利用多花黄精在中国的260个地理分布记录,结合53项环境因子,应用最大熵模型(MaxEnt)研究影响多花黄精适宜性分布的生态因子,结合ArcGIS软件预测多花黄精全国潜在适生分布区。用受试者工作特征曲线(ROC曲线)检测模型精度、刀切法(Jackkni...利用多花黄精在中国的260个地理分布记录,结合53项环境因子,应用最大熵模型(MaxEnt)研究影响多花黄精适宜性分布的生态因子,结合ArcGIS软件预测多花黄精全国潜在适生分布区。用受试者工作特征曲线(ROC曲线)检测模型精度、刀切法(Jackknife test)筛选主导环境变量。研究结果显示,MaxEnt模型预测结果较好(AUC>0.9);基于当前情景构建的多花黄精地理分布模型的AUC(area under curve)均达到"极好"的标准,说明模型预测结果可用于该研究。研究发现影响多花黄精适宜性生长的主要环境因子为11月份、3月份、2月份、4月份、5月份和10月份月降水量、最湿月降水量、年均温变化范围和土壤类型共9项环境因子;多花黄精在我国的潜在适生性分布区域较广,主要集中在湖南、湖北西部、广东、广西东北部、贵州东南部、江西、安徽西南部、福建、浙江、陕西、河南西南部和重庆等地区。该研究对多花黄精潜在分布区进行了生长等级划分,生成了多花黄精生长适宜性区划图。通过基于MaxEnt的潜在分布范围与文献资料记载分布范围对比分析,拓展了人们对多花黄精分布范围的认识。展开更多
文摘利用多花黄精在中国的260个地理分布记录,结合53项环境因子,应用最大熵模型(MaxEnt)研究影响多花黄精适宜性分布的生态因子,结合ArcGIS软件预测多花黄精全国潜在适生分布区。用受试者工作特征曲线(ROC曲线)检测模型精度、刀切法(Jackknife test)筛选主导环境变量。研究结果显示,MaxEnt模型预测结果较好(AUC>0.9);基于当前情景构建的多花黄精地理分布模型的AUC(area under curve)均达到"极好"的标准,说明模型预测结果可用于该研究。研究发现影响多花黄精适宜性生长的主要环境因子为11月份、3月份、2月份、4月份、5月份和10月份月降水量、最湿月降水量、年均温变化范围和土壤类型共9项环境因子;多花黄精在我国的潜在适生性分布区域较广,主要集中在湖南、湖北西部、广东、广西东北部、贵州东南部、江西、安徽西南部、福建、浙江、陕西、河南西南部和重庆等地区。该研究对多花黄精潜在分布区进行了生长等级划分,生成了多花黄精生长适宜性区划图。通过基于MaxEnt的潜在分布范围与文献资料记载分布范围对比分析,拓展了人们对多花黄精分布范围的认识。
