| 346 | 3 | 43 |
| 下载次数 | 被引频次 | 阅读次数 |
本研究基于MaxEnt模型，依据气候、海拔、人类活动等不同层面的12个环境变量建立刺蒺藜草适生性预测模型，模型AUC值高于0.9，表明模型结果可靠。预测显示：我国刺蒺藜草非适生区占73.66%；低度适生区占18.24%；中度适生区占5.11%；高度适生区占2.99%。其中广东、广西、海南几乎全境，福建、台湾、云南的大部分地区为中、高度适生区，具有最大的传入定殖风险。通过预测模型可以看出，bio＿11（最冷季度平均温度）、hf＿v3geo（人类足迹）、bio＿18（最暖季度降水量）和bio＿04（温度季节性变化标准差）等4个环境变量对刺蒺藜草在某地适生产生重要影响。
Abstract：Based on MaxEnt model,a prediction model for the suitability of Cenchrus echinatus L. was established according to 12 environmental variables at different levels such as climate,elevation and human activities. The AUC value of the model is higher than 0.9,which indicates the reliability of the model. The prediction shows that 73.66% of our country is non-suitable area,18.24% is low-suitable area,5.11% is moderate-suitable area and 2.99% is high-suitable area of C. echinatus. Among them,whole areas of Guangdong,Guangxi and Hainan and most areas of Fujian,Taiwan and Yunnan are moderate and high suitable areas,which have the biggest risk of introduction colonization. It can be seen from the prediction model that 4 environmental variables,namely bio＿11(mean temperature of coldest quarter),hf＿v3 geo(human footprint),bio＿18(precipitation of warmest quarter) and bio＿04(temperature seasonality),have important effects on the growth of C. echinatus.
[1]张金兰.严防有害杂草的侵入.植物检疫，2001,15(6):351-354.
[2]Phillips S J,Dudík M,Schapire R E.A maximum entropy approach to species distribution modeling//Proceedings of the twenty-first international conference on machine learning.Alberta,Canada:ACM,2004:655-662.
[3]周海涛，那晓东，臧淑英.近30年松嫩平原西部地区丹顶鹤栖息地适宜性动态变化.生态学杂志，2016,35(4):1009-1018.
[4]梁春，罗清，陆祖正，等.基于MaxEnt与GIS的我国建兰地理分布预测及关键生物气候因子分析.北方园艺，2017(9):199-204.
[5]庄鸿飞，秦浩，王伟，等.基于MaxEnt模型的云南红豆杉潜在适宜分布预测.山西大学学报（自然科学版），2018,41(1):233-240.
[6]王娟娟，曹博，白成科，等.基于MaxEnt和Arc GIS预测川贝母潜在分布及适宜性评价.植物研究，2014,34(5):642-649.
[7]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.应用生态学报，2017,28(3):992-1000.
[8]王健，曾丹丹，樊凯，等.气候变化背景下基于最大熵模型（MaxEnt）预测黄连的适生区分布.植物学研究，2018,7(1):7-14.
[9]李宏群，刘晓莉，汪建华，等.基于MaxEnt模型荔枝在中国的潜在种植区预测.长江流域资源与环境，2020,29(2):394-400.
[10]雷军成，徐海根.基于Max Ent的加拿大一枝黄花在中国的潜在分布区预测.生态与农村环境学报，2010,26(2):137-141.
[11]柳晓燕，李俊生，赵彩云，等.基于MaxEnt模型和Arc GIS预测豚草在中国的潜在适生区.植物保护学报，2016,43(6):1041-1048.
[12]张华纬，赵健，阎波杰，等.基于Maxent模型和GIS的马缨丹在中国的适生区预测.生态与农村环境学报，2020,36(11):1420-1427.
[13]柳晓燕，赵彩云，李飞飞，等.基于MaxEnt模型预测红火蚁在中国的适生区.植物检疫，2019,33(6):70-76.
[14]张琼，赵林，何平，等.草地贪夜蛾在云南省曲靖市的潜在适生区及其造成的经济损失评估.云南大学学报（自然科学版），2020,42(6):1224-1229.
[15]曾辉，黄冠胜，林伟，等.利用MaxEnt预测橡胶南美叶疫病菌在全球的潜在地理分布.植物保护，2008,34(3):88-92.
[16]常志隆，周益林，赵遵田，等.基于MaxEnt模型的小麦印度腥黑穗病在中国的适生性分析.植物保护，2010,36(3):110-112,129.
[17]郑楠，赵坚，李玉贵，等.基于Maxent与3S技术预测长爪沙鼠在中国的适生区分布.中国预防医学杂志，2015,16(1):68-70.
[18]魏淑婷，李涛，林玉成.基于Max Ent模型预测四川省松材线虫的潜在适生区.四川动物，2019,38(1):37-46.
[19]曹学仁，车海彦，杨毅，等.基于Maxent的椰子致死性黄化植原体在中国的适生性分析.热带作物学报，2014,35(11):2260-2265.
[20]Venter O,Sanderson E W,Magrach A,et al.Sixteen years of change in the global terrestrial human footprint and implications for biodiversity conservation[J/OL].Nature Communications,2016,7:12558.https：//doi.org/10.1038/ncomms12558.
[21]刘超，霍宏亮，田路明，等.基于MaxEnt模型不同气候变化情景下的豆梨潜在地理分布.应用生态学报，2018,29(11):3696-3704.
[22]贾栋，徐朝茜，刘艳红，等.基于MaxEnt模型预测苹红缢管蚜在中国的适生区.植物保护学报，2020,47(3):528-536.
[23]史超逸，朱媛君，萨拉，等.中国三种常见蒿属植物潜在地理分布及其主导气候因子.生态学杂志，2021,40(2):512-524.
[24]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.生态学报，2017,37(24):8556-8566.
[25]邱浩杰，孙杰杰，徐达，等.基于MaxEnt模型预测鹅掌楸在中国的潜在分布区.浙江农林大学学报，2020,37(1):1-8.
[26]张秋娥.刺蒺藜草在中国的适生性研究//第九届全国杂草科学大会论文摘要集.西宁：中国植物保护学会杂草学分会，2009:38.
[27]李志红，秦誉嘉.有害生物风险分析定量评估模型及其比较.植物保护，2018,44(5):134-145.
[28]Smith H,Ferrell J,Sellers B.Identification and control of southern sandbur (Cenchrus echinatus L.) in hayfields.IFASExtension,2012(364):1-3.
基本信息:
DOI：10.19662/j.cnki.issn1005-2755.2021.00.028
中图分类号:S451
引用信息:
[1]朱煜建,周伟光,张昊等.刺蒺藜草在我国的适生区预测[J].植物检疫,2022,36(01):71-76.DOI:10.19662/j.cnki.issn1005-2755.2021.00.028.
基金信息: