全 文 ：中国生态农业学报 2014年 6月 第 22卷 第 6期
Chinese Journal of Eco-Agriculture, Jun. 2014, 22(6): 697−704


* 国家自然科学基金项目(31160269)、国家科技支撑计划项目(2012BAD14B03)、国家现代农业产业技术体系项目(CARS-13)、国家公益
性行业(农业)科研专项(200903002-04)、甘肃农业大学盛彤笙科技创新基金项目(GAU-CX1105)和甘肃省高校基本科研费资助
** 通讯作者: 张仁陟, 研究方向为恢复生态学。E-mail: zhangrz@gsau.edu.cn
周冬梅, 研究方向为农业生态学。E-mail: zhoudm@gsau.edu.cn
收稿日期: 2014−02−12 接受日期: 2014−04−04
DOI: 10.3724/SP.J.1011.2014.40153
甘肃省冬油菜种植适宜性及影响因子评价*
周冬梅 1 张仁陟 1,2** 孙万仓 3 张 军 1,2 王鹤龄 4
(1. 甘肃农业大学资源与环境学院 兰州 730070; 2. 甘肃省节水农业工程技术研究中心 兰州 730070;
3. 甘肃农业大学农学院 兰州 730070; 4. 中国气象局兰州干旱气象研究所 兰州 730000)
摘 要 全球气候变暖背景下, 随着气候变化、油菜栽培技术的进步和油菜新品种的育成推广, 我国传统油菜
生产格局和种植结构发生明显变化, 甘肃省冬油菜的种植地带也随之向北扩展, 种植的海拔高度抬升, 种植
面积和产量显著增加。研究甘肃省冬油菜种植适宜性, 对改进甘肃省油菜生产布局, 合理调整农作物种植结构
具有重要意义。本研究获取多年田间试验数据, 初步筛选 9个影响冬油菜种植分布的潜在气候因子, 采用基于
DEM的小网格法建立 9个影响冬油菜种植分布的潜在气象因子空间分布图层, 在此基础上利用最大熵模型和
GIS 空间分布技术, 构建冬油菜潜在分布模型, 分析影响甘肃省冬油菜种植分布的主要生态因子及其特征, 评
价甘肃省冬油菜种植适宜性。研究结果表明: 甘肃省冬油菜种植分布概率为 0~0.89, 按其分布概率可将甘肃省
冬油菜种植区域划分为不适宜种植区域、次适宜种植区域、适宜种植区域和最适宜种植区域, 可以种植冬油
菜的区域占甘肃省总面积的 60%, 大于实际冬油菜种植面积, 冬油菜在甘肃省种植具有很大的发展潜力。按照
9个潜在气象因子对冬油菜种植分布贡献率的大小, 确定影响甘肃省冬油菜种植分布的 6个主导气象因子及其
阈值为: 负积温≥−800 ℃, 最冷月最低温度≥−20 ℃, 最冷月平均温度≥−15 ℃, 年平均温度≥4 ℃, 极端
低温≥−28 ℃, 50 mm≤生育期降水量≤200 mm。并以此指导甘肃省冬油菜种植布局, 调整甘肃省农作物种植
结构, 引导农民优化种植模式, 提高经济效益。
关键词 甘肃省 冬油菜 种植适宜性 适宜种植区域 气象因子 最大熵模型 GIS
中图分类号: S162.2; S565 文献标识码: A 文章编号: 1671-3990(2014)06-0697-08
Evaluation of the suitability and influencing factors of winter rapeseed
planting in Gansu Province
ZHOU Dongmei1, ZHANG Renzhi1,2, SUN Wancang3, ZHANG Jun1,2, WANG Heling4
(1. College of Resources and Environmental Sciences, Gansu Agricultural University, Lanzhou 730070, China; 2. Research Center
for Water-saving Agriculture in Gansu Province, Lanzhou 730070, China; 3. College of Agronomy, Gansu Agricultural University,
Lanzhou 730070, China; 4. Institute of Arid Meteorology, China Meteorological Administration, Lanzhou 730000, China)
Abstract Research have shown that under global climate change, the development of winter rapeseed cultivation technology and
the introduction of new varieties have significantly changed traditional crop production patterns and structures of winter rapeseed.
Winter rapeseed planting regions have extended northwards and the altitudes increased which have in turn increased crop planting
area and output in Gansu Province. Through analysis of the adaption of winter rapeseed to climate change using GIS spatial platform
and maximum entropy models, this paper provided the basic reference for improving winter rapeseed production layout and
restructuring of agricultural construction. The study analyzed the main influencing factors and distribution characteristics of winter
rapeseed planting patterns in Gansu Province. It also simulated the adaption of winter rapeseed to climate change and provided
reasonable scientific suggestions on the production patterns of winter rapeseed in Gansu Province. The growth regions were divided
into four types based on the degree of adaption to climate — unsuitable area, less suitable area, suitable area and optimum area. The
results showed that the winter rapeseed planting area accounted for 60% of the total area, which was greater than the actual planting
698 中国生态农业学报 2014 第 22卷


area in Gansu Province. The planting distribution probability of winter rapeseed was 0−0.89 and with significant potential for the
development of winter rapeseed cultivation in Gansu Province. The key climatic factors affecting the cultivation, distribution of
winter rapeseed production were precipitation during the growth period, negative cumulative temperatures, minimum temperature of
the coldest month, average temperature of the coldest month, annual average temperature and extreme low temperature. And their
limits were 50−200 mm, ≥−800, ≥−20 ℃, ≥−15 ℃, ≥4 ℃ and ≥−28 ℃.
Keywords Gansu Province; Winter rapeseed; Planting suitability; Suitable planting area; Climatic factor; Maximum entropy
model; GIS platform
(Received Feb. 12, 2014; accepted Apr. 4, 2014)
油菜是我国的第一大油料作物, 种植面积和产
量均居世界首位。近年来 , 全球气候变暖背景下 ,
随着气温的升高, 我国传统油菜生产格局和种植结
构发生明显变化, 特别是冬油菜的种植面积显著增
加, 种植北界北移、西扩, 向高纬度、高海拔地区
扩展[1−5]。甘肃省冬油菜的种植地带也随之向北扩展,
种植的海拔高度抬升了 100~200 m, 种植面积和产
量显著增加[6−8]。另一方面, 由于较好地解决了冬油
菜品种的抗寒问题, 选育了抗寒性强、丰产稳产的
冬油菜品种, 白菜型冬油菜成功引入甘肃省河西走
廊等地, 扩大了冬油菜在甘肃地区的种植范围, 并取
得了显著的经济效益和生态效益[9−12]。因此, 研究甘
肃省冬油菜种植气候适宜性, 对改进甘肃省油菜生
产布局, 合理调整农作物种植结构具有重要意义。
作物种植适宜性评价是在一定区域内研究作物
生长发育所需要的生态因子与实际可提供生态条件
相互吻合的程度[13]。目前, 作物种植适宜性研究多
数集中在评价体系建立和评价方法的选择上, 近年
来GIS技术和地统计方法应用于作物种植气候适宜
性研究中, 对评价指标进行空间化模拟, 提高了评
价的精度和空间可视化程度[14−18]。闵程程等[19]利用
GIS技术和数理统计方法 , 对湖北省油菜种植气候
适宜性进行评价和区划; 梁轶等[20]通过相关性分析
确定影响油菜产量的气候因子, 利用模糊函数建立
评价指标体系 , 并利用GIS空间分析技术得到陕西
省油菜气候适宜性综合评价结果; 陆魁东等[21]采用
GIS技术和小网格插值方法 , 推算了湖南省烟叶生
长期内主要气候因子的小网格地域分布, 评价了湖
南省烟草种植气候生态适宜性 ; 石淑芹等 [22]利用
GIS技术、空间插值和回归分析等方法, 对玉米种植
区划指标体系中的降水、土壤和统计单产等要素的
空间模拟进行了重点研究, 并对吉林省玉米种植适
宜性进行评价 , 划分为4个等级及13个不同类型的
种植区域; 余卫东等 [23]利用GIS技术对河南省夏玉
米农业气候资源进行小网格推算, 并采用模糊数学
法将河南省夏玉米种植区划分为3个分区。现有作物
种植适宜性研究大都是在确定多个限制因子及其阈
值的基础上, 建立评价指标体系或数学模型对作物
适宜性进行分类和评价, 当限制因子及其阈值的选
择存在误差时, 这种累积误差可能导致评价结果与
实际情况存在较大差异, 尤其对于新选育的作物品
种 , 难以明确作物生长发育和气候因子的关系时 ,
上述方法的评价结果会存在更大差异。
本研究在多年田间试验的基础上, 利用最大熵
模型和GIS空间分析技术 , 将基于典型生态点的小
尺度田间样本试验结果拓展到基于区域尺度的空间
模拟, 分析影响甘肃省冬油菜种植分布的生态因子
及其特征, 评价甘肃省冬油菜种植气候适宜性, 为
甘肃省冬油菜生产布局和农业结构调整提供更为科
学合理的建议。
1 材料与方法
1.1 研究区概况
甘肃省处于中国西部, 位于黄土高原、青藏高
原、内蒙古高原三大高原交汇地带, 经纬跨度大、
海拔高度相差悬殊, 从东南到西北包括了北亚热带
湿润区到高寒区、干旱区的多种气候类型。甘肃省
气温日较差大, 年平均气温为0~14 ℃, 由东南向西
北降低。年均降水量300 mm, 降水各地差异大, 降
水各季分配不匀, 主要集中在6—9月。光照充足, 光
能资源丰富, 年日照时数为1 700~3 300 h, 自东南
向西北增多。
甘肃省地域差异大、生态环境多样, 春油菜和
冬油菜均有种植, 甘肃陇东地区为冬油菜主要种植
区域。近年来, 甘肃省冬油菜种植面积显著增加, 从
2006年的8万hm2增加到2011年的11万hm2, 占油菜
总播种面积的60%。
1.2 数据及处理
根据甘肃省 32个气象观测点连续 30年(1980—
2011年)气象观测数据, 计算各气象要素累计年平均
值, 数据来源于甘肃省气象局。
利用 1∶25 万甘肃省数字高程模型数据, 提取
1 km×1 km网格的经度、纬度和海拔等数据, 数据来
源于国家自然科学基金委“中国西部环境与生态科
学数据中心”(http://westdc.westgis.ac.cn)。
根据 2009—2012 年在甘肃省 27 个试点开展的
第 6期 周冬梅等: 甘肃省冬油菜种植适宜性及影响因子评价 699


不同品种冬油菜安全越冬试验, 获取各试验点地理
分布数据和田间试验数据。
1.3 研究方法
以多年田间试验数据和气象数据为基础, 利用
MaxEnt模型构建甘肃省冬油菜种植分布模型, 以此
划分甘肃省冬油菜适宜种植区域, 筛选影响甘肃省
冬油菜种植分布的主要气象因子, 定量分析冬油菜
种植分布与气候的关系。
上述过程使用到的软件有 SPSS 18.0、ArcGIS
10.0和 MaxEnt 3.3.3k。
1.3.1 获取有效样点地理分布信息
越冬率是作物发芽后的成活率, 即成活数占总
栽植数的百分比, 可以用以下公式计算: 越冬率=冬
后苗数/冬前苗数×100%。越冬率是评价冬油菜品种利
用价值最重要的因子, 反映品种的适应性, 越冬率
越高其适应性越好。本研究以 70%的平均越冬率为
标准评价冬油菜能否安全越冬, 即冬油菜平均越冬
率大于 70%的试验点视为冬油菜安全越冬有效样点。
2009—2012 年在研究区域内安排 27 个试点开
展不同抗寒性品种的冬油菜安全越冬样点筛选试验,
选用‘陇油 6 号’、‘陇油 7 号’、‘陇油 8 号’、‘陇油 9
号’、‘天油 2号’、‘天油 4号’、‘天油 5号’、‘天油 7
号’、‘天油 8 号’共 9 个大范围推广应用的不同抗寒
性白菜型冬油菜品种作为参试材料, 由甘肃农业大
学和甘肃省天水市农业科学研究所提供。试验采用
随机区组设计, 小区长 5 m, 宽 2.67 m, 10行区种植,
小区面积 13.35 m2, 3次重复。根据 2009—2012年连
续 3 年的田间试验, 记载单位面积越冬前苗数、返
青期存活苗数, 计算 27个试点地区不同品种冬油菜
平均越冬率, 以 70%的平均越冬率为评价标准选取
有效试验样点 26 个, 并获取有效样点地理分布数据,
结果见图 1。

图 1 气象站点和冬油菜试验样点分布图
Fig. 1 Locations of the meteorological stations and winter
rapeseed experiment sites
1.3.2 建立气象因子空间分布图层
气候条件决定作物的种植分布, 其中光照、温
度、水分是影响其生长发育的最主要气象因素[18]。
本研究基于已有的研究成果, 结合多年田间试验观
察, 从满足冬油菜生长发育的基本条件、冬油菜安
全越冬的限制条件两个方面综合考虑, 初步选取 9
个影响冬油菜种植分布的潜在气象因子: 年平均温
度(Z1)、最冷月平均温度(Z2)、最冷月最低温度(Z3)、
极端低温(Z4)、≥0 ℃积温(Z5)、≥10 ℃积温(Z6)、
冬季负积温值(Z7)、生育期平均降水量(Z8)、生育期
平均蒸发量(Z9)。
气象要素与经度、纬度、海拔等地理因子有着
密切关系[24]。甘肃省地形地貌复杂, 海拔高差大, 气
象资源存在明显的空间差异, 现有台站的气象数据
只能代表平均区域的气候资源分布, 难以真实客观
地反映整个区域内气候资源的立体多样性特征。因
此, 为了比较客观真实地反映甘肃省不同地域的气
候资源状况, 本研究采用基于 DEM的小网格法, 首
先利用甘肃省 32 个气象站点 1980—2011 年的气候
资料, 与对应站点的经度、纬度、海拔地理数据逐
步回归分析, 建立气象因子与地理因子之间的关系
模型。在 ArcGIS 10.0中将 1 km×1 km网格的经度 X、
纬度 Y 和海拔高度 h 数据代入上述推算模型, 推算
出每个气象因子在网格上的分布状况, 再利用反距
离加权插值法以 32 个气象台站的残差值为样本内
插出 1 km×1 km网格的残差分布, 最后将模型推算
结果与残差空间插值结果叠加, 得到各潜在气象因
子空间分布图层。
1.3.3 构建冬油菜潜在种植分布模型
利用最大熵模型构建甘肃省冬油菜潜在种植分
布模型。最大熵模型(maximum entropy, MaxEnt)是以
信息熵理论为基础, 通过物种的已知样本分布数据
和环境数据, 从符合条件的分布中选择熵最大的分
布作为最优分布 , 预测物种概率分布的相对概率 ,
从而对物种的分布进行估计和预测, 对物种生境适
宜性进行评价[25−26]。研究表明, 最大熵模型在同等
条件下对物种潜在分布模拟的精度高于其他生态位
模型, 它只需要较小样本的物种分布数据即可得到
较好的模拟效果, 不仅可以预测物种是否存在, 而
且可以预测物种存在的概率[27−28]。
本研究采用的最大熵模型是 Phillips 等建立的
模拟物种分布的 MaxEnt 3.3.3k版, 来源于其官方网
站: www.cs.princeton.edu/~schapire/maxent。
构建模型需要两组数据, 一是目标物种的地理
分布位点, 即甘肃省 26个冬油菜有效试验点地理分
布数据, 以经纬度的形式表示; 二是预测目标地区
700 中国生态农业学报 2014 第 22卷


的环境变量, 即甘肃省 9 个潜在气象因子空间分布
图层 , 以 .asc 文件格式加载。将两组数据导入
MaxEnt, 选取 75%的样点作为训练数据用于建立预
测模型, 25%的样点作为测试数据用于模型验证, 运
行模型后输出模型模拟结果, 主要包括: 1)模型适用
性评价结果, 以受试者工作特征曲线 ROC 曲线及
AUC 值的方式检验评估模型模拟精度和适用性; 2)
冬油菜潜在分布概率 P, 取值范围为 0~1, 以 ASCII
格式文件输出 ; 3)主要气象因子筛选结果 , 以
Jackknife 模块输出各潜在气象因子对冬油菜种植分
布的贡献率, 以此筛选影响冬油菜分布的主要气象
因子; 4)气象因子特征分析, 以气象因子对冬油菜存
在概率的回馈曲线(response curves)反映冬油菜种植
分布与气象因子之间的关系, 分析影响冬油菜种植
分布主要气象因子的特征。
2 结果与分析
2.1 模型适用性检验
MaxEnt 模型以受试者工作特征曲线 ROC 评估
模型模拟精度和适用性 , 即 ROC 曲线下的面积
AUC值作为模型预测准确性的衡量指标。AUC的取
值范围为 0.5~1, 评估标准为: AUC 值为 0.50~0.60,
失败; AUC 值为 0.61~0.70, 较差; AUC 值为 0.71~
0.80, 一般; AUC值为 0.81~0.90, 好; AUC值为 0.91~
1.0, 非常好。当AUC>0.75时, 认为构建的模型可用,
AUC值越大, 构建模型的预测准确性越好[29−30]。
本研究构建模型的 ROC 曲线和 AUC 值, 结果
见图 2。图 2 中红线代表训练数据的 ROC 曲线, 蓝
线代表测试数据的 ROC 曲线, 训练数据的 AUC 值

图 2 甘肃省冬油菜种植分布模拟的 ROC 曲线
Fig. 2 ROC curve of winter rapeseed planting distribution in
Gansu Province
为 0.873, 测试数据的 AUC值为 0.816, AUC值均在
0.81~0.90 范围内, 表明构建模型的评估结果为好,
可以用于甘肃省冬油菜种植分布研究。
2.2 甘肃省冬油菜适宜性种植区域划分
最大熵模型模拟出甘肃省冬油菜种植的潜在分
布概率为 0~0.89, 以 ASCII 格式文件输出。在
ArcGIS 10.0中导入MaxEnt模型输出的 ASCII 格式
的数据图层 , 利用 ArcToolbox 数据转换功能将
ASCII 图层转换为 Raster 格式图层。根据统计学原
理, 参考 IPCC 报告关于评估可能性的划分方法[31],
并结合甘肃省冬油菜实际种植情况 , 利用 Spatial
Analysis 工具的重分类功能, 按其分布概率将甘肃
省冬油菜种植区域划分为 4 个等级 : 存在概率
P<0.05 时, 将其定义为不适宜种植区域, 存在概率
0.05≤P<0.33 时定义为次适宜种植区域, 存在概率
0.33≤P<0.66 时定义为适宜种植区域, 存在概率 P≥
0.66时定义为最适宜种植区域。研究结果见图 3。

图 3 甘肃省冬油菜种植气候适宜性区划图
Fig. 3 Climate suitability regionalization of winter rapeseed
planting in Gansu Province
最适宜种植区域主要分布在甘肃省庆阳、天水
大部分地区、平凉东部地区, 以及兰州部分地区, 面
积约 3.781 万 km2, 约占甘肃省总面积的 8%。该区
域年均气温 9.2~15.9 ℃, 极端低温−15.2~−1.7 ℃,
最冷月平均气温−6.0~3.8 ℃, 降水量适中, 热量条
件优越 , 气候适宜 , 冬油菜能够安全越冬 , 适宜种
植耐寒性冬油菜。
适宜种植区域主要分布在甘肃省定西, 兰州、
白银、临夏州大部分地区, 以及武威部分地区, 面积
约 8.648万 km2, 约占甘肃省总面积的 19%。该区域
年均气温 5.5~14.5 ℃, 极端低温−18.5~−2.3 ℃, 最
冷月平均气温−8.6~2.2 ℃, 气候条件基本适宜, 个
别地区存在越冬冻害, 适宜种植耐寒性和抗寒性冬
油菜。
第 6期 周冬梅等: 甘肃省冬油菜种植适宜性及影响因子评价 701


次适宜种植区域主要分布在酒泉大部分地区、
张掖、武威西部地区、陇南大部分地区, 以及甘南
州东北部, 面积约 14.833 万 km2, 约占甘肃省总面
积的 33%。该区域年均气温 2.7~13.6 ℃, 极端低温
−22.1~−5.9 ℃ , 最冷月平均气温−11.6~0.5 ℃ , 降
水条件尚可, 气温偏低, 个别地区冬油菜越冬冻害
时有发生, 适宜种植强抗寒性冬油菜和超强抗寒性
冬油菜。
不适宜种植区域主要分布在甘南西南部、祁连山
区, 以及肃北蒙古族自治县, 面积约 18.138 万 km2,
约占甘肃省总面积的 40%。该区域年均气温−6.2~
12.7 ℃, 极端低温−31.9~−8.6 ℃, 最冷月平均气温
−18.9~−1.6 ℃, 区域海拔高, 气候阴冷, 热量不足,
最冷月气温低 , 超过种植上限 , 越冬死苗严重 , 不
能满足冬油菜生长需要, 不适宜种植冬油菜。
2.3 甘肃省冬油菜种植分布主要影响因子分析
构建模型以 Jackknife模块输出各潜在气象因子
对甘肃省冬油菜种植分布影响的贡献率, 结果见图
4。图中横坐标代表各气象因子对冬油菜分布的贡献
程度, 纵坐标代表各气象因子。红色条带代表所有
气象因子的贡献; 蓝色条带代表该气象因子对冬油
菜分布的贡献, 蓝色条带越长, 说明该气象因子越
重要。
从图 4 可以看出, 初步筛选出的 9 个潜在气象
因子对甘肃省冬油菜种植分布影响的总贡献达到
80%,贡献程度从大到小依次为: 负积温、最冷月最
低温度、最冷月平均温度、年平均温度、极端低温、
生育期降水量、生育期蒸发量、≥0 ℃积温、≥10 ℃
积温。根据各潜在气象因子对甘肃省冬油菜种植分
布影响的贡献程度, 确定影响甘肃省冬油菜种植分
布的主导气象因子为: 负积温、最冷月最低温度、
最冷月平均温度、年平均温度、极端低温、生育
期降水量。研究结果表明 : 热量和水分条件影响冬
油菜的种植分布 , 特别是负积温、最冷月最低温
度、极端低温等限制条件对冬油菜的安全越冬影
响显著。

图 4 潜在气象因子对甘肃省冬油菜种植分布影响的贡献率
Fig. 4 Contribution rates of climate factors affecting winter rapeseed planting distribution in Gansu Province
2.4 甘肃省冬油菜种植分布与气象因子的关系
构建模型的回馈曲线(response curves)反映冬油
菜种植分布与气象因子之间的关系, 结果见图 5。图
中横坐标为各气象因子取值范围, 纵坐标为冬油菜
分布概率, 回馈曲线反映了冬油菜种植分布概率随
气象因子取值的变化趋势。
从图 5 的回馈曲线可以看出, 甘肃省冬油菜种
植分布概率随着不同气象因子取值范围发生变化 ,
冬油菜的生长需要适宜的热量条件和水分条件, 而
其安全越冬更是和限制条件存在密切关系。
热量条件。年平均温度的回馈曲线呈 S 型, 随
着年平均温度的升高冬油菜分布概率不断增加。年
平均温度过低时不适宜冬油菜种植, 年平均温度达
到 4 ℃时, 冬油菜分布概率迅速增加, 年平均温度
≥10 ℃时最适宜冬油菜种植, 年平均温度≥17 ℃
时其分布概率不再增加。负积温的回馈曲线呈抛
物线型 , 负积温≤−800 ℃不适宜冬油菜种植 , 负
积温≥−800 ℃时冬油菜分布概率随着负积温的增
大而增加, 负积温为−500~−200 ℃时最适宜冬油菜
种植。
水分条件。生育期降水量的回馈曲线呈抛物线
型, 随着生育期降水量的增加冬油菜分布概率也随
之增加, 生育期降水量为 120~180 mm 时最适宜冬
油菜种植, 但当生育期降水量≥180 mm时冬油菜种
702 中国生态农业学报 2014 第 22卷



图 5 甘肃省冬油菜分布概率与各气象因子的关系
Fig. 5 Relationships between winter rapeseed distribution probability and climate factors in Gansu Province
植分布概率却呈减少趋势。说明生育期降水量太大
反而不利于冬油菜种植。
限制条件。最冷月平均温度、最冷月最低温度
和极端低温的回馈曲线均呈抛物线型, 当最冷月平
均温度≤−15 ℃、最冷月最低温度≤−20 ℃、极端
低温≤−30 ℃时不适宜冬油菜种植, 随着最冷月平
均温度、最冷月最低温度和极端低温的增加冬油菜分
布概率随之增加, 当最冷月平均温度为−6~−3 ℃、最
冷月最低温度为−13~−7 ℃、极端低温为−20~−10 ℃时
最适宜冬油菜种植分布。
上述回馈曲线仅反映了甘肃省冬油菜分布概率
随单个因子取值的大致变化趋势, 其临界值仅代表
单个因子对冬油菜种植分布的影响。
3 讨论与结论
1)本研究利用最大熵模型模拟了甘肃省冬油菜
种植分布概率为 0~0.89, 并按其分布概率将甘肃省
冬油菜种植区域划分为不适宜种植区域、次适宜种
植区域、适宜种植区域和最适宜种植区域。随着气
候变暖和强抗寒新品种冬油菜的育成和推广, 甘肃
省除了祁连山区和甘南等高海拔地区不适宜种植冬
油菜以外, 约 60%的区域都可以种植冬油菜, 大于
实际冬油菜种植面积, 冬油菜在甘肃省种植具有很
大的发展潜力。与传统冬油菜种植区划相比, 甘肃
省冬油菜适宜种植区域向西、向北扩展, 最适宜种
植区域由陇东、天水地区扩展至兰州一带, 而河西
走廊地区由不适宜种植区域变为适宜种植区域, 甘
肃省适宜种植冬油菜区域显著增加。虽然大部分区
域适宜种植冬油菜, 但是由于这些区域气候生态条
件差异大, 在实际应用中, 不同区域种植冬油菜需
考虑冬油菜的品种问题, 陇东、天水、兰州以南最
适宜种植区域适合种植耐寒性冬油菜品种, 定西、
武威等适宜种植区域适合种植抗寒性冬油菜品种和
强抗寒性冬油菜品种, 张掖、酒泉等次适宜种植区
域适合种植超强抗寒性冬油菜品种。
2)本研究根据构建的冬油菜种植分布模型, 结
合各气象因子的贡献程度, 确定了影响甘肃省冬油
菜种植区分布的 6 个主导气象因子, 提出了适宜冬
油菜种植区分布的各主导气象因子阈值: 负积温≥
−800 ℃, 最冷月最低温度≥−20 ℃, 最冷月平均温
度≥−15 ℃, 年平均温度≥4 ℃、极端低温≥−30 ℃、
50 mm≤生育期降水量≤200 mm。该阈值仅仅反映
了单一气象因子在影响冬油菜种植分布时的大致趋
势, 而影响冬油菜种植分布的气象因子具有多样性
和复杂性, 单因子之间是相互作用、相互制约的, 因
此在实际应用中, 综合考虑因子作用时, 各气象因
子的临界值会发生变化。
3)本研究以多年田间试验为基础, 将 GIS 技术
和最大熵模型结合在一起研究作物适宜性种植分布
问题。一方面, 利用 GIS 空间分析功能, 采用基于
DEM的小网格推算方法进行气象因子空间插值, 将
地形要素引入空间模拟过程, 充分考虑了经度、纬
度和海拔等地理要素对气象因子的影响, 较好地解
决了传统插值方法推算结果较差的问题, 大大提高
了插值结果的精度和准确度; 另一方面, 以往研究
作物适宜性种植分布的问题, 大都采用多个限制因
第 6期 周冬梅等: 甘肃省冬油菜种植适宜性及影响因子评价 703


子的阈值确定其适宜种植分布区域, 而限制因子及
其阈值的选择若存在误差, 这种累积误差可能导致
最后确定的分布区与实际分布差异较大。本研究基
于多年田间试验, 利用最大熵模型和数理统计相结
合的方法, 将小尺度范围内的田间试验结果转换到
大尺度范围内的空间模拟上, 选取作物在待预测地
区的存在概率这一综合指标来划分作物的适宜种植
分布区域, 并在此基础上定量分析了影响作物种植
分布的主要气象因子和阈值, 实现了作物种植适宜
性划分的精细化表达, 划分结果更加客观准确, 具
有一定的可行性。
4)作物的生长发育其实是气候、土壤、地形、
水文等所有土地构成要素综合作用的结果, 本研究
划分适宜性区域时考虑了气候和地形关键要素, 由
于资料有限, 对土壤、土地利用类型、水文等因素
未加考虑, 研究结果有待继续补充修正。其次, 作物
种植分布还取决于社会经济结构、生产技术水平、
人类活动、品种类型等因素的综合影响, 因此, 在实
际应用中, 冬油菜种植还需要综合考虑各种因素的
作用, 特别是要考虑经济要素、农业气象灾害对冬
油菜种植的影响, 并需要针对不同的品种开展进一
步的研究。
参考文献
[1] 杨晓光 , 刘志娟 , 陈阜 . 全球气候变暖对中国种植制度可
能影响.Ⅰ. 气候变暖对中国种植制度北界和粮食产量可能
影响的分析[J]. 中国农业科学, 2010, 43(2): 329–336
Yang X G, Liu Z J, Chen F. The possible effects of global
warming on cropping systems in China.Ⅰ . The possible
effects of climate warming on northern limits of cropping
systems and crop yields in China[J]. Scientia Agricultura
Sinica, 2010, 43(2): 329–336
[2] 李祎君 , 王春乙 . 气候变化对我国农作物种植结构的影响
[J]. 气候变化研究进展, 2010, 6(2): 123–129
Li Y J, Wang C Y. Impacts of climate change on crop planting
structure in China[J]. Advances in Climate Change Research,
2010, 6(2): 123–129
[3] 张强, 邓振镛, 赵映东, 等. 全球气候变化对我国西北地区
农业的影响[J]. 生态学报, 2008, 28(3): 1210–1218
Zhang Q, Deng Z Y, Zhao Y D, et al. The impacts of global
climatic change on the agriculture in northwest China[J]. Acta
Ecologica Sinica, 2008, 28(3): 1210–1218
[4] 刘彦随 , 刘玉 , 郭丽英 . 气候变化对中国农业生产的影响
及应对策略[J]. 中国生态农业学报, 2010, 18(4): 905−910
Liu Y S, Liu Y, Guo L Y. Impact of climatic change on
agricultural production and response strategies in China[J].
Chinese Journal of Eco-Agriculture, 2010, 18(4): 905−910
[5] 张树杰 , 王汉中 . 我国油菜生产应对气候变化的对策和措
施分析[J]. 中国油料作物学报, 2012, 34(1): 114–122
Zhang S J, Wang H Z. Policies and strategies analyses of
rapeseed production response to climate change in China[J].
Chinese Journal of Oil Crop Scienses, 2012, 34(1): 114–122
[6] 蒲金涌 , 姚小英 , 邓振镛 , 等 . 气候变暖对甘肃冬油菜
(Brassica compestris L.)种植的影响 [J]. 作物学报 , 2006,
32(9): 1397–1401
Pu J Y, Yao X Y, Deng Z Y, et al. Impact of climate warming
on winter rape planting in Gansu Province[J]. Acta
Agronomica Sinica, 2006, 32(9): 1397–1401
[7] 邓振镛, 张强, 刘德祥, 等. 气候变暖对甘肃种植业结构和
农作物生长的影响[J]. 中国沙漠, 2007, 27(4): 627–632
Deng Z Y, Zhang Q, Liu D X, et al. Effects of climate
warming on cropping structure and crop growth in Gansu
Province[J]. Journal of Desert Research, 2007, 27(4):
627–632
[8] 王鹤龄, 王润元, 张强, 等. 甘肃省旱作区越冬作物对气候
暖干化的响应及其原因研究 [J]. 冰川冻土 , 2011, 33(5):
1040–1045
Wang H L, Wang R Y, Zhang Q, et al. Responses of winter
crops to climate shifting to warm and dry and causes in
dry-farming regions of gansu province[J]. Journal of
Glaciology and Geocrylogy, 2011, 33(5): 1040–1045
[9] 孙万仓, 马卫国, 雷建民, 等. 冬油菜在西北旱寒区的适应
性和北移的可行性研究[J]. 中国农业科学 , 2007, 40(12):
2716–2726
Sun W C, Ma W G, Lei J M, et al. Study on adaptation and
introduction possibility of winter rapeseed to dry and cold
areas in Northwest China[J]. Scientia Agricultura Sinica,
2007, 40(12): 2716–2726
[10] 王鹤龄 , 王润元 , 孙万仓 . 甘肃省气候变暖特征及冬油菜
北移种植适应性探讨[J]. 地球科学进展, 2007, 22(S1): 6–12
Wang H L, Wang R Y, Sun W C. Climate warming
characteristics and adaptability of winter rape cultivation in
Gansu Province[J]. Advances in Earth Science, 2007, 22(S1):
6–12
[11] 孙万仓, 武军艳, 方彦, 等. 北方旱寒区北移冬油菜生长发
育特性[J]. 作物学报, 2010, 36(12): 2124–2134
Sun W C, Wu J Y, Fang Y, et al. Growth and development
characteristics of winter rapeseed northern-extended from the
cold and arid regions in China[J]. Acta Agronomica Sinica,
2010, 36(12): 2124–2134
[12] 王学芳, 孙万仓, 李芳, 等. 中国西部冬油菜种植的生态效
应评价[J]. 应用生态学报, 2009, 20(3): 647–652
Wang X F, Sun W C, Li F, et al. Ecological benefits of
planting winter rapeseed in western China[J]. Chinese Journal
of Applied Ecology, 2009, 20(3): 647–652
[13] 赵峰 , 千怀遂 . 全球变暖影响下农作物气候适宜性研究进
展[J]. 中国生态农业学报, 2004, 12(2): 134–137
Zhao F, Qian H S. The research advances on the crop climate
suitability influenced by global warming[J]. Chinese Journal
of Eco-Agriculture, 2004, 12(2): 134–137
[14] 马晓群, 王效瑞, 徐敏, 等. GIS 在农业气候区划中的应用
[J]. 安徽农业大学学报, 2003, 30(1): 105–108
Ma X Q, Wang X R, Xu M, et al. Application of GIS in
agricultural climatic zoning[J]. Journal of Anhui Agricultural
University, 2003, 30(1): 105–108
[15] 王连喜, 李欣, 陈怀亮, 等. GIS 技术在中国农业气候区划
中的应用进展[J]. 中国农学通报, 2010, 26(14): 361–364
Wang L X, Li X, Chen H L, et al. Application progress of GIS
704 中国生态农业学报 2014 第 22卷


for Agro-climatic divisions in China[J]. Chinese Agricultural
Science Bulletin, 2010, 26(14): 361–364
[16] 曹宁, 李剑萍, 韩颖娟, 等. 基于 GIS的宁夏主要农作物气
候适宜性区划[J]. 农业网络信息, 2009(11): 16–19
Cao N, Li J P, Han Y J, et al. The climatic suitability region-
alization of the main crop in Ningxia based on GIS[J]. Agri-
culture Network Information, 2009(11): 16–19
[17] 郭文利 , 权维俊 , 刘洪 . 精细化农业气候区划业务流程初
步设计[J]. 中国农业气象, 2010, 31(1): 98–103
Guo W L, Quan W J, Liu H. A prelimary design on opera-
tional flow of fine agro-climatic regionalization[J]. Chinese
Journal of Agrometeorology, 2010, 31(1): 98–103
[18] 邓振镛, 李栋梁, 郝志毅, 等. 我国高原干旱气候区作物种
植区划综合指标体系研究 [J]. 高原气象 , 2004, 23(6):
847–850
Deng Z Y, Li D L, Hao Z Y, et al. Study on integrative index
system of crop ecological suitable planting division in arid
climate condition of Altiplano region[J]. Plateau Meteorology,
2004, 23(6): 847–850
[19] 闵程程, 马海龙, 王新生, 等. 基于 GIS 的湖北省油菜种
植气候适宜性区划[J]. 中国农业气象, 2010, 31(4): 570–574
Min C C, Ma H L, Wang X S, et al. Climatic adaptability di-
vision for rape planting in Hubei Province based on GIS[J].
Chinese Journal of Agrometeorology, 2010, 31(4): 570–574
[20] 梁轶, 李星敏, 周辉, 等. 陕西油菜生态气候适宜性分析与
精细化区划[J]. 中国农业气象, 2013, 34(1): 50–57
Liang Y, Li X M, Zhou H, et al. Analyzing and zoning of
eco-climate suitability of oilseed rape in Shaanxi Province[J].
Chinese Journal of Agrometeorology, 2013, 34(1): 50–57
[21] 陆魁东, 黄晚华, 肖汉乾, 等. 气候因子小网格化技术在湖
南烟草种植区划中的应用 [J]. 生态学杂志 , 2008, 27(2):
290–294
Lu K D, Huang W H, Xiao H Q, et al. Application of climatic
factors’ gridding technology in tobacco-planting regionalization
in Hunan Province [J]. Journal of Ecology, 2008, 27(2):
290–294
[22] 石淑芹, 陈佑启, 李正国, 等. 基于空间插值分析的指标空
间化及吉林省玉米种植区划研究[J]. 地理科学, 2011, 31(4):
408–414
Shi S Q, Chen Y Q, Li Z G, et al. Spatial simulation of indices
based on spatial interpolation technique and regional planning
for planting maize in Jilin Province[J]. Scientia Geographica
Sinica, 2011, 31(4): 408–414
[23] 余卫东 , 陈怀亮 . 河南省夏玉米精细化农业气候区划研究
[J]. 气象与环境科学, 2010, 33(2): 14–19
Yu W D, Chen H L. Study on precise comprehensive agricul-
tural climate regional planning of summer maize in Henan
Province[J]. Meteorological and Environmental Sciences,
2010, 33(2): 14–19
[24] 李文. 地形气候差异在作物安全越冬精细区划中的应用[J].
中国农业气象, 2009, 30(S2): 221–222
Li W. Application of topography and climate difference on
fine regional planning of crops safe wintering[J]. Chinese
Journal of Agrometeorology, 2009, 30(S2): 221–222
[25] Phillips S J, Anderson R P, Schapire R E. Maximum entropy
modeling of species geographic distributions[J]. Ecological
Modelling, 2006, 190(3/4): 231–256
[26] Phillips S J, Dudík M. Modeling of species distributions with
Maxent: New extensions and a comprehensive evaluation[J].
Ecography, 2008, 31(2): 161–175
[27] 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
Wang Y S, Xie B Y, Wan F H, et al. Application of ROC curve
analysis in evaluating the performance of alien species’ po-
tential distribution models[J]. Biodiversity Science, 2007,
15(4): 365–372
[28] 姜隽 . 几种预测入侵物种分布模型的比较[J]. 科技情报开
发与经济, 2010, 20(8): 129–130
Jiang J. The comparison of several models of forecasting the
distribution of invasive species[J]. Sci-Tech Information De-
velopment & Economy, 2010, 20(8): 129–130
[29] Hanley J A, McNeil B J. The meaning and use of the area
under a receiver operating characteristic (ROC) curve[J]. Ra-
diology, 1982, 143(1): 29–36
[30] Elith J. Quantitative methods for modeling species habitat:
Comparative performance and an application to Australian
plants[J]. Quantitative Methods for Conservation Biology,
2000, 10(9): 39–58
[31] IPCC. Climate Change 2007: The Physical Science Basis[M].
Cambridge: Cambridge University Press, 2007: 104–107