全 文 ：紫茎泽兰潜在分布对气候变化响应的研究
王罛１，林慧龙１，何兰２，曹坳程３
（１．草地农业生态系统国家重点实验室 兰州大学草地农业科技学院，甘肃 兰州７３００２０；２．中国食品药品
检定研究院，北京１０００５０；３．中国农业科学院植物保护研究所，北京１００１９３）
摘要：紫茎泽兰的生态适应性强，是我国外来入侵物种中危害最为严重的恶性杂草。研究紫茎泽兰的适生性特征
及对全球气候变化的响应规律是制定防控策略的重要基础，为此，本研究采用了将生态位因子分析（ＥＮＦＡ）与最大
熵模型（ＭａｘＥｎｔ）嵌套的方法，首先通过ＥＮＦＡ对环境因子进行降维，利用降维后的环境因子以及当前及Ａ１ｂ情景
的未来气候数据，根据最大熵模型（ＭａｘＥｎｔ）预测紫茎泽兰的潜在分布，并使用ＲＯＣ曲线分析对预测结果进行评
价。结果显示，当前气候情景下，紫茎泽兰的分布区以云南、贵州、广西等省为主；未来Ａ１ｂ情景下，易入侵等级（入
侵概率为０．６～１．０）的区域面积将会由当前的１２．８２ｋｍ２ 增加至２０８０ｓ的２１．３０ｋｍ２，中心点将由当前位置向西南
方向移动６１ｋｍ；而其中高入侵概率等级（入侵概率为０．８～１．０）的区域面积将由当前的０．４２ｋｍ２ 增加至２０８０ｓ的
０．９１ｋｍ２，中心点将由当前位置向东南方向移动１７８．６６ｋｍ。根据当前及未来 Ａ１ｂ气候情景下紫茎泽兰潜在分
布情况，并根据不同入侵等级区域采取相应的防除治理措施，将对紫茎泽兰的综合治理具有重要指导意义。
关键词：物种入侵；紫茎泽兰；生态位模型；生态位因子分析（ＥＮＦＡ）；最大熵模型（ＭａｘＥｎｔ）
中图分类号：Ｓ８１２．２９　　文献标识码：Ａ　　文章编号：１００４５７５９（２０１４）０４００２０１１
犇犗犐：１０．１１６８６／ｃｙｘｂ２０１４０４０３　　
　　紫茎泽兰（犈狌狆犪狋狅狉犻狌犿犪犱犲狀狅狆犺狅狉狌犿）是菊科（Ｃｏｍｐｏｓｉｔａｅ）泽兰属（犈狌狆犪狋狅狉犻狌犿）的多年生丛生型半灌木状
草本植物，原产于中美洲的墨西哥和哥斯达黎加等国，１９世纪曾作为观赏植物引种到欧洲，后来引种到澳洲和亚
洲，是一种抗逆性强、生态适应广、传播速度快且群体自然繁殖与演替能力极强的植物。２０世纪４０年代从中缅
边境传入西双版纳后，以平均２０ｋｍ／ａ的速度向东、向北快速蔓延，目前其入侵面积超过３０００万ｈｍ２。紫茎泽兰
是我国外来入侵物种中危害最为严重的植物之一，据估计，它对中国畜牧业和草原生态系统服务功能造成的损失
分别为９．８９和２６．２５亿元／ｈｍ２［１］，已被列入我国公布的第１批外来入侵物种名单之首［２５］。
关于生态位的定义虽然为数不少，但最具代表性的当推Ｇｒｉｎｎｅｌ［６８］、Ｅｌｔｏｎ［９］和 Ｈｕｔｃｈｉｎｓｏｎ［１０］三人，后人分
别称他们对生态位的定义为“空间生态位”、“功能生态位”和“多维超体积生态位”。其中 Ｈｕｔｃｈｉｎｓｏｎ（１９５７）［１０］认
为，生物在环境中受着多个资源因子的供应和限制，每个因子对该物种都有一定的适合度阈值，在所有这些阈值
所限定的区域内，任何一点所构成的环境资源组合状态上，该物种均可以生存繁衍，所有这些状态组合点共同构
成了该物种在该环境中的多维超体积生态位。多维超体积概念为现代生态位理论研究奠定了基础［１１］。
生态位模型是根据生态位理论进行的建模。根据是否需要物种分布信息可将生态位模型分为两类，即关联
模型和机理模型，其中关联模型需要物种分布信息，而机理模型（代表模型有ＣＬＩＭＥＸ、ＳＤＭ 等）则不需要。根
据物种分布数据的不同，又可将关联模型分为组判别模型和框架模型。组判别模型需要知道“存在”数据和“不存
在”数据，这类模型的目的就是要找出一个能将这两个类别正确分开的判别规则，即建立一个合适的分类器，
ＧＡＲＰ和 ＭａｘＥｎｔ即为这类模型；而框架模型只需要知道物种“存在”的分布数据，这类模型主要是从这些物种分
布信息中概括出该物种所需的生态位需求，主要代表有ＢＩＯＣＬＩＭ、ＤＯＭＡＩＮ、ＥＮＦＡ等［１２１３］。
最大熵模型（ＭａｘＥｎｔ）以最大熵理论为基础，是一个物种密度估计和物种分布预测模型。该模型的最大特点
在于能够预测物种在某个地点存在的概率，而非是否存在。许多学者的研究已经证明，ＭａｘＥｎｔ不仅能够很好的
２０－３０
２０１４年８月
　　　草　业　学　报　　　
　　　ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ　　　
第２３卷　第４期
Ｖｏｌ．２３，Ｎｏ．４
收稿日期：２０１２０５２４；改回日期：２０１２１２０３
基金项目：公益性行业（农业）科研专项（２０１１０３０２７）资助。
作者简介：王罛（１９８７），女，甘肃白银人，在读博士。Ｅｍａｉｌ：ａｎｎｅ＿ｃａｔ２００８＠１６３．ｃｏｍ
通讯作者。Ｅｍａｉｌ：ｌｉｎｈｕｉｌｏｎｇ＠ｌｚｕ．ｅｄｕ．ｃｎ
预测物种分布，并且模型运行速度快［１２１５］。在使用 ＭａｘＥｎｔ模型进行较大空间尺度的物种潜在分布预测时，由于
选取的环境因子数目较多，会大大降低 ＭａｘＥｎｔ模型的运行效率，此时就需要对环境因子进行筛选（或降维）［１２］。
为了实现这一目的，可选取生态位因子分析（ＥＮＦＡ）和主成分分析（ＰＣＡ）两种方法。两种方法的原理相似，但
ＰＣＡ得出的只是反映环境变量本身变异程度的因子，并不考虑物种分布信息，而ＥＮＦＡ考虑了物种分布信息，
使其选取的环境因子更具有生态学意义，所以本研究选取ＥＮＦＡ对环境变量进行降维。
本文拟利用生态位原理，将生态位因子分析（ＥＮＦＡ）与最大熵模型（ＭａｘＥｎｔ）进行嵌套，找出影响紫茎泽兰
分布的１０个主要环境因子，并结合地形数据和当前及未来Ａ１ｂ情景（即中等碳排放水平［１６］）下的气象数据，预测
紫茎泽兰在中国的潜在分布情况，为不同入侵等级的区域制定相应的防控策略提供必要条件。
１　材料与方法
１．１　数据来源
图１　中国紫茎泽兰发生地示意图
犉犻犵．１　犜犺犲狊犮犺犲犿犪狋犻犮狅犳犈．犪犱犲狀狅狆犺狅狉狌犿狅犮犮狌狉狉犲犱犻狀犆犺犻狀犪　
１．１．１　紫茎泽兰分布数据　本研究共收集全国紫茎
泽兰发生地数据１０６个（图１），其中部分来自于全球
生物多样性信息交换所 ＧＢＩＦ数据库（ｈｔｔｐ：／／ｄａｔａ．
ｇｂｉｆ．ｏｒｇ／ｗｅｌｃｏｍｅ．ｈｔｍ），其他数据来源于已发表的文
献及出版物［１７３２］。
根据收集到的数据，紫茎泽兰目前主要分布在云
南、贵州、广西、四川等省，西藏、湖北、台湾等地区也有
零星分布。
１．１．２　环境因子数据　为研究影响紫茎泽兰分布的
环境因子，本研究收集了包括高程、生物气候数据、月
均温和月降水等共计４６个环境因子数据，其中４４个
环境因子数据依据 ＷｏｒｌｄＣｌｉｍ（ｈｔｔｐ：／／ｗｗｗ．ｗｏｒｌｄ
ｃｌｉｍ．ｏｒｇ）提供的当前（１９６１－１９９０年）和加拿大气候模型与分析中心（ＣａｎａｄｉａｎＣｅｎｔｒｅｆｏｒＣｌｉｍａｔｅＭｏｄｅｌｉｎｇ
ａｎｄＡｎａｌｙｓｉｓ，ＣＣＣＭＡ）发布的Ａ１ｂ情景下的未来（２０１０－２０９９年）月降水、温度数据计算得到（表１）。坡度和
坡向数据根据高程数据计算得到。
表１　环境变量及其代表的意义
犜犪犫犾犲１　犆狅狀狋犲狀狋犻狀犳狅狉犿犪狋犻狅狀狅犳犫犻狅犮犾犻犿犪狋犻犮狊犱犪狋犪
编号
Ｎｕｍｂｅｒ
含义
Ｄｅｓｃｒｉｐｔｉｏｎ
编号
Ｎｕｍｂｅｒ
含义
Ｄｅｓｃｒｉｐｔｉｏｎ
ＢＩＯ１ 年均温 Ａｎｎｕａｌｍｅａｎｔｅｍｐｅｒａｔｕｒｅ ＢＩＯ１３ 最湿月份降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｗｅｔｔｅｓｔｍｏｎｔｈ
ＢＩＯ２ 昼夜温差月均值 Ｍｅａｎｄｉｕｒｎａｌｒａｎｇｅ［Ｍｅａｎｏｆｍｏｎｔｈｌｙ（ｍａｘｔｅｍｐ－ｍｉｎｔｅｍｐ）］ ＢＩＯ１４ 最干月份降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｄｒｉｅｓｔｍｏｎｔｈ
ＢＩＯ３ 昼夜温差与年温差比值Ｉｓｏｔｈｅｒｍａｌｉｔｙ［（ＢＩＯ２／ＢＩＯ７）×１００］ ＢＩＯ１５ 降水量变化方差ＣＶｏｆｐｒｅｃｉｐｉｔａｔｉｏｎ
ＢＩＯ４ 温度变化方差 Ｔｅｍｐｅｒａｔｕｒｅｓｅａｓｏｎａｌｉｔｙ（ｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎ×１００） ＢＩＯ１６ 最湿季度降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｗｅｔｔｅｓｔｑｕａｒｔｅｒ
ＢＩＯ５ 最热月份最高温度 Ｍａｘｔｅｍｐｅｒａｔｕｒｅｏｆｗａｒｍｅｓｔｍｏｎｔｈ ＢＩＯ１７ 最干季度降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｄｒｉｅｓｔｑｕａｒｔｅｒ
ＢＩＯ６ 最冷月份最低温度 Ｍｉｎｔｅｍｐｅｒａｔｕｒｅｏｆｃｏｌｄｅｓｔｍｏｎｔｈ ＢＩＯ１８ 最暖季度降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｗａｒｍｅｓｔｑｕａｒｔｅｒ
ＢＩＯ７ 年温变化范围 Ｔｅｍｐｅｒａｔｕｒｅａｎｎｕａｌｒａｎｇｅ（ＢＩＯ５－ＢＩＯ６） ＢＩＯ１９ 最冷季度降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｃｏｌｄｅｓｔｑｕａｒｔｅｒ
ＢＩＯ８ 最湿季节平均温度 Ｍｅａｎｔｅｍｐｅｒａｔｕｒｅｏｆｗｅｔｔｅｓｔｑｕａｒｔｅｒ ＴｍｅａｎＩ 犐月的月均温犐＝（１～１２）
ＢＩＯ９ 最干季节平均温度 Ｍｅａｎｔｅｍｐｅｒａｔｕｒｅｏｆｄｒｉｅｓｔｑｕａｒｔｅｒ ＰＲＥＣｉ 犻月的月降水量犻＝（１～１２）
ＢＩＯ１０ 最暖季节平均温度 Ｍｅａｎｔｅｍｐｅｒａｔｕｒｅｏｆｗａｒｍｅｓｔｑｕａｒｔｅｒ ＡＬＴ 高程 Ａｌｔｉｔｕｄｅ
ＢＩＯ１１ 最冷季节平均温度 Ｍｅａｎｔｅｍｐｅｒａｔｕｒｅｏｆｃｏｌｄｅｓｔｑｕａｒｔｅｒ ａｓｐｅｃｔ 坡向 Ａｓｐｅｃｔ
ＢＩＯ１２ 年降水量 Ａｎｎｕａｌｐｒｅｃｉｐｉｔａｔｉｏｎ ｓｌｏｐｅ 坡度Ｓｌｏｐｅ
　犐月的月均温犐＝（１～１２）Ｍｏｎｔｈｌｙｍｅａｎｔｅｍｐｅｒａｔｕｒｅｏｆｔｈｅ犐ｍｏｎｔｈ犐＝（１－１２）；犻月的月降水量犻＝（１～１２）Ｍｏｎｔｈｌｙｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｔｈｅ犻ｍｏｎｔｈ
犻＝（１－１２）．
１２第２３卷第４期 草业学报２０１４年
１．１．３　行政区划数据　从国家基础地理信息系统（ｈｔｔｐ：／／ｎｆｇｉｓ．ｎｓｄｉ．ｇｏｖ．ｃｎ／）下载获得１∶４００万的中国地图
作为分析底图。
１．１．４　相关软件　训练样本和测试样本抽取使用ＤＩＶＡＧＩＳ软件进行，而根据样本数据和环境因子变量预测
物种潜在分布则使用 ＭａｘＥｎｔ软件进行。该软件可在线免费获取（ｈｔｔｐ：／／ｗｗｗ．ｃｓ．ｐｒｉｎｃｅｔｏｎ．ｅｄｕ／～ｓｃｈａｐｉｒｅ／
ＭａｘＥｎｔ／），版本为３．３．３。生态位因子分析（ＥＮＦＡ）是Ｂｉｏｍａｐｐｅｒ软件的主要模块，Ｂｉｏｍａｐｐｅｒ软件可以从ｈｔ
ｔｐ：／／ｗｗｗ２．ｕｎｉｌ．ｃｈ／ｂｉｏｍａｐｐｅｒ／下载，版本为４．０；本研究在进行生态位因子分析前还需要对环境因子变量进行
格式转换，可使用ＡｒｃＧＩＳ的一个模块完成（从ｈｔｔｐ：／／ｗｗｗ．ｐｉｅｒｓｓｅｎ．ｃｏｍ／ｉｄｒｉｓｉ／ｇｒｉｄ．ｈｔｍ下载）；ＧＩＳ相关分析
和地图制作使用ＥＳＲＩ公司的ＡｒｃＧＩＳ９．３软件。
１．２　研究方法
图２　数据处理流程图
犉犻犵．２　犜犺犲犳犾狅狑犮犺犪狉狋狅犳犱犪狋犪狆狉狅犮犲狊狊犻狀犵
　
１．２．１　训练样本和测试样本选取　本研究的数据
处理流程见图２。通过ＤＩＶＡＧＩＳ软件选取全部样
点的７５％作为训练样本，其余样点和随机选取１０
倍于物种分布点的背景点共同作为测试样本。训练
样本数据用于预测物种分布情况，测试样本数据用
于检验预测结果的可靠性。
１．２．２　环境变量降维　由于本研究中选取了４６个
环境变量因子，如果全部参与计算会导致计算量大、
耗时长，因此需要对环境变量做降维处理。
在本研究中，利用当前和未来气候数据对紫茎
泽兰入侵概率的模拟均以迄今为止紫茎泽兰的发生
地作为存在点。在此前提下，利用ＥＮＦＡ对环境变
量进行降维，并最终选取得分矩阵中排名前十的环
境因子进行物种分布预测的计算。
１．２．３　物种潜在分布预测及模拟结果评价　将训
练样本数据和１０个环境变量作为输入数据，采用
ＭａｘＥｎｔ模型生成物种分布预测图、受试者工作特
征曲线图（ｒｅｃｅｉｖｅｒｏｐｅｒａｔｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃｃｕｒｖｅ，即ＲＯＣ曲线图）。ＲＯＣ曲线图以假阳性率为横坐标，灵敏度
为纵坐标，ＲＯＣ曲线的曲线下面积（ＡＵＣ）可用于评价模型的预测能力［１４，３３］。ＡＵＣ取值范围为０～１，值越大代
表模型的预测越准确。一般认为，ＡＵＣ值为０．５～０．７时诊断价值较低，为０．７～０．９时诊断价值中等，大于０．９
时诊断价值较高。本研究将使用ＲＯＣ曲线分析对 ＭａｘＥｎｔ模型的预测结果进行评价。最后根据物种潜在分布
情况，将紫茎泽兰的入侵概率分为５个等级，各入侵等级分别代表不发生入侵（Ｌ１）、低入侵概率等级（Ｌ２）、中等
入侵概率等级（Ｌ３）、较高入侵概率等级（Ｌ４）、极高入侵概率等级（Ｌ５）。分别统计各等级在未来不同时期的面积
变化情况以及各等级中心点的位移。计算中心点位移的具体方法参见Ｈａｒｔ［３４］和Ｙｕｅ等［３５］的研究。
２　结果与分析
２．１　环境变量的降维结果
根据ＥＮＦＡ降维后筛选出的１０个环境因子可知，影响紫茎泽兰分布的主要限制因子为冬季温度，其次为暖
季（主要为８月和１０月）月降水。地形因素对紫茎泽兰分布的影响不大（表２）。
２．２　紫茎泽兰潜在分布预测结果评价
由图３可知，通过 ＭａｘＥｎｔ模型得到的紫茎泽兰物种分布预测结果的ＡＵＣ值都大于０．９，预测结果很好，对
紫茎泽兰潜在分布区的预测较为可信。
２２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．４
表２　不同时期的主要环境因子
犜犪犫犾犲２　犕犪犻狀犲狀狏犻狉狅狀犿犲狀狋犪犾犳犪犮狋狅狉狊犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊
排名 Ｒａｎｇｅ 当前Ｃｕｒｒｅｎｔ ２０２０ｓ ２０３０ｓ ２０４０ｓ ２０５０ｓ ２０６０ｓ ２０７０ｓ ２０８０ｓ
１ Ｔｍｅａｎ１ Ｔｍｅａｎ１ ＢＩＯ１１ ＢＩＯ１１ ＢＩＯ１１ Ｔｍｅａｎ１２ Ｔｍｅａｎ１２ Ｔｍｅａｎ１２
２ ＢＩＯ１１ ＢＩＯ１１ Ｔｍｅａｎ１ Ｔｍｅａｎ１ Ｔｍｅａｎ１２ Ｔｍｅａｎ３ Ｔｍｅａｎ３ Ｔｍｅａｎ３
３ Ｔｍｅａｎ２ Ｔｍｅａｎ２ Ｔｍｅａｎ２ Ｔｍｅａｎ１２ Ｔｍｅａｎ１ ＢＩＯ１１ ＢＩＯ１１ ＢＩＯ１１
４ Ｔｍｅａｎ１２ Ｔｍｅａｎ１２ Ｔｍｅａｎ１２ Ｔｍｅａｎ２ Ｔｍｅａｎ２ Ｔｍｅａｎ２ Ｔｍｅａｎ２ Ｔｍｅａｎ２
５ ＢＩＯ６ Ｔｍｅａｎ３ Ｔｍｅａｎ３ Ｔｍｅａｎ３ Ｔｍｅａｎ３ Ｔｍｅａｎ１ Ｔｍｅａｎ１ Ｔｍｅａｎ１
６ ＰＲＥＣ１０ ＢＩＯ６ ＰＲＥＣ１０ ＰＲＥＣ１０ ＰＲＥＣ１０ ＰＲＥＣ１０ ＰＲＥＣ１０ ＰＲＥＣ１０
７ Ｔｍｅａｎ３ ＰＲＥＣ１０ ＢＩＯ６ ＢＩＯ６ ＢＩＯ６ ＢＩＯ６ Ｔｍｅａｎ１１ Ｔｍｅａｎ１１
８ ＢＩＯ１８ ＢＩＯ１８ Ｔｍｅａｎ１１ Ｔｍｅａｎ１１ Ｔｍｅａｎ１１ Ｔｍｅａｎ１１ ＢＩＯ６ ＢＩＯ６
９ ＰＲＥＣ８ ＰＲＥＣ８ ＢＩＯ１８ ＢＩＯ９ ＢＩＯ９ ＢＩＯ９ ＢＩＯ９ ＢＩＯ９
１０ ＢＩＯ７ Ｔｍｅａｎ１１ ＰＲＥＣ８ ＰＲＥＣ８ ＰＲＥＣ８ ＰＲＥＣ８ ＰＲＥＣ８ ＰＲＥＣ８
图３　犚犗犆曲线分析及犃犝犆值
犉犻犵．３　犚犗犆犮狌狉狏犲犪狀犱犃犝犆狏犪犾狌犲
２．３　紫茎泽兰潜在分布
通过 ＭａｘＥｎｔ模型对紫茎泽兰潜在分布的模拟可知（图４），Ａ１ｂ情景下未来紫茎泽兰的入侵区仍主要集中
在云南、四川、广西、贵州等省，但存在向江西、湖北、湖南、安徽等省扩散的趋势。
３２第２３卷第４期 草业学报２０１４年
图４　当前及未来情境下紫茎泽兰的潜在分布区
犉犻犵．４　犘狅狋犲狀狋犻犪犾犱犻狊狋狉犻犫狌狋犻狅狀狅犳犈．犪犱犲狀狅狆犺狅狉狌犿犻狀狋犺犲犮狌狉狉犲狀狋犪狀犱犳狌狋狌狉犲犻狀犆犺犻狀犪
　
２．４　不同时期不同入侵等级的面积变化
将入侵概率分为５个等级，分别表示为Ｌ１～Ｌ５。其中Ｌ１ 和Ｌ２（即入侵概率分别为０～０．２，０．２～０．４）为不
发生入侵或入侵概率低，在此不做讨论，Ｌ３～Ｌ５ 等级对应的入侵概率为０．４～０．６，０．６～０．８，０．８～１．０。将
Ｌ３～Ｌ５ 等级合并为可入侵等级Ｌ３４５，Ｌ４ 和Ｌ５ 合并为易入侵等级Ｌ４５。本研究中将根据 Ｈａｒｔ［３４］和Ｙｕｅ等［３５］的
研究方法，结合ＧＩＳ技术手段分别研究不同入侵等级的面积变化和中心点位移情况。
２．４．１　Ｌ３ 面积变化及中心点位移　就Ｌ３ 等级而言，在当前及未来Ａ１ｂ情景下，其区域面积呈现出先减少后增
加的变化趋势。总体上由当前的３３．３６ｋｍ２ 减少至２０８０ｓ的２１．５８ｋｍ２（图５）。
当前至２０８０ｓ，Ｌ３ 区域的中心点由宜良县经嵩明县、寻甸彝族自治区、富民县、武定县，最后移动至禄劝彝族
苗族自治县，总体上向西北方向移动了１０９．６２ｋｍ，并在２０２０ｓ～２０３０ｓ期间出现了往复（表３，图６）。
２．４．２　Ｌ４ 面积变化及中心点位移　就Ｌ４ 等级而言，在当前及未来Ａ１ｂ情景下，其区域面积呈现出波动增加的
变化趋势（图７）。总体上由当前的１２．４０ｋｍ２ 增加至２０８０ｓ的２０．３９ｋｍ２。
当前至２０８０ｓ，Ｌ４ 区域的中心点由沾益县经曲靖市、陆良县、石林彝族自治县、宜良县至马龙县，总体上由当
前位置向西南方向移动了６３．０３ｋｍ（表４，图８）。
２．４．３　Ｌ５ 面积变化及中心点位移　就Ｌ５ 等级而言，在当前及未来Ａ１ｂ情景下，其区域面积呈现出先增加后减
少的变化趋势。总体上由当前的０．４２ｋｍ２ 增加至２０８０ｓ的０．９１ｋｍ２（图９）。
当前至２０８０ｓ，Ｌ５ 区域的中心点在劝禄彝族自治县、曲嵩明县、宜良县、石林彝族自治县、泸西县、弥勒县内移
动，期间出现多次往复，总体上由当前位置向东南方向移动了１７８．６６ｋｍ（表５，图１０）。
４２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．４
图５　不同时期犔３ 面积变化
犉犻犵．５　犃狉犲犪狊狅犳犔３犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊
　
图７　不同时期犔４ 面积变化
犉犻犵．７　犃狉犲犪狊狅犳犔４犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊
　
表３　不同时期犔３ 中心点位移
犜犪犫犾犲３　犆犲狀狋犲狉犱犻狊狆犾犪犮犲犿犲狀狋狅犳犔３犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱
时期
Ｐｅｒｉｏｄ
位移
Ｄｉｓｐｌａｃｅｍｅｎｔ
（ｋｍ）
方向
Ｄｉｒｅｃｔｉｏｎ
角度
Ａｎｇｌｅ
（°）
当前至２０２０ｓＦｒｏｍｃｕｒｒｅｎｔｔｏ２０２０ｓ ８２．１６ 西北 Ｎｏｒｔｈｗｅｓｔ１４１．５４
２０２０ｓ至２０３０ｓＦｒｏｍ２０２０ｓｔｏ２０３０ｓ １２．３５ 东南Ｓｏｕｔｈｅａｓｔ ３４０．３３
２０３０ｓ至２０４０ｓＦｒｏｍ２０３０ｓｔｏ２０４０ｓ ３７．７９ 西北 Ｎｏｒｔｈｗｅｓｔ１５７．８４
２０４０ｓ至２０５０ｓＦｒｏｍ２０４０ｓｔｏ２０５０ｓ １１．９１ 东北 Ｎｏｒｔｈｅａｓｔ ４５．０３
２０５０ｓ至２０６０ｓＦｒｏｍ２０５０ｓｔｏ２０６０ｓ １８．００ 东北Ｎｏｒｔｈｅａｓｔ ５５．３６
２０６０ｓ至２０７０ｓＦｒｏｍ２０６０ｓｔｏ２０７０ｓ ２４．４５ 东北Ｎｏｒｔｈｅａｓｔ ２４．６７
２０７０ｓ至２０８０ｓＦｒｏｍ２０７０ｓｔｏ２０８０ｓ １３．９５ 东北Ｎｏｒｔｈｅａｓｔ ３９．５０
当前至２０８０ｓＦｒｏｍｃｕｒｒｅｎｔｔｏ２０８０ｓ １０９．６２ 西北 Ｎｏｒｔｈｗｅｓｔ１０９．２１
表４　不同时期犔４ 中心点位移
犜犪犫犾犲４　犆犲狀狋犲狉犱犻狊狆犾犪犮犲犿犲狀狋狅犳犔４犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊
时期
Ｐｅｒｉｏｄ
位移
Ｄｉｓｐｌａｃｅｍｅｎｔ
（ｋｍ）
方向
Ｄｉｒｅｃｔｉｏｎ
角度
Ａｎｇｌｅ
（°）
当前至２０２０ｓＦｒｏｍｃｕｒｒｅｎｔｔｏ２０２０ｓ １１８．３３ 西南Ｓｏｕｔｈｗｅｓｔ２３７．１８
２０２０ｓ至２０３０ｓＦｒｏｍ２０２０ｓｔｏ２０３０ｓ １０．０６ 西北 Ｎｏｒｔｈｗｅｓｔ１２１．０９
２０３０ｓ至２０４０ｓＦｒｏｍ２０３０ｓｔｏ２０４０ｓ ５２．１４ 东北 Ｎｏｒｔｈｅａｓｔ ８５．４６
２０４０ｓ至２０５０ｓＦｒｏｍ２０４０ｓｔｏ２０５０ｓ ３．５８ 东南Ｓｏｕｔｈｅａｓｔ ２９８．５８
２０５０ｓ至２０６０ｓＦｒｏｍ２０５０ｓｔｏ２０６０ｓ ７．４３ 东南Ｓｏｕｔｈｅａｓｔ ３０４．４５
２０６０ｓ至２０７０ｓＦｒｏｍ２０６０ｓｔｏ２０７０ｓ ８．５８ 东北 Ｎｏｒｔｈｅａｓｔ ３１．９８
２０７０ｓ至２０８０ｓＦｒｏｍ２０７０ｓｔｏ２０８０ｓ ５．０３ 东北 Ｎｏｒｔｈｅａｓｔ ５５．９３
当前至２０８０ｓＦｒｏｍｃｕｒｒｅｎｔｔｏ２０８０ｓ ６３．０３ 西南Ｓｏｕｔｈｗｅｓｔ２１８．７０
图６　不同时期犔３ 中心点位移
犉犻犵．６　犆犲狀狋犲狉犱犻狊狆犾犪犮犲犿犲狀狋狅犳犔３犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊
　
图８　不同时期犔４ 中心点位移
犉犻犵．８　犆犲狀狋犲狉犱犻狊狆犾犪犮犲犿犲狀狋狅犳犔４犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊
　
２．４．４　Ｌ３４５面积变化及中心点位移　当前至２０８０ｓ，可入侵等级Ｌ３４５的面积呈现先减少后增加的变化趋势，总体
上由当前的４４．１８ｋｍ２ 减少至２０８０ｓ的４２．８８ｋｍ２（图１１）。
当前至２０８０ｓ，Ｌ３４５的中心点经马龙县、嵩明县至寻甸彝族苗族自治县，总体上向西北方向移动了４６．６２ｋｍ
（表６，图１２）。
５２第２３卷第４期 草业学报２０１４年
图９　不同时期犔５ 面积变化
犉犻犵．９　犃狉犲犪狊狅犳犔５犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊
　
图１１　不同时期犔３４５面积变化
犉犻犵．１１　犃狉犲犪狊狅犳犔３４５犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊
　
表５　不同时期犔５ 中心点位移
犜犪犫犾犲５　犆犲狀狋犲狉犱犻狊狆犾犪犮犲犿犲狀狋狅犳犔５犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊
时期
Ｐｅｒｉｏｄ
位移
Ｄｉｓｐｌａｃｅｍｅｎｔ
（ｋｍ）
方向
Ｄｉｒｅｃｔｉｏｎ
角度
Ａｎｇｌｅ
（°）
当前至２０２０ｓＦｒｏｍｃｕｒｒｅｎｔｔｏ２０２０ｓ １６３．５０ 东南Ｓｏｕｔｈｅａｓｔ ３１６．３３
２０２０ｓ至２０３０ｓＦｒｏｍ２０２０ｓｔｏ２０３０ｓ １８．３８ 西北 Ｎｏｒｔｈｗｅｓｔ１１２．４４
２０３０ｓ至２０４０ｓＦｒｏｍ２０３０ｓｔｏ２０４０ｓ ２２．０９ 西南Ｓｏｕｔｈｗｅｓｔ２４１．７１
２０４０ｓ至２０５０ｓＦｒｏｍ２０４０ｓｔｏ２０５０ｓ ２５．０５ 东南Ｓｏｕｔｈｅａｓｔ ３３８．７３
２０５０ｓ至２０６０ｓＦｒｏｍ２０５０ｓｔｏ２０６０ｓ ２５．８３ 西南Ｓｏｕｔｈｗｅｓｔ２０８．７０
２０６０ｓ至２０７０ｓＦｒｏｍ２０６０ｓｔｏ２０７０ｓ ３９．０６ 西北 Ｎｏｒｔｈｗｅｓｔ１７９．４０
２０７０ｓ至２０８０ｓＦｒｏｍ２０７０ｓｔｏ２０８０ｓ ７３．３９ 东北 Ｎｏｒｔｈｅａｓｔ １４．０７
当前至２０８０ｓＦｒｏｍｃｕｒｒｅｎｔｔｏ２０８０ｓ １７８．６６ 东南Ｓｏｕｔｈｅａｓｔ ３１８．４０
表６　不同时期犔３４５中心点位移
犜犪犫犾犲６　犆犲狀狋犲狉犱犻狊狆犾犪犮犲犿犲狀狋狅犳犔３４５犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊
时期
Ｐｅｒｉｏｄ
位移
Ｄｉｓｐｌａｃｅｍｅｎｔ
（ｋｍ）
方向
Ｄｉｒｅｃｔｉｏｎ
角度
Ａｎｇｌｅ
（°）
当前至２０２０ｓＦｒｏｍｃｕｒｒｅｎｔｔｏ２０２０ｓ ４９．６６ 西南Ｓｏｕｔｈｗｅｓｔ１８８．８８
２０２０ｓ至２０３０ｓＦｒｏｍ２０２０ｓｔｏ２０３０ｓ ４．３８ 东北 Ｎｏｒｔｈｅａｓｔ ３９．２３
２０３０ｓ至２０４０ｓＦｒｏｍ２０３０ｓｔｏ２０４０ｓ ２２．１８ 西北 Ｎｏｒｔｈｗｅｓｔ１００．０９
２０４０ｓ至２０５０ｓＦｒｏｍ２０４０ｓｔｏ２０５０ｓ ５．１６ 西北 Ｎｏｒｔｈｗｅｓｔ ９４．９２
２０５０ｓ至２０６０ｓＦｒｏｍ２０５０ｓｔｏ２０６０ｓ ７．４５ 东北Ｎｏｒｔｈｅａｓｔ ３４．８５
２０６０ｓ至２０７０ｓＦｒｏｍ２０６０ｓｔｏ２０７０ｓ １５．２７ 东北Ｎｏｒｔｈｅａｓｔ ４０．８６
２０７０ｓ至２０８０ｓＦｒｏｍ２０７０ｓｔｏ２０８０ｓ １１．５２ 东北Ｎｏｒｔｈｅａｓｔ ２４．８５
当前至２０８０ｓＦｒｏｍｃｕｒｒｅｎｔｔｏ２０８０ｓ ４６．６２ 西北 Ｎｏｒｔｈｗｅｓｔ１１８．００
图１０　不同时期犔５ 中心点位移
犉犻犵．１０　犆犲狀狋犲狉犱犻狊狆犾犪犮犲犿犲狀狋狅犳犔５犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊
　
图１２　不同时期犔３４５中心点位移
犉犻犵．１２　犆犲狀狋犲狉犱犻狊狆犾犪犮犲犿犲狀狋狅犳犔３４５犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊
　
２．４．５　Ｌ４５面积变化及中心点位移　当前至２０８０ｓ，易入侵等级Ｌ４５的面积呈现增加的趋势，由当前的１２．８２ｋｍ２
增加至２０８０ｓ的２１．３０ｋｍ２（图１３）。可见紫茎泽兰易入侵等级的区域范围在未来将会扩大。Ｌ４５的中心点将由
当前位置向西南方向移动６１．３８ｋｍ（图１３）。
从以上结果可知，当前至未来不同时期，紫茎泽兰的主要入侵区依然集中在云南及周边各省。可入侵区域
６２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．４
Ｌ３４５的面积虽然有所下降，但是易入侵区域Ｌ４５的面积
图１３　不同时期犔４５的面积变化
犉犻犵．１３　犃狉犲犪狊狅犳犔４５犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊
　
增加了近１倍。可入侵等级Ｌ３４５的中心点向西北方向
移动，而易入侵等级Ｌ４５的中心点则向西南方向移动
（表７，图１４）。
３　讨论
紫茎泽兰作为一种危害大，入侵能力强的物种，已
经引起广泛关注［３６３９］。但目前相关研究多集中在对其
入侵机理、生存习性以及防除治理等方面，研究尺度也
多为某个小范围的发生区域。比如王俊峰和冯玉
龙［４０］、李渊博等［４１］、韩利红和冯玉龙［４２］认为紫茎泽兰
能够分泌化感物质使其能够成功入侵，而于兴军等［４３］
认为化感物质并不是紫茎泽兰入侵的主要原因，并认
为入侵种改变了土壤细菌群落很可能造成紫茎泽兰能
够成功入侵；刘晓燕等［４４］也认为紫茎泽兰在资源争夺
中的优势使其成功入侵。然而利用生态位模型在更大
的尺度上研究紫茎泽兰适生区，并利用未来气候情景
数据研究其入侵趋势，此类研究还较为少见。
ＭａｘＥｎｔ模型较其他生态位模型而言，在预测物
种分布方面获得了较好的效果。王运生［１２］通过比较
ＢＩＯＣＬＩＭ、ＭａｘＥｎｔ等６种生态位模型，研究了胜红蓟
（犃犵犲狉犪狋狌犿犮狅狀狔狕狅犻犱犲狊）的潜在分布，发现 ＭａｘＥｎｔ模
型较其他模型预测效果更好，运行效率更高；张海娟
等［１４］使用 ＭａｘＥｎｔ和ＧＡＲＰ模型研究了薇甘菊（犕犻
犽犪狀犻犪犿犻犮狉犪狀狋犺犪）在中国的适生区；曹向锋等［１３］利用
表７　不同时期犔４５中心点位移
犜犪犫犾犲７　犆犲狀狋犲狉犱犻狊狆犾犪犮犲犿犲狀狋狅犳犔４５犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊
时期
Ｐｅｒｉｏｄ
位移
Ｄｉｓｐｌａｃｅｍｅｎｔ
（ｋｍ）
方向
Ｄｉｒｅｃｔｉｏｎ
角度
Ａｎｇｌｅ
（°）
当前至２０２０ｓＦｒｏｍｃｕｒｒｅｎｔｔｏ２０２０ｓ １１６．８４ 西南Ｓｏｕｔｈｗｅｓｔ２４０．８５
２０２０ｓ至２０３０ｓＦｒｏｍ２０２０ｓｔｏ２０３０ｓ ９．７５ 西北 Ｎｏｒｔｈｗｅｓｔ１１８．０１
２０３０ｓ至２０４０ｓＦｒｏｍ２０３０ｓｔｏ２０４０ｓ ４９．５４ 东北 Ｎｏｒｔｈｅａｓｔ ８７．７７
２０４０ｓ至２０５０ｓＦｒｏｍ２０４０ｓｔｏ２０５０ｓ ４．５８ 东南Ｓｏｕｔｈｅａｓｔ ３０２．３６
２０５０ｓ至２０６０ｓＦｒｏｍ２０５０ｓｔｏ２０６０ｓ ６．９７ 东南Ｓｏｕｔｈｅａｓｔ ２９７．４２
２０６０ｓ至２０７０ｓＦｒｏｍ２０６０ｓｔｏ２０７０ｓ ６．２７ 东北 Ｎｏｒｔｈｅａｓｔ ４２．０７
２０７０ｓ至２０８０ｓＦｒｏｍ２０７０ｓｔｏ２０８０ｓ ８．６５ 东北 Ｎｏｒｔｈｅａｓｔ ４３．３９
当前至２０８０ｓＦｒｏｍｃｕｒｒｅｎｔｔｏ２０８０ｓ ６１．３８ 西南Ｓｏｕｔｈｗｅｓｔ２２５．５８
ＭａｘＥｎｔ等５种模型研究了黄顶菊（犉犾犪狏犲狉犻犪犫犻犱犲狀狋犻狊）
图１４　不同时期犔４５中心点位移
犉犻犵．１４　犆犲狀狋犲狉犱犻狊狆犾犪犮犲犿犲狀狋狅犳犔４５犻狀犱犻犳犳犲狉犲狀狋狆犲狉犻狅犱狊　
在中国的潜在适生区，以上研究成果均证明 ＭａｘＥｎｔ
模型对入侵物种的适生地预测模拟结果较好，并且更
为稳定。但总体而言，目前利用生态位模型对动物类
适生区［４４］、病菌扩散趋势等［４５４８］研究较多，而研究入
侵植物适生区的相关研究较少。
本研究使用未来气候Ａ１ｂ情景数据，通过ＥＮＦＡ
筛选出影响紫茎泽兰分布的环境因子，并对未来气候
情景下紫茎泽兰在我国的入侵情况进行预测。然而，
该研究以当前紫茎泽兰的发生点为存在点，当使用未
来气候情境数据进行预测时，这种假设可能会忽略未
来紫茎泽兰实际存在点的影响，假设是否充分可行还
有待论证。此外，影响紫茎泽兰分布的环境因素可能
不仅仅是温度和降水，土壤条件、人类活动、光照等都可能对紫茎泽兰的分布造成影响，但是由于数据的限制，本
文仅分析了这两种气候变量对其适生区分布的影响。
本研究对紫茎泽兰的入侵概率进行等级划分（Ｌ１～Ｌ５），认为Ｌ１、Ｌ２ 入侵等级为不入侵或入侵概率很低，而
Ｌ３～Ｌ５ 表示为发生入侵，且入侵概率依次增加，Ｌ５ 表示为极易入侵等级。针对不同的入侵概率等级应采取不同
７２第２３卷第４期 草业学报２０１４年
的防治策略。对于低入侵等级Ｌ２，可作为防御区，对该区域进行定时观测，一旦发现需及时根除；而Ｌ３ 等级可作
为扩散区，采取人工拔除、化学防治相结合的手段，避免对本地物种生长和物种多样性造成更深更恶劣的影响；由
于Ｌ４ 和Ｌ５ 等级紫茎泽兰的长势更甚，难以根除，所以需要采取人工拔除、化学防治、生物防治、生态调控、替代控
制等综合防控技术，并可进行加工利用，将其作为饲料、肥料、卫生杀虫剂等。此外，还需及时实施人工种植和自
然恢复相结合的方法，建立有益植被群落，从而达到生态修复、长久控制害草的目标［２］。
在本研究中，在计算不同入侵等级的中心点位置及中心点位移时采用Ｈａｒｔ［３４］和Ｙｕｅ等［３５］的研究，以各等级
的面积作为权重进行计算。结果显示不同概率等级的中心点位移没有明显规律性，其原因可能在于当前和未来
气候数据的不连贯。当前气候数据起止时间为１９６１－１９９０年，而未来气候数据起止时间为２０１０－２０９９年，
１９９０－２０１０年的数据缺失可能造成中心点移动方向的往复。其次，Ａ１ｂ数据的情景描述为全球经济快速增长，
人口在２１世纪中期达到顶峰后下降，科技迅速发展，所有资源达到平衡［９，４９５０］。而这种前提与现实情况显然还
存在一些差距。在这种前提下，由于人类在环境保护、资源平衡等方面的意识增强，科技水平的迅速提高，可能会
对紫茎泽兰的入侵和扩散造成影响，并缓解其继续扩散的趋势，使中心点未出现非常明显的移动趋势，且出现往
复移动的情况。
王运生等［１２，５１］通过使用６种生态位模型对胜红蓟的分布情况进行研究发现，胜红蓟入侵我国后生态位已经
发生改变，并猜测可能是物种进化的原因使其适应新的生境，但具体原因尚不确定。总的来说，物种能够成功入
侵主要原因在于在新的生存地缺乏竞争者和天敌，存在生态位的空缺。入侵物种的原产地生态位和入侵地生态
位可能会不同，也就是可能存在生态位漂移的现象。根据 Ｈｕｔｃｈｉｎｓｏｎ［１０］的生态位理论，我们认为决定生态位的
因素是多方面的，不能仅根据气候和地形因素判断入侵物种的生态位是否发生漂移。判断生态位漂移的影响因
子，研究紫茎泽兰在我国的生态位是否发生偏移，产生生态位漂移的原因及其造成的影响还有待在未来的研究中
进一步的探讨。
参考文献：
［１］　万方浩，刘万学，郭建英，等．外来植物紫茎泽兰的入侵机理与控制策略研究进展［Ｊ］．中国科学：生命科学，２０１１，４１（１）：
１３２１．
［２］　曹坳程，芮昌辉，雷仲仁．外来入侵生物及其控制策略［Ｊ］．科技导报，２００４，４：３８４０．
［３］　张修玉，许振成，宋巍巍，等．紫茎泽兰（犈狌狆犪狋狅狉犻狌犿犪犱犲狀狅狆犺狅狉狌犿）入侵地的生物多样性［Ｊ］．生态环境学报，２０１０，１９（７）：
１５２５１５３１．
［４］　孙涛，陈强，赵亚雄，等．祁连山高山草地毒杂草侵入对蝗虫相对多度的影响［Ｊ］．草业学报，２０１３，２２（３）：８５９１．
［５］　张志中，石秋香，孙志浩，等．入侵植物空心莲子草对生菜和罗布的化感效应［Ｊ］．草业学报，２０１３，２２（１）：２８８２９３．
［６］　ＧｒｉｎｎｅｌＪ．ＴｈｅｎｉｃｈｅｒｅｌａｔｉｏｎｓｈｉｐｓｏｆｔｈｅＣａｌｉｆｏｒｎｉａＴｈｒａｓｈｅｒ［Ｊ］．ＴｈｅＡｕｋ，１９１７，３４（４）：４２７４３３．
［７］　ＧｒｉｎｎｅｌＪ．Ｇｅｏｇｒａｐｈｙａｎｄｅｖｏｌｕｔｉｏｎ［Ｊ］．Ｅｃｏｌｏｇｙ，１９２４，５（３）：２２５２２９．
［８］　ＧｒｉｎｎｅｌＪ．ＡＤｉｓｔｒｉｂｕｔｉｏｎａｌＳｕｍｍａｔｉｏｎｏｆｔｈｅＯｒｎｉｔｈｏｌｏｇｙｏｆＬｏｗｅｒＣａｌｉｆｏｒｎｉａ．Ｂｅｒｋｅｌｅｙ１９２８［Ｍ］．Ｏａｋｌａｎｄ：Ｕｎｉｖｅｒｓｉｔｙｏｆ
ＣａｌｉｆｏｒｎｉａＰｒｅｓｓ，１９２８．
［９］　ＥｌｔｏｎＣＳ．ＡｎｉｍａｌＥｃｏｌｏｇｙ［Ｍ］．Ｃｈｉｃａｇｏ：ＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｃａｇｏＰｒｅｓｓ，１９２７．
［１０］　ＨｕｔｃｈｉｎｓｏｎＧＥ．Ｃｏｎｃｌｕｄｉｎｇｒｅｍａｒｋｓ［Ｊ］．ＣｏｌｄＳｐｒｉｎｇＨａｒｂｏｒＳｙｍｐｏｓｉａｏｎＱｕａｎｔｉｔａｔｉｖｅＢｉｏｌｏｇｙ，１９５７，２２：４１５４２７．
［１１］　张光明，谢寿昌．生态位概念演变与展望［Ｊ］．生态学杂志，１９９７，１６（６）：４６５１．
［１２］　王运生．生态位模型在外来入侵物种风险评估中的应用研究［Ｄ］．湖南：湖南农业大学，２００７．
［１３］　曹向锋，钱国良，胡白石，等．采用生态位模型预测黄顶菊在中国的潜在适生区［Ｊ］．应用生态学报，２０１０，２１（１２）：３０６３
３０６９．
［１４］　张海娟，陈勇，黄烈健，等．基于生态位模型的薇甘菊在中国适生区的预测［Ｊ］．农业工程学报，２０１１，２７：４１３４１８．
［１５］　杨波，薛跃规，唐小飞，等．外来入侵植物飞机草在中国的适生区预测［Ｊ］．植物保护，２００９，３５（４）：７０．
［１６］　ＳｏｌｏｍｏｎＳ，ＱｉｎＤ，ＭａｎｎｉｎｇＭ，犲狋犪犾．ＣｌｉｍａｔｅＣｈａｎｇｅ２００７ｔｈｅＰｈｙｓｉｃａｌＳｃｉｅｎｃｅＢａｓｉｓ：ＷｏｒｋｉｎｇＧｒｏｕｐＩＣｏｎｔｒｉｂｕｔｉｏｎｔｏｔｈｅ
ＦｏｕｒｔｈＡｓｓｅｓｓｍｅｎｔＲｅｐｏｒｔｏｆｔｈｅＩＰＣＣ［Ｍ］．Ｃａｍｂｒｉｄｇｅ：ＣａｍｂｒｉｄｇｅＵｎｉｖｅｒｓｉｔｙＰｒｅｓｓ，２００７．
８２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．４
［１７］　倪文．环境因子对杂草紫茎泽兰种子发芽的影响［Ｊ］．生态学报，１９８３，３（４）：３２７３３１．
［１８］　鲁萍，桑卫国，马克平．外来入侵种紫茎泽兰研究进展与展望［Ｊ］．植物生态学报，２００５，２９（６）：１０２９１０３７．
［１９］　黄文坤，郭建英，万方浩，等．紫茎泽兰群体遗传多样性及遗传结构的 ＡＦＬＰ分析［Ｊ］．农业生物技术学报，２００７，１５（６）：
９９２１０００．
［２０］　尹俊，马兴跃，邓菊芬．云南牧草有害生物调查报告［Ｊ］．四川草原，２００５，１２１（１２）：１９２３．
［２１］　尹俊．中国西南地区紫茎泽兰防治的现状及对策建议［Ｊ］．草业科学，２００６，２３（６）：８２８５．
［２２］　尹芳，黄梅，徐锐，等．紫茎泽兰的危害及其综合利用进展分析［Ｊ］．灾害学，２００９，２４（４）：６３６７．
［２３］　王洪林，解铭有，张光鼐．植物防治有害生物紫茎泽兰的调查研究［Ｊ］．林业调查规划，２００８，３３（６）：１０８１１１．
［２４］　张可佳．毒草神秘入侵 酿成绿色灾难［Ｊ］．沿海环境，２００２，（１）：２３．
［２５］　周俗，唐川江，侯太平，等．紫茎泽兰传播规律研究［Ｊ］．四川畜牧兽医，２００６，（５）：３０３１．
［２６］　周俗，唐川江，张新跃．四川省紫茎泽兰危害状况与治理对策［Ｊ］．草业科学，２００４，２１（１）：２４２６．
［２７］　李永和，马苹，谢开立．以生物防治为主的紫茎泽兰综合控制策略与技术［Ｊ］．中国森林病虫，２０１０，２９（２）：３５３７．
［２８］　何永福，聂莉，陆德清，等．紫茎泽兰的防治研究现状［Ｊ］．贵州农业科学，２００５，３３（１）：５０５２．
［２９］　常青，邹荣福，樊卫国，等．紫茎泽兰的为害及其防治对策初探［Ｊ］．贵州林业科技，２００５，３３（１）：４７４９．
［３０］　周世敏，欧国腾，李吉松，等．紫茎泽兰生物生态学特性调查［Ｊ］．贵州林业科技，２０１０，３８（３）：４２４４．
［３１］　贾桂康，梁云贞．紫茎泽兰对生态系统的危害和防除［Ｊ］．广西植保，２００５，１８（１）：１８２１．
［３２］　王银朝，赵宝玉，樊泽锋，等．紫茎泽兰及其危害研究进展［Ｊ］．动物医学进展，２００５，２６（５）：４５４８．
［３３］　王运生，谢丙炎，万方浩，等．ＲＯＣ曲线分析在评价入侵物种分布模型中的应用［Ｊ］．生物多样性，２００７，１５（４）：３６５３７２．
［３４］　ＨａｒｔＪＦ．Ｃｅｎｔｒａｌｔｅｎｄｅｎｃｙｉｎａｒｅａｌｄｉｓｔｒｉｂｕｔｉｏｎｓ［Ｊ］．ＥｃｏｎｏｍｉｃＧｅｏｇｒａｐｈｙ，１９５４，３０：４８５９．
［３５］　ＹｕｅＴＸ，ＦａｎＺＭ，ＣｈｅｎＣＦ，犲狋犪犾．Ｓｕｒｆａｃｅｍｏｄｅｌｉｎｇｏｆｇｌｏｂａｌｔｅｒｒｅｓｔｒｉａｌｅｃｏｓｙｓｔｅｍｓｕｎｄｅｒｔｈｒｅｅｃｌｉｍａｔｅｃｈａｎｇｅｓｃｅｎａｒｉｏｓ［Ｊ］．Ｅｃ
ｏｌｏｇｉｃａｌＭｏｄｅｌｉｎｇ，２０１１，２２２（１４）：２３４２２３６１．
［３６］　姚朝晖，张无敌，刘祖明．恶性有毒杂草紫茎泽兰的防治与利用［Ｊ］．农业与技术，２００３，２３（１）：２３２８．
［３７］　梁小玉，张新全．紫茎泽兰发生特点，防治及其利用［Ｊ］．四川草原，２００４，（２）：１３１５．
［３８］　强胜．世界性恶性杂草———紫茎泽兰研究的历史及现状［Ｊ］．植物科学学报，１９９８，１６（４）：３６６３７２．
［３９］　卢志军，马克平．地形因素对外来入侵种紫茎泽兰的影响［Ｊ］．植物生态学报，２００４，２８（６）：７６１７６７．
［４０］　王俊峰，冯玉龙．人工群落中苗期紫茎泽兰的化感作用和对光环境的适应［Ｊ］．生态学报，２００６，２６（６）：１８０９１８１７．
［４１］　李渊博，徐晗，石雷，等．紫茎泽兰对五种苦苣苔科植物化感作用的初步研究［Ｊ］．生物多样性，２００７，１５（５）：４８６４９１．
［４２］　韩利红，冯玉龙．发育时期对紫茎泽兰化感作用的影响［Ｊ］．生态学报，２００７，２７（３）：１１８５１１９１．
［４３］　于兴军，于丹，卢志军，等．一个可能的植物入侵机制：入侵种通过改变入侵地土壤微生物群落影响本地种的生长［Ｊ］．科
学通报，２００５，５０（９）：８９５９０３．
［４４］　刘晓燕，赵云，李宁宁，等．紫茎泽兰化感作用研究［Ｊ］．杂草科学，２００９，（２）：１３１８．
［４５］　徐卫华，罗罛．ＭＡＸＥＮＴ模型在秦岭川金丝猴生境评价中的应用［Ｊ］．森林工程，２０１０，２６（２）：１３，２６．
［４６］　齐增湘，徐卫华，熊兴耀，等．基于ＭＡＸＥＮＴ模型的秦岭山系黑熊潜在生境评价［Ｊ］．生物多样性，２０１１，１９（３）：３４３３５２．
［４７］　ＨｕｉＬ，ＱｉｎｇＣ，ＦｕＰＬ，犲狋犪犾．Ｓｕｉｔａｂｉｌｉｔｙａｓｓｅｓｓｍｅｎｔｏｆ犕狅狀狅狀狔犮犺犲犾犾狌狊狋犪狀犪犼狅犪（Ａｃａｒｉ：Ｔｅｔｒａｎｙｃｈｉｄａｅ）ｉｎＹｕｎｎａｎｂａｓｅｄｏｎ
ｍａｘｅｎｔｍｏｄｅｌ［Ｊ］．ＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，２０１１，１２（１２）：１９０５１９０８．
［４８］　赵文娟，陈林，丁克坚，等．利用 ＭＡＸＥＮＴ预测玉米霜霉病在中国的适生区［Ｊ］．植物保护，２００９，３５（２）：３２３８．
［４９］　ＲａｍｉｒｅｚＶｉｌｅｇａｓＪ，ＪａｒｖｉｓＡ．Ｄｏｗｎｓｃａｌｉｎｇｇｌｏｂａｌｃｉｒｃｕｌａｔｉｏｎｍｏｄｅｌｏｕｔｐｕｔｓ：ｔｈｅｄｅｌｔａｍｅｔｈｏｄｄｅｃｉｓｉｏｎａｎｄｐｏｌｉｃｙａｎａｌｙｓｉｓ
ＷｏｒｋｉｎｇＰａｐｅｒＮｏ．１［Ｊ］．ＡｇｒｉｃｕｌｔｕｒａＥｃｏｅｆｉｃｉｅｎｔｅＰａｒａＲｅｄｕｃｉｒｌａＰｏｂｒｅｚａ，２０１０，ｈｔｔｐ：／／ｗｗｗ．ｃｃａｆｓｃｌｉｍａｔｅ．ｏｒｇ／ｄｏｗｎ
ｌｏａｄｓ／ｄｏｃｓ／ＤｏｗｎｓｃａｌｉｎｇＷＰ０１．ｐｄｆ．
［５０］　房锋，张朝贤，黄红娟，等．基于 ＭａｘＥｎｔ的麦田恶性杂草节节麦的潜在分布区预测［Ｊ］．草业学报，２０１３，２２（２）：６２７０．
［５１］　王运生，谢丙炎，万方浩，等．应用生态位模型研究外来入侵物种生态位漂移［Ｊ］．生态学报，２００８，２８（１０）：４９７４４９８１．
９２第２３卷第４期 草业学报２０１４年
犚犲狊犲犪狉犮犺狅狀狉犲狊狆狅狀狊犲狊狅犳犈狌狆犪狋狅狉犻狌犿犪犱犲狀狅狆犺狅狉狌犿’狊狆狅狋犲狀狋犻犪犾犱犻狊狋狉犻犫狌狋犻狅狀狋狅犮犾犻犿犪狋犲犮犺犪狀犵犲
ＷＡＮＧＣｈｏｎｇ１，ＬＩＮＨｕｉｌｏｎｇ１，ＨＥＬａｎ２，ＣＡＯＡｏｃｈｅｎｇ３
（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＧｒａｓｓｌａｎｄＡｇｒｏｅｃｏｓｙｓｔｅｍｓ，ＣｏｌｅｇｅｏｆＰａｓｔｏｒａｌＡｇｒｉｃｕｌｔｕｒｅＳｃｉｅｎｃｅ
ａｎｄＴｅｃｈｎｏｌｏｇｙ，ＬａｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ７３００２０，Ｃｈｉｎａ；２．ＮａｔｉｏｎａｌＩｎｓｔｉｔｕｔｅｓｆｏｒ
ＦｏｏｄａｎｄＤｒｕｇＣｏｎｔｒｏｌ，Ｂｅｉｊｉｎｇ１０００５０，Ｃｈｉｎａ；３．ＩｎｓｔｉｔｕｔｅｏｆＰｌａｎｔＰｒｏｔｅｃｔｉｏｎ，
ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１００１９３，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：犈狌狆犪狋狅狉犻狌犿犪犱犲狀狅狆犺狅狉狌犿ｉｓｏｎｅｏｆｔｈｅｍｏｓｔｉｎｖａｓｉｖｅａｌｉｅｎｓｐｅｃｉｅｓｉｎＣｈｉｎａ．Ｉｔｈａｓａｓｔｒｏｎｇｅｃｏｌｏｇｉｃａｌ
ａｄａｐｔａｂｉｌｉｔｙ，ａｎｄｉｔｃａｎｓｅｉｚｅｔｈｅｎｉｃｈｅｖｅｒｙｑｕｉｃｋｌｙｔｈｕｓｔｈｅｎａｔｉｖｅｓｐｅｃｉｅｓｗｏｕｌｄｂｅｐｏｓｅｄａｔｈｒｅａｔｔｏｂｉｏｄｉｖｅｒｓｉ
ｔｙｂｙｂｅｉｎｇｃｒｏｗｄｅｄｏｕｔ．Ｉｎｏｒｄｅｒｔｏｓｔｕｄｙｔｈｅｐｏｔｅｎｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆ犈．犪犱犲狀狅狆犺狅狉狌犿ａｎｄｉｔｓｒｅｓｐｏｎｓｅｔｏｃｌｉ
ｍａｔｅｃｈａｎｇｅ，ａｌｓｏｔｏｆｉｎｄｏｕｔｔｈｅｅｎｖｉｒｏｎｍｅｎｔａｌｆａｃｔｏｒｓｗｈｉｃｈｉｎｆｌｕｅｎｃｅｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆ犈．犪犱犲狀狅狆犺狅狉狌犿，
ｔｈｅｅｃｏｌｏｇｉｃａｌｎｉｃｈｅｆａｃｔｏｒａｎａｌｙｓｉｓ（ＥＮＦＡ）ａｎｄｔｈｅｍａｘｉｍｕｍｅｎｔｒｏｐｙｍｏｄｅｌｗｅｒｅｃｏｍｂｉｎｅｄｉｎｔｈｉｓｓｔｕｄｙ．
ＦｉｒｓｔｌｙｔｈｅｅｎｖｉｒｏｎｍｅｎｔａｌｆａｃｔｏｒｓｄｉｍｅｎｓｉｏｎｗａｓｒｅｄｕｃｅｄｂｙＥＮＦＡ；ｓｅｃｏｎｄｌｙｔｏｇｅｔｈｅｒｗｉｔｈｃｕｒｒｅｎｔａｎｄｆｕｔｕｒｅ
ｃｌｉｍａｔｅｄａｔａｔｈｅｓｔｕｄｙｕｓｅＭａｘＥｎｔｍｏｄｅｌｔｏｐｒｅｄｉｃｔｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆ犈．犪犱犲狀狅狆犺狅狉狌犿ｉｎｔｈｅｆｕｔｕｒｅ．Ｔｈｅｒｅ
ｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｉｎｔｈｅＡ１ｂｓｃｅｎａｒｉｏ，ｔｈｅｍａｉｎｄｉｓｔｒｉｂｕｔｉｏｎａｒｅａｓｗｅｒｅＹｕｎｎａｎ，Ｇｕｉｚｈｏｕ，ａｎｄＧｕａｎｇｘｉｐｒｏｖ
ｉｎｃｅ．Ｆｒｏｍｎｏｗｔｏ２０８０ｓ，ｔｈｅａｒｅａｏｆＬ４５ｇｒａｄｅ（ｔｈｅｉｎｖａｓｉｏｎｐｒｏｂａｂｉｌｉｔｙｉｓ０．６－１．０）ｗａｓｉｎｃｒｅａｓｅｄｆｒｏｍ１２．８２
ｋｍ２ｏｆｎｏｗａｄａｙｓｔｏ２１．３０ｋｍ２ｉｎ２０８０ｓ，ａｎｄｔｈｅｃｅｎｔｅｒｍｏｖｅｄ４６．６２ｋｍｎｏｒｔｈｗｅｓｔ．ＷｈｉｌｅｔｈｅａｒｅａｏｆＬ５ｇｒａｄｅ
（ｔｈｅｉｎｖａｓｉｏｎｐｒｏｂａｂｉｌｉｔｙｉｓ０．８－１．０）ｗａｓｉｎｃｒｅａｓｅｄｆｒｏｍ０．４２ｋｍ２ｏｆｎｏｗａｄａｙｓｔｏ０．９１ｋｍ２ｉｎ２０８０ｓ，ａｎｄｔｈｅ
ｃｅｎｔｅｒｍｏｖｅｄ１７８．６６ｋｍｎｏｒｔｈｅａｓｔ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｒｅｓｅａｒｃｈｏｆｔｈｅｐｏｔｅｎｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆ犈．犪犱犲狀狅狆犺狅狉狌犿
ｉｎｔｈｅｃｕｒｒｅｎｔａｎｄｆｕｔｕｒｅ，ｔｈｅａｒｅａｏｆｄｉｆｆｅｒｅｎｔｉｎｖａｓｉｏｎｇｒａｄｅｃｏｕｌｄｂｅｃｏｎｔｒｏｌｅｄｂｙａｐｐｒｏｐｒｉａｔｅｍｅａｓｕｒｅｓ，ａｎｄ
ｉｔｗｉｌｐｒｏｖｉｄｅａｎｉｍｐｏｒｔａｎｔｇｕｉｄａｎｃｅｆｏｒｔｈｅｃｏｍｐｒｅｈｅｎｓｉｖｅｍａｎａｇｅｍｅｎｔ．
犓犲狔狑狅狉犱狊：ｉｎｖａｓｉｖｅｓｐｅｃｉｅｓ；犈狌狆犪狋狅狉犻狌犿犪犱犲狀狅狆犺狅狉狌犿；ｎｉｃｈｅｍｏｄｅｌ；ｅｃｏｌｏｇｉｃａｌｎｉｃｈｅｆａｃｔｏｒａｎａｌｙｓｉｓ（ＥＮ
ＦＡ）；ｍａｘｉｍｕｍｅｎｔｒｏｐｙｍｏｄｅｌ（ＭａｘＥｎｔ）
０３ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．４