基于最大熵(MaxEnt)模型預(yù)測(cè)黃花刺茄、假高粱及毒麥在我國(guó)的適生區(qū)

摘要：為制定毒性雜草管理策略并為我國(guó)糧食安全和風(fēng)險(xiǎn)預(yù)警等提供科學(xué)依據(jù)，利用MaxEnt模型研究黃花刺茄、假高粱、毒麥目前在我國(guó)的時(shí)空分布規(guī)律及其主要生態(tài)影響因子，并預(yù)測(cè)其未來（2050、2070年）不同氣候下在我國(guó)分布的變化趨勢(shì)。結(jié)果表明，歷史氣候下，黃花刺茄受最冷季節(jié)降水量、氣溫季節(jié)性變化、年平均氣溫影響，適生區(qū)主要集中在我國(guó)東北和西北地區(qū)，適生區(qū)總面積為3.05×106 km2，2050、2070年RCP 2.6氣候下與歷史氣候下相比適生區(qū)總面積有縮小的趨勢(shì)，2050、2070年RCP 8.5氣候下的適生區(qū)面積大于RCP 2.6氣候下的適生區(qū)面積。假高粱在歷史氣候下受最暖季節(jié)降水量、最濕月降水量、日均溫、最熱季節(jié)平均氣溫影響，適生區(qū)主要集中在東南地區(qū)，適生區(qū)總面積為1.63×106 km2，在2050年適生區(qū)面積縮小，2070年適生區(qū)有擴(kuò)大的趨勢(shì)。毒麥在歷史氣候下受最暖季節(jié)降水量、氣溫季節(jié)性變化的影響，適生區(qū)面積主要集中在我國(guó)東北和東南地區(qū)，在未來氣候下適生區(qū)面積有縮小的趨勢(shì)。

關(guān)鍵詞：毒性雜草；MaxEnt模型；黃花刺茄；假高粱；毒麥；生態(tài)因子；時(shí)空分布；適生區(qū)

中圖分類號(hào)：Q948.13；S451；Q94-332" 文獻(xiàn)標(biāo)志碼：A" 文章編號(hào)：1003-935X（2024）02-0044-13

閆文靜，朱學(xué)慧，朱玉永. 基于最大熵（MaxEnt）模型預(yù)測(cè)黃花刺茄、假高粱及毒麥在我國(guó)的適生區(qū)［J］. 雜草學(xué)報(bào)，2024，42（2）：44-56.

doi：10.19588/j.issn.1003-935X.2024.02.0005

Prediction of Suitable Areas of Solanum rostratum，Sorghum halepense and Lolium temulentum in China Based on MaxEnt Model

YAN Wenjing1，ZHU Xuehui2，ZHU Yuyong3

（1.Agricultural College，Shihezi University，Shihezi 832003，China；

2.Institute of Horticultural Crops，Xinjiang Academy of Agricultural Sciences，Urumqi 830091，China；

3.Agricultural Sciences amp; Technology Extension Station，The Xinjiang Production and Construction Corps，Urumqi 830011，China）

Abstract：This study aimed to develop noxious weeds management strategies and provide scientific basis for Chinese food security and risk forewarning，etc.. Therefore，we analyzed current spatial and temporal patterns and eco-driving factors of Solanum rostratum Dunal，Sorghum halepense （L.） Pers. and Lolium temulentum L. based on MaxEnt model，andpredictedthepatternsunderdifferentclimatic conditions in future（in 2025，2070）in China. The results

收稿日期：2023-10-30

基金項(xiàng)目：國(guó)家自然科學(xué)基金（編號(hào)：20230228）。

作者簡(jiǎn)介：閆文靜（1991—），女，新疆石河子人，碩士研究生，主要從事雜草防治研究。E-mail：2276701287@qq.com。

通信作者：朱玉永，碩士，副研究員，主要從事雜草防治研究。E-mail：312723443@qq.com。

showed that S. rostratum Dunal was affected by precipitation in the coldest season，seasonal variations in temperature and average annual temperature under the historical climate conditions. Its suitable area was mainly distributed in Northeast and Northwest China，and the total area was 3.05×106 km2. In 2050 and 2070，there would be a smaller trend in suitable area under RCP 2.6 than that under historical climate，the area of suitable habitat under RCP 8.5 climate in 2050 and 2070 would be larger than that under RCP 2.6 climate. Under the historical climate，the suitable area of S. halepense （L.） Pers. with 1.63×106 km2 was mainly concentrated in the southeast region duing to the precipitation of the warmest season，the precipitation of the wettest month，the average daily temperature and the average temperature of the hottest season，and the area of suitable habitat would decrease in" 2050，and expand in 2070. Under the historical climate，suitable area of L. temulentum L. was mainly distributed in Northeast and Southeast China because of the precipitation and seasonal variations of temperature in the warmest season，and would narrowed under the future climate.

Key words：noxious weed；MaxEnt model；Solanum rostratum；Sorghum halepense；Lolium temulentum；eco-driving factor；spatial and temporal patterns；suitable area

隨著國(guó)內(nèi)外貿(mào)易頻繁交流及物流的迅猛發(fā)展，有害雜草的傳入和發(fā)生趨勢(shì)日益嚴(yán)重［1］。毒性雜草的入侵作為一種世界范圍的生態(tài)難題，對(duì)生態(tài)系統(tǒng)和經(jīng)濟(jì)發(fā)展造成了巨大損害［2］。氣候也是重要的決定因素，聯(lián)合國(guó)政府間氣候變化專門委員會(huì)（IPCC）第5份報(bào)告指出，到2100年地球的最低氣溫將比 1986—2005年的年平均氣溫升高 0.3～4.8 ℃，全球氣候變暖進(jìn)一步加劇，有害雜草分布區(qū)域范圍將會(huì)發(fā)生變化［3］。隨著溫度和二氧化碳濃度上升，除草劑的防治效果明顯降低［4］，運(yùn)用物種分布模型進(jìn)行外來物種的入侵風(fēng)險(xiǎn)評(píng)估，加強(qiáng)對(duì)外來入侵毒性雜草的預(yù)警和防治，是最高效、經(jīng)濟(jì)的方式。因此，揭示有毒性雜草在我國(guó)潛在分布區(qū)的預(yù)測(cè)及厘清氣候變化背景下有毒雜草的動(dòng)態(tài)過程，對(duì)于維系我國(guó)生物多樣性穩(wěn)定，保障我國(guó)農(nóng)業(yè)生產(chǎn)安全，制定雜草的可持續(xù)管理措施，都將具有十分積極的意義。

黃花刺茄、毒麥、假高粱是世界性惡性雜草，也是典型的毒性雜草，同時(shí)還是我國(guó)的檢疫性有害生物，對(duì)生態(tài)系統(tǒng)、農(nóng)業(yè)生產(chǎn)、人類健康均具有巨大威脅。隨著人類活動(dòng)及氣候變化，這3種雜草也在迅速擴(kuò)散。研究黃花刺茄、毒麥、假高粱的潛在分布區(qū)及其入侵趨勢(shì)，有助于厘清不同氣候變化背景下3種雜草的危害動(dòng)態(tài)過程，同時(shí)對(duì)有毒雜草的可持續(xù)管理與農(nóng)業(yè)生態(tài)安全的保障具有重要意義。黃花刺茄原產(chǎn)于墨西哥和美國(guó)西南部地區(qū)，它通過化感作用抑制其他物種種子萌發(fā)［5］，并抑制根際真菌群落［6］，形成單一的優(yōu)勢(shì)種群，破壞當(dāng)?shù)氐纳锒鄻有裕?］，其果實(shí)中蘊(yùn)含茄堿等有毒物質(zhì)，茄堿強(qiáng)烈的麻醉作用會(huì)危害中樞神經(jīng)系統(tǒng)，人和家畜誤食會(huì)導(dǎo)致呼吸系統(tǒng)麻痹的癥狀甚至死亡［8］。假高粱原產(chǎn)于歐洲地中海地區(qū)［9］，其產(chǎn)生的倍半萜類化合物會(huì)使土壤中真菌和放線菌數(shù)量降低［10］，抑制其他物種種子萌發(fā)，生物多樣性明顯降低。假高粱根的分泌物會(huì)造成周圍作物的根腐爛，大豆、玉米嚴(yán)重減產(chǎn)［11］。假高粱的幼苗和嫩芽含有氰甙，經(jīng)酶解可產(chǎn)生氫氰酸，家畜誤食會(huì)導(dǎo)致中毒死亡。毒麥?zhǔn)躯滎愖魑锾镏械囊环N惡性雜草，不論旱年或澇年，其繁殖力都比小麥高2～3倍，嚴(yán)重影響作物的產(chǎn)量和質(zhì)量；毒麥產(chǎn)生的毒麥堿為麻醉性有毒成分，嚴(yán)重時(shí)會(huì)導(dǎo)致人畜中樞神經(jīng)系統(tǒng)麻痹以致死亡［12-13］。目前對(duì)于黃花刺茄、假高粱及毒麥缺乏良好的防治手段，阻止外來有害生物是防御外來生物在新的入侵地建立種群的第一道防線［14］。鐘艮平等曾利用GARP預(yù)測(cè)黃花刺茄在我國(guó)區(qū)域的分布［15］。郭瓊霞等利用最大熵（MaxEnt）模型對(duì)假高粱在我國(guó)氣候適宜區(qū)的分布進(jìn)行預(yù)測(cè)［16］。雷軍成利用MaxEnt模型對(duì)假高粱在我國(guó)的潛在分布區(qū)進(jìn)行了分析［17］。尚未見關(guān)于未來氣候變化下黃花刺茄、假高粱、毒麥地理分布格局的研究報(bào)道，本研究基于MaxEnt模型，預(yù)測(cè)這3種毒性雜草的空間地理分布。

利用大數(shù)據(jù)分析物種分布，已成為防治有害雜草的重要手段。MaxEnt模型通過物種已知分布數(shù)據(jù)和環(huán)境數(shù)據(jù)，推測(cè)出該物種的可能適生分布區(qū)域［18］。其精確度要優(yōu)于同類預(yù)測(cè)模型如GARP、ClIMEX和BIOCLIM，特別是在物種分布數(shù)據(jù)不全的情況下，MaxEnt模型仍然能得到較為滿意的結(jié)果［19］。因此，本研究利用MaxEnt模型對(duì)目前和未來（2050年及2070年）氣候情況下黃花刺茄、假高粱、毒麥在我國(guó)的變化趨勢(shì)進(jìn)行預(yù)測(cè)，以期為制定雜草管理策略，為我國(guó)糧食安全和風(fēng)險(xiǎn)預(yù)警等提供科學(xué)依據(jù)。

1" 材料與方法

1.1" 材料

地理數(shù)據(jù)：全球生物多樣性數(shù)據(jù)庫(kù)（https：//www. gbif.org/），剔除重復(fù)點(diǎn)和無坐標(biāo)地理信息點(diǎn)；中國(guó)農(nóng)業(yè)農(nóng)村部公布的有害生物分布行政區(qū)最新數(shù)據(jù)（http：//www.moa.gov.cn/）。從前2個(gè)網(wǎng)站得到黃花刺茄、假高粱、毒麥在我國(guó)的分布點(diǎn)。通過查找地理分布坐標(biāo)，獲得相應(yīng)經(jīng)緯度信息。本研究所用的標(biāo)準(zhǔn)地圖從國(guó)家基礎(chǔ)地理信息系統(tǒng)網(wǎng)站（ http：//nfgis.nsdi.gov.cn）下載，比例尺為1 ∶1 400萬(wàn)。具體分布見圖1。

氣候數(shù)據(jù)：通過世界氣候WordClim1.4數(shù)據(jù)庫(kù)（https：//www.worldclim.org/）下載 19 個(gè)生物氣候環(huán)境變量（bio1～bio19）數(shù)據(jù)，歷史氣候數(shù)據(jù)選擇1960—1990年，未來氣候數(shù)據(jù)是從聯(lián)合國(guó)政府間氣候變化專門委員會(huì)（IPCC）第5次評(píng)估報(bào)告公布的數(shù)據(jù)中選取的2050年（2041—2060年均值）及2070年（2061—2080年均值）的數(shù)據(jù)，所有氣候數(shù)據(jù)的圖層空間分辨率均為2.5 arc min。其中未來氣候數(shù)據(jù)包括代表性濃度路徑（representative concentration pathways，RCP）為RCP 2.6 和RCP 8.5的2種溫室氣體排放場(chǎng)景，RCP 2.6表示輻射在2100年之前達(dá)到峰值，到2100年下降到2.6 W/m2，CO2當(dāng)量濃度峰值約490 mL/m3，RCP 8.5表示輻射強(qiáng)度被迫上升至8.5 W/m2，CO2當(dāng)量濃度峰值約1 370 mL/m3［20］。

1.2" 試驗(yàn)方法

1.2.1" 數(shù)據(jù)預(yù)處理

將19個(gè)氣候因子（表1）和黃花刺茄、假高粱、毒麥分布點(diǎn)數(shù)據(jù)同時(shí)加載到AriGis 10.4軟件中，選取Spatial Analyst將19個(gè)環(huán)境變量進(jìn)行采樣，將采樣數(shù)據(jù)導(dǎo)出文本格式，將采樣數(shù)據(jù)用SPSS 20軟件進(jìn)行19個(gè)氣候因子的Pearson相關(guān)性分析，同時(shí)結(jié)合MaxEnt 3.4.1將3種毒性雜草分布點(diǎn)數(shù)據(jù)與19個(gè)氣候因子進(jìn)行預(yù)試驗(yàn)運(yùn)算，并刪除2個(gè)變量間的Pearson相關(guān)系數(shù)大于0.8且貢獻(xiàn)率小于8%的氣候因子（圖2）。環(huán)境因子之間的相關(guān)性會(huì)降低MaxEnt模型的模擬精度，避免變量之間的多重共線性。模型提供刀切法（Jackknife）檢驗(yàn)，能對(duì)環(huán)境因子貢獻(xiàn)率和重要性進(jìn)行分析［21］。貢獻(xiàn)率指對(duì)物種地理分布起作用的環(huán)境因子及貢獻(xiàn)數(shù)值［22］。

歷史時(shí)期的模型是將3種毒性雜草分布點(diǎn)數(shù)據(jù)及12個(gè)關(guān)鍵氣候因子導(dǎo)入MaxEnt模型，隨機(jī)選取75%的分布點(diǎn)數(shù)據(jù)作為訓(xùn)練集，25%的分布點(diǎn)數(shù)據(jù)作為測(cè)試集；重復(fù)運(yùn)行次數(shù)設(shè)置為10，重復(fù)運(yùn)行規(guī)則選擇Subsample，最大迭代次數(shù)設(shè)置為 5 000，其余參數(shù)均默認(rèn)設(shè)置［23］。進(jìn)行未來氣候條件下的建模時(shí)，將歷史時(shí)期為生態(tài)位的模擬結(jié)果投射到未來氣候數(shù)據(jù)中，需在“Projection layers directory/file”分別添加2050年與2070年 RCP 2.6、RCP 8.5 的氣候數(shù)據(jù)，其余參數(shù)設(shè)置均與歷史氣候條件下的設(shè)置相同。

1.2.2" MaxEnt模型的精度評(píng)價(jià)及適生等級(jí)的劃分

采用受試者工作特征曲線（receiver operating characteristic curve，ROC）對(duì)模型預(yù)測(cè)精確度進(jìn)行評(píng)估，ROC曲線以特異度（假陽(yáng)性率）為橫坐標(biāo)，遺漏率（真陽(yáng)性率）為縱坐標(biāo)繪制而成，其曲線下方面積（area under curve，AUC）即為評(píng)價(jià)指標(biāo)。不同的AUC取值對(duì)應(yīng)的含義如下：AUCgt;0.9表示模擬模型預(yù)測(cè)的準(zhǔn)確性極高，模型預(yù)測(cè)最優(yōu)。當(dāng)0.5≤AUC＜0.6時(shí)，表示模型預(yù)測(cè)失敗［24］。利用MaxEnt模型得到的物種分布預(yù)測(cè)結(jié)果值在 0～1之間，值越接近1則表明物種在該地區(qū)適生性越強(qiáng)，越可能存在。本研究等級(jí)劃分的方法參考李盼畔等使用的Natural Breaks 來進(jìn)行重分類［23］，通過ArcGIS 10.4重分類，計(jì)算適生等級(jí)（P），將適生等級(jí)劃分為非適生區(qū)（0lt;P≤0.20）、低適生區(qū)（0.20lt;P≤0.40）、中適生區(qū)（0.40lt;P≤0.60）、高生區(qū)（Pgt;0.60）4類。針對(duì)未來氣候情景下的預(yù)測(cè)結(jié)果，將其與歷史時(shí)期進(jìn)行比較分析。通過重分類和柵格運(yùn)算，計(jì)算未來氣候情景下雜草適生區(qū)空間格局的變化情況。

2" 結(jié)果與分析

2.1" MaxEnt模型精度評(píng)價(jià)

根據(jù)MaxEnt模型重復(fù)10次的模擬運(yùn)行結(jié)果，黃花刺茄、假高粱、毒麥模型AUC值均大于0.9（圖3），精度評(píng)價(jià)達(dá)到“極好”水平。整體模擬精度處于一個(gè)較高的水平，模型模擬結(jié)果可信［24］。

2.2" 歷史時(shí)期影響黃花刺茄、假高粱、毒麥地理分布的主要?dú)夂蛞蜃?/p>

通過MaxEnt 3.4.1 軟件預(yù)運(yùn)行，對(duì)19個(gè)氣候因子變量進(jìn)行Pearson相關(guān)性分析得到12個(gè)對(duì)雜草影響關(guān)鍵的環(huán)境氣候因子。從表2可以看出，最冷季節(jié)降水量（bio19）、年平均氣溫（bio1）、氣溫季節(jié)性變化（bio4）、最冷月最低溫（bio6）、最干月降水量（bio14）及最暖季節(jié)降水量（bio18）是共同影響黃花刺茄、假高粱、毒麥的關(guān)鍵環(huán)境因子。影響黃花刺茄的3個(gè)主要?dú)夂蛞蜃訛樽罾浼竟?jié)降水量（bio19）、氣溫季節(jié)性變化（bio4）、年平均氣溫（bio1），貢獻(xiàn)率分別為30.3%、23.2%、20.9%，累計(jì)貢獻(xiàn)率為74.4%；影響假高粱的4個(gè)主要?dú)夂蛞蜃幼钆竟?jié)降水量（bio18）、最濕月降水量（bio13）、平均日溫（bio3）、最熱季節(jié)平均氣溫（bio10），貢獻(xiàn)率分別為33.4%、16.1%、14.6%、13.3%，累計(jì)貢獻(xiàn)率為77.4%；影響毒麥的2個(gè)主要?dú)夂蛞蜃幼钆竟?jié)降水量（bio18）、氣溫季節(jié)性變化（bio4），貢獻(xiàn)率分別為43.7%、22.4%，累計(jì)貢獻(xiàn)率為66.1%。

2.3" 主導(dǎo)環(huán)境變量分析

在MaxEnt模型運(yùn)行時(shí)開啟刀切法，運(yùn)行結(jié)果可以驗(yàn)證不同環(huán)境因子在影響雜草生長(zhǎng)所占的權(quán)重（圖4）。 判定標(biāo)準(zhǔn)為“僅此變量” 條帶越長(zhǎng)表示分?jǐn)?shù)越高，說明該變量對(duì)物種分布具有較強(qiáng)的預(yù)測(cè)能力。影響黃花刺茄3個(gè)主要?dú)夂蛞蜃訛樽罾浼竟?jié)降水量、氣溫季節(jié)性變化、年平均氣溫，影響假高粱的4個(gè)主要?dú)夂蛞蜃訛樽钆竟?jié)降水量、最濕月降水量、平均日溫、最熱季節(jié)平均氣溫，影響毒麥的2個(gè)主要?dú)夂蛞蜃訛樽钆竟?jié)降水量、氣溫季節(jié)性變化，而其他氣候因子對(duì)雜草生長(zhǎng)影響較小。藍(lán)色條帶表示單獨(dú)使用該變量時(shí)該模型

的性能，其中影響黃花刺茄生長(zhǎng)的最重要的環(huán)境因子是最冷季節(jié)降水量，影響假高粱及毒麥最重要的環(huán)境因子是最暖季節(jié)降水量，忽略最關(guān)鍵的環(huán)境因子時(shí)，模型的性能下降最大。

2.2" 歷史時(shí)期雜草分布區(qū)預(yù)測(cè)

根據(jù)查閱現(xiàn)有資料，獲得黃花刺茄、假高粱、毒麥在我國(guó)分布的記錄數(shù)據(jù)，通過MaxEnt與關(guān)鍵環(huán)境因子擬合，得到黃花刺茄、假高粱、毒麥在我國(guó)適生區(qū)的分布。模型結(jié)果（圖5）表明，在歷史（1960—1990年）氣候條件下，黃花刺茄主要分布在我國(guó)東北、西北地區(qū)，高適生區(qū)主要集中在遼寧、吉林、黑龍江、天津及新疆北部地區(qū)，面積占比為6.97%。假高粱主要集中在我國(guó)東南地區(qū)，高適生區(qū)主要集中在我國(guó)海南、四川、湖北、安徽、山東、江蘇、江西等地，高適生區(qū)面積占比為3.32%。毒麥高適生區(qū)面積主要集中在遼寧、河北、山東、安徽、湖北、四川、重慶等地，高適生區(qū)面積占比為9.55%。3種雜草中，毒麥適生區(qū)總面積占比最大，為36.36%，其次是黃花刺茄，其適生區(qū)總面積占比為31.69%。

2.3" 未來氣候情景下雜草分布區(qū)預(yù)測(cè)

本研究基于MaxEnt模型，預(yù)測(cè)了黃花刺茄、假高粱、毒麥在2050年及2070年氣候情景下的潛在適生區(qū)分布范圍。由表3可知，在2050年，溫室氣體濃度增加的情況下（從2.6 W/m2增加到" 8.5 W/m2），黃花刺茄適生區(qū)總面積從2.68×106 km2 增加到3.21×106 km2，說明溫室氣體濃度增加可增加黃花刺茄的適生區(qū)面積。從圖6可以看出，從RCP 2.6至RCP 8.5過程中，黃花刺茄高適生區(qū)面積、中適生區(qū)面積、低適生區(qū)面積均有所增加，高適生區(qū)增加區(qū)域主要是內(nèi)蒙古、河北等區(qū)域，低適生區(qū)面積增加區(qū)域主要集中在內(nèi)蒙古、甘肅、陜西等。假高粱2050年適生區(qū)面積與歷史時(shí)期面積相比呈下降趨勢(shì)，歷史氣候下，假高粱適生區(qū)總面積為1.63×106 km2，2050年RCP 2.6與RCP 8.5氣候下假高粱適生區(qū)總面積持續(xù)減少，適生區(qū)面積分別減小6.98×104、2.45×104 km2；然而2050年 RCP 8.5氣候下的高面積適生區(qū)與2050年RCP 2.6氣候下相比，明顯增加了1.39×105 km2，主要增加區(qū)域是江蘇、安徽、江西等。與歷史氣候相比，毒麥在2050年RCP 2.6與RCP 8.5氣候下，適生區(qū)總面積縮小，且低適生區(qū)與高適生區(qū)面積也進(jìn)一步縮?。?050年RCP 8.5 氣候下與2050年RCP 2.6相比，新疆北部、內(nèi)蒙古北部的低適生區(qū)面積縮小。

由表3、圖7可知，2070年氣候情景下的黃花刺茄、假高粱、毒麥分布格局發(fā)生了一定的變化。2070年溫室氣體排放濃度增加的情況下（從 2.6 W/m2 增加到8.5 W/m2），黃花刺茄的適生區(qū)總面積從 2.87×106 km2（RCP 2.6）增加到3.17×106 km2（RCP 8.5），說明溫室氣體對(duì)黃花刺茄分布有較大的影響。與歷史氣候相比，2070年RCP 2.6黃花刺茄的適生區(qū)總面積減少，其中低適生區(qū)、中適生區(qū)面積減少，而高適生區(qū)面積增加了。黃花刺茄高適生區(qū)面積增加主要集中在內(nèi)蒙古、陜西、新疆北部區(qū)域。假高粱2070年適生面積較歷史時(shí)期面積呈擴(kuò)大趨勢(shì)，適生區(qū)總面積減少了3.55 ×104 km2（RCP 2.6）、3.10×104 km2（RCP 8.5），減少趨勢(shì)不明顯。2070年毒麥適生區(qū)總面積與歷史氣候相比有縮小的趨勢(shì)，縮小面積為2.11×105 km2（RCP 2.6）、1.84×105 km2（RCP 8.5）。與歷史氣候相比，2070年RCP 8.5 排放情景下，毒麥中、高適生區(qū)面積增加，低適生區(qū)面積減少，低適生區(qū)減少區(qū)域主要是新疆中部，遼寧、湖南高適生區(qū)面積增加。

3" 討論與結(jié)論

植物生命活動(dòng)受到環(huán)境影響較大，種群的擴(kuò)散或者消亡，隨著環(huán)境的變化具有一定的規(guī)律性，通過計(jì)算機(jī)和地理信息系統(tǒng)技術(shù)進(jìn)行預(yù)測(cè)，具有一定的準(zhǔn)確性，且目前正在廣泛應(yīng)用［25-28］。ROC 曲線分析方法中的線下面積 AUC值被公認(rèn)為是精度評(píng)價(jià)的最佳衡量指標(biāo)［29］。本研究使用MaxEnt模型進(jìn)行模擬時(shí)的AUC值均在0.9以上，達(dá)到極好水平，模擬精度高，可信度較高。本研究對(duì)使用的環(huán)境變量進(jìn)行了相關(guān)性分析和篩選，很好地解決了由于因子間存在較強(qiáng)的多重共線性而導(dǎo)致建模結(jié)果的不準(zhǔn)確，因此，本研究對(duì)3種雜草的適生

性預(yù)測(cè)具有較準(zhǔn)確的參考價(jià)值。其中，最冷季節(jié)降水量、年平均氣溫、氣溫季節(jié)性變化、最冷月最低溫、最干月降水量及最暖季節(jié)降水量氣候因子對(duì)黃花刺茄、假高粱、毒麥的分布有共同的影響。

由于收集的有毒雜草分布點(diǎn)主要來源于文獻(xiàn)和網(wǎng)站，未曾實(shí)地考察，對(duì)模型模擬的結(jié)果有一定的偏差。

本試驗(yàn)采用2種溫室氣體排放情景對(duì)黃花刺茄、假高粱、毒麥在我國(guó)地理分布進(jìn)行研究。本研究中最冷季節(jié)降水量是影響黃花刺茄的關(guān)鍵氣候因子，黃花刺茄不耐低溫降水，黃花刺茄主要分布在我國(guó)東北與西北地區(qū)，具有較強(qiáng)的適應(yīng)性，且未來氣候下，向西北北部移動(dòng)。我國(guó)未來降水呈增加趨勢(shì)，預(yù)計(jì)到 2050 年全國(guó)平均年降水量將增加5%～7%［30-32］，RCP 8.5氣候模式下的降水大于RCP 2.6［31］。本研究中黃花刺茄2050、2070年RCP 8.5氣候模式下的適生區(qū)面積大于RCP 2.6氣候模式，說明黃花刺茄更適降水環(huán)境。鐘艮平等利用GARP分析得出黃花刺茄歷史氣候下在華中、華北及華東地區(qū)的適生區(qū)最大，本研究利用MaxEnt模型得出的黃花刺茄歷史條件下的適生區(qū)分布區(qū)域與鐘艮平等的結(jié)論［15］一致。本研究中，最暖季節(jié)降水量是假高粱關(guān)鍵氣候因子，且隨著未來氣候的變化，2050年假高粱適生區(qū)面積呈現(xiàn)縮小趨勢(shì)，2070年呈增加趨勢(shì)。雷軍成等利用MaxEnt模型分析得出假高粱在山東、山西及兩廣地區(qū)、海南適生區(qū)較高［17］，本試驗(yàn)研究結(jié)果與之一致。本研究中最暖季節(jié)降水量和氣溫季節(jié)性對(duì)毒麥有嚴(yán)重的影響，在華中和華北地區(qū)表現(xiàn)出較高的適應(yīng)能力。從本研究中可以看出，毒麥在我國(guó)分布范圍較廣，適生性較強(qiáng)，南北部均有分布，歷史時(shí)期下分布面積為3.50×106 km2，相當(dāng)于全國(guó)有1/3的地方適合毒麥生長(zhǎng)，給我國(guó)農(nóng)作物生產(chǎn)安全造成巨大的威脅。毒麥在2050年及2070年的RCP 2.6與RCP 8.5氣候下，適生區(qū)總面積呈縮小的趨勢(shì)，但是縮小趨勢(shì)不明顯，因此加強(qiáng)防治手段示能松懈。

綜上所述，本研究中2050年與2070年，RCP 8.5氣候下黃花刺茄的適生區(qū)總面積比RCP 2.6氣候下增加，這與溫室氣體的排放使得降水持續(xù)增加有關(guān)，黃花刺茄更適應(yīng)濕潤(rùn)環(huán)境。不同程度排放氣體下，假高粱在2070年適生區(qū)總面積較歷史氣候下呈現(xiàn)增加趨勢(shì)，制定檢疫措施可防止假高粱進(jìn)一步擴(kuò)散。毒麥不同氣候情景下適生區(qū)面積較大，嚴(yán)重影響小麥產(chǎn)量和品質(zhì)，應(yīng)加大檢驗(yàn)部門的監(jiān)管力度，采用分子檢測(cè)手段，防止人畜誤食毒麥中毒。

參考文獻(xiàn)：

［1］Liu H，Li Y X，Wei Y M，et al. Discrete population competition model of poisonous weed invasion and spatial distribution［J］. Journal of Physics：Conference Series，2022，2173（1）：012016.

［2］Ehler L E. Invasion biology and biological control［J］. Biological Control，1998，13（2）：127-133.

［3］關(guān)廣清，高東昌，李文耀，等. 刺萼龍葵：一種檢疫性雜草［J］. 植物檢疫，1984（4）：25-28.

［4］邵" 華. 外來入侵植物刺萼龍葵的化感作用研究［J］. 種子，2015，34（8）：101-104.

［5］石" 凱，邵" 華，韓彩霞，等. 外來入侵植物刺萼龍葵（Solanum rostratum Dunal）根際土壤真菌多樣性及其次生代謝產(chǎn)物的化感作用研究［J］. 土壤通報(bào)，2022，53（3）：548-557.

［6］張麗娟，婁安如. 入侵植物刺萼龍葵的繁殖保障及其與種群大小的關(guān)系［J］. 北京師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，54（4）：491-497.

［7］Martinez M A，Miranda R E P，Uvalle S J I，et al. Monitoring a pronghorn （Antilocapra americana mexicana） population reintroduced to the north-east of Mexico［J］. Journal of Agriculture in the Tropics and Subtropics，2000，101（2）：141-161.

［8］徐海根，強(qiáng)" 勝.中國(guó)外來入侵物種編目［M］. 北京：中國(guó)環(huán)境科學(xué)出版社，2004.

［9］孟慶會(huì)，黃紅娟，劉" 艷，等. 假高粱揮發(fā)油化學(xué)成分及其化感潛力［J］. 植物保護(hù)學(xué)報(bào)，2009，36（3）：277-282.

［10］Ghersa C M，Satorre E H，van Esso M L，et al. The use of thermal calendar models to improve the efficiency of herbicide applications in Sorghum halepense （L.） Pers［J］. Weed Research，1990，30（3）：153-160.

［11］林金成，強(qiáng)" 勝，吳海榮，等. 毒麥（Lolium temulentum L.）［J］. 雜草科學(xué)，2004，22（3）：53-55.

［12］Gay A P，Thomas H. Leaf development in Lolium temulentum L.：photosynthesis in relation to growth and senescence［J］. New Phytologist，1995，130（2）：159-168.

［13］Sutherst R W. Climate change and invasive species：a conceptual framework［M］//Mooney H A，Hobbs R J. Invasive species in a changing world. Washington：Island Press，2000：211-240.

［14］Zhang K L，Yao L J，Meng J S，et al. Maxent modeling for predicting the potential geographical distribution of two peony species under climate change［J］. The Science of the Total Environment，2018，634：1326-1334.

［15］鐘艮平，沈文君，萬(wàn)方浩，等. 用GARP生態(tài)位模型預(yù)測(cè)刺萼龍葵在中國(guó)的潛在分布區(qū)［J］. 生態(tài)學(xué)雜志，2009，28（1）：162-166.

［16］郭瓊霞，黃" 嫻，黃" 振. 基于GIS技術(shù)和BP神經(jīng)網(wǎng)絡(luò)的我國(guó)假高粱適生性氣候區(qū)劃［J］. 福建農(nóng)林大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，41（2）：193-196.

［17］雷軍成，徐海根. 外來入侵植物假高粱在我國(guó)的潛在分布區(qū)分析［J］. 植物保護(hù)，2011，37（3）：87-92.

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

［19］Bellard C，Bertelsmeier C，Leadley P，et al. Impacts of climate change on the future of biodiversity［J］. Ecology Letters，2012，15（4）：365-377.

［20］徐京亞，劉" 恬，臧國(guó)長(zhǎng)，等. 基于MaxEnt模型的不同氣候情景下假儉草中國(guó)適生區(qū)預(yù)測(cè)［J］. 北京林業(yè)大學(xué)學(xué)報(bào)，2024，46（3）：91-102.

［21］Sultana S，Baumgartner J B，Dominiak B C，et al. Potential impacts of climate change on habitat suitability for the Queensland fruit fly［J］. Scientific Reports，2017，7：13025.

［22］Ma Y N，Lu X L，Li K W，et al. Prediction of potential geographical distribution patterns of Actinidia arguta under different climate scenarios［J］. Sustainability，2021，13（6）：35

［23］李盼畔，何旭諾，左然玲，等. 4種蒺藜草屬雜草在中國(guó)的潛在適生性預(yù)測(cè)［J］. 雜草學(xué)報(bào)，2022，40（2）：15-23.

［24］王運(yùn)生，謝丙炎，萬(wàn)方浩，等. ROC曲線分析在評(píng)價(jià)入侵物種分布模型中的應(yīng)用［J］. 生物多樣性，2007，15（4）：365-372.

［25］王茹琳，李" 慶，封傳紅，等. 基于MaxEnt的西藏飛蝗在中國(guó)的適生區(qū)預(yù)測(cè)［J］. 生態(tài)學(xué)報(bào)，2017，37（24）：8556-8566.

［26］楊會(huì)楓，鄭江華，賈曉光，等. 氣候變化下羅布麻潛在地理分布區(qū)預(yù)測(cè)［J］. 中國(guó)中藥雜志，2017，42（6）：1119-1124.

［27］Elith J，Leathwick J R. Species distribution models：ecological explanation and prediction across space and time［J］. Annual Review of Ecology，Evolution，and Systematics，2009，40：677-697.

［28］Anderson R P. A framework for using niche models to estimate impacts of climate change on species distributions［J］. Annals of the New York Academy of Sciences，2013，1297：8-28.

［29］Guisan A，Thuiller W，Zimmermann N E. Habitat suitability and distribution models：with applications in R［M］. Cambridge：Cambridge University Press，2017.

［30］姚政宇，韓其飛，林" 彬. 基于最大熵模型的新疆主要有毒雜草分布區(qū)預(yù)測(cè)［J］. 生態(tài)學(xué)報(bào)，2023，43（12）：5096-5109.

［31］李盼畔，左然玲，何旭諾，等. 4種蒺藜草屬雜草在中國(guó)的潛在適生性預(yù)測(cè)［J］. 雜草學(xué)報(bào)，2022，40（2）：15-23.

［32］程詩(shī)悅，秦" 偉，郭乾坤，等. 近50年我國(guó)極端降水時(shí)空變化特征綜述［J］. 中國(guó)水土保持科學(xué)，2019，17（3）：155-161.