基于MaxEnt模型的陕西省菊芋种植潜在适宜区分析.pdf

中 国 农 业 气 象 第 45 卷 268 中国农业气象（Chinese Journal of Agrometeorology）2024 年doi:10.3969/j.issn.1000-6362.2024.03.005 尹芳,朱家政,孟文睿,等.基于 MaxEnt 模型的陕西省菊芋种植潜在适宜区分析J.中国农业气象,2024,45(3):268-280 基于 MaxEnt 模型的陕西省菊芋种植潜在适宜区分析*尹 芳1，朱家政2，孟文睿2，金子悦2（1.长安大学土地工程学院，西安 710054；2.长安大学地球科学与资源学院，西安 710054）摘要：利用陕西省 29 个菊芋空间分布数据和 26 个环境因子，综合陕西省边际土地分布，运用最大熵模型（MaxEnt）模拟历史时期及未来气候变化下陕西省菊芋潜在适宜区分布，并将结果叠加陕西省现有边际土地进行分析。结果表明：（1）MaxEnt 模型模拟陕西省菊芋种植潜在适宜区结果精度较高，曲线下面积 AUC 为0.914。（2）基于历史时期环境数据，陕西省菊芋潜在分布区主要分布在榆林定边县、延安志丹县、安康汉滨区、商洛商州区和汉中西乡县，边际土地总适宜区面积约为 75992km2，占陕西省总面积的 36.9%，其中低、中、高适宜性面积分别约为 63169、11617 和 1205km2，主要边际土地利用类型为中覆盖度草地。（3）影响菊芋生长的 5 个重要环境因子为土壤深度（142.4155.4cm）、最暖月最高气温（29.431.6）、高程（210593m）、坡向（70.7239.5）和坡度（010.5）。（4）未来 4 种气候情景模式下陕西省菊芋种植中、高适宜区面积总体明显增加，20212040 年分别增加 14.39%46.46%和 46.90%95.39%，20412060 年分别增加15.95%71.52%和 48.46%111.40%。未来气候变化有助于陕西菊芋适宜种植区扩大，建议在榆林定边县、商洛商州区等高适宜地区开展种植实验，验证菊芋对当地环境的适宜性，探索推广培育的可行性。关键词：边际土地；能源作物；菊芋；适宜性分析；气候变化 Analysis of Potential Suitable Region for Jerusalem artichoke in Shaanxi Province by the MaxEnt Model YIN Fang1,ZHU Jia-zheng2,MENG Wen-rui2,JIN Zi-yue2(1.School of Land Engineering,Changan University,Xian 710054,China;2.School of Earth Science and Resources,Changan University,Xian 710054)Abstract:As a critical non-grain energy crop material,Jerusalem artichoke holds potential to produce bio-liquid fuels as a novel energy source.To accurately identify potentially suitable areas for Jerusalem artichoke cultivation in Shaanxi,this study utilized data on the spatial distribution of 29 Jerusalem artichoke samples within the province,incorporating 26 environmental factors.In conjunction with the distribution of marginal land in Shaanxi,the study applied the MaxEnt model to simulate the potential habitat distribution under current and future climate scenarios,and the results were superimposed with the existing range of marginal land in Shaanxi for further analysis.The findings revealed that:(1)the MaxEnt model exhibited high precision(current AUC=0.914)in simulating the potential habitat of Jerusalem artichoke in Shaanxi.(2)The potential distribution of Jerusalem artichoke currently lies primarily in Dingbian,Zhidan,Xixiang Hanbin District in Ankang,Shangzhou District in Shangluo and Xixiang,with the total suitable area of marginal land approximating 75992km2,accounting for 36.9%of the total area.The low,medium and high suitability areas amount to approximately 63169km2,11617km2,and 1205km2 respectively,with the primary marginal land use type being moderately coverage grassland.(3)The key environmental factors *收稿日期：20230522 基金项目：国家自然科学基金（42071258）；中央高校基本科研业务费专项（300102353501；300202222009）第一作者联系方式：尹芳，副教授，博士生导师，主要从事遥感与 GIS 应用、资源环境评价，E-mail： 第 3 期 尹芳等：基于 MaxEnt 模型的陕西省菊芋种植潜在适宜区分析 269influencing Jerusalem artichoke growth are soil depth(142.4155.4cm),the highest temperature in the warmest month(29.431.6),elevation(210593m),aspect(70.7239.5),and slope(010.5).(4)Under four future climate scenarios,the overall area suitable for medium to high-intensity cultivation of Jerusalem artichoke in Shaanxi is expected to see a significant increase.Specifically,the area of medium to high suitability for the cultivation of Jerusalem artichoke is expected to increase by 14.39%to 46.46%and 46.90%to 95.39%from 2021 to 2040,and by 15.95%to 71.52%and 48.46%to 111.40%from 2041 to 2060.In conclusion,current and future climate changes are likely to expand the suitable cultivation area for Jerusalem artichoke in Shaanxi.In conclusion,comparing the historical climate data,the future climate change will help to expand the suitable Jerusalem artichoke growing area in Shaanxi.Experimental introductions in highly suitable areas,such as Dingbian and Shangzhou districts in Shangluo are recommended to verify the suitability of Jerusalem artichoke to the local environment and explore the feasibility of extended cultivation.Key words:Marginal land;Energy plants;Jerusalem artichoke;MaxEnt;Suitability analysis;Climate change 作为全球人口最多的国家，面临着能源紧缺与人均耕地资源严重紧张双重难题1，中国积极推进生物液体燃料的研究与应用发展，以减少对传统化石燃料的依赖，坚持发展可持续能源2。生物液体燃料的原料供给是目前可持续能源发展面临的一大挑战36。然而生物燃料原料种植占用大量耕地，会加剧耕地资源的紧张。因土壤、水热、地形等因素限制农业产能、经济效益或生态脆弱的土地，如山坡地、荒漠、盐碱地等不适合种植粮食作物的土地，称为边际土地6。本着“不与粮争地”基本原则，寻找和利用边际土地种植非粮能源作物，成为可行方法711，不仅能满足生物燃料的生产需求，避免与粮食作物争地，还可能改善边际土地的生态环境，为中国可持续发展提供新途径。国内外有关利用边际土地种植能源作物的研究中，主要方法包括多因子综合评价1214、ArcGIS 分析法1517、最大熵模型（MaxEnt）1820等，其中 MaxEnt 与 ArcGIS 结合处理温度及降水因子，相比其他模型运算速度快、稳定性好、预测精度较高，在动物、林草、濒危植物、玉米、水稻以及冬小麦等多种作物适生区预测分析中广泛应用1828。菊芋因其块茎产量高、富含淀粉等多聚物，发酵后可产生乙醇，是规模化生产燃料乙醇和生物基化学品的原料，被认为是最具潜力的生物能源作物之一29。菊芋具有抗旱耐寒耐盐碱、防风固沙等重要作用2931，在干旱、冷凉、土壤瘠薄和盐碱化的西部地区种植，可有效改良土壤，生态价值较高32。国内外在菊芋育苗技术3031、产量和产能估算3233、调节生态环境34和经济价值35等方面已有大量研究，但仍缺少菊芋区域种植适宜性及关键环境因子影响分析。第六次国际耦合模式比较计划（CMIP6）综合考虑了不同模式和情景对未来气候的预估36，为未来气候变化对菊芋适宜种植分布区影响研究提供数据支持。本研究以陕西省边际土地为研究区域，利用最大熵模型和历史时期环境因子数据，模拟陕西省菊芋适宜种植分布区，从涵盖温度、降水、地形、土壤等 26个环境因子获取影响菊芋生长的主要环境因子及其响应曲线，进一步分析 20212060 年 4 种未来气候情景模式下陕西省菊芋种植适宜区，以期为陕西省非粮能源作物规模化种植及生物能源产业发展提供参考。1 材料与方法 1.1 研究区域 陕西省位于中国西北部（1052911115E，31423935N），占地面积 205800km2，由灌木林地、稀疏林地、草地、盐碱地、裸地构成的边际土地面积占全省面积的 46.61%（图 1）。中部关中平原地势最低，包括西安、宝鸡、咸阳、渭南；北部黄土高原地区地势较高，包括铜川、延安、榆林；陕南为秦巴山区地势最高，包括汉中、安康、商洛。2021年全省年平均气温 12.9，自北向南递增：陕北 913，关中平原 816，陕南 1317；全省年降水量 965mm，降水南多北少，陕南为湿润区，关中为半湿润区，陕北为半干旱区37。1.2 数据来源 2021 年 10 月在陕西省商州区实地调查获取了20 个菊芋实际种植样点；检索中国数字植物标本馆（Chinese Virtual Herbarium）和全球生物多样性信息 中 国 农 业 气 象 第 45 卷 270 库（Global Biodiversity Information Facility）（https:/doi.org/10.15468/dl.mns47n）菊芋野外样本记录，共获取 28 个菊芋种植样点。调研及文献调研共获取48 个菊芋种植样点，对位置信息描述不明确的样点，结合土地利用类型和 Google Earth 软件判定具体地理坐标，去除网格重复样本后，最终获得 29 条陕西菊芋实际种植样点（图 1）。图 1 陕西省边际土地及菊芋实际种植样点分布 Fig.1 Distribution of marginal land and actual planting samples of Jerusalem artichoke in Shaanxi province 针对菊芋生长特性，选取可能影响其生长发育的 21 个气候因子、2 个土壤因子以及 3 个地形因子（表 1）。19792013 年历史时期气候因子数据包括年降水量、月降水量、年平均温度等 19 个因子，记作Bio1Bio19，数据来自 CHELSA V2.1（http:/chelsa-climate.org/），空间分辨率为 3030；1979-2013年0和10的有效积温（AT0，AT10）来自中国气象局，空间分辨率为 1000m1000m；20212060年未来气候情景数据来自 WorldClim（https:/www.worldclim.org/），选择 CMIP6 中共享社会经济路径（SSPs）中代表低排放（SSP126）、中排放（SSP245）、中高排放（SSP370）和高排放（SSP585）4 个情景模式，空间分辨率 2.52.5。地形因子高程数据（DEM）来源于国家科技基础条件平台国家地球系统科学数据中心地理资源分中心（http:/），空间分辨率为 30m30m，据此计算坡度和坡向（SLOPE、ASPECT）。土壤因子包括土壤深度和有机质含量（DEPTH、OM），来源于 19781979 年全国第二次土地调查，空间分辨率 1000m1000m。2005年陕西省土地利用数据来源于国家地球系统科学数据 中 心（http:/），空 间 分 辨 率100m100m，以此生成灌木林地、疏林地、高覆盖度草地、中覆盖度草地、低覆盖度草地、盐碱地和裸地共 7 种土地类别的边际土地数据。将上述 26 个环境因子以及边际土地数据的栅格数据统一在ArcGIS10.2 中投影到 WGS1984 坐标系，调整空间分辨率至 100m100m，裁剪至研究区域大小，输出为.asc 格式文件。为避免 26 个所选环境因子间存在自相关性，对所有环境因子进行 Pearson 相关系数检验，去除相关系数|r|0.75 高度相关 17 个环境因子，保留相关系数|r|0.75 的低相关 9 个因子，具体为年平均气温（Bio1）、最暖月最高气温（Bio5）、最冷月最低气温（Bio6）等，年降水量（Bio12），降水量季节性变异系数（Bio15），数字高程（DEM），平均坡度（SLOPE），坡向（ASPECT）和土壤深度（DEPTH），如表 1 所示。模型模拟时首先使用历史时期气候因子与地形、土壤因子进行菊芋适宜性分布模拟，再利用未来不同情景模式的气候因子与地形、土壤因子进行未来菊芋适宜性分布预测。1.3 MaxEnt 模型参数设置 MaxEnt 模型38根据当前存在物种记录模拟物种分布，是评价生态位模型准确性的有效方法之一。在模拟物种分布时，该模型可输出接受者操作特性曲线（Receiver operating curve，ROC），通过比较曲线下面积（Area under receiver operating curve，AUC）大小，评价模型模拟效果。当 AUC 越接近 1 代表模型越准确18。在 MaxEnt 模型39中，随机测试百分比（Random test percentage）是模型从样点数据中随机选取测试集的比例，正则化乘数（Regularization multiplier）用来控制模型复杂度和防止过拟合37，重复测试次数（Replicates）控制模型随机测试的次数。分别选取 20%、25%、30%为随机测试百分比，结果发现对模型预测结果无显著差异（图 2）。由图可知，随正则化乘数从 0.5 调整到 10，AUC 数值逐 第 3 期 尹芳等：基于 MaxEnt 模型的陕西省菊芋种植潜在适宜区分析 271表 1 26 个环境因子及去相关性后保留的 9 个环境因子 Table 1 26 environmental factors and 9 factors removed correlation 因子类型 Factor type 代码 Code 环境因子 Environment factor 单位 Unit 保留因子 Factor after decorrelationBio1 年平均气温 Mean annual air temperature C Bio2 平均日温差 Mean diurnal of air temperature range C Bio3 等温性 Isothermality%Bio4 温度季节性 Temperature seasonality Bio5 最暖月最高气温 Mean maximum air temperature of the warmest month C Bio6 最冷月最低气温 Mean maximum air temperature of the coldest month C Bio7 气温年变化范围 Annual range of air temperature C Bio8 最潮湿季平均气温 Mean air temperatures of the wettest quarter C Bio9 最干燥季平均气温 Mean air temperatures of the driest quarter C Bio10 最暖季平均气温 Mean air temperatures of the warmest quarter C Bio11 最冷季平均气温 Mean average air temperatures of the coldest quarter C Bio12 年降水量 Annual precipitation mm Bio13 最潮湿月降水量 Precipitation of the wettest month mm Bio14 最干旱月降水量 Precipitation of the driest month mm Bio15 降水量季节性变异系数 Precipitation seasonality%Bio16 最潮湿季降水量 Mean monthly precipitation of the wettest quarter mm Bio17 最干旱季降水量 Mean monthly precipitation of the driest quarter mm Bio18 最暖季降水量 Mean monthly precipitation of the warmest quarter mm Bio19 最冷季降水量 Mean monthly precipitation of the coldest quarter mm AT0 0积温 Accumulated temperature greater than 0C Cd 气候因子 Climate factor AT10 10积温 Accumulated temperature greater than 10C Cd DEM 数字高程 Digital elevation m SLOPE 平均坡度 Mean slope 地形因子 Terrain factor ASPECT 坡向(0360)Aspect DEPTH 土壤深度 Soil depth cm 土壤因子 Soil factor OM 土壤有机质 Soil organic matter%图 2 不同随机测试百分比下正则化乘数(a)与重复测试次数(b)对模型 AUC 值的影响 Fig.2 The impact of different random test percentages on the AUC values of the model with respect to regularization multiplier(a)and the number of repeated tests(b)中 国 农 业 气 象 第 45 卷 272 步降低（图 2a）；重复测试次数从 2 次逐渐增加到22 次，模型重复测试次数18 次时，模型 AUC 波动较大（图 2b）。基于上述测试结果，设定 MaxEnt模型中正则化乘数为 0.5，随机测试百分比为 30%，重复测试 20 次。1.4 模型适用性评价及适宜区判定 在MaxEnt软件中将去除相关性的9个环境因子作为环境图层，输入 29 个有效分布样点数据，对陕西省菊芋潜在适宜区进行模拟，模型得到的 AUC 值为 0.9140.026，AUC 值大于 0.9 证明模型模拟效果为好18,38。把模型结果中的 ASCII 文件导入 ArcGIS中转换为栅格文件，栅格文件中像素值即为菊芋存在概率（Probability of existence，P），P 值为 0 到 1之间的值。对栅格文件进行重分类，将陕西省菊芋潜在适宜区划分为不适宜（P0.08）、低适宜性（0.08P0.28）、中适宜性（0.28P0.58）和高适宜性（P0.58）17,25。1.5 环境因子评估 MaxEnt 软件通过输出环境因子的贡献率、置换重要度以及折刀检验，评估环境因子对物种分布的重要性。贡献率越大表明环境因子对模型训练的贡献越大，置换重要度表示在替换随机样点的环境因子时模型 AUC 的减少值，置换重要性越大表明模型对环境因子的依赖越大。折刀检验对单个环境因子逐一运行得出结果，来比较缺少某个环境因子或仅使用某个环境因子对模型训练带来的收益。2 结果与分析 2.1 菊芋种植适宜分布主导影响因子贡献分析 MaxEnt 模型去除相关性后 9 个关键环境因子的贡献率和置换重要度如表 2 所示。由表可知，模型预测中各因子贡献率从大到小依次为土壤深度DEPTH（19.1%）、最暖月最高气温 Bio5（15.7%）、数字高程 DEM（14.9%）、坡向 ASPECT（13.5%）、坡度 SLOPE（12.1%）、最冷月最低气温 Bio6（9.1%）、年降水量 Bio12（7.3%）、降水季节性（变异系数）Bio15（5.0%）、年平均气温 Bio1（3.3%），其中地形因子累计贡献率为 40.5%，气候因子累计贡献率为40.4%，土壤累计贡献率为 19.1%，表明地形、气候因子对模型预测的贡献度最高。置换重要度从大到小依次为数字高程、最冷月最低气温、土壤深度、年降水量等，表明模型对地形因子中数字高程 DEM 依赖性最高，其次为气候因子中最冷月最低气温 Bio6。表 2 MaxEnt 模型中 9 个关键环境因子的贡献率和置换 重要度(%)Table 2 The contribution and permutation importance percentage of 9 environmental factors to the MaxEnt model(%)因子代码 Factor code 贡献率 Percent contribution 置换重要度 Permutation importance Bio1 3.3 3.1 Bio5 15.7 10.1 Bio6 9.1 17.1 Bio12 7.3 13.9 Bio15 5.0 5.6 DEM 14.9 19.6 SLOPE 12.1 9.2 ASPECT 13.5 6.0 DEPTH 19.1 15.4 进一步通过折刀检验对各因子在模型中训练收益对比。由图 3 可知，当仅使用数字高程（DEM）和最暖月最高气温（Bio5）作为单个影响变量时，此变量带来的训练收益最大，表明单独的数字高程（DEM）和最暖月最高气温（Bio5）比其他环境因子可为模型带来更多训练收益；当土壤深度（DEPTH）和坡向（ASPECT）作为缺少的单个变量时，缺少此变量导致模型训练收益最小，表明土壤深度（DEPTH）和坡向（ASPECT）是 9 个环境因子共同训练时不可缺少的环境因子。综合贡献率、置换重要度、折刀检验结果可知，地形（含数字高程、坡向）是影响模型模拟菊芋分布适宜性的主要环境因子，气候、土壤次之。图 3 折刀检验中各变量单独或缺少时对模型训练的收益比较 Fig.3 Comparison of benefits to model training when each variable is separate or missing in Jackknife test 图 4 为菊芋种植分布概率与各环境因子的响应曲线，分布概率随环境因子变化，当响应曲线内菊 第 3 期 尹芳等：基于 MaxEnt 模型的陕西省菊芋种植潜在适宜区分析 273 图 4 菊芋潜在高适宜种植分布对 9 个关键环境因子的响应曲线（虚线为存在概率=0.58）Fig.4 Response curves of potentially high suitable planting distribution of Jerusalem artichoke to 9 key environmental factors(The dotted line is probability=0.58)芋分布的存在概率0.58 时，视为菊芋潜在高适宜种植的环境因子范围17,25。由图可知，数字高程 DEM 适宜范围为 210593m；最暖月最高气温 Bio5 适宜范围为 29.431.6；年平均气温 Bio1 适宜范围为 13.117.5；土壤深度DEPTH适宜范围为142.4155.4cm；最冷月最低气温 Bio6 适宜范围为5.40.9；平均坡度 SLOPE 适宜范围为 010.5；降水季节性 Bio15适宜范围为 56.0%72.6%；坡向 ASPECT 适宜范围为 70.7239.5；年降水量 Bio12 适宜范围为457.4653.0mm。其中，数字高程 DEM、最暖月最高气温 Bio5、土壤深度 DEM、平均坡度 SLOPE 具有显著峰值。2.2 陕西省边际土地内菊芋种植潜在适宜区的分布范围 将菊芋潜在适宜种植区与陕西省边际土地数据叠加，得到陕西省边际土地内的菊芋种植适宜性分布及所占面积（图 5、表 3）。由图表可知，历史时期陕西省边际土地内菊芋种植潜在适宜区总面积为75992.25km2，占陕西省土地总面积的 36.96%。高适宜性区域边际土地面积为 1205.84km2，主要分布在安康中部和商洛东北部，占全部适宜区边际土地面积 的 1.59%；中 适 宜 性 区 域 边 际 土 地 面 积 为11617.02km2，分布于安康、商洛、榆林、延安等地区，占 15.28%；低适宜性区域边际土地面积为63169.39km2，分布范围最广，占比为 83.13%。在陕 中 国 农 业 气 象 第 45 卷 274 图 5 陕西省边际土地内菊芋种植适宜性分布 Fig.5 Suitability of Jerusalem artichoke distribution within marginal land in Shaanxi province 南、陕北、关中三个地区中，陕北地区菊芋边际土地面积 34483.28km2，大部分为低适宜性；其次是陕南地区 32614.09km2适宜区边际土地，拥有三个地区最大的高适宜性区域面积 846.01km2。陕西 10 个 地级市中，陕北地区榆林市的适宜种植总面积最大，陕南安康市拥有最大的中适宜和高适宜性种植面积。由陕西省菊芋种植潜在适宜区内的边际土地分布（图 6）和陕西省菊芋种植适宜区内的边际土地分类面积统计结果（表 4）可知，陕西省菊芋潜在种植适宜区内边际土地内的土地类别按面积大小依次为中覆盖度草地、低覆盖度草地、高覆盖度草地、稀疏林地、灌木林地，以及盐碱地和裸地。其中，中覆盖度草地占适宜区边际土地面积的 49.83%，占比最大；低覆盖度草地占适宜区边际土地面积的16.50%；陕南、关中的适宜区土地类型均以中覆盖度草地、高覆盖度草地为主，陕北的适宜区土地类型则以中覆盖度草地、低覆盖度草地为主。2.3 不同气候情景下未来陕西省菊芋种植潜在适宜区的分布范围 利用未来不同气候情景下的气候因子数据，对陕西省菊芋种植潜在适宜区进行预测，将输出的菊芋种植适宜性结果叠加陕西省边际土地分布，根据分布概率划分适宜区后，获得未来不同气候情景模式下陕西省边际土地内菊芋种植潜在适宜区分布和适宜区面积（图 7、表 5）。相较于历史时期，未来不同气候情景下陕西省菊芋种植中和高适宜区面积总体上均明显增加。20212040 年，陕西省菊芋中、高度适宜区面积将分别增加 14.39%46.46%和 表 3 陕西省菊芋种植适宜分布区面积统计(km2)Table 3 Statistical results of different suitability areas within the suitable distribution zone for Jerusalem artichoke cultivation in Shaanxi province(km2)地区 District 不适宜 Unsuitable 低适宜 Low suitable 中适宜 Medium suitable 高适宜 High suitable 适宜区合计 Total suitable distribution 区域合计Total area西安 Xian 735.22 1155.82 536.18 207.98 1899.99 宝鸡 Baoji 1685.88 2520.46 178.84 1.99 2701.28 咸阳 Xianyang 565.66 1730.42 264.61 26.83 2021.86 关中平原 Guanzhong plain 渭南 Weinan 431.70 1658.56 509.19 103.99 2271.74 8894.87 汉中 Hanzhong 3856.77 8229.69 927.64 22.19 9179.52 安康 Ankang 1182.65 9140.28 2742.68 490.98 12373.93 陕南 Southern Shaanxi 商洛 Shangluo 1955.79 7990.08 2737.71 332.84 11060.63 32614.09铜川 Tongchuan506.21 823.98 28.65 0.00 852.63 延安 Yanan 5666.18 15357.22 1057.63 0.00 16414.85 陕北 Northern Shaanxi 榆林 Yulin 3345.10 14562.88 2633.89 19.04 17215.81 34483.28总计 Total 75992.25 第 3 期 尹芳等：基于 MaxEnt 模型的陕西省菊芋种植潜在适宜区分析 275 图 6 陕西省菊芋种植适宜区内的边际土地类型 Fig.6 Marginal land types within the suitable distribution area of Jerusalem artichoke distribution in Shaanxi province 表 4 陕西省菊芋种植适宜区内的边际土地分类面积统计结果(km2)Table 4 Statistical results of marginal land classification area suitable for planting Jerusalem artichoke in Shaanxi province(km2)地区 District 灌木林地 Shrub woodland 稀疏林地 Sparse woodland 高覆盖度草地High coverage grassland 中覆盖度草地 Medium coverage grassland 低覆盖度草地Low coverage grassland 盐碱地 Saline alkali land 裸地Bare land 合计 Total 西安 Xian 310.65 159.3 391.95 621.13 416.46 0.33 0.17 1899.99宝鸡 Baoji 271.9 126.35 404.37 1727.28 170.39 0.33 0.66 2701.28咸阳 Xianyang 202.85 70.87 127.84 1525.59 90.91 0 3.81 2021.86关中平原 Guanzhong plain 渭南 Weinan 189.93 107.63 241.76 1463.16 210.8 55.8 2.65 2271.74汉中 Hanzhong 553.24 1483.03 2863.89 4269.26 6.13 0 3.97 9179.52安康 Ankang 856.27 2087.77 2661.71 6611.05 154 0 3.15 12373.93陕南 Southern Shaanxi 商洛 Shangluo 989.07 2038.26 2950.33 3964.08 1117.9 0 0.99 11060.63铜川 Tongchuan 308.66 36.93 98.69 403.05 5.3 0 0 852.63延安 Yanan 2059.29 864.22 711.54 9067.92 3688.37 0 23.5116414.85陕北 Northern Shaanxi 榆林 Yulin 1023.85 824.15 237.62 8213.47 6676.62 146.05 94.0617215.81总计 Total 6765.71 7798.51 10689.7 37865.99 12536.88 202.51 132.9775992.25 46.90%95.39%；20412060 年，陕西省菊芋中、高 适 宜区面积将 分 别 增 加 15.95%71.52%和48.46%111.40%；未来菊芋种植的高适宜性区域分散在安康、商洛、渭南、西安、咸阳、榆林和汉中等地区，其中商洛东北部、榆林西部以及安康市中东部的中、高适宜区占比最大，分布相对集中。未来时期不同阶段菊芋潜在适宜区分布也不同，20402060 年菊芋潜适宜区分布范围将比 2021 2040 年有所扩大，陕南商洛东北部部分区域由低、中适宜性转为高适宜性，榆林西部地区的高适宜 中 国 农 业 气 象 第 45 卷 276 图 7 未来不同气候情景模式下边际土地中陕西菊芋适宜种植分布预估 Fig.7 Prediction of suitability of Jerusalem artichoke distribution within marginal land in Shaanxi province under different fut