植物分类与资源学报 2015ꎬ 37 (3): 349~ 356 Plant Diversity and Resources DOI: 10.7677 / ynzwyj201514103 药用植物细辛在中国的潜在适生区分布 景鹏飞 1ꎬ2 ꎬ 武坤毅 1 ꎬ 龚晔 1 ꎬ 韩立敏 3 1 ꎬ 崔浪军 (1 药用资源与天然药物化学教育部重点实验室 ꎬ 陕西师范大学生命科学学院 ꎬ 西安 710062ꎻ 2 运城市种子管理站 ꎬ 山西运城 044000ꎻ 3 陕西学前师范学院 ꎬ 西安 710100) 摘要 : 细辛 (Asarum) 属植物多为我国传统名贵药源植物 ꎮ 利用 3 种入药的细辛属植物在中国的 126 个地理分布记录 ꎬ 结合 6 大类 28 项环境因子 ꎬ 应用最大熵模型 (Maxent) 和地理信息系统 (ArcGIS9 3) 软件 ꎬ 定量地预测了细辛在我国的潜在适生区及其适生等级 ꎮ 结果表明 ꎬ 3 种细辛属药用植物在中国的潜在适生区分布较为广泛 ꎬ 高适生区和适生区面积分别达到 312 5 km 2 和 2 760 42 km 2 ꎬ 与降雨量相关的年降雨量 最干季降雨量和最暖季降雨量是影响细辛属药用植物分布的主要环境因子 ꎮ 本研究的预测结果可为细辛属药用植物资源的研究与栽培生产用地的合理布局提供参考依据 ꎮ 关键词 : 细辛 ꎻ 最大熵模型 ꎻ 潜在适生区中图分类号 : Q 948 11 文献标志码 : A 文章编号 : 2095-0845(2015)03-349-08 Prediction of Potential Geological Distribution of Asarum in China by Maxent Model JING Peng fei 1ꎬ2 ꎬ WU Kun yi 1 ꎬ GONG Ye 1 ꎬ HAN Li min 3 ꎬ CUI Lang jun 1 (1 Key Laboratory of Medicinal Resources and Natural Pharmaceutical Chemistry ( Ministry of Education) School of Life Sciencesꎬ Shaanxi Normal Universityꎬ Xi an 710062ꎬ Chinaꎻ 2 Seed Administration Stationꎬ Yuncheng Countyꎬ Yunchengꎬ Shanxi 044000ꎬ Chinaꎻ 3 Shaanxi Xueqian Normal Universityꎬ Xi an 710100ꎬ China) Abstract: Genus Asarum contains several plant species that are mostly used as precious drug resources. In this studyꎬ 126 distribution records of 3 Asarum species and relevant 28 environmental factors data were collectedꎬ then a geographical distribution model of the genus medicinal plants in China was made by Maxent and the ArcGIS spatial analysis technique. The results showed that the 3 Asarum species have a wide potential distribution region. High suit able region and suitable region were 312 5 km 2 and 2 760 42 km 2 respectively. Among the environmental factorsꎬ 3 precipitation factors ( annual precipitationꎬ precipitations in the most dry season and the most warm season) are the main ones that can affect the distribution of the 3 Asarum medicinal plants. This study can provide a useful reference for the collection and cultivation of Asarum medicinal plants. Key words: Asarumꎻ Prediction of potential distributionꎻ Maximum entropy model ( Maxent) 马兜铃科 (Aristolochiaceae) 细辛属 (Asarum L.) 植物全世界约 90 种 ꎬ 分布于北温带 ꎬ 我国约有 30 种 4 变种 1 变型 ꎬ 南北各地均有分布 ꎬ 长江流域以南各省区最多 ꎬ 本属绝大多数种类为药用植物 ( 吴征镒等 ꎬ 1988)ꎮ «中华人民共和国 药典» 2010 版收载的中药细辛植物包括北细辛 ( A heterotropoides Fr. Schmidt var. mandshuricum (Maxim.) Kitag.) 华细辛 (A sieboldii Miq.) 和汉城细辛 (A sieboldii Miq. var. seoulense Nakai)ꎮ 细辛以植物的根及根茎入药 ꎬ 是我国名贵药材之一 ꎬ 基金项目 : 陕西省科技攻关计划 (2012K19 02 04)ꎻ 中央高校基本科研业务费专项资金 (GK200902032)ꎻ 西安市科技计划 (NC1206(6)) 通讯作者 : Author for correspondenceꎻ E mail: ljcui@snnu edu cn 收稿日期 : 2014-07-15ꎬ 2014-03-09 接受发表作者简介 : 景鹏飞 (1989-) 男 ꎬ 硕士研究生 ꎬ 从事药用植物资源研究 ꎮ
350 植物分类与资源学报第 37 卷 为中医常用药 ꎬ 具有祛风散寒 通窍止通 温肺化阴等功效 ꎬ 主治外感风寒 鼻塞多涕 头痛 关节痛 牙痛 口舌生疮 口腔炎 痰饮咳嗽 慢性支气管炎 支气管扩张等症 ( 国家药典委员会 ꎬ 2010)ꎮ 以往学者的研究主要集中在细辛的有效成分 ( 古一凡等 ꎬ 2010ꎻ 王栋等 ꎬ 1996) 和遗传多样性 ( 胡苏莹等 ꎬ 2012ꎻ 刘忠等 ꎬ 2007) 两个方面 ꎬ 而对其药用资源及其分布概况 ꎬ 以及影响其分布的气候环境因子却鲜见报道 ꎮ 近年来 ꎬ 随着中药细辛用量的不断增大 ꎬ 过度采挖 ꎬ 加之其生长缓慢 ꎬ 结实率低等因素 ꎬ 野生资源处于濒危状态 ( 陈士林等 ꎬ 2011)ꎬ 依靠其自然繁殖更新已无法满足市场需求 ꎮ 鉴于此 ꎬ 对细辛的资源概况 ꎬ 潜在适生区分布及其等级划分 ꎬ 影响分布的主导气候环境因子等相关研究具有重要意义 ꎮ 目前用于预测物种潜在分布的建模过程是基于地理信息系统 (GISꎬ Geographic Information Sys tem) 和生态学原理并结合多年气候环境变量进行 ꎬ 近年开发出软件如环境包络 ( Environmental Envelope) 生态位因子分析 ( ENFAꎬ Ecological Niche Factor Analysis) 基于遗传算法的规则组合预测模型 ( GARPꎬ Genetic Algorithm for Rule set Production) 和最大熵模型 ( Maxent) 等已广泛应用于物种潜在适生分布区的预测研究 ( Ru bio 和 Acostaꎬ 2011ꎻ Larson 等 ꎬ 2010ꎻ Nabout 等 ꎬ 2010ꎻ Wang 等 ꎬ 2010)ꎮ 本研究采用全球生物多样性信息平台 ( GBIF)ꎬ 中国数字植物标本馆 (CVH)ꎬ 教学标本标准化整理整合与资源共享平台和中国自然保护区资源平台记录的细辛属 3 种药用植物的分布点信息 ꎬ 结合世界气候数据库 (http: / / www.worldclim.org) 的气候环境信息 ꎬ 利用最大熵模型和 ArcGIS 软件 ꎬ 预测了药用细辛属植物在中国的潜在适生区分布和其适生区等级 ꎬ 同时分析了影响其潜在适生区分布的主导气候环境因子 ꎮ 本研究试图为深入了解细辛资源整体分布概况 ꎬ 认识影响细辛分布的主要气候环境因子奠定基础 ꎬ 同时为中药细辛的种质资源研究与栽培生产用地的合理布局提供一定的理论依据 ꎮ 1 材料与方法 1 1 细辛分布数据的获取与处理根据中药细辛的原植物来源 ꎬ 利用全球生物多样性 信息平台 ( GBIFꎬ http: / / www.gbif.org / )ꎬ 中国数字植物标本馆 (CVHꎬ http:/ / www.cvh.org.cn / cms / )ꎬ 教学标本标准化整理整合与资源共享平台 (http:/ / mnh.scu.edu.cn / ) 和中国自然保护区资源平台 ( http: / / www. papc. cn / ) 共得到 3 种细辛属药用植物的分布点信息 1 359 条 ꎬ 去除重复及国外分布点数据后得到中国具有经纬度的分布点信息 126 条 ꎬ 分布点见图 1ꎮ 1 2 环境变量及相关地理信息数据气候环境图层数据来源于世界气候数据库 ( http: / / www.worldclim.org)ꎬ 精度为 2 5 弧分 ( 5 km)ꎬ 包括最近 50 年的 6 大类 28 项环境因子 ꎬ 各项因子及含义详见表 1ꎮ 本研究 1 400 万中国地图和中国行政区划图由国家地理信息系统网站 (http: / / nfgis.nsdi.gov.cn / ) 下载 ꎮ 1 3 相关软件本研究所采用的软件 Maxent V3 3 3 ( http: / / www. cs.princeton. edu / ~ schapire / Maxent)ꎬ 是 Steven J Phillips 基于 Java 平台设计的一款用于预测物种潜在分布的软件 ꎮ ArcGIS 9 3 主要用于 Maxent 所需 ASC 栅格文件的转换以及后续预测结果的统计分析等 ꎮ 1 4 研究方法 1 4 1 数据导入及格式转换细辛的分布数据以 物种 + 经度 + 纬度 的形式保存为逗号分隔 ( csv) 格式 ꎬ 利用 GIS Arctoolbox 模块中 Conversion Tools 将世界气候数据库提供的中国气候数据环境变量提取 ꎬ 并转换为 ESRI ASCII 格式 ꎬ 以上述转换格式之后的环境变量为掩膜 ꎬ 进行相对应的中国环境图层的提取 ꎮ 细辛的潜在适生区分布预测可以精确到 2 5 弧分 2 5 弧分 ( 25 km 2 ) 大小 ꎬ 这样的精确度可以较准确给定细辛适生区的范围 ꎬ 预测所得细辛在中国潜在适生区分布概况见图 2ꎮ 1 4 2 模型设定环境图层导入的每个因子选择离散 (Categorical) 变量模式 ꎻ 采用刀切法的环境因子权重分析及回应曲线分别选中刀切法 ( Do jackknife) 及制作回应曲线 (create response curves) 选项 ꎮ 本研究设定 25% 的分布点为测试集 (test data)ꎬ 用于预测结果的自校验 ꎬ 其余 75% 为训练集 ( Training Data)ꎬ 构建细辛潜在适生区分布的最大熵模型 ꎬ 并采用 Maxent 模型的受试者工作特征曲线 ( Receiver Operating Characteristic Curveꎬ 简称 ROC 曲线 ) 下面积 AUC 值评估模型模拟的准确性 ꎬ 设定模型运算次数为 500 次 ꎬ 进行 10 次重复运算 ꎬ 其余选项采用模型的默认设定 ꎮ 1 4 3 预测结果的处理利用最大熵模型 ꎬ 结合气候因子 ꎬ 可以得出细辛潜在适生区的适生指数 P ( 即用存在概率表示 )ꎬ 取值范围为 0~ 1ꎬ P 值越接近 1 表明存在概率越大 ꎬ 即适生指数越高 ꎮ 参考政府间气候变化专门委员会 ( IPCC) 第四次评估报告中对 可能性 ( likeli hood) 的表述 (IPCCꎬ 2007)ꎬ 设定细辛在我国适生分布
3 期景鹏飞等 : 药用植物细辛在中国的潜在适生区分布 351 图 1 3 种细辛属植物在中国的分布点 Fig 1 Distribution records of Asarum in China Table 1 表 1 本文所用的环境变量 Environmental variables used in the study 类型 Type 变量代码 Variable code 描述 Description 地形因子 Landform factor alt 海拔 Altitude 生物气候因子 Bio clim factor bio1 年均温 Annual mean temperature bio2 昼夜温差月均值 Monthly mean diurnal temperature range bio3 等温性 Isothermality [(Bio2 / Bio7) 100] bio4 温度季节性变化的标准差 Standard deviation of temperature seasonal change bio5 最暖月最高温 Max temperature of the warmest month bio6 最冷月最低温 Min temperature of the coldest month bio7 年均温变化范围 Range of annual temperature bio8 最湿季度平均温度 Mean temperature of the wettest quarter bio9 最干季度平均温度 Mean temperature of the driest quarter bio10 最暖季度平均温度 Mean temperature of the warmest quarter bio11 最冷季度平均温度 Mean temperature of the coldest quarter bio12 年均降水量 Annual average precipitation bio13 最湿月降水量 Precipitation of the wettest month bio14 最干月降水量 Precipitation of the driest month bio15 降水量变异系数 CV of precipitation bio16 最湿季度降水量 Precipitation of the wettest quarter bio17 最干季度降水量 Precipitation of the driest quarter bio18 最暖季度降水量 Precipitation of the warmest quarter bio19 最冷季度降水量 Precipitation of the coldest quarter 单月因子 Monthly factor tmax1ꎬ tmax7 1 7 月最高温 Max temperature of Janꎬ Jul tmean1ꎬ tmean7 1 7 月平均气温 Mean temperature of Janꎬ Jul tmin1ꎬ tmin7 1 7 月最低气温 Min temperature of Janꎬ Jul prec1ꎬ prec7 1 7 月降雨量 Precipitation of Janꎬ Jul
352 植物分类与资源学报第 37 卷 区的气候适宜性等级 : P<0 33 为低适生区 ꎻ 0 33 P< 0 66 为边缘适生区 ꎻ 0 66 P<0 9 为适生区 ꎻ P 0 9 为高适生区 ꎮ 将模型预测结果转化后导入 GISꎬ 利用 GIS 的空间分析工具 ꎬ 采用人工 ( Manual) 分级分析方法 ꎬ 得出细辛不同适生等级的适生区面积占中国国土总面积数值 ꎮ 利用工具 Extract by Mask 将细辛在中国 32 个省 ( 市 自治区 ) 的潜在适生区分布图抽提出来 ꎬ 对细辛潜在适生区进一步统计分析 ꎬ 并对各个省份的不同适生等级适生区面积进行计算统计 ꎮ 1 4 4 环境因子权重分析分析评价影响细辛适生区分布的主要环境因子 ꎬ 即用刀切法得出每个环境因子的贡献率及训练得分 ꎮ 用所有的环境因子建立模型 ( 黑色条带表示 )ꎻ 单独用每一环境因子建立模型 ( 深灰色条带表示 )ꎻ 依次排除一个因子 ꎬ 用剩余的因子建立模型 ( 浅灰色条带表示 )ꎬ 观察这个模型 ( 深灰色条带 ) 与所有因子都存在模型 ( 黑色条带 ) 之间的变化 ꎬ 如果变化大 ꎬ 说明排除的那个因子含有很重要的信息 ꎬ 反之则有用信息少 ( 张海娟等 ꎬ 2011)ꎮ 2 结果与分析 2 1 细辛的潜在适生区分布 2 1 1 细辛在中国潜在适生区分布概况细辛在中国的潜在适生区分布图表明 ( 图 2)ꎬ 细辛有较广泛的分布 ꎬ 南起云南 ꎬ 北至吉林 黑龙江 ꎬ 西至新疆 ꎮ 尤其在东北地区以及陕西 河南 山西 山东等省 ꎬ 有较大的潜在适生区面积 ꎮ 2 1 2 细辛在中国各地区不同适生等级的分布细辛属 3 种药用植物不同适生等级下适生区面积占中国国土总面积的情况 ( 表 2)ꎮ 利用 GIS 分析 ꎬ 结果显示细辛的高适宜生长区约为 312 5 km 2 ꎬ 适宜生长区 边缘适生区以及低适生区面积逐渐增大 ꎮ 就整体而言 ꎬ 细辛属 3 种药用植物在我国大多数地区均有潜在适生区分布 ꎬ 但各个地区的适宜生长的情况不同 ꎮ 其中 ꎬ 高适生区和适生区面积总和占各省面积百分比较高的地区依次为辽宁省 (625 0 km 2 ꎬ 占该省总面积的 0 4%) 陕西省 ( 416 7 km 2 ꎬ 占该省总面积的 0 2%) 吉林省 ( 538 2 km 2 ꎬ 占该省总面积的 0 2%) 湖北省 (208 3 km 2 ꎬ 占该省总面积的 0 1%) 和安徽省 ( 191 0 km 2 ꎬ 占该省总面积的 0 1%)ꎻ 台湾 天津 宁夏 河北等省区则基本没有适生区分布 ꎮ 以高适生区和 ( 较 ) 适生区面积总和最大的辽宁省和陕西省为例 ( 图 3)ꎬ 辽宁省主要分布在岫岩县 沈阳市以及与吉林省接壤的清原县 新宾满族自治县境内 ꎻ 陕西省主要分布在华阴县 宁强县 勉县以及西安市长安区境内 ꎮ 2 2 预测结果评价最大熵模型预测结果的准确性以 ROC 曲线图以及 AUC 值进行评价 ꎮ AUC 值为 ROC 曲线下的覆盖面积 ꎬ 曲线下面积越接近 1ꎬ 说明预测效果越好 ( 王运生 ꎬ 2007)ꎬ 物种潜在分布的可能性越高 ꎮ AUC 值的评估标准为 : 0 50 ~ 0 60 ( 失败 )ꎬ 0 60 ~ 0 70 ( 较差 )ꎬ 0 70 ~ 0 80 ( 一般 )ꎬ 0 80~0 90 ( 好 )ꎬ 0 90 ~ 1 0 ( 非常好 ) ( Swetsꎬ 1988)ꎮ 本研究设定模型时选择 25% 为测试集数据 ꎬ 75% 为训练集数据 ꎬ 训练集数据和测试集数据的 ROC 曲线显示 ꎬ AUC 值依次为 0 828 和 0 997ꎮ 模拟结果的准确性达到了好和非常好的标准 ꎮ 2 3 影响细辛分布的环境因子权重分析刀切法 (Do jackknife) 分析可以反映出不同环境因子在影响细辛分布中所占权重 ( 图 4)ꎮ 在模型运行中 ꎬ 依次忽略一种环境变量 ꎬ 用其余的变量建模 ( 浅灰色条带 )ꎬ 再单独使用该变量建模 ( 深灰色条带 )ꎬ 最后使用全部环境变量建模 ( 黑色条带 ) ꎬ 图 4 中横坐标表示每次预测的规范训练结果的得分 ꎮ 结果表明 ꎬ 测试得分最高的前 5 项依次为 : 温度季节性变化系数 (bio4) 年降雨量 (bio12) 海拔 ( alt) 最干季降雨量 (bio16) 和最暖季降雨量 (bio18)ꎮ 前 4 项的累积贡献率 (Percent contribution) 达到 95 5%ꎬ 可以认为这 4 项因子是影响细辛分布的主导气候因子 ꎮ 表 2 细辛不同适生区面积占中国国土总面积的情况 Table 2 Different suitable region for Asarum in China 低适生区 Unsuitable region 边缘适生区 Marginal region 适生区 Suitable region 高适生区 High suitable region 面积 Area / km 2 9605520 9826 39 2760 42 312 5 百分比 Percentage / % 99867 0 1 0 03 0 003
３期 景鹏飞等: 药用植物细辛在中国的潜在适生区分布 进一步分析环境因子对细辛分布概率的反应曲线ꎬ 得出细辛的基本生态位参数: 海拔 ２０ ~ ５００ ｍꎬ 图２ Ｆｉｇ ２ 图３ 年降雨量 ６００ ~ １ ２００ ｍｍꎬ 最干季降雨量 ３００ ~ ７００ ｍｍꎬ 最暖季降雨量 ４００ ~ ９００ ｍｍ ( 图 ５) ꎮ 细辛在中国的潜在适生区分布概况 Ｐｏｔｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ａｓａｒｕｍ ｉｎ Ｃｈｉｎａ 细辛在辽宁省和陕西省的潜在适生区分布概况 ( 图中ꎬ Ａ Ｂ 分别显示辽宁省和陕西省的细辛不同适生等级分布情况ꎬ 图例 １ ~ ４ 依次代表低适生区ꎬ 边缘适生区ꎬ 适宜生长区以及高适生区) Ｆｉｇ ３ ３５３ Ｐｏｔｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ａｓａｒｕｍ ｉｎ Ｓｈａａｎｘｉ Ｐｒｏｖｉｎｃｅ ａｎｄ Ｊｉｌｉｎ Ｐｒｏｖｉｎｃｅ Ａ ａｎｄ Ｂ ａｒｅ ｔｈｅ ｐｏｔｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ａｓａｒｕｍ ｉｎ Ｓｈａａｎｘｉ Ｐｒｏｖｉｎｃｅ ａｎｄ Ｊｉｌｉｎ Ｐｒｏｖｉｎｃｅꎬ ｒｅｓｐｅｃｔｉｖｅｌｙ. Ｌａｂｅｌ １ ４ ｒｅｐｒｅｓｅｎｔ ｕｎｓｕｉｔａｂｌｅꎬ ｍａｒｇｉｎａｌꎬ ｓｕｉｔａｂｌｅ ａｎｄ ｈｉｇｈ ｓｕｉｔａｂｌｅ ｒｅｇｉｏｎ ｉｎ ｔｕｒｎ
３５４ ３ 植 物 分 类 与 资 源 学 报 结论与讨论 第 ３７ 卷 分布ꎬ 即使在已知分布数据较少的情况下ꎬ 也具 Ｊａｙｎｅｓ 于 １９５７ 年提出最大熵理论可应用于 有较高的预测精度 (Ｐｈｉｌｌｉｐｓ 等ꎬ ２００４ꎬ ２００６ꎻ Ｅｌｉｔｈ 有约束的情况下ꎬ 会尽最大可能扩散蔓延并接近 阈值影响ꎬ 因而成为目前公认的诊断试验最佳评 概率密度评估ꎬ 在生态学中表达为一个物种在没 等ꎬ ２００６ꎬ ２０１１)ꎮ ＲＯＣ 曲线分析法的 ＡＵＣ 值不受 均匀分布ꎮ Ｓｔｅｖｅｎ Ｐｈｉｌｌｉｐｓ 等人基于生态位原理 价指标 (Ｂｒｏｅｎｎｉｍａｎｎ 等ꎬ ２００７ꎻ Ｗｉｌｅｙ 等ꎬ ２００３)ꎮ 现实分布点地理坐标和物种分布地区的环境变量 接近于 １ꎬ 表明预测结果非常好ꎬ 可以准确地模拟 开发出最大熵模型软件 ( Ｍａｘｅｎｔ) ꎬ 是根据物种 运算得出预测模型ꎬ 用于预测物种的潜在适生区 Ｆｉｇ ４ 图４ 本研究中 Ｍａｘｅｎｔ 模型 的 ＲＯＣ 曲线下面积 ＡＵＣ 值 细辛在我国的潜在适生分布ꎮ 刀切法的环境变量重要性分析 Ｉｍｐｏｒｔａｎｃｅ ａｎａｌｙｓｉｓ ｏｆ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｖａｒｉａｂｌｅ ｂｙ Ｄｏ ｊａｃｋｋｎｉｆｅ
３期 ３５５ 景鹏飞等: 药用植物细辛在中国的潜在适生区分布 图５ Ｆｉｇ ５ 细辛分布存在概率与各环境因子关系 Ａ. 温度季节性变化系数ꎻ Ｂ. 海拔ꎻ Ｃ. 年降雨量ꎻ Ｄ. 最干季降雨量 Ｒｅｌａｔｉｏｎｓｈｉｐｓ ｂｅｔｗｅｅｎ Ａｓａｒｕｍ Ｌ. ｐｒｏｂａｂｉｌｉｔｙ ｏｆ ｐｒｅｓｅｎｃｅ ａｎｄ ｅｎｖｉｒｏｎｍｅｎｔ ｆａｃｔｏｒｓ Ａ. ｂｉｏ４ꎻ Ｂ. ａｌｔꎻ Ｃ. ｂｉｏ１２ꎻ Ｄ. ｂｉｏ１６ 近年来ꎬ 基于最大熵模型的物种潜在适生 地理分布有重要影响ꎬ 如年降雨量 最干季降雨 区分布预测研究已在入侵植物的入侵风险评估 量 最暖季降雨量等ꎬ 以上环境生态因子可能是 (张颖等ꎬ ２０１１) 粮食作物 (水稻) 生产规划 (段 居琦和周广胜ꎬ ２０１１ꎻ 何奇瑾和周广胜ꎬ ２０１１) 影响其生态位的主要限制因子ꎮ 本研究采集了 ３ 种细辛属药用植物的现实分 生物质能源开发 ( 周婧等ꎬ ２０１２) 植物病虫害 布数据来源于各大数据平台ꎬ 理论上涵盖了其所 卫华和罗翀ꎬ ２０１０) 中得到一定应用ꎮ 我们的预 的理论与现实意义ꎮ 依据细辛环境限制因子ꎬ 培 预测 ( 赵文娟等ꎬ ２００９) 以及濒危动物保护 ( 徐 有生态位ꎬ 潜在适生区分布区域的确定具有重要 测结果表明ꎬ 细辛的潜在分布区和可利用区域面 育较耐旱的细辛品种是提高其适生区面积ꎬ 增加 积较大ꎬ 其潜在的适生分布区要大于目前已知的 产量的可行途径ꎬ 也是满足其日益增长需求的有 分布区范围ꎮ 药用细辛属植物潜在适生区的确 效途径ꎮ 定ꎬ 对于野生优良细辛种源的收集及其生物学研 参 究具有重要意义ꎬ 同时为准确 全面了解药用细 辛的分布和资源蕴藏量提供基础数据ꎮ ３ 种药用 细辛的高适生区和适生区可作为未来细辛栽培种 植的重点规划与开发区域ꎮ 环境因子分析表明除 海拔外ꎬ 几个与降雨量相关的环境变量对细辛的 考 文 献 陈世林ꎬ ２０１１. 中国药材产地生态适宜性区划 [ Ｍ]. 北京: 科学 出版社ꎬ ２４９ 国家药典委员会ꎬ ２０１０. 中华人民共和国药典ꎬ 一部 [ Ｍ]. 北京: 中国医药科技出版社ꎬ ２１４
356 植物分类与资源学报第 37 卷 吴征镒 ꎬ 秦仁昌 ꎬ 朱维明等 ꎬ 1988. 中国植物志 ( 第 24 卷 ) [M]. 北京 : 科学出版社 ꎬ 162 Broennimann Oꎬ Treier UAꎬ Muller Scharer Hꎬ 2007. Evidence of climatic niche shift during biological invasion [ J]. Ecology Let tersꎬ 10: 701 709 Duan JQ ( 段居琦 )ꎬ Zhou GSH ( 周广胜 )ꎬ 2011. Potential distribu tion and climate characteristic of Oryza sativa in China [J]. Ac ta Ecologica Sinica ( 生态学报 )ꎬ 31 (22): 6659 6668 Elith Jꎬ Steven J. Phillipsꎬ Trevor Hastie et al.ꎬ 2011. A statistical explanation of MaxEnt for ecologists [ J]. Diversity and Distribu tionsꎬ 17: 43 57 Elith Jꎬ Graham CHꎬ Anderson RP et al.ꎬ 2006. Novel methods im prove prediction of species distributions from occurrence data [J]. Ecographyꎬ 29 (2): 129 151 Gu YF ( 古一凡 )ꎬ Liu Z ( 刘忠 )ꎬ He M ( 何明 ) et al.ꎬ 2010. Cor relation of the active ingredients in Asarum sieboldii with physico chemical properties of soils [ J]. Journal of Shanghai Jiaotong University ( 上海交通大学学报 )ꎬ 28 (4): 361 372 He QJ ( 何奇瑾 )ꎬ Zhou GSH ( 周广胜 )ꎬ 2011. Climatic suitability of potential summer maize plant zones in China [ J]. Acta Geo graphic Sinica ( 地理学报 )ꎬ 66 (11): 1443 1450 Hu SY ( 胡苏莹 )ꎬ He G ( 何刚 )ꎬ Chen B ( 陈蓓 ) et al.ꎬ 2012. Ge netic diversity and volatile components of Asarum sieboldii in qin ba region [ J]. Journal of Chinese Medicinal Materials ( 中药材 )ꎬ 35 (2): 188 194 IPCC. Climate Change 2007: Synthesis Report. Contribution of Work ing Groups Iꎬ II and III to the Fourth Assessment Report of the In tergovernmental Panel on Climate Change [ M]. Geneva: IPCCꎬ 104 Larson SRꎬ DeGroote JPꎬ Bartholomay LC et al.ꎬ 2010. Ecological niche modeling of potential West Nile virus vector mosquito spe cies in Iowa [J]. Journal of Insect Science ꎬ 10 (110): 1 17 Liu Z ( 刘忠 )ꎬ Xu DH ( 徐暾海 )ꎬ Cai SQ ( 蔡少青 ) et al.ꎬ 2007. Apreliminary study on genetic diversity of Asarum sieboldii Miq. [J]. Sciencepaper Online ( 中国科技论文在线 )ꎬ 2 ( 11): 808 813 Nabout JCꎬ Soares TNꎬ Diniz Filho JAF et al.ꎬ 2010. Combining mul tiple models to predict the geographical distribution of the Baru tree (Dipteryx alata Vogel) in the Brazilian Cerrado [ J]. Bra zilian Journal of Biologyꎬ 70 (4): 911 919 Phillips SJꎬ Dudík Mꎬ Schapire REꎬ 2004. A maximum entropy ap proach to species distribution modeling [ J]. In Proceedings of the Twenty First International Conference on Machine Learningꎬ 655 662 Phillips SJꎬ Anderson RPꎬ Schapire REꎬ 2006. Maximum entropy modeling of species geographic distributions [ J]. Ecological Mod ellingꎬ 190 (3): 231 259 Rubio GDꎬ Acosta LEꎬ 2011. Geographical distribution of the space weaving spiderꎬ Chibchea saltaꎬ from northwestern Argentina: New records and bioclimatic modeling [J]. Journal of Insect Sci enceꎬ 11 (54): 1 14 Swets JAꎬ 1988. Measuring the accuracy of diagnostic systems [ J]. Scienceꎬ 240 (4857): 1285 1293 Wang D ( 王栋 )ꎬ Du XW ( 都晓伟 )ꎬ Liu M ( 刘玫 ) et al.ꎬ 1996. Studies on the relative law between annual development and dy namic accumulation of active compositions in Asarum sieboldii [J]. Bulletin of Botanical Research ( 植物研究 )ꎬ 16 ( 4): 484 488 Wang XYꎬ Huang XLꎬ Jiang LY et al.ꎬ 2010. Predicting potential distribution of chestnut phylloxerid ( Hemiptera: Phylloxeridae) based on GARP and Maxent ecological niche models [J]. Jour nal of Applied Entomologyꎬ 134: 45 54 Wang YSH ( 王运生 )ꎬ Xie BY ( 谢丙炎 )ꎬ Wan FH ( 万方浩 ) et al.ꎬ 2007. Application of ROC curve analysis in evaluating the performance ofalien species potential distribution models [ J]. Biodiversity Science ( 生物多样性 )ꎬ 15 (4): 365 372 Wiley Eꎬ McNyset Kꎬ Peterson A et al.ꎬ 2003. Niche modeling and geographic range predictions in the marine environment using a machine learning algorithm [ J]. Oceanographyꎬ 16: 120 127 Xu WH ( 徐卫华 )ꎬ Luo C ( 罗翀 )ꎬ 2010. Application of MAXENT model in Rhinopithecus roxllanae habitat assessment in Qinling Mountain [J]. Forest Engineering ( 森林工程 )ꎬ 6 (2): 1 4 Zhao WJ ( 赵文娟 )ꎬ Chen L ( 陈林 )ꎬ Ding KJ ( 丁克坚 ) et al.ꎬ 2009. Prediction of potential geographic distribution areas of the maize downy mildew in China by using MAXENT [ J]. Plant Protection ( 植物保护 )ꎬ 35 (2): 32 38 Zhang HJ ( 张海娟 )ꎬ Chen Y ( 陈勇 )ꎬ Huang JL ( 黄烈健 ) et al.ꎬ 2011. Predicting potential geographic distribution of Mikania mi crantha planting based on ecological niche models in China [ J]. Transaction of the CSAE ( 农业工程学报 )ꎬ 11 (5): 413 418 Zhang Y ( 张颖 )ꎬ Lin J ( 李君 )ꎬ Lin Y ( 林蔚 ) et al.ꎬ 2011. Pre diction of potential distribution area of Erigeron philadelphicus in China based on MaxEnt model [ J]. Chinese Journal of Applied Ecology ( 应用生态学报 )ꎬ 22 (11): 2970 2976 Zhou J ( 周婧 )ꎬ Li QY ( 李巧云 )ꎬ Xiao L ( 肖亮 ) et al.ꎬ 2012. Po tential distribution of Miscanthus sinensis and M floridulus in China [J]. Chinese Journal of Plant Ecology ( 植物生态学报 )ꎬ 36 (6): 504 510