基于MaxEnt模型與ArcGIS的線葉薊生態適宜性區劃研究

方虎強 ，章鵬飛 ，何兵 ，徐少偉 ，徐騰 ，董昌武 ，楊青山，

1.安徽中醫藥大學藥學院，安徽 合肥 230012； 2.安徽中醫藥大學第二附屬醫院，安徽 合肥 230061；3.中藥研究與開發安徽省重點實驗室，安徽 合肥 230012； 4.安徽省中醫藥科學院中藥資源保護與開發研究所，安徽 合肥 230012； 5.安徽道地中藥材品質提升協同創新中心，安徽 合肥 230012

線葉薊為菊科薊屬植物線葉薊Cirsium lineare(Thunb.) Sch.-Bip.的干燥全草或根，秋季采收，鮮用或切片曬干[1]，具有活血散瘀、消腫解毒功效[2]，臨床主要用于月經不調、閉經、痛經、赤白帶、尿路感染、跌打損傷、乳腺炎、癤癰、神經性皮炎及毒蛇咬傷等[3]。線葉薊主要分布在安徽、浙江、四川、福建、臺灣、江西等地[4-6]，生長于海拔400～2 000 m山坡草地、路旁及灌叢[7]。目前，線葉薊人工種植尚未形成規模，部分地區亂采濫挖現象嚴重，使野生品種資源流失。故研究線葉薊潛在適宜分布區有利于規范產地種植，提高藥材質量，切實解決中藥材產地種植中的實際問題[8]。

最大熵（MaxEnt）、Maxlike等多種建模方法結合地理信息系統軟件ArcGIS廣泛用于評估氣候環境對物種潛在分布的影響[9-10]。MaxEnt模型以MaxEnt理論為基礎，常用于評估物種密度和預測其在某地區的潛在分布[11-12]，即從符合條件的已知分布中選取熵值最大的預測分布作為模型運行的最優解，并建立物種分布和約束條件（環境因子）的相互關系[13]。本研究對線葉薊在全國范圍內的潛在適宜性分布進行研究和評價，分析影響線葉薊野生資源分布的主要生態因子，為線葉薊人工栽培馴化、野生資源保護及開發利用提供參考。

1 資料與方法

1.1 樣點分布數據采集

通過中國數字植物標本館（http://www.cvh.ac.cn）獲得線葉薊分布數據402條，另有37條數據來源于第四次全國中藥資源普查。為避免造成實驗結果過度擬合，按照1 km×1 km網格進行篩選，刪除重復或經緯度相近的分布點，共獲得線葉薊樣點分布數據248條，樣點分布見圖1。將數據轉換為經緯度坐標，按MaxEnt軟件要求保存為.csv格式文件。

圖1 線葉薊樣點分布

1.2 生態因子及地圖獲取

本研究使用的55個生態因子（見表1）來源于中藥資源空間信息網格數據庫（http://www.tcmresources.com/），包含氣候、地形和土壤類型等數據，根據1950－2000 年氣象觀測數據插值而成，分辨率1 km。在國家基礎地理信息中心網站（http://nfgis.nsdi.gov.cn/）下載1：400萬中國地圖及行政區劃圖。

表1 55個生態因子信息

1.3 模型構建

將線葉薊地理分布數據與55個生態因子信息導入MaxEnt3.4.3，選擇25%的數據作為測試集，75%的數據作為訓練集，最大迭代次數106，設置響應曲線評價生態因子適宜度范圍、受試者工作特征（ROC）曲線及曲線下面積（AUC）評價模型精度、刀切法檢驗相關生態因子貢獻權重，軟件運行結果以Logistic格式輸出，運行5次，舍去運算結果中貢獻率為0的生態因子，運算結束后結合刀切法選擇貢獻率≥0.1%的生態因子作為環境變量組，對線葉薊分布適宜性進行預測。

1.4 適生度等級劃分

將MaxEnt運算得出的最終預測結果輸出格式為ASCⅡ柵格圖層，在ArcGIS中導入線葉薊在全國范圍的適生分布地區、分布指數（P），疊加中國行政區劃圖。基于正態分布參數均值（μ）、標準差（δ）和樣本分布點的最小適生度（0），根據P值將線葉薊分布區域劃分為4 個等級：非適生區（P＜μ-δ），低度適生區（μ-δ≤P＜0.25），中度適生區（0.25≤P＜0.5），高度適生區（P≥0.5）。

2 結果

2.1 模型精度分析

使用ROC曲線評估模型精度，AUC值越大模型精度越高：1＞AUC≥0.9，模型預測精度高；0.9≥AUC＞0.8，模型預測精度較高；0.8≥AUC＞0.7，模型預測精度一般；0.7≥AUC＞0.6，模型預測精度較差；AUC＜0.6，模型預測無效[14-15]。模型評價結果表明，訓練集AUC=0.968，測試集AUC=0.947，標準差（SD）=0.006，表明模型擬合效果較好，潛在分布區預測具有較高精度，能有效反映線葉薊在全國潛在分布情況。見圖2。

圖2 線葉薊生態分布預測ROC曲線

2.2 主導生態因子篩選及貢獻率

根據MaxEnt模型計算結果，影響線葉薊潛在分布的主要生態因子（貢獻率）依次為：11 月降水量（61.3%）、最暖季平均溫（8.0%）、植被類型（5.0%）、土壤類型（4.1%）、坡度（2.7%）、土壤含黏土量（2.5%）、5 月平均氣溫（2.4%）、9 月平均氣溫（1.8%）、3月降水量（1.7%）、等溫性（1.5%）、最暖月最高溫（1.5%），見表2。采用刀切法檢驗各生態因子的預測能力，4月降水量、11月降水量、3月降水量、10月降水量、5月降水量、最干月降水量、植被類型、9月平均氣溫、4月平均氣溫、9月降水量、8月平均氣溫、5月平均氣溫、土壤類型、7月平均氣溫和最暖季平均溫貢獻度較高，見圖3。結合二者結果，最終確定影響線葉薊潛在分布的主導生態因子有11月降水量、3月降水量、5月平均氣溫、9月平均氣溫、最暖季平均溫、植被類型、土壤類型。

表2 影響線葉薊分布主要生態因子及其貢獻率

圖3 線葉薊生態分布預測模型刀切圖

2.3 適生度等級分析

根據適生度等級劃分方法進行運算，按照所設閾值進行重分類可得：非適生區（P＜0.08），低度適生區（0.08≤P＜0.25），中度適生區（0.25≤P＜0.5），高度適生區（P≥0.5）。從全國潛在分布來看，線葉薊高度適生區主要集中在浙江、重慶、廣西東北部、四川東部、湖北西北部和東部；中度適生區為湖南西北部和東部、貴州西南部和東部、臺灣東北部、河南南部；低度適生區主要集中在湖南中部、四川中部、廣西西部和中部、河南中部、廣東南部。見圖4。

圖4 線葉薊適生區分布

3 討論

本研究基于MaxEnt結合ArcGIS預測線葉薊在我國潛在分布區，模型評價所得訓練集、測試集AUC值均大于0.9，由此判斷該模型精度高、擬合效果好。線葉薊潛在適生分布區與《中國植物志》記載的地區有較高重疊性，且預測的潛在分布區比實際記錄的范圍更廣，表明線葉薊野生資源蘊藏量豐富、可人工栽培馴化的面積更廣。同時與第四次全國中藥資源普查獲得的信息比較，發現其分布區向南北均有所擴大，所采集的分布點超過《中國植物志》記載的分布省份。

根據模型預測結果可知，11月降水量、3月降水量等是影響線葉薊潛在分布的主要生態因子。其次是5月平均氣溫、9月平均氣溫、最暖季平均溫3個與溫度相關的生態因子。說明線葉薊生長更依賴降水和溫度變量。結合第四次全國中藥資源普查線葉薊分布數據和中國數字植物標本館線葉薊標本采集信息，可知線葉薊主要分布于我國西南東部，華中、華南北部，華東南部等地區，這些地區處于亞熱帶，氣溫較高，降水豐富，能提供線葉薊生長的良好生境。除氣候類型、土壤類型、地形、植被類型外，二氧化碳濃度、流域及生物因子也是影響物種適宜性的重要因素，應用的環境因子不全面會導致模型預測結果出現偏差。因此，適當組合多類型變量用于生境適宜性模擬，可以提高該模型的總體精度，使結果更加準確真實[16]。

綜上，本研究從理論上預測線葉薊在全國范圍內的潛在分布區和影響其分布的主導生態因子，為線葉薊野生資源開發及人工栽培馴化奠定了一定理論基礎。在今后產業化種植中，可以參考線葉薊潛在分布地區的環境參數及其他影響因素，定向選擇種植基地。筆者在野外考察中還發現，大薊、線葉薊等薊屬植物花序易受蟲害侵襲，故在人工馴化栽培時應注意蟲害防治[17]。在本研究基礎上，可以結合不同產地線葉薊的藥材質量，進一步分析環境因子對其品質的影響。