留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

气候变化背景下中国樟子松潜在分布预测

张世林 高润红 高明龙 韩淑敏 张文英 赵静

张世林, 高润红, 高明龙, 韩淑敏, 张文英, 赵静. 气候变化背景下中国樟子松潜在分布预测[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20220451
引用本文: 张世林, 高润红, 高明龙, 韩淑敏, 张文英, 赵静. 气候变化背景下中国樟子松潜在分布预测[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20220451
ZHANG Shilin, GAO Runhong, GAO Minglong, HAN Shumin, ZHANG Wenying, ZHAO Jing. Prediction of the potential distribution pattern of Pinus sylvestris var. mongolica in China under climate change[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20220451
Citation: ZHANG Shilin, GAO Runhong, GAO Minglong, HAN Shumin, ZHANG Wenying, ZHAO Jing. Prediction of the potential distribution pattern of Pinus sylvestris var. mongolica in China under climate change[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20220451

本文已在中国知网网络首发,可在知网搜索、下载并阅读全文。

气候变化背景下中国樟子松潜在分布预测

doi: 10.11833/j.issn.2095-0756.20220451
基金项目: 内蒙古自治区自然科学基金重大项目(2020ZD04);内蒙古自治区重大科技专项(2021ZD0011-1-1)
详细信息
    作者简介: 张世林(ORCID: 0000-0001-8179-5551),从事森林保护研究。E-mail: 630960789@qq.com
    通信作者: 高润红(ORCID: 0000-0001-6708-5115),教授,博士,从事森林生态与生物多样性保护研究。E-mail: grhzwdm@163.com
  • 中图分类号: S718.5

Prediction of the potential distribution pattern of Pinus sylvestris var. mongolica in China under climate change

  • 摘要:   目的  预测不同气候条件下樟子松Pinus sylvestris var. mongolica在中国的潜在分布及迁移,确定影响樟子松分布的主要环境变量,为樟子松合理引种与保护提供理论依据。  方法  根据200个樟子松分布点和20个环境变量,利用R语言中ENMeval数据包优化最大熵模型(MaxEnt)并利用ArcGIS空间分析技术对当前气候条件下樟子松在中国潜在分布进行模拟,通过Person相关分析和方差膨胀因子分析(VIF)结合预建模结果对环境因子的筛选,综合Jackknife检验和相关系数,分析樟子松主导限制因子,预测樟子松从当前到未来时期(2050s和2100s)的3种气候情景(SSP126、SSP245和SSP585)下适生区变化趋势。  结果  MaxEnt模型受训者工作特征曲线(AUC)都大于0.94,说明模型精度较高,能较好预测樟子松潜在分布;影响樟子松分布的主导因子为最冷季度平均气温、降水量季节性变化、最冷月最低气温、温度季节变动系数、最干季度平均气温和最热月最高气温,累计贡献率为92.9%;当前气候条件下,樟子松的适宜分布区主要位于中国大兴安岭地区,总适宜区面积占中国总面积的6.72%;未来时期不同气候条件下樟子松潜在分布区面积减少,质心向西北高纬度和西南降水量充沛地区迁移。  结论  以年为单位的温度和降水是樟子松分布的主要影响因子,当前樟子松的适生区主要在中国大兴安岭地区,未来樟子松分布区有向现有分布区的西北和西南地区迁移的趋势。图1表7参29
  • 图  1  MaxEnt模型的ROC响应曲线

    Figure  1  ROC response curve under MaxEnt model

    表  1  全球气候数据库的环境因子

    Table  1.   Environmental factors in the Global Climate Database

    代号内容单位代号内容单位
    Bio1 年平均气温 Bio11 最冷季度平均气温
    Bio2 月平均昼夜温差 Bio12 年降水量 mm
    Bio3 等温性 Bio13 最湿月降水量 mm
    Bio4 气温季节性变化 Bio14 最干月降水量 mm
    Bio5 最热月最高气温 Bio15 降水量季节性变化
    Bio6 最冷月最低气温 Bio16 最湿季度降水量 mm
    Bio7 气温年较差 Bio17 最干季度降水量 mm
    Bio8 最湿季度平均气温 Bio18 最暖季度降水量 mm
    Bio9 最干季度平均气温 Bio19 最冷季度降水量 mm
    Bio10 最暖季度平均气温 Elev 高程 m
    下载: 导出CSV

    表  2  不同参数MaxEnt数模型优化结果

    Table  2.   Environmental results of MaxEnt model under different parameter settings

    模型评价特征组合调控倍频∆AICc10%训练遗漏率
    默认LQHPT1.029.770.169 75
    最优LQHPT1.500.161 89
    下载: 导出CSV

    表  3  中国不同气候情境下樟子松适生区面积

    Table  3.   Suitable growing area of P. sylvestris var. mongolica under different climates scenarios in China

    气候变化情景高度适生区/km2一般适生区/km2较不适生区/km2不适生区/km2总适生区/km2
    当前 147 638.9 497 465.3 896 614.6 8 058 281.8 645 104.2
    SSP126-2050s 9 809.0 405 069.4 618 090.3 8 567 031.4 414 878.5
    SSP126-2100s 4 219.8 152 916.7 571 493.1 8 871 371.6 157 135.4
    SSP245-2050s 4 433.2 302 221.6 848 215.5 8 445 129.9 306 654.8
    SSP245-2100s 0 191 892.4 802 395.8 8 605 711.9 191 892.4
    SSP585-2050s 0 112 222.2 437 517.4 9 050 260.5 112 222.2
    SSP585-2100s 0 0 108 142.4 9 491 857.8 0
    下载: 导出CSV

    表  4  不同时期樟子松适生区空间格局变化

    Table  4.   Dynamic changes in the suitable area for P. sylvestris var. mongolica under different combination of climates cenarios

    气候变化情景面积/km2面积变化率/%
    丧失区增加区保留区丧失率增加率保留率
    SSP126-2050s 300 586.5 782 87.1 337 725.7 46.59 12.13 52.35
    SSP126-2100s 277 630.1 173 36.2 138 584.8 41.12 2.56 20.53
    SSP245-2050s 378 636.3 446 69.6 258 933.5 57.79 6.81 39.53
    SSP245-2100s 185 735.3 706 42.3 118 506.6 27.11 10.31 17.30
    SSP585-2050s 549 974.5 200 00.8 889 97.1 82.69 3.00 13.38
    SSP585-2100s 111 059.9 0 0 15.97 0 0
    下载: 导出CSV

    表  5  不同气候情景下樟子松适生区质心变化

    Table  5.   Core distributional shifts under different climate scenario/periods for P. sylvestris var. mongolica

    时期气候情景坐标/(°)迁移距离/km
    NE
    当前47.09120.25
    2050sSSP12647.11120.0416.04
    SSP24546.65119.2987.86
    SSP58547.88119.06126.36
    2100sSSP12648.41120.17161.47
    SSP24545.66117.39270.80
      说明:SSP585气候情景下在2100s时期无樟子松适生区
    下载: 导出CSV

    表  6  参与建模的环境因子贡献率及置换重要值

    Table  6.   Percentage contribution and permutation importance of environment variables for P. sylvestris var. mongolica in the MaxEnt model

    因子描述贡献率/%置换重要值因子描述贡献率/%置换重要值
    bio11 最冷季度平均气温 22.1 2.7 bio5 最热月最高气温 6.1 6.0
    bio15 降水量季节性变化 19.8 12.4 bio12 年降水量 4.9 9.0
    bio6 最冷月最低气温 18.1 4.3 elev 海拔 1.7 48.2
    bio4 气温季节变动系数 17.8 3.5 bio1 年平均气温 0.5 9.4
    bio9 最干季度平均气温 9.0 4.3
    下载: 导出CSV

    表  7  樟子松适生区环境因子结果分析

    Table  7.   Results analysis of major environmental variables in P. sylvestris var. mongolica suitable area

    时期气候
    情景
    年平均
    气温/℃
    气温季节
    变动系数
    最热月最高
    气温/℃
    最冷月最低
    气温/℃
    最干季度平均
    气温/℃
    最冷季度平均
    气温/℃
    年降水
    量/mm
    降水量季节性
    变化
    海拔/
    m
    物种生境
    适宜度
    当前 1.60 1 524.06 24.35 −29.18 −18.79 −20.64 425.20 112.41 828.22 0.74
    2050s SSP126 1.90 1 483.54 26.94 −25.97 −16.44 −17.75 430.87 113.05 828.22 0.36
    SSP245 2.49 1 511.33 27.97 −25.37 −16.05 −17.45 445.52 110.16 828.22 0.28
    SSP585 3.20 1 517.97 28.53 −25.13 −15.46 −17.14 469.78 114.43 828.22 0.19
    2100s SSP126 2.20 1 479.34 26.75 −26.44 −16.12 −17.77 460.45 116.35 828.22 0.20
    SSP245 3.68 1 519.68 28.91 −23.84 −14.88 −16.47 463.79 115.97 828.22 0.19
    SSP585 6.11 1 494.04 30.98 −21.86 −12.59 −13.42 515.40 121.54 828.22 0.07
    下载: 导出CSV
  • [1] THOMAS C D, CAMERON A, GREEN R E, et al. Extinction risk from climate change [J]. Nature, 2004, 427(6970): 145 − 148. doi:  10.1038/nature02121
    [2] BEAUMONT L J, HUGHES L, POULSEN M. Predicting species distributions: use of climatic parameters in BIOCLIM and its impact on predictions of species’ current and future distributions [J]. Ecological Modelling, 2005, 186(2): 251 − 270. doi:  10.1016/j.ecolmodel.2005.01.030
    [3] PATIISON R R, MACK R N. Potential distribution of the invasive tree Triadica sebifera (Euphorbiaceae) in the United States: evaluating CLIMEX predictions with field trials [J]. Global Change Biology, 2008, 14(4): 813 − 826. doi:  10.1111/j.1365-2486.2007.01528.x
    [4] 邓阳川, 向丽, 汤欢, 等. 基于GMPGIS的杜仲全球产地生态适宜性分析[J]. 世界科学技术—中医药现代化, 2019, 21(4): 755 − 763.

    DENG Yangchuan, XIANG Li, TANG Huan, et al. Suitability analysis of Eucommia ulmoides global ecological adaptability area based on GMPGIS [J]. Modernization of Traditional Chinese Medicine and Materia Medica-World Science and Technology, 2019, 21(4): 755 − 763.
    [5] 叶芸, 孔德英, 王振华, 等. 基于CLIMEX的西方散白蚁在中国潜在适生区分析[J]. 湖北农业科学, 2016, 55(15): 3894 − 3896.

    YE Yun, KONG Deying, WANG Zhenhua, et al. The potential geographical distribution of Reticulitermes hesperus in China based on CLIMEX [J]. Hubei Agricultural Science, 2016, 55(15): 3894 − 3896.
    [6] 杨芙蓉, 张琴, 孙成忠, 等. 蒙古黄芪潜在分布区预测的多模型比较[J]. 植物科学学报, 2019, 37(2): 136 − 143. doi:  10.11913/PSJ.2095-0837.2019.20136

    YANG Furong, ZHANG Qin, SUN Chengzhong, et al. Comparative evaluation of multiple models for predicting the potential distribution areas of Astragalus membranaceus var. mongholicus [J]. Journal of Plant Science, 2019, 37(2): 136 − 143. doi:  10.11913/PSJ.2095-0837.2019.20136
    [7] 冉巧, 卫海燕, 赵泽芳, 等. 气候变化对孑遗植物银杉的潜在分布及生境破碎度的影响[J]. 生态学报, 2019, 39(7): 2481 − 2493.

    RAN Qiao, WEI Haiyan, ZHAO Zefang, et al. Impact of climate change on the potential distribution and habitat fragmentation of the relict plant Cathaya argyrophylla Chun et Kuang [J]. Acta Ecologica Sinica, 2019, 39(7): 2481 − 2493.
    [8] 张伟萍, 胡云云, 李智华, 等. 气候变化情景下祁连圆柏在青海省的适宜分布区预测[J]. 应用生态学报, 2021, 32(7): 2514 − 2524.

    ZHANG Weiping, HU Yunyun, LI Zhihua, et al. Predicting suitable distribution areas of Juniperus przewalskii in Qinghai Province under climate change scenarios [J]. Chinese Journal of Applied Ecology, 2021, 32(7): 2514 − 2524.
    [9] 牛若恺, 高润红, 侯艳青, 等. 气候变化下沙冬青适宜分布区预测[J]. 西北林学院学报, 2021, 36(1): 102 − 107. doi:  10.3969/j.issn.1001-7461.2021.01.14

    NIU Ruokai, GAO Runhong, HOU Yanqing, et al. Prediction of the geographic distribution of Ammopiptanthus mongolicus under climate change [J]. Journal of Northwest College of Forestry, 2021, 36(1): 102 − 107. doi:  10.3969/j.issn.1001-7461.2021.01.14
    [10] 焦树仁. 辽宁省章古台樟子松固沙林提早衰弱的原因与防治措施[J]. 林业科学, 2001, 37(2): 131 − 138. doi:  10.3321/j.issn:1001-7488.2001.02.021

    JIAO Shuren. Reasons and prevention measures for early weakness of forest in Zhanggutai, Liaoning Province [J]. Scientia Silvae Sinicae, 2001, 37(2): 131 − 138. doi:  10.3321/j.issn:1001-7488.2001.02.021
    [11] ZHU Jiaojun, FAN Zhiping, ZENG Dehui, et al. Comparison of stand structure and growth between artificial and natural forests of Pinus sylvestiris var. mongolica on sandy land [J]. Journal of Forestry Research, 2003, 14(2): 103 − 111. doi:  10.1007/BF02856774
    [12] 刘亚玲, 信忠保, 李宗善, 等. 河北坝上樟子松人工林径向生长及其对气候因素的响应[J]. 生态学报, 2022, 42(5): 1830 − 1840.

    LIU Yaling, XIN Zhongbao, LI Zongshan, et al. Response of radial growth of Pinus sylvestris var. mongolica to climate factors in Bashang area of Hebei Province [J]. Acta Ecologica Sinica, 2022, 42(5): 1830 − 1840.
    [13] 王晓春, 宋来萍, 张远东. 大兴安岭北部樟子松树木生长与气候因子的关系[J]. 植物生态学报, 2011, 35(3): 294 − 302. doi:  10.3724/SP.J.1258.2011.00294

    WANG Xiaochun, SONG Laiping, ZHANG Yuandong. Climate-tree growth relationships of Pinus sylvestris var. mongolica in the northern Daxing’ an Mountains, China [J]. Chinese Journal of Plant Ecology, 2011, 35(3): 294 − 302. doi:  10.3724/SP.J.1258.2011.00294
    [14] 徐静, 郭滨德, 孙洪志. 帽儿山地区不同种源樟子松树轮对气候因子的响应[J]. 林业科学研究, 2016, 29(4): 581 − 586. doi:  10.3969/j.issn.1001-1498.2016.04.018

    XU Jing, GUO Bingde, SUN Hongzhi. Tree ring response of scots pine provenances to climate factors at Maoershan, northeastern China [J]. Forestry Research, 2016, 29(4): 581 − 586. doi:  10.3969/j.issn.1001-1498.2016.04.018
    [15] 李俊霞, 白学平, 张先亮, 等. 大兴安岭林区南、北部天然樟子松生长对气候变化的响应差异[J]. 生态学报, 2017, 37(21): 7232 − 7241.

    LI Junxia, BAI Xueping, ZHANG Xianliang, et al. Different responses of natural Pinus sylvestris var. mongolica growth to climate change in southern and northern forested areas in the Great Xing’ an Mountains [J]. Acta Ecologica Sinica, 2017, 37(21): 7232 − 7241.
    [16] 尚建勋, 时忠杰, 高吉喜, 等. 呼伦贝尔沙地樟子松年轮生长对气候变化的响应[J]. 生态学报, 2012, 32(4): 1177 − 1184.

    SHANG Jianxun, SHI Zhongjie, GAO Jixi, et al. Response of tree-ring width of Pinus sylvestris var. mongolica to climate change in Hulunbuir Sand Land, China [J]. Acta Ecologica Sinica, 2012, 32(4): 1177 − 1184.
    [17] 雷帅, 张劲松, 孟平, 等. 中国北部不同地点樟子松人工林径向生长对气候响应的差异[J]. 生态学报, 2020, 40(13): 4479 − 4492.

    LEI Shuai, ZHANG Jinsong, MENG Ping, et al. Differences in tree-ring growth response of Pinus sylvestris var. mongolica to climatic variation at different locations in northern China [J]. Acta Ecologica Sinica, 2020, 40(13): 4479 − 4492.
    [18] LI Suyuan, MIAO Lijuan, JIANG Zihong, et al. Projected drought conditions in northwest China with CMIP6 models under combined SSPs and RCPs for 2015−2099 [J]. Advances in Climate Change Research, 2020, 11: 210 − 217. doi:  10.1016/j.accre.2020.09.003
    [19] YI Yujun, CHENG Xi, YANG Zhifeng, et al. Maxent modeling for predicting the potential distribution of endangered medicinal plant (H. riparia Lour) in Yunnan, China [J]. Ecological Engineering, 2016, 92: 260 − 269. doi:  10.1016/j.ecoleng.2016.04.010
    [20] RONG Zhanlei, ZHAO Chuanyan, LIU Junjie, et al. Modeling the effect of climate change on the potential distribution of Qinghai spruce (Picea crassifolia Kom.) in Qilian Mountains[J/OL]. Forests, 2019, 10(1): 62[2022-06-03]. doi:  10.3390/f10010062.
    [21] 赵光华, 樊保国. 末次间冰期以来濒危植物藤枣适生区空间迁移预测[J]. 西南农业学报, 2021, 34(1): 174 − 182. doi:  10.16213/j.cnki.scjas.2021.1.026

    ZHAO Guanghua, FAN Baoguo. Prediction on spatial migration of suitable distribution of Eleutharrhena macrocarpa (Diels) forman since last inter glacial [J]. Southwest China Journal of Agricultural Sciences, 2021, 34(1): 174 − 182. doi:  10.16213/j.cnki.scjas.2021.1.026
    [22] 李安, 李良涛, 高萌萌, 等. 基于MaxEnt模型和气候变化情景入侵种黄顶菊在中国的分布区预测[J]. 农学学报, 2020, 10(1): 60 − 67. doi:  10.11923/j.issn.2095-4050.cjas20190700109

    LI An, LI Liangtao, GAO Mengmeng, et al. Distribution prediction of invasive species Flaveria bidentis in China: based on MaxEnt Model and climate change scenario [J]. Journal of Agriculture, 2020, 10(1): 60 − 67. doi:  10.11923/j.issn.2095-4050.cjas20190700109
    [23] 刘佳琪, 魏广阔, 史常青, 等. 基于MaxEnt模型的北方抗旱造林树种适宜区分布[J]. 北京林业大学学报, 2022, 44(7): 63 − 77. doi:  10.12171/j.1000-1522.20210527

    LIU Jiaqi, WEI Guangkuo, SHI Changqing, et al. Suitable distribution area of drought-resistant afforestation tree species in north China based on MaxEnt model [J]. Journal of Beijing Forestry University, 2022, 44(7): 63 − 77. doi:  10.12171/j.1000-1522.20210527
    [24] 赵光华, 崔馨月, 王智, 等. 气候变化背景下我国酸枣潜在适生区预测[J]. 林业科学, 2021, 57(6): 158 − 168. doi:  10.11707/j.1001-7488.20210618

    ZHAO Guanghua, CUI Xinyue, WANG Zhi, et al. Prediction of potential distribution of Ziziphus jujuba var. spinosa in China under context of climate change [J]. Scientia Silvae Sinicae, 2021, 57(6): 158 − 168. doi:  10.11707/j.1001-7488.20210618
    [25] 赵晓彬. 榆林沙区樟子松造林技术研究[D]. 杨凌: 西北农林科技大学, 2007.

    ZHAO Xiaobin. Study on Afforestation Techniques of Pinus Sylvestris var. mongolica in Yunlin Sandy Land[D]. Yangling: Northwest A&F University, 2007.
    [26] 戴继先, 杨国林, 杨战阳. 治沙造林先锋树种——樟子松造林技术研究[J]. 林业实用技术, 2003(10): 5 − 7.

    DAI Jixian, YANG Guolin, YANG Zhanyang. Sand control forestation pioneer tree species: study on afforestation technology of Pinus sylvestris var.mongolica [J]. Practical Forestry of Technology, 2003(10): 5 − 7.
    [27] 张日升, 贾树海, 张国剑, 等. 基于GIS的樟子松种植适宜性评价研究[J]. 土壤通报, 2019, 50(3): 555 − 561. doi:  10.19336/j.cnki.trtb.2019.03.08

    ZHANG Risheng, JIA Shuhai, ZHANG Guojian, et al. Suitability evaluation for Pinus sylvestris var. mongolica planting based on GIS [J]. Chinese Journal of Soil Science, 2019, 50(3): 555 − 561. doi:  10.19336/j.cnki.trtb.2019.03.08
    [28] 吴祥云, 姜凤岐, 李晓丹, 等. 樟子松人工固沙林衰退的规律和原因[J]. 应用生态学报, 2004, 15(12): 2225 − 2228. doi:  10.3321/j.issn:1001-9332.2004.12.006

    WU Xiangyun, JIANG Fengqi, LI Xiaodan, et al. Decline regularity and causes of Pinus sylvestris var. mongolica plantation on sandy land [J]. Chinese Journal of Applied Ecology, 2004, 15(12): 2225 − 2228. doi:  10.3321/j.issn:1001-9332.2004.12.006
    [29] CHEN Xiongwen. Modeling the effects of global climatic change at the ecotone of boreal larch forest and temperate forest in northeast China [J]. Climatic Change, 2012, 55(1/2): 77 − 97.
  • [1] 汪雁楠, 赖国桢, 黄建建, 刘丽婷, 余良森, 温强, 龚春.  浙江红花油茶潜在适生区分布及其对未来气候变化的响应 . 浙江农林大学学报, 2022, 39(5): 989-997. doi: 10.11833/j.issn.2095-0756.20210641
    [2] 郭虹扬, 史明昌, 杨建英, 陈春阳.  白洋淀大清河流域油松精准适宜性空间分布 . 浙江农林大学学报, 2021, 38(6): 1100-1108. doi: 10.11833/j.issn.2095-0756.20200599
    [3] 邱浩杰, 孙杰杰, 徐达, 沈爱华, 江波, 袁位高, 李胜.  基于MaxEnt模型预测鹅掌楸在中国的潜在分布区 . 浙江农林大学学报, 2020, 37(1): 1-8. doi: 10.11833/j.issn.2095-0756.2020.01.001
    [4] 靳孟理, 胡俊, 齐实, 逯进生, 李月, 蒋九华.  北京市侧柏低效林物种多样性改造策略 . 浙江农林大学学报, 2020, 37(1): 27-35. doi: 10.11833/j.issn.2095-0756.2020.01.004
    [5] 王东丽, 张日升, 方祥, 王凯, 吴叶礼, 秦崧悦, 龙丹丹, 沈海鸥.  固沙樟子松种子萌发与幼苗生长对干旱胁迫的响应及抗旱性评价 . 浙江农林大学学报, 2020, 37(1): 60-68. doi: 10.11833/j.issn.2095-0756.2020.01.008
    [6] 陈涵, 张超, 余树全.  基于Stacking模型集成算法的莲都区南方红豆杉潜在分布区 . 浙江农林大学学报, 2019, 36(3): 494-500. doi: 10.11833/j.issn.2095-0756.2019.03.009
    [7] 王东丽, 郝可欣, 梁潇洒, 方祥, 汤家喜, 连昭, 赵艳, 沈海鸥.  干扰对固沙樟子松林凋落物特征及持水性的影响 . 浙江农林大学学报, 2019, 36(6): 1125-1133. doi: 10.11833/j.issn.2095-0756.2019.06.009
    [8] 李伟光, 张占宽.  基于响应面法的不同锯料角锯齿的木材切削力模型 . 浙江农林大学学报, 2018, 35(3): 524-528. doi: 10.11833/j.issn.2095-0756.2018.03.018
    [9] 施晓灯, 马履一, 段劼, 桑子阳, 朱仲龙, 姚娜, 周明明, 贾忠奎.  红花玉兰潜在引种气候适生区研究 . 浙江农林大学学报, 2018, 35(4): 705-715. doi: 10.11833/j.issn.2095-0756.2018.04.016
    [10] 雷泽勇, 韩艳刚, 赵国军, 周晏平, 张岩松, 于德良.  辽宁章古台樟子松生长过程分析 . 浙江农林大学学报, 2018, 35(2): 324-330. doi: 10.11833/j.issn.2095-0756.2018.02.017
    [11] 闫东锋, 郭丹丹, 吴桂藏, 杨喜田.  栎类天然次生林不同组分及土壤碳氮分布对森林抚育的响应 . 浙江农林大学学报, 2017, 34(2): 215-224. doi: 10.11833/j.issn.2095-0756.2017.02.003
    [12] 张鹏翀, 应求是, 莫亚鹰.  阴生型地被植物耗水性与最大光化学效率对干旱胁迫的响应 . 浙江农林大学学报, 2013, 30(4): 499-504. doi: 10.11833/j.issn.2095-0756.2013.04.006
    [13] 刘彬彬, 楼炉焕, 刘广宁.  浙江省壳斗科植物区系特征分析 . 浙江农林大学学报, 2013, 30(5): 698-705. doi: 10.11833/j.issn.2095-0756.2013.05.010
    [14] 王妍, 卢琦, 王玉华, 敖文明, 乔殿学.  呼伦贝尔沙地樟子松落种与种子库特征 . 浙江农林大学学报, 2012, 29(6): 883-888. doi: 10.11833/j.issn.2095-0756.2012.06.012
    [15] 张利阳, 温国胜, 王圣杰, 刘兆玲.  毛竹光响应模型适用性分析 . 浙江农林大学学报, 2011, 28(2): 188-193. doi: 10.11833/j.issn.2095-0756.2011.02.003
    [16] 张利阳, 温国胜, 张汝民, 王电杰, 张俊.  毛竹光合生理对气候变化的短期响应模拟 . 浙江农林大学学报, 2011, 28(4): 555-561. doi: 10.11833/j.issn.2095-0756.2011.04.006
    [17] 王妍, 卢琦, 吴波, 程立岩, 王玉华.  呼伦贝尔沙地樟子松种群更新潜力 . 浙江农林大学学报, 2011, 28(2): 248-253. doi: 10.11833/j.issn.2095-0756.2011.02.012
    [18] 孟和, 姜真杰, 张国盛.  内蒙古臭柏不同分布区生长与生态因子的关联分析 . 浙江农林大学学报, 2010, 27(1): 51-56. doi: 10.11833/j.issn.2095-0756.2010.01.008
    [19] 张思玉, 蔡金榜, 陈细目.  杉木幼林地表可燃物含水率对主要火环境因子的响应模型 . 浙江农林大学学报, 2006, 23(4): 439-444.
    [20] 陈波.  陆地植被净第一性生产力对全球气候变化响应研究的进展 . 浙江农林大学学报, 2001, 18(4): 445-449.
  • 加载中
  • 链接本文:

    https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20220451

    https://zlxb.zafu.edu.cn/article/zjnldxxb/2023/3/1

计量
  • 文章访问数:  14
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-07-05
  • 录用日期:  2022-12-22
  • 修回日期:  2022-12-14

气候变化背景下中国樟子松潜在分布预测

doi: 10.11833/j.issn.2095-0756.20220451
    基金项目:  内蒙古自治区自然科学基金重大项目(2020ZD04);内蒙古自治区重大科技专项(2021ZD0011-1-1)
    作者简介:

    张世林(ORCID: 0000-0001-8179-5551),从事森林保护研究。E-mail: 630960789@qq.com

    通信作者: 高润红(ORCID: 0000-0001-6708-5115),教授,博士,从事森林生态与生物多样性保护研究。E-mail: grhzwdm@163.com
  • 中图分类号: S718.5

摘要:   目的  预测不同气候条件下樟子松Pinus sylvestris var. mongolica在中国的潜在分布及迁移,确定影响樟子松分布的主要环境变量,为樟子松合理引种与保护提供理论依据。  方法  根据200个樟子松分布点和20个环境变量,利用R语言中ENMeval数据包优化最大熵模型(MaxEnt)并利用ArcGIS空间分析技术对当前气候条件下樟子松在中国潜在分布进行模拟,通过Person相关分析和方差膨胀因子分析(VIF)结合预建模结果对环境因子的筛选,综合Jackknife检验和相关系数,分析樟子松主导限制因子,预测樟子松从当前到未来时期(2050s和2100s)的3种气候情景(SSP126、SSP245和SSP585)下适生区变化趋势。  结果  MaxEnt模型受训者工作特征曲线(AUC)都大于0.94,说明模型精度较高,能较好预测樟子松潜在分布;影响樟子松分布的主导因子为最冷季度平均气温、降水量季节性变化、最冷月最低气温、温度季节变动系数、最干季度平均气温和最热月最高气温,累计贡献率为92.9%;当前气候条件下,樟子松的适宜分布区主要位于中国大兴安岭地区,总适宜区面积占中国总面积的6.72%;未来时期不同气候条件下樟子松潜在分布区面积减少,质心向西北高纬度和西南降水量充沛地区迁移。  结论  以年为单位的温度和降水是樟子松分布的主要影响因子,当前樟子松的适生区主要在中国大兴安岭地区,未来樟子松分布区有向现有分布区的西北和西南地区迁移的趋势。图1表7参29

English Abstract

张世林, 高润红, 高明龙, 韩淑敏, 张文英, 赵静. 气候变化背景下中国樟子松潜在分布预测[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20220451
引用本文: 张世林, 高润红, 高明龙, 韩淑敏, 张文英, 赵静. 气候变化背景下中国樟子松潜在分布预测[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20220451
ZHANG Shilin, GAO Runhong, GAO Minglong, HAN Shumin, ZHANG Wenying, ZHAO Jing. Prediction of the potential distribution pattern of Pinus sylvestris var. mongolica in China under climate change[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20220451
Citation: ZHANG Shilin, GAO Runhong, GAO Minglong, HAN Shumin, ZHANG Wenying, ZHAO Jing. Prediction of the potential distribution pattern of Pinus sylvestris var. mongolica in China under climate change[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20220451

返回顶部

目录

    /

    返回文章
    返回