山桐子的地理分布及其潛在適宜栽培區區劃

劉芙蓉，羅建勛，楊馬進

(1.四川省林業科學研究院林業研究所，四川 成都 610081； 2.成都理工大學地球科學學院，四川 成都 610059)

山桐子的地理分布及其潛在適宜栽培區區劃

劉芙蓉1，2，羅建勛1*，楊馬進1

(1.四川省林業科學研究院林業研究所，四川 成都 610081； 2.成都理工大學地球科學學院，四川 成都 610059)

山桐子；Maxent；地理分布區；適宜栽培區

山桐子(IdesiapolycarpaMaxim.)為大風子科(Flacourtiaceae)山桐子屬(Idesia)落葉喬木，樹干通直，枝條輪生，樹形美觀[1]。山桐子為亞熱帶陽性速生樹種，其果實產量高，呈串狀，入秋后紅艷奪目，被喻為“美麗的樹上油庫”，是我國重要的木本油料樹種。果實和種子含油率高達20%以上[2]，油脂中不飽和脂肪酸的含量達70%左右[3]，對高血壓、高血脂等心腦血管疾病有很好的預防作用和輔助療效，具有很高的價值。作為重要的經濟林樹種之一，山桐子具有較大的產業推廣前景，目前相關研究主要集中在良種選育、苗木繁殖、栽培技術和油脂成分等方面[3-5]，而其地理分布區及氣候特征等方面的研究還較少，對該樹種的適宜栽培區進行區劃有利于推動山桐子產業化發展。

物種分布模型充分利用物種現有的分布資料和環境數據，分析環境因素與物種分布區的關系，并將該關系特性用于預測物種的潛在分布區。目前，大量基于GIS技術和數學算法發展而來的物種分布模型被用于瀕危植物保護[6-7]、外來物種入侵風險評估[8-10]，預測氣候變化對物種分布的影響[11]、野生植物引種栽培區區劃[12]等多個領域，如生態位因子模型(ENFA)、廣義線性模型(GLM)、最大熵值模型(Maxent)、神經網各模型(ANN)、距離模型(Domain)和隨機森林模型(MARS)均是重要的物種分布模型[13-14]，這些生態學模型為物種資源的科學管理提供了重要依據。許多研究者對不同模型的模擬效果進行了對比分析，曹向鋒等[15]利用Maxent、GARP、ENFA、Bioclim和Domain 5種生態位模型預測了黃頂菊在中國范圍內的潛在適生分布區，并利用受試者工作特征曲線(ROC)比較不同模型的模擬精度，認為Maxent的預測結果對黃頂菊的擬合度較高，預測的效果較好。殷曉潔等[16]利用Maxent模擬的蒙古櫟潛在分布區域覆蓋了蒙古櫟實際地理分布點的98%，表明模擬的我國蒙古櫟地理分布與實際分布非常符合，并利用我國蒙古櫟的地理分布概率與主導氣候因子的關系，得出了主導氣候因子的閾值。Maxent模型是基于最大熵理論發展起來的生態位模型，在物種潛在分布區的預測中效果較好，被廣泛用于經濟作物的栽培區適宜性評價。采用物種分布模型對其地理分布范圍和主要環境因子進行分析，對于指導山桐子的栽培推廣和產業布局具有重要意義。因此，本研究以山桐子的野生分布數據為基礎，采用Maxent模型對其適宜栽培區進行預測，以期為山桐子推廣栽培的生產實踐工作提供指導依據。

1 材料與方法

1.1 山桐子分布數據的收集與整理

查詢中國數字植物標本館(http://www.cvh.org.cn/)和國家科技部教學標本資源共享平臺(http://mnh.scu.edu.cn/)等數據庫，收集全國范圍內山桐子標本信息，選取野生分布的位置，并查閱相關文獻記錄。結合山桐子實地調查，采用GPS對山桐子野生資源分布位置進行定位，整理分布樣點，剔除重復的數據分布點，共確定了220個野生山桐子分布點，利用ArcGIS軟件整理成shp格式文件，用于繪制山桐子地理分布圖。

1.2 環境數據集來源

本文選擇了影響植物生長和分布的環境因子數據集，主要包括：氣候、海拔和土壤條件，共24個因子作為環境數據集。氣候和海拔數據來源于世界氣候數據庫(http://www.worldclim.org)，氣候數據是采用各地氣象站的氣象信息進行插值生成的全球氣候數據，包括與溫度和降水量相關的19個生物氣候變量[17]，包括：年平均氣溫(bio1)、平均月氣溫變化范圍(bio2)、等溫性(bio3)、氣溫季節變化方差(bio4)、極端最高氣溫(bio5)、極端最低氣溫(bio6)、年氣溫幅度(bio7)、雨季平均氣溫(bio8)、干季平均氣溫(bio9)、最暖季平均氣溫(bio10)、最冷季平均氣溫(bio11)、年降水量(bio12)、最濕月降水量(bio13)、最干月降水量(bio14)、季降水量變異系數(bio15)、最濕季降水量(bio16)、最干季降水量(bio17)、最暖季降水量(bio18)、最冷季降水量(bio19)，數據空間分辨率為30″。

1.3 潛在分布區模擬及檢驗

2 結果與分析

2.1 地理分布

2.2 氣候特征

利用最大熵模型評價25個環境因子對野生山桐子的貢獻率，以篩選并確定影響山桐子分布的主導因子。本文選擇累積貢獻率達85%的因子作為影響山桐子分布的主要因子，其貢獻率見表1，按順序大小依次為：最冷季平均氣溫(bio11)>極端最低氣溫(bio6)>平均月氣溫變化范圍(bio2)>氣溫季節變化方差(bio4)>雨季平均氣溫(bio8)>年降水水(bio12)>海拔>極端最高氣溫(bio5)>年均氣溫(bio1)。貢獻率的排序表明:低溫對山桐子分布區的影響極其重要，限制著植物是否能安全越冬；月平均氣溫變化范圍和氣溫季節變化方差則反映了物種對溫差變化的需求是否得到滿足，影響植物的正常花芽分化及開花結實等；雨季平均氣溫反映了山桐子在生長季對水熱同步的需求；年降水量反映了植物對水分條件的需求和耐受能力；海拔反映了山桐子在垂直方向上的分布范圍；極端最高氣溫反映了山桐子對高溫的耐受范圍；年均氣溫反映了植物對全年總熱量的需求范圍。前9個累積貢獻率達86.6%，這表明山桐子對溫度的要求很高，而土壤因子的貢獻率相對較小，這可能是由于山桐子根系發達，耐貧瘠，對土壤養分條件的要求不太嚴格，因此，山桐子在重慶等地區的石漠化治理造林中應用較廣泛[20]。

表1 影響山桐子分布的環境因子的貢獻率

2.3 潛在適宜栽培區

Maxent模型預測結果的AUC值為0.956，表明所構建的模型預測精度達到了非常好的水平。山桐子潛在適宜栽培區的預測結果與實際分布區有很好的一致性，其潛在適宜栽植區主要集中在我國南方地區。山桐子的潛在最適宜和較高適宜栽培區主要分布在四川盆周山區、大巴山、武陵山、苗嶺、雪峰山、武功山、武夷山、九連山、戴云山、大別山、伏牛山、云貴高原以東、大瑤山和云開大山以北地區；而四川盆中丘陵地區、兩湖平原和鄱陽湖平原地區為一般適宜區，經人工栽培試點的驗證，山桐子在該區域可進行正常的生長和結實；在一般適宜區與不適宜區的過渡地帶，為較低適宜區；而當適宜性P<0.05的地區，不宜栽植山桐子。

由表2可知：山桐子在我國的最適宜區面積為431 717 km2，較適宜生長區面積為725 871 km2，一般適宜區為677 229 km2，較低適宜區為337 631 km2。適宜栽培區總面積較大的主要包括：四川、重慶、貴州、陜西、湖北、湖南、江西、安徽、浙江、河南、廣東、廣西、福建和臺灣地區；而云南、甘肅、江蘇、山東等省的適宜栽培區面積相對較小，統一歸并在其它地區。

表2 山桐子主要分布行政區內不同等級的適宜栽培區面積

從最適宜栽培區來看，江西的面積最大，為65 744 km2，其次為湖南、湖北、貴州、四川、廣東、廣西、陜西和福建，而重慶、浙江、安徽、河南和臺灣的最適宜栽培區面積相對較小。從較高適宜栽培區來看，湖南的面積最大，為113 756 km2，其次為貴州、江西、福建、廣西、四川、湖北、浙江、廣東和重慶，而河南、陜西、臺灣的較高適宜栽培區面積相對較小。從一般適宜栽培區來看，廣西的面積最大，為98 603 km2，其次為四川、河南、湖北、湖南、廣東、浙江、安徽、貴州、陜西、重慶和福建，而江西、臺灣的一般適宜栽培區面積相對較小。從較低適宜栽培區來看，河南的面積最大，為34 439 km2，其次為廣西、廣東、四川、安徽、陜西、湖北、貴州地區，而浙江、臺灣、湖南、福建、重慶、江西的較低適宜栽培區面積相對較小。

3 討論

本文收集野生山桐子分布點220個，利用Maxent生態學模型預測了山桐子在中國的適生范圍，為山桐子適宜栽培區區劃提供了依據。Maxent模型在物種的潛在分布區研究中具有很高的價值[22]，本文預測的適宜栽培區與野生山桐子的實際分布區具有較高的一致性，精確度高，這與大多數研究結論一致[23]，可為該經濟林樹種的產業化栽培范圍提供指導依據，有效避免盲目推廣發展。

4 結論

通過Maxent最大熵值模型對我國范圍內的山桐子適宜栽培區進行預測和區劃，結果表明：該樹種的栽培區與野生山桐子分布區范圍基本一致，主要集中在我國南方地區。潛在最適宜栽培區面積為431 717 km2，較適宜區面積為725 871 km2，一般適宜區為677 229 km2，較低適宜區為337 631 km2。山桐子的潛在最適宜和較高適宜栽培區主要分布在四川盆周、大巴山、武陵山、苗嶺、雪峰山、武功山、武夷山、九連山、戴云山、大別山、伏牛山、云貴高原以東、大瑤山和云開大山以北地區；而四川盆中丘陵地區、兩湖平原和鄱陽湖平原地區為一般適宜區。

綜上所述，本文對我國范圍內野生山桐子的分布點、氣候和土壤因子進行了分析，基本考慮到了山桐子分布的實際生態位，給出了山桐子的天然分布范圍，以及適生區的年均氣溫、降水量等氣候因子，區劃了山桐子的栽培適宜區，包括山桐子的潛在最適宜栽培區、較高適宜栽培區、一般適宜栽培區和較低適宜栽培區。本文在生物氣候因子的基礎上，加入了土壤因子，優化分析了山桐子栽培區范圍和適宜性等級，為我國山桐子產業的推廣栽培提供參考。在今后的研究中，應加強區域栽培試驗工作，更好地對適宜栽培區預測工作進行驗證，以提高經濟林樹種在產業化發展進程中的推廣栽培效果。

[1] 江錫兵，龔榜初，李大偉，等. 山桐子自然群體表型性狀變異分析[J].林業科學研究，2013,26(1):113-117.

[2] 龔榜初，李大偉，江錫兵，等.不同產地山桐子果實含油率及其理化指標變異分析[J].西北植物學報，2012a,32(8):1680-1685.

[3] 王艷梅，王東洪，劉 震，等. 不同種源山桐子種子含油率和脂肪酸GC/MS分析[J].經濟林研究，2011,29(2):14-21.

[4] 歲立云，劉曉敏，李周岐，等. 山桐子果實性狀的自然變異及類型劃分[J].西北農林科技大學學報:自然科學版，2009,37(8):115-120.

[5] 龔榜初，李大偉，江錫兵，等.不同種源山桐子果實脂肪酸組成變異分析[J].植物生理學報，2012b,48(5):505-510.

[6] Adhikari D, Barik S K, Upadhaya K. Habitat distribution modelling for reintroduction ofIlexkhasianaPurk., a critically endangered tree species of northeastern India[J]. Ecological Engineering, 2012, 40(3):37-43.

[7] 姜建福，樊秀彩，張 穎，等.中國三種瀕危葡萄屬(VitisL.)植物的地理分布模擬[J].生態學雜志，2014,33(6):1615-1622.

[8] Giljohann K M, Hauser C E, Williams N S G,etal. Optimizing invasive species control across space: willow invasion management in the Australian Alps[J]. Journal of Applied Ecology, 2011, 48(5):1286-1294.

[9] Richter R, Dullinger S, Essl F,etal. How to account for habitat suitability in weed management programmes[J]. Biological Invasions, 2013, 15(3):657-669.

[10] Chapman D S, Makra L, Albertini R,etal. Modelling the introduction and spread of non-native species: international trade and climate change drive ragweed invasion[J]. Global Change Biology, 2016, 22(9):3067-3079.

[11] Remya K, Ramachandran A, Jayakumar S. Predicting the current and future suitable habitat distribution ofMyristicadactyloidesGaertn. using MaxEnt model in the Eastern Ghats, India[J]. Ecological Engineering, 2015, 82(9):184-188.

[12] 胡 秀，郭 微，吳福川，等．MaxEnt生態學模型在野生植物近自然林引種區劃中的應用—以紅姜花為例[J].廣西植物，2015， 35(3):325-330.

[13] 李國慶，劉長成，劉玉國，等.物種分布模型理論研究進展[J].生態學報，2013,33(16):4827-4835.

[14] Yuan H S, Wei Y L, Wang X G. Maxent modeling for predicting the potential distribution of Sanghuang, an important group of medicinal fungi in China[J]. Fungal Ecology, 2015, 17:140-145.

[15] 曹向鋒，錢國良，胡白石，等.采用生態位模型預測黃頂菊在中國的潛在適生區[J].應用生態學報，2010,21(12):3063-3069.

[16] 殷曉潔，周廣勝，隋興華，等.蒙古櫟地理分布的主導氣候因子及其閾值[J].生態學報，2013,33(1):103-109.

[17] 張興旺，李 垚，方炎明.麻櫟在中國的地理分布及潛在分布區預測[J].西北植物學報，2014,34(8):1685-1692.

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

[19] 劉少軍，周廣勝，房世波.中國橡膠種植北界[J].生態學報，2016,36(5):1272-1280.

[20] 馮大蘭，黃小輝，劉 蕓,等.4種木本植物在石漠化地區的生長狀況及光合特性[J].北京林業大學學報，2015，37(5):62-69.

[21] 李 垚，張興旺，方炎明.氣候變暖對中國栓皮櫟地理分布格局影響的預測[J].應用生態學報，2014,25(12):3381-3389.

[22] Wang Y L. Predicting the potential geographic distribution of crofton weed (Ageratinaadenophora) around the world using Maxent modeling[J]. International Journal of Plant Research, 2012, 25(2):324-335.

[23] 王 偉，田榮榮，那立妍，等.基于MaxEnt生態軟件劃分澳洲堅果的潛在地理適生區[J].林業科學研究，2017,30(3):444-449.

[24] Wong M H G, Li R, Xu M,etal. An integrative approach to assessing the potential impacts of climate change on the Yunnan snub-nosed monkey[J]. Biological Conservation, 2013, 158(2):401-409.

[25] 王東洪.不同種源山桐子冬芽休眠的溫度特性研究[D].鄭州河南農業大學， 2012.

[26] 段居琦，周廣勝.中國雙季稻種植區的氣候適宜性研究[J].中國農業科學，2012，45(2):218-227.

[27] 胡 秀，吳福川，郭 微.基于MaxEnt生態學模型的毛姜花潛在園林引種區預測[J].中國城市林業，2013,11(4):28-31.

GeographicDistributionandRegionalizationofPotentialSuitableCultivatedAreaforIdesiapolycarpa

LIUFu-rong1,2,LUOJian-xun1,YANGMa-jin1

(1. Research Institute of Forestry, Sichuan Academy of Forestry, Chengdu 610081, Sichuan, China ; 2. College of Earth Sciences, Chengdu University of Technology, Chengdu 610059, Sichuan, China)

Idesiapolycarpa; Maxent; geographic distribution; suitable cultivated area

10.13275/j.cnki.lykxyj.2017.06.021

2017-05-05

山桐子高產、高含油良種選育與栽培示范(2015BAD15B02)；四川省科技計劃項目“木本油料突破性新品種選育、育種材料與方法創新”(2016NYZ0035-06)；四川省植物資源共享平臺建設項目(TJPT20160021)

劉芙蓉(1987—)，女，四川成都人，在讀博士.主要研究方向：林業資源遙感.E-mail:liu729103540@163.com

* 通訊作者：羅建勛(1964—)，男，四川成都人，博士，研究員.主要研究方向：林木種質資源和林木遺傳育種.E-mail:jianxunl@163.com

S794

A

1001-1498(2017)06-1028-06

詹春梅)