暖期，平均溫度高于現代1.5℃[4]。隨著全球氣候變化，生物的適宜分布區也將發生改變，因而預測氣候變化對物種潛在分布格局的影響已成為生物地理學和全球變化研究的熱點和重點領域[5-6]。

物種分布模型是基于物種的已知分布及其環境變量，來評估氣候變化對物種潛在地理分布的影響[7-8]。目前得到廣泛應用的模型，包括生態位模型(Bioclim、DIVA、Domain)、基于遺傳算法的規則組合預測模型(genetic algorithm for ruleset production, GARP)、動態模擬模型(CLIMEX)、廣義相加模型(GAM)、廣義線性模型(GLM)以及最大熵模型(maxi-mum entropy，Maxent)等[8-11]。經許多研究證明，最大熵模型(Maxent)是目前對物種分布應用最廣泛且具較好預測能力的模型[8-9,12-17]。最大熵模型是以最大熵理論為基礎，通過物種的已知分布數據和環境數據找出物種概率分布的最大熵，從而對物種的地理分布進行估計和預測[18]。

栓皮櫟(Quercusvariabilis)隸屬于殼斗科櫟屬，是東亞天然分布最廣泛的樹種之一[19]。栓皮櫟分布地理區域包括中國大陸、臺灣島和海南島以及日本列島和朝鮮半島[20-23]，其分布氣候區橫跨溫帶、暖溫帶、北亞熱帶和南亞熱帶，在各區以純林和混交林的森林群落存在[24]。因此，栓皮櫟是研究植物分布與氣候、植物對氣候變化響應的理想樹種之一。另外，栓皮櫟具有抗旱、耐貧瘠、對保持水土、涵養水源、增加土壤肥力等作用，不僅發揮著重要的生態效益，還具有潛在經濟效益，因而，在林業生產和生態環境保護方面起著重要作用。有關栓皮櫟的研究主要涉及其生態學習性、種群動態、種群生物學、群落特征、群落物種多樣性和生態位[25-29]；而關于地理分布以及氣候特征，前人做過一些研究[24]，但對于氣候變化下栓皮櫟的地理分布現狀及其與氣候的關系，以及在全新世中期、現實氣候和未來氣候變化情景下其適宜的分布范圍和空間格局發生怎樣的改變等問題尚未見過相關的研究報道。因此，本文基于大量文獻和標本采集記錄，結合GIS技術，利用最大熵(Maxent)模型模擬當前氣候情形下東亞栓皮櫟的潛在分布格局并綜合分析影響其分布的主導因子；結合全新世中期和未來氣候情景，來分析氣候變化背景下栓皮櫟潛在分布格局的變化，這對栓皮櫟有效經營管理以及應對氣候變化具有十分重要的理論與現實意義。

1　材料和方法

1.1數據收集

栓皮櫟在東亞(中國、中國臺灣、日本、韓國和朝鮮)的分布記錄來自中國數字化標本館(http://www.cvh.ac.cn/)、CVH分布式數據檢索(http://pe.ibcas.ac.cn/sptest/syninvok.aspx)文獻，共收集了297個物種分布樣點。

環境數據來源于世界氣候數據庫(WORLDCLIM, http://www.Worldclim.org)。該數據庫采用插值法將全球氣象站點數據(1950—2000)生成世界氣候柵格數據，并衍生19個生物氣候變量(Bioclim variables)[30-33](表1)。本文利用該數據庫中的3期氣候數據，分別為全新世中期(Mid Holocene，6000年前)，現實氣候(1950—2000年)及未來氣候情景(2050年)，空間分辨率為30″。未來氣候(2050年)選用了兩個不同溫室氣體排放場景(rcp45和rcp85)[34]，其中以rcp45和rcp85分別代表了2050年全球平均增溫的最高(1.4℃)與最低值(2.0℃)。本研究對選取的19個生物氣候變量利用ArcGIS軟件將研究區數據裁剪出來，得到各氣候環境圖層數據。地圖資料源自DIVA-GIS網站(http://www.diva-gis.org/)下載全球地理信息資料和國家基礎地理信息中心(http://ngcc.sbsm.gov.cn/)下載1∶400萬的中國行政區劃圖，提取東亞地圖作為底圖。

表1　19個生物氣候變量

1.2模型精度驗證

本研究選取Maxent模型(V3.3.3k)進行栓皮櫟氣候適應性研究。首先，確定物種特定空間分布區域，隨機選取全部數據的75%作為訓練集(training data)來訓練模型，將剩余25%的數據用作評估子集(testing data)來驗證模型。其次，尋找限制物種分布潛在氣候因子構筑約束集合。第三，利用Maxent模型構建栓皮櫟的地理分布與氣候關系模型[35]，并采用接受者操作特性曲線(receiver operating characteristic curve, ROC)分析法進行模型精度檢驗，ROC曲線基于非閾值依賴判斷(threshold-independent evaluation)模型精度，即是以預測結果的每一個值作為可能的判斷閾值，由此計算得到相應的靈敏度和特異度[35]。以特異度(1-specificity)即假陽性率為橫坐標，以靈敏度(1-omission rate)即真陽性率為縱坐標繪制成ROC曲線，AUC值是ROC曲線與橫坐標圍成的面積值(the area under the ROC curve)，其大小能很好地說明模型模擬值的準確性，取值范圍為[0,1]，AUC值越接近1，說明與隨機分布相距越遠，環境變量與預測的物種地理分布之間的相關性越大，模型預測結果越準確[36]。由于AUC不受診斷閾值的影響，且對物種發生率不敏感，因此目前被公認為是最佳的評價指標[37]。ROC曲線的評估標準[35, 38-40]為: AUC為0.5—0.6，預測結果不可接受(fail)；AUC為0.6—0.7，預測結果勉強可以接受(poor)；AUC為0.7—0.8，預測結果一般(fair)，可以接受；AUC為0.8—0.9，預測結果較為滿意(good)；AUC為0.9—1.0，預測結果非常滿意(excellent)。第四，基于各潛在氣候因子對栓皮櫟地理分布的貢獻，采用模型的刀切法(Jackknife)模塊來評價各環境因子的權重，篩選影響研究區栓皮櫟地理分布的主導氣候因子。第五，基于ArcGIS地理信息系統，得到Maxent模型模擬東亞栓皮櫟的地理分布。

1.3適生區預測與劃分

本文利用Maxent軟件結合栓皮櫟在東亞的分布數據和環境數據，對全新世中期(6000年前)、現實氣候(1950—2000)以及21世紀50年代兩個未來情景氣候(CCSM4-rcp85和CCSM4-rcp45)的影響下東亞栓皮櫟的分布進行了模擬，在ArcGIS 10.0中對生成的ASCII格式數據轉換為柵格數據文件，并進行重分類，按照適宜生境評價指數[1, 41-42]，將研究區栓皮櫟生境劃分為3類；即不適宜生境、低適宜生境和適宜生境，其中不適宜生境的評價指數小于0.25，低適宜生境和適宜生境的評價指數分別為0.25—0.50和0.50—1.00。同時經ArcGIS 10.0空間分析模塊疊加顯示，并計算全新世中期、現實氣候和未來兩種情景氣候條件下各生境分布區占研究區總面積的比率，得出研究區栓皮櫟在氣候變化下的潛在空間分布結果。

2　結果與分析

2.1模型模擬結果的準確性評價

本文基于Maxent模型模擬栓皮櫟全新世中期、現實和未來情景的潛在分布，采用ROC曲線作為模型預測準確性的衡量指標(圖1)，其訓練集和驗證集AUC值均大于0.88，表2。這表明所構建模型的預測準確性較好，可以用于東亞栓皮櫟地理分布與氣候關系的研究。

圖1　栓皮櫟模型預測ROC曲線Fig.1　The predicted ROC curve by Quercus variabilis model紅線表示訓練集，藍線表示驗證集，黑線表隨機預測; A:全新世中期; B: 現實氣候; C和D: 未來氣候情景CCSM4-rcp45和CCSM4-rcp85

氣候模型Paleoclimatedata訓練集AUC值AUCofTrainingdate驗證集AUC值AUCofTestdate隨機預測AUC值AUCofRandomprediction過去氣候(CCSM)Past(CCSM)0.9350.8860.5現在氣候(ESRI)Current(ESRI)0.9240.9110.5未來氣候(CCSM4-45)Future(CCSM4-45)0.9250.9080.5未來氣候(CCSM4-85)Future(CCSM4-85)0.9250.9160.5

2.2氣候變化下栓皮櫟的潛在分布格局

如表3所示，隨著時間的變化，由全新世中期到現實氣候，東亞栓皮櫟的總適生區(低適宜生境和適宜生境)面積呈減小的趨勢。然而，未來氣候情景CCSM4-rcp45(2050)栓皮櫟總適生區面積與CCSM4-rcp85模擬的結果稍有不同，其適生區面積比全新世中期、現實氣候條件下略有增大，而后者表現為縮小。在歷史氣候條件下，東亞栓皮櫟適宜生境和低適宜生境的分布面積分別占研究區總面積的6.22%和16.62%；與歷史氣候條件相比，當前氣候條件下，不論是低適宜生境，還是適宜生境，栓皮櫟的分布面積均略有減小，分別占總面積的5.69%和16.19%。未來氣候情景(CCSM4-rcp45和CCSM4-rcp85)下適宜生境面積均比過去和當前氣候條件下大，分別占總面積的6.77%和6.42%；但在低適宜生境方面，CCSM4-rcp85情景擬合的面積比過去和當前氣候條件下的小，占研究區總面積的15.31%，而CCSM4-rcp45情景下則比過去和當前氣候條件下分布面積大，占研究區總面積的16.46%。就未來氣候情景而言，與較小的增溫幅度相比，增溫幅度大(rcp85)會導致總適生區面積(包括低適宜生境面積和適宜生境面積)減小。

表3　氣候變化情景下栓皮櫟適生區分布面積百分比

雖然在全新世中期、現實氣候和未來氣候情景下栓皮櫟總適生區(適宜生境和低適宜生境)面積變化較小，但適宜生境的分布范圍卻發生了較大的變化，如圖2。模擬的全新世中期東亞栓皮櫟適生區主要位于東亞南部，在我國北起陜西中部、山西和河北南部邊緣、山東，西起甘肅東部邊緣、四川中東部、云南、西藏東部邊緣，一直到達東部沿海區域，另外在河北和北京交界也有少量適生區的存在；在朝鮮半島和日本主要分布于南部和中南部。其中適宜生境主要位于陜西中南部、山西南部邊緣、河南中西部、甘肅東南部、四川東北和東南部、西藏東南邊緣、重慶、湖北、湖南、云南、貴州、廣西西部、江西、安徽中部、江蘇西南緣、浙江東北部、福建和臺灣中部，以及朝鮮半島東南緣和日本中南部也有少量適宜生境的存在。

如圖2，與全新世中期相比，現實氣候條件下，在朝鮮半島的適宜生境分布區消失了，同時位于我國東部包括臺灣島、江蘇、浙江、江西、河南和湖南以及日本的適宜生境區面積也有不同程度的減小；在全新世中期，北京與河北的交界處以及海南島均沒有適宜生境的存在，而現實氣候條件下出現了適宜生境，同時位于云南、四川、重慶以及陜西地區的適宜生境的分布面積均略有增大。在未來情景下(21世紀50年代)，CCSM4-rcp85模型預測我國河南和湖北以及日本的栓皮櫟適宜生境分布面積將比現實氣候下進一步減少，而云南、貴州、四川和陜西南部等區域有進一步增加的趨勢。與前者稍有不同的是，CCSM4-rcp45模型預測的日本中部區域其適宜生境分布面積在擴大。對于低適宜生境，兩個模型預測的朝鮮半島的分布區面積均略有減少，而廣東和廣西南部邊緣面積均略增大。從總體來看，東亞栓皮櫟的適宜生境的核心區位于我國云南、貴州、四川、陜西南部等區域，在未來情境下該核心區適宜生境分布面積有進一步擴大的趨勢，而位于東南沿海地區的適宜生境分布面積有減少的趨勢；在低適宜生境區，未來氣候情景的兩個模型預測的朝鮮半島分布面積均稍有減少，而廣東和廣西南部邊緣的面積均稍有增大，其余的分布范圍變化較小。

圖2　不同氣候變化情景下栓皮櫟生境適應性分布Fig 2　Distribution of habitat suitability for Quercus variabilis under different climate change scenariosPast表示全新世中期氣候情景(6000年前)；Current表示現實氣候條件(1950—2000)；CCSM4-rcp85和CCSM4-rcp45表示21世紀50年代兩個未來氣候情景; Past: Last Glacial Maximum climate scenario(6000 years previous); Current: current climate scenario; CCSM4-rcp85 and CCSM4-rcp45 represent the climate scenario of 2050s, respectively

2.3影響栓皮櫟分布區的主導氣候因子

刀切法(Jackknife)常被用來分析各環境因子對預測結果的影響程度，或用來確定影響物種分布的關鍵性環境因素[43]。根據刀切法分析得到的環境因子對最大熵模型的貢獻率，如表4，可以判斷影響物種分布的主要環境因子。結果表明：最冷月的最低氣溫貢獻率(bio6)最高為48.6%，最冷季平均氣溫(bio11)、年降水量(bio12)貢獻率分別為21.4%和14.2%，最濕季降水量(bio17)、平均氣溫日較差(平均每月最高氣溫-平均每月最低氣溫)(bio2)和年平均氣溫(bio1)分別為3.2%、2.7%和2.3%。這6個因子的累積貢獻率高達92.4%。綜合分析表明，最冷月的最低氣溫和最冷季平均氣溫是影響栓皮櫟分布最主要的環境因子，其次是年降雨量，最濕季降水量、平均氣溫日較差和年平均氣溫對栓皮櫟的分布也一定的影響，但較最冷月氣溫和年降水量小。

表4　最大熵模型中各環境變量貢獻率

3　討論與結論

應用Maxent模型對氣候變化下物種潛在分布預測的研究已有報道，主要針對能源植物[44]、藥用植物[45]、入侵物種[35, 40]、瀕危物種[45]以及物種的遷移路線[12, 46]等所做的相關研究，本文首次利用Maxent生態位模型與地理信息系統相結合，對廣布于東亞且對林業生產和生態環境保護具有重要價值的栓皮櫟在氣候變化下的潛在分布進行了預測，獲得了不同氣候條件下栓皮櫟在東亞的潛在適生分布圖。經檢驗，Maxent模型的受試者工作特征曲線(ROC曲線)下面積AUC值均接近于1，表明預測結果較好。

Maxent模型模擬結果表明，在當前氣候條件下，栓皮櫟適生區(低適宜生境和適宜生境)主要位于東亞東南區域，包括我國遼寧南部邊緣、北京和河北交界的燕山山脈、山東、山西和河北南部邊緣、陜西中南部、甘肅東部、河南、安徽、江蘇、上海、浙江、福建、湖北、湖南、廣東、廣西、云南、貴州、重慶、四川中東部、西藏南部邊緣以及海南島和臺灣島，朝鮮半島南部和日本中南部。這與前人所研究調查的地理分布大致相同[19,24,47-48]，表明經Maxent模型模擬結果與實際分布相符。其中，適宜生境主要位于我國陜西中南部、甘肅東部、四川東北部、重慶、河南和湖北東部的秦嶺山脈和大巴山脈、云貴高原、以及位于江西和湖南交界的羅霄山脈、福建的武夷山、湖南、江西和廣東的南嶺山脈以及海南島東部邊緣和臺灣島中部，另外日本中部與南部也有較小的適宜生境存在。關于栓皮櫟的分布中心，目前存在較多的爭論，吳征鎰[49]認為大別山、桐柏山和秦嶺；鄭萬鈞[50]認為在鄂西、秦嶺和大別山區；傅煥光認為在秦嶺、伏牛山、桐柏山、大別山、鄂西和川東一帶。而本研究顯示秦嶺、桐柏山、伏牛山、大巴山、鄂西和云南的云貴高原是其最適宜分布區，而安徽的大別山不屬于其最適宜分布區[51-52]。

在氣候變化情景下，全新世中期栓皮櫟的總適生區(低適宜生境和適宜生境)分布范圍基本與現實和未來氣候情景下的分布范圍一致；而其適宜生境面積卻發生了較大的變化。隨著全球氣候變化，適宜生境范圍逐漸向西部秦嶺山脈、大巴山脈、四川、重慶和云貴高原等區域集中，使該分布中心的適宜生境面積在逐漸地擴大。與當前氣候相比，全新世中期分布區最北的北京、天津和河北等地沒有適宜生境，而當前氣候條件出現了栓皮櫟的分布，這可能是由于全新世中期我國北方氣溫波動較劇烈，不斷經歷溫度的冷暖交替[53]，難以形成其適宜分布區，同時該區域又屬于栓皮櫟分布北界，對溫度變化響應較敏感。而到當前氣候條件下，氣候波動較小，存在栓皮櫟的適宜生境，甚至到未來氣溫升高的情景下，該區域的適宜生境面積進一步擴大。另外，海南島在全新世中期沒有適宜生境，而到當前氣候條件下出現了小面積的適宜生境，這可能與隨著全球氣溫的降低(該時期在我國南方溫度波動較小[54])，物種分布范圍向南遷移有關。然而經調查發現，目前海南島沒有栓皮櫟的分布，僅在中科院華南植物園標本館資料中有記錄[24]，這可能是由于人類活動的影響所致。但在其他研究區域未見到明顯的緯向遷移，這可能是由于栓皮櫟主要生長在山區，且研究區山地較多，地形復雜多變，而氣候本身也隨地區的不同而變化很大，使得該區域栓皮櫟分布范圍無法緯向遷移。另外，極端氣候也是物種分布范圍變化的重要助推劑，因為極端氣候事件的不連續性，導致物種分布范圍的變化通常也是非連續性的[41]，而本研究表明極端氣候(bio6和bio11)是栓皮櫟分布的主導因子，因此未來氣候變化對栓皮櫟適宜生境的影響也較為復雜。根據本文氣候因子貢獻率的分析結果，Bio6(最冷月的最低氣溫)和Bio11(最冷季平均氣溫)評價因子貢獻率之和為70%，說明冬季極端低溫是影響栓皮櫟適生區分布的決定性因子。然而，不同地理區域存在一定差異。王婧等[24]對東亞栓皮櫟的氣候特征研究結果表明，在大陸地區栓皮櫟分布區的最冷季均溫為-9.8—18℃，而臺灣島為-0.2—21.2℃，日本則為-3.8—6.2℃。同時評價因子年降水量(Bio12)的貢獻率達到14.2%，說明降水也會在一定程度上影響栓皮櫟適生區的分布。這與王婧[24]等的研究結果一致，即栓皮櫟的分布范圍受降水量影響，也與本文關于栓皮櫟適生區止于西北甘肅和四川東部區域等降水線相吻合。

本文基于氣候因素預測了在過去(6000年前)、當前(1950—2000)以及未來氣候情景下(2050)東亞栓皮櫟適生區(適宜生境和低適宜生境)分布的變化趨勢，并識別了影響栓皮櫟分布的主導氣候因子。在未來氣候情景下，適宜生境范圍逐漸向西部秦嶺山脈、大巴山脈、四川、重慶和云貴高原等區域集中，并使該分布中心的適宜生境面積在逐漸地擴大。同時極端低溫(最冷月的最低氣溫和最冷季平均氣溫)和年降水量作為栓皮櫟分布的決定性因子，這對于栓皮櫟在林業生產以及有效的經營管理方面具有十分重要參考價值。該研究結果支持Petit等[55]和Désamoré等[56]的假設：弄清楚物種在過去氣候變化條件下的分布格局的變化，能夠預測它們將會如何應對不斷發生的未來氣候的變化。除氣候因素外，影響物種分布的因素還很多，包括生物因素和非生物因子，其中生物因素包括因物種進化而帶來的其對環境因子適應性的改變，以及物種種間競爭對物種分布區的影響等，非生物因素包括地形和土壤等，由于目前的認識水平以及技術條件的不足，因此本文未做考慮。

[1]郭彥龍, 衛海燕, 路春燕, 張海龍, 顧蔚. 氣候變化下桃兒七潛在地理分布的預測. 植物生態學報, 2014, 38(3): 249-261.

[2]IPCC(Intergovernmental Panel on Climate Change). The Physical Science Basis Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, UK: Cambridge University Press, 2007.

[3]IPCC(Intergovernmental Panel on Climate Change). Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, UK: Cambridge University Press, 2007.

[4]姚檀棟, Tompson L G, 施雅風, 秦大河, 焦克勤, 楊志紅, 田立德, L G Thompson, E Mosley-Thompson. 古里雅冰芯中末次間冰期以來氣候變化記錄研究. 中國科學(D), 1997, 27(5): 447-452.

[5]Céline Bellard, Cleo Bertelsmeier, Paul Leadley, Wilfried Thuiller, Franck Courchamp. Impacts of climate change on the future of biodiversity. Ecology Letters, 2012, 15(4): 365-377.

[6]Anahí Espíndola, Lo?c Pellissier, Luigi Maiorano, Wim Hordijk, Antoine Guisan, Nadir Alvarez. Predicting present and future intra-specific genetic structure through niche hindcasting across 24 millennia. Ecology Letters, 2012, 15(7): 649-657.

[7]Antoine Guisan, Niklaus E, Zimmermann. Predictive habitat distribution models in ecology. Ecological Modelling, 2000, 135(2/3): 147-186.

[8]王娟, 倪健. 植物種分布的模擬研究進展. 植物生態學報, 2006, 30(6): 1040-1053.

[9]Steven J Phillips, Miroslav Dudik. Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation. Ecography, 2008, 31(2): 161-175.

[10]Jane Elith, Catherine H Graham, Robert P Anderson, Miroslav Dudík, Simon Ferrier, Antoine Guisan, Robert J Hijmans, Falk Huettmann, John R Leathwick, Anthony Lehmann, Jin Li, Lucia G Lohmann, Bette A Loiselle, Glenn Manion, Craig Moritz, Miguel Nakamura, Yoshinori Nakazawa, Jacob McC M Overton, A Townsend Peterson, Steven J Phillips, Karen Richardson, Ricardo Scachetti-Pereira, Robert E Schapire, Jorge Soberón, Stephen Williams, Mary S Wisz, Niklaus E Zimmermann. Novel methods improve prediction of species′ distributions from occurrence data. Ecography, 2006, 29(2): 129-151.

[11]Antoine Guisan, Wilfried Thuiller. Predicting species distribution: offering more than simple habitat models. Ecology Letters, 2005, 8(9): 993-1009.

[12]張雷, 劉世榮, 孫鵬森, 王同立. 不同立氣候變化對馬尾松潛在分布影響預估的多模型比較. 植物生態學報, 2011, 35(11): 1091-1105.

[13]Steven J Phillips, Robert P Anderson, Robert E Schapire. Maximum entropy modeling of species geographic distributions. Ecological Modelling, 2006, 190(3/4): 231-259.

[14]雷軍成, 徐海根. 基于MaxEnt的加拿大一枝黃花在中國的潛在分布區預測. 生態與農村環境學報, 2010, 26(2): 137-141.

[15]王運生, 謝丙炎, 萬方浩,肖啟明，戴良英. 相似穿孔線蟲在中國的適生區預測. 中國農業科學, 2007, 40(11):2502-2506.

[16]Jo?o G R Giovanelli, Célio F B Haddad, Jo?o Alexandrino. Predicting the potential distribution of the alien invasive American bullfrog (Lithobatescatesbeianus) in Brazil. Biological Invasions, 2008, 10(5): 585-590.

[17]楊波, 薛躍規, 唐小飛,王媛，張達敏. 外來入侵植物飛機草在中國的適生區預測. 植物保護, 2009, 35(4):70-73.

[18]Steven J Phillips, Miroslav Dudík, Robert E Schapire. A maximum entropy approach to species distribution modeling // Proceedings of the Twenty-First International Conference on Machine Learning. Banff Alberta, 2004: 655-662.

[19]魏林. 栓皮櫟分布的初步調查. 林業科學, 1960, 6(1): 70-71.

[20]雷靜品, 肖文發, 劉建鋒. 我國栓皮櫟分布及其生態學研究. 世界林業研究, 2013, 26(4): 57-62.

[21]Miyazaki Masahisa, Teramoto Noriyuki. Morphology and bionomics of the Japanese oak dwarflousePhylloxerakunugi(Homoptera, Aphidinea, Phylloxeridae). Entomologia Generalis, 1991, 16(3): 201-206.

[22]Mi Yoon Chung, Myong Gi Chung. Fine-scale genetic structure in populations ofQuercusvariabilisfrom southern Korea. Canadian Journal of Botany, 2002, 80(10): 1034-1041.

[23]Yeonsook Choung, Byung-Chun Lee, Jae-Hyoung Cho, Kyu-Song Lee, In-Soo Jang, Sun-Hee Kim, Sun-Kee Hong, Hui-Cheul Jung, Heung-Lak Choung. Forest responses to the large-scale east coast fires in Korea. Ecological Research, 2004, 19(1): 43-54.

[24]王婧, 王少波, 康宏樟, 辛在軍, 錢振華, 劉春江. 東亞地區栓皮櫟的地理分布格局及其氣候特征. 上海交通大學學報: 農業科學版, 2009, 27(3): 235-241.

[25]吳明作, 劉玉萃. 栓皮櫟種群數量動態的譜分析與穩定性. 生態學雜志, 2000, 19(4): 23-26, 37.

[26]吳明作, 姜志林, 劉玉萃. 栓皮櫟種群的年齡動態與穩定性研究. 河南科學, 1999, 17(1): 69-73.

[27]吳明作, 楊玉珍, 楊玉珍, 李戰軍. 河南省栓皮櫟林主要種群的生態位研究. 西北植物學報, 1999, 19(3): 511-518.

[28]程瑞梅, 肖文發. 河南寶天曼栓皮櫟林群落特征及物種多樣性. 植物資源與環境, 1998, 7(4): 8-13.

[29]張文輝, 盧志軍. 栓皮櫟種群的生物學生態學特性和地理分布研究. 西北植物學報, 2002, 22(5): 1093-1101.

[30]Nix H A. A biogeographic analysis of Australian elapid snakes // Longmore R, ed. Atlas of Australian Elapid Snakes. Canberra: Australian Government Publishing Service, 1986: 4-15.

[31]Pradeep Kumar. Assessment of impact of climate change on Rhododendrons in Sikkim Himalayas using MaxEnt modelling: limitations and challenges. Biodiversity and Conservation, 2012, 21(5): 1251-1266.

[32]Robert J Hijmans, Susan E Cameron, Juan L Parra, Peter G Jones, Andy Jarvis. Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology, 2005, 25(15): 1965-1978.

[30]William D Collins, Cecilia M Bitz, Maurice L Blackmon, Gordon B Bonan, Christopher S Bretherton, James A Carton, Ping Chang, Scott C Doney, James J Hack, Thomas B Henderson, Jeffrey T Kiehl, William G Large, Daniel S McKenna, Benjamin D Santer, Richard D Smith. The community climate system model version3 (CCSM3). Journal of Climate, 2006, 19(11): 2122-2143.

[34]James J McCarthy, Osvaldo F Canziani, Neil A Leary, David J Dokken, Kasey S White. Climate Change 2001: Impacts, Adaptation, and Vulnerability: Contribution of Working Group II to the Third Assessment Report of the Intergovernmental Panel on Climate Change. New York: Cambridge University Press, 2001.

[35]王運生, 謝丙炎, 萬方浩, 肖啟明, 戴良英. ROC曲線分析在評價入侵物種分布模型中的應用. 生物多樣性, 2007, 15(4): 365-372.

[36]Hanley J A, Mcneil B J. The meaning and use of the area under a Receiver Operating Characteristic (ROC) curve. Radiology, 1982, 143(1): 29-36.

[37]Alan H Fielding, John F Bell. A review of methods for the assessment of prediction errors in conservation presence/absence models. Environmental Conservation, 1997, 24(1): 38-49.

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

[39]Giedirus Vanagas. Receiver operating characteristic curves and comparison of cardiac surgery risk stratification systems. Interactive Cardio Vascular and Thoracic Surgery, 2004, 3(2): 319-322.

[40]張穎, 李君, 林蔚, 強勝. 基于最大熵生態位元模型的入侵雜草春飛蓬在中國潛在分布區的預測. 應用生態學報, 2011, 22(11): 2970-2976.

[41]胡理樂, 張海英, 秦嶺, 閆伯前. 中國五味子分布范圍及氣候變化影響預測. 應用生態學報, 2012, 23(9): 2445-2450.

[42]Lu C Y, Gu W, Dai A H, Wei H Y. Assessing habitat suitability based on geographic information system (GIS) and fuzzy: a case study ofSchisandrasphenantheraRehd. et Wils. in Qinling Mountains, China. Ecological Modelling, 2012, 242: 105-115.

[43]A Townsend Peterson, Kevin P Cohoon. Sensitivity of distributional prediction algorithms to geographic data completeness. Ecological Modelling, 1999, 117(1): 159-164.

[44]周婧, 李巧云, 肖亮, 蔣建雄, 易自力. 芒和五節芒在中國的潛在分布. 植物生態學報, 2012, 36(6): 504-510.

[45]車樂, 曹博, 白成科, 王娟娟, 張琳琳. 基于MaxEnt和ArcGIS對太白米的潛在分布預測及適宜性評價. 生態學雜志, 2014, 33(6): 1623-1628.

[46]于海彬, 張鐿鋰, 李士成, 祁威, 胡忠俊. 基于GIS和物種分布模型的高山植物長花馬先蒿遷移路線模擬. 應用生態學報, 2014, 25(6): 1669-1673.

[47]江澤平. 麻櫟-栓皮櫟及小葉櫟的生態地理學[D]. 北京: 中國林業科學研究院, 1991.

[48]李迎超, 厲月橋, 王利兵, 于海燕, 張興銳, 劉鵬飛. 木本淀粉能源植物栓皮櫟與麻櫟的資源調查以及分布規律. 林業資源管理, 2013, 4(2): 94-101.

[49]吳征鎰. 中國植被. 北京: 科學出版社, 1980: 261-262.

[50]鄭萬鈞. 中國樹木志(2卷). 北京: 中國林業出版社, 1985: 23-30.

[51]傅煥光, 于光明. 栓皮櫟栽培與利用. 北京: 中國林業出版社, 1986: 7-10.

[52]周建云, 林軍, 何景峰, 張文輝. 栓皮櫟研究進展與未來展望. 西北林學院學報, 2010, 25(3): 43-49.

[53]王琫瑜, 孫湘君. 內蒙古察素齊泥炭剖面全新世古環境變遷的初步研究. 科學通報, 1997, 42(5): 514-518.

[54]李平日, 黃鎮國, 張仲英, 宗永強. 廣東東部晚更新世以來的海平面變化. 海洋學報, 1987, 9(2): 216-222.

[55]Rémy J Petit, Hu F S, Christopher W Dick. Forests of the past: a window to future changes. Science, 2008, 320(5882): 1450-1452.

[56]Désamoré A, Laenen B, Stech M, Papp B, Heden?s L, Mateo R G, Vanderpoorten A. How do temperate bryophytes face the challenge of a changing environment? Lessons from the past and predictions for the future. Global Change Biology, 2012, 18(9): 2915-2924.

Impact of climate change on the potential geographical distribution pattern and dominant climatic factors ofQuercusvariabilis

GAO Wenqiang1, WANG Xiaofei1,JIANG Zeping1,2, LIU Jianfeng1,2,*

1ResearchInstituteofForestry,ChineseAcademyofForestry,Beijing100091,China2KeyLaboratoryofTreeBreedingandCultivation,StateForestryAdministration,Beijing100091,China

In order to predict the impact of climate change on the distribution ofQuercusvariabilis, one of the most widely distributed species in East Asia, the maximum entropy model (Maxent) was used to analyze the potential distribution under past (Mid Holocene, 6000 years ago), current (1950—2000) and future (2050) climate conditions. The jackknife method was used to reveal the contribution of the dominant climatic factors ofQ.variabilis. The results showed that the potential distribution ofQ.variabilisunder the current climate conditions centered on the south of East Asia, comprising up to 21.88% of the total studied area. The distribution range was mostly located in central and south of China, as well as south of the Korean peninsula, and central to south of Japan. Suitable habitats, comprising 5.69% of the studied area, were mainly centered on Qinling, Daba, Funiu, Luoxiao, Nanling, and Wuyi Mountains, the Yunnan-Guizhou Plateau, and Taiwan. The climate change scenarios showed that the areas of the suitable habitats have changed slightly, while significantly for the distribution range. With changes in global climate volatility, the distribution centers ofQ.variabilisare gradually concentrating in the regions of Qinling and Daba Mountains and Yunnan-Guizhou Plateau, and the areas of suitable habitats are gradually expanding. Minimum air temperature of the coldest month (Bio6), mean air temperature of the coldest quarter (Bio11), and annual precipitation (Bio12) were found to be dominant in influencing the geographic distribution ofQ.variabilis, with contribution rates of 48.6%, 21.4%, and 14.2%, respectively.

Quercusvariabilis; climate change; Maxent model; distribution pattern

國家自然科學基金項目(41371075)；北京市科技計劃課題(Z141100002314009)

2014-12-01;

2015-12-08

Corresponding author.E-mail: liujf@caf.ac.cn

10.5846/stxb201412012387

高文強，王小菲，江澤平，劉建鋒.氣候變化下栓皮櫟潛在地理分布格局及其主導氣候因子.生態學報,2016,36(14):4475-4484.

Gao W Q, Wang X F,Jiang Z P, Liu J F.Impact of climate change on the potential geographical distribution pattern and dominant climatic factors ofQuercusvariabilis.Acta Ecologica Sinica,2016,36(14):4475-4484.