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．1001-7488．20140504
收稿日期: 2013 － 06 － 08; 修回日期: 2013 － 08 － 17。
基金项目: 国家青年科学基金“基于 GIS 的中国姜花属野生植物不同园林配置模式下的适生性区划研究”(31100510) ; 广东省林业厅科
技创新专项资金项目“檀香同源四倍体良种选育及高效栽培技术研究与示范”(2011KJCX006 － 02)。
* 刘念为通讯作者。致谢:中国科学院华南植物园马国华研究员在台风对檀香潜在种植区域影响上提出宝贵意见。
基于 MaxEnt生态学模型的檀香在中国的
潜在种植区预测*
胡 秀1 吴福川2 郭 微1 刘 念1
(1． 仲恺农业工程学院园艺园林学院 广州 510225; 2． 中国科学院西双版纳热带植物园 勐腊 666303)
摘 要: 依据某物种的地理分布数据以及环境因子数据，MaxEnt 生态学模型可预测该物种在目标区域可能的分
布范围，这一功能正符合植物潜在种植区预测的需要。以温度、降雨及海拔为环境因子指标，收集文献中檀香野生
和栽培适生区的地理分布数据，采用 MaxEnt 模型软件进行建模并对檀香在中国的潜在种植区进行预测。ＲOC 曲
线分析检验表明所建立的檀香 MaxEnt 预测模型有效性高; 各环境因子的刀切法分析表明，对预测结果贡献值较大
的环境因子是与低温相关的年平均温度、最冷月的最低温度、最冷季度的平均温度，其各自的响应曲线显示，适宜
的取值区间分别是 25 ～ 30 ℃，8 ～ 17 ℃和 13 ～ 23 ℃。进一步将檀香在中国各地的引种栽培表现与预测图进行比
对，将预测图划分为 0 ～ 1 的 5 级时，区划等级为 0 ～ 0. 4 的区域为不适宜区，区划等级为 0. 4 ～ 0. 8 的区域为适宜
区，区划等级为 0. 8 ～ 1. 0 的区域为最适区。最适区除传统认为的海南西部的丘陵山地、广东的雷州半岛外，还包
括广东和福建的东南沿海。
关键词: MaxEnt 生态学模型; 檀香; 种植区预测;
中图分类号: S718. 51 文献标识码: A 文章编号: 1001 － 7488(2014)05 － 0027 － 07
Identification of Potential Cultivation Ｒegion for Santalum album in
China by the MaxEnt Ecologic Niche Model
Hu Xiu1 Wu Fuchuan2 Guo Wei1 Liu Nian1
(1 ． Horticulture and Landscape College，Zhongkai University of Agriculture and Engineering Guangzhou 510225;
2 ． Xishuangbanna Tropical Botanical Garden，Chinese Academy of Sciences Mengla 666303 )
Abstract: MaxEnt ecological model can be used to predict possible distribution range in target region according to the
data of geographic distribution and environment factors，which meets the need for identifying the potential cultivation area
of plants． In this study，prediction of potential cultivation area for Santalum album in China was carried out with MaxEnt
modeling framework based on data of environmental factors，including temperature，rainfall and altitude，collected from
wild and cultivated geographic regions． The model constructed by MaxEnt is highly reliable evaluated by Ｒeceiver
operating characteristic (ＲOC) ． Ｒesponse curves created by Jackknife method displayed that annual mean temperature，
minimum temperature of coldest month，and mean temperature of coldest quarter，which are all related to low temperature，
were the dominant environmental variables that mainly contributed to predict cultivation potential，with the proper
temperature ranges of 25 － 30 ℃，8 － 17 ℃ and 13 － 23 ℃，respectively． Furthermore，performances of S． album in
different cultivation regions were compared with the predicted map，and the suitability degrees were divided into five
categories between 0 － 1． The region with the suitability degrees between 0 － 0． 4 was not suitable for cultivation，the
region between 0． 4 － 0． 8 was suitable and the region between 0． 8 － 1． 0 was the most suitable． Besides of the traditionally
accepted regions such as the hills of the western Hainan province，and Leizhou Peninsula of Guangdong province，the
southeast coast of Guangdong and Fujian Province was also identified with high suitable for cultivation (0． 8 － 1． 0) ．
Key words: MaxEnt ecologic niche modeling; Santalum album; predicting potential cultivation area
林 业 科 学 50 卷
檀香(Santalum album)自古以来就具有很高的
经济价值。随着全球经济的发展，需求不断增加，各
种以檀香为原料和辅料的产品价格不断攀升。而现
阶段檀香商品生产的原材料多来自野生资源，这给
野生资源的保护造成了很大的压力。对檀香进行人
工栽培以满足日益增长的需要已成为各国的共识。
我国于 1962 年开始引种檀香，经过几十年的引种，
在不同的地区获得了成功。为了满足我国经济和社
会发展对檀香的需求，广东、广西等省区均将檀香列
为重点开发的珍贵树种，不断扩大檀香的种植面积。
为避免盲目扩大引种造成的损失，做好檀香的潜在
种植区预测很重要。
李应兰(2003)将雷州半岛、琼西丘陵山地、滇
南、川滇金沙江上游干热河谷区划为檀香在中国的
适生区，并主张在北回归线以南日平均气温 ≥ 10
℃的积温达 6 000 ℃、冬季无雪和严重霜冻、极端最
低气温不超过 － 3 ℃的地区，均可试种檀香。该区
划方法主要基于经验性的比对，简单有效但不够完
整和精确。由于可实现精确定位和可视化，基于
GIS 平台的种植区划的优势逐渐显现。MaxEnt
(maximun entropy)生态学模型软件是一种基于 GIS
平台的物种潜在分布区预测软件。MaxEnt 模型把
研究区所有单元 ( pixel)作为构成最大熵的可能分
布空间，将已知物种分布点的单元作为样点，根据
样点单元的环境变量，如: 气候变量、海拔、地形、土
壤类型、植被类型得出约束条件，寻找此约束条件
下的最大熵的可能分布(即寻找与物种分布点的环
境变量特征相同的单元)，据此来预测物种在目标
区的分布(Phillips et al．，2006)。Phillips 等(2006)
等基于此原理用 JAVA 语言编写了 MaxEnt 模型软
件，并同时应用线性回归的方法对影响植物分布的
主导环境因子进行分析(即 Jackknife 功能)，使得预
测图制作、ＲOC 曲线分析、主导环境因子分析由
MaxEnt 自动完成，极大地提高了该模型的应用效
率。在 常 见 的 物 种 分 布 预 测 软 件 ( MaxEnt，
BioMapper，DOMAIN，FloraMap，GAＲP，Weghts of
evidence)中，MaxEnt 和 GAＲP 的有效性最高; 而与
GAＲP 相比，Maxent 的运算结果更稳定，对计算机
配置的要求较低，运算时间较短，操作也更为简便，
在样点数据以及环境因子参数较多的情况下更有优
势 ( Ortega-Huerta et al．， 2008; Phillips et al．，
2006)。
MaxEnt 生态学模型软件现已在动植物生境预
测(Gaikwad et al．，2011; Suárez-Seoane et al．，2008;
齐增湘等，2011)、入侵植物分布区预测(雷军成等，
2010)、检疫病虫害预测(赵文娟等，2009)等方面广
泛应用。由于受到物种之间的相互影响以及植物的
传播能力的限制，Maxent 生态学模型在以上领域应
用时可能会降低预测效果。但是人为的引种和栽培
活动正好去除了这种影响和限制。最近，MaxEnt 生
态学模型软件开始应用于植物潜在种植区的预测
(Sanchez et al．，2010)。从原理上讲，将该模型应用
于植物潜在种植区的预测更合理。
自李应兰(2003)对檀香区划以来，檀香在我国
各地新的引种栽培记录不断积累 (蔡兴新，2008;
康月惠等，2012; 梁称利等，2011; 梁远楠等，
2010;刘小金等，2012; 杨曾奖等，2008; 许明英等，
2006; 王亚男等，2009; 徐永荣等，2011; 吴智仁
等，2012)，为预测结果的验证提供了坚实的基础。
本研究广泛收集世界各国及我国公开发表的文献中
檀香野生和栽培适生区的地理分布数据，选用分辨
率为 5 km2的温度、降雨及海拔数据作为环境因子
指标，应用 MaxEnt 生态学模型软件对檀香在中国的
潜在种植区进行预测，力图提高区划的完整性和精
确性。为提高预测结果的可靠性，除制作 ＲOC 曲线
( receiver operating characteristic) 对所建立的檀香
MaxEnt 预测模型的有效性进行理论分析外，本研究
以檀香在我国各地的引种栽培表现作为辅助，一方
面检验预测结果与现有栽培实践是否一致，另一方
面判别潜在种植区预测各区域的适生程度，消除可
能存在的由于取样误差带来的预测误差。此外，
MaxEnt 生态学模型软件的刀切法功能( Jakknife)和
各环境因子对预测结果的响应曲线( create response
curves)将被用于研究影响檀香生长的主要环境因
子及其适宜取值范围。
1 材料与方法
1. 1 预测模型的建立
1. 1. 1 地理分布数据的收集 检索国内外与檀香
有关的公开发表的文献，收集檀香的野生分布及栽
培地点共 110 个(表 1)。110 个样点中，大部分有
准确的经纬度信息，可直接使用; 少数样点仅有地
名，需采用 Google earth 查找经纬度。另外，为提高
预测的可靠性，在分布数据中剔除了经引种栽培实
践证明不适宜的点，如: 四川泸州和广东韶关 (李
应兰，2003)。
82
第 5 期 胡 秀等: 基于 MaxEnt 生态学模型的檀香在中国的潜在种植区预测
表 1 研究中使用的檀香地理分布数据的来源及分布
Tab． 1 Sources and geographic distribution of S． album used in the study
地理分布
Geographic distribution
数量
Number
来源
Source
澳大利亚 Australia 4 Ｒadomiljac et al．，1999; Jones et al．，2007; Applegate et al，1993
印度尼西亚 Indonesia 5 Fox et al．，1996; McKinnell，1991
斯里兰卡 Sri Lanka 1 Subasinghe et al．，2013
印度 India 66 Ｒao et al．，2007; Suma et al．，2003; Sinha，1961; Jain et al．，1998; Sundararaj et al．，2011
中国 China 34
蔡兴新，2008; 崔永忠等，2011; 康月惠等，2012; 李应兰，2003; 梁称利等，2011; 刘小
金等，2010; 2012; 王亚男等，2009; 吴智仁等，2012; 许明英等，2006; 徐永荣等，2011;
杨曾奖等，2008
1. 1. 2 环境因子的选择 帝汶及其附近岛屿被认
为是檀香的原产地，但印度一直是檀香木的主要产
区，而且其木材的品质也优于印度尼西亚等地。在
印度，檀香集中分布于南部得干高原至西高止山脉
的边缘。这一地区属热带疏林草原气候，纬度低，热
量丰富，与热带雨林气候相比，雨量偏低，而且分布
不均匀，有明显的干季和湿季。在检疫病原菌的潜
在分布区预测中，除添加气候因子外，还可添加地
形、海拔因子(赵文娟等，2009)，在植物潜在分布区
预测中还可添加植被因子(Gaikwad et al．，2011)，在
濒危动物生境预测方面可进一步添加与道路和居民
点的距离、与水源点的距离等(齐增湘等，2011)。
檀香北移到我国，冬季低温是决定檀香能否生存的
限制因子; 檀香对土壤的要求不严格，光照因子对
其地带性分布影响不大(李应兰，2003)。因此，本
研究仅选用与檀香生长密切相关温度和水分指标以
及海拔为环境因子。本研究选用分辨率为 2. 5’，即
精度范围为 5 km2 的气候数据，来源于世界气候数
据库，可免费下载 ( http:∥ www． worldclim． org /)。
该气候数据气象站点丰富，由 1950—2000 年以来世
界各地气象站的数据经插值法转换后获得(Hijmans
et al．，2005)。海拔因子的数据也来源于世界气候
数据库。
气候数据库包括了对植物生长具有重要影响的
19 项生物气候指标(BIO1 ～ BIO19)，较适用于植物
的潜在种植区预测。分别为:
反映平均温度及其变异幅度的指标: BIO1(年
平均温度)、BIO4(季节性温度变异)。
反映极端温度影响的指标: BIO5(最热月的最
高温度)、BIO10 (最热季度的平均温度)、BIO6 (最
冷月的最低温度)、BIO11(最冷季度的平均温度)。
反映降雨量及其季节性分布的指标: BIO12(年
降雨量)、BIO15(季节性降雨量)(变异系数)。
反映极端水分条件的指标: BIO13(最湿月的降
雨量)、BIO16(最湿季度的降雨量)、BIO14(最干月
的降雨量)、BIO17(最干季度的降雨量)。
反映水热是否同步的指标: BIO8(最湿季度的
平均温度)、BIO9 (最干季度的平均温度)、BIO18
(最热季度的降雨量)、BIO19(最冷季度的降雨量)。
反映温差特点的指标: BIO2(每月最高温与最
低温差值的平均值)、BIO3(温差等温值)、BIO7(温
度的年较差)。
1. 2 模型有效性的评价
在 http:∥ www． cs． princeton． edu / ～ schapire /
maxent /网站上注册后可免费下载 MaxEnt 软件。将
25%的分布数据作为测试数据集，其余作为训练数
据集，以包括温度和降雨在内的 19 项生物气候指标
(BIO1 ～ BIO19)及海拔为环境因子，采用 MaxEnt 模
型软件进行建模并制作 ＲOC 曲线对模型的有效性
进行评价。根据 Phillips 等(2006)的研究，由于软
件的运算结果会受到抽取的分布数据集的影响，随
机运算 10 次取平均值用于评价模型的有效性。当
ＲOC 曲线与横坐标围成的面积值 ( AUC 值 )，在
0. 5 ～ 0. 7时模型的预测价值较低，在 0. 7 ～ 0. 9 时预
测价值中等，大于 0. 9 时预测价值优秀 (Hanley et
al．，1982; 王运生等，2007)。分布数据和环境因子
数据的格式转换和导入参照 MaxEnt 用户指南
(http:∥www． cs． princeton． edu / ～ schapire /
maxent /)，ＲOC 曲线分析由软件自动完成。
1. 3 檀香的潜在种植区预测及适生性等级划分
采用檀香的全部地理分布数据，以温度和降雨
在内的 19 项生物气候指标(BIO1 ～ BIO19)及海拔
为环境因子，重新运行 MaxEnt 模型软件制作潜在种
植区预测图。该预测图可自动划分适生性等级，但
为了直观并且方便应用，将预测结果图导入 DIVA-
GIS，根据细致程度的需要重新设定适生性等级的间
距。从中国国家地理基础网站下载 1∶ 100 万的行政
图导入 DIVA-GIS 与预测图相叠加。再将具有不同
引种表现的点导入预测图，检验预测图等级划分与
引种栽培表现的一致性，进一步检验所建立的预测
92
林 业 科 学 50 卷
模型的有效性，并判定檀香在预测图不同区划等级
的适生性。适生性的划分标准为: 在历年极端低温
条件下，树体死亡或严重损伤的区域为不适宜区;
树体轻微损伤，但不影响继续生长的区域为适宜区;
树体不受冻害，能正常产生精油的区域为最适区。
DIVA-GIS 的使用参照其官方网站上的用户指南
(http:∥www． diva-gis． org /)。
1. 4 环境因子的重要值研究
MaxEnt 生态学模型软件具有刀切法功能，即环
境变量被轮流逐一剔除，并用剩余的变量参与运算，
同时还会生成一个所有变量都参与运行的模型，以
此来确定各变量对预测模型的贡献值，从而帮助了
解在植物的分布中哪种环境因子较为重要。此外，
MaxEnt 生态学模型软件还可根据各环境因子对模
型的响应曲线分析各环境因子的适宜区间值。在本
研究中，采用檀香全部地理分布数据，以 19 项生物
气候指标(BIO1 ～ BIO19)及海拔为环境因子，分别
勾选“do jackknife to measure variable importance”和
“create response curves”分析各环境因子对预测结果
的贡献值及明确各环境因子值的适宜区间范围。
2 结果与分析
2. 1 模型的有效性
选用 25%的分布数据作为测试数据集，其余作
为训练数据集，随机运算 10 次制作 ＲOC 曲线，檀香
MaxEnt 预测模型的 AUC 平均值为 0. 975，模型预测
价值为优秀(Hanley et al．，1982; 王运生等，2007)。
同样采用 MaxEnt 软件进行的潜在种植区预测，以全
球分布记录建立的猴面包树( Adansonia digitata)预
测模型的 AUC 平均值为 0. 879，而仅以东非分布数
据建立的预测模型的 AUC 平均值为 0. 933，仅以西
非的分布数据建立的预测模型的 AUC 平均值为
0. 963 (Sanchez et al．，2010)，表明本研究的分布数
据误差控制较好，建立的檀香种植区划预测模型有
效性较高。
2. 2 檀香潜在种植区预测及适生性等级划分
为了细致区分各区域的适生程度并方便应用，
本研究将预测图的适生性划分为 5 个等级，每个等
级的间距为 0. 2。由预测图 (图 1)可知，檀香在我
国的潜在种植区域包括福建和广东的南部，广西和
云南的中南部，四川攀枝花的极少数地区。在预测
图中，等级越高的区域适生性越高。据李应兰
(2003)的引种栽培观察，在广东韶关引种栽培的檀
香死亡，在四川泸州引种栽培的檀香地上部全部冻
枯，2 个点均落于预测图的最低等级 0 ～ 0. 2; 在
2008 年的极端低温影响下，广东怀集(区划等级的
0. 2 ～ 0. 4)冻害严重(杨曾奖等，2008)，因此在区划
等级为 0 ～ 0. 4 的区域引种檀香受冻害的风险很大，
为不适宜区。同样是在 2008 年极端低温后的观察，
在适宜区内的广东阳江(区划等级 0. 6 ～ 0. 8)为轻
微冻伤，影响不大(杨曾奖等，2008); 广东开平(区
划等级为 0. 6 ～ 0. 8)种植的檀香是幼树，在寒流袭
击后顶芽和嫩枝受害枯萎，但翌年春季在受害处重
新萌发了枝条，对树体的整体伤害不大(梁称利等，
2011)。同时，檀香在区划等级为 0. 4 以上的其他区
域引种栽培表现良好，如滇南位于区划等级的
0. 4 ～ 0. 6(李应兰，2003)可形成有价值的心材; 台
湾南投区划等级为 0. 4 ～ 0. 6，其种植的檀香已经归
化(王亚男等，2009); 区划等级为 0. 4 ～ 0. 6 的广
州华南植物园以及 0. 6 ～ 0. 8 的广西南宁的檀香能
正常生长(李应兰，2003)。广东高要(区划等级为
0. 4 ～ 0. 8)试验地偶尔会达到甚至低于 － 1 ℃，但栽
培的 6 龄檀香已经开始结香且精油成分与标准檀香
油相似(刘小金等，2012)。以上地区的引种栽培进
一步证明在区划等级为 0. 4 ～ 0. 8 的区域可进行檀
香的商品化生产，可划为适宜区。而区划等级为
0. 8 ～ 1. 0 的广东雷州栽培的檀香比广东高要同龄
檀香具有更大的生长量(刘小金等，2012)，将该等
级区域视为檀香种植的最适区。
综上所述，本研究将区划等级为 0 ～ 0. 4 的区域
划分为不适宜区; 区划等级为 0. 4 ～ 0. 8 的区域划
为适宜区; 区划等级为 0. 8 ～ 1. 0 的区域划为最适
区。各地可根据区划图的细部查找各自所处的区划
等级。此外，在云南和四川攀枝花地区，潜在种植区
的适生等级在区内变化较大(图 1)，要注意对照区
划图并根据地形和小气候条件进行选址，在四川米
易的成功种植证明在这些区域可以找到适合的种
植点。
2. 3 影响预测的主要环境因子及其适宜范围
影响檀香潜在种植区预测的主要环境因子是年
平均温度(BIO1)、最冷月的最低温度( BIO6)和最
冷季度的平均温度(BIO11)，这些指标都与低温有
关，证明檀香的分布和种植主要受低温的限制。年
平均温度(BIO1)的贡献值最大，表明檀香需要一定
的温度累积，研究结果与李应兰(2003)一致。从各
主要环境因子对预测结果的响应曲线来看，年平均
温度 ( BIO1 ) 为 25 ～ 30 ℃，最冷月的最低温度
(BIO6)为 8 ～ 17 ℃，最冷季度的平均温度(BIO11)
为 13 ～ 23 ℃，是檀香的适宜生长条件。在降雨量因
子中，最干季度的降雨量(BIO17)、最热季度的降雨
03
第 5 期 胡 秀等: 基于 MaxEnt 生态学模型的檀香在中国的潜在种植区预测
量(BIO18)、最冷季度的降雨量(BIO19)、最干月的
降雨 量 ( BIO14 )、季 节 性 降 雨 量 ( 变 异 系 数 )
(BIO15)，对模型预测结果影响较小，表明降雨量不
是檀香生长的限制因子。但降雨过多，湿度过大易
发生严重病虫害，应予以避免。
3 结论与讨论
3. 1 基于 MaxEnt 生态学模型的檀香潜在种植区
预测模型的有效性
影响 MaxEnt 生态学模型预测软件预测结果的
因素主要是两方面: 一方面是算法方面的误差，主
要是建模时数据收集不完整或建模方法不恰当产生
的误差; 另一方面是环境因子选择的遗漏而造成的
误差 ( Pearson et al．，2006; Meynard et al．，2007 )。
MaxEnt 在其他学科被广泛应用，可证明其建模方法
的有效性。从设计原理上讲，MaxEnt 模型假定物
种会出现在所有具有合适气候条件的地区，同时在
所有气候不适合的地方不存在 ( Guisan et al．，
2000)，但是由于生物的传播途径的限制 ( Svenning
et al．，2008 ) 以及生物之间的相互影响 ( Brown
et al．，1996; Pearson et al．，2003)，这样的假定在自
然界中常常不成立。但在本研究中，人类的引种和
栽培活动则正好突破了这 2 种限制，更符合 MaxEnt
模型本来的设计原理，有效性更高。
图 1 基于 MaxEnt 模型的檀香潜在种植区预测图
Fig． 1 Details of potential cultivation area of S． album predicted by MaxEnt
在对取样误差进行控制方面，本研究采用的建
模数据样点覆盖了原产地、主产地和在我国的引种
地，具有足够的代表性。此外，与 Sanchez 等(2010)
采用 MaxEnt 软件对猴面包树 ( Adansonia digitata)
的潜在种植区预测相比，本研究充分利用檀香在我
国的引种栽培表现对预测图的区划等级的适生程度
进行判别，进一步消除了可能存在的由于取样不准
确带来的误差。比对结果显示檀香的引种栽培表现
与预测图的等级划分十分吻合，进一步说明本研究
建立的预测模型具有较高的可靠性。
3. 2 檀香在中国的潜在种植区预测及适生性划分
在预测图中，区划等级在 0. 4 以上的区域可以
进行檀香的商品生产，为种植的适宜区; 区划等级
在 0. 8 以上的区域为最适区; 而在区划等级在 0. 4
以下的区域为不适宜区，如需种植需选择良好的小
气候环境，以避免冻害造成的损失。
与李应兰(2003)的区划相比，本研究找出了更
多适合檀香种植的区域，如云南从中部的楚雄向南
经双柏、峨山、元江、元阳、屏边至河口的狭长地带适
生等级为 0. 4 ～ 0. 6; 台湾西北部沿海有 0. 4 ～ 0. 8
的适生等级; 广西南部的大部分地区适生等级为
0. 6 ～ 0. 8，如灵山、浦北、横县、邕宁的大部分地区;
从广东的汕尾向东直至福建惠安县的沿海地区具有
0. 8 ～ 1. 0 的适生等级。
适生程度较高(0. 8 ～ 1. 0)的区域除传统认为
的海南西部的丘陵山地、广东的雷州半岛外 (李应
兰，2003)，还包括广东和福建的东南沿海。此外，
本研究区划预测图可精确到 5 km2 的区域，较李应
13
林 业 科 学 50 卷
兰(2003)区划更为细致，例如: 从预测图(图 1)中
可以看到，由于受地形影响，檀香在云南的潜在种植
区呈细小的斑块状。
利用 MaxEnt 对各环境因子的刀切法分析表明:
对预测结果贡献值较大的环境因子是与低温相关的
年平均温度、最冷月的最低温度、最冷季度的平均温
度，其各自的响应曲线显示适宜的取值区间分别是
25 ～ 30 ℃，8 ～ 17 ℃，13 ～ 23 ℃，这一结果与檀香在
原产地及主产区的气候特点相符(李应兰，2003)。
由于建模时未选择地形和土壤因素作为环境因
子，因此在种植区域选择时应在本区划图的基础上，
选择排水良好的酸性土以利于檀香的生长。此外，
由于该模型软件目前还不能考虑海洋暖流和局部地
形的影响，如浙江马站点能成功引种，但落在预测区
划图的不适宜区。因此，在区划等级为 0. 4 以下的
区域，根据檀香对几个主要环境因子的适宜取值范
围，选择良好的小气候环境也可尝试种植檀香。另
外，在本研究的种植预测图的一些适宜区域，由于受
到台风侵扰，要慎重评估台风可能带来的损失。
参 考 文 献
蔡兴新 ． 2008． 檀香引种栽培试验初报 ． 热带林业，36 (2) : 23 －
26．
崔永忠，杨文云，李 昆，等 ． 2011． 檀香种子发芽试验研究 ． 西南
农业学报，24(5) : 1924 － 1927．
康月惠，张连水，吴栩倩 ． 2012． 土沉香、檀香及降香黄檀引种试验
初报 ． 福建林业科技，(4) : 66 － 68．
雷军成，徐海根 ． 2010．基于 MaxEnt 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，26(2) : 137 － 141．
李应兰 ． 2003． 檀香引种研究 ． 北京:科学出版社，70，95 － 103．
梁称利，张宁南，龙友深，等 ． 2011． 不同种源檀香在广东低山区生
长表现 ． 种子，30 (6) : 1 － 5．
梁远楠，陈水莲，张坤洪，等 ． 2010． 檀香高效栽培技术 ． 广东林业
科技，(5) : 88 － 90，95．
刘小金，徐大平，张宁南，等 ． 2010． 苗期寄主配置对印度檀香幼苗
生长影响的研究 ． 林业科学研究，23(6) : 924 － 927．
刘小金，徐大平，杨曾奖，等 ． 2012． 广东三地幼龄檀香生长和结香
的早期评价 ． 林业科学，48 (5) : 108 － 115．
齐增湘，徐卫华，熊兴耀，等 ． 2011． 基于 MAXENT 模型的秦岭山
系黑熊潜在生境评价 ． 生物多样性，19 (3) : 343 － 352．
王亚男，刘启福，杨智凯 ． 2009． 台大实验林下坪热带植物园植物
调查与分析 ． 中国植物园，(12) : 94 － 99．
王运生，谢丙炎，万方浩，等 ． 2007． ＲOC 曲线分析在评价入侵物种
分布模型中的应用 ． 生物多样性，15 (4) : 365 － 372．
吴智仁，陈顺珍 ． 2012． 檀香引种试验及其栽培技术 ． 福建林业科
技，(7) : 29 － 31．
许明英，李跃林，任 海，等 ． 2006． 檀香在华南植物园的引种栽
培 ． 经济林研究，24 (3) : 39 － 41．
徐永荣，王鹏程，纪 和，等 ． 2011． 寄主植物生长情况及配置距离
对檀香幼林生长的影响 ． 湖北农业科学，50 ( 20 ) : 4216 －
4220．
杨曾奖，徐大平，曾 杰，等 ． 2008． 南方大果紫檀等珍贵树种寒害
调查 ． 林业科学，44 (11) : 123 － 127．
赵文娟，陈 林，丁克坚，等 ． 2009． 利用 MAXENT 预测玉米霜霉
病在中国的适生区 ． 植物保护，35(2) : 32 － 38．
Applegate G，Mckinnell F． 1993． The management and conservation
status of Santalum species occurring in Australia ∥ ACIAＲ
Proceedings． Canberra: Australian Centre for Internatinal
Agricultural Ｒesearch，5．
Brown J H，Stevens G C，Kaufman D M． 1996． The geographic range:
size，shape，boundaries，and internal structure． Annual Ｒeview of
Ecology and Systematics，27: 597 － 623．
Fox J E D，Doronila A I，Barrett D Ｒ，et al． 1996． Desmanthus virgatus
(L． ) Willd． An efficient intermediate host for the parasitic species
Santalum album L． in Timor， Indonesia． Journal of Sustainable
Forestry，3(4) : 13 － 23．
Gaikwad J，Wilson P D， Ｒanganathan S． 2011． Ecological niche
modeling of customary medicinal plant species used by Australian
aborigines to identify species-rich and culturally valuable areas for
conservation． Ecological Modelling，222(18) : 3437 － 3443．
Guisan A， Zimmermann N E． 2000． Predictive habitat distribution
models in ecology． Ecological Modelling，135(2) : 147 － 186．
Hanley J A， McNeil B J． 1982． Characteristic ( ＲOC ) curve．
Ｒadiology，143(1) : 29 － 36．
Hijmans Ｒ J，Cameron S E，Parra J L， et al． 2005． A very high
resolution interpolated climate surfaces for global land areas．
International Journal of Climatology，25(15) : 1965 － 1978．
Jain S，Angadi V，Ｒajeevalochan A， et al． 1998． Identification of
provenances of sandal in India for genetic conservation ∥ ACIAＲ
Proceedings． Canberra: Australian Centre for International
Agricultural Ｒesearch，117 － 120．
Jones C G，Plummer J A，Barbour E L． 2007． Non-destructive sampling
of Indian sandalwood ( Santalum album L． ) for oil content and
composition． Journal of Essential Oil Ｒesearch，19(2) : 157．
Mckinnell F． 1991． Sandalwood in the Pacific region∥Proceedings of a
symposium held on 2 June 1991 at the XVII Pacific Science
Congress， Honolulu， Hawaii． Canberra: Australian Centre for
International Agricultural Ｒesearch，43．
Meynard C N，Quinn J F． 2007． Predicting species distributions: a
critical comparison of the most common statistical models using
artificial species． Journal of Biogeography，34(8) : 1455 － 1469．
Ortega-Huerta M A，Peterson A T． 2008． Modeling ecological niches and
predicting geographic distributions: a test of six presence-only
methods． Ｒevista Mexicana de Biodiversidad，79(1) : 205 － 216．
Pearson Ｒ G，Thuiller W，Araujo M B， et al． 2006． Model-based
uncertainty in species range prediction． Journal of Biogeography，
33(10) : 1704 － 1711．
Pearson Ｒ G，Dawson T P． 2003． Predicting the impacts of climate
change on the distribution of species: are bioclimate envelope
models useful? Global Ecology and Biogeography，12 ( 5 ) : 361 －
371．
Phillips S J，Anderson Ｒ P，Schapire Ｒ E． 2006． Maximum entropy
23
第 5 期 胡 秀等: 基于 MaxEnt 生态学模型的檀香在中国的潜在种植区预测
modeling of species geographic distributions． Ecological Modelling，
190(3) : 231 － 259．
Ｒadomiljac A M，Mccomb J A，Mcgrath J F． 1999． Intermediate host
influences on the root hemi-parasite Santalum album L． biomass
partitioning． Forest Ecology and Management，113(2) : 143 － 153．
Ｒao M N，Ganeshaiah K N，Shaanker Ｒ U． 2007． Assessing threats and
mapping sandal resources to identify genetic‘hot-spot’ for in-situ
conservation in peninsular India． Conservation Genetics，8(4) : 925
－ 935．
Sanchez A C，Osborne P E，Haq N． 2010． Identifying the global
potential for baobab tree cultivation using ecological niche modeling．
Agroforestry Systems，80(2) : 191 － 201．
Sinha Ｒ． 1961． Sandal in Bundelkhand forest division，Uttar Pradesh．
Indian Forester，87(10) : 590 － 597．
Suárez-Seoane S，García de la Morena E L，Morales Prieto M B，et al．
2008． Maximum entropy niche-based modelling of seasonal changes
in little bustard ( Tetrax tetrax) distribution． Ecological Modeling，
219(1) : 17 － 29．
Subasinghe U，Gamage M，Hettiarachchi D S． 2013． Essential oil
content and composition of Indian sandalwood ( Santalum album) in
Sri Lanka． Journal of Forestry Ｒesearch，24(1) : 127 － 130．
Suma T B，Balasundaran M． 2003． Isozyme variation in five provenances
of Santalum album in India． Australian Journal of Botany，51(3) :
243．
Sundararaj Ｒ，Muthukrishnan Ｒ． 2011． Population dynamics of some
coccids (Coccoidea: Hemiptera) infesting sandal ( Santalum album
Linn． ) in Bangalore，India． Journal of Forestry Ｒesearch，22(2) :
259 － 262．
Svenning J C，Normand S，Skov F． 2008． Postglacial dispersal limitation
of widespread forest plant species in nemoral Europe． Ecography，31
(3) : 316 － 326．
(责任编辑 郭广荣)
33