白榆在我國的潛在分布格局及未來變化

韓淑敏,閆 偉*,楊雪棟,胡 博,于鳳強,高潤紅

(1.內(nèi)蒙古農(nóng)業(yè)大學(xué)林學(xué)院,內(nèi)蒙古 呼和浩特 010018;2.內(nèi)蒙古自治區(qū)林業(yè)和草原監(jiān)測規(guī)劃院,內(nèi)蒙古 呼和浩特 010016;3.內(nèi)蒙古農(nóng)業(yè)大學(xué)沙漠治理學(xué)院,內(nèi)蒙古 呼和浩特 010018;4.內(nèi)蒙古鄂爾多斯市林業(yè)和草原事業(yè)發(fā)展中心,內(nèi)蒙古 鄂爾多斯 017000)

白榆(Ulmuspumila)為榆科(Ulmaceae)榆屬(Ulmus)喬木,屬典型的北溫帶落葉闊葉樹種,主要分布在我國“三北”地區(qū),多見于北緯30°～40°、海拔2 500 m以下的山坡、山谷、丘陵及沙地等。白榆喜光、根系發(fā)達,耐旱、耐寒、耐鹽堿,抗風沙,具有很強的適應(yīng)性,是我國“三北”地區(qū)重要的水土保持、防風固沙樹種[1],具有重要的經(jīng)濟和生態(tài)價值[2-3]。樹種分布是其生態(tài)適應(yīng)性的基礎(chǔ)。氣候條件不僅是區(qū)域尺度上決定物種分布的主要因子,也是影響物種地理分布的重要因素之一[4-5]。全球氣候變化不僅會影響白榆的地理分布區(qū)域,更影響其生存和生產(chǎn)潛力[6-7]。當前,隨著地理信息系統(tǒng)、遙感技術(shù)、全球定位系統(tǒng)技術(shù)的發(fā)展,從區(qū)域尺度探討物種分布或生境研究備受關(guān)注[8-9]。因此,生態(tài)位相關(guān)模型被廣泛用于物種分布的模擬研究。模擬物種分布的最大熵模型(MaxEnt)基于最大熵理論所構(gòu)建,是一種具有良好模擬效果和友好使用界面的生態(tài)位模型[10-11],目前對白榆在我國分布的研究報道較少。本研究運用ArcGIS軟件和MaxEnt軟件,全面收集中國已知的白榆種群地理位置信息,基于氣候環(huán)境變量和地形等影響因子開展我國白榆地理分布和生境適宜性研究,模擬其當前時期潛在地理分布區(qū),分析影響我國白榆地理分布和生境適宜性的主導(dǎo)氣候環(huán)境因子,預(yù)測2050s和2070s時期不同情景(RCP2.6和RCP6.0)下白榆在我國空間區(qū)域分布變化,旨在為當前和未來時期加強我國白榆鄉(xiāng)土種質(zhì)資源調(diào)查和區(qū)劃研究提供基礎(chǔ)資料和科學(xué)依據(jù),同時也為我國保護和開發(fā)白榆樹種資源提供理論指導(dǎo)。

1 材料與方法

1.1 白榆樣點分布

通過全球生物多樣性信息網(wǎng)站(http://www.gbif.org)、中國國家標本資源平臺網(wǎng)站(http://www.nsii.org.cn)和國家植物標本資源庫(http://www.cvh.org.cn),查閱收集白榆的相關(guān)文獻資料和野外實地采點數(shù)據(jù)。經(jīng)檢索,共獲得標本采集紀錄種群信息和野外采點數(shù)據(jù)1 508條記錄。利用樣點分布平臺的詳細圖文信息、查閱相關(guān)文獻及配合使用Google Earth軟件的方式對采樣點進行篩選,剔除地理位置不清晰、重復(fù)記錄和人工栽培的樣本點,核查刪除部分地理位置不正確的點,確定種群位置經(jīng)緯度。為了避免白榆群體分布密度過高引起誤差,以經(jīng)緯度2.5′×2.5′為1個樣本單元,每個網(wǎng)格保留1條記錄,截至2020年最終篩選確定210個有效樣點(圖1)用于建模。

底圖審圖號:GS(2020)4632號。下同。

1.2 氣候環(huán)境數(shù)據(jù)

當前(1970s—2000s) 和未來(2050s、2070s) 時期的19個氣候變量(Bio1—Bio19,依次代表:年平均氣溫、晝夜溫差月均值、等溫性、溫度季節(jié)性變化、最熱月最高溫度、最冷月最低溫度、年溫度變化范圍、最濕季度平均溫度、最干季度平均溫度、最熱季度平均溫度、最冷季度平均溫度等11個氣溫變量, 以及年降水量、最濕月降水量、最干月降水量、降水量季節(jié)性變化、最濕季度降水量、最干季度降水量、最熱季度降水量、最冷季度降水量等8個降水變量)和高程數(shù)據(jù)(Elev)均來源于全球氣候數(shù)據(jù)庫(http:www.worldclim.org),其空間分辨率為2.5 min。為了評估未來氣候變化,政府間氣候變化專門委員會發(fā)布的第5次評估報告(IPCC,AR5),采用了4種溫室氣體排放情景代表不同濃度路徑(RCP),下載其中RCP2.6(低濃度)和RCP6.0(中高濃度)兩種濃度路徑的溫室氣體排放情景的氣候數(shù)據(jù),分別代表了未來時期(2050s和2070s)溫室氣體排放較低和較高濃度對氣候的影響,更加合理均衡模擬未來時期氣候變化情景下白榆的分布,并選擇模擬中國氣候條件效果最好的CCSM4模式[12]。將氣候變量和高程數(shù)據(jù)進行下載處理后,導(dǎo)入ArcGIS軟件中,合并提取樣點分布區(qū)范圍的數(shù)據(jù),統(tǒng)一保存為 ASCII 格式的文件[13-14]。

采用ArcGIS軟件中的空間分析功能,對環(huán)境變量進行相關(guān)性檢驗分析。兩變量之間相關(guān)性的絕對值(|r|)大于0.8為標準,結(jié)合環(huán)境因子貢獻率,保留有生物學(xué)意義且在初始模型中環(huán)境因子貢獻率大的變量,減少由于各變量間高度相關(guān)而導(dǎo)致模型過度擬合。經(jīng)篩選,保留了Bio4(溫度季節(jié)性變化)、Bio12(年降水量)、Bio15(降水量季節(jié)性變化)、Bio10(最熱季度平均溫度)、Bio14(最干月降水量)和Bio8(最濕季度平均溫度)共6個環(huán)境因子,最終以此為基礎(chǔ)建立白榆在中國分布的最大熵模型。

1.3 模型設(shè)置

將210個白榆分布數(shù)據(jù)和環(huán)境變量導(dǎo)入MaxEnt程序中,隨機選擇25%的白榆分布數(shù)據(jù)作為驗證集(testing data)來建立模型,另外的75%的白榆分布數(shù)據(jù)作為訓(xùn)練集(training data),采用刀切法(Jackknife)來驗證模型檢驗權(quán)重【7】,同時交叉驗證(crossvalidation)防止人為統(tǒng)計化。設(shè)置最大迭代次數(shù)(maximum iterations)為500、最大背景點數(shù)量(max number of background points)為10 000,應(yīng)用閾值規(guī)則(apply threshold rule),從訓(xùn)練集數(shù)據(jù)中隨機選取10%的數(shù)據(jù)計算分布閾值(10 percentile training presence),其目的是控制偏離主要分布范圍的訓(xùn)練集中小于等于10%的分布數(shù)據(jù),重復(fù)訓(xùn)練(replicates)為3,輸出為ASCII格式的柵格圖層。特征類選擇(feature class selection)是MaxEnt重要的參數(shù)設(shè)置,分別有線性特征(L)、二次型特征(Q)、片段化特征(H)、乘積特征(P)和閾值特征(T)[15]。根據(jù)分布點的個數(shù)選擇合適的參數(shù),可以提高模型預(yù)測性能。在預(yù)設(shè)情況下(自動特征),所有特征類型均用于最少有80個訓(xùn)練樣本的情況,鑒于分布數(shù)據(jù),本研究選擇自動特征。選取受試者工作特征曲線(receiver operating characteristic,ROC)下的面積值(area under curve,AUC值)對該模型模擬結(jié)果進行檢驗。一般而言,收集到的物種種群分布區(qū)域廣、覆蓋度均勻、樣本量越大,獲取到的物種分布環(huán)境信息會越豐富,MaxEnt軟件模型建立的約束條件會越多[16-17],預(yù)測物種種群潛在適宜分布圖越精準,模型模擬的估計精度就越高[18]。MaxEnt模型軟件ROC曲線下的AUC值一般為 0.5～1.0,AUC值越接近于1,則表明模型模擬結(jié)果的精準度越高[19-20]。一般地,AUC值為[0.50,0.60)表示模型模擬結(jié)果無效,AUC值為[0.60,0.70)表示模型模擬結(jié)果較差,AUC值為[0.70,0.80)表示模型模擬結(jié)果一般,AUC值為[0.80,0.90)表示模型模擬結(jié)果良好,AUC值為[0.90,1.00)表示模型模擬結(jié)果極好。采用ArcGIS軟件將MaxEnt模型模擬預(yù)測結(jié)果中的ASCII格式潛在分布圖進行導(dǎo)入分析處理,使用ArcGIS軟件繪制出白榆在我國當前時期和未來時期(2050s、2070s)的潛在分布圖。

采用ArcGIS軟件中的幾何間斷法和自然間斷點分級法所劃分的適宜性閾值與當代白榆在我國的分布現(xiàn)狀存在較大誤差,出現(xiàn)低適宜區(qū)面積過大、中高適宜區(qū)面積過小的問題,因此本研究依據(jù)陳新美等[21]研究結(jié)果,結(jié)合白榆的分布規(guī)律,采用平均間距法進行適宜性劃分。ArcGIS軟件默認邏輯值最終將適宜性指數(shù)平均劃為6個等級,從低適宜性到高適宜性的適宜性指數(shù)分別為: [0.00,0.15)、[0.15,0.30)、[0.30,0.45)、[0.45,0.60)、[0.60,0.75)、[0.75,1.00)共6級。參考趙儒楠等[22]對千金榆的適宜性劃分法以及實地驗證結(jié)果,把6個等級定義為4個,最終定義本研究中適宜性指數(shù)[0.00,0.15)時為不適宜區(qū)、[0.15,0.30)時為低適宜區(qū)、[0.30,0.60)時為中適宜區(qū)、[0.60,1.00)時為高適宜區(qū),未來時期白榆潛在分布區(qū)適宜性指數(shù)劃分也采用4個等級的分類方法。利用ArcGIS軟件對當前和未來時期白榆潛在分布圖進行轉(zhuǎn)柵格和分類,隨后根據(jù)分類閾值區(qū)間的柵格數(shù)計算各分類閾值區(qū)間的面積及適宜分布區(qū)的總面積,評估當前時期和未來時期各個適宜性分類等級的面積變化及遷移趨勢。

2 結(jié)果與分析

2.1 MaxEnt模型預(yù)測可靠性與穩(wěn)定性

經(jīng)MaxEnt模型運算后,使用ROC曲線對當前時期的氣候條件下白榆潛在適宜分布區(qū)的模擬預(yù)測結(jié)果進行檢驗,輸出AUC值如圖2所示。訓(xùn)練集和驗證集顯著大于隨機分布模型的AUC值(0.5),其訓(xùn)練集和驗證集的AUC值分別達到了0.921和0.911,說明模型擬合的效果極好,預(yù)測結(jié)果準確率極高,此次白榆預(yù)測的地理分布信息和實際分布信息相符程度很高。這表明本研究可以使用MaxEnt模型對白榆的主導(dǎo)氣候影響因子和適宜分布區(qū)劃進行研究,預(yù)計可獲得可信結(jié)果。

圖2 基于MaxEnt模型預(yù)測結(jié)果的ROC曲線Fig. 2 ROC curve of the predicted results based on the MaxEnt model

2.2 影響白榆分布的環(huán)境因子分析

基于MaxEnt模型模擬預(yù)測結(jié)果的主導(dǎo)環(huán)境因子訓(xùn)練增益結(jié)果如圖3所示。對選取的影響白榆分布6個氣候因子貢獻率進行分析,可得各個因子對白榆的影響程度。將各個影響因子按照影響程度排序,最大的為Bio4(溫度季節(jié)性變化),占比達到了54.7%,表明溫度季節(jié)性變化是影響白榆分布的主要氣候因子;Bio12(年降水量)的貢獻率次高,占比達到17.6%;Bio15(降水量季節(jié)性變化) 的貢獻率為16.1%,Bio12和Bio15兩個變量占33.7%,水熱兩項的貢獻率累積高達88.4%。同時Bio10(最熱季度平均溫度)的占比也相對較大(8.4%),說明了溫度變化和降水量變化是影響白榆分布的主要因子,整體符合白榆喜光耐旱雨熱同期的生長習(xí)性。通過氣候因子貢獻率所占比例表明,溫度季節(jié)性變化、降水季節(jié)性變化和年降水量等以年為周期的氣候因子對白榆生長和分布有重要影響。我國北溫帶地區(qū)氣候特點是夏季高溫多雨、冬季寒冷干燥,四季分明的溫度和降水量變化影響了白榆的潛在適宜分布區(qū)。通過主導(dǎo)環(huán)境因子訓(xùn)練增益結(jié)果可知,最熱季度平均溫度為15～25 ℃、年降水量在400 mm左右時最有利于白榆的生長和分布。

2.3 當前時期白榆潛在分布范圍

基于210個地理分布數(shù)據(jù)與6個氣候變量,利用ArcGIS軟件與MaxEnt模型預(yù)測當前氣候條件下白榆在我國的潛在適宜分布區(qū)如圖4所示。白榆潛在適宜分布區(qū)主要集中在河北、北京、天津、陜西、山西、山東等華北地區(qū),在東北地區(qū)的遼寧、吉林、黑龍江及內(nèi)蒙古東部地區(qū)有潛在適生區(qū),內(nèi)蒙古中部、新疆伊寧賽里木湖和博斯騰湖周邊、青海省青海湖周邊、甘肅等西北地區(qū)也有潛在分布區(qū)。由此可知,白榆的潛在適宜分布區(qū)主要集中在我國的華北地區(qū)、東北部分地區(qū)及西北地區(qū)。

圖4 當前氣候條件下白榆的潛在分布區(qū)Fig. 4 Potential distributions of Ulmus pumila under current climatic conditions

其中,白榆的低適生區(qū)面積為73.48×104km2,約占我國國土面積的7.63%,主要位于山東南部、河南南部、陜西中部等華北地區(qū),寧夏、甘肅、新疆西北部、內(nèi)蒙古中部等西北地區(qū)以及黑龍江東南部、吉林南部和遼寧南部等東北地區(qū)也均有低適生區(qū)分布。白榆中適生區(qū)面積為104.68×104km2,約占我國國土面積的10.87%,主要分布在山東、河北南部、山西南部和陜西北部等華北地區(qū),甘肅中部、寧夏、內(nèi)蒙古中東部等西北地區(qū)以及吉林省中南部和遼寧省大部分等東北地區(qū)。白榆高適生區(qū)的區(qū)域面積為49.69×104km2,約占我國國土面積的5.16%,主要分布于山東北部、河北、北京、天津和山西北部等華北地區(qū),西北地區(qū)主要有內(nèi)蒙古東部和中部、甘肅中部以及新疆西北小部分地區(qū)。白榆高適宜分布區(qū)在內(nèi)蒙古、山東、山西、陜西、河北等5個省區(qū)最為集中,這些地區(qū)也多為白榆的實際分布區(qū)域,是這幾省區(qū)的鄉(xiāng)土樹種,其雨熱同期溫度適宜的生態(tài)環(huán)境條件更有利于白榆的生長。由此可見,白榆集中分布在我國北方地區(qū),最適宜白榆生長的高適宜分布區(qū)集中在以黃河流域的范圍內(nèi),這與我國目前白榆的實際分布情況相符。

2.4 未來氣候條件下中國白榆潛在適生區(qū)預(yù)測

基于MaxEnt模型預(yù)測未來時期2050s和2070s(RCP2.6和RCP6.0)氣候環(huán)境下白榆潛在分布區(qū)空間分布趨勢見圖5,面積變化如表1所示。利用ArcGIS 中重分類工具統(tǒng)計可得到白榆不同等級適宜分布區(qū)的柵格數(shù)量,通過各個等級適宜分布區(qū)的柵格數(shù)量計算得到不同等級適宜分布區(qū)面積以及占全國面積的百分比。

圖5 未來氣候條件下白榆在中國的潛在分布區(qū)Fig. 5 Potential distributions of Ulmus pumila under future climate conditions

表1 不同氣候條件下白榆不同等級適生區(qū)面積

由表1可知,與當前時期氣候條件相比,未來時期2050s和2070s(RCP2.6和RCP6.0)氣候環(huán)境下白榆潛在適宜分布區(qū)的總面積呈現(xiàn)出增加的趨勢,但是只有低適生區(qū)面積出現(xiàn)大幅增加、中適生區(qū)和高適生區(qū)面積呈現(xiàn)減少的趨勢。其中,在2070s路徑為 RCP6.0氣候情景下的適宜分布區(qū)面積增減有明顯變化,總適宜分布區(qū)面積達到281.59×104km2,比當前時期適宜分布區(qū)面積占比多5.58%。其中低適生區(qū)面積比例比當前時期多11.75%、中適生區(qū)面積比例比當前時期少1.29%、高適生區(qū)面積比例比當前時期少4.88%。這與IPCC第5次報告中對于RCP6.0路徑下溫室氣體排放而導(dǎo)致氣溫升高的結(jié)論相吻合,低適生區(qū)面積增加是隨著氣溫升高在高緯度、高海拔地區(qū)出現(xiàn)新的適宜分布區(qū),同樣原本中適生和高適生分布區(qū)域由于溫度過高逐漸不適宜白榆的分布,降低為低適生區(qū)。

與當前時期氣候條件下的潛在分布區(qū)相比,未來時期2050s和2070s(RCP2.6和RCP6.0)氣候情景下白榆在我國不同等級適宜分布區(qū)的空間分布趨勢產(chǎn)生不同程度的遷移和變化(圖5)。未來時期白榆低適生區(qū)的空間位置變化與中適生區(qū)有諸多相似之處,低適生區(qū)沿著中適生區(qū)外延擴展其面積均有不同程度的增加,且白榆在我國低適生區(qū)與中適生區(qū)面積與當前時期相比出現(xiàn)了向高緯度、高海拔地區(qū)遷移擴張變化的趨勢。2050s和2070s時期,黑龍江、吉林、遼寧等東北地區(qū)由于氣溫升高,原本適宜白榆生長的潛在分布區(qū)逐步減少至消失,河北、內(nèi)蒙古中部、山西、陜西等華北地區(qū)的白榆潛在分布區(qū)隨著未來氣候變暖等趨勢向北遷徙到河北北部、內(nèi)蒙古呼倫貝爾等地區(qū),白榆潛在分布區(qū)不斷向高緯度地區(qū)擴張。與當前分布不同的是,未來時期在西藏、青海的大部分地區(qū)及甘肅中部和新疆部分地區(qū)等高緯度、高海拔區(qū)域出現(xiàn)新的低適生區(qū)和中適生區(qū)。

未來時期高適生區(qū)面積遷移變化趨勢與當前時期明顯不同,分布變化最明顯的地區(qū)是位于河北、陜西、山西、山東及內(nèi)蒙古中部地區(qū)的大量高適生區(qū)面積急劇減少乃至消失,隨著氣溫升高,新疆出現(xiàn)新的高適生區(qū),但高適生區(qū)總體面積呈減少趨勢。由此可見,未來氣候變化下白榆中低適生區(qū)面積雖有明顯增加,但高適生區(qū)面積卻呈現(xiàn)減少趨勢?？偟膩碚f,未來氣候變化下白榆在我國潛在適宜分布區(qū)總面積呈增加趨勢,主要是因為原本的中低適生區(qū)出現(xiàn)明顯向高緯度地區(qū)擴張轉(zhuǎn)移,且西藏大部分高海拔地區(qū)出現(xiàn)了新的中低適生區(qū),但未來時期高適生區(qū)面積有急劇減少的趨勢。在不同RCP情景和預(yù)測時期下,即由于溫室氣體排放導(dǎo)致全球氣候變暖,我國華北地區(qū)白榆潛在分布區(qū)明顯向高緯度及高海拔地區(qū)擴張轉(zhuǎn)移。說明氣溫升高與白榆潛在分布變化息息相關(guān),這也與MaxEnt模型中溫度季節(jié)性變化主導(dǎo)白榆分布的結(jié)論相一致。

3 討 論

利用MaxEnt和ArcGIS軟件預(yù)測了不同氣候條件下白榆在我國的潛在適宜分布區(qū)域,并量化了該物種的主導(dǎo)環(huán)境因子。在大的研究尺度上,氣候是決定植物分布的基礎(chǔ)性決定因子[23-24]。本研究中,溫度季節(jié)性變化和降水季節(jié)性變化主要限制了白榆的潛在地理分布。張曉曉[25]的研究結(jié)果顯示,白榆主要分布在雨熱同期、四季分明的北緯30°～40°且年降水量400 mm左右的半濕潤、半干旱地區(qū),其喜光喜溫耐寒耐旱的生長特性與影響白榆生長的主導(dǎo)環(huán)境子相符合。白榆作為長壽的木本植物,以年為單位的溫度季節(jié)性變化更是影響白榆分布的關(guān)鍵因素。由Went[26]提出的溫度季節(jié)性變化是由于自然條件下氣溫變化呈周期性,許多生物適應(yīng)溫度的某種節(jié)律性變化,并通過遺傳成為其生物學(xué)特性,主要控制著植物的發(fā)育進程及生長特性。本研究結(jié)果表明,影響白榆分布的主導(dǎo)環(huán)境因子及其響應(yīng)曲線有效地反應(yīng)了白榆的地理分布與環(huán)境間的關(guān)系,植物的氣溫周期效應(yīng)對森林保護與培育具有重要意義,可利用該植物對溫度季節(jié)性變化的不同反應(yīng)進行白榆的保護及選育,以采取相應(yīng)措施提高該物種的成活率與利用率。

依托環(huán)境變量,對白榆當前時期潛在適宜分布區(qū)進行模擬預(yù)測,白榆在我國主要集中分布在華北地區(qū)、東北部分地區(qū)和西北部分地區(qū),白榆的潛在分布地區(qū)正是基于白榆的生長特性所決定的。蔡玉成等[27]通過對白榆不同地理種源一些生理特性的研究探索了白榆不同地理種源的生理變異,結(jié)果發(fā)現(xiàn)不同地理種源的白榆存在變異,可用于培育白榆優(yōu)良品質(zhì)。另外,通過本研究擬合得到不同氣候條件下白榆分布的主導(dǎo)環(huán)境因子及其潛在分布區(qū)建立該植物的自然保護區(qū),為該植物的保護和合理利用提供理論依據(jù)[28]。未來不同氣候條件下,白榆適生區(qū)域呈現(xiàn)增加趨勢,主要表現(xiàn)為大量高適生區(qū)變?yōu)橹械瓦m生區(qū),在新疆、青海等高海拔地區(qū)出現(xiàn)新的適生區(qū),與當前氣候條件相比,白榆適生區(qū)在2050s和2070s不同CO2排放情景下,白榆適生區(qū)位置有向東北和西南方向的高緯度高海拔地區(qū)遷移的趨勢,與王愛君等[29]的研究得到的氣候變暖會使得許多動植物向高海拔、高緯度地區(qū)遷移的結(jié)論一致。預(yù)測未來氣候條件下物種潛在分布區(qū),有助于了解氣候變暖背景下物種分布的變化,可以為物種保護及合理利用、生態(tài)恢復(fù)與建設(shè)提供理論支持[30-31]。

通過軟件模擬影響白榆分布的環(huán)境變量及適宜分布區(qū)不僅可預(yù)測物種未來的分布趨勢,更重要的是通過軟件模擬結(jié)果為現(xiàn)實中白榆的適應(yīng)性區(qū)劃及種質(zhì)資源保護提供參考價值。通過MaxEnt軟件擬合可知,白榆適宜生長在雨熱同期、四季分明的北方地區(qū),年均氣溫5～15 ℃及年降水量400 mm左右的我國北方大部分地區(qū)均適宜白榆生長。擬合結(jié)果顯示,我國西北地區(qū)作為白榆分布潛在適生區(qū),應(yīng)發(fā)揮白榆在惡劣環(huán)境條件下表現(xiàn)出來的抗寒、抗旱、抗鹽堿等優(yōu)良特性,作為重點潛力樹種[32-33],以此為參考在我國建立白榆種質(zhì)資源保護基地,根據(jù)不同地方的環(huán)境差異培育不同特性的白榆品種并推廣,如西北地區(qū)可以培育出抗逆性強的品種,華北地區(qū)培育出生長周期快、飼用價值高的白榆品種等,使不同優(yōu)良特性的白榆品種在實際生產(chǎn)中發(fā)揮生態(tài)和經(jīng)濟效益。

MaxEnt模型對于白榆種群潛在適宜分布區(qū)預(yù)測的準確度,主要是由白榆種群的實際分布數(shù)據(jù)和環(huán)境變量數(shù)據(jù)共同決定。樣本分布數(shù)據(jù)越多,模擬結(jié)果準確度越高。本研究中樣本數(shù)據(jù)由野外實地采點數(shù)據(jù)和各個平臺數(shù)據(jù)庫共同組成,其中部分平臺標本數(shù)據(jù)搜集時間較早,隨著時間推移,當時當?shù)氐臉吮緮?shù)據(jù)可能已經(jīng)產(chǎn)生變化,模型預(yù)測結(jié)果可能存在一定誤差。另一方面,由于無法規(guī)避的人為破壞及其他干擾活動的影響而對模型模擬預(yù)測產(chǎn)生影響?；谝陨蠁栴},MaxEnt模型模擬預(yù)測結(jié)果可能大于白榆實際的潛在分布區(qū)域,因此,應(yīng)做更多的分布區(qū)實際調(diào)研,與本研究模擬結(jié)果進行對比分析,得出更加準確、全面的白榆分布格局及變化。