滇西北寒温山地硬叶常绿阔叶林的潜在分布预测

doi:10.13466/j.cnki.lyzygl.2018.05.016

林业资源管理 ›› 2018›› Issue (5): 99-104.doi: 10.13466/j.cnki.lyzygl.2018.05.016

滇西北寒温山地硬叶常绿阔叶林的潜在分布预测

李望军¹(), 周瑞伍², 冯图¹, 骆强¹, 何斌¹, 肖群英¹, 彭明春³()

1.贵州工程应用技术学院生态工程学院,贵州毕节 551700
2.中国科学院西双版纳热带植物园热带森林生态学重点实验室,云南勐腊 666303
3.云南大学生态学与地植物学研究所,昆明 650091

收稿日期:2018-09-03 修回日期:2018-10-21 出版日期:2018-10-28 发布日期:2020-09-24
通讯作者: 彭明春
作者简介:李望军(1986-),男,湖南人,讲师,博士,主要从事植被生态学研究。Email: 40133853@qq.com
基金资助:
贵州省教育厅青年科技人才成长项目(黔教合KY字〔2018〕394);贵州工程应用技术学院高层次人才科研启动基金(院科合字G2018006);贵州工程应用技术学院高层次人才科研启动基金(G2012009);贵州省重点学科“生态学”资助(黔学位合字ZDXK〔2013〕11);贵州高原湿地生态工程协同创新中心(2015XT003)

Potential Distribution Prediction of Cold—temperate Mountainous Sclerophyllous Evergreen Broad—leaved Forests in Northwest Yunnan

LI Wangjun¹(), ZHOU Ruiwu², FENG Tu¹, LUO Qiang¹, HE Bin¹, XIAO Qunying¹, PENG Mingchun³()

1. School of Ecological Engineering,Guizhou University of Engineering Science,Bijie,Guizhou 551700,China
2. Key Laboratory of Tropical Forest Ecology,Xishuangbanna Tropical Botanical Garden,Chinese Academy of Sciences,Mengla,Yunnan 666303,China
3. Institute of Ecology and Geobotany,Yunnan University,Kunming 650091,China

Received:2018-09-03 Revised:2018-10-21 Online:2018-10-28 Published:2020-09-24
Contact: PENG Mingchun

摘要/Abstract

摘要：

植被潜在分布区的预测是植被-气候关系研究的起点,对植被的保护和恢复具有重要的指导意义。基于滇西北地区的气候数据及寒温山地硬叶常绿阔叶林的现状分布数据,应用Maxent模型,预测了滇西北寒温山地硬叶常绿阔叶林的潜在分布区,结果表明:1)模型训练数据(Training data)的AUC值为0.976,检验数据(Texting data)的AUC值为0.973,模型的预测精度达到优秀水平;2)最冷月最低温度(Bio6)、最冷季度平均温度(Bio11)、最干月降水量(Bio14)和最湿季度平均温度(Bio8)等 4个气候因子为影响滇西北寒温山地硬叶常绿阔叶林潜在分布的主导因子,其中最冷月最低温度(Bio6)最为关键;3)滇西北寒温山地硬叶常绿阔叶林潜在分布区总面积9 233.92 km²,占滇西北地区总面积的13.40%;4)滇西北寒温山地硬叶常绿阔叶林潜在分布区海拔分布范围为2 452~4 127m,平均海拔3 034m。

关键词: Maxent模型, 植被-气候关系, 滇西北, 寒温山地硬叶常绿阔叶林, 潜在分布

Abstract:

Prediction of potential vegetation distribution has great significance on protection and restoration of vegetation as a starting point of studies refering to vegetation-climate relationship.On the basis of climate data and current distribution data in Northwest Yunnan,the study predict potential distribution areas of cold-temperate mountainous sclerophyllous evergreen broad-leaved forests by means of Maxent model.Results are as follows:(1) AUC value of training data and texting data are 0.976 and 0.973 respectively,demonstrating that accuracy of the maxent model is excellent.(2) Four climatic factors including Bio6,Bio11,Bio14 and Bio8 become the leading factors affecting the potential distribution of cold-temperate mountainous sclerophyllous evergreen broad-leaved forests in Northwest Yunnan,in which bio6 is the most critical.(3) With a total area of 9 233.92 km²,potential distribution of cold-temperate mountainous sclerophyllous evergreen broad-leaved forests occupy 13.40 percent of Northwest Yunnan.(4)Elevation range of potential distribution areas of cold-temperate mountainous sclerophyllous evergreen broad-leaved forests in Northwest Yunnan is 2 452~4 127m,with an average of 3 034m.

Key words: Maxent model, vegetation-climate relationship, Northwest Yunnan, cold-temperate mountainous sclerophyllous evergreen broad-leaved forests, potential distribution

中图分类号:

S718.54

李望军, 周瑞伍, 冯图, 骆强, 何斌, 肖群英, 彭明春. 滇西北寒温山地硬叶常绿阔叶林的潜在分布预测[J]. 林业资源管理, 2018,(5): 99-104.

LI Wangjun, ZHOU Ruiwu, FENG Tu, LUO Qiang, HE Bin, XIAO Qunying, PENG Mingchun. Potential Distribution Prediction of Cold—temperate Mountainous Sclerophyllous Evergreen Broad—leaved Forests in Northwest Yunnan[J]. FOREST RESOURCES WANAGEMENT, 2018,(5): 99-104.

图/表 7

图1

表1

图2

图3

图4

图5

表2

参考文献 23

[1]	吴征镒, 朱彦丞, 姜汉侨. 云南植被[M]. 北京: 科学出版社, 1987: 361-363.
[2]	刘兴良, 刘世荣, 何飞, 等. 中国硬叶常绿高山栎类植物的分类与现代地理分布[J]. 四川林业科技, 2008,29(3):1-7.
[3]	金振洲, 区普定. 我国的硬叶常绿阔叶林[J].云南大学学报:自然科学版, 1981(2):15-22.
[4]	林裕松. 关于川西滇北地区山地硬叶常绿阔叶林分类的一些意见[J].植物生态学报, 1963(z1):153-154.
[5]	孙振华. 滇西北两个典型硬叶常绿阔叶栎林群落物种组成、结构、更新及分布特点[D]. 昆明:云南大学, 2007.
[6]	于洋, 曹敏, 刘文胜. 滇西北亚高山针叶林、硬叶栎类林的树种多样性[J]. 山地学报, 2003,21(5):568-575.
[7]	张燕妮, 张志明, 耿宇鹏, 等. 滇西北地区优先保护的植物群落类型[J]. 生物多样性, 2013,21(3):296-305. doi: 10.3724/SP.J.1003.2013.10207
[8]	彭声静. 滇西北硬叶栎林群落特征与当地居民的相互关系[D]. 昆明:云南大学, 2006.
[9]	张劲峰. 滇西北亚高山退化森林生态系统特征及恢复对策研究[D]. 昆明:云南大学, 2012.
[10]	谢静. 川滇高山栎萌生更新生理生态特性及其与环境因子的关系[D]. 北京:中国科学院, 2015.
[11]	何常清, 薛建辉, 吴永波, 等. 岷江上游亚高山川滇高山栎林的降雨再分配[J]. 应用生态学报, 2008,19(9):1871-1876.
[12]	杨家伟. 滇西北地区生物多样性保护现状与对策[J].林业资源管理, 2002(3):61-65.
[13]	Zhang Keliang, Yao Linjun, Meng Jiasong, et al. Maxent modeling for predicting the potential geographical distribution of two peony species under climate change[J]. Science of the Total Environment, 2018,634:1326. doi: 10.1016/j.scitotenv.2018.04.112 pmid: 29710632
[14]	Sony R K, Sen S, Kumar S, et al. Niche models inform the effects of climate change on the endangered Nilgiri Tahr (Nilgiritragus hylocrius) populations in the southern Western Ghats,India[J]. Ecological Engineering, 2018,120(355):355-363. doi: 10.1016/j.ecoleng.2018.06.017
[15]	王罛, 林慧龙, 何兰, 等. 紫茎泽兰潜在分布对气候变化响应的研究[J]. 草业学报, 2014,23(4):20-30. doi: 10.11686/cyxb20140403
[16]	王茹琳, 李庆, 封传红, 等. 基于Maxent的西藏飞蝗在中国的适生区预测[J]. 生态学报, 2017,37(24):8556-8566. doi: 10.5846/stxb201611152326
[17]	Tang C Q, Dong Yifei, Herrandomoraira S, et al. Potential effects of climate change on geographic distribution of the Tertiary relict tree species Davidia involucrata in China[J]. Scientific Reports, 2017,7:43822. pmid: 28272437
[18]	Swets J A . Measuring the accuracy of diagnostic systems[J]. Science, 1988,240:1285-1293. doi: 10.1126/science.3287615 pmid: 3287615
[19]	吴庆明, 王磊, 朱瑞萍, 等. 基于Maxent模型的丹顶鹤营巢生境适宜性分析—以扎龙保护区为例[J]. 生态学报, 2016,36(12):3758-3764. doi: 10.5846/stxb201410101997
[20]	崔绍朋, 罗晓, 李春旺, 等. 基于MaxEnt模型预测白唇鹿的潜在分布区[J]. 生物多样性, 2018,26(2):171-176. doi: 10.17520/biods.2017080
[21]	郭杰, 刘小平, 张琴, 等. 基于Maxent模型的党参全球潜在分布区预测[J]. 应用生态学报, 2017,28(3):992-1000.
[22]	Dan L W, Turelli M. ENM Tools:A toolbox for comparative studies of environmental niche models[J]. Ecography, 2010,33(3):607-611.
[23]	Li Wangjun, Peng Mingchun, Higa M, et al.Effects of Climate Change on Potential Habitats of the Cold Temperate Coniferous Forest in Yunnan Province, Southwestern China[J].Journal of Mountain Science, 2016,13(8) 1411-1422. doi: 10.1007/s11629-016-3846-1

编号	描述	编号	描述
Bio1	年平均温度	Bio11	最冷季度平均温度
Bio2	昼夜温差月均温	Bio12	年均降水量
Bio3	等温性	Bio13	最湿月降水量
Bio4	温度季节变化标准差	Bio14	最干月降水量
Bio5	最暖月最高温度	Bio15	降水量变异系数
Bio6	最冷月最低温度	Bio16	最湿季度降水量
Bio7	年均温变化范围	Bio17	最干季度降水量
Bio8	最湿季度平均温度	Bio18	最暖季度降水量
Bio9	最干季度平均温度	Bio19	最冷季度降水量
Bio10	最暖季度平均温度

地区	高度适宜区域	中度适宜区域
香格里拉市	2555.80	589.19
德钦县	1700.23	200.82
丽江市	1334.13	898.28
贡山县	148.05	717.01
宁蒗县	2.30	629.35
维西县	0.89	457.87
合计	5741.40	3492.50

滇西北寒温山地硬叶常绿阔叶林的潜在分布预测

Potential Distribution Prediction of Cold—temperate Mountainous Sclerophyllous Evergreen Broad—leaved Forests in Northwest Yunnan

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 23

相关文章 8

编辑推荐

Metrics

本文评价

[1]	吴庭天, 陈毅青, 陈宗铸, 雷金睿, 陈小花, 李苑菱. 海南热带雨林代表性种群空间分布特征研究[J]. 林草资源研究, 2023, 0(5): 133-141.
[2]	曾浩威, 凌成星, 张军, 刘华, 赵峰, 金跃, 刘曙光, 张雨桐. 基于融合MaxEnt和HSI模型的驼鹿生境适宜性评价[J]. 林业资源管理, 2023, 0(4): 115-122.
[3]	余著成, 徐林莉, 罗水根, 王梅芳, 周晓, 陈丹娜, 金伟. 基于MaxEnt模型的仙霞岭省级自然保护区藏酋猴生境适宜性评价[J]. 林业资源管理, 2023, 0(2): 111-117.
[4]	刘增力, 胡理乐. 珍稀植物篦子三尖杉潜在分布范围及气候变化影响预测[J]. 林业资源管理, 2022, 0(1): 35-42.
[5]	史浩伯, 李路, 陆海燕, 孙桂丽, 王桂华. 胡杨等4种植物在新疆地区的适生区预测[J]. 林业资源管理, 2020, 0(1): 38-46.
[6]	王荷, 周军, 覃鑫浩, 张贇. 哈巴雪山高山松径向生长对气候变化的响应[J]. 林业资源管理, 2019, 0(2): 67-72.
[7]	李晋, 张劲峰, 景跃波, 师楠. 滇西北亚高山植被恢复中存在的问题及对策探讨[J]. 林业资源管理, 2011, 0(1): 30-34.
[8]	杨桂华, 牛红卫, 蒙睿, 马建忠. 新西兰国家公园绿色管理经验及对云南的启迪[J]. 林业资源管理, 2007, 0(6): 96-104.