全 文 ：第 50 卷 第 5 期
2 0 1 4 年 5 月
林 业 科 学
SCIENTIA SILVAE SINICAE
Vol. 50，No. 5
May，2 0 1 4
doi:10．11707 / j．1001-7488．20140517
收稿日期: 2013 － 06 － 07; 修回日期: 2013 － 08 － 09。
基金项目: 环保部公益性行业科研专项 ( 200909070 ) ; 国家自然科学基金项目 ( 11271163 ) ; 中央高校基本科研业务费专项
( JUSＲP51317B)。
* 唐旭清为通讯作者。
基于气候变化的东北地区森林树种分布
预测建模与影响分析*
晏寒冰 彭丽潭 唐旭清
(江南大学理学院 无锡 214122)
摘 要: 以我国东北地区森林树种兴安落叶松、白桦和红皮云杉 1981—1990 年分布区域内气候数据为基础，运
用基于模糊邻近关系的分层聚类和信息融合的理论与方法，获取影响 3 个树种的气候因子指标。进而建立树种分
布预测的随机预测数学模型，进行相应的算法研究。在 ArGIS 9. 3 界面下，利用 MATLAB 进行程序设计与运行，获
得 3 个树种在 2041—2050 年的最适应、次适应和可适应分布区域预测图。进一步分析表明: 气候变化使得我国东
北地区兴安落叶松、白桦和红皮云杉的分布向北漂移，且兴安落叶松和白桦向西北方向漂移，而红皮云杉向东北方
向漂移。同时气候变化是影响 3 个树种分布预测的主要因素。
关键词: 森林树种; 分布预测; 气候因子; 随机数学模型; 分层聚类; 信息融合
中图分类号: S717. 1 文献标识码: A 文章编号: 1001 － 7488(2014)05 － 0132 － 08
Modeling and Impact Analysis on Distribution Prediction of Forest Tree
Species in Northeast China Based on Climate Change
Yan Hanbing Peng Litan Tang Xuqing
( School of Science，Jiangnan University Wuxi 214122)
Abstract: Based on the climatic data collected from 1981 to 1990 in the actual distribution region of Larix gmelinii，Betula
platyphylla，Picea koraiensis in Northeast China，12 climatic factors，which affect the 3 species，were extracted by using the
theory and methods of hierarchical clustering based on fuzzy proximity relations and clustering fusion technology． A random
mathematical model for predicting the distribution of tree species was constructed by using the rigorous theory and methods of
statistical analysis and data processing，and the corresponding algorithm was studied． The MATLAB was used to design and run
program under ArGIS9． 3 interface，which produced predicting maps for the optimal adaptable distribution，the intermediate
adaptable distribution and the general adaptable distribution of the three tree species in Northeast China from 2041 to 2050． By
analyzing these maps，the distributions of the three tree species would drift to the north under climate change，L． gmelinii and
B． platyphylla would drift to the northwest，and P． koraiensis would drift to the northeast． Furthermore，climate change was
found to be the main impact factor in regulating the predicted distributions of the three tree species．
Key words: forest tree species; distribution prediction; climatic factor; random mathematical model; hierarchical clustering;
information fusion
全球变暖现已成了不争的事实。除地球表面气
温变化外，随着热带气旋度的增加，温带风暴路径向
极地推移等现象的出现，全球气候变化还表现在降
水、辐射和风向等气候因子上( IPCC，2007a)。气候
变化对全球生态系统，特别是对陆地生态系统产生
了深刻的影响(方精云，2000)，进而影响到全球的
物种的物候与物种的分布。近年来国内外已经广泛
开展气候变化对物种分布的影响研究。Parmesan
等(2003)探讨了 1 700 多个物种在过去 20 ～ 140 年
间分布区的变化，发现物种分布区的迁移与气候变
化相关。Ｒoot 等(2003)对 143 个研究中的 1 473 个
物种进行了整合分析，发现有 80%的物种迁移与温
度变化高度相关。李月臣等(2006)在分析我国北
方 13 省地区 1982—1999 年植被动态变化与气候因
第 5 期 晏寒冰等: 基于气候变化的东北地区森林树种分布预测建模与影响分析
子的关系中发现，植被变化与气温相关性显著。
我 国 东 北 地 区 森 林 物 种 白 桦 ( Betula
platyphylla)、兴安落叶松(Larix gmelinii)和红皮云杉
(Picea koraiensis)作为东北地区典型的森林树种，具
有很高的生态价值和经济价值(高景文等，2003; 孙
彦华等，2010; 李菁等，2012)。有关这 3 个树种的种
群生物学与生态学特征，以及它们的分布与气候因子
之间的关系，国内已有大量的研究文献。张先亮等
(2010) 等利用分布区内温度、降水和帕尔默干湿指
数(PDSI) 等主要气候因子之间的关系进行了大兴安
岭库都尔地区兴安落叶松年轮宽度年表及其与气候
变化的关系的研究。周先容等(2012)使用生态位模
型(GAＲP)预测巴山榧树(Torreya fargesii)在中国的
潜在分布区，并分析了其地理分布及濒危原因。张雷
等(2011a)应用概形分析模型 DOMAIN 和分类判别
分析模型预测了中国毛竹(Phyllostachys edulis)的潜
在分布，未来气候变化将导致毛竹向北迁移 33 ～ 266
km，面积增加 7. 4% ～ 13. 9%。李峰等(2006)在温暖
指数、寒冷指数、湿润指数、1 月最低温度、7 月最高温
度和年降水量等环境变量等因子基础上，结合未来气
候变化情景，采用广义线性模型(GAM)，进行了兴安
落叶松地理分布对气候变化响应的模拟研究。
这些研究都表明: 在气候变化各种情景之下，
一方面物种的分布预测都与其分布区内的温度、降
水量、蒸发量、净辐射等气候因子密切相关; 另一方
面所选取的气候因子与预测物种的生物学和生态学
特征，以及物种所在分布区的生态环境等密切相关。
同时大多数研究都是通过比较物种在观测或基准情
景下与未来单一年份气候变化情景下分布差异，确
定气候变化对物种分布的影响 ( Iverson et al．，
2001)，对不同年份及多年变化差异考虑不足。利用
不同长时间序列气候变化情景分析对物种分布影响
正日益受到关注 ( IPCC，2007b; Loiselle et al．，
2008)。事实上，气候变化条件下，植物群组不会以
整体方式进行移动，每个物种的迁移变化是独立发
生的，群落内的各个树种在未来气候变化条件下，会
以不同的组合方式聚集在一起(Webb et al．，1992)。
本文在东北地区森林树种的分布调查数据及分布区
域内气候数据的基础上，通过数据挖掘，提取树种分
布预测的气候因子指标，建立森林树种的统计预测
模型，并进行气候变化下树种分布预测的影响研究。
1 研究区概况与数据来源
1. 1 研究区概况
研究区域为我国东北地区，包括辽宁、吉林、黑
龙江及内蒙古东部地区，面积约为 147 万 km2，约占
全国国土面积的 15. 3%。降水较丰富，除辽东半岛
外，大部分地区热量不足，属温带季风型大陆气候。
年降水量: 东西部山区为 800 ～ 1 000 mm，中部平原
地区 500 ～ 750 mm。湿润度较大，绝大部分地区都
在 1. 5 以上。≥0 ℃年积温 2 100 ～ 3 900 ℃，≥10
℃年积温 1 700 ～ 3 500 ℃。东北地区有着我国最大
的天然林区，即东北林区，主要分布在大、小兴安岭
和长白山。以中温带针叶 － 落叶阔叶混交林为主。
全区共有森林面积 4 500 万 hm2，占全国森林总面积
的 37%。主要树种为兴安落叶松、白桦、红皮云杉、
红松(Pinus koraiensis)、樟子松 (Pinus sylvestris var．
mongolica)等。
1. 2 数据来源
森林树种的分布是一个复杂的过程，它既与物
种分布区域内的气候因子相关，也与物种自身的生
物学和生态学特征，以及物种在分布区域内的生态
环境密切相关，涉及因素众多。本研究仅考虑森林
树种的分布与气候因子相关性研究。因月平均蒸
发、月平均相对湿度和月平均风速等都与月平均气
温、月平均最高温度、月平均最低温度、月平均净辐
射和月平均降水密切相关，因此本研究只在月平均
气温、月平均最高温度、月平均最低温度、月平均净
辐射和月平均降水 5 个指标数据的基础上提取气候
指标，而忽略掉其他气候影响因子。
1981—1990 年我国东北地区森林物种的分布
数据来源: 根据中国科学院沈阳应用生态所历年来
的调查数据及文献资料，通过应用地理信息系统
GIS 而获得，包括兴安落叶松、白桦和红皮云杉等在
我国东北地区的分布数据。这 3 个树种的调查分布
见图 1。
1981—1990 年和 2041—2050 年我国东北地区
森林物种的气候因子的数据来源: 根据我国 1951—
2000 年的气象数据，应用 MIＲOC-ＲegCM 模式模拟
数据，得到气候的情景数据 20C3M (1951—2000)和
未来气候情景 SＲESA1B (2001—2100)。取出东北
局部地区的 1981—1990 年和 2041—2050 年的气象
平均数据，以文件夹名分别为 1981 _1990 和 2041 _
2050 存放，每个文件夹中有 5 个变量、按 12 个月平
均数据文本，且每个文本中数据是由 3 930 列、1 923
行的矩阵表示，O( x，y) 是指数据矩阵左上角第 1
个元素所在的经纬度，且经纬度范围是 Ω =
［102 ． 004 211，135 ． 098 741］ × ［37 ． 510 628，
53. 704 211］，网格格距为 0. 008 421°(相当于地图
上实际距离是 1 km)。在图 1 中: 点 O 对应于地图
331
林 业 科 学 50 卷
上左下角的 (0，0) ; 横坐标对应于东经且取增大的
方向为正方向，纵坐标对应于北纬且与增大的方向
为正方向，坐标上数值单位为 km。
在以上数据的基础及软件 ArGIS 9. 3 界面之
下，可得到在 1981—1990 年东北地区兴安落叶松、
白桦和红皮云杉在调查的分布区内的网格点数分别
是 197 943，155 989，13 085 个，记 M1 = 197 943，
M2 = 155 989，M3 = 13 085 。提取兴安落叶松、白
桦和红皮云杉等在分布区域内关于按月平均气温、
按月平均最高温度、按月平均最低温度、按月平均降
水和按月平均净辐射 5 项气候因子数据，这些数据
将为以下进一步研究提供基础。
2 研究方法
2. 1 气候数据分析与气候因子指标提取
聚类技术，特别是模糊聚类技术在数据的一般
变化趋势、数据间的相互联系与依存规律的发现及
数据的结构信息的提取等方面起到了重要的作用
(Pedrycz，2002; Frey et al．，2007)。在过去的 10 年
中，随着信息的粒度化理论的发展 ( Zadeh，1994;
Zhang et al．，2005; 张铃等，2007)，有关信息的分层
聚类和信息融合的理论与方法及其应用研究都得到
了长足的发展，并形成了较为成熟的分层聚类
(hierarchical clustering ) 和 信 息 融 合 ( information
fusion)技术。这里的信息融合是指: 依据数据的每
个属性的信息可以得到数据的一个聚类(或分类)，
而综合数据的若干个属性的信息也可以获得一个聚
类(或分类)，这个聚类 (或分类) 就称为信息的
融合。
在 1981—1990 年东北地区森林树种兴安落叶
松、白桦和红皮云杉分布区域内的气候指标数据的
基础上，可获得各树种关于每个气候指标值的分布
区间。进一步将分布区间分割成若干等份，通过对
各树种该气候指标的每个月关于各等分区间的频率
统计，可得该气候指标的各个月份的频率向量。再
引入各月份的频率向量间的内积，可获得每个气候
指标关于各月份间的相关矩阵，这些相关矩阵都是
模糊邻近关系。通过基于模糊邻近关系的分层聚类
和信息融合的理论与方法(唐旭清等，2010)，得到
下列结果: 综合月平均气温、月平均最高温度、月平
均最低温度、月平均降水和月平均净辐射 5 项气候
因 子，3 个 树 种 关 于 月 份 的 最 优 聚 类 为
1，2，3，4，10，11，{ }12 和 5，6，7，8，{ }9 。
这一结论可解释为: 每年的 5—9 月为 3 个树
种的生长期，而 1—4 月与 10—12 月为非生长期。
事实上，兴安落叶松的生长速度快，高生长从 5 月下
旬到 9 月中下旬贯穿整个生长期 (高景文等，
2003)。红皮云杉 5 月中旬当日气温达到 10 ℃时叶
芽开始膨大，5 月中旬开始高生长，6 月中旬达到高
峰，胸径生长在 7 月上旬进入速生期，8 月初生长开
始减慢，并于中旬停止生长(吴殿新等，1987; 王庆
贵等，2007)。兴安落叶松芽开放平均时间在 5 月 3
日，种子成熟平均发生时间在 9 月 9 日，而红皮云杉
芽开放平均时间 5 月 12 日，种子成熟平均发生时间
在 8 月 26 日(温秀卿等，2005)。这些生物学特征
与以上解释是相吻合的。
于是提出对这 3 个树种的分布产生影响的 12
个气候因子指标: E，P，T，Tmax，Tmin 分别表示 1 年的
月平均蒸发量(指在 10 年内按月平均数据的基础
上的月平均蒸发量，下同)、月平均降水量、月平均
温度、月平均最高温度、月平均最低温度; E5 －9，
P5 －9，T5 －9，Tmax5 －9，Tmin5 －9 分别表示 5—9 月的月平均
蒸发量、月平均降水量、月平均温度、月平均最高温
度、月平均最低温度; Tmax1 －4，10 －12，Tmin1 －4，10 －12 分别表
示 1—4 和 10—12 月的月平均最高温度、月平均最
低温度。
2. 2 基本假设
本研究将在以下假设之下开展研究工作。
假设 1: 各森林树种，如兴安落叶松、白桦和红
皮云杉等森林树种，在分布区域内的关于 12 个气候
指标数据分别服从某一随机分布。
由于在 1981—1990 年间的东北地区森林树种
兴安落叶松、白桦和红皮云杉关于 12 个气候指标的
基本数据量较大，如兴安落叶松有 197 943 个，白桦
有 155 989 个，红皮云杉有 13 085 个，因此将这 12
个气候指标的数据假设为分别服从某一随机分布是
合理的。一般记某一气候因子指标 X 的密度函数和
分布函数分别为 PX( x) 和 FX( x) 。
假设 2: 各森林树种对各气候因子的依赖性是
稳定的，且是相互独立的，即不考虑每个树种的生物
学和生态学特征的变化，特别是随着全球气候变化
而带来的树种对各气候因子的适应性的改变。
由于每个物种的生物学和生态学特征是该物种
自身长期进化以及与生态系统和气候环境相适应的
结果，各物种对各气候因子的依赖具有相对稳定性。
因此，假设 2 也是合理的，并且它也将为本项目中树
种分布预测的提供研究基础，其中“物种对各气候
因子的依赖性是相互独立的”是一个简化模型研究
的条件。
假设 3: 各森林树种在分布区域内的各平均最
431
第 5 期 晏寒冰等: 基于气候变化的东北地区森林树种分布预测建模与影响分析
高温度、各平均最低温度等 12 个气候指标的数值限
定了该树种的适生区域范围。
假设 3 是基于“高温限制了北方物种分布的南
界，而低温则是热带和亚热带物种向北分布的限制
因素”原因。这一假设将在确定物种未来分布的最
适分布气候区、次适分布气候区和可分布气候区中
起到重要的限制作用。
假设 4: 物种分布的最适分布气候区、次适分布
气候区和可分布气候区可通过物种对各气候因子适
应程度(即概率)来确定。
在假设 3 之下，树种分布可行性区域的问题研
究就转化为各气候因子的可行性区域的研究，只是
各气候因子的可行性必须同时成立。而由假设 1，
某气候因子的可行性可转化为该气候因子在某一取
值区间上的概率时 1 － α 来体现。至于物种分布的
最适分布 气 候 区 ( optimal adaptable distribution，
OAD )、次 适 分 布 气 候 区 ( medium adaptable
distribution，MAD ) 和 可 分 布 气 候 区 ( gptimal
adaptable distribution，GAD)的划分就可通过所取的
概率的大小来体现，例如 OAD 是指概率为 0. 9
(α = 0 ． 1)、MAD 是指概率为 0. 95 ( α = 0 ． 05 )和
GAD 是指概率为 0. 99 ( α = 0 ． 01 )。
2. 3 气候因子指标的置信区间
在提取的 1981—1990 年间树种在调查分布区
域内各气候因子数据的基础上，本节将对 3 个树种
关于 12 个气候因子指标数据进行处理，从中获取树
种与气候因子指标之间的信息。如计算 1981—1990
年间树种在分布区域内关于 12 个气候因子指标按
月的均值 (mean，M)和标准差 ( standard deviation，
SD)，以兴安落叶松为例，如表 1 所示。
由假设 1，不妨记某气候指标 X 的密度函数为
P( x)，则 X 的置信度为 1 － α 的双侧置信区间［ a，
b］需满足条件:
P{X ∈［a，b］} ≥ 1 － α。 (1)
一般地，满足条件式(1)的置信度为 1 － α 的双
侧置信区间［a，b］是不唯一的。为此，对 X 的置信
度为 1 － α 的双侧置信区间［a，b］提出以下条件:
min{ b － a | P{X ∈［a，b］} ≥ 1 － α}。(2)
以下所指的 X 的置信度为 1 － α 的双侧置信区
间［a，b］(简称置信区间)都是指满足条件式(2)的
置信区间。记某气候指标 X 的数据为 x1，x2，…，xn，
它的次序统计量记为 x(1)，x(2)，…，x( n)，即满足
x(1) ≤ x(2) ≤ … ≤ x( n)，其中 n 为气候指标 X 的数
据总个数，则计算指标 X的置信度为 1 － α的置信区
间［a，b］的具体步骤如下:
1 ) 求 区 间 ［x( k)，x(m)］， 使 其 满 足:
min{ x(m) － x( k) | (m － k + 1) / n 1 － α}［( m －
k + 1) / n 是样本 x1，x2，…，xn 落在区间［x( k)，x(m)］
内的频率］;
2) 计算 a = ［x( k) + x( k －1)］/2，b = ［x(m) +
x(m +1)］/2 。
表 1 1981—1990 年兴安落叶松在分布区内的 12 个气候因子指标按月平均值与标准差
Tab． 1 Means and standard deviations of 12 climatic factor indicators in the distribution
areas of L． gmelinii from 1981 to 1990
指标 Indicator E /mm E5 －9 /mm P /mm P5 －9 /mm T / ℃ Tmax / ℃
均值 M 47. 780 9 91. 345 1 66. 755 8 123. 351 1 － 1. 679 8 11. 043 4
标准差 SD 3. 302 8 5. 882 4 10. 060 6 20. 819 3 1. 486 8 1. 565 3
指标 Indicator Tmin / ℃ T5 －9 / ℃ Tmax5 －9 / ℃ Tmin5 －9 / ℃ Tmax1 －4，10 －12 / ℃ Tmin1 －4，10 －12 / ℃
均值 M － 12. 315 7 13. 109 4 26. 980 9 3. 067 4 － 0. 341 8 － 23. 302 2
标准差 SD 1. 464 3 1. 628 6 1. 756 5 1. 590 1 1. 508 4 1. 458 6
通过以上步骤计算得到的区间［a，b］就是指
标 X 的置信度为 1 － α 的置信区间。
由 MATLAB 编程可计算树种在分布区域内 12
个气候指标的置信度为 1 － α 的置信区间。以兴安
落叶松为例，其分布区域内 12 个气候指标的置信度
为 1 － α 的置信区间如表 2 所示。类似地，也可计算
白桦和红皮云杉的 1 － α 的置信区间，此略。
2. 4 分布预测算法
由 2. 2 中的假设 1 ～ 4 及 2. 3 所给出的各树种
分布的各气候因子指标的置信度为 1 － α 的置信区
间，可进行气候变化下树种分布的预测研究，即关于
树种的 OAD ( α = 0 ． 1 )、MAD ( α = 0 ． 05 )和 GAD
( α = 0 ． 01 )预测。以兴安落叶松为例，分布预测的
具体算法(算法 B)如下:
Step 1: 打开文件夹 2041_2050，内有 5 个气候
指标的预测数据。在 ArGIS 9. 3 界面下取出每个
具有相同网格点 ( i，j) 、同一月份的 5 个指标的数
据 ytijk，其中下标 i，j和 k 分别表示每个数据矩阵的
列数，行数和月份，i = 1，2，…，3 930，j = 1，2，…，
1 923，k = 1，2，…，12 ; 上标 t 取 1，2，…，5，分别
531
林 业 科 学 50 卷
表示取自同一个月的月平均气温、月平均最高温
度、月平均最低温度、月平均蒸发量和月平均降水
5 个 指 标，所 有 取 出 的 网 格 点 ( i，j) 的 集 合
记为 Ω;
表 2 1981—1990 年兴安落叶松分布区域内的 12 气候指标的置信度为 1 － α的置信区间
Tab． 2 Confidence intervals at the level 1 － α of 12 climatic factor indicators in the
distribution of L． gmelinii from 1981 to 1990
指标 Indicator E /mm E5 －9 /mm P /mm P5 －9 /mm T / ℃ Tmax / ℃
α = 0 ． 1 ［43. 84，51. 73］ ［82. 94，97. 66］ ［51. 80，84. 58］ ［92. 40，154. 66］ ［－ 4. 09. 0. 51］ ［8. 33，13. 36］
α = 0 ． 05 ［43. 68，55. 39］ ［82. 98，105. 66］ ［49. 82，87. 30］ ［90. 68，162. 14］ ［－ 4. 64，0. 93］ ［7. 98，14. 17］
α = 0 ． 01 ［43. 68，61. 58］ ［82. 70，115. 20］ ［47. 02，93. 18］ ［86. 68，174. 66］ ［－ 5. 14，2. 74］ ［7. 28，15. 32］
指标 Indicator Tmin / ℃ T5 －9 / ℃ Tmax5 －9 / ℃ Tmin5 －9 / ℃ Tmax1 －4，10 －12 / ℃ Tmin1 －4，10 －12 / ℃
α = 0 ． 1 ［－ 14. 54，－ 9. 96］ ［10. 62，15. 68］ ［24. 12，29. 66］ ［0. 74，5. 64］ ［－ 3. 04，1. 90］ ［－ 25. 81，－ 21. 19］
α = 0 ． 05 ［－ 15. 18，－ 9. 63］ ［10. 06，15. 98］ ［23. 60，30. 12］ ［0. 36，5. 90］ ［－ 3. 51，2. 61］ ［－ 26. 09，－ 20. 26］
α = 0 ． 01 ［－ 15. 68，－ 7. 95］ ［9. 46，17. 34］ ［23. 00，31. 34］ ［－ 0. 26，6. 74］ ［－ 3. 91，4. 21］ ［－ 26. 81，－ 18. 44］
Step 2: 在 Step 1 的基础上，进行 Ω 上每个网格
点的 12 个气候因子指标的计算，记为 Ztij，其中下标
i和 j分别表示每个数据文件中数据矩阵的列数和行
数，i = 1，2，…，3 930，j = 1，2，…，1 923 ; 上标 t取
1，2，…，12 分别表示 12 个气候因子指标。如此可
得数据矩阵 Zt ;
Step 3: 当 α = 0 ． 1 时，在表 2 和 Step 2 的基础
上，依次选取兴安落叶松调查分布区域( 指兴安落
叶松在 1981—1990 年的分布区域)内 2041—2050
年的 12 个气候因子指标值进行检验，如果 12 个指
标值都在它们相应的 1 － α置信区间内，则该点保留
(也称此点通过适应性检验)。如此可获得兴安落
叶松在 2041—2050 年的存留区域;
Step 4: 在存留区域的基础上，向区域外围选取
一圈点(每扩展一圈表示向外扩张 1 km)，称其为扩
展点;
Step 5: 在对每一个扩展点的 12 个气候因子指
标值进行适应性检验，若该扩展点通过适应性检验，
则将该扩展点加入兴安落叶松的存留区域;
Step 6: 重复步骤 Step 4 和 5，直到没有扩展点
通过适应性检验或者扩展轮数达到 K，标识存留区
域内的点数，并停止。
关于 Step 6 中 K 的计算方式如下: 若已知物种
自然扩散水平为 r ( km·a － 1 )，则经过 t 年后就扩散
了 r·t (km)，而 K取 r·t的整数，即 K = ［r·t］，其
中 r 的取值依赖物种的生物学特征。由于森林树种
兴安落叶松、白桦和红皮云杉主要通过种子繁殖和
营养繁殖 2 种方式繁殖，在自然状态下，传播速度较
慢，以下关于树种类的扩散仿真中取 r = 1 km·a － 1，
如 1981—1990 年到 2041—2050 年经过了 60 年，大
致扩散 60 km，即取 K = 60 。一般地，若已知物种自
然扩散水平为 r (km·a － 1 )，可以通过调整数据网格
间距来确定 K 的值，如调整数据网格间距为 a = r
(km)，则从 1981—1990 年到 2041—2050 年经过了
60 年，可取 K = 60 。
3 结果与分析
在应用软件 ArGIS 9. 3 环境下，采用算法 B，通
过 MATLAB 编程运行可获得树种在 2041—2050 年
的分布预测图如图 2 中的 a1 ～ c3 所示。
可以看到预测图的变化具有以下特征:
1) 随着气候的变化，原分布区域 (OD，original
distribution; 指 1981—1990 年 3 种树种调查的分布
区)的大片区域不再适合这 3 个树种的生存，这些
与相关文献(张雷等，2011a; 2011b; 2011c)的结论
一致。
2) 树种的 OAD，MAD 和 GAD 预测图符合逐步
扩大的过程。
3) 3 个树种的的分布区域都有向北漂移现
象，且兴安落叶松和白桦向西北方向漂移，而红
皮云杉向东北方向漂移，这些现象与相关文献
( Parmesan et al．， 2003 ; Matsui et al．， 2004 ;
Loiselle et al．，2008; 曹福祥等，2008 ; 张雷等，
2011 a; 2011b; 2011 c)的结论一致。
4 ) 由于在树种的 3 个适应气候分布预测区
域中，GAD 预测区域最能反映物种与气候因子
的关系，可以看到 : 2041—2050 年兴安落叶松
的 GAD 显著减小，而白桦和红皮云杉的 GAD 都
显著 增 大。进 一 步 给 出 2041—2050 年 树 种
OAD，MAD 和 GAD 内点数，以及 OD 内点数的
统计如表 3 所示，且表 3 中 1 个点数表示 1 km2
的面积。
631
第 5 期 晏寒冰等: 基于气候变化的东北地区森林树种分布预测建模与影响分析
图 1 1981—1990 年我国东北地区森林树种
兴安落叶松、白桦和红皮云杉的调查分布
Fig． 1 Distribution figures of L． gmelinii，B． platyphylla
and P． koraiensis in Northeast China from 1980 to 1990
红色表示兴安落叶松分布区域，蓝色表示白桦分布区域，青绿色
表示红皮云杉分布区域。Ｒed，the blue and the turquoise denote
the distribution area of L． gmelinii，the one of B． platyphylla and
the one of P． koraiensis，respectively．
从表 3 中可以计算出: 在 2041—2050 年，兴安
落叶松的 OAD，MAD 和 GAD 预测的面积分别是它
原分布区域面积的 5. 22%，20. 41%和 83. 44% ; 白
桦的相应数据为 148. 01%，189. 83% 和 333. 85% ;
红皮云杉的相应数据 1. 28%，9. 20% 和 162. 43%。
这一结果与李峰等(2006) 关于兴安落叶松预测结
论“在 SＲES-A2 排放方案下，2020 年兴安落叶松适
宜分布面积将减少 58. 1%，2050 年将减少 99. 7% ;
在 SＲES-B2 排放方案下，2020 年兴安落叶松适宜
分布面积将减少 66. 4%，2050 年将减少 97. 9%。2
种排放方案下，到 2100 年，兴安落叶松适宜分布区
将从我国完全消失”相比有着较大的差异，其原因
就在于这里选用的是 10 年时间段上的平均气候因
子指标，可以有效克服在兴安落叶松分布预测中所
图 2 2041—2050 年 3 个树种预测
Fig． 2 The predicting figures of the three tree species from 2041 to 2050
a1，a2 和 a3 分别表示兴安落叶松的 OAD、MAD，GAD 预测，b1，b2 和 b3 分别表示白桦的 OAD，MAD 和 GAD 预测，c1，c2 和 c3 分别表示
红皮云杉的 OAD，MAD 和 GAD 预测，且红色表示 1981—1990 年存在区域，蓝色表示 2041—2050 年预测区域。Where a1，a2 and a3
denote OAD，MAD and GAD of L． gmelinii respectively，b1，b2 and b3 denote OAD，MAD and GAD of B． platyphylla respectively，c1，c2 and
c3 denote OAD，MAD and GAD of P． koraiensis respectively，furthermore，the red denotes the distribution from 1981 to 1990，and the blue is
the distribution from 2041 to 2050．
731
林 业 科 学 50 卷
表 3 2041—2050 年树种 OAD、MAD 和 GAD 内点数，以及 OD 内点数
Tab． 3 Points in OAD，MAD and GAD of tree species from 2041 to 2050 and points in OD
物种
Species
原分布点数
Number in OD
最适应预测点数
Number in OAD
次适应预测点数
Number in MAD
可适应预测点数
Number in GAD
兴安落叶松 Larix gmelinii 197 943 10 337 40 398 165 160
白桦 Betula platyphylla 155 989 230 881 296 109 520 776
红皮云杉 Picea koraiensis 13 085 167 1 204 21 254
忽略掉的物种生物学和生态学特征、物种在分布区
域内的生态环境及兴安落叶松对气候因子的忍耐程
度等众多因素的影响。
5) 3 个树种的 2041—2050 年的 OAD，MAD 和
GAD 预测图都有很多的重叠部分，特别是兴安落叶
松和白桦，这些反映了我国东北地区的兴安落叶松、
白桦和红皮云杉物种具有相近或相似的生态位(黑
龙江森林编辑委员会，1993)，常组成混交林，因此，
它们间具有更强的竞争性。
4 结论与讨论
本文从数据挖掘的角度出发，在调查树种分布
区域内的气候数据及气候情景数据与未来气候情景
数据的基础上，采用分层聚类方法和信息融合技术
进行相关气候因子指标提取，建立了树种分布的随
机预测数学模型与算法研究，得出以下结论。
1) 气候变化将使得我国东北地区森林树种兴
安落叶松、白桦和红皮云杉的分布向北漂移，且兴安
落叶松和白桦向西北方向漂移，而红皮云杉向东北
方向漂移;
2) 气候变化是影响我国东北地区森林树种兴
安落叶松、白桦和红皮云杉分布预测的主要因素。
这些研究成果为气候变化下的物种分布预测提
供了一整套强有力的数学建模的理论、分析与算法
工具，有助于提升为应对全球气候变化而进行的物
种保护、监测和控制等研究水平，提高我国生态环境
系统的管理水平。
此外，在这些树种的适应气候分布区域预测的
分析与讨论中，有以下不足:
1) 没有考虑这 3 种森林树种的变异与较强的
环境适应性;
2) 3 个树种在 2041—2050 年的可适应气候分
布区域有很多的重叠部分，因此需要引入物种间的
竞争机制;
3) 向国外(如俄罗斯和蒙古)的漂移情况不得
而知。
进一步的研究工作是在引入物种分布的 Gauss
竞争排斥原理的基础上，进行未来气候变化对东北
地区多个森林树种分布竞争的预测与影响研究。
参 考 文 献
曹福祥，徐庆军，曹受金，等 ． 2008． 全球变暖对物种分布的影响研
究进展 ． 中南林业科技大学学报，28 (6) : 86 － 89．
陈莎莎，刘鸿雁，郭大立 ． 2010． 内蒙古东部天然白桦林的凋落物
性质和储量及其随温度和降水梯度的变化格局 ． 植物生态学
报，34 (9) : 1007 － 1015．
方精云 ． 2000． 全球生态学: 气候变化与生态响应 ． 北京: 高等教育
出版社 ．
高景文，敖文军，刘顶锁，等 ． 2003． 大兴安岭兴安落叶松的起源及
生物特性 ． 内蒙古科技与经济，(10) : 99 － 100．
黑龙江森林编辑委员会 ． 1993． 黑龙江森林 ． 哈尔滨: 东北林业大
学出版社 ．
李 峰，周广胜，曹铭昌 ． 2006． 兴安落叶松地理分布对气候变化
响应的模拟 ． 应用生态学报，17 (12) : 2255 － 2260．
李 菁，骆有庆，石 娟 ． 2012． 基于生物多样性保护的兴安落叶
松与白桦最佳混交比例———以阿尔山林区为例 ． 生态学报，32
(16) : 4943 － 4949．
李月臣，宫 鹏，刘春霞，等 ． 2006． 北方 13 省 1982 年 ～ 1999 年植
被变化及其与气候因子的关系 ． 资源科学，28 (2) : 109 － 117．
孙彦华，于 辉 ． 2010． 红皮云杉林研究进展综述 ． 林业勘查设计，
(4) : 93 － 94．
唐旭清，方雪松，朱 平 ． 2010． 基于模糊邻近关系的结构聚类 ． 系
统工程与理论实践，30 (11) : 1986 － 1996．
王庆贵，邢亚娟，周晓峰，等 ． 2007． 黑龙江省东部山区谷地红皮云
杉生态学与生物学特性 ． 东北林业大学学报，35 (3) : 4 － 6．
温秀卿，高永刚，王育光，等 ． 2005． 兴安落叶松、云杉、红松林木物
候期对气象条件响应研究 ． 黑龙江气象，(4) : 34 － 36．
吴殿新，姚国权 ． 1987． 红皮云杉生态学特性及生物学特性初探 ．
林业科技，12 (4) : 22 － 23．
张 雷， 刘 世 荣， 孙 鹏 森， 等 ． 2011a． 基 于 DOMAIN 和
NeuralEnsembles 模型预测中国毛竹潜在分布 ． 林业科学，47
(7) : 20 － 26．
张 雷，刘世荣，孙鹏森，等 ． 2011b． 气候变化对马尾松潜在分布
影响预估的多模型比较 ． 植物生态学报，35 ( 11 ) : 1091 －
1105．
张 雷，刘世荣，孙鹏森，等 ． 2011c． 气候变化对物种分布影响模
拟中的不确定性组分分割与制图———以油松为例 ． 生态学报，
31 (19) : 5749 － 5761．
张 雷 ． 2011． 气候变化对中国主要造林树种 /自然植被地理分布
的影响预估及不确定性分析 ． 北京:中国林业科学研究院博士
学位论文 ．
张 铃，张 钹 ． 2007． 问题求解理论及应用———商空间粒度计算
理论及应用 ． 2 版 ． 北京: 清华大学出版社 ．
张先亮，崔明星，马艳军，等 ． 2010． 大兴安岭库都尔地区兴安落叶
松年轮宽度年表及其与气候变化的关系 ． 应用生态学报，
831
第 5 期 晏寒冰等: 基于气候变化的东北地区森林树种分布预测建模与影响分析
21 (10) : 2501 － 2507
周先容，余 岩，周颂东，等 ． 2012． 巴山榧树地理分布格局及潜在
分布区 ． 林业科学，48 (2) : 1 － 8．
Frey B J，Dueck D． 2007． Clustering by passing messages between data
points． Science，315 (5814) : 972 － 976．
IPCC． 2007a． Climate change 2007: The physical science basis-
Summary for policymakers of the working group I report． Cambridge:
Cambridge University Press．
IPCC． 2007b． Climate change 2007: Inpacts， adaptation， and
vulnerability-contribution of working group II to the forth assessment
report of the intergovernmental panel on climate change． Cambridge:
Cambridge University Press．
Iverson L Ｒ， Prasad A M． 2001． Potential change in tree species
richness and forest community types following climate change．
Ecosystem，4 (3) : 186 － 199．
Loiselle B A， Jrgensen P M，Consiglio T， et al． 2008． Predicting
species distributions from herbarium collections: does climate bias in
collection sampling influence model outcomes． Journal of
Biogeography，35 (1) : 105 － 116．
Matsui T，Tsutomu Y，Tomoki N，et al． 2004． Probability distributions，
vulnerability and sensitivity in Fagus crenata forests following
predicted climate changes in Japan． Journal of Vegetation Science，
15 (5) : 605 － 614．
Parmesan C，Yohe G． 2003． A globally coherent fingerprint of climate
change impacts across natural systems． Nature，421(6918) : 37 －
42．
Pedrycz W． 2002． Collaborative fuzzy clustering． Pattern Ｒecognition
Letters，23 (14) : 1675 － 1686．
Ｒoot T L，Price J T，Hall K Ｒ，et al． 2003． Fingerprints of global
warming on wild animals and plants． Nature，421(6918) : 57 － 59．
Webb T III，Bartlein P J． 1992． Global changes during the last 3 million
years: climatic controls and biotic responses． Annual Ｒeview of
Ecology and Systematics，23: 141 － 173．
Zadeh L A． 1994． The roles of fuzzy logic and soft computing in the
conception， design and deployment of intelligent systems． BT
Technology Journal，14 (4) : 32 － 36．
Zhang L， Zhang B． 2005． The structure analysis of fuzzy sets．
International Journal of Approximate Ｒeasoning，40 (1) : 92 － 108．
(责任编辑 郭广荣)
931