基于生態位模型的青海省醉馬草的潛在分布區研究

王文婷

摘要：采用最近鄰體距離法和相關性分析分別選取樣本數據和環境變量，并應用最大熵方法（ Maxent）建立生態位模型，分析了影響醉馬草潛在分布的主要環境因素，預測了醉馬草在青海省的潛在分布區域。結果表明：等溫性、最潮濕季節的平均溫度、年平均降水量和季節性降水量對醉馬草的潛分布影響較大;醉馬草在青海省有廣泛的潛在分布區，主要分布在青海湖附近和黃河流域。雖然目前醉馬草的現實分布區遠小于潛在分布范圍，但其具有相當大的擴散空間，應高度重視醉馬草的危害性，嚴格監控其向潛在適生區域擴散蔓延。

關鍵詞：生態位模型;醉馬草;潛在分布區;最大熵模型

中圖分類號：Q948.13

文獻標識碼：A

文章編號：1674-9944（2018）4-0001-03

1 引言

醉馬草（Ach，natherum inebrians）為禾本科芨芨草屬草本植物，常見于海拔較高的草原上，主要分布在新疆、青海、甘肅、寧夏、四川和內蒙古等省區[1]，是一種常見的草原毒雜草[2]。由于其具有抗高寒、耐干旱等優勢，在我國的各大草場廣泛分布，特別是在退化的草地中蔓延日益嚴重[3]。醉馬草又常常被稱為“瘋草”，是因為具有麻痹牲畜中樞神經的特性，所以醉馬草對我國的畜牧業也造成了巨大的損害。青海省位于中國西部，青藏高原的東北部，屬于畜牧業用地面積大，農業耕地少、林地比重低的地區。因此，預測醉馬草在青海省的潛在分布區，進一步對其進行監控和防治對于草原畜牧業的可持續發展具有重要的意義。

生態位模型是利用物種分布數據和相關環境變量，根據一定的算法可以預測物種的潛在分布區，已被廣泛應用保護生物學、進化生物學、全球氣候變化對物種分布的影響等[4，5]。近年來，由于統計技術、機器學習技術和地理信息系統進一步強大，生態位模型的模擬方法層出不窮，其中最大熵（ Maxent）的方法在只有物種記錄點，甚至樣本很小的情況下也能較好的預測物種的潛在分布區[6]。本研究將采用最大熵方法，分析影響醉馬草分布的主要環境變量，并預測其在青海省的潛在分布區，最后探討如何控制醉馬草對青海草地的危害。

2 材料和方法

2.1 物種分布數據與環境變量

從中國植物數字標本館中找到醉馬草在青海省的54個分布數據的記錄。為了避免由于地理聚集導致的空間自相關性，研究采用最近鄰體距離法篩選樣本數據，即在12 km內只保留一點，最后用于模擬的數據點一共41個。

從WorldClim環境數據庫中下載了分辨率為2.5的當前環境變量（即1950 - 2000年的生態氣候平均值）。通過相關性分析，去除相關性大于0.8的環境變量，最后保留的Bi0 03，Bi0 06，Bi0 08，Bi0 12，Bi0 15（見表1）。

2.2 生態位模型

醉馬草的生態位模型是通過將醉馬草的41個分布記錄數據和5個生物氣候變量導人Maxent 3.3.3e中進行模擬，將分布點隨機選取30%作為測試數據（testingdata），其余的70%為訓練數據（training data），交叉校驗（ cross - validation procedures）模擬20次用于降低模擬過程中隨機性造成的影響。最后將20次結果的平均值以柵格文件通過ARCGIS9.3輸出，每個柵格的值代表物種在該區域對環境適應生存的概率，值域為[0，1]。

2.3 模型的精度驗證

通過AUC值對模型精度進行檢驗，即接受者操作特性曲線（ROC曲線）與橫坐標所圍成的面積的值，值域為[0.5，1]。ROC曲線是以實際和預測同時存在的比率（即擊中概率）為縱軸，只存在于預測中而實際上不存在的比率（即虛驚概率）為橫軸所組成的坐標圖。所以AUC的值越大，表示預測的物種分布與隨機分布相差越大，其與環境變量之間的相關性也越高，即模型的模擬效果越好;反之表示模擬的效果越差[7]。如果AUC值在0.5～0.6之間，表示模型模擬結果失敗;在0.6～0.7之間表示模擬效果較差;在0.7～0.8之間表示效果一般;在0.8～0.9之間表示效果較好;在0.9～1之間表示效果很好[8]。

3 結果與分析

3.1 影響醉馬草分布的環境變量分析

生態位模型模擬結果顯示，隨著等溫性（ Bio_03）和年平均的降水量（Bio_12）的增高，醉馬草的潛在分布概率先增大然后減小（圖la，d）。等溫性的值大約等于35時或年平均降水量達到400 mm時，分布概率將分別達到峰值。隨著最潮濕季度的平均溫度（Bio_08）和季節性降水（Bio_15）的增高，醉馬草的潛在分布概率首先急速增高隨之增長速率減緩（圖lc，e）。曾有文獻報道醉馬草一般生長在降雨量為200～300 mm的地區[9]，萌發最佳溫度為20℃[10]，我們的研究表明年平均降水量達到400 mm，最潮濕季度的溫度達到20℃時，醉馬草的潛在分布概率將達到90%以上。然而，最冷月的最低溫（ Bio_06）的變化對醉馬草的潛在分布概率沒有顯著的影響（圖lb），這一結論與醉馬草抗高寒的特性是一致的。

3.2 醉馬草在青海省的潛在分布區的預測

使用青海矢量地圖作底圖，采用ArcGIS對醉馬草的分布區進行掩膜提取，然后利用Spatial Analyst模塊的Reclassify功能，基于Natural Breaks分級的方法[7]，按照醉馬草潛在分布概率將其分布區分為5個等級，概率在0.0～0.2之間為不適合生存區域、在0.2～0.4之間為適合生存的邊緣區域、在0.4～0.6之間為低存活率區域、而0.6 - 0.8為適應生存區域，當概率達到0.8～1.0區域成為醉馬草泛濫的高危區。由圖2可以看出青海省的醉馬草基本分布在32°～38.5°N和93°～103°E之間的區域。其中高危區和適應生存區主要分布青海省東部區域，介于101°～103°E之間，在青海的西寧周邊區域。這一區域臨近青海湖，依賴黃河水源，草地資要分布青海省中南部地區;低存活率區域零星的分布在邊緣區之中，面積較小。

3.3 精度測評

生態位模型模擬20次的AUC平均值為0.88，標準差為0.17，模型對醉馬草中國潛在分布區的預測效果較好。

4 討論和小結

本研究對青海省醉馬草的潛在分布區域進行定量直觀地預測。結果顯示醉馬草在青海省的潛在分布區域主要集中在青海湖附近和黃河流域，雖然目前醉馬草的分布范圍遠小于潛在的適生區域，但是入侵潛力還是很大。由于醉馬草有耐干旱的特性，在干旱的地區比牧草更容易生存，與牧草競爭更具優勢，導致大量的牧場退化，對畜牧業造成了重大損失。盡管現在醉馬草在青海省僅僅是局域性的分布，但是預測結果顯示其潛在可擴散生存的區域相當廣泛，幾乎達到青海省總面積的1/2，因此醉馬草的潛在危害不容忽視。特別是近年來，青海湖流域草地總體呈退化趨勢[11]，所以青海省應作為防止醉馬草擴散的重點保護地區，對醉馬草可能會發生的區域給予高度重視，做好嚴密的防范措施，以阻止其擴散到更大的面積。

本研究由于沒有研究區域土壤類型、地形變量和植被分布等因素的相應數據，所以在模擬過程通過相關性分析篩選出3個溫度因素（即等溫性、最冷月份的最低溫度和最潮濕季度的平均溫度）和2個降水量因素（即年平均降雨量和季節性降雨量），只研究其對醉馬草的影響。此外，醉馬草樣本記錄數據只是單一的從CVH上獲取，數量較少且具有一定的局限性。如果能夠綜合所有對醉馬草生存有影響的因素，并具有完備的樣本記錄數據，生態位模型模擬將會得到更加準確的預測結果。在上述關于醉馬草潛在分布區域的預測中所產生的各種數據都只是一種模擬推測，并不是由實地考察產生的，但是本研究結果對醉馬草防控策略的制定可提供一定的參考。

參考文獻：

[1]李春杰，高嘉卉，馬斌.我國醉馬草的幾種病害[J].草業科學，2003，21（11）：51～53.

[2]陳為江，王光雷，劉金定.絨山羊醉馬草中毒的治療[J].草食家畜，2013（1）：67～68.

[3]李學森，任繼生.醉馬草生態控制的研究[J].草業學報，1996（2）：14～17.

[4]Albright T P，Chen H， Chen L，et alI The ecological niche andreciprocal prediction of the disjunct distribution of an invaslve species： the example of Ailanthus altissima [J]. Biological Invasions，2010（12）：2413～2427.

[5]Peterson AT.Predicting the geography of species'invasions via ec-ological niche modeling[J]. Quarterly Review of Biology， 2003（78）：419～433.

[6]Phillips S J.Anderson， R.P.， Schapire， R.E.. Maximum entropymodeling of species geographic distributions[J]. Ecological Mod-elling， 2006（190）：231～259.

[7]張穎，李君，林蔚，等.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[J].應用生態學報，2011，22（11）：2970～2976.

[8]Swets J A.Measuring the accuracy of diagnostic systems [J].Sci-ence，1988（240）：1285～1293.

[9]薩赫都拉·霍曼，醉馬草及其防治措施[J]。草業科學，1992，9（5）：36～37.

[10]魚小軍，陳本建，師尚禮，等.馬燕玲溫度和水分對醉馬草種子萌發的影響[J].草地學報，2009，17（2）：218～221.

[11]童李霞，燕琴，駱成風，等.青海湖流域草地時空變化特征初探[J].青海草業，2017，26（3）;7～12.