基于MaxEnt模型的絞股藍潛在適生區(qū)預測

邵周玲 周文佐 楊帆 李鳳 周新堯

摘要：【目的】研究藥食同源植物絞股藍在全國范圍的潛在分布情況，旨在為絞股藍的引種及種植推廣工作提供依據(jù)?！痉椒ā拷Y合絞股藍地理分布數(shù)據(jù)和生物氣候變量，利用ArcGIS 10.3及MaxEnt模型預測該物種當前在全國的潛在分布區(qū)，基于Jackknife檢驗法和Pearson相關分析，篩選影響絞股藍生長的關鍵環(huán)境因子，并探討在未來氣候下即中低排放（PCR4.5）和高排放（PCR8.5）氣候情景下的分布格局?！窘Y果】預測結果與實際擬合度較高。Jackknife檢驗結果顯示年降水量、最干月降水量和最冷月最低溫度是影響絞股藍分布的主要氣候因子，累積貢獻率達92.9%;最適宜絞股藍生長的年降水量在960～2220 mm，最干月降水量>10 mm，最冷月氣溫在-5～8 ℃。當前絞股藍主要分布于我國南方，適宜區(qū)面積為218.3萬km2，極適宜區(qū)和高適宜區(qū)在大巴山—武陵山山區(qū)和長江中下游平原形成兩大核心區(qū)。在未來氣候下，至2050年絞股藍適生區(qū)總面積變化較小但不同等級適生區(qū)面積變化明顯，適生區(qū)北至點自山東半島向高緯地區(qū)延伸至遼寧半島。在RCP4.5氣候情景下，極、高適宜區(qū)面積分別從當前25.1萬和46.1萬km?增加至42.9萬和61.3萬km?，中、低適宜區(qū)面積分別減少4.2萬和12.0萬km?;在RCP8.5氣候情景下，極、高適宜區(qū)面積將分別增加至60.3萬和65.9萬km?，中、低適宜區(qū)面積進一步減少;兩種氣候情景下適宜區(qū)的重心向東北移動，其中極適宜區(qū)東移明顯，在RCP4.5氣候情景下東移115.4 km，在RCP8.5氣候情景下進一步東移195.1 km?！窘ㄗh】基于地理信息技術加強中藥農(nóng)業(yè)的區(qū)劃研究，建立最佳種植適宜區(qū);建立政企研合作發(fā)展機制，科學有效地推動種植規(guī)?；彤a(chǎn)業(yè)現(xiàn)代化。

關鍵詞： MaxEnt模型;適宜性;氣候變化;絞股藍

中圖分類號： S567.237;S127? ? ? ? ? ? ? ? ? ? 文獻標志碼： A 文章編號：2095-1191（2021）04-1124-08

Prediction of potential suitable areas of Gynostemma pentaphyllum（Thunb.） Makino based on MaxEnt model

SHAO Zhou-ling， ZHOU Wen-zuo*， YANG Fan， LI Feng， ZHOU Xin-yao

（School of Geographical Sciences， Southwest University， Chongqing? 400715， China）

Abstract：【Objective】Gynostemma pentaphyllum（Thunb.） Makino is an important medicine food homologous plant. Studying its potential distribution in China is helpful to provide basis for the introduction and planting of G. pentaphyllum. 【Method】Combined with the geographic distribution data and bioclimatic variable data of G. pentaphyllum， ArcGIS 10.3 software and MaxEnt model were used to predict the current potential distribution area of the species in China. Based on Jackknife test and Pearson correlation analysis， the key environmental factors affecting the growth of G. pentaphyllum were screened， and the future distribution pattern under climate change，which were medium and low emission（PCR4.5）and high emission（PCR8.5） climate scenarios. 【Result】The prediction results were highly in accordance with the actual condition. By the Jackknife test， it was found that annual precipitation， precipitation of the driest month， and the minimum temperature of the coldest month were the main factors affecting the distribution of G. pentaphyllum which were with the cumulative contribution of 92.9%. The most suitable annual precipitation for the distribution of G. pentaphyllum was between 960 and 2220 mm， the precipitation of driest month was >10 mm， and the minimum temperature of the col-dest month was between -5 to 8 ℃. At present， it was mainly distributed in the south of China， with an area of 2183000 km2. The extremely suitable area and the highly suitable area formed two parts in the Daba-Wuling mountains area and the middle and lower reaches of the Yangtze River Plain. In the 2050s， the total area of suitable areas for G. pentaphyllum would change slightly under climate change. However， the area of suitable areas of different levels would change obviously. The north point of the suitable area would extend from the Shandong Peninsula to the Liaoning Peninsula. Under the RCP4.5 climate scenario， the areas of extremely and highly suitable areas would increase from the current 251000 km? and 461000 km? to 429000 km? and 613000 km? respectively， and the areas of moderately and lowly suitable areas would decrease by 42000 km? and 120000 km? respectively. Under the RCP8.5 climate scenario， the areas of extremely and highly suitable areas would increase to 603000 km? and 659000 km? respectively， and the areas of moderately and lowly sui-table areas would further decrease. Under the two climate scenarios， the center of gravity of the suitable area would move to the northeast， among which the extremely suitable area would move obviously eastward. Under the RCP4.5 climate scenario， its center of gravity would move 115.4 km eastward， and under the RCP8.5 climate scenario， its center of gravity would move further eastward by 195.1 km. 【Suggestion】Based on geographic information technology， the regionalization research of traditional Chinese medicine agriculture should be strengthened and thus the best suitable areas for planting should be also established. Additionally， a cooperative development mechanism between the government， enterprises， and scientific research institutions should be established to promote planting scale and industrial modernization scientifically and effectively.

Key words： MaxEnt model; suitability; climate change; Gynostemma pentaphyllum（Thunb.） Makino

Foundation item：Special Foundation for National Science and Technology Basic Resources Investigation（2017FY100901-4）

0 引言

【研究意義】絞股藍[Gynostemma pentaphyllum（Thunb.） Makino]，又名七葉膽、五葉參、遍地生根，為葫蘆科（Cucurbitaceae）絞股藍屬（Gynostemma BL.）多年生草質藤本植物（何維明和鐘章成，2000），其生長環(huán)境的適應幅度較寬，可生長于海拔300～3200 m的林下、山坡和小溪邊，喜陰濕，耐旱性差，在我國主要分布在秦嶺及長江流域以南地區(qū)（徐世明和郭欲曉，2010）。絞股藍含有皂苷、多糖、黃酮及18種氨基酸等多種化學成分，具有抗氧化、抗疲勞、抗癌、降血脂和護肝臟等多種功效，其中絞股藍皂苷Ⅲ、Ⅳ、Ⅷ、Ⅻ分別與人參皂甙Rb1、Rb3、Rd、F2在化學結構上完全相同，故又稱“南方人參”（龐敏，2006;袁志鷹等，2019）。絞股藍的利用不僅限于醫(yī)藥，市面上還開發(fā)出一系列絞股藍保健品、絞股藍茶葉、絞股藍飲品，如絞股藍皂甙片、絞股藍膠囊、絞股藍口服液、絞股藍降壓茶和減肥茶等（張笑，2019），由此可見，絞股藍具有巨大的市場潛力和開發(fā)前景，研究其潛在分布區(qū)可為絞股藍的開發(fā)利用提供理論基礎。【前人研究進展】植物的地理分布與環(huán)境密切相關，植物的生長受氣溫、水分、土壤、光照和地形等因素影響（郭蘭萍等，2008;尚海龍和顧永澤，2017）。不同生境中植物生長具有差異性，其中氣候是影響植物分布的主導因子，植物的分布格局也是對氣候變化的直接反映（楊會楓等，2017）。20世紀初Phillips等（2004，2006）將最大熵（Maximum entropy，MaxEnt）原理應用于生態(tài)學中，并建立了物種地理分布的生態(tài)位模型即MaxEnt模型，該模型利用物種已知的分布數(shù)據(jù)和相關環(huán)境變量來推算物種的生態(tài)需求，然后將運算結果投射至不同的空間和時間中以預測物種的潛在分布區(qū)（朱耿平等，2013，2014;盧小雨等，2019）。MaxEnt模型由于具有樣本需求量小、預測能力優(yōu)越等特點，已被廣泛應用于物種潛在分布區(qū)預測、外來入侵物種風險評估及氣候變化對生物多樣性的影響等研究中（王茹琳等，2017;Wang et al.，2017;熊中人等，2019;;張杰等，2019;Guo et al.，2019）。【本研究切入點】目前，對絞股藍的研究多集中于藥理成分方面，而結合氣候條件劃分種質資源適宜分布區(qū)的相關研究還處于空白狀態(tài)?！緮M解決的關鍵問題】基于絞股藍分布數(shù)據(jù)和環(huán)境數(shù)據(jù)，結合GIS技術和MaxEnt模型對絞股藍適宜性區(qū)劃進行研究，找出影響絞股藍分布的主要生態(tài)因子、最適合生長的區(qū)域及未來絞股藍的地理分布，為人工引種栽培選址提供參考和依據(jù)，為加快絞股藍開發(fā)研究步伐，以及推進絞股藍產(chǎn)業(yè)現(xiàn)代化進程打下基礎。

1 數(shù)據(jù)來源與研究方法

1. 1 研究區(qū)域及絞股藍分布點數(shù)據(jù)收集

以我國全境為研究區(qū)域，并從國家測繪地理信息標準地圖服務網(wǎng)站（http：//bzdt.nasg.gov.cn/）下載中國地圖作為分析底圖，審圖號：GS（2020）4619號。通過檢索中國數(shù)字植物標本館（http：//www.cvh.ac.cn）、全球生物多樣性信息網(wǎng)絡（GBIF，http：//www.gbif.org）等，并結合相關研究文獻（龐敏，2006;張笑，2019）提及的中國數(shù)字植物標本館下搜集的絞股藍樣本實測分布點數(shù)據(jù)，除去地理位置模糊或間隔小于3 km的分布點，最終得到絞股藍分布在中國的167個分布點數(shù)據(jù)。將獲取的絞股藍地理分布點按照物種名、經(jīng)度、緯度的順序保存為.CSV格式的文件。

1. 2 環(huán)境變量數(shù)據(jù)處理

生物氣候變量來源于世界氣候數(shù)據(jù)庫（http：//www.worldclim.org），包括年均溫、平均氣溫日較差、等溫性、溫度季節(jié)性變化標準差、最暖月最高溫度、最冷月最低溫度、年均溫變化范圍、最濕季平均溫度、最干季平均溫度、最暖季平均溫度、最冷季平均溫度、年降水量、最濕月降水量、最干月降水量、降水量季節(jié)性變化、最濕季降水量、最干季降水量、最暖季降水量及最冷季降水量共19個環(huán)境因子（依次編號：bio01～bio19）。未來氣候選用通用氣候系統(tǒng)模式（Community climate system model 4.0，CCSM4）下21世紀50年代2種典型溫室氣體排放濃度路徑，即RCP4.5（中低排放）和RCP8.5（高排放）情景氣候數(shù)據(jù)（田芝平和姜大膀，2013;IPCC，2013）。采用ArcGIS 10.3對19個氣象變量裁剪，得到中國區(qū)域的數(shù)據(jù)。

1. 3 模型構建與評價

MaxEnt模型基于最大熵原理，認為已知信息對未知分布的最優(yōu)具有最大熵（劉曉彤等，2019）。該模型通過已知樣本點分析影響物種分布的環(huán)境因子，并找到與此相似的環(huán)境單元，從而預測物種的潛在分布范圍和分布概率。最大熵算法是帶約束條件的優(yōu)化問題，利用約束條件和最大熵原理優(yōu)化模型中的特征函數(shù)，從而使條件熵的取值最大（胡文佳等，2020），其表達式如下：

maxp∈c H（P）=-[x，yP]（x）P（y|x）log P（y|x）

s.t.? ? ?Ep（fi）=E [p]（fi），i=1，2，…，n

[x，yP]（x）P（y|x）=1

式中，H（P）為條件熵，P（y|x）為x條件下y的分布假設，[p]（x）為經(jīng)驗分布，Ep（fi）表示特征函數(shù)關于經(jīng)驗分布的期望。

在MaxEnt模型中參數(shù)設置如下：將分布點數(shù)據(jù)和環(huán)境變量數(shù)據(jù)導入MaxEnt，設置隨機測試點為25%，重復15次，并選擇創(chuàng)建受試者工作特征曲線（Receiver operating characteristic，ROC）。采用AUC（Area under curve）值（ROC曲線下與坐標軸圍成的面積）評價模型的預測結果，AUC取值為0～1.0，數(shù)值越大說明預測物種的分布與地理環(huán)境變量的相關性越強，模型準確度越高（王運生等，2007）。評價標準為：0.5≤AUC<0.6，說明模型無效;0.6≤AUC<0.7，說明模型較差;0.7≤AUC<0.8，說明模型一般;0.8≤AUC<0.9，說明模型較好;AUC≥0.9，說明模型很好，可信度高。

1. 4 關鍵環(huán)境變量篩選

環(huán)境變量數(shù)據(jù)基于溫度和降水數(shù)據(jù)產(chǎn)生，2個因素間存在較強的相關性。環(huán)境變量間相關性系數(shù)的絕對值大于0.8的2個變量被認為具有很強的相關性。采用相關性較高的變量建立模型，會提高模型的復雜度，造成過度擬合，降低模型的轉移能力，且2個變量間高度相關，還會導致分析結果難以歸因子（朱耿平等，2014;熊中人等，2019）。MaxEnt模型通過Jackknife（刀切）檢驗法測定環(huán)境變量的重要性及貢獻率。預先運行MaxEnt模型，獲得環(huán)境變量對絞股藍潛在分布初步預測的貢獻率，19個生物氣候變量經(jīng)過模型運算后，剔除貢獻率為0的變量，再將變量提取至分布點后進行Pearson相關分析，結合上一步貢獻率大小剔除相關性大于0.8的變量。

1. 5 適宜區(qū)空間演變軌跡

絞股藍分布適宜區(qū)的空間演變軌跡通過重心變化來表示，區(qū)域重心的計算公式為：

（x，y）=[i=1nMiXii=1nMi，i=1nMiYii=1nMi]

式中，（x，y）為某級適宜區(qū)分布的重心坐標，Xi、Yi為該適宜區(qū)某一像元中心的坐標值，Mi為該像元值。

2 結果與分析

2. 1 模型預測精度評價

利用MaxEnt模型重復15次測試AUC的值，預測絞股藍的潛在分布。重復運行15次后平均AUC為0.914，標準差為0.024。AUC≥0.9，按照AUC值的評估標準，本研究構建的模型達到很好的標準，說明此模型用于絞股藍潛在適生區(qū)預測可信度高。

2. 2 關鍵環(huán)境變量的篩選與評估

結合貢獻率和相關分析對變量進行篩選，最終用于絞股藍潛分布區(qū)預測的生物氣候變量為8個，其貢獻率和置換重要性見表1。由MaxEnt模型得到貢獻率排名前3的變量為年降水量、最干月降水量和最冷月最低氣溫，其累積貢獻率為92.9%?？梢姡绊懡g股藍目前分布的主要氣候變量為年降水量、最干月降水量和最冷月最低氣溫。根據(jù)正規(guī)化訓練增益結果顯示，年降水量在使用單變量時增益值（1.32）最大，去除之后模型增益減少最多，說明年降水量具有最多影響絞股藍分布的而其他變量沒有的信息。

結合氣候響應曲線（圖1-A），年降水量在500 mm以下，絞股藍存在概率接近0;當年降水量大于500 mm時存在概率迅速上升，達1300 mm左右時存在概率最大，即年降水量達到絞股藍最適宜生長條件;之后隨著年降水量的增大絞股藍的存在概率逐漸下降。當最干月降水量大于0時，絞股藍的存在概率急劇上升;當最干月降水量達14 mm時，絞股藍存在概率達到最高，為0.74;之后隨著最干月降水量增大，存在概率趨于穩(wěn)定且大于0.68（圖1-B）。最冷月最低溫度在-15 ℃以下時，絞股藍分布概率接近0;當氣溫大于-15 ℃時，存在概率隨最冷月氣溫上升而增大，在氣溫在1 ℃左右存在概率達最大值（0.74）;之后，隨著最冷月溫度升高，存在概率下降，當氣溫達17 ℃后存在概率趨于穩(wěn)定，為0.14（圖1-C）。綜上所述，以0.4為閾值，得到最適宜絞股藍生長的年降水量為960～2220 mm，最干月降水量>10 mm，最冷月氣溫在-5～8 ℃。

2. 3 絞股藍的潛在地理分布區(qū)

將MaxEnt模型運行出來的結果加載到ArcGIS 10.3進行重分類，共分為5個等級：0～0.2（不適宜區(qū)），0.2～0.4（低適宜區(qū)），0.4～0.6（中適宜區(qū)），0.6～0.8（高適宜區(qū)），0.8～1.0（極適宜區(qū)）（圖2）。當前氣候情景下，絞股藍在我國的潛在地理分布區(qū)主要為秦嶺及淮河流域以南地區(qū)，總面積將近218.3萬km2，約占國土總面積的23.0%。該區(qū)域為亞熱帶季風氣候區(qū)，夏季高溫多雨，冬季溫暖濕潤，該生境條件滿足絞股藍喜溫濕、不耐旱的特點。其中，高適宜區(qū)和極適宜區(qū)主要分布于云南東南部、長江中下游平原、四川盆地西南邊緣、大巴山—武陵山山區(qū)及雅魯藏布江谷地等地區(qū)，極適宜區(qū)面積約25.1萬km2，約占我國國土面積的2.6%，高適宜區(qū)多呈環(huán)帶狀分布于極適宜區(qū)外圍。中適宜區(qū)多分布于貴州中部、湖南和福建等地區(qū)，約占國土面積的7.5%。低適宜區(qū)主要在秦嶺—淮河一線及南部沿海區(qū)域呈條帶狀分布，面積近76.2萬km2。適宜區(qū)（不適宜區(qū)之外的范圍）最北端至山東省東南緣的沿海地區(qū)。從預測結果可知，絞股藍目前的分布主要有大巴山—武陵山山區(qū)和長江中下游兩大區(qū)域，除廣西金秀外，絞股藍4大產(chǎn)區(qū)中有3個（湖北神農(nóng)架、陜西平利和湖北張家界）均分布于大巴山—武陵山山區(qū)一帶，由此可見絞股藍在我國的適生區(qū)分布廣闊，為推進絞股藍產(chǎn)業(yè)現(xiàn)代化提供了有利條件。

2. 4 氣候變化下的絞股藍潛在分布

在未來氣候變化的背景下，到2050年絞股藍分布格局將發(fā)生變化。RCP4.5氣候情景（圖3-A）下，預測極適宜區(qū)面積將增加，達42.9萬km2，主要分布于貴州、重慶東部、湖北、湖南北部、安徽西南部、江西和浙江西部等區(qū)域，分布格局破碎化;高適宜區(qū)主要分布于極適宜區(qū)周圍，面積為61.0萬km2;中、低適宜區(qū)面積相比當前氣候下有所減少，分別減少4.2萬和12.0萬km2。RCP8.5氣候情景（圖3-B）下，極適宜區(qū)和高適宜區(qū)面積將進一步增加，分別達60.3萬和65.9萬km2，分布于長江中下游和珠江流域等廣大區(qū)域，其中在大巴山—武陵山山區(qū)一帶分布較為破碎，在長江中游區(qū)域呈現(xiàn)大范圍、連片式布局;中、低適宜區(qū)面積分別進一步減少至57.6萬和54.1萬km2。結合絞股藍當前分布區(qū)，在RCP4.5和RCP8.5氣候情景下，云南的適宜區(qū)面積將減少，并且原本分布在四川盆地邊緣的極適宜區(qū)將發(fā)生南移。整體上，絞股藍適生區(qū)的總面積變化不大，但是分布區(qū)域將發(fā)生東移和北移，最北端從山東半島北移至遼寧半島;除此之外還發(fā)現(xiàn)，在江西省北部的鄱陽湖、安徽省中部的巢湖和江蘇省南部的太湖等區(qū)域，絞股藍分布的適宜性都較周圍低，如鄱陽湖附近區(qū)域更是不適宜絞股藍的分布。

采用ArcGIS 10.3計算各級適宜區(qū)重心及距離（赤道附近1個緯度差的距離約為111 km），定量化分析絞股藍不同等級適宜區(qū)的空間演變軌跡（圖4）。預計從當前氣候情景至RCP4.5和RCP8.5氣候情景下，總適宜區(qū)（>0.2）重心向東北方向移動。從當前氣候情景到RCP4.5氣候情景，極適宜區(qū)和高適宜區(qū)的重心均將東移，其中，極適宜區(qū)向偏東方向移動115.4 km，約一個緯度，高適宜區(qū)向東移動82.0 km，中、低適宜區(qū)的重心存在東北移動趨勢，其中，中適宜區(qū)向東北方向移動87.0 km，低適宜區(qū)向北移動134.0 km?？傮w上，RCP4.5氣候情景下絞股藍適生區(qū)向北偏東方向移動，移動距離為90.1 km;相較于RCP4.5氣候情景，RCP8.5氣候情景下絞股藍適生區(qū)的重心將進一步向東北方向移動，其中，極適宜區(qū)重心繼續(xù)向偏東方向移動195.1 km，低適宜區(qū)重心向西北向移動111.8 km。RCP8.5氣候情景下絞股藍總適宜區(qū)重心向東北向移動155.6 km。由于絞股藍生長的需水性較大，氣候變化下，東部沿海地區(qū)降水更多，相對于西部更適宜其生長。

3 討論

由于絞股藍具有廣闊的資源和較高的藥用價值，對其研究開發(fā)具有重要意義。本研究通過網(wǎng)絡共享平臺及相關研究文獻最終收集了167個絞股藍分布點，利用MaxEnt模型預測絞股藍的潛在分布區(qū)。測試集AUC均值為0.914，標準差為0.024，表明模型對絞股藍分布適宜區(qū)的預測結果可信度高。結果顯示絞股藍分布于我國秦嶺—淮河以南地區(qū)（湖南、湖北、重慶和江西等省份），預測結果與文獻中絞股藍的分布區(qū)一致（龐敏，2006;徐世明和郭欲曉，2010;袁志鷹等，2019）。關鍵環(huán)境變量貢獻率及刀切法結果顯示，影響絞股藍分布的主導環(huán)境變量為年降水量、最干月降水量、最冷月最低溫度。年降水量成為制約絞股藍分布的最關鍵因素，降水量過多或過少均會影響絞股藍的地理分布，年降水量在960～2220 mm的氣候下最適宜絞股藍生長，這也和絞股藍喜陰喜濕的習性相吻合（徐世明和郭欲曉，2010）。在未來氣候變暖情況下，絞股藍分布適宜區(qū)北移或東移，最北端達遼寧半島，適宜區(qū)分布更加破碎，主要由于絞股藍適生區(qū)向鄰近的高緯、高海拔地區(qū)遷移，空間上不連續(xù)性增強。同時發(fā)現(xiàn)2050年絞股藍在長江中下游流域湖泊所在區(qū)域的適宜性較低，尤其是鄱陽湖地區(qū)最明顯，出現(xiàn)圓圈狀，由此可見，湖泊對未來的氣候影響很大，進而對絞股藍的未來潛在分布區(qū)有很大影響。結合相關研究結論，預計鄱陽湖在2011—2100年將由濕潤區(qū)轉為半濕潤區(qū)，干旱情況隨時間加劇從而制約絞股藍分布，導致在鄱陽湖地區(qū)出現(xiàn)適宜性低于周圍區(qū)域的圓圈狀（邢萬秋等，2014;劉子豪等，2019）。

MaxEnt模型具有簡單準確適宜性強的特點，能通過較少的分布點預測出適宜分布的區(qū)域（陳新美等，2012;張華等，2020）。本研究采用的氣象數(shù)據(jù)是基于薄盤樣條函數(shù)的ANUSPLIN軟件進行插值，選用經(jīng)緯度及高程作為自變量，充分考慮了地形對氣候的影響，并且2050年的氣象數(shù)據(jù)選擇通用大氣環(huán)流模式CCSM4，據(jù)以往的經(jīng)驗，CCSM4對我國氣候具有較好的模擬能力（田芝平和姜大膀，2013）。本研究僅采用生物氣候變量分析絞股藍潛在分布區(qū)域，對于光照和郁閉度等要素未做考慮，MaxEnt模型結果傾向于預測物種分布的氣候最適宜區(qū)。從分布區(qū)的空間格局來看，絞股藍資源分布廣泛，在我國有11個種系，不同產(chǎn)區(qū)的有效成分差異較大（周濤等，2008），今后的研究可涉及不同地區(qū)絞股藍品質的差異，如關鍵營養(yǎng)成分皂苷、黃酮、多糖和氨基酸等的含量，可更好地促進絞股藍的開發(fā)利用。

4 建議

4. 1 基于地理信息技術加強中藥材的區(qū)劃研究

中藥材的分布具有明顯的空間特征，地理信息技術為中藥資源的區(qū)劃研究提供技術支持。地理信息系統(tǒng)（GIS）將屬性信息與空間位置相聯(lián)系，以地圖的形式可視化表達地理事物的空間分布特征，同時可結合生態(tài)模型應用于物種適宜性區(qū)劃研究中，彌補了憑傳統(tǒng)經(jīng)驗進行定性研究的不足，使區(qū)劃結果更加科學。生境在道地藥材形成過程的貢獻以及作用機理，是揭示道地藥材成因的關鍵。因此有必要通過地理信息技術根據(jù)最適宜生態(tài)環(huán)境建立最佳種植適宜區(qū)，以保證藥材的品質。影響中藥種植基地選擇的因素很多，本研究主要從生態(tài)環(huán)境方面進行絞股藍的氣候適宜區(qū)劃，可作為絞股藍種植基地選擇的依據(jù)。通過分析發(fā)現(xiàn)絞股藍適宜在溫濕的南方地區(qū)生長，建議建立人工栽培基地時首先考慮溫暖、陰濕但排灌良好的區(qū)域，同時可以對絞股藍采取樹木、果樹套種方式培栽。除了自然因素外，區(qū)劃研究時還需考慮社會經(jīng)濟因素，以獲得較好的經(jīng)濟和社會效益。

4. 2 加強政企研合作，科學、有效地推動絞股藍種植規(guī)?；彤a(chǎn)業(yè)現(xiàn)代化

積極推動政企合作模式進一步向政企研聯(lián)動的合作機制發(fā)展，聯(lián)合政府、企業(yè)和科研院校建立中藥農(nóng)業(yè)技術中心，推進種植規(guī)范化，并建立標準化生產(chǎn)質量控制機制，從中藥種子種源、種植、初加工和飲片炮制、倉儲和檢驗檢測等系列關鍵技術創(chuàng)新與標準全面升級。政企研聯(lián)動發(fā)展機制可發(fā)揮各方優(yōu)勢?？蒲性盒Ｍㄟ^道地藥材找到最佳種植區(qū)，并結合當?shù)厍闆r確定種植區(qū)范圍;政府通過相關政策讓科研院校劃定的種植區(qū)得以落實，并鼓勵企業(yè)與農(nóng)戶簽訂股權合作協(xié)議，讓農(nóng)戶在自己的土地上打工，這也解決了跟風種植的問題;企業(yè)作為最能快速掌握市場風向的一環(huán)，需要迎合市場提出產(chǎn)品開發(fā)升級的需求。通過三者合力共為，形成以企業(yè)為主體、科技為支撐、地方政府為保障的發(fā)展模式，科學、有效地推動種植規(guī)?；彤a(chǎn)業(yè)現(xiàn)代化，帶動中藥材產(chǎn)業(yè)健康快速發(fā)展。絞股藍在大巴山—武陵山地區(qū)和長江中下游等地適宜區(qū)面積大，分布連續(xù)，從規(guī)模經(jīng)濟角度考慮可作為優(yōu)先發(fā)展區(qū)，同時各地也需要根據(jù)具體情況科學種植，加快絞股藍開發(fā)研究步伐，積極推動產(chǎn)業(yè)現(xiàn)代化。目前絞股藍多應用于藥品、茶飲、保健品甚至化妝品中，市場潛力大，發(fā)展過程中需注重產(chǎn)業(yè)品牌化，擴大影響力。

參考文獻：

陳新美，雷淵才，張雄清，賈宏炎. 2012. 樣本量對MaxEnt模型預測物種分布精度和穩(wěn)定性的影響[J]. 林業(yè)科學，48（1）：53-59. doi：10.11707/j.1001-7488.20120110. [Chen X M，Lei Y C，Zhang X Q，Jia H Y. 2012. Effects of sample sizes on accuracy and stability of maximum entropy model in predicting species distribution[J]. Scientia Silvae Sinicae，48（1）：53-59.]

郭蘭萍，黃璐琦，蔣有緒，潘耀忠，朱文泉，孫宇章，曾燕，呂冬梅，劉旭攏，張晴. 2008. 2種不同模式中藥適宜性區(qū)劃的比較研究[J]. 中國中藥雜志，33（6）：718-721. doi：10. 3321/j.issn：1001-5302.2008.06.030. [Guo L P，Huang L Q，Jiang Y X，Pan Y Z，Zhu W Q，Sun Y Z，Zeng Y，Lü D M，Liu X L，Zhang Q. 2008. Comparing of different methods on habitat adaptive division of Chinese material medica[J]. Chinese Journal of Chinese Materia Medica，33（6）：718-721.]

何維明，鐘章成. 2000. 攀援植物絞股藍幼苗對光照強度的形態(tài)和生長反應[J]. 植物生態(tài)學報，24（3）：375-378. doi：10.1088/0256-307X/17/9/008. [He W M，Zhong Z C. 2000. Morphological and growth responses of the climbing plant，Gynostemma pentaphyllum seedlings to varying light intensity[J]. Acta Phytoecologica Sinica，24（3）：375-378.]

胡文佳，晁碧霄，王玉玉，董鵬，張典，俞煒煒，陳光程，陳彬. 2020. 基于最大熵模型的福建省紅樹林潛在適生區(qū)評估[J]. 中國環(huán)境科學，40（9）：4029-4038. doi：10.19674/j.cnki.issn1000-6923.2020.0448. [Hu W J，Chao B X，Wang Y Y，Dong P，Zhang D，Yu W W，Chen G C，Chen B. 2020. Assessing the potential distributions of mangrove forests in Fujian Province using MaxEnt model[J]. China Environmental Science，40（9）：4029-4038.]

劉曉彤，袁泉，倪健. 2019. 中國植物分布模擬研究現(xiàn)狀[J]. 植物生態(tài)學報，43（4）：273-283. doi：10.17521/cjpe.2018. 0237. [Liu X T，Yuan Q，Ni J. 2019. Research advances in modelling plant species distribution in China[J]. Chinese Journal of Plant Ecology，43（4）：273-283.]

劉子豪，陸建忠，黃建武，陳曉玲，張玲，盛穎東. 2019. 基于CMIP5模式鄱陽湖流域未來參考作物蒸散量預估[J]. 湖泊科學，31（6）：1685-1697. doi：10.18307/2019.0608. [Liu Z H，Lu J Z，Huang J W，Chen X L，Zhang L，Sheng Y D. 2019. Prediction and trend of future reference crop evapotranspiration in the Poyang Lake Basin based on CMIP5 Models[J]. Journal of Lake Sciences，31（6）：1685-1697.]

盧小雨，蔣露，葉奕優(yōu)，王林聰，徐浪，郭強，余道堅. 2019. 基于MaxEnt模型的朱紅毛斑蛾在我國的潛在地理分布[J].環(huán)境昆蟲學報，41（6）：1268-1275. doi：10.3969 /j.issn.1674- 0858.2019.06.16. [Lu X Y，Jiang L，Ye Y Y，Wang L C，Xu L，Guo Q，Yu D J. 2019. Study on potential geographi-cal distribution of Phauda flammans Walker in China based on the MaxEnt model[J]. Journal of Environmental Entomology，41（6）：1268-1275.]

龐敏. 2006. 藥用植物絞股藍種質資源研究[D]. 西安：陜西師范大學. [Pang M. 2006. Study on different idioplasmic resources of Gynostemma pentaphyllum（Thunb） Makino[D]. Xian：Shaanxi Normal University.]

尚海龍，顧永澤. 2017. 清水江流域稻植氣候適宜度時空變化分析[J]. 南方農(nóng)業(yè)學報，48（1）：100-108. doi：10.3969/j：issn.2095-1191.2017.01.100. [Shang H L，Gu Y Z. 2017. Temporal and spatial variation of rice planting climate suitability in Qingshuijiang River basin[J]. Journal of Southern Agriculture，48（1）：100-108.]

田芝平，姜大膀. 2013. 不同分辨率CCSM4對東亞和中國氣候模擬能力分析[J]. 大氣科學，37（1）：171-186. doi：10. 3878/j.issn.1006-9895.2012.12050. [Tian Z P，Jiang D B. 2013. Evaluation of the performance of low-to high-resolution CCSM4 over East Asia and China[J]. Chinese Journal of Atmospheric Sciences，37（1）：171-186.]

王茹琳，李慶，封傳紅，石朝鵬. 2017. 基于MaxEnt的西藏飛蝗在中國的適生區(qū)預測[J]. 生態(tài)學報，37（24）：8556-8566. doi：10.5846/stxb201611152326. [Wang R L，Li Q，F(xiàn)eng C H，Shi C P. 2017. Predicting potential ecological distribution of Locusta migratoria tibetensis in China using MaxEnt ecological niche modeling[J]. Acta Ecolo-gica Sinica，37（24）：8556-8566.]

王運生，謝丙炎，萬方浩，肖啟明，戴良英. 2007. ROC曲線分析在評價入侵物種分布模型中的應用[J]. 生物多樣性，15（4）：365-372. doi：10.3321/j.issn：1005-0094.2007.04. 005. [Wang Y S，Xie B Y，Wan F H，Xiao Q M，Dai L Y. 2007. Application of ROC curve analysis in evaluating the performance of alien species potential distribution models[J]. Biodiversity Science，15（4）：365-372.]

邢萬秋，王衛(wèi)光，邵全喜，楊慧，彭世彰，余鐘波，楊濤. 2014. 未來氣候情景下海河流域參考蒸發(fā)蒸騰量預估[J]. 應用基礎與工程科學學報，22（2）：239-251. doi：10.3969/j.issn.1005-0930.2014.02.005. [Xing W Q，Wang W G，Shao Q X，Yang H，Peng S Z，Yu Z B，Yang T. 2014. Projection of future reference evapotranspiration change across the Haihe River Basin[J]. Journal of Basic Science and Engineering，22（2）：239-251.]

熊中人，張曉晨，鄒旭，趙洋，陳昕. 2019. 中國天山花楸適生區(qū)預測及其對氣候變化的響應[J]. 生態(tài)科學，38（5）：44-51. doi：10.14108/j.cnki.1008-8873.2019.05.007. [Xiong Z R，Zhang X C，Zou X，Zhao Y，Chen X. 2019. Prediction of the suitable distribution and responses to climate change of Sorbus tianschanica in China[J]. Ecological Science，38（5）：44-51.]

徐世明，郭欲曉. 2010. 絞股藍的研究與應用[M]. 北京：北京大學醫(yī)學出版社. [Xu S M，Guo Y X. 2010. Research and application of Gynostemma pentaphyllum[M]. Beijing：Peking University Medical Press.]

楊會楓，鄭江華，賈曉光，李曉瑾. 2017. 氣候變化下羅布麻潛在地理分布區(qū)預測[J]. 中國中藥雜志，42（6）：1119-1124. doi：10.19540/j.cnki.cjcmm.2017.0033. [Yang H F，Zheng J H，Jia X G，Li X J. 2017. Projection of potential geographic distribution of Apocynum venetum under climate change in northern China[J]. China Journal of Chinese Materia Medica，42（6）：1119-1124.]

袁志鷹，謝夢洲，黃惠勇. 2019. 絞股藍植物資源、化學成分及藥理研究進展[J]. 亞太傳統(tǒng)醫(yī)藥，15（7）：190-197. doi：10.11954/ytctyy.201907063. [Yuan Z Y，Xie M Z，Huang H Y. 2019. Advances in the chemical constituents and pharmacological studies of Gynostemma pentaphyllum[J]. Asia-Pacific Traditional Medicine，15（7）：190-197.]

張華，趙浩翔，王浩. 2020. 基于MaxEnt模型的未來氣候變化情景下胡楊在中國的潛在地理分布[J]. 生態(tài)學報，40（18）：1-12. doi：10.5846/stxb201906111232. [Zhang H，Zhao H X，Wang H. 2020. Potential geographical distribution of Populus euphratica in China under future climate change scenarios based on MaxEnt model[J]. Acta Ecologica Sinica，40（18）：1-12.]

張杰，張旸，李敏，敖子強，楊春燕. 2019. 3種茄科入侵植物在我國的潛在地理分布及氣候適生性分析[J]. 南方農(nóng)業(yè)學報，50（1）：81-89. doi：10.3969/j.issn.2095-1191.2019. 01.12. [Zhang J，Zhang Y，Li M，Ao Z Q，Yang C Y. 2019. Potential geographic distribution and climate suita-bility of three invasive species of Solanaceae in China[J]. Journal of Southern Agriculture，50（1）：81-89.]

張笑. 2019. 絞股藍屬植物系統(tǒng)發(fā)育和群體遺傳學研究[D]. 西安：西北大學. [Zhang X. 2019. Phylogeny and population genetics of Gynostemma BL.（Cucurbitaceae）[D]. Xian：Northwest University.]

周濤，黃璐琦，呂冬梅. 2008. 中藥資源保護的類型和模式分析[J]. 中國中藥雜志，33（11）：1353-1356. [Zhou T，Huang L Q，Lü D M. 2008. Modes and types of protec-ting natural resources of Chinese medicine[J]. Chinese Journal of Chinese Materia Medica，33（11）：1353-1356.]

朱耿平，劉國卿，卜文俊，高玉葆. 2013. 生態(tài)位模型的基本原理及其在生物多樣性保護中的應用[J]. 生物多樣性，21（1）：90-98. doi：10.3724/SP.J.1003.2013.09106. [Zhu G P，Liu G Q，Bu W J，Gao Y B. 2013. Ecological niche modeling and its applications in biodiversity conservation[J]. Biodiversity Science，21（1）：90-98.]

朱耿平，劉強，高玉葆. 2014. 提高生態(tài)位模型轉移能力來模擬入侵物種的潛在分布[J]. 生物多樣性，22（2）：223-230. doi：10.3724/SP.J.1003.2014.08178. [Zhu G P，Liu Q，Gao Y B. 2014. Improving ecological niche model transferability to predict the potential distribution of invasive exotic species[J]. Biodiversity Science，22（2）：223-230.]

Guo Y，Guo J，Shen X，Wang G B，Wang T L. 2019. Predicting the bioclimatic habitat suitability of Ginkgo biloba L. in China with field-test validations[J]. Forests，10（8）：705. doi：10.3390/f10080705.

IPCC. 2013. Climate change 2013：The physical science basis. Contribution of working group I to the fifth assessment report（AR5） of the intergovernmental panel on climate change[M]. Cambridge：Cambridge University Press.

Phillips S J，Anderson R P，Schapire R E. 2006. Maximum entropy modeling of species geographic distributions[J]. Ecological Modelling，190（3-4）：231-259. doi：10.1016/j.ecolmodel.2005.03.026.

Phillips S J，Dudík M，Schapire R E. Schapire. 2004. A maximum entropy approach to species distribution modeling[C]//Proceedings of the Twenty-First International Conference on Machine Learning. New York：Association for Computing Machinery Press：655-662. doi：10.1145/101 5330.1015412.

Wang Y Q，Ma J F，Li X Q，Wang Y F，Cao S，Xie A T，Ye S F，Dong B X，Zhao W X，Qin Y X，Xia F，Zheng Z Y，Zhu X M，Jiang J Y，Dong Z P. 2017. The distribution of Athetis lepigone and prediction of its potential distribution based on GARP and MaxEnt[J]. Journal of Applied Entomology，141（6）：431-440. doi：10.1111/jen.12347.

（責任編輯 鄧慧靈）