全 文 ：基于最大熵生态位元模型的入侵杂草春飞蓬
在中国潜在分布区的预测*
张摇 颖1 摇 李摇 君1 摇 林摇 蔚2 摇 强摇 胜1**
( 1南京农业大学杂草研究室, 南京 210095; 2南京农业大学公共管理学院, 南京 210095)
摘摇 要摇 春飞蓬是源自北美的外来入侵杂草,已入侵我国的上海、江苏、安徽等地,并对当地
生态系统造成了危害,表现出巨大的入侵潜力.本文将最大熵生态位元(MaxEnt)模型与地理
信息系统相结合,综合分析了影响春飞蓬分布的环境因素,直观和定量地预测了春飞蓬在我
国的潜在分布区,并采用接受者操作特性曲线(ROC)分析法对预测结果进行验证.结果表明:
春飞蓬在我国有广泛的潜在分布区,主要适生区包括上海、江苏、浙江、安徽、河南、湖北、湖
南、江西等地.其目前的实际分布远未达到最大潜在分布范围,仍有可能继续扩散. ROC 曲线
检验结果表明,MaxEnt模型对春飞蓬在中国潜在分布区的预测精度较高,结果可信.春飞蓬潜
在入侵区分布可能主要受温度和降水的影响.应高度重视春飞蓬的危害性,采取灭除已经发
生的种群、严格监控向最适分布区入侵等措施阻止春飞蓬的扩散蔓延.
关键词摇 春飞蓬摇 最大熵生态位元模型摇 生态位摇 潜在适生区
文章编号摇 1001-9332(2011)11-2970-07摇 中图分类号摇 Q948. 13摇 文献标识码摇 A
Prediction of potential distribution area of Erigeron philadelphicus in China based on MaxEnt
model. ZHANG Ying1, LI Jun1, LIN Wei2, Qiang Sheng1 ( 1Weed Research Laboratory, Nanjing
Agricultural University, Nanjing 210095, China; 2College of Public Administration, Nanjing Agri鄄
cultural University, Nanjing 210095, China) . 鄄Chin. J. Appl. Ecol. ,2011,22(11): 2970-2976.
Abstract: Erigeron philadelphicus, an alien weed originated from North America, has already inva鄄
ded in Shanghai, Jiangsu, Anhui, and some other places in China, caused harm on local ecosystem
and demonstrated huge potential invasiveness. By using MaxEnt model and geographic information
system (GIS), this paper analyzed the environmental variables affecting the distribution of E. phil鄄
adelphicus, and intuitively and quantitatively predicted its potential distribution regions in China.
The prediction was verified by the ROC curve, and the results showed that E. philadelphicus had a
wide potential distribution range, with the main suitable distribution area in Shanghai, Jiangsu,
Zhejiang, Anhui, Henan, Hubei, Hunan and Jiangxi. At present, the actual invasive range of E.
philadelphicus was far narrower than its potential maximum invasive range, and likely to be contin鄄
ued to spread. The ROC curve test indicated that the prediction with MaxEnt model had a higher
precision, and was credible. Air temperature and precipitation could be the main environmental
variables affecting the potential distribution of E. philadelphicus. More attentions should be ad鄄
dressed to the harmfulness of the weed. To eradicate the existing E. philadelphicus populations and
to strictly monitor the invasion of E. philadelphicus to its most suitable distribution area could be the
effective measures to prevent and control the further invasion of the alien weed.
Key words: Erigeron philadelphicus; MaxEnt model; niche; potential suitable distribution area.
*国家重点基础研究发展计划项目(2009CB119200)、国家自然科学基金项目(31070482)和国家公益性行业科研专项(200709017)资助.
**通讯作者. E鄄mail: wrl@ njau. edu. cn
2011鄄03鄄22 收稿,2011鄄08鄄04 接受.
应 用 生 态 学 报摇 2011 年 11 月摇 第 22 卷摇 第 11 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Nov. 2011,22(11): 2970-2976
摇 摇 菊科是我国外来入侵植物数量最多的科[1] . 其
中,飞蓬属(Erigeron)的一年蓬(E. annuus)是我国
外来入侵最严重的植物之一,分布广泛,具有极强的
竞争性,常成为单优群落. 春飞蓬(E. philadelphi鄄
cus)又名费城飞蓬和春一年蓬,是飞蓬属的又一种
入侵植物. 其在 19 世纪末在中国被发现,但直到
2008 年左右才发现在上海及其临近的浙江[2-3]、江
苏境内(图 1)局部地区大量发生,最大的已形成了
300 ~ 400 m2的密集种群斑块,遍布于草坪、人工林、
路边、果园等生境,与一年蓬相似,其常形成单优势
种群,对当地的生态环境构成危害[4] . 春飞蓬是两
年生草本,花期通常在 3—6 月, 在其原产地主要分
布在湿润的低洼地、河边、公路沿线以及地势较低的
林地和草场,不同生境的株型有一定变化[5] . 春飞
蓬具有极大的入侵潜力[2,4,6-7] . 明确春飞蓬在我国
自然条件下的潜在分布区,对其监测、防控、预警等
均具有重要意义.
近年来,常用最大熵生态位元(MaxEnt)模型分
析入侵物种适生区. MaxEnt模型是以最大熵理论为
基础的密度估计和物种分布预测模型[8],其在物种
现实生境模拟、主要生态环境因子筛选、环境因子对
物种生境影响的定量描述方面都表现出了优越的性
图 1摇 南通春飞蓬的发生情况
Fig. 1摇 Occurrence of Erigeron philadelphicus in Nantong.
a)荒地 Wasteland; b)蚕豆地 Horsebean field.
能,从而成为外来物种潜在生境预测的首选模
型[9] .该模型自 2004 年被用于物种分布预测分析以
来,在相关的生态学研究中得到了广泛应用,如稀有
鹦鹉(Pezoporus wallicus)在分布记录较少且不能完
全分布于全部适宜生境时,可用 MaxEnt模型预测其
潜在分布区[10];利用 MaxEnt模型研究了非洲 10 种
疟疾传播媒介的风险分布区[11],模拟了入侵物种美
国牛蛙(Rana catesbeiana)在法国的潜在分布区[12],
研究入侵物种沙门变色蜴(Anolis sagrei)寄生天敌
Plasmodium floridense 的分布以及对该入侵种的影
响[13];采用 MaxEnt 模型结合遥感技术研究了 5 种
经济树种在亚马孙河流域的分布[14] . 此外,MaxEnt
模型也常用于外来入侵种在中国潜在分布区和适生
区的研究,如相似穿孔线虫(Radopholus similis) [15]、
加拿大一枝黄花(Solidago canadensis) [16]和飞机草
(Eupatorium odoratum) [17] 在中国的适生区等. 目
前,利用 MaxEnt模型预测春飞蓬在我国潜在适生区
的研究相对较少.为此,本研究以春飞蓬在全球的分
布资料及气候环境数据作为环境因子,利用 MaxEnt
模型分析了春飞蓬在我国的潜在分布区,为预防春
飞蓬的蔓延扩散奠定理论基础.
1摇 材料与方法
1郾 1摇 数据采集与处理
1郾 1郾 1 入侵生物物种分布资料摇 目前春飞蓬在我国
主要分布在长三角地区,但其发生情况在国内的报
导较少[2-4] .春飞蓬的分布资料主要源于两条途径:
1)文献及标本记录.基于相关文献[3-4],整理出春
飞蓬在我国的分布点 39 个.中国数字标本馆提供国
外分布记录 14 个,根据地名记录通过 Google Earth
查找出相应的经纬度. 2) GBIF 数据库. 通过 GBIF
数据库(http:椅www. gbif. org / )得到春飞蓬分布记
录点 3439 个. GBIF的物种分布数据由多方提供,所
以常包含一些错误和不完整的数据,需要进行甄别,
去除经、纬度缺失和重复以及标本信息缺失的条目
后,共获 1857 个有效记录点.通过上述途径共得到
春飞蓬在全球的 1909 个分布记录(图 2),其中,加
拿大 10 个,美国 1704 个,英国 22 个,德国 3 个,卢
森堡 1 个,日本 101 个,中国 39 个. 按 MaxEnt 模型
要求,将春飞蓬分布记录数据的物种名和分布点经、
纬度顺序录入 csv格式的 Excel文件,其中东经和北
纬标为正值,西经和南纬标为负值.
1郾 1郾 2 环境数据 摇 本研究的环境数据包括 34 个环
境因子(表1) ,其中,除坡度和坡向之外的32个因
179211 期摇 摇 摇 摇 摇 摇 摇 张摇 颖等: 基于最大熵生态位元模型的入侵杂草春飞蓬在中国潜在分布区的预测摇 摇 摇
图 2摇 春飞蓬在全球的分布
Fig. 2摇 Global distribution of Erigeron philadelphicus.
子源于 WorldClim 环境数据库( http:椅www. world鄄
clim. org / ),数据年份为 1950—2000 年,空间分辨率
为 10 km.根据其中的海拔变量应用 ArcGIS 软件的
三维分析功能计算出坡度和坡向.
1郾 1郾 3 地图数据摇 地图数据为从国家基础地理信息
系统网站 (http: / / nfgis. nsdi. gov. cn / )下载的1 颐 400
万中国地图和中国行政区划图.
1郾 2摇 数据处理
将分布数据和环境数据导入 MaxEnt 3. 3. 2[18],
随机选取 25%的分布点作为测试集( testing data),
剩余 75%的分布点作为训练集( training data),在环
境参数设置中开启刀切法(Jackknife),其他参数设
表 1摇 本文所用的环境变量
Table 1摇 Environmental variables used in the study
类型
Type
变量代码
Variable code
描述
Description
类型
Type
变量代码
Variable code
描述
Description
地形因子 alt 海拔 Altitude
Landform aspect 坡向 Aspect
factor slop 坡度 Slope
生物气候 bio1 年均温 Annual mean temperature
因子
Bio鄄clime
bio2 昼夜温差月均值 Monthly mean
diurnal temperature range
factor bio3 等温性 Isothermality [(Bio2 /
Bio7)伊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 temper鄄
ature of the wettest quarter
bio9 最干季度平均温度 Mean temper鄄
ature of the driest quarter
bio10 最暖季度平均温度 Mean temper鄄
ature of the warmest quarter
bio11 最冷季度平均温度 Mean temper鄄
ature of the coldest quarter
bio12 年均降水量 Annual average pre鄄
cipitation
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 precipita鄄
tion
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
tmin3,tmin4,tmin10 3、4、10 月最低温 Min tempera鄄
ture of Mar, Apr, Oct
factor tmax3,tmax4,tmax10 3、4、10 月最高温 Max tempera鄄
ture of Mar, Apr, Oct
tmean3,tmean4,
tmean10
3、4、10 月平均温 Mean tempera鄄
ture of Mar, Apr, Oct
prec3,prec4,
prec10
3、4、10 月降水量 Precipitation of
Mar, Apr, Oct
2792 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
置均为软件默认值.模型输出格式为 ASC II 栅格图
层,图层中每个栅格的值代表物种在该区域对环境
的适应情况,值域为 0 ~ 1.在 ArcGIS 9. 2 软件中加
载 MaxEnt的运算结果,进行适生等级划分和可视化
表达.
1郾 3摇 模型精度验证
采用接受者操作特性曲线 ( receiver operating
characteristic curve,ROC)分析法进行模型精度检
验. ROC曲线以真阳性率为纵坐标(实际存在且被
预测为存在的比率),以假阳性率(实际不存在但被
预测为存在的比率)为横坐标,AUC 值指 ROC 曲线
与横坐标围成的面积值,值域为 0 ~ 1,AUC 值越大
表示与随机分布相距越远,环境变量与预测的物种
地理分布之间的相关性越大,即模型预测效果越好,
反之说明模型预测效果越差. AUC 值在 0. 5 ~ 0. 6,
表明模型模拟效果为失败;0. 6 ~ 0. 7 表明效果较
差;0. 7 ~ 0. 8 表明模拟效果一般;0. 8 ~ 0. 9 表明模
拟效果好;0. 9 ~ 1 表明模拟效果非常好[19] .
2摇 结果与分析
2郾 1摇 春飞蓬中国潜在分布区的预测结果
用中国地图作为底图,应用 MaxEnt模型对春飞
蓬分布区进行掩膜抽提,然后采用基于聚类分析且
能较好保持数据统计特性的 Natural Breaks 分级方
法,按照适生指数值从低到高将春飞蓬分布区依次
分为 5 个等级,分别为非适生区(0 ~ 0. 06)、边缘适
生区(0. 06 ~ 0. 16)、低适生区(0. 16 ~ 0. 29)、适生
区(0. 29 ~ 0. 40)和高危区(0. 40 ~ 0. 56).由于 Max鄄
Ent模型产生的原始图层无法读取数据表格,本文
图 3摇 春飞蓬在中国潜在分布区的示意图
Fig. 3 摇 Sketch map of potential distribution area of Erigeron
philadelphicus in China.
玉:非适生区 Unsuitable area; 域:低适生区 Low unsuitable area; 芋:
边缘适生区 Manginal adea; 郁:适生区 Suitable area; 吁:高危区 High
risky area.
通过 ArcGIS 9. 2 软件中 Spatial Analyst 模块的 Re鄄
classify功能对春飞蓬各等级的潜在分布区进行重
新赋值,便于预测结果的统计分析.
摇 摇 由图 3 可以看出,春飞蓬在我国的适生范围主
要集中在华东和华中地区. 其中,高危区包括:地处
28毅—32毅 N、112毅—123毅 E 的上海、江苏和安徽大
部、河南南部、湖北中部和东部、湖南东北部、江西北
部、浙江中部和北部;适生区包括:江苏北部、安徽北
部、河南中部、重庆、四川东北部、贵州东部、湖南、福
建大部、江西中部和南部、浙江大部、广西、广东北
部,辽宁、山东、陕西、台湾也有零星分布;边缘适生
区包括:吉林南部、辽宁东部、山东南部、山西东南
部、四川南部、西藏东南部、贵州中部、云南西部、广
西西部,在新疆、重庆、湖北、湖南、两广、台湾有零星
分布;低适生区包括:吉林南部、辽宁中部、山东东
表 2摇 不同适生区等级面积占我国 28 个省(市、自治区)面
积的百分比
Table 2摇 Area percentage of each suitability scale area in 28
provinces (municipality, autonomous regions)
地区
Region
面积百分比 Area percentage
非适生区
Unsuitabe
area
低适生区
Low
suitable
area
边缘适
生区
Marginal
area
适生区
Suitable
area
高危区
High
risky
area
安徽 Anhui 0 0 1. 4 26. 9 71. 8
福建 Fujian 0 8. 8 17. 5 73. 7 0
甘肃 Gansu 98. 2 1. 8 0 0 0
广东 Guangdong 4. 8 59. 1 4. 9 31. 3 0
广西 Guangxi 1. 7 47. 2 16. 0 34. 4 0. 8
贵州 Guizhou 0. 6 25. 7 52. 8 20. 9 0. 04
海南 Hainan 93. 2 6. 8 0 0 0
河北 Hebei 99. 8 0. 2 0 0 0
河南 Henan 8. 2 11. 6 13. 3 34. 2 32. 7
黑龙江 Heilongjiang 98. 0 1. 8 0. 2 0 0
湖北 Hubei 0. 04 0. 1 15. 0 19. 3 65. 6
湖南 Hunan 0 0 9. 8 77. 8 12. 4
吉林 Jilin 74. 8 16. 2 8. 7 0. 4 0
江苏 Jiangsu 1. 2 0 16. 2 29. 3 53. 3
江西 Jiangxi 0 0 2. 1 73. 7 24. 3
青海 Qinghai 99. 9 0. 1 0 0 0
山东 Shandong 33. 2 31. 0 33. 9 1. 9 0
山西 Shannxi 75. 6 23. 1 1. 3 0 0
陕西 Shanxi 47. 0 34. 2 14. 2 4. 1 0. 5
上海 Shanghai 0 0 0 12. 8 87. 2
四川 Sichuan 61. 6 15. 0 18. 4 5. 0 0
台湾 Taiwan 25. 7 54. 3 18. 2 1. 8 0
西藏 Xizang 94. 2 3. 9 1. 9 0. 01 0. 01
新疆 Xinjiang 98. 3 1. 4 0. 4 0 0
云南 Yunnan 34. 9 45. 0 20. 1 0 0
浙江 Zhejiang 0 0 6. 3 44. 9 48. 9
重庆 Chongqing 0 0. 2 45. 1 54. 7 0
香港 Hongkong 0 100 0 0 0
379211 期摇 摇 摇 摇 摇 摇 摇 张摇 颖等: 基于最大熵生态位元模型的入侵杂草春飞蓬在中国潜在分布区的预测摇 摇 摇
图 4摇 基于刀切法的环境变量重要性分析
Fig. 4 摇 Important analysis of environmental variable based on
Jackknife test.
各环境变量标号的含义见表 1 Means of environmental variable labels
were in Table 1. 玉:忽略该变量 Without variable; 域:只用该变量
With only variable; 芋:使用所有变量 With all variable.
部、山西南部、陕西中部、四川中部、贵州西部、云南
东部、两广南部、台湾大部,低适生区在黑龙江、甘
肃、青海、西藏南部、新疆西北部、海南也有零星分
布.
春飞蓬高危区占我国国土面积的 4. 5% ,适生
区占 8. 0% ,边缘适生区占 8. 4% ,低适生区占
6郾 1% ,非适生区占 72. 9% .
目前,我国 28 个省(市、自治区)已发现春飞蓬
分布,其中,上海、安徽、江西、浙江、湖南等省(市)
春飞蓬适生区和高危区的面积比例较高,分别为
100% 、98. 7% 、98. 0% 、93. 8% 、90. 2% (表 2).
2郾 2摇 精度测评
本研究中训练数据和验证数据的 AUC 值分别
为 0. 94、0. 93,表明 MaxEnt 模型对春飞蓬中国潜在
分布区的预测效果非常好.
2郾 3摇 春飞蓬适生区生态环境因子分析
MaxEnt的刀切法分析工具,能对每一个环境因
子进行刀切法分析,可以判断不同环境对春飞蓬分
布的不同影响.刀切法指在模型运行过程中,依次忽
略一种环境变量,用其余的变量建模预测(图 4 中
标注为“忽略该变量冶条带),再单独使用该变量建
模(图 4 中标注为“只用该变量冶条带),最后使用全
部环境变量建模(图 4 中标注为“使用所有变量冶条
带),图中横坐标表示每次预测的规范训练结果的
大小.如某环境变量对物种分布有较重要的影响,则
只使用该变量建模预测的规范训练结果较好(即
“只用该变量冶条带). 由图 4 可以看出,年均温、最
冷季度平均温度、等温性、温度季节性变化标准差、
最冷月最低温、3 月降水量、4 月降水量以及 3、4、10
月的月均温、最高温、最低温对春飞蓬潜在分布区的
预测结果有较大影响,以 3 月最高温的影响最大;海
拔、坡向、昼夜温差月均值、最湿季度平均温度、坡度
对预测结果的影响较小,以坡向的影响最小.
3摇 讨摇 摇 论
本文利用 MaxEnt 模型对春飞蓬在我国的潜在
分布区进行了预测,直观、定量地获得了春飞蓬在我
国的潜在发生区.结果表明,春飞蓬在我国的适生范
围非常广泛,潜在的适生区远大于目前的分布范围,
仍有很大的入侵潜力. 春飞蓬在我国正处于扩张阶
段,其种子是风传种子,扩散能力强、速度快.现阶段
应重点监测 28毅—32毅 N、112毅—123毅 E之间的上海、
江苏、安徽大部、河南南部、湖北中部和东部、湖南东
北部、江西北部、浙江中部和北部的春飞蓬入侵状
况.对于可能发生的地区,应引起当地主管部门的高
度重视,采取适当的检疫检验措施防止春飞蓬入侵.
目前,春飞蓬虽然在我国的发生还是局部的,但其潜
在入侵范围广大,存在较大的潜在危害性,应该引起
足够重视.对于已经入侵的地区,应当及时防除,防
止蔓延.
摇 摇 刀切法常被用来分析各个环境因子对预测结果
的影响程度,或用来确定影响物种分布的关键性环
境因素[10,20-22] . 从本次刀切法分析的结果来看,对
春飞蓬分布影响较大的主要因子是温度和降水,地
4792 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
形因素的影响较小. 有研究表明,春飞蓬、一年蓬适
合在低温和中温下生长,且该种的耐高温能力明显
不及抗寒能力[7] .高温和温差会在一定程度上对春
飞蓬在我国南方热带和南亚热带地区的扩散起到限
制作用.我国的高海拔地区和北部高纬度地区为寒
温带气候,极端低温也会影响春飞蓬在这些地区的
扩散.我国北亚热带和南温带地区(如河南、安徽、
江苏、上海、浙江、江西等地)极易受到春飞蓬的入
侵.虽然有研究发现,春飞蓬有一定的抗旱能力[2],
但其偏好于在湿润的土壤中存活[5],这可能限制该
种在我国西部等气候干旱地区的扩散. 春飞蓬靠种
子繁殖,种子萌发高峰期的温度和降水量会影响萌
发率.春飞蓬种子轻小(千粒重仅 0. 03 ~ 0. 04 g),
易于随风力扩散,且种子含水量较高(70% ),其较
高的萌发率、短暂的萌发时间成为该入侵杂草在最
近几年内能成功入侵上海及其周边地区的重要原
因[4] .因此,防除春飞蓬应尽量避免其种子的传播,
在花期之前对其防除,花期之后应谨慎对其进行人
工或机械铲除,以防残余花蕾在适宜条件下成熟而
成为“二次扩散源冶 [23] .
ROC曲线分析法的 AUC 值不受阈值影响,因
而成为目前公认的诊断试验最佳评价指标[24-25] .若
将有某种物种分布的地区视为“患病冶,没有分布的
地区作为“对照冶, 物种分布模型预测为“试验诊
断冶,便可以借用试验诊断评价方法来评价物种分
布模型[25],近年来 ROC 曲线分析法在物种潜在分
布预测模型评价中得到了广泛应用.本文应用 ROC
曲线对预测结果进行精度测评,结果表明模型模拟
效果较好,能较准确地模拟春飞蓬在我国的分布.应
用生态位元模型的前提是假设物种的生态位需求是
保守的,但由于入侵物种的生态位有时会发生漂移,
应用原产地的分布数据预测发生漂移后的入侵物种
在入侵地的潜在分布可能会有偏差[26] . 因此,如果
只使用原产地或入侵地的数据构建生态位元模型,
可能会影响对入侵物种全部适生分布区的准确预
测.由于春飞蓬已在我国部分省市定殖,本文中所用
已存在点数据包括原产地和入侵地,可弥补用原产
地生态环境模拟潜在适生区生态环境的误差. 但由
于目前国内对于春飞蓬的关注度还相对较低,报道
不够详尽,本文所收集到的信息可能不包括其全部
发生地区,所以入侵地的预测可能会存在一定误差.
在环境变量方面,由于目前缺少相应的高分辨率环
境资料,本研究仅考虑了气候和地形的影响,而没有
考虑土壤类型、植被和天敌对其分布的影响.如能综
合所有因素,预测结果将会更准确.任何模型都只是
一种推测,不能替代实地普查和试验结果,且每种模
型都有其特定的假设和限制性条件,针对特定物种,
如何选择合适的模型,应根据此物种已有的生物学
知识和信息以及研究者对模型的理解和应用能力综
合考虑[27] .
致谢摇 感谢南京农业大学杂草研究室张铮和陈国奇及南通
市沿江农业科学研究院冒宇翔老师的热情帮助.
参考文献
[1]摇 Xu H鄄G (徐海根), Qiang S (强摇 胜). Inventory In鄄
vasive Alien Species in China. Beijing: China Environ鄄
mental Science Press, 2004 (in Chinese)
[2]摇 Hu T鄄Y (胡天印), Wang Y (王摇 勇), Yin L鄄P (印
丽萍), et al. Physiological adaptation of invasive plant
Erigeron philadelphicus to different environments. Jour鄄
nal of Zhejiang University (Agriculture & Life Sciences)
(浙江大学学报·农业与生命科学版), 2008, 34
(4): 395-400 (in Chinese)
[3]摇 Zhu L鄄L (朱莉莉), Guo S鄄L (郭水良). A new inva鄄
sive palnt in Zhejiang Province: Erigeron philadelphicus
L. Weed Science (杂草科学), 2010(4): 62-63 ( in
Chinese)
[4]摇 Wang Y (王 摇 勇). Invasive Biology of Alien Plant
Erigeron philadelphicus. PhD Thesis. Shanghai: Shang鄄
hai Teachers University, 2008 (in Chinese)
[5]摇 United States Department of Agriculture. Philadelphia
Fleabane Erigeron philadelphicus [EB / OL]. (2001鄄05鄄
29) [2011鄄02鄄08]. http: / / plants. usda. gov / java / pro鄄
file? symbol =ERPH
[6]摇 Zhang M鄄R (张明如), Zhang J鄄G (张建国), Wang Y
(王摇 燕). A study of the prevention means and the sit鄄
uation of biologcal invasion in Zhejiang Province. Jour鄄
nal of Inner Mongolia Agricultural University ( Natural
Science) (内蒙古农业大学学报·自然科学版),
2009, 30(1): 97-100 (in Chinese)
[7]摇 He J鄄Q (何家庆), Ge J鄄L (葛结林). The present
sitution of alien invasive plants in Anhui Province and a
comparison with the other provinces in China. Journal of
Anhui University (Natural Science) (安徽大学学报·
自然科学版), 2008, 32(4): 82-89 (in Chinese)
[8]摇 Phillips SJ, Anderson RP, Schapire RE. Maximum en鄄
tropy modeling of species geographic distributions. Eco鄄
logical Modelling, 2006, 190: 231-259
[9]摇 Li M鄄Y (李明阳), Ju Y鄄W (巨云为), Kumar S, et
al. Modeling potential habitat for alien species of Dreis鄄
sena polymorpha in the continental USA. Acta Ecologica
Sinica (生态学报), 2008, 28(9): 4253 -4258 ( in
579211 期摇 摇 摇 摇 摇 摇 摇 张摇 颖等: 基于最大熵生态位元模型的入侵杂草春飞蓬在中国潜在分布区的预测摇 摇 摇
Chinese)
[10]摇 Gibson L, Barrett B, Burbidge A. Dealing with uncer鄄
tain absences in habitat modelling: A case study of a
rare ground鄄dwelling parrot. Diversity and Distributions,
2007, 13: 704-713
[11]摇 Moffett A, Shackelford N, Sarkar S. Malaria in Africa:
Vector species爷 niche models and relative risk maps.
PLoS ONE, 2007, 2: doi: 10. 1371 / journal. pone.
0000824
[12]摇 Ficetola GF, Thuiller W, Miaud C. Prediction and vali鄄
dation of the potential global distribution of a problematic
alien invasive species: The American bullfrog. Diversity
and Distributions, 2007, 13: 476-485
[13]摇 Perkins SL, Rothschild A, Waltari E. Infections of the
malaria parasite, Plasmodium floridense, in the invasive
lizard, Anolis sagrei, in Florida. Journal of Herpetology,
2007, 41: 750-754
[14]摇 Saatchi S, Buermann W, Ter Steege H, et al. Modeling
distribution of Amazonian tree species and diversity
using remote sensing measurements. Remote Sensing of
Environment, 2008, 112: 2000-2017
[15]摇 Wang Y鄄S (王运生), Xie B鄄Y (谢丙炎), Wan F鄄H
(万方浩), et al. Potential geographic distribution of
Radopholus similis in China. Scientia Agricultura Sinica
(中国农业科学), 2007, 40 (11): 2502 - 2506 ( in
Chinese)
[16]摇 Lei J鄄C (雷军成), Xu H鄄G (徐海根). MaxEnt鄄based
prediction of potential distribution of Solidago canadensis
in China. Journal of Ecology and Rural Environment
(生态与农村环境学报), 2010, 26(2): 137-141 (in
Chinese)
[17]摇 Yang B (杨 摇 波), Xue Y鄄G (薛跃规), Tang X鄄F
(唐小飞), et al. Predicting potential geographic distri鄄
bution of Eupatorium odoratum in China. Plant Protec鄄
tion (植物保护), 2009, 35(4): 70-73 (in Chinese)
[18]摇 Princeton University. MaxEnt Software for Species Habi鄄
tat Modeling [EB / OL]. (2010鄄12鄄17) [2011鄄07鄄30].
http: / / www. cs. princeton. edu / ~ schapire / maxent /
[19]摇 Swets JA. Measuring the accuracy of diagnostic systems.
Science, 1988, 240: 1285-1293
[20]摇 Li B鄄N (李白尼), Wei W (魏 摇 武), Ma J (马
骏), et al. Maximum entropy niche鄄based modeling
(MaxEnt) of potential geographical distributions of fruit
flies Dacus bivittatus, D. ciliatus and D. vertebrates
(Diptera: Tephritidae). Acta Entomologica Sinica (昆
虫学报), 2009, 52(10): 1122-1131 (in Chinese)
[21]摇 Peterson AT, Cohoon KP. Sensitivity of distributional
prediction algorithms to geographic data completeness.
Ecological Modelling, 1999, 117: 159-164
[22]摇 Bradley BA, Wilcove DS, Oppenheimer M. Climate
change increases risk of plant invasion in the eastern
United States. Biological Invasions, 2010, 12:1855 -
1872
[23]摇 Huang H (黄 摇 华), Guo S鄄L (郭水良). Modeling
potential habitat for alien species of Dreissena polymor鄄
pha in the continental USA. Acta Ecologica Sinica (生
态学报), 2005, 25(11): 2795-2803 (in Chinese)
[24]摇 Vanagas G. Receiver operating characteristic curves and
comparison of cardiac surgery risk stratification systems.
Interactive Cardio Vascular and Thoracic Surgery, 2004,
3: 319-322
[25]摇 Wiley E, McNyset K, Peterson A, et al. Niche model鄄
ing and geographic range predictions in the marine envi鄄
ronment using a machine鄄learning algorithm. Oceanogra鄄
phy, 2003, 16: 122-127
[26]摇 Broennimann O, Treier UA, Muller鄄Scharer H, et al.
Evidence of climatic niche shift during biological inva鄄
sion. Ecology Letters, 2007, 10: 701-709
[27]摇 Wang Y鄄S (王运生), Xie B鄄Y (谢丙炎), Wan F鄄H
(万方浩),et al. Application of ROC curve analysis in
evaluating the performance of alien species爷 potential
distribution models. Biodiversity Science (生物多样
性), 2007, 15(4): 365-372 (in Chinese)
作者简介摇 张摇 颖,女,1986 年生,硕士研究生.主要从事外
来入侵物种预警研究. E鄄mail: binghuying@ 163. com
责任编辑摇 杨摇 弘
6792 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷