基于MaxEnt模型的山西省冻绿分布预测

doi:10.11923/j.issn.2095-4050.cjas2024-0214

摘要/Abstract

摘要：

以冻绿为研究对象，利用CHELSA的当前气候数据和GFDL-ESM4的3种发展情景数据，构建基于全球2057个记录点的MaxEnt分布模型。结果表明，最暖季度降水量、温度季节性变化以及昼夜温差月均值是影响冻绿分布的主导因素，MaxEnt模型的AUC达到0.987，模型拟合结果良好。冻绿在山西全省均有较高分布概率，其中在中南部的分布概率较高。未来情景预测表明，冻绿的分布区域将向北偏东方向扩展，移动速度约为492~975 m/a，但在运城盆地可能出现非最适生境。本研究探讨限制冻绿的主导气候因子，模拟其潜在适宜分布区，可为冻绿的繁育、开发利用提供理论依据。

关键词: 冻绿, MaxEnt模型, 分布, 预测, 气候因子, 气候变化, 山西

Abstract:

In this study, taking Rhamnus utilis as the research object, a MaxEnt distribution model was constructed based on 2057 global record points using current climate data from CHELSA and three development scenario data from GFDL-ESM4. The results showed that the precipitation in the warmest season, seasonal changes in temperature, and monthly mean diurnal temperature difference were the dominant factors affecting the distribution of R. utilis. The AUC of the MaxEnt model reached 0.987, indicating a good fit of the model. R. utilis has a high probability of distribution throughout Shanxi Province, with a higher probability in the central and southern regions. Future scenario predictions indicate that the distribution area of R. utilis. will expand towards the northeast direction, with a movement speed of approximately 492 to 975 m/year, but there may be non optimal habitats in the Yuncheng Basin. This study explores the dominant climatic factors that limit R. utilisand simulates their potential suitable distribution areas, which can provide theoretical basis for the breeding, development and utilization of R. utilis.

Key words: Rhamnus utilis, MaxEnt model, distribution, prediction, climate factor, climate change, Shanxi

徐瑢. 基于MaxEnt模型的山西省冻绿分布预测[J]. 农学学报, 2026, 16(2): 93-97.

XU Rong. Prediction of Rhamnus utilis Distribution in Shanxi Province Based on MaxEnt Model[J]. Journal of Agriculture, 2026, 16(2): 93-97.

图/表 6

参考文献 26

[1]	刘天慰. 山西省植物志(第三卷)[M]. 北京: 中国科学技术出版社, 2000:144.
[2]	张蕾, 孙丹丹, 孔冬梅. 响应面法优化冻绿果实黄酮提取工艺[J]. 山西大学学报(自然科学版), 2020, 43(2):398-404.
[3]	孙丹丹. 冻绿叶黄酮纯化、成分分析及抗氧化抑菌活性研究[D]. 太原: 山西大学, 2020.
[4]	王小璐. 冻绿果实中黄酮提纯及抗氧化性研究[D]. 太原: 山西大学, 2017.
[5]	李硕, 唐克华. 冻绿种子油脂提取及脂肪酸组成分析[J]. 中国油脂, 2015, 40(7):79-82.
[6]	王思雨, 吴建国. 未来气候变化情景下中国植物物种地理分布变化趋势研究进展[J]. 广西植物, 2025, 45(3):500-516.
[7]	马亚平, 冯学瑞, 高捍东, 等. 模拟CO₂浓度和温度升高对宁夏枸杞果实品质形成的影响[J]. 林业科学, 2024, 60(3):1-9.
[8]	蒋高明, 韩兴国, 林光辉. 大气CO₂浓度升高对植物的直接影响——国外十余年来模拟实验研究之主要手段及基本结论[J]. 植物生态学报, 1997(6):2-15.
[9]	徐辉, 李磊, 李庆会, 等. 大气CO₂浓度与温度升高对茶树光合系统及品质成分的影响[J]. 南京农业大学学报, 2016, 39(4):550-556.
[10]	蒋跃林, 张庆国, 张仕定. 大气CO₂浓度对茶叶品质的影响[J]. 茶叶科学, 2006(4):299-304.
[11]	李鑫. 中国农业科学院茶叶研究所建成茶园气候变化田间模拟系统[J]. 中国茶叶, 2019, 41(4):39.
[12]	刘超, 董星光, 田路明, 等. 基于Maxent模型的川梨不同时期潜在分布研究[J]. 果树学报, 2022, 39(11):2056-2063.
[13]	SUN R, TONG G, ZHANG Q, et al. A study on the suitable areas for growing apricot kernels in China based on the MaxEnt model[J]. Sustainability, 2023, 15(12):13. doi: 10.3390/su15010013 URL
[14]	张殷波, 刘彦岚, 秦浩, 等. 气候变化条件下山西翅果油树适宜分布区的空间迁移预测[J]. 应用生态学报, 2019, 30(2):496-502. doi: 10.13287/j.1001-9332.201902.040
[15]	施晨阳, 赖文峰, 文国卫, 等. 基于Maxent模型预测水曲柳的潜在适生区[J]. 西北林学院学报, 2022(2):37.
[16]	SONG G, FENG J, GONG S, et al. Geographic distribution and impacts of climate change on the suitable habitats of Rhamnus utilis Decne in China[J]. BMC plant biology, 2023, 23(1):592-592. doi: 10.1186/s12870-023-04574-4
[17]	李钰娴, 刘臻婧, 郭建茂, 等. 基于MaxEnt模型的湖南省竹叶花椒潜在适宜区划分[J]. 农业工程, 2024, 14(9):73-81.
[18]	屠小菊, 汪启明, 饶力群. 高温胁迫对植物生理生化的影响[J]. 湖南农业科学, 2013(13):28-30.
[19]	孙永江, 王琪, 邵琪雯, 等. 高温胁迫对植物光合作用的影响研究进展[J]. 植物学报, 2023, 58(3):486-498. doi: 10.11983/CBB22079
[20]	解玉玲. 高温胁迫对植物生理影响的研究进展[J]. 吉林农业, 2019(8):107-108.
[21]	田叙辰, 魏洪玲, 解胜男, 等. 基于MaxEnt模型的东北地区槭树潜在地理分布[J]. 生态环境学报, 2024, 33(4):509-519. doi: 10.16258/j.cnki.1674-5906.2024.04.002
[22]	黄文霖, 陈苑旻, 余会康, 等. 基于MaxEnt模型的福建福鼎白茶种植适宜性区划[J]. 贵州农业科学, 2024, 52(6):124-132.
[23]	崔颢, 景志贤, 周华. 基于MaxEnt模型附子的全国药材生态适应性区划研究[J]. 西南农业学报, 2022, 35(8):1920-1928.
[24]	赵儒楠, 何倩倩, 褚晓洁, 等. 气候变化下千金榆在我国潜在分布区预测[J]. 应用生态学报, 2019, 30(11):3833-3843.
[25]	樊信, 盘金文, 何嵩涛. 气候变化背景下基于MaxEnt模型的刺梨潜在适生区分布预测[J]. 西北植物学报, 2021, 41(1):159-167.
[26]	郭立新, 张春回, 宫盱彤, 等. 基于MaxEnt模型的大果青杄潜在适生区及其分布变化[J]. 西部林业科学, 2024, 53(3):39-46.

编码	指标	单位	编码	指标	单位
BIO1	年均温	℃	BIO11	最冷季度均温	℃
BIO2	平均温度日较差	℃	BIO12	年平均降水量	mm
BIO3	等温性	%	BIO13	最湿月降水量	mm
BIO4	温度季节性变化	℃	BIO14	最干月降水量	mm
BIO5	最暖月最高温	℃	BIO15	降水量变异系数	%
BIO6	最冷月最低温	℃	BIO16	最湿季度降水量	mm
BIO7	年均温变化范围	℃	BIO17	最干季度降水量	mm
BIO8	最湿季度均温	℃	BIO18	最暖季度降水量	mm
BIO9	最干季度均温	℃	BIO19	最冷季度降水量	mm
BIO10	最暖季度均温	℃

编码	指标	单位	编码	指标	单位
BIO1	年均温	℃	BIO11	最冷季度均温	℃
BIO2	平均温度日较差	℃	BIO12	年平均降水量	mm
BIO3	等温性	%	BIO13	最湿月降水量	mm
BIO4	温度季节性变化	℃	BIO14	最干月降水量	mm
BIO5	最暖月最高温	℃	BIO15	降水量变异系数	%
BIO6	最冷月最低温	℃	BIO16	最湿季度降水量	mm
BIO7	年均温变化范围	℃	BIO17	最干季度降水量	mm
BIO8	最湿季度均温	℃	BIO18	最暖季度降水量	mm
BIO9	最干季度均温	℃	BIO19	最冷季度降水量	mm
BIO10	最暖季度均温	℃

指标	贡献值	指标	贡献值	指标	贡献值	指标	贡献值	指标	贡献值
BIO18	29.7	BIO11	11	BIO8	0.8	BIO6	0.2	BIO14	0.0
BIO4	21.9	BIO15	5.0	BIO19	0.7	BIO9	0.1	BIO12	0.0
BIO2	15.3	BIO10	1	BIO3	0.4	BIO13	0.1	BIO9	0.0
BIO7	12.2	BIO1	0.9	BIO5	0.4	BIO16	0.0	-	-

指标	贡献值	指标	贡献值	指标	贡献值	指标	贡献值	指标	贡献值
BIO18	29.7	BIO11	11	BIO8	0.8	BIO6	0.2	BIO14	0.0
BIO4	21.9	BIO15	5.0	BIO19	0.7	BIO9	0.1	BIO12	0.0
BIO2	15.3	BIO10	1	BIO3	0.4	BIO13	0.1	BIO9	0.0
BIO7	12.2	BIO1	0.9	BIO5	0.4	BIO16	0.0	-	-