氣候變化條件下苦參在我國潛在分布區的預測分析

張濤 胡菀 賈天嬌 趙三增 孔丹宇 劉毅

摘 要：為了解氣候變化情景下苦參在中國的潛在分布區變化，探討生物氣候因子與苦參適宜分布格局的關系。該文通過收集苦參的地理分布點并結合19項生態因子，運用最大熵模型（MaxEnt）和地理信息系統（ArcGIS）對末次盛冰期、當前氣候、未來氣候三種氣候情景下苦參在我國適生區的分布格局進行模擬，并分析影響苦參生長的主導生態因子。結果表明：（1）當前氣候條件下，最暖季度平均溫度（bio10）、最濕季度降水量（bio16）是影響苦參分布的主導氣候因子。（2）苦參的適宜生境占我國國土總面積的35.90%，高適生區主要分布在我國800 mm等降水量線與400 mm等降水量線之間的地區。（3）在末次盛冰期至未來氣候情境下，苦參在我國的適宜生境面積逐漸減少，呈現遞減的趨勢，且整體有向高緯度地區移動的趨勢。（4）當前氣候條件下苦參的適宜生境面積較末次盛冰期減少0.3%，未來氣候條件下苦參的適宜生境面積較當前氣候減少0.75%。全球氣候變暖對苦參潛在分布區具有一定負面影響，造成苦參的適宜生境縮減、實際生態位變窄，一定程度上不利于苦參的生長。該研究結果為苦參的野生保育及人工栽培的合理布局提供了理論依據。

關鍵詞： 苦參， MaxEnt， 氣候變化， 生態因子， 潛在分布區

中圖分類號：Q948.2

文獻標識碼：A

文章編號：1000-3142（2022）03-0349-14

Prediction of potential distribution of Sophora flavescens

in China under climate change

ZHANG Tao1， HU Wan1， JIA Tianjiao1， ZHAO Sanzeng2， KONG Danyu1， LIU Yi1*

（ 1. Lushan Botanical Garden， Jiangxi Province and Chinese Academy of Sciences， Lushan 332900， Jiangxi， China;

2. College of Tropical Crops， Hainan University， Haikou 570228， China ）

Abstract：In order to understand the changes of potential distribution of Sophora flavescens in China under the climate change and to explore the relationship between bioclimatic factors and the suitable distribution pattern of S. flavescens， we investigated the distribution pattern of S. flavescens in China under the three climate scenarios （last glacial maximum， current climate， and future climate）， and analyzed the dominant ecological factors affecting the growth of S. flavescens with Maximum Entropy Model （MaxEnt） and Geographic Information System （ArcGIS） by collecting the geographical distribution points of S. flavescens combining with 19 ecological factors. The results were as follows： （1） Under the current climate conditions， the average temperature in the warmest quarter （bio10） and the precipitation in the wettest quarter （bio16） were the dominant climate factors affecting the distribution of S. flavescens. （2） The suitable habitat of S. flavescens accounted for 35.90% of the total land area of China. The optimum areas of S. flavescens were mainly distributed between the 800 mm isopyet and the 400 mm isopyet in China. （3） From the last glacial maximum to the future climate， the suitable habitat area of S. flavescens in China gradually decreased， and showed a trend of moving to high latitude. （4） The suitable habitat area of S. flavescens under the current climate was 0.3% less than that in the last glacial maximum， and the suitable habitat area of S. flavescens under the future climate was 0.75% less than that in the current climate. In conclusion， global warming plays a negative role in the potential distribution area of S. flavescens， and leads to the reduction of suitable habitat and the narrowing of actual niche of S. flavescens， which is not conducive to the growth of S. flavescens to a certain extent. The results of this study provide the theoretical basis for the rational distribution of wild conservation and artificial cultivation of S. flavescens.

Key words： Sophora flavescens， MaxEnt， climate change， ecological factor， potential distribution area

苦參（Sophora flavescens）為豆科（Legumi-nosae）槐屬（Sophora）多年生落葉亞灌木，稀呈灌木狀或草本，別名地槐、白莖地骨、山槐、野槐等（中國科學院中國植物志編輯委員會，1994）。《中國藥典》記載臨床上常以苦參的干燥根入藥，具有清熱燥濕、殺蟲、利尿等功效（國家藥典委員會，2020）。現代藥理學研究表明，苦參具有抗腫瘤、抗心律失常、調節免疫、抗菌、抗病毒等多種藥理活性，特別是對腫瘤細胞有顯著的抑制作用（鐘贛生，2016）。除用于中藥方劑外，苦參還是制藥工業中的常用制劑、日用品、生物農藥和獸藥的主要原料。但是，隨著我國中藥產業的迅速發展，對中藥材的需求量日益增加，野生資源已不能滿足中藥材產業的發展需求。苦參作為常用中藥，用途廣泛， 用量逐年遞增，導致野生苦參資源嚴重匱乏（紀瑛等，2011）。因此，厘清苦參的全國分布格局，分析其生態適宜性意義重大。傳統的資源調查方法雖是開展野外調研，但野外調查獲得的數據不足以充分反映物種的整體分布格局。而藥用植物資源的分布與地理環境有著直接關系，受到諸多環境因子的制約，以及人類活動的影響，是在特定空間下的產物，具有空間信息特征（郭蘭萍等，2005）。物種能夠生存和繁衍后代的所有條件的總和稱為生態位，是定義物種的最小分布單元（喬慧捷等，2013）。生態位模型可利用物種已知的分布數據和相關環境變量，根據統計學的運算方法推算被研究物種的生態需求，將此運算結果投射至不同的空間和時間中用以預測被研究物種的潛在分布（朱耿平等，2013）。

近年來，生態位模型越來越多的應用于入侵生物學、保護生物學、氣候變化對物種分布的影響以及傳染病空間傳播等研究領域中（朱耿平等，2013）。基于不同的理論基礎、基礎數據和分析方式，已開發出許多成熟的生態位模型算法，主要的模型有生物氣候分析系統（BIOCLIM）、生態因子分析模型（ENFA）、基于規則集的遺傳算法模型（GARP）、最大熵模型（MaxEnt）等，其中MaxEnt模型是目前應用最為廣泛的生態位模型。通過對比16種生態位模型的預測能力，結果發現MaxEnt 模型的預測能力最高（Elith et al.， 2006）。MaxEnt模型通過物種的分布數據和環境數據，找出物種分布的最大熵，從而對物種的分布進行預測，相較于其他常見的生態位模型，最大熵模型精度優于其他類型的模型，并且在物種樣本量很小甚至樣本量數據殘缺的情境下，仍具有良好的預測效果和可信度（王運生等，2007;邢丁亮等，2011;車樂等，2014）。該模型的穩定性好且預測的結果與物種的實際分布基本吻合（劉艷梅等，2018）。MaxEnt 模型作為評價物種棲息地生境質量中最常用的模型，被廣泛運用于農作物適宜區預測、動植物潛在生境評價、外來入侵物種風險評估和藥用植物潛在生境分布等眾多研究領域。從魚類（Kim et al.，2020）到兩棲類（黃勇杰等，2017），從昆蟲（Kamel et al.， 2021; Saha et al.， 2021; Ji et al.， 2021）到鳥類（Jha KK & Jha R， 2021），從植物類（Liu et al.， 2021; Boral et al.， 2021; Zeng et al.， 2021）到大型獸類（Rozhnov et al.， 2021; 溫平等， 2021）。從全球的大尺度范圍到物種廊道的小尺度范圍都取得了較好的預測結果。在藥用植物研究領域已被成功運用于如何首烏（Fallopia multiflora）（潘石玉等，2016）、甘遂（Euphorbia kansui） （盧有媛等，2018）、秦艽（Gentiana macrophylla）（檀逸虹等，2020）、京大戟（Euphorbia pekinensis）（裴蘇婷等，2021）等藥用植物的潛在分布預測分析，且預測效果良好。因此，本研究選用MaxEnt 模型來進行氣候變化條件下苦參在我國潛在分布區的模擬。

當前苦參的人工栽培已成為保護苦參野生資源，滿足中藥產業對苦參大量需求的最重要途徑之一，而對苦參進行在全國范圍內生態適宜性區劃的研究尚未見有報道。因此，通過對苦參進行生態位分析，厘清苦參在全國的分布格局，掌握其在全國的生態適宜性分布區域情況，可為苦參種質資源調查、野生種源保護以及分子譜系地理學等研究提供基礎資料。同時，可以在全國范圍內劃分合理的道地產區，指導苦參在全國的產業發展規劃，建立符合GAP標準的苦參原藥材種植基地，實現質量穩定的道地藥材規范化、規模化生產。本研究以中國為研究區域，以苦參為研究對象，選取19個生物氣候因子作為環境變量，依托中國數字標本館（https：//www.cvh.ac.cn/） 收集的苦參分布信息，采用MaxEnt模型和ArcGIS空間分析技術，通過模型模擬預測該物種在三個不同歷史時期的潛在分布區和適宜生境，擬探討以下問題：（1）預測分析苦參的潛在分布區域的時空分布格局;（2）分析苦參潛在適宜分布格局與環境因子之間的聯系;（3）提出苦參在我國范圍內的保護和開發利用的科學依據。

1 材料與方法

1.1 樣本信息

查閱中國數字標本館（https：//www.cvh.ac.cn/） 已收集苦參標本的分布信息，刪除重復和記錄不詳細樣本分布信息，對有經緯度記載的數據直接使用，僅有位置記錄的分布點以最小可查行政單位為準，通過百度地圖坐標拾取工具獲得經緯度數據，在ArcGIS中對獲得的數據進行篩選，一個柵格中只保留一個分布信息，確保分布點間的距離均大于1 km，避免過度擬合造成的誤差，最終獲得725份苦參樣本分布信息，詳見圖1。

1.2 環境數據獲取

本研究使用的三個歷史時期（末次盛冰期、當前時期、未來時期）氣候數據均下載自世界氣候數據庫（WorldClim，http： //worldclim.org） ，包括19 個生物氣候變量（bio1～bio19）（表1）。末次盛冰期選取符合中國氣候類型的CCSM4， 選擇最小分辨率2.5′（5 km×5 km）;當前氣候年份選擇1970—2000（version 2.1）;未來年份選擇2070，未來氣候選取IPCC第5份報告中描述的未來四種氣候變暖情景中代表高排放情景的RCP8.5（高）。當前和未來的氣候圖層分辨率均為30″（1 km × 1 km）。中國底圖下載自國家基礎地理信息系統網站（http：//www.ngcc.cn/ngcc/）。

1.3 MaxEnt 模型設定及評價

MaxEnt建模參數設定：選用MaxEnt軟件（V3.3.3K），隨機測試比例20%，最大迭代次數1 × 104，設置響應曲線、ROC曲線和刀切法。以響應曲線評價生態因子適宜度范圍，以ROC曲線及曲線下面積（即AUC值）評價模型精度，以刀切法檢驗生態因子的權重。

1.4 環境變量篩選

選取模型輸出結果中貢獻率大、權重高的環境變量為主導環境變量。

1.5 生態適宜區劃分采用GIS

首先將建模得到的輸出結果中的ASCII文件通過ArcGIS中的格式轉化工具轉化成柵格文件，然后通過重分類工具將圖層進行重分類，從而進行適生等級的劃分。輸出結果顯示的是不同地區的生境適宜性，用P表示，以概率的形式體現，取值0～1。參考2007年聯合國政府間氣候變化專門委員會（IPCC）第四次評估報告對于不確定性的等級劃分，本文對研究對象在全國的適生等級進行如下劃分：P<0.33為非適生;0.33≤P<0.66為低適生;P≥0.66為高度適生。

2 結果與分析

2.1 MaxEnt 模型預測精度

MaxEnt模型預測精度以ROC曲線下面積（即AUC值）為衡量指標，AUC值越大表明模型預測精度越高。評價標準： 0.5～0.6即模型預測失敗;0.6～0.7較差;0.7～0.8一般;0.8～0.9好;0.9～1非常好。基于苦參725個樣本分布點，利用MaxEnt模型在過去、當前和未來三種氣候模式下對苦參適生區進行預測，結果顯示過去、現在、未來三種情境的氣候條件下，模型運算的測試數據集和訓練數據集的AUC平均值分別為0.858（圖2：A）、0.857（圖2：B）、0.863（圖2：C），表明由MaxEnt模型預測的苦參生態適宜性具有較好的準確度和可信度，可用于苦參潛在適生區分布的研究。

2.2 苦參潛在分布區主導氣候因子

基于刀切法（Jackknife）來檢驗模型運算結果，反映出不同環境變量對于分布增益的貢獻大小。當前氣候條件下19個環境變量的貢獻率排列前11（貢獻率>1%）依次為bio16（最濕季度降水量，mm）、bio10（最暖季度平均溫度，℃）、bio6（最冷月份最低溫度，℃）、bio15（降水量季變異系數）、bio9（最干季度平均溫度，℃）、bio11（最冷季度平均溫度，℃）、bio4（溫度季節性變化標準差）、bio8（最濕季度平均溫度，℃）、bio5（最暖月份最高溫度，℃）、bio14（最干月份降水量，mm）、bio13（最濕月份降水量，mm），累計貢獻率達96.8%（表2）。綜合19個環境變量的相關性分析結果發現，bio16（最濕季度降水量，mm）和bio10（最暖季度平均溫度，℃）是影響當代苦參適宜生境分布的主導氣候因子（累計貢獻率達72.4%），其次是bio6（最冷月份最低溫度，℃）、bio15（降水量季變異系數）、bio9（最干季度平均溫度，℃）、bio11（最冷季度平均溫度，℃）、bio4（溫度季節性變化標準差）、bio8（最濕季度平均溫度，℃）、bio5（最暖月份最高溫度，℃）、bio14（最干月份降水量，mm）、bio13（最濕月份降水量，mm），但貢獻率較前兩個小（表2）。為進一步明確苦參在當前氣候條件下主導氣候因子與存在概率間的關系，分別將前兩個氣候因子導入MaxEnt模型中單獨建模，繪制單變量響應曲線（圖3），隨后計算兩個主導氣候因子的閾值。存在概率大于50%時，最濕季度降水量（bio16）最適宜取值為400～800 mm，最暖季度平均溫度（bio10）值為20～26 ℃。

2.3 氣候變化條件下苦參在中國的適生度分布

在氣候變化背景下，利用MaxEnt模型預測了我國苦參在末次盛冰期、當前氣候、未來氣候（2070）三個適宜性生境分布區域。將建模得到的輸出結果中的ASCII文件通過ArcGIS中的格式轉化工具轉化成柵格文件，繪制不同歷史時期的苦參在全國分布的適生度圖（圖4， 圖5， 圖6），圖中的色帶表示適生度，取值由0至1，適生度取值越大表明該區域苦參適宜分布的概率越大，該區域即為苦參的潛在分布區域。

2.4 氣候變化對我國苦參適宜性生境分布的影響

在氣候變化背景下，利用MaxEnt模型預測了我國苦參在末次盛冰期、當前氣候、未來氣候（2070）三個適宜性生境分布區域。將三個歷史時期的適生度（圖4， 圖5， 圖6）通過重分類工具，對圖層進行如下劃分：P<0.33為非適生區，0.33≤P<0.66為低適生區，P≥0.66為高度適生區，得到三個歷史時期的氣候情境下苦參在全國的適宜性生境分布，如（圖7， 圖8， 圖9）所示，綠色為非適生區、 紫色為低適生區、 紅色為高適生區， 適生區

包括低適生區與高適生區。

根據模型結果，從末次盛冰期開始到未來氣候（2070，RCP8.5）三種氣候情境下，苦參在我國的適宜生境面積逐漸減少，呈現遞減的趨勢，且整體有向高緯度地區移動的趨勢，但變化范圍較小;高適宜生境面積先減少再增加，變化范圍同樣較小。具體情況是（1）末次盛冰期苦參的適宜生境面積占研究區域總面積的36.20%，高適宜生境面積占研究區域總面積的4.22%。（2）當前氣候條件下苦參的適宜生境面積占研究區域總面積的35.90%，較末次盛冰期減少0.3%;當前氣候條件下苦參的高適宜生境面積占研究區域總面積的2.43%，較末次盛冰期減少1.78%。（3）未來氣候條件下苦參的適宜生境面積占我國總面積的35.15%，較當前氣候減少0.75%;未來氣候條件下苦參的高適宜生境面積占研究區域總面積的2.87%，較當前氣候增加0.44%（圖7，圖8，圖9，表3）。

2.5 苦參在全國適宜分布區的面積統計

在ArcGIS中將三個不同歷史時期氣候情境下的適生度重分類，進行幾何計算，統計各圖層的面積。末次盛冰期、當前氣候及未來氣候下的適生總面積分別為348.621 5×105、345.280 1×105、337.867 6 × 105? km2 （表3）。

3 討論與結論

3.1 氣候變化條件下苦參在我國潛在分布區模擬

目前對模型精度評價應用最廣泛的方法是ROC曲線法（AUC法），AUC值被公認為生態位模型評價領域的最佳評價指標。AUC的取值范圍在0.5～1， 值越接近于1，模型精度越高。本研究基于苦參的725個地理分布點和19個氣候因子，采用MaxEnt 模型和地理信息系統（ArcGIS）對苦參在末次盛冰期、當前氣候、未來氣候（2070，RCP8.5）三種氣候情景下在我國的適生區分布格局進行預測。受試者工作特征曲線顯示，三種情境的氣候條件下，MaxEnt 模型訓練集和測試集的AUC平均值均大于0.85，顯著高于隨機預測的AUC值（0.5）。這說明此次模型預測的地理分布與苦參實際分布擬合度較高，擬合效果優秀，預測結果可信度高。

模型結果顯示，從末次盛冰期開始到未來氣候（2070，RCP8.5）三種氣候情境下，苦參的適宜生境區域主要集中分布在我國大興安嶺-張家口-蘭州-拉薩-喜馬拉雅山東南端一線的東南部地區。末次盛冰期至當前氣候情境下，苦參在呼倫貝爾高原和三江平原的適宜生境分布范圍變小，在東北平原和橫斷山脈有向北移動的趨勢。當前氣候情境至未來氣候情境下， 苦參在呼倫貝爾高原、東北平原和長白山區域適宜生境面積向北擴張增加。

當前氣候情境下，高適宜生境區域主要集中分布在遼東半島、 河北東北部與遼寧西南部的燕山區域、河北與山西交接的太行山區域、陜西南部、甘肅西南部、湖北西部、四川和重慶北部等地區;山東中部和膠東半島、江蘇南部、安徽西南部大別山區以及江西中部等地區有零星分布。末次盛冰期至當前氣候情境下，陜北高原、山西中部的呂梁山區和東南部的太行山、中條山和膠東半島、遼東半島等地區的高適宜生境區域減少。當前氣候情境至未來氣候下，燕山和遼東半島區域的高適宜生境分布區向北擴展，大巴山區和鄂西地區的高適宜生境分布區域減少，山東東南部、陜西中部、貴州中部、重慶南部、江西北部、浙江和福建沿海地區以及臺灣北部等地區將發展成為新的高適宜生境分布區域。

模型的模擬結果可以指導以后的實際調研方向和范圍，進一步探索和豐富苦參的現實分布區域。

3.2 氣候變化對苦參潛在分布區域的時空分布格局的影響

氣候變化是人類當前面臨的最為嚴峻的環境問題，政府間氣候變化專門委員會第五次評估報告（intergovernmental panel on climate change，IPCC）指出，相比于1850—1900年，21世紀末全球氣溫增幅可能會超過1.5 ℃，在RCP6.0和RCP8.5情景下，溫度升高可能會超過2 ℃（Alexander， 2013）。氣候變化對植物的生長發育、地理分布及種群數量大小等都將會產生極大的影響（ Alan et al.， 2006）。越來越多的研究發現，氣候變暖可能會導致植物適生區范圍減小（劉洋等，2009），使得植物向高海拔、高緯度地區遷移（ Wardle et al.， 1992;吳軍等，2011） 。然而，氣候變化對不同植物的影響不一致。因此，研究植物對氣候變化的響應對保護生物多樣性具有十分重要的意義。

本研究在氣候變化背景下，利用MaxEnt模型預測了苦參在末次盛冰期、當前氣候、未來氣候（2070，RCP8.5）三個適宜性生境分布區域。根據模型結果，從末次盛冰期開始到未來氣候（2070，RCP8.5）三種氣候情境下，苦參在我國的適宜生境面積逐漸減少，呈現遞減的趨勢，且整體有向高緯度地區移動的趨勢。當前氣候條件下苦參的適宜生境面積較末次盛冰期減少0.3%，未來氣候條件下苦參的適宜生境面積較當前氣候減少0.75%。這可能由于全球氣候變暖，海平面上升，低緯度地區變熱，高緯度地區逐漸變暖，使得原有的較低緯度適生區變成了低適生區或者非適生區，原有的高緯度非適生區域變成了適生區域。全球氣候變暖對苦參潛在分布區具有強烈的影響，暖期讓苦參實際生態位變窄，不利于苦參生存。

氣候變暖情景下，苦參高適生區面積將減少，說明氣候變暖對苦參的擴張有消極影響，使得非適生區域增加。在氣候變暖情境下，可能導致北半球中高緯度地區降水強度增加，同時全國各地區極端高溫指數顯著增加，進而使得苦參的非適生區域增加，高適生區域減少且向高緯度地區移動（趙宗慈等，2008）。這符合苦參喜涼、不耐澇的生物學特性。

預計到21世紀末氣候變暖情景下，中國中西部地區夏季降水量將顯著減少，這導致苦參原本不適宜生長的區域更加不適宜其擴張（梁玉蓮和延曉冬，2016）。這與本研究模型運算得到三種氣候情境下苦參非適生區域面積逐漸增加的結果一致，也與Wardle等（1992）得到的氣候變暖會使得植物向高海拔、高緯度地區遷移的研究結論一致。

3.3 生物氣候因子與苦參適宜分布格局的關系

MaxEnt模型的刀切法檢驗和主導因子響應曲線分析表明，苦參的潛在適生區分布影響較大的氣候因子是最暖季度平均溫度（bio10）、最濕季度降水量（bio16），其最適宜區間分別為20～26 ℃、400～800 mm。可見，溫度和降水量是影響苦參分布的主導因子。溫度和降水作為重要的氣候因子顯著影響著植物的生理生態特征、分布范圍、多樣性和豐富度等。

苦參莖葉和根系均在7、8月份進入快速生長的階段，在8月下旬種子乳熟，隨后進入種子脫水階段，9月上旬種子完全成熟，莢果開裂，種子掉落，完成生殖生長。這一階段正好與我國大部分地區最暖季度重合，而20～26 ℃的最暖季度平均溫度有利于苦參種子的乳熟和脫水，從而影響其在地理尺度上的分布格局。因此，在苦參的生產實踐中，在選取作為選育優質種源的種植基地時要注意當地溫度，應優先選擇最暖季度平均溫度的適宜取值在20～26 ℃之間的地域。

相對于干旱脅迫，苦參植株受澇害影響更嚴重，高溫高濕條件下更容易引起苦參根腐病等病害的發生（張文龍等，2018）。適宜程度的降水可以提供充足的水分供應，促進植物生長。但水分過多卻嚴重阻礙植物生長產生，土壤中過量水分導致土壤透氣性變差，影響根系正常呼吸作用，不利于植物生長發育。同時過多水分引起的高濕度有利于病原體的快速繁殖，形成嚴重病害，威脅苦參的存活，從而影響其在地理尺度上的分布格局 （Xin et al.， 2016）。

我國疆域遼闊，經緯跨度大，地形落差顯著，一些特定的等降水量線反而成為中國自然區劃的重要參考指標。例如：800 mm等降水量線是中國南方濕潤區和北方半濕潤區的重要分界線;400 mm等降水量線將中國劃分為東部濕潤半濕潤區、西部干旱半干旱區兩部分;而200 mm等降水量線以東為半干旱區，以西為干旱區（車彥軍等，2020）。我國降水的時空分布極不均勻，從時間分布上看，夏季降水較多，我國大部分地區夏季降水占全年降水量在40%以上，春、秋季次之，冬季最少;從空間上看東南沿海地區降水豐沛，西北內陸地區降水稀少（肖潺等，2015）。

由模型輸出結果可知，三個歷史時期氣候情境下苦參在我國高適生區主要分布在我國800 mm等降水量線與400 mm等降水量線之間。未來氣候條件下苦參的適宜生境面積較當前氣候減少0.75%，這與未來排放情景下，我國400 mm等降水量線將發生西移和北抬的研究結果相一致（高艷紅等，2020）。因此，在苦參的生產實踐中，在選取高品質藥材的種植基地時要注意當地降水量，尤其要重點關注最濕季度降水量的適宜取值在400～800 mm的地域。

但是，物種存在概率對環境變量的反饋曲線反映的是單一環境變量的作用，苦參生命活動受到各種環境變量（包括氣候因子、天敵種類、植被條件等）的綜合影響，因此，此結果可作為判斷苦參與環境變量之間關系的參考。

3.4 苦參在我國范圍內的保護和開發利用的建議

研究植物分布格局對氣候變化的響應， 了解植物的氣候需求及其與物種地理分布間的關系， 對于揭示物種的形成、遷移和擴散歷史， 提出合理的物種多樣性保護策略及合理利用、生態恢復與建設具有重要意義（王綺等，2020）。科學預測藥用植物適宜分布區，并規劃建立野生種質資源庫、自然保護區，已成為保護藥用植物資源的一種有效保護途徑（Yan et al.， 2020）。

本研究通過模型預測發現，在當前氣候條件下苦參在全國高適宜生境區域主要集中分布在遼東半島、河北東北部與遼寧西南部的燕山區域、河北與山西交接的太行山區域、陜西南部、甘肅西南部、湖北西部、四川和重慶北部等地區;山東中部和膠東半島、江蘇南部、安徽西南部大別山區以及江西中部等地區有零星分布。這些地區為苦參的生態適宜分布區，也是野生苦參資源的重點分布區域，是未來苦參重點保育區。

氣候變暖情景下，當前氣候條件下苦參在我國的適宜生境面積較末次盛冰期減少0.3%，未來氣候條件下苦參的適宜生境面積較當前氣候減少0.75%。未來氣候條件下，受氣候變化影響，四川、重慶、貴州、湖北和江西將成為苦參適宜分布的高風險地區，這些地區的野生苦參資源在未來要加強保護或遷地保育等。

氣候變化情景下，苦參在我國相對穩定的高適生區主要分布在河北西部和東北部山區、內蒙古西南部、遼寧南部等地區，在這些地區合理優化布局等措施，進一步加強保護力度，建立自然保護區，禁止濫采濫挖，同時，建立廣泛的苦參種植和生產加工等基地。

本研究首次在全國范圍內對苦參進行了潛在分布區和適宜生境進行了預測和分析，得出全球氣候變暖對苦參潛在分布區具有一定負面影響的結論，即全球氣候變暖讓苦參適生生境縮減，實際生態位變窄，一定程度上不利于苦參的生長。基于本研究結果，在苦參的生產實踐中，應綜合考慮溫度和降水這兩個生態因子，即在選取作為選育優質種源的種植基地時要注意當地溫度，應優先選擇最暖季度平均溫度的適宜取值在20～26 ℃之間的地域;在選取高品質藥材的種植基地時要注意當地降水量，尤其要重點關注最濕季度降水量的適宜取值在400～800 mm的地域。

參考文獻：

ALAN PJ， BUSTAMANTE MR， COLOMA LA， et al.， 2006. Widespread amphibian extinctions from epidemic disease driven by global warming [J]. Nature， 439： 161-167.

ALEXANDER L， ALLEN S， LEEBINDOFF N， 2013. Climate Change 2013： The Physical Science Basis [M]//STOCKER TF， QIN D，? PLATINER GK， et al. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge， United Kingdom： Cambridge University Press： 5-6.

BORAL D， MOKTAN S， 2021. Predictive distributionmodeling of Swertia bimaculata in Darjeeling-Sikkim Eastern Himalaya using MaxEnt： current and future scenarios[J]. Ecol Proc， 10（1）： 1-16.

Editorial Committee of Flora of China， Chinese Academy of Sciences， 1994. Flora Republicae Popularis Sinicae （Vol. 40） [M]. Beijing： Science Press： 81-82. [中國科學院中國植物志編輯委員會， 1994. 中國植物志（第四十卷）[M]. 北京： 科學出版社： 81-82.]

ELITH J， GRAHAM CH， ANDERSON RP， et al. ， 2006. Novel methods improve prediction of species’ distributions from occurrence data[J]. Ecography， 29（2）： 119-151.

GAO YH， XU JW， ZHANG M， et al.， 2020. Advances of the 400 mm isohyet and wetness and dryness changes in the mainland of China[J]. Adv Earth Sci， 35（11）： 1101-1112. [高艷紅， 許建偉， 張萌， 等， 2020. 中國400 mm 等降水量線和干濕變化研究進展[J]. 地球科學進展. 35（11）： 1101-1112.]

GUO LP， HUANG LQ， JIANG YX， 2005. Application of “3S” technologies in continuous usage of traditional Chinese medicine resources [J]. Chin J Chin Mat Med， 30（18）： 1397-1400. [郭蘭萍， 黃璐琦， 蔣有緒， 2005. “3S”技術在中藥資源可持續利用中的應用[J]. 中國中藥雜志， 30（18）： 1397-1400.]

HUANG YJ， LU JB， WANG FT， 2017. Predicting the potential geographical distribution of Hainan Odorous Frog （Odorrana hainanensis） in Hainan Province by MaxEnt[J]. Chin J Zool， 52（1）： 30-41. [黃勇杰， 盧佳斌， 王鋒堂， 等， 2017. 基于MaxEnt模型預測海南島海南臭蛙的潛在地理分布[J]. 動物學雜志， 52（1）： 30-41.]

JHA KK， JHA R， 2021. Study of vulture habitat suitability and impact of climate change incentral India Using MaxEnt[J]. J Resour Ecol， 12（1）， 30-42.

JI W， GAO G， WEI JF， 2021. Potential global distribution of Daktulosphaira vitifoliae under climate change based on MaxEnt [J]. Insect， 12（4）： 347.

JI Y， DU YB， WANG B， et al.， 2011. Study on growth dynamics of Sophora flavescens from different germplasm sources [J]. Pratac Sci， 28 （5）： 802-806 [紀瑛， 杜彥斌， 王斌， 等， 2011. 不同來源地苦參生長動態的研究[J]. 草業科學， 28（5）： 802-806.]

JU L， CAO B， BAI CK， et al.， 2014. Predictive distribution and habitat suitability assessment of Notholirion bulbuliferum based on MaxEnt and ArcGIS [J]. Chin J Ecol， 33（6）： 1623-1628. [車樂， 曹博， 白成科， 等， 2014. 基于MaxEnt和ArcGIS對太白米的潛在分布預測及適宜性評價[J]. 生態學雜志， 33（6）： 1623-1628.]

JU YJ， GUAN XC， WANG SJ， et al.， 2020. Spatial analysis of annual precipitation lines of 800 mm in the eastern monsoon of China[J]. Plateau Meteorl， 39（5）： 997-1006. [車彥軍， 管小春， 王世金， 等， 2020. 中國東部季風區800 mm等降水量線的空間變化分析[J]. 高原氣象， 39（5）： 997-1006.]

KAMEL M， BREAM AS， MOURSY MM， et al.， 2021. Predicting the geographic distribution habitats of Schizomyia buboniae （Diptera： Cecidomyiidae） and its host plant Deverra tortuosa （Apiaceae） in Egypt by using MaxEnt modeling[J]. J Basic Appl Zool， 82（1）： 1-13.

KIM Z， SHIM T， KOO YM， et al.， 2020. Predicting the impact of climate change on freshwater fish distribution by incorporating water flow rate and quality variables[J]. Sustainability， 12（23）： 10001.

LIANG YL， YAN XD， 2016. Prediction of climate change over China and uncertainty analysis during the 21st Century under RCPs [J]. J Tropical Meteorol， 32（2）： 183-192. [梁玉蓮， 延曉冬， 2016. RCPs情景下中國21世紀氣候變化預估及不確定性分析[J]. 熱帶氣象學報， 32（2）： 183-192.]

LIU L， GUAN LL， ZHAO HX， et al.， 2021.Modeling habitat suitability of Houttuynia cordata Thunb （Ceercao） using MaxEnt under climate change in China[J]. Ecol Inform， 2021， 63： 101324.

LIU YM， ZHOU SD， XIE DF， et al.， 2018. Potential distribution of? Fritillaria unibracteata predicted by the MaxEnt model[J]. Guihaia， 38（3）： 352-360. [劉艷梅， 周頌東， 謝登峰， 等， 2018. 基于最大熵模型（MaxEnt）預測暗紫貝母的潛在分布[J]. 廣西植物， 38（3）： 352-360.]

LIU Y，ZHANG J， YANG WQ， 2009. Responses of alpine biodiversity to climate change[J]. Biodivers Sci， 17（1）： 88-96.[劉洋， 張健， 楊萬勤， 2009. 高山生物多樣性對氣候變化響應的研究進展[J]. 生物多樣性， 17（1）： 88-96.]

LU WH， 1959. Study on materia medica of? Sophora flavescens [J]. J Chengdu Coll Traditional Chin Med， （3）： 49-53. [陸聞鴻， 1959. 苦參的本草學研究[J]. 成都中醫學院學報， （3）： 49-53.]

LU YY， GUO S， YAN H， et al.， 2018. Ecological suitability study on Euphorbia kansui[J]. Mod Chin Med， 20（12）： 1471-1475. [盧有媛， 郭盛， 嚴輝， 等， 2018. 甘遂生態適宜性區劃研究[J]. 中國現代中藥， 20（12）： 1471-1475.]

National Pharmacopoeia Commission， 2020. Pharmacopoeia of the People’s Republic of China （Volume I， 2020 Edition） [M]. Beijing： China Pharmaceutical Science and Technology Press： 211-212. [國家藥典委員會， 2020. 中華人民共和國藥典（2020年版一部）[M]. 北京： 中國醫藥科技出版社： 211-212.]

PAN SY， ZHU ZH， YAO TH， et al.， 2016. Predicting suitable habitats of medicinal plant Fallopia multiflora in China under climate change scenarios[J]. J NW A & F Univ （Nat Sci Ed）， 44（1）： 192-198. [潘石玉， 朱志紅， 姚天華， 等， 2016. 氣候變化背景下藥用植物何首烏在中國適生區分布預測[J]. 西北農林科技大學學報（自然科學版）， 44（1）： 192-198.]

PEI ST， ZHANG H， ZHANG PF， et al.， 2021. Study on ecological suitability of Euphorbiae Pekinensis Rupr. [J]. Chin J Inf Tradit Chin Med， 28（5）： 1-4. [裴蘇婷， 張虹， 章鵬飛， 等， 2021. 京大戟生態適宜性區劃研究[J]. 中國中醫藥信息雜志， 28（5）： 1-4.]

QIAO HJ， HU JH， HUANG JH， 2013. Theoretical basis， future directions， and challenges for ecological nichemodels [J]. Sci Sin （Vitae）， 43（11）： 915-927. [喬慧捷， 胡軍華， 黃繼紅， 2013. 生態位模型的理論基礎、發展方向與挑戰[J]. 中國科學： 生命科學， 43（11）： 915-927.]

ROZHNOV VV， PSHEGUSOV RH， HERNANDEZ-BIANLO JA， et al.， 2021. MaxEnt modeling for predicting suitable habitats in the North Caucasus （Russian Part） for Persian Leopard （P. p. ciscaucasica） based on GPS data from collared and released animals[J]. Izv， Atmos Oceanic Phys， 56（9）： 1090-1106.

SAHA A， RAHMAN S， ALAM S， 2021. Modeling current and future potential distributions of desert locust Schistocerca gregaria （Forskl） under climate change scenarios using Maxent. [J]. J Asia-Pac Biodivers （prepublish）， 14： 399-409.

TAN YH， ZHANG XJ， YUAN SS， et al.， 2020. Prediction of the ecological suitability of Gentiana macrophylla Pall. under scenarios of global climate change [J]. Chin J Ecol， 39（11）： 3766-3773. [檀逸虹， 張喜娟， 原樹生， 等， 2020. 全球氣候變化背景下秦艽生態適宜性預測[J]. 生態學雜志， 39（11）： 3766-3773.]

WEN P， PENG K， CHEN X， et al.， 2021. Habitat suitability evaluation of four ungulate species in BaishuiheNational Nature Reserve based on maxent model[J]. J Sichuan For Sci Technol， 42（1）： 70-75. [溫平， 彭科， 陳旭， 等， 2021. 基于MaxEnt模型的白水河國家級保護區有蹄類保護動物生境適宜性評價[J]. 四川林業科技， 42（1）： 70-75.]

WANG Q， FAN BG， ZHAO GH， 2020. Prediction of potential distribution area of Corylus mandshurica in China under climate change[J]. Chin J Ecol， 39（11）： 3774-3784. [王綺， 樊保國， 趙光華， 2020. 氣候變化下毛榛在中國的潛在適生區預測[J]. 生態學雜志， 39（11）： 3774-3784.]

WANG YS， XIE BY， WAN FH， et al.， 2007. Application of ROC curve analysis in evaluating the performance of alien species’ potential distribution models[J]. Biodivers Sci， 15（4）： 365-372. [王運生， 謝丙炎， 萬方浩， 等， 2007. 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， 15（4）： 365-372.]

WARDLE P， COLEMAN MC， 1992. Evidence for rising upper limits of four native New Zealand forest trees [J]. New Zealand J Bot， 30： 303-314.

WU J， XU HG， CHEN L， 2011. A review of impacts of climate change on species[J]. J Ecol Rural Environ， 27（4）： 1-6. [吳軍， 徐海根， 陳煉， 2011. 氣候變化對物種影響研究綜述[J]. 生態與農村環境學報， 27（4）： 1-6.]

XIAO C， YU RC， YUAN WH， et al.， 2015. Spatial and temporal differences characteristics of the rainy season of mainland China [J]. Acta Meteorol Sin， 73 （1）： 84-92. [肖潺， 宇如聰， 原韋華， 等， 2015. 中國大陸雨季時空差異特征分析[J]. 氣象學報， 73（1）： 84-92.]

XIN XF， NOMUR K， AUNG K， et al.， 2016. Bacteria establish an aqueous living space in plants crucial for virulence[J]. Nature， 539， 524-529.

XING DL， HAO ZQ， 2011. The principle of maximum entropy and its applications in ecology[J]. Biodivers Sci， 19（3）： 295-302. [邢丁亮， 郝占慶， 2011. 最大熵原理及其在生態學研究中的應用[J]. 生物多樣性， 19（3）： 295-302.]

YAN HY， FENG L， ZHAO YF， et al.， 2020. Prediction of the spatial distribution of Alternanthera philoxeroides in China based on ArcGIS and MaxEnt[J]. Glob Ecol Conservation， 21： 1-8.

ZENG JR， LI CM， LIU JZ， et al.， 2021. Ecological assessment of current and future Pogostemon cablin Benth. potential planting regions in China based on maxent and ArcGIS models [J]. J Appl Res Med Aromat Plants （prepublish）， 24（9）： 100308.

ZHANG WL， DU FQ， HUANG XL， et al.， 2018. The outbreak regularity and control methods of the main diseases and insect pests for artificially planted Sophora flavescens [J]. Lishizhen Med Mat Med Res， 29 （9）： 2241-2243 [張文龍， 杜富強， 黃旭龍， 等， 2018. 貴州特色藥材苦參人工栽培常見病蟲害發生規律及防治措施[J]. 時珍國醫國藥， 29（9）： 2241-2243.]

ZHAO ZC， LUO Y， JIANG Y， et al.， 2008. Assessment and prediction of precipitation and droughts/floods changes over the world and in China[J]. Sci Technol Rev， （6）： 28-33. [趙宗慈， 羅勇， 江瀅， 等， 2008. 全球和中國降水、旱澇變化的檢測評估[J]. 科技導報， （6）： 28-33.]

ZHONG GS， 2016. Traditional Chinese medicine [M]. 4th ed. Beijing： China Traditional Chinese Medicine Press： 98 . [鐘贛生， 2016. 中藥學 [M]. 4版. 北京： 中國中醫藥出版社： 98.]

ZHU GP， LIU GQ， BU WJ， et al.， 2013. Ecological niche modeling and its applications in biodiversity conservation [J]. Biodivers Sci， 21（1）： 90-98. [朱耿平， 劉國卿， 卜文俊， 等， 2013. 生態位模型的基本原理及其在生物多樣性保護中的應用[J]. 生物多樣性， 21（1）： 90-98.]

（責任編輯 蔣巧媛）

收稿日期：2021-09-09

基金項目：國家自然科學基金（41961009）[Supported by National Natural Science Foundation of China（41961009）]。

第一作者： 張濤（1988-），碩士，助理研究員，主要從事藥用植物種質資源保護與開發利用研究，（E-mail）zhangtao361@126.com。

通信作者：劉毅，博士，副研究員，主要從事藥用與功能植物學研究，（E-mail）yiliu609@outlook.com。