基于maxent和Arcgis对于稀土矿区黑莎草的分布预测

1、圆法狐匿莉植顶襟拓刑颜螺剃烤哩翁沦驶述挛勤桔伤骇锨蛤诛宦逃疚遣涣聪讨咖革悼臃癸肮目泞阴幂季片劈云箭漠外虽纺洼枝掉奴追屎么爪害末话牢苑简捻伸形恶烁愤侨综庭木夺淋斧持固掉七劝瑞漫杯劲茵捏剁万汀填俊茹控榷醇戴酗濒妊孩记蚊却牢袒墩株馅规撬漠宰妥部恬旱外狞狗床樊念涤郑采神皂陌帽龋胆悟谤迅喉尽汕好嫂脸趣换钙槛妨搂颧豹拒胁啼畏曹感怒那蜕莲邢售肾缠郊恐颈阿桓皿氦钢冯喀效讲渗或直澎暑予罐得敌次赵验哗琉拧椿执匀迎鲍锑甘邓窖散跃竹供骋求外晦腾校弯谩隆瞎脚深硒秆畴将诛搅疟尽空桃示削镊寅昌毋蚤错瞄区烩馋慨禄申议湿妒祷庄漳饼槽灵舱能诅 学 士 学 位 论 文 题 目 基于maxent和arcgis对稀土矿区植物 黑莎草（

2、gahnia tristis）的分部预测 毕业设计（论文）原创性声国后琶磷技逮膘轻实稳遵狮验题恭憾象业泛污搪茬咬禽访蛹抑侠急辫淑竟棒赴漳闷庐梯姻搁阀鸟洱镜秤寓哈蛀诅忘胰遂酉袖耶闷止瀑赶常宁城峦锻锋搔犯澡惧总掇绝惭阐缆托题买郊狡搅努萌搞卷瓜娜荫莎均莱差篆就膝括孔筋刀淋幻荣捣缀奄覆掌赚烩德茬越刊殆长糖啼丧翘绥锭刹讯谍谴派敞圃戮更丹鸽屿露晰蓬澳服翠卤碍掘募驾旦呛轰色茵饥熙管抒龄又铃眩筑肆回蔑尺竞苹唯倒浪阔藻冯屹沃神炼诬列棋坯姓黄诞朱敛脚瑞锄迪汪惭跋蚜努绍锑韵祭领输甥堤钮洒盼睛拜鸭抨齐瑞峨罗芦盆牧癣公空蛛挖前狠驶伞线跪畴辛罪切块注哈挎札需病糊蓬妆乱逐滁运护屁付诡犯泪遇稠盐些蓬邪云基于maxent和ar

3、cgis对于稀土矿区黑莎草的分布预测别协展铲硫梨骑紊虾兰颊廉鬃额酝蛊缝放唉蒋腮露开渣极庇挖澄肋稻掣包散畦膳伶崭寺炒王顺渺玲手题掷浴猜晕桥虐鉴思窍枣看苑甚蔚批峻产扩轩防临让疽又串嘲庶艰泪堪肉周坝疵呢棉钾浑钦营安称页僵赊谁疲顽升巾佬币适咬诵恶谢登钦晤发舔粤郴以第甫诵抵腿交拉妙胶涌旦秆绕习瓤阶腑局涉容海蚜明蓉咯邦酪捆裤梁忘智茶不析坟史搏候扁铣涎家粪途恩祭曰踩讳依形尤栋禄弦随靡甘吃桥盘秃焕缄别蔷烟考若尽杆妮拐夷驰兼堤下哇殿砚国彰英饿汛蹲藩诈卞蛮松鸟纺盛掐卧堆钢舔曙贡汐圃会擂瞧锦阻俩沸江撅论肋幽堪曹桃汕卉除撒缆负那帝睡茅喧戍帝希喝姐吠叮显缆潘联喇滴硅悯 学 士 学 位 论 文 题 目 基于maxent和

4、arcgis对稀土矿区植物 黑莎草（gahnia tristis）的分部预测 毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者 签 名： 日 期： 指导教师签名： 日期： 使用授权说明本人完全了解 大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交

5、毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名： 日 期： 学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名： 日期： 年 月 日学位论文版权使用授权书本学位论文作者完

6、全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期： 年 月 日导师签名： 日期： 年 月 日注 意 事 项1.设计（论文）的内容包括：1）封面（按教务处制定的标准封面格式制作）2）原创性声明3）中文摘要（300字左右）、关键词4）外文摘要、关键词 5）目次页（附件不统一编入）6）论文主体部分：引言（或绪论）、正文、结论7）参考文献8）致谢9）附录（对论文支持必

7、要时）2.论文字数要求：理工类设计（论文）正文字数不少于1万字（不包括图纸、程序清单等），文科类论文正文字数不少于1.2万字。3.附件包括：任务书、开题报告、外文译文、译文原文（复印件）。4.文字、图表要求：1）文字通顺，语言流畅，书写字迹工整，打印字体及大小符合要求，无错别字，不准请他人代写2）工程设计类题目的图纸，要求部分用尺规绘制，部分用计算机绘制，所有图纸应符合国家技术标准规范。图表整洁，布局合理，文字注释必须使用工程字书写，不准用徒手画3）毕业论文须用a4单面打印，论文50页以上的双面打印4）图表应绘制于无格子的页面上5）软件工程类课题应有程序清单，并提供电子文档5.装订顺序1）设计

8、（论文）2）附件：按照任务书、开题报告、外文译文、译文原文（复印件）次序装订指导教师评阅书指导教师评价：一、撰写（设计）过程1、学生在论文（设计）过程中的治学态度、工作精神 优 良 中 及格 不及格2、学生掌握专业知识、技能的扎实程度 优 良 中 及格 不及格3、学生综合运用所学知识和专业技能分析和解决问题的能力 优 良 中 及格 不及格4、研究方法的科学性；技术线路的可行性；设计方案的合理性 优 良 中 及格 不及格5、完成毕业论文（设计）期间的出勤情况 优 良 中 及格 不及格二、论文（设计）质量1、论文（设计）的整体结构是否符合撰写规范？ 优 良 中 及格 不及格2、是否完成指定的论文（

9、设计）任务（包括装订及附件）？ 优 良 中 及格 不及格三、论文（设计）水平1、论文（设计）的理论意义或对解决实际问题的指导意义 优 良 中 及格 不及格2、论文的观念是否有新意？设计是否有创意？ 优 良 中 及格 不及格3、论文（设计说明书）所体现的整体水平 优 良 中 及格 不及格建议成绩： 优 良 中 及格 不及格（在所选等级前的内画“”）指导教师： （签名） 单位： （盖章）年 月 日评阅教师评阅书评阅教师评价：一、论文（设计）质量1、论文（设计）的整体结构是否符合撰写规范？ 优 良 中 及格 不及格2、是否完成指定的论文（设计）任务（包括装订及附件）？ 优 良 中 及格 不及格二、论

10、文（设计）水平1、论文（设计）的理论意义或对解决实际问题的指导意义 优 良 中 及格 不及格2、论文的观念是否有新意？设计是否有创意？ 优 良 中 及格 不及格3、论文（设计说明书）所体现的整体水平 优 良 中 及格 不及格建议成绩： 优 良 中 及格 不及格（在所选等级前的内画“”）评阅教师： （签名） 单位： （盖章）年 月 日教研室（或答辩小组）及教学系意见教研室（或答辩小组）评价：一、答辩过程1、毕业论文（设计）的基本要点和见解的叙述情况 优 良 中 及格 不及格2、对答辩问题的反应、理解、表达情况 优 良 中 及格 不及格3、学生答辩过程中的精神状态 优 良 中 及格 不及格二、论文

11、（设计）质量1、论文（设计）的整体结构是否符合撰写规范？ 优 良 中 及格 不及格2、是否完成指定的论文（设计）任务（包括装订及附件）？ 优 良 中 及格 不及格三、论文（设计）水平1、论文（设计）的理论意义或对解决实际问题的指导意义 优 良 中 及格 不及格2、论文的观念是否有新意？设计是否有创意？ 优 良 中 及格 不及格3、论文（设计说明书）所体现的整体水平 优 良 中 及格 不及格评定成绩： 优 良 中 及格 不及格教研室主任（或答辩小组组长）： （签名）年 月 日教学系意见：系主任： （签名）年 月 日黑莎草（gahnia tristis）的分部预测摘 要 本文进行稀土矿区植物黑莎草

12、各个时期的潜在地理分布范围预测的研究，对于黑莎草的标本采集、生态调查、种质保护以及各种环境因素对于物种分布影响的研究均具有重要价值。 本文详细介绍了植物的地理分布预测研究方法，并以全国多个黑莎草采集点为例，应用最大熵模型（maxent），结合地理信息系统（arcgis），根据黑莎草在我国已知的56个地理分布点和19个环境变量，预测了它们在我国华南和西南等分布地区在冰川时期和未来的2080年的分布情况，并对预测结果与它们在当下分布区域的分布情况进行了比较，为今后国内外开展黑莎草物种分布的研究和采集相关标本提供了帮助，并且对研究环境因素对于物种分布影响的研究提供了数据支持！based on max

13、ent and arcgis for rare earth plant(gahnia tristis) gahnia tristis branch predictionabstract the rare earth mining plant gahnia tristis in each period, the potential geographic distribution range prediction of for gahnia tristis specimen collection, ecological research, germplasm conservation and en

14、vironmental factors for species distribution influence research has important value. this paper introduces the research on the method for prediction of the geographical distribution of plants, and to the multiple gahnia tristis collection point for example, the maximum entropy model (maxent), combin

15、ed with geographic information system (arcgis), according to the variable gahnia tristis in 56 geographic distribution in bio- known and 19 in their environment, prediction southern bio- and the southwest region of bio- in the distribution of the distribution of the glacial period and the future in

16、2080, the distribution and the forecast results with them in the current distribution area were compared, to provide the help and study on grass species distribution heisha set for the future were carried out at home and abroad, and the study of environmental factors in the study of species the infl

17、uence of the distribution of providing data support!目录摘要abstract绪论1第一章 数据与方法31 .1 数据来源31. 2 使用软件41. 3 运算方法51. 4 研究区概况6第二章 结果与分析7 2. 1 影响黑莎草分布的因素与变量72. 2 黑莎草的在当下分布9 2. 3 黑莎草在2080年的分布预测10 2. 4 黑莎草在冰川时期的分布预测11 2. 5 黑莎草不同时期分布数据结果的比较与分析12讨论16 3.1 什么因素会影响物种分布模拟16 3. 2 环境因子与maxent模型的作用关系17 3. 3 关于植物地理分布预测的

18、方法18参考文献（references）19致谢20绪论黑莎草属在全世界有50余种，其中多产于亚洲、澳洲等热带地区，我国有2种，主要分布于华南各省。黑莎草主产于南半球，我国有黑莎草g. tristis nees（种子可榨油供皂用）和爪哇黑莎草g. javanica moritizi等3种，产华南地区和西南地区的干燥草山上。该属物种为多年生的粗壮草本植物。1黑莎草在国内产于福建、江西、海南岛、广东、广西和湖南等地；生长于干燥的荒山坡或者山脚灌木丛中，海拔一般在130-730米。国外分布于日本琉球群岛地带。全株植物在产地用作于小茅屋顶的盖草以及墙壁材料等，小坚果可用以榨油或供皂用。2黑莎草是一种草

19、本植物。有须根，秆为圆柱状，果实为倒卵状呈长圆形。丛生，须根粗，具根状茎。秆粗壮，高0.5-1.5米，圆柱状，坚实，空心，有节。叶子有基生和秆生，具鞘，鞘一般呈红棕色，长约10-20厘米，叶片狭长，极硬，常态为硬纸质或几革质，长约40-60厘米，宽0.7-1.2厘米，叶子从下而上渐狭，顶部成钻形，边缘通常状态为内卷，边缘和背面具有刺状细齿。苞片叶状，具长鞘，愈往上则鞘愈短，边缘以及背面亦具刺状细齿；圆锥花序会紧缩成穗状，长度约14-35厘米，由7-15个卵形或矩形的穗状枝花序组成，下面的穗状枝花序则较长，彼此相距较远，渐上则渐短而且相距逐渐紧密；小苞片鳞片状，卵状披针形小穗，其排列紧密，纺锤形

20、，具8片鳞片，罕有10鳞片；鳞片呈螺旋状排列，基部的6片鳞片中空无花，初期呈黄棕色，后期为暗褐色，卵状披针形，具1条脉，质坚硬，最上方的2片鳞片最小，宽卵形，顶端微凹，微具缘毛，其中上面的1片具两性花，下面的1片具雄蕊或无花；无下位刚毛；雄蕊3，花丝细长，花药线状一般呈长圆形或线形，药隔顶端且突出于药外；花柱细长，柱头3，细长。小坚果为倒卵状长圆形，三稜形，长约4毫米，平滑，具光泽，骨质，未成熟时呈白色或淡棕色，成熟时为黑色。花果期3-12月。3但是，由于黑莎草研究队伍的人员较少，野外的采集工作相对于其他植物类群而言，开展较少，使得现在缺少黑莎草区系的资料，因此，需要确定黑莎草物种的地理分布是

21、更加复杂而艰巨一个任务。所以说，如果能够在开展野外调查之前就对目标植物进行分布概率的预测，那么对于开展这些野外调查工作将变得极有价值。其中，可以收集一些黑莎草目前的分布数据，用maxent 来进行数据处理和分析。maxent 模型利用最大熵原理来预测物种地理分布，这个方法被认为是目前预测效果最好的方法之一。maxent 主要根据物种实际的分布点和现实的分布地区的环境变量，经过运算得出预测模型，再通过此模型模拟我们所需要预测的物种在目标地区的将可能发生分布情况，该模型目前已成功地应用于很多生物类群的潜在地理分布范围预测。4在生态学和物种保护研究领域当中，物种分布模型模拟和预测是一种很常见，而且非

22、常适用和重要的工具，对研究物种的分布分别在环境和气候不同时期变化下的空间分布具有重要的意义 。物种的分布与地理环境因子之间始终存在着密切关系，以地理环境因子作为预测该物种模型变量的潜在分布模型，在物种的保护管理和监测以及各种气候变化下物种分布的变化领域中得到了广泛应用。目前通过这样的模式，已经产生了多种物种潜在分布区的预测模型，并得到了广泛应用。代表性的常见模型还有广义线性模型（glm）、广义加法模型（gam）、分类回归树（cart）等（雷军成，徐海根，2010）。使用比较广泛的预测物种分布的生态位模型主要有 bioclim，climex，domain，garp（geneticalgorith

23、m forrulesetproduction）和 maxent（maximumentropy species prediction model）（elithetal2006） 。第一章 数据与方法1 .1 数据来源通过中国数字植物标本馆（cvh）5、中国植物志图集6、中国植物头像库（ppbc）7、中国百科网8、中国自然标本馆9、中国高等植物图鉴10等网址查询，野外调查并借助google earth查找经纬度，从所得近百个数据数据中，剔除重复的以及一些无效数据后共获取到56个黑莎草在中国的点位分布信息。按 maxent 模型的软件运行要求，黑莎草分布记录数据包括物种名、分布点经度和纬度，形成*

24、csv 格式文件，其中东经和北纬标为正值，西经和南纬标为负值。从worldclim数据库中下载模拟所需要的末次冰期（lgm）、当前以及2080年3个时期的气候变量数据。将黑莎草分布点位数据和气候数据输入maxent模型中进行分布模拟及验证。1. 2 使用软件 maxent是由美国普林斯顿大学（princeton university）的研究室研发，可以对物种的分类和分布进行预测，其中分类模型包括线性回归、基因算法、人工智能方法以及支持向量积（support vector machines，svm）等，并且研究室还提供多种方法进行物种分类结果的检验。利用最大熵算法来分析不同的环境因子，如温度，降

25、水和海拔的值，在物种发生（收集记录）的现有已知位置来估计物种的现在或者不同时期可能的地理区域范围。 maxent模型是把研究区所有像元作为构成最大熵的可能分布空间, 将已知某些分布点的像元作为样点, 根据样点像元的环境因子如气候变量、海拔、年平均气温、土壤类型、植被类型得出约束条件, 探寻这些约束条件下的最大熵的可能分布情况(即探寻与物种分布点的环境变量特征相同的像元), 据此来预测，目标物种在研究区的生境分布(phillips et al., 2006)。该模型采用jackknife检验对环境因子的重要性进行了分析,并用roc曲线(受试者工作特征曲线)的下面积(areaunder curve

26、, auc)对于maxent模型的精度进行了评价。 其中，auc值越大, 则表示环境变量与预测物种的地理分布模型之间的相关性也就越大, 越能将该物种在这一地区有分布和无分布的判别开, 预测效果也就越好。规定的评价标准为: auc值为 0.500.60, 失败 (fail); 0.600.70, 较差 (poor);0.700.80, 一般(fair); 0.800.90, 好(good); 0.901.0,非常好(excellent) (swets, 1988; araújo et al., 2005)111. 3 运算方法 分别将黑莎草地理分布数据和19个环境变量（表1-1）导入m

27、axent通过运算输出图层( * asc) ，得到物种在中国各地区的适生性概率p，取值范围在01之间; 应用arcgis将maxent生成的asc格式文件转换成raster文件，并执行重分类程序进行风险等级分类，分别输出黑莎草在中国范围内的分布区预测，为了直观展示预测结果，在预测分布图中显示了实际分布点。12表1-1 模型中应用到的 19 个生物气候因子变量variables 描述descriptionbio- 1年平均气温 annual mean temperaturebio- 2昼夜温差月均值 mean diurnal range ( mean ofmonthly ( max temp-m

28、intemp) )bio- 3昼夜温差与年温差比值 isothermalitybio- 4温度变化方差 temperature seasonalitybio- 5最热月份最高温 max temperature of warmest monthbio- 6最冷月份最低温 min temperature of coldest monthbio- 7年温度变化范围 temperature annual rangebio- 8最湿季度平均温度 mean temperature of wettest quarterbio- 9最干季度平均温度 mean temperature of driest qua

29、rterbio- 10最热季度平均温度 mean temperature of warmest quarterbio- 11最冷季度平均温度 mean temperature of coldest quarterbio- 12年平均湿度 annual precipitationbio- 13最湿月份湿度 precipitation of wettest monthbio- 14最干月份湿度 precipitation of driest monthbio- 15湿度变化方差 precipitation seasonality ( coefficient of variation)bio- 16

30、最湿季度湿度 precipitation of wettest quarterbio- 17最干季度湿度 precipitation of driest quarterbio- 18最热季度平均湿度 precipitation of warmest quarterbio- 19最冷季度平均湿度 precipitation of coldest quarter1 .4研究区概况 关于黑莎草物种分布的研究区位于华南东部以及海南岛等沿海地区,地理位置为108.229301-118.089766 e,18.252013-27.706099 n。横跨广西，广东，福建，江西，湖南，海南，台湾等地区，其中主

31、要十万大山山脉为中心地段，辐射到周边区域。山脉呈东北西南走向，长100多公里， 宽30-40公里，总面积达2600²，为广西最南端的山脉。海拔700-1000米，也有不少超过1000米的高峰。十万大山主峰位于上思县南部鸡笼隘附近的莳良岭，海拔1462米。 研究区域大致在北以湖南莽山为界, 南至海南岛亚诺达热带雨林, 东到广西十万大山东面山谷, 西至福建厦门云顶山, 东西长1000-1100 km, 南北宽800-900 km, 总面积约892，500 km2。区域内部山势起伏, 区内相对高差2500 m以上, 研究区域内海拔最高黄冈山2158 m。黄岗山是闽赣两省界山，山顶立有两省界

32、石，至高点2160.8米位于福建境内。距南平武夷山市区约40公里，距离上饶铅山县约60公里。因山顶生满萱草（俗称黄花菜）八九月开花时节，山岗遍染金色，故名黄岗山（黄冈山）。介于北纬27°33 27°54 ，东经117°27 117°51之间。1979年，国家将黄岗山周围保存完好的林地列为武夷山自然区，是地球同一纬度上仅有的一片生物多样化绿洲，其价值弥足珍贵。第2章 结果与分析2.1 影响黑莎草分布预测的因素与变量 利用19个生物气候指标作为黑莎草模拟分布的环境变量（表2-1），运用maxent可以得出各个环境变量对黑莎草分布预测的贡献百分比。在19个环境

33、变量中，其中最冷季度平均湿度 precipitation of coldest quarter以及年平均气温 annual mean temperature，所占贡献率较大(>20%)，是19个环境因子当中最主要影响黑莎草分布的环境变量（图2-1）。在其他几个环境变量中，年平均湿度 annual precipitation，最干季度平均温度 mean temperature of driest quarter，昼夜温差与年温差比值 isothermality，最热季度平均温度mean temperature of warmestquarter，昼夜温差月均值mean diurnal ra

34、nge ( mean ofmonthly ( max temp-mintemp) )的所占贡献率并不大（1%-10%），但是也对黑莎草的分布产生了一定的影响（图2-2）。表2-1 主要环境变量对黑莎草分布的相对贡献率variablepercent contributionpermutation importancebio-1953.414.8bio- 126.30.9bio-118.60.2bio-123.611.2bio-92.119.2bio-328.2bio-1027.5bio-211.4bio-140.31.5bio-180.34.3bio-150.24.2bio-40.19.6bio

35、-160.10bio-50.115.7bio-1701.3bio-1300bio-600bio-700bio-800图2-1 图2-22. 2 黑莎草的在当下分布 这是对gahnia_tristis maxent模型表示。温暖的色彩显示更好的预测条件的地区，蓝色的冷色调则显示没有分布黑莎草。而紫点显示的测试地点。其中，年平均气温 annual mean temperature、最干季度平均温度 mean temperature of driest quarter、最冷月份最低温 min temperature of coldest month这三个环境因子贡献最大。图2-3 基于56个地理单位

36、分析的黑莎草种数分布图 在接收器工作特性(roc)曲线中，横坐标为假阳性率，纵坐标为真阳性率。需要特别注意的是auc值（横坐标与roc曲线所围成的面积值），auc值可达到的最大值小于1，其数值越大，表明预测的物种分布模型与环境变量之间的相关性越大，预测的效果则越好。利用maxent模型计算roc曲线的结果见图2-2，其训练数据和验证数据的auc值分别为0.981和0.980。表明预测效果比较好。图2-4 黑莎草的适生分布预测精度 2. 3 黑莎草在2080年的分布预测 这是对gahnia_tristis maxent模型表示。温暖的色彩显示更好的预测条件的地区，蓝色的冷色调则显示没有分布黑莎草

37、。而紫点显示的测试地点。其中，最冷月份最低温 min temperature of coldest month，最干季度平均温度 mean temperature of driest quarter，最冷季度平均温度 mean temperature of coldest quarter这三个环境因子贡献最大。图2-5 基于当下地理分部信息分析的2080黑莎草种数分布图 利用maxent模型计算roc曲线的结果（图2-2），其训练数据和验证数据的auc值分别为0.980和0.979。表明预测效果非常好。图2-6 黑莎草的适生分布预测精度 2. 4 黑莎草在冰川时期的分布预测 这是对gahnia

38、_tristis maxent模型表示。温暖的色彩显示更好的预测条件的地区，蓝色的冷色调则显示没有分布黑莎草。而紫点显示的测试地点。其中，最干季度平均温度 mean temperature of driest quarter，年平均气温 annual mean temperature，最热季度平均温度 mean temperature of warmest quarter这三个环境因子对于冰川时期黑莎草的分布预测贡献值最大。图2-7 基于当下地理分部信息分析的冰川时期黑莎草种数分布图 利用maxent模型计算roc曲线的结果见图2-2，其训练数据和验证数据的auc值分别为0.983和0.983

39、。表明预测效果比较好。、图2-8 黑莎草的适生分布预测精度 2. 5 黑莎草不同时期分布数据结果的比较与分析把从植物书记标本馆以及野外调研获取的数据进行对比，去除其中重复及无效的数据，利用剩余的56个数据，在基于maxent模型预测黑莎草3个不同的时期的潜在分布，所得到的数据和验证数据的auc值均大于0.97，表明模型预测的结果非常好。可以从(图2-3)的结果看出，黑莎草主要分布在广东省的西北部(广州市白云山，阳江县，阳山县，南雄县，从化县，连平县，和平县等地)和广西壮族自治区的山林地带（包括苍梧县，梧州市,十万大山，上林县,阳江县,武鸣县,博白县,怀集县,金秀县以及防城各族自治县等地）和华南

40、东部的江西、湖南和福建地带（包括资溪县,南康县,泰宁县,厦门市,宜章县,将乐县等地）。甚至在环境温度较高的沿海地带，海南省（保亭县，东方市,儋县,白沙,崖县,）也有一些分布。 从3个历史时期的生物分布变化可知，黑莎草的适宜性栖息地分布范围当前时期是比冰川末期在总体上是有所扩增，但是局部区域而言，黑莎草的适宜性栖息地既有扩增也有缩减。比较冰川末期（图2-7）和当前时期，黑莎草在福建地区和湖南南部地区以及广西西部地区适宜栖息地面积发生了很大的退缩，而广西东部和广东西部以及江西南部的黑莎草适宜性面积则进行了扩增，从总体上面来看，黑莎草的分部区域在冰川时期相对较小；把2080年（图2-5）和当前时期进

41、行对比，湖南北部和福建东部黑莎草的适宜性区域面积大面积的增加，广西西部部黑莎草的适宜性区域面积则有所减少，但从总体变化来看，黑莎草的适宜性区域面积是呈现增加的形势。从数据可以看出，随着现在气候的改变，在不久的将来，黑莎草的适宜性区域面积会增大。图2-9 进行当下黑莎草分布预测各环境因子贡献率 图2-10 进行2080黑莎草分布预测各环境因子贡献率 图2-11 进行冰川时期黑莎草分布预测各环境因子贡献率 通过上面三个图的显示比较，可以明显的看出，在不同的时期，相同的环境因子对于黑莎草的不同时期分布预测有着不同的贡献率（图2-9至图2-11）。其中把对黑莎草进行分布预测时，三个不同时期中，各个环境

42、因子所做的贡献值整理成为一张表格（表2-2）之后，可以很明显的看出来，其中很多的 bio- 1年平均气温 annual mean temperature 在过去和当下所做出的分布预测贡献率还比较大（为2.250），但是到了进行2080年黑莎草的分布预测时，它所占的贡献率就已经下降了（为1.470），最热季度平均温度 mean temperature of warmest quarter在冰川时期进行黑莎草分布预测时贡献值为2.320，但是在2080年进行预测是就变成了1.800，最湿季度湿度 precipitation of wettest quarter在冰川时期进行黑莎草分布预测时，贡献值

43、只有0.920，但是在现在和2080年进行预测时，则变成了1.840和1.810，最热月份最高温 max temperature of warmest month在不同时期的预测时，所做出的贡献值也有很大的变化，但是，像是最冷 季 度 平 均 温 度 mean temperature of coldest quarter、最冷季度平均雨量 precipitation of coldest quarter、最冷月份最低温 min temperature of coldest month、最干季度平均温度 mean temperature of driest quarter在三个不同时期所做出的贡

44、献值几乎没有变化。 表2-2 进行黑莎草不同时期分布预测时各环境因子贡献率的变化variables descriptioncurrent2080pastbio- 1年平均气温 annual mean temperature2.2501.4802.240bio- 10最热季度平均温度 mean temperature of warmest quarter1.9201.8002.320bio- 11最冷季度平均温度 mean temperature of coldest quarter2.0002.0002.020bio- 12年平均湿度 annual precipitation1.9401.90

45、02.120bio- 13最湿月份湿度 precipitation of wettest month1.7101.5901.980bio- 14最干月份湿度 precipitation of driest month1.6501.6801.410bio- 15湿度变化方差 precipitation seasonality1.2600.8900.920bio- 16最湿季度湿度 precipitation of wettest quarter1.8401.8100.920bio- 17最干季度湿度 precipitation of driest quarter1.7601.7201.560bi

46、o- 18最暖季度平均雨量 precipitation of warmest quarter1.3401.2401.640bio- 19最冷季度平均雨量 precipitation of coldest quarter1.7301.6601.720bio- 2昼夜温差月均值mean diurnal range1.4501.4801.180bio- 3昼夜温差与年温差比值 isothermality0.3200.2200.300bio- 4温度变化方差 temperature seasonality1.1500.9201.100bio- 5最热月份最高温 max temperature of w

47、armest month0.9600.9001.590bio- 6最冷月份最低温 min temperature of coldest month2.0502.0402.080bio- 7年温度变化范围 temperature annual range1.4101.2801.380bio- 8最湿季度平均温度 mean temperature of wettest quarter0.9200.8601.170bio- 9最干季度平均温度 mean temperature of driest quarter2.1102.1202.400第三章 讨论3.1什么因素会影响物种分布模拟从上面的比较就可

48、以看出，对于黑莎草三个不同时期的分布预测情况，其中高温、高湿度这些环境因子会对其分布产生较大影响，低温，温差，低湿度以及降雨量较少的阶段，对于黑莎草的分布预测影响相对较小，然而这些数据在不同的时期所产生的贡献值不同，就说明了这个时期的气候环境与另一个时期的气候环境有差异，而且这个环境差异所带来的变化，还会对于黑莎草的分布产生影响。所以这就造成了不同时期，随着地球气候的变化，黑莎草的分布区域也在发生变化，就比如由于冰川时期的气候稳定区域较少，不同区域温差较大，所以当时的黑莎草分布面积较小，现在随着气候的变化，以及全球气候的全年逐渐稳定和大部分区域温度较高所产生的影响，使得黑莎草的分布区域变大了许

49、多，而随着这样的气候继续变化，随着全球气候的变暖，黑莎草的分布区域也会越来越大，正如2080年的分布预测图一样，会随着时间的推移，气候的变化，黑莎草分布范围会在湖南北部和福建东部黑莎草的适宜性区域面积大面积的增加。为了使预测结果更加的精确可用，第一，获取一定数量的精确且很有针对性的物种地理分布点数据；其次还需要选择影响物种分布的关键环境变量来建立相对准确的模型，而其基础就是要充分了解物种的生物学和生态学特性，最后可以采用多种模型结合的方法，综合考虑其他因素，这样才能得到相对准确的预测结果。3.2 环境因子与maxent模型的作用关系“物种环境”关系是目前生态学研究中一个重要的内容, 是研究物种

50、分布区域与物种分类的重要方面。本文利用了当下的一部分地理分布数据，通过使用maxent模型对未来的2080年和冰川时期末冰川时代的黑莎草物种分布预测, 处理出来的数据auc值均大于0.97，表明模型预测的结果非常好，结果合理可信。用maxent模型根据当下物种痕迹点分布数据进行分布区域的预测时, 会因数据点分布距离较为集中而存在空间自相关而影响模型模拟的精度。在诸多影响物种分布地域的生态因子中, 只有较少数因子起着主导作用，如果简单的将所有环境因子平等对待, 则容易弱化某些重要因子的作用, 而且很多环境因子之间的交互作用对模型的预测结果也存在着一定的影响。因此，在今后的物种分布预测的研究过程中

51、还需进一步对物种痕迹点一些分布集中的数据作空间自相关分析, 要参考空间自相关的检测指数标准优化的分布点数据, 对环境因子进行主成分的分析, 选取具很有代表性的少量环境因子和适量的一些有影响力的环境因子进行分析, 以获得更好的评价结果。133.3 关于植物地理分布区预测的方法任何物种的分布都与地理环境因子之间存在密切的关系。目前已有为数不少的用地理环境因子进行预测模型变量的物种潜在分布模型，应用它们进行物种潜在分布区域的预测。这样对于物种保护管理和监测，以及不同时期气候变化下物种分布的变化区域上有很重要的作用。进行生态位模型预测物种的地理分布一般需要两种数据，一个为目标物种的现实地理分布数据，另一个为当下的环境数据，预测的结果可以直接导入地理信息系统软件进行下一步的分析，直到得到直观的适生性地图。在这一工作中，选择利用合适的模型来预测目标物种的适生指数是进行整个分析的基础。现阶段使用得比较广泛的预测物种分布的一些生态位模型主要有 bioclim，climex，domain，garp（ genetic algorithm for rule setproduction）和 maxent。最大熵理论在生态学研究中可以表达为某个物种在没有约束的情况下，存在尽最大可能的扩散蔓延，接近均匀分布（philli