全 文 ：药用植物细辛在中国的潜在适生区分布∗
景鹏飞１ꎬ２ꎬ 武坤毅１ꎬ 龚　 晔１ꎬ 韩立敏３ꎬ 崔浪军１∗∗
(１ 药用资源与天然药物化学教育部重点实验室ꎬ 陕西师范大学生命科学学院ꎬ 西安　 ７１００６２ꎻ
２ 运城市种子管理站ꎬ 山西 运城　 ０４４０００ꎻ ３ 陕西学前师范学院ꎬ 西安　 ７１０１００)
摘要: 细辛 (Ａｓａｒｕｍ) 属植物多为我国传统名贵药源植物ꎮ 利用 ３ 种入药的细辛属植物在中国的 １２６ 个地
理分布记录ꎬ 结合 ６大类 ２８项环境因子ꎬ 应用最大熵模型 (Ｍａｘｅｎｔ) 和地理信息系统 (ＡｒｃＧＩＳ９􀆰 ３) 软件ꎬ
定量地预测了细辛在我国的潜在适生区及其适生等级ꎮ 结果表明ꎬ ３种细辛属药用植物在中国的潜在适生
区分布较为广泛ꎬ 高适生区和适生区面积分别达到 ３１２􀆰 ５ ｋｍ２和 ２ ７６０􀆰 ４２ ｋｍ２ꎬ 与降雨量相关的年降雨量、
最干季降雨量和最暖季降雨量是影响细辛属药用植物分布的主要环境因子ꎮ 本研究的预测结果可为细辛属
药用植物资源的研究与栽培生产用地的合理布局提供参考依据ꎮ
关键词: 细辛ꎻ 最大熵模型ꎻ 潜在适生区
中图分类号: Ｑ ９４８􀆰 １１　 　 　 　 　 　 文献标志码: Ａ　 　 　 　 　 　 文章编号: ２０９５－０８４５(２０１５)０３－３４９－０８
Ｐｒｅｄｉｃｔｉｏｎ ｏｆ Ｐｏｔｅｎｔｉａｌ Ｇｅｏｌｏｇｉｃａｌ Ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ
Ａｓａｒｕｍ ｉｎ Ｃｈｉｎａ ｂｙ Ｍａｘｅｎｔ Ｍｏｄｅｌ
ＪＩＮＧ Ｐｅｎｇ￣ｆｅｉ１ꎬ２ꎬ ＷＵ Ｋｕｎ￣ｙｉ１ꎬ ＧＯＮＧ Ｙｅ１ꎬ ＨＡＮ Ｌｉ￣ｍｉｎ３ꎬ ＣＵＩ Ｌａｎｇ￣ｊｕｎ１∗∗
(１ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｍｅｄｉｃｉｎａｌ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｎａｔｕｒａｌ Ｐｈａｒｍａｃｅｕｔｉｃａｌ Ｃｈｅｍｉｓｔｒｙ (Ｍｉｎｉｓｔｒｙ ｏｆ Ｅｄｕｃａｔｉｏｎ) Ｓｃｈｏｏｌ ｏｆ Ｌｉｆｅ
Ｓｃｉｅｎｃｅｓꎬ Ｓｈａａｎｘｉ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙꎬ Ｘｉ’ａｎ ７１００６２ꎬ Ｃｈｉｎａꎻ ２ Ｓｅｅｄ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ Ｓｔａｔｉｏｎꎬ Ｙｕｎｃｈｅｎｇ Ｃｏｕｎｔｙꎬ
Ｙｕｎｃｈｅｎｇꎬ Ｓｈａｎｘｉ ０４４０００ꎬ Ｃｈｉｎａꎻ ３ Ｓｈａａｎｘｉ Ｘｕｅｑｉａｎ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙꎬ Ｘｉ’ａｎ ７１０１００ꎬ Ｃｈｉｎａ)
Ａｂｓｔｒａｃｔ: Ｇｅｎｕｓ Ａｓａｒｕｍ ｃｏｎｔａｉｎｓ ｓｅｖｅｒａｌ ｐｌａｎｔ ｓｐｅｃｉｅｓ ｔｈａｔ ａｒｅ ｍｏｓｔｌｙ ｕｓｅｄ ａｓ ｐｒｅｃｉｏｕｓ ｄｒｕｇ ｒｅｓｏｕｒｃｅｓ. Ｉｎ ｔｈｉｓ ｓｔｕｄｙꎬ
１２６ ｄｉｓｔｒｉｂｕｔｉｏｎ ｒｅｃｏｒｄｓ ｏｆ ３ Ａｓａｒｕｍ ｓｐｅｃｉｅｓ ａｎｄ ｒｅｌｅｖａｎｔ ２８ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｆａｃｔｏｒｓ ｄａｔａ ｗｅｒｅ ｃｏｌｌｅｃｔｅｄꎬ ｔｈｅｎ ａ
ｇｅｏｇｒａｐｈｉｃａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｍｏｄｅｌ ｏｆ ｔｈｅ ｇｅｎｕｓ ｍｅｄｉｃｉｎａｌ ｐｌａｎｔｓ ｉｎ Ｃｈｉｎａ ｗａｓ ｍａｄｅ ｂｙ Ｍａｘｅｎｔ ａｎｄ ｔｈｅ ＡｒｃＧＩＳ ｓｐａｔｉａｌ
ａｎａｌｙｓｉｓ ｔｅｃｈｎｉｑｕｅ. Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ３ Ａｓａｒｕｍ ｓｐｅｃｉｅｓ ｈａｖｅ ａ ｗｉｄｅ ｐｏｔｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｒｅｇｉｏｎ. Ｈｉｇｈ ｓｕｉｔ￣
ａｂｌｅ ｒｅｇｉｏｎ ａｎｄ ｓｕｉｔａｂｌｅ ｒｅｇｉｏｎ ｗｅｒｅ ３１２􀆰 ５ ｋｍ２ ａｎｄ ２ ７６０􀆰 ４２ ｋｍ２ ｒｅｓｐｅｃｔｉｖｅｌｙ. Ａｍｏｎｇ ｔｈｅ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｆａｃｔｏｒｓꎬ ３
ｐｒｅｃｉｐｉｔａｔｉｏｎ ｆａｃｔｏｒｓ (ａｎｎｕａｌ ｐｒｅｃｉｐｉｔａｔｉｏｎꎬ ｐｒｅｃｉｐｉｔａｔｉｏｎｓ ｉｎ ｔｈｅ ｍｏｓｔ ｄｒｙ ｓｅａｓｏｎ ａｎｄ ｔｈｅ ｍｏｓｔ ｗａｒｍ ｓｅａｓｏｎ) ａｒｅ ｔｈｅ
ｍａｉｎ ｏｎｅｓ ｔｈａｔ ｃａｎ ａｆｆｅｃｔ ｔｈｅ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｔｈｅ ３ Ａｓａｒｕｍ ｍｅｄｉｃｉｎａｌ ｐｌａｎｔｓ. Ｔｈｉｓ ｓｔｕｄｙ ｃａｎ ｐｒｏｖｉｄｅ ａ ｕｓｅｆｕｌ ｒｅｆｅｒｅｎｃｅ
ｆｏｒ ｔｈｅ ｃｏｌｌｅｃｔｉｏｎ ａｎｄ ｃｕｌｔｉｖａｔｉｏｎ ｏｆ Ａｓａｒｕｍ ｍｅｄｉｃｉｎａｌ ｐｌａｎｔｓ.
Ｋｅｙ ｗｏｒｄｓ: Ａｓａｒｕｍꎻ Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｐｏｔｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎꎻ Ｍａｘｉｍｕｍ ｅｎｔｒｏｐｙ ｍｏｄｅｌ (Ｍａｘｅｎｔ)
　 马兜铃科 (Ａｒｉｓｔｏｌｏｃｈｉａｃｅａｅ) 细辛属 (Ａｓａｒｕｍ
Ｌ.) 植物全世界约 ９０ 种ꎬ 分布于北温带ꎬ 我国
约有 ３０ 种 ４ 变种 １ 变型ꎬ 南北各地均有分布ꎬ
长江流域以南各省区最多ꎬ 本属绝大多数种类为
药用植物 (吴征镒等ꎬ １９８８)ꎮ «中华人民共和国
药典» ２０１０ 版收载的中药细辛植物包括北细辛
( Ａ􀆰 ｈｅｔｅｒｏｔｒｏｐｏｉｄｅｓ Ｆｒ. Ｓｃｈｍｉｄｔ ｖａｒ. ｍａｎｄｓｈｕｒｉｃｕｍ
(Ｍａｘｉｍ.) Ｋｉｔａｇ.)、 华细辛 (Ａ􀆰 ｓｉｅｂｏｌｄｉｉ Ｍｉｑ.) 和汉
城细辛 (Ａ􀆰 ｓｉｅｂｏｌｄｉｉ Ｍｉｑ. ｖａｒ. ｓｅｏｕｌｅｎｓｅ Ｎａｋａｉ)ꎮ 细
辛以植物的根及根茎入药ꎬ 是我国名贵药材之一ꎬ
植 物 分 类 与 资 源 学 报　 ２０１５ꎬ ３７ (３): ３４９~３５６
Ｐｌａｎｔ Ｄｉｖｅｒｓｉｔｙ ａｎｄ Ｒｅｓｏｕｒｃｅｓ　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ＤＯＩ: １０.７６７７ / ｙｎｚｗｙｊ２０１５１４１０３
∗
∗∗
基金项目: 陕西省科技攻关计划 (２０１２Ｋ１９￣０２￣０４)ꎻ 中央高校基本科研业务费专项资金 (ＧＫ２００９０２０３２)ꎻ 西安市科技计划 (ＮＣ１２０６(６))
通讯作者: Ａｕｔｈｏｒ ｆｏｒ ｃｏｒｒｅｓｐｏｎｄｅｎｃｅꎻ Ｅ￣ｍａｉｌ: ｌｊｃｕｉ＠ｓｎｎｕ􀆰 ｅｄｕ􀆰 ｃｎ
收稿日期: ２０１４－０７－１５ꎬ ２０１４－０３－０９接受发表
作者简介: 景鹏飞 (１９８９－) 男ꎬ 硕士研究生ꎬ 从事药用植物资源研究ꎮ
为中医常用药ꎬ 具有祛风散寒、 通窍止通、 温肺
化阴等功效ꎬ 主治外感风寒、 鼻塞多涕、 头痛、
关节痛、 牙痛、 口舌生疮、 口腔炎、 痰饮咳嗽、
慢性支气管炎、 支气管扩张等症 (国家药典委员
会ꎬ ２０１０)ꎮ 以往学者的研究主要集中在细辛的有
效成分 (古一凡等ꎬ ２０１０ꎻ 王栋等ꎬ １９９６) 和遗传
多样性 (胡苏莹等ꎬ ２０１２ꎻ 刘忠等ꎬ ２００７) 两个方
面ꎬ 而对其药用资源及其分布概况ꎬ 以及影响其
分布的气候环境因子却鲜见报道ꎮ 近年来ꎬ 随着
中药细辛用量的不断增大ꎬ 过度采挖ꎬ 加之其生
长缓慢ꎬ 结实率低等因素ꎬ 野生资源处于濒危状
态 (陈士林等ꎬ ２０１１)ꎬ 依靠其自然繁殖更新已无
法满足市场需求ꎮ 鉴于此ꎬ 对细辛的资源概况ꎬ
潜在适生区分布及其等级划分ꎬ 影响分布的主导
气候环境因子等相关研究具有重要意义ꎮ
目前用于预测物种潜在分布的建模过程是基
于地理信息系统 (ＧＩＳꎬ Ｇｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓ￣
ｔｅｍ) 和生态学原理并结合多年气候环境变量进
行ꎬ 近年开发出软件如环境包络 (Ｅｎｖｉｒｏｎｍｅｎｔａｌ
Ｅｎｖｅｌｏｐｅ)、 生态位因子分析 (ＥＮＦＡꎬ Ｅｃｏｌｏｇｉｃａｌ
Ｎｉｃｈｅ Ｆａｃｔｏｒ Ａｎａｌｙｓｉｓ)、 基于遗传算法的规则组
合预测模型 (ＧＡＲＰꎬ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｒｕｌｅ￣
ｓｅｔ Ｐｒｏｄｕｃｔｉｏｎ) 和最大熵模型 (Ｍａｘｅｎｔ) 等已广
泛应用于物种潜在适生分布区的预测研究 (Ｒｕ￣
ｂｉｏ和 Ａｃｏｓｔａꎬ ２０１１ꎻ Ｌａｒｓｏｎ等ꎬ ２０１０ꎻ Ｎａｂｏｕｔ等ꎬ
２０１０ꎻ Ｗａｎｇ等ꎬ ２０１０)ꎮ 本研究采用全球生物多
样性信息平台 (ＧＢＩＦ)ꎬ 中国数字植物标本馆
(ＣＶＨ)ꎬ 教学标本标准化整理整合与资源共享
平台和中国自然保护区资源平台记录的细辛属 ３
种药用植物的分布点信息ꎬ 结合世界气候数据库
(ｈｔｔｐ: / / ｗｗｗ.ｗｏｒｌｄｃｌｉｍ.ｏｒｇ) 的气候环境信息ꎬ 利
用最大熵模型和 ＡｒｃＧＩＳ 软件ꎬ 预测了药用细辛
属植物在中国的潜在适生区分布和其适生区等
级ꎬ 同时分析了影响其潜在适生区分布的主导气
候环境因子ꎮ 本研究试图为深入了解细辛资源整
体分布概况ꎬ 认识影响细辛分布的主要气候环境
因子奠定基础ꎬ 同时为中药细辛的种质资源研究
与栽培生产用地的合理布局提供一定的理论依据ꎮ
１　 材料与方法
１􀆰 １　 细辛分布数据的获取与处理
根据中药细辛的原植物来源ꎬ 利用全球生物多样性
信息平台 (ＧＢＩＦꎬ ｈｔｔｐ: / / ｗｗｗ.ｇｂｉｆ.ｏｒｇ / )ꎬ 中国数字植物
标本馆 (ＣＶＨꎬ ｈｔｔｐ: / / ｗｗｗ.ｃｖｈ.ｏｒｇ.ｃｎ / ｃｍｓ / )ꎬ 教学标本标
准化整理整合与资源共享平台 (ｈｔｔｐ: / / ｍｎｈ.ｓｃｕ.ｅｄｕ.ｃｎ / )
和中国自然保护区资源平台 (ｈｔｔｐ: / / ｗｗｗ.ｐａｐｃ. ｃｎ / ) 共
得到 ３种细辛属药用植物的分布点信息 １ ３５９ 条ꎬ 去除
重复及国外分布点数据后得到中国具有经纬度的分布点
信息 １２６条ꎬ 分布点见图 １ꎮ
１􀆰 ２　 环境变量及相关地理信息数据
气候环境图层数据来源于世界气候数据库 (ｈｔｔｐ: / /
ｗｗｗ.ｗｏｒｌｄｃｌｉｍ.ｏｒｇ)ꎬ 精度为 ２􀆰 ５弧分 (≈５ ｋｍ)ꎬ 包括最
近 ５０年的 ６大类 ２８ 项环境因子ꎬ 各项因子及含义详见
表 １ꎮ 本研究 １ ∶ ４００万中国地图和中国行政区划图由国
家地理信息系统网站 (ｈｔｔｐ: / / ｎｆｇｉｓ.ｎｓｄｉ.ｇｏｖ.ｃｎ / ) 下载ꎮ
１􀆰 ３　 相关软件
本研究所采用的软件 Ｍａｘｅｎｔ Ｖ３􀆰 ３􀆰 ３ ( ｈｔｔｐ: / / ｗｗｗ.
ｃｓ.ｐｒｉｎｃｅｔｏｎ. ｅｄｕ / ~ ｓｃｈａｐｉｒｅ / Ｍａｘｅｎｔ)ꎬ 是 Ｓｔｅｖｅｎ Ｊ􀆰 Ｐｈｉｌｌｉｐｓ
基于 Ｊａｖａ平台设计的一款用于预测物种潜在分布的软
件ꎮ ＡｒｃＧＩＳ ９􀆰 ３主要用于 Ｍａｘｅｎｔ所需 ＡＳＣ栅格文件的转
换以及后续预测结果的统计分析等ꎮ
１􀆰 ４　 研究方法
１􀆰 ４􀆰 １　 数据导入及格式转换 　 细辛的分布数据以 “物
种＋经度＋纬度” 的形式保存为逗号分隔 (∗ 􀆰 ｃｓｖ) 格式ꎬ
利用 ＧＩＳ Ａｒｃｔｏｏｌｂｏｘ 模块中 Ｃｏｎｖｅｒｓｉｏｎ Ｔｏｏｌｓ 将世界气候
数据库提供的中国气候数据环境变量提取ꎬ 并转换为
ＥＳＲＩ ＡＳＣＩＩ格式ꎬ 以上述转换格式之后的环境变量为掩
膜ꎬ 进行相对应的中国环境图层的提取ꎮ 细辛的潜在适
生区分布预测可以精确到 ２􀆰 ５弧分×２􀆰 ５弧分 (≈２５ ｋｍ２)
大小ꎬ 这样的精确度可以较准确给定细辛适生区的范
围ꎬ 预测所得细辛在中国潜在适生区分布概况见图 ２ꎮ
１􀆰 ４􀆰 ２　 模型设定 　 环境图层导入的每个因子选择离散
(Ｃａｔｅｇｏｒｉｃａｌ) 变量模式ꎻ 采用刀切法的环境因子权重分
析及回应曲线分别选中刀切法 (Ｄｏ ｊａｃｋｋｎｉｆｅ) 及制作回
应曲线 (ｃｒｅａｔｅ ｒｅｓｐｏｎｓｅ ｃｕｒｖｅｓ) 选项ꎮ 本研究设定 ２５％
的分布点为测试集 (ｔｅｓｔ ｄａｔａ)ꎬ 用于预测结果的自校验ꎬ
其余 ７５％为训练集 (Ｔｒａｉｎｉｎｇ Ｄａｔａ)ꎬ 构建细辛潜在适生
区分布的最大熵模型ꎬ 并采用 Ｍａｘｅｎｔ模型的受试者工作
特征曲线 (Ｒｅｃｅｉｖｅｒ Ｏｐｅｒａｔｉｎｇ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ Ｃｕｒｖｅꎬ 简称
ＲＯＣ曲线) 下面积 ＡＵＣ值评估模型模拟的准确性ꎬ 设定
模型运算次数为 ５００次ꎬ 进行 １０次重复运算ꎬ 其余选项
采用模型的默认设定ꎮ
１􀆰 ４􀆰 ３　 预测结果的处理　 利用最大熵模型ꎬ 结合气候因
子ꎬ 可以得出细辛潜在适生区的适生指数 Ｐ (即用存在
概率表示)ꎬ 取值范围为 ０~１ꎬ Ｐ 值越接近 １表明存在概
率越大ꎬ 即适生指数越高ꎮ 参考政府间气候变化专门委
员会 ( ＩＰＣＣ) 第四次评估报告中对 “可能性 ( ｌｉｋｅｌｉ￣
ｈｏｏｄ)”的表述 (ＩＰＣＣꎬ ２００７)ꎬ 设定细辛在我国适生分布
０５３　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 植 物 分 类 与 资 源 学 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 第 ３７卷
图 １　 ３种细辛属植物在中国的分布点
Ｆｉｇ􀆰 １　 Ｄｉｓｔｒｉｂｕｔｉｏｎ ｒｅｃｏｒｄｓ ｏｆ Ａｓａｒｕｍ ｉｎ Ｃｈｉｎａ
表 １　 本文所用的环境变量
Ｔａｂｌｅ １　 Ｅｎｖｉｒｏｎｍｅｎｔａｌ ｖａｒｉａｂｌｅｓ ｕｓｅｄ ｉｎ ｔｈｅ ｓｔｕｄｙ
　 　 　 类型 Ｔｙｐｅ 变量代码 Ｖａｒｉａｂｌｅ ｃｏｄｅ 描述 Ｄｅｓｃｒｉｐｔｉｏｎ
地形因子 Ｌａｎｄｆｏｒｍ ｆａｃｔｏｒ ａｌｔ 海拔 Ａｌｔｉｔｕｄｅ
生物气候因子 Ｂｉｏ￣ｃｌｉｍ ｆａｃｔｏｒ ｂｉｏ１ 年均温 Ａｎｎｕａｌ ｍｅａｎ ｔｅｍｐｅｒａｔｕｒｅ
ｂｉｏ２ 昼夜温差月均值 Ｍｏｎｔｈｌｙ ｍｅａｎ ｄｉｕｒｎａｌ ｔｅｍｐｅｒａｔｕｒｅ ｒａｎｇｅ
ｂｉｏ３ 等温性 Ｉｓｏｔｈｅｒｍａｌｉｔｙ [(Ｂｉｏ２ / Ｂｉｏ７)×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 ｔｅｍｐｅｒａｔｕｒｅ ｏｆ ｔｈｅ ｗｅｔｔｅｓｔ ｑｕａｒｔｅｒ
ｂｉｏ９ 最干季度平均温度 Ｍｅａｎ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ ｔｈｅ ｄｒｉｅｓｔ ｑｕａｒｔｅｒ
ｂｉｏ１０ 最暖季度平均温度 Ｍｅａｎ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ ｔｈｅ ｗａｒｍｅｓｔ ｑｕａｒｔｅｒ
ｂｉｏ１１ 最冷季度平均温度 Ｍｅａｎ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ ｔｈｅ ｃｏｌｄｅｓｔ ｑｕａｒｔｅｒ
ｂｉｏ１２ 年均降水量 Ａｎｎｕａｌ ａｖｅｒａｇｅ ｐｒｅｃｉｐｉｔａｔｉｏｎ
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 ｐｒｅｃｉｐｉｔａｔｉｏｎ
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 ｆａｃｔｏｒ ｔｍａｘ１ꎬ ｔｍａｘ７ １、 ７月最高温 Ｍａｘ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ Ｊａｎꎬ Ｊｕｌ
ｔｍｅａｎ１ꎬ ｔｍｅａｎ７ １、 ７月平均气温 Ｍｅａｎ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ Ｊａｎꎬ Ｊｕｌ
ｔｍｉｎ１ꎬ ｔｍｉｎ７ １、 ７月最低气温 Ｍｉｎ ｔｅｍｐｅｒａｔｕｒｅ ｏｆ Ｊａｎꎬ Ｊｕｌ
ｐｒｅｃ１ꎬ ｐｒｅｃ７ １、 ７月降雨量 Ｐｒｅｃｉｐｉｔａｔｉｏｎ ｏｆ Ｊａｎꎬ Ｊｕｌ
１５３３期　 　 　 　 　 　 　 　 　 　 　 　 景鹏飞等: 药用植物细辛在中国的潜在适生区分布　 　 　 　 　 　 　 　 　 　 　 　 　 　
区的气候适宜性等级: Ｐ<０􀆰 ３３ 为低适生区ꎻ ０􀆰 ３３ ≤Ｐ<
０􀆰 ６６为边缘适生区ꎻ ０􀆰 ６６≤Ｐ<０􀆰 ９为适生区ꎻ Ｐ≥０􀆰 ９为
高适生区ꎮ 将模型预测结果转化后导入 ＧＩＳꎬ 利用 ＧＩＳ
的空间分析工具ꎬ 采用人工 (Ｍａｎｕａｌ) 分级分析方法ꎬ
得出细辛不同适生等级的适生区面积占中国国土总面积
数值ꎮ 利用工具 Ｅｘｔｒａｃｔ ｂｙ Ｍａｓｋ 将细辛在中国 ３２ 个省
(市﹑自治区) 的潜在适生区分布图抽提出来ꎬ 对细辛
潜在适生区进一步统计分析ꎬ 并对各个省份的不同适生
等级适生区面积进行计算统计ꎮ
１􀆰 ４􀆰 ４　 环境因子权重分析　 分析评价影响细辛适生区分
布的主要环境因子ꎬ 即用刀切法得出每个环境因子的贡
献率及训练得分ꎮ 用所有的环境因子建立模型 (黑色条
带表示)ꎻ 单独用每一环境因子建立模型 (深灰色条带
表示)ꎻ 依次排除一个因子ꎬ 用剩余的因子建立模型
(浅灰色条带表示)ꎬ 观察这个模型 (深灰色条带) 与所
有因子都存在模型 (黑色条带) 之间的变化ꎬ 如果变化
大ꎬ 说明排除的那个因子含有很重要的信息ꎬ 反之则有
用信息少 (张海娟等ꎬ ２０１１)ꎮ
２　 结果与分析
２􀆰 １　 细辛的潜在适生区分布
２􀆰 １􀆰 １　 细辛在中国潜在适生区分布概况　 细辛
在中国的潜在适生区分布图表明 (图 ２)ꎬ 细辛
有较广泛的分布ꎬ 南起云南ꎬ 北至吉林、 黑龙
江ꎬ 西至新疆ꎮ 尤其在东北地区以及陕西、 河南、
山西、 山东等省ꎬ 有较大的潜在适生区面积ꎮ
２􀆰 １􀆰 ２　 细辛在中国各地区不同适生等级的分布
细辛属 ３种药用植物不同适生等级下适生区
面积占中国国土总面积的情况 (表 ２)ꎮ 利用 ＧＩＳ
分析ꎬ 结果显示细辛的高适宜生长区约为 ３１２􀆰 ５
ｋｍ２ꎬ 适宜生长区、 边缘适生区以及低适生区面
积逐渐增大ꎮ 就整体而言ꎬ 细辛属 ３种药用植物
在我国大多数地区均有潜在适生区分布ꎬ 但各个
地区的适宜生长的情况不同ꎮ 其中ꎬ 高适生区和
适生区面积总和占各省面积百分比较高的地区依
次为辽宁省 (６２５􀆰 ０ ｋｍ２ꎬ 占该省总面积的 ０􀆰 ４％)、
陕西省 (４１６􀆰 ７ ｋｍ２ꎬ 占该省总面积的 ０􀆰 ２％)、
吉林省 (５３８􀆰 ２ ｋｍ２ꎬ 占该省总面积的 ０􀆰 ２％)、
湖北省 (２０８􀆰 ３ ｋｍ２ꎬ 占该省总面积的 ０􀆰 １％) 和
安徽省 (１９１􀆰 ０ ｋｍ２ꎬ 占该省总面积的 ０􀆰 １％)ꎻ
台湾、 天津、 宁夏、 河北等省区则基本没有适生
区分布ꎮ 以高适生区和 (较) 适生区面积总和最
大的辽宁省和陕西省为例 (图 ３)ꎬ 辽宁省主要
分布在岫岩县、 沈阳市以及与吉林省接壤的清原
县、 新宾满族自治县境内ꎻ 陕西省主要分布在华
阴县、 宁强县、 勉县以及西安市长安区境内ꎮ
２􀆰 ２　 预测结果评价
最大熵模型预测结果的准确性以 ＲＯＣ 曲线
图以及 ＡＵＣ值进行评价ꎮ ＡＵＣ值为 ＲＯＣ曲线下
的覆盖面积ꎬ 曲线下面积越接近 １ꎬ 说明预测效
果越好 (王运生ꎬ ２００７)ꎬ 物种潜在分布的可能
性越高ꎮ ＡＵＣ值的评估标准为: ０􀆰 ５０ ~ ０􀆰 ６０ (失
败)ꎬ ０􀆰 ６０~ ０􀆰 ７０ (较差)ꎬ ０􀆰 ７０ ~ ０􀆰 ８０ (一般)ꎬ
０􀆰 ８０~０􀆰 ９０ (好)ꎬ ０􀆰 ９０ ~ １􀆰 ０ (非常好) (Ｓｗｅｔｓꎬ
１９８８)ꎮ 本研究设定模型时选择 ２５％为测试集数
据ꎬ ７５％为训练集数据ꎬ 训练集数据和测试集数
据的 ＲＯＣ 曲线显示ꎬ ＡＵＣ 值依次为 ０􀆰 ８２８ 和
０􀆰 ９９７ꎮ 模拟结果的准确性达到了好和非常好的
标准ꎮ
２􀆰 ３　 影响细辛分布的环境因子权重分析
刀切法 (Ｄｏ ｊａｃｋｋｎｉｆｅ) 分析可以反映出不同
环境因子在影响细辛分布中所占权重 (图 ４)ꎮ
在模型运行中ꎬ 依次忽略一种环境变量ꎬ 用其余
的变量建模 (浅灰色条带)ꎬ 再单独使用该变量
建模 (深灰色条带)ꎬ 最后使用全部环境变量建
模 (黑色条带) ꎬ 图 ４中横坐标表示每次预测的
规范训练结果的得分ꎮ 结果表明ꎬ 测试得分最高
的前 ５ 项依次为: 温度季节性变化系数 (ｂｉｏ４)、
年降雨量 (ｂｉｏ１２)、 海拔 (ａｌｔ)、 最干季降雨量
(ｂｉｏ１６) 和最暖季降雨量 (ｂｉｏ１８)ꎮ 前 ４项的累积
贡献率 (Ｐｅｒｃｅｎｔ ｃｏｎｔｒｉｂｕｔｉｏｎ) 达到 ９５􀆰 ５％ꎬ 可以
认为这 ４ 项因子是影响细辛分布的主导气候因子ꎮ
表 ２　 细辛不同适生区面积占中国国土总面积的情况
Ｔａｂｌｅ ２　 Ｄｉｆｆｅｒｅｎｔ ｓｕｉｔａｂｌｅ ｒｅｇｉｏｎ ｆｏｒ Ａｓａｒｕｍ ｉｎ Ｃｈｉｎａ
低适生区
Ｕｎｓｕｉｔａｂｌｅ ｒｅｇｉｏｎ
边缘适生区
Ｍａｒｇｉｎａｌ ｒｅｇｉｏｎ
适生区
Ｓｕｉｔａｂｌｅ ｒｅｇｉｏｎ
高适生区
Ｈｉｇｈ ｓｕｉｔａｂｌｅ ｒｅｇｉｏｎ
面积 Ａｒｅａ / ｋｍ２ ９６０５５２０ ９８２６􀆰 ３９ ２７６０􀆰 ４２ ３１２􀆰 ５　
百分比 Ｐｅｒｃｅｎｔａｇｅ / ％ ９９８６７ ０􀆰 １ ０􀆰 ０３ 　 ０􀆰 ００３
２５３　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 植 物 分 类 与 资 源 学 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 第 ３７卷
进一步分析环境因子对细辛分布概率的反应曲线ꎬ
得出细辛的基本生态位参数: 海拔 ２０ ~ ５００ ｍꎬ
年降雨量 ６００ ~ １ ２００ ｍｍꎬ 最干季降雨量 ３００ ~
７００ ｍｍꎬ 最暖季降雨量 ４００~９００ ｍｍ (图 ５)ꎮ
图 ２　 细辛在中国的潜在适生区分布概况
Ｆｉｇ􀆰 ２　 Ｐｏｔｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ａｓａｒｕｍ ｉｎ Ｃｈｉｎａ
图 ３　 细辛在辽宁省和陕西省的潜在适生区分布概况
(图中ꎬ Ａ﹑ Ｂ分别显示辽宁省和陕西省的细辛不同适生等级分布情况ꎬ 图例 １~４依次代表低适生区ꎬ
边缘适生区ꎬ 适宜生长区以及高适生区)
Ｆｉｇ􀆰 ３　 Ｐｏｔｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ａｓａｒｕｍ ｉｎ Ｓｈａａｎｘｉ Ｐｒｏｖｉｎｃｅ ａｎｄ Ｊｉｌｉｎ Ｐｒｏｖｉｎｃｅ
Ａ ａｎｄ Ｂ ａｒｅ ｔｈｅ ｐｏｔｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ａｓａｒｕｍ ｉｎ Ｓｈａａｎｘｉ Ｐｒｏｖｉｎｃｅ ａｎｄ Ｊｉｌｉｎ Ｐｒｏｖｉｎｃｅꎬ ｒｅｓｐｅｃｔｉｖｅｌｙ.
Ｌａｂｅｌ １－４ ｒｅｐｒｅｓｅｎｔ ｕｎｓｕｉｔａｂｌｅꎬ ｍａｒｇｉｎａｌꎬ ｓｕｉｔａｂｌｅ ａｎｄ ｈｉｇｈ ｓｕｉｔａｂｌｅ ｒｅｇｉｏｎ ｉｎ ｔｕｒｎ
３５３３期　 　 　 　 　 　 　 　 　 　 　 　 景鹏飞等: 药用植物细辛在中国的潜在适生区分布　 　 　 　 　 　 　 　 　 　 　 　 　 　
３　 结论与讨论
Ｊａｙｎｅｓ于 １９５７ 年提出最大熵理论可应用于
概率密度评估ꎬ 在生态学中表达为一个物种在没
有约束的情况下ꎬ 会尽最大可能扩散蔓延并接近
均匀分布ꎮ Ｓｔｅｖｅｎ Ｐｈｉｌｌｉｐｓ 等人基于生态位原理
开发出最大熵模型软件 (Ｍａｘｅｎｔ)ꎬ 是根据物种
现实分布点地理坐标和物种分布地区的环境变量
运算得出预测模型ꎬ 用于预测物种的潜在适生区
分布ꎬ 即使在已知分布数据较少的情况下ꎬ 也具
有较高的预测精度 (Ｐｈｉｌｌｉｐｓ等ꎬ ２００４ꎬ ２００６ꎻ Ｅｌｉｔｈ
等ꎬ ２００６ꎬ ２０１１)ꎮ ＲＯＣ曲线分析法的 ＡＵＣ值不受
阈值影响ꎬ 因而成为目前公认的诊断试验最佳评
价指标 (Ｂｒｏｅｎｎｉｍａｎｎ等ꎬ ２００７ꎻ Ｗｉｌｅｙ等ꎬ ２００３)ꎮ
本研究中Ｍａｘｅｎｔ模型的ＲＯＣ曲线下面积 ＡＵＣ值
接近于 １ꎬ 表明预测结果非常好ꎬ 可以准确地模拟
细辛在我国的潜在适生分布ꎮ
图 ４　 刀切法的环境变量重要性分析
Ｆｉｇ􀆰 ４　 Ｉｍｐｏｒｔａｎｃｅ ａｎａｌｙｓｉｓ ｏｆ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｖａｒｉａｂｌｅ ｂｙ Ｄｏ ｊａｃｋｋｎｉｆｅ
４５３　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 植 物 分 类 与 资 源 学 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 第 ３７卷
图 ５　 细辛分布存在概率与各环境因子关系
Ａ. 温度季节性变化系数ꎻ Ｂ. 海拔ꎻ Ｃ. 年降雨量ꎻ Ｄ. 最干季降雨量
Ｆｉｇ􀆰 ５　 Ｒｅｌａｔｉｏｎｓｈｉｐｓ ｂｅｔｗｅｅｎ Ａｓａｒｕｍ Ｌ. ｐｒｏｂａｂｉｌｉｔｙ ｏｆ ｐｒｅｓｅｎｃｅ ａｎｄ ｅｎｖｉｒｏｎｍｅｎｔ ｆａｃｔｏｒｓ
Ａ. ｂｉｏ４ꎻ Ｂ. ａｌｔꎻ Ｃ. ｂｉｏ１２ꎻ Ｄ. ｂｉｏ１６
　 近年来ꎬ 基于最大熵模型的物种潜在适生
区分布预测研究已在入侵植物的入侵风险评估
(张颖等ꎬ ２０１１)、 粮食作物 (水稻) 生产规划 (段
居琦和周广胜ꎬ ２０１１ꎻ 何奇瑾和周广胜ꎬ ２０１１)、
生物质能源开发 (周婧等ꎬ ２０１２)、 植物病虫害
预测 (赵文娟等ꎬ ２００９) 以及濒危动物保护 (徐
卫华和罗翀ꎬ ２０１０) 中得到一定应用ꎮ 我们的预
测结果表明ꎬ 细辛的潜在分布区和可利用区域面
积较大ꎬ 其潜在的适生分布区要大于目前已知的
分布区范围ꎮ 药用细辛属植物潜在适生区的确
定ꎬ 对于野生优良细辛种源的收集及其生物学研
究具有重要意义ꎬ 同时为准确、 全面了解药用细
辛的分布和资源蕴藏量提供基础数据ꎮ ３ 种药用
细辛的高适生区和适生区可作为未来细辛栽培种
植的重点规划与开发区域ꎮ 环境因子分析表明除
海拔外ꎬ 几个与降雨量相关的环境变量对细辛的
地理分布有重要影响ꎬ 如年降雨量、 最干季降雨
量、 最暖季降雨量等ꎬ 以上环境生态因子可能是
影响其生态位的主要限制因子ꎮ
本研究采集了 ３种细辛属药用植物的现实分
布数据来源于各大数据平台ꎬ 理论上涵盖了其所
有生态位ꎬ 潜在适生区分布区域的确定具有重要
的理论与现实意义ꎮ 依据细辛环境限制因子ꎬ 培
育较耐旱的细辛品种是提高其适生区面积ꎬ 增加
产量的可行途径ꎬ 也是满足其日益增长需求的有
效途径ꎮ
〔参　 考　 文　 献〕
陈世林ꎬ ２０１１. 中国药材产地生态适宜性区划 [Ｍ]. 北京: 科学
出版社ꎬ ２４９
国家药典委员会ꎬ ２０１０. 中华人民共和国药典ꎬ一部 [Ｍ]. 北京:
中国医药科技出版社ꎬ ２１４
５５３３期　 　 　 　 　 　 　 　 　 　 　 　 景鹏飞等: 药用植物细辛在中国的潜在适生区分布　 　 　 　 　 　 　 　 　 　 　 　 　 　
吴征镒ꎬ 秦仁昌ꎬ 朱维明等ꎬ １９８８. 中国植物志 (第 ２４卷) [Ｍ].
北京: 科学出版社ꎬ １６２
Ｂｒｏｅｎｎｉｍａｎｎ Ｏꎬ Ｔｒｅｉｅｒ ＵＡꎬ Ｍｕｌｌｅｒ￣Ｓｃｈａｒｅｒ Ｈꎬ ２００７. Ｅｖｉｄｅｎｃｅ ｏｆ
ｃｌｉｍａｔｉｃ ｎｉｃｈｅ ｓｈｉｆｔ ｄｕｒｉｎｇ ｂｉｏｌｏｇｉｃａｌ ｉｎｖａｓｉｏｎ [ Ｊ] . Ｅｃｏｌｏｇｙ Ｌｅｔ￣
ｔｅｒｓꎬ １０: ７０１—７０９
Ｄｕａｎ ＪＱ (段居琦)ꎬ Ｚｈｏｕ ＧＳＨ (周广胜)ꎬ ２０１１. Ｐｏｔｅｎｔｉａｌ ｄｉｓｔｒｉｂｕ￣
ｔｉｏｎ ａｎｄ ｃｌｉｍａｔｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｏｆ Ｏｒｙｚａ ｓａｔｉｖａ ｉｎ Ｃｈｉｎａ [Ｊ] . Ａｃ￣
ｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ (生态学报)ꎬ ３１ (２２): ６６５９—６６６８
Ｅｌｉｔｈ Ｊꎬ Ｓｔｅｖｅｎ Ｊ. Ｐｈｉｌｌｉｐｓꎬ Ｔｒｅｖｏｒ Ｈａｓｔｉｅ ｅｔ ａｌ.ꎬ ２０１１. Ａ ｓｔａｔｉｓｔｉｃａｌ
ｅｘｐｌａｎａｔｉｏｎ ｏｆ ＭａｘＥｎｔ ｆｏｒ ｅｃｏｌｏｇｉｓｔｓ [ Ｊ] . Ｄｉｖｅｒｓｉｔｙ ａｎｄ Ｄｉｓｔｒｉｂｕ￣
ｔｉｏｎｓꎬ １７: ４３—５７
Ｅｌｉｔｈ Ｊꎬ Ｇｒａｈａｍ ＣＨꎬ Ａｎｄｅｒｓｏｎ ＲＰ ｅｔ ａｌ.ꎬ ２００６. Ｎｏｖｅｌ ｍｅｔｈｏｄｓ ｉｍ￣
ｐｒｏｖｅ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｓｐｅｃｉｅｓ′ ｄｉｓｔｒｉｂｕｔｉｏｎｓ ｆｒｏｍ ｏｃｃｕｒｒｅｎｃｅ ｄａｔａ [Ｊ].
Ｅｃｏｇｒａｐｈｙꎬ ２９ (２): １２９—１５１
Ｇｕ ＹＦ (古一凡)ꎬ Ｌｉｕ Ｚ (刘忠)ꎬ Ｈｅ Ｍ (何明) ｅｔ ａｌ.ꎬ ２０１０. Ｃｏｒ￣
ｒｅｌａｔｉｏｎ ｏｆ ｔｈｅ ａｃｔｉｖｅ ｉｎｇｒｅｄｉｅｎｔｓ ｉｎ Ａｓａｒｕｍ ｓｉｅｂｏｌｄｉｉ ｗｉｔｈ ｐｈｙｓｉｃｏ￣
ｃｈｅｍｉｃａｌ ｐｒｏｐｅｒｔｉｅｓ ｏｆ ｓｏｉｌｓ [ Ｊ] . Ｊｏｕｒｎａｌ ｏｆ Ｓｈａｎｇｈａｉ Ｊｉａｏｔｏｎｇ
Ｕｎｉｖｅｒｓｉｔｙ (上海交通大学学报)ꎬ ２８ (４): ３６１—３７２
Ｈｅ ＱＪ (何奇瑾)ꎬ Ｚｈｏｕ ＧＳＨ (周广胜)ꎬ ２０１１. Ｃｌｉｍａｔｉｃ ｓｕｉｔａｂｉｌｉｔｙ
ｏｆ ｐｏｔｅｎｔｉａｌ ｓｕｍｍｅｒ ｍａｉｚｅ ｐｌａｎｔ ｚｏｎｅｓ ｉｎ Ｃｈｉｎａ [ Ｊ] . Ａｃｔａ Ｇｅｏ￣
ｇｒａｐｈｉｃ Ｓｉｎｉｃａ (地理学报)ꎬ ６６ (１１): １４４３—１４５０
Ｈｕ ＳＹ (胡苏莹)ꎬ Ｈｅ Ｇ (何刚)ꎬ Ｃｈｅｎ Ｂ (陈蓓) ｅｔ ａｌ.ꎬ ２０１２. Ｇｅ￣
ｎｅｔｉｃ ｄｉｖｅｒｓｉｔｙ ａｎｄ ｖｏｌａｔｉｌｅ ｃｏｍｐｏｎｅｎｔｓ ｏｆ Ａｓａｒｕｍ ｓｉｅｂｏｌｄｉｉ ｉｎ ｑｉｎ￣
ｂａ ｒｅｇｉｏｎ [ Ｊ] . Ｊｏｕｒｎａｌ ｏｆ Ｃｈｉｎｅｓｅ Ｍｅｄｉｃｉｎａｌ Ｍａｔｅｒｉａｌｓ (中药
材)ꎬ ３５ (２): １８８—１９４
ＩＰＣＣ. Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ ２００７: Ｓｙｎｔｈｅｓｉｓ Ｒｅｐｏｒｔ. Ｃｏｎｔｒｉｂｕｔｉｏｎ ｏｆ Ｗｏｒｋ￣
ｉｎｇ Ｇｒｏｕｐｓ Ｉꎬ ＩＩ ａｎｄ ＩＩＩ ｔｏ ｔｈｅ Ｆｏｕｒｔｈ Ａｓｓｅｓｓｍｅｎｔ Ｒｅｐｏｒｔ ｏｆ ｔｈｅ Ｉｎ￣
ｔｅｒｇｏｖｅｒｎｍｅｎｔａｌ Ｐａｎｅｌ ｏｎ Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ [Ｍ]. Ｇｅｎｅｖａ: ＩＰＣＣꎬ
１０４
Ｌａｒｓｏｎ ＳＲꎬ ＤｅＧｒｏｏｔｅ ＪＰꎬ Ｂａｒｔｈｏｌｏｍａｙ ＬＣ ｅｔ ａｌ.ꎬ ２０１０. Ｅｃｏｌｏｇｉｃａｌ
ｎｉｃｈｅ ｍｏｄｅｌｉｎｇ ｏｆ ｐｏｔｅｎｔｉａｌ Ｗｅｓｔ Ｎｉｌｅ ｖｉｒｕｓ ｖｅｃｔｏｒ ｍｏｓｑｕｉｔｏ ｓｐｅ￣
ｃｉｅｓ ｉｎ Ｉｏｗａ [Ｊ] . Ｊｏｕｒｎａｌ ｏｆ Ｉｎｓｅｃｔ Ｓｃｉｅｎｃｅ ꎬ １０ (１１０): １—１７
Ｌｉｕ Ｚ (刘忠)ꎬ Ｘｕ ＤＨ (徐暾海)ꎬ Ｃａｉ ＳＱ (蔡少青) ｅｔ ａｌ.ꎬ ２００７.
Ａｐｒｅｌｉｍｉｎａｒｙ ｓｔｕｄｙ ｏｎ ｇｅｎｅｔｉｃ ｄｉｖｅｒｓｉｔｙ ｏｆ Ａｓａｒｕｍ ｓｉｅｂｏｌｄｉｉ Ｍｉｑ.
[Ｊ] . Ｓｃｉｅｎｃｅｐａｐｅｒ Ｏｎｌｉｎｅ (中国科技论文在线)ꎬ ２ ( １１):
８０８—８１３
Ｎａｂｏｕｔ ＪＣꎬ Ｓｏａｒｅｓ ＴＮꎬ Ｄｉｎｉｚ￣Ｆｉｌｈｏ ＪＡＦ ｅｔ ａｌ.ꎬ ２０１０. Ｃｏｍｂｉｎｉｎｇ ｍｕｌ￣
ｔｉｐｌｅ ｍｏｄｅｌｓ ｔｏ ｐｒｅｄｉｃｔ ｔｈｅ ｇｅｏｇｒａｐｈｉｃａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｔｈｅ Ｂａｒｕ
ｔｒｅｅ (Ｄｉｐｔｅｒｙｘ ａｌａｔａ Ｖｏｇｅｌ) ｉｎ ｔｈｅ Ｂｒａｚｉｌｉａｎ Ｃｅｒｒａｄｏ [ Ｊ] . Ｂｒａ￣
ｚｉｌｉａｎ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｌｏｇｙꎬ ７０ (４): ９１１—９１９
Ｐｈｉｌｌｉｐｓ ＳＪꎬ Ｄｕｄíｋ Ｍꎬ Ｓｃｈａｐｉｒｅ ＲＥꎬ ２００４. Ａ ｍａｘｉｍｕｍ ｅｎｔｒｏｐｙ ａｐ￣
ｐｒｏａｃｈ ｔｏ ｓｐｅｃｉｅｓ ｄｉｓｔｒｉｂｕｔｉｏｎ ｍｏｄｅｌｉｎｇ [ Ｊ] . Ｉｎ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ
ｔｈｅ Ｔｗｅｎｔｙ￣Ｆｉｒｓｔ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇꎬ
６５５—６６２
Ｐｈｉｌｌｉｐｓ ＳＪꎬ Ａｎｄｅｒｓｏｎ ＲＰꎬ Ｓｃｈａｐｉｒｅ ＲＥꎬ ２００６. Ｍａｘｉｍｕｍ ｅｎｔｒｏｐｙ
ｍｏｄｅｌｉｎｇ ｏｆ ｓｐｅｃｉｅｓ ｇｅｏｇｒａｐｈｉｃ ｄｉｓｔｒｉｂｕｔｉｏｎｓ [Ｊ] . Ｅｃｏｌｏｇｉｃａｌ Ｍｏｄ￣
ｅｌｌｉｎｇꎬ １９０ (３): ２３１—２５９
Ｒｕｂｉｏ ＧＤꎬ Ａｃｏｓｔａ ＬＥꎬ ２０１１. Ｇｅｏｇｒａｐｈｉｃａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｔｈｅ ｓｐａｃｅ￣
ｗｅａｖｉｎｇ ｓｐｉｄｅｒꎬ Ｃｈｉｂｃｈｅａ ｓａｌｔａꎬ ｆｒｏｍ ｎｏｒｔｈｗｅｓｔｅｒｎ Ａｒｇｅｎｔｉｎａ:
Ｎｅｗ ｒｅｃｏｒｄｓ ａｎｄ ｂｉｏｃｌｉｍａｔｉｃ ｍｏｄｅｌｉｎｇ [Ｊ] . Ｊｏｕｒｎａｌ ｏｆ Ｉｎｓｅｃｔ Ｓｃｉ￣
ｅｎｃｅꎬ １１ (５４): １—１４
Ｓｗｅｔｓ ＪＡꎬ １９８８. Ｍｅａｓｕｒｉｎｇ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｄｉａｇｎｏｓｔｉｃ ｓｙｓｔｅｍｓ [ Ｊ] .
Ｓｃｉｅｎｃｅꎬ ２４０ (４８５７): １２８５—１２９３
Ｗａｎｇ Ｄ (王栋)ꎬ Ｄｕ ＸＷ (都晓伟)ꎬ Ｌｉｕ Ｍ (刘玫) ｅｔ ａｌ.ꎬ １９９６.
Ｓｔｕｄｉｅｓ ｏｎ ｔｈｅ ｒｅｌａｔｉｖｅ ｌａｗ ｂｅｔｗｅｅｎ ａｎｎｕａｌ ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｄｙ￣
ｎａｍｉｃ ａｃｃｕｍｕｌａｔｉｏｎ ｏｆ ａｃｔｉｖｅ ｃｏｍｐｏｓｉｔｉｏｎｓ ｉｎ Ａｓａｒｕｍ ｓｉｅｂｏｌｄｉｉ
[Ｊ] . Ｂｕｌｌｅｔｉｎ ｏｆ Ｂｏｔａｎｉｃａｌ Ｒｅｓｅａｒｃｈ (植物研究)ꎬ １６ ( ４):
４８４—４８８
Ｗａｎｇ ＸＹꎬ Ｈｕａｎｇ ＸＬꎬ Ｊｉａｎｇ ＬＹ ｅｔ ａｌ.ꎬ ２０１０. Ｐｒｅｄｉｃｔｉｎｇ ｐｏｔｅｎｔｉａｌ
ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｃｈｅｓｔｎｕｔ ｐｈｙｌｌｏｘｅｒｉｄ (Ｈｅｍｉｐｔｅｒａ: Ｐｈｙｌｌｏｘｅｒｉｄａｅ)
ｂａｓｅｄ ｏｎ ＧＡＲＰ ａｎｄ Ｍａｘｅｎｔ ｅｃｏｌｏｇｉｃａｌ ｎｉｃｈｅ ｍｏｄｅｌｓ [Ｊ] . Ｊｏｕｒ￣
ｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｎｔｏｍｏｌｏｇｙꎬ １３４: ４５—５４
Ｗａｎｇ ＹＳＨ (王运生)ꎬ Ｘｉｅ ＢＹ (谢丙炎)ꎬ Ｗａｎ ＦＨ (万方浩) ｅｔ
ａｌ.ꎬ ２００７. Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ＲＯＣ ｃｕｒｖｅ ａｎａｌｙｓｉｓ ｉｎ ｅｖａｌｕａｔｉｎｇ ｔｈｅ
ｐｅｒｆｏｒｍａｎｃｅ ｏｆａｌｉｅｎ ｓｐｅｃｉｅｓ’ ｐｏｔｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｍｏｄｅｌｓ [Ｊ] .
Ｂｉｏｄｉｖｅｒｓｉｔｙ Ｓｃｉｅｎｃｅ (生物多样性)ꎬ １５ (４): ３６５—３７２
Ｗｉｌｅｙ Ｅꎬ ＭｃＮｙｓｅｔ Ｋꎬ Ｐｅｔｅｒｓｏｎ Ａ ｅｔ ａｌ.ꎬ ２００３. Ｎｉｃｈｅ ｍｏｄｅｌｉｎｇ ａｎｄ
ｇｅｏｇｒａｐｈｉｃ ｒａｎｇｅ ｐｒｅｄｉｃｔｉｏｎｓ ｉｎ ｔｈｅ ｍａｒｉｎｅ ｅｎｖｉｒｏｎｍｅｎｔ ｕｓｉｎｇ ａ
ｍａｃｈｉｎｅ￣ｌｅａｒｎｉｎｇ ａｌｇｏｒｉｔｈｍ [Ｊ] . Ｏｃｅａｎｏｇｒａｐｈｙꎬ １６: １２０—１２７
Ｘｕ ＷＨ (徐卫华)ꎬ Ｌｕｏ Ｃ (罗翀)ꎬ ２０１０. Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ＭＡＸＥＮＴ
ｍｏｄｅｌ ｉｎ Ｒｈｉｎｏｐｉｔｈｅｃｕｓ ｒｏｘｌｌａｎａｅ ｈａｂｉｔａｔ ａｓｓｅｓｓｍｅｎｔ ｉｎ Ｑｉｎｌｉｎｇ
Ｍｏｕｎｔａｉｎ [Ｊ] . Ｆｏｒｅｓｔ Ｅｎｇｉｎｅｅｒｉｎｇ (森林工程)ꎬ ６ (２): １—４
Ｚｈａｏ ＷＪ (赵文娟)ꎬ Ｃｈｅｎ Ｌ (陈林)ꎬ Ｄｉｎｇ ＫＪ (丁克坚) ｅｔ ａｌ.ꎬ
２００９. Ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｐｏｔｅｎｔｉａｌ ｇｅｏｇｒａｐｈｉｃ ｄｉｓｔｒｉｂｕｔｉｏｎ ａｒｅａｓ ｏｆ ｔｈｅ
ｍａｉｚｅ ｄｏｗｎｙ ｍｉｌｄｅｗ ｉｎ Ｃｈｉｎａ ｂｙ ｕｓｉｎｇ ＭＡＸＥＮＴ [ Ｊ] . Ｐｌａｎｔ
Ｐｒｏｔｅｃｔｉｏｎ (植物保护)ꎬ ３５ (２): ３２—３８
Ｚｈａｎｇ ＨＪ (张海娟)ꎬ Ｃｈｅｎ Ｙ (陈勇)ꎬ Ｈｕａｎｇ ＪＬ (黄烈健) ｅｔ ａｌ.ꎬ
２０１１. Ｐｒｅｄｉｃｔｉｎｇ ｐｏｔｅｎｔｉａｌ ｇｅｏｇｒａｐｈｉｃ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ｍｉｋａｎｉａ ｍｉ￣
ｃｒａｎｔｈａ ｐｌａｎｔｉｎｇ ｂａｓｅｄ ｏｎ ｅｃｏｌｏｇｉｃａｌ ｎｉｃｈｅ ｍｏｄｅｌｓ ｉｎ Ｃｈｉｎａ [Ｊ] .
Ｔｒａｎｓａｃｔｉｏｎ ｏｆ ｔｈｅ ＣＳＡＥ (农业工程学报)ꎬ １１ (５): ４１３—４１８
Ｚｈａｎｇ Ｙ (张颖)ꎬ Ｌｉｎ Ｊ (李君)ꎬ Ｌｉｎ Ｙ (林蔚) ｅｔ ａｌ.ꎬ ２０１１. Ｐｒｅ￣
ｄｉｃｔｉｏｎ ｏｆ ｐｏｔｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ａｒｅａ ｏｆ Ｅｒｉｇｅｒｏｎ ｐｈｉｌａｄｅｌｐｈｉｃｕｓ ｉｎ
Ｃｈｉｎａ ｂａｓｅｄ ｏｎ ＭａｘＥｎｔ ｍｏｄｅｌ [ Ｊ] . Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ
Ｅｃｏｌｏｇｙ (应用生态学报)ꎬ ２２ (１１): ２９７０—２９７６
Ｚｈｏｕ Ｊ (周婧)ꎬ Ｌｉ ＱＹ (李巧云)ꎬ Ｘｉａｏ Ｌ (肖亮) ｅｔ ａｌ.ꎬ ２０１２. Ｐｏ￣
ｔｅｎｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ｍｉｓｃａｎｔｈｕｓ ｓｉｎｅｎｓｉｓ ａｎｄ Ｍ􀆰 ｆｌｏｒｉｄｕｌｕｓ ｉｎ
Ｃｈｉｎａ [Ｊ] . Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｐｌａｎｔ Ｅｃｏｌｏｇｙ (植物生态学
报)ꎬ ３６ (６): ５０４—５１０
６５３　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 植 物 分 类 与 资 源 学 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 第 ３７卷