物种分布模型(Species Distribution Models,SDMs)常被用于评价物种在不同地域的适生概率,但能否用于指导远距离引种栽培仍需试验证明。该研究以黄花风铃木和红花风铃木这两种外来树种为研究对象,对比理论预测结果与实际栽培分布的差异...物种分布模型(Species Distribution Models,SDMs)常被用于评价物种在不同地域的适生概率,但能否用于指导远距离引种栽培仍需试验证明。该研究以黄花风铃木和红花风铃木这两种外来树种为研究对象,对比理论预测结果与实际栽培分布的差异。结果显示:黄花风铃木和红花风铃木的理论适生阈值分别为0.433和0.469,均明显高于栽培样点的最低适生概率。其中,黄花风铃木的预测适生区面积约为7.96×10^(4) km^(2),仅包含4.19%的实际栽培样点,是实际可栽培面积的6.48%。红花风铃木的预测适生区面积约为28.91×10^(4)km^(2),包含71.79%的实际栽培样点,是实际可栽培面积的62.62%。回归分析结果显示土壤pH值、最冷月均温、土壤有机物碳含量对黄花风铃木在中国的适生概率有明显的正影响,而最冷月均温对红花风铃木的适生概率有明显的负影响。该研究证明了物种分布模型在指导远距离引种栽培时可能存在较大误差,并揭示了影响风铃木预测准确度和适应性分布的可能原因。该研究将为物种分布模型的应用优化以及风铃木的栽培选育提供参考。展开更多
最大熵(MaxEnt)模型能够高效评估植物种群响应环境变化导致的适宜生境变迁问题。为深入了解MaxEnt模型在植物生态评估领域的应用现状与前沿趋势,检索Web of Science数据库2001—2023年该领域的相关文献,利用VOSviewer、HistCite TM和R-S...最大熵(MaxEnt)模型能够高效评估植物种群响应环境变化导致的适宜生境变迁问题。为深入了解MaxEnt模型在植物生态评估领域的应用现状与前沿趋势,检索Web of Science数据库2001—2023年该领域的相关文献,利用VOSviewer、HistCite TM和R-Studio等软件,系统总结并分析了该领域的研究国家、机构、作者、关键词以及结构概念等。结果显示,中国(410篇,22.82%)、美国(231篇,12.85%)和印度(81篇,4.51%)是发文量排名前3的国家。中国科学院、墨西哥国立自治大学以及陕西师范大学是高产量的研究机构。Smith M.J.、Wan J.和Kumar S.分别是引文量排名第1,发文量最多和发文持续时间最长的学者。社会结构分析揭示,该领域整体呈现小世界,分散未网络化的合作特征,来自同一个国家的机构之间合作更为密切,国际间合作较为匮乏。关键词分析揭示11个热门关键词的频率≥150次,如气候变化(252次)、植物(247次)。MaxEnt模型在该领域主要被用于解决植物应对气候和环境胁迫、种群多样性和适宜生境分布范围的扩张或收缩变化的问题。3个热点方向值得被重点关注,即优化物种分布模型存在的缺陷、单一模型评估植物应对气候变化的响应模式、多种模型联合评估植物响应环境变化的生境变迁规律。该研究为MaxEnt模型在植物研究领域的应用提供了新的评估数据和潜在的研究方向。展开更多
光核桃是藏东南地区分布较为广泛的一种乔木,其主要分布于海拔2600~4500 m的河谷区域,外观美丽,特别是在春季光核桃花盛开时具有良好的景观效果。为弄清其在青藏高原的分布格局,本文基于光核桃实际空间分布点及23个环境因子,以MaxEnt模...光核桃是藏东南地区分布较为广泛的一种乔木,其主要分布于海拔2600~4500 m的河谷区域,外观美丽,特别是在春季光核桃花盛开时具有良好的景观效果。为弄清其在青藏高原的分布格局,本文基于光核桃实际空间分布点及23个环境因子,以MaxEnt模型为基准,建立组合物种分布模型预测光核桃在青藏高原区的潜在地理分布范围。结果表明:最冷月年均最低温、土壤酸碱度、最暖季年均降水量这3个环境因子对其潜在适宜生长区的影响最大。经PCA降维后,基于10种环境因子的组合物种分布模型比单独使用MaxEnt模型可以更精确地描绘光核桃在青藏高原区的基本分布特征,所有的光核桃实际分布点均落在模型所预测出的高及中高适宜分布区,其面积为6.94×104 km 2。以ANN、RF、MARS为代表的复杂机器学习模型可以起到较好的预测效果,对其进行建立组合物种分布模型后的预测效果好于使用单一模型。展开更多
文摘物种分布模型(Species Distribution Models,SDMs)常被用于评价物种在不同地域的适生概率,但能否用于指导远距离引种栽培仍需试验证明。该研究以黄花风铃木和红花风铃木这两种外来树种为研究对象,对比理论预测结果与实际栽培分布的差异。结果显示:黄花风铃木和红花风铃木的理论适生阈值分别为0.433和0.469,均明显高于栽培样点的最低适生概率。其中,黄花风铃木的预测适生区面积约为7.96×10^(4) km^(2),仅包含4.19%的实际栽培样点,是实际可栽培面积的6.48%。红花风铃木的预测适生区面积约为28.91×10^(4)km^(2),包含71.79%的实际栽培样点,是实际可栽培面积的62.62%。回归分析结果显示土壤pH值、最冷月均温、土壤有机物碳含量对黄花风铃木在中国的适生概率有明显的正影响,而最冷月均温对红花风铃木的适生概率有明显的负影响。该研究证明了物种分布模型在指导远距离引种栽培时可能存在较大误差,并揭示了影响风铃木预测准确度和适应性分布的可能原因。该研究将为物种分布模型的应用优化以及风铃木的栽培选育提供参考。
文摘光核桃是藏东南地区分布较为广泛的一种乔木,其主要分布于海拔2600~4500 m的河谷区域,外观美丽,特别是在春季光核桃花盛开时具有良好的景观效果。为弄清其在青藏高原的分布格局,本文基于光核桃实际空间分布点及23个环境因子,以MaxEnt模型为基准,建立组合物种分布模型预测光核桃在青藏高原区的潜在地理分布范围。结果表明:最冷月年均最低温、土壤酸碱度、最暖季年均降水量这3个环境因子对其潜在适宜生长区的影响最大。经PCA降维后,基于10种环境因子的组合物种分布模型比单独使用MaxEnt模型可以更精确地描绘光核桃在青藏高原区的基本分布特征,所有的光核桃实际分布点均落在模型所预测出的高及中高适宜分布区,其面积为6.94×104 km 2。以ANN、RF、MARS为代表的复杂机器学习模型可以起到较好的预测效果,对其进行建立组合物种分布模型后的预测效果好于使用单一模型。
