基于MaxEnt模型的内蒙古自治区樟子松潜在分布研究_宋慧芳.pdf

第 41 卷 第 2 期2023 年 4 月四川农业大学学报Journal of Sichuan Agricultural UniversityVol.41 No.2Apr.2023基于MaxEnt模型的内蒙古自治区樟子松潜在分布研究宋慧芳1，党晓宏1，2*，高永1，蒙仲举1，孙艳丽1（1.内蒙古农业大学沙漠治理学院，呼和浩特 010000；2.内蒙古杭锦荒漠生态系统国家定位观测研究站，内蒙古 鄂尔多斯 017000）摘要：【目的】优化樟子松已有种植区的布局以及科学推广引种其适宜种植范围。【方法】采用环境因子和地理分布数据，结合ArcGIS与MaxEnt模型，分析影响樟子松分布的主导环境因子以及预测其潜在地理分布。【结果】MaxEnt模型在樟子松潜在生境模拟中，AUC=0.821，有较好精度。最潮湿月份的降水量（BIO13）、等温性（BIO3）和最潮湿季节的平均温度（BIO8）和最干燥季节的平均温度（BIO9）为影响樟子松分布的主导环境因子。研究区樟子松适生区总面积为86.997 8万km2，其中高适生区面积为30.811 7万km2，占内蒙古总面积的25.76%，主要集中在呼伦贝尔、兴安盟、锡林郭勒盟、赤峰和呼和浩特等地区。【结论】东北地区樟子松潜在分布范围最广，且气候因子是樟子松分布的主要影响因子，该研究结果可为各地区加强樟子松防风固沙林建设提供依据。关键词：樟子松；最大熵模型；地理信息系统；潜在分布中图分类号：S791.253 文献标志码：A 文章编号：1000-2650（2023）02-0203-06Potential Distribution of Pinus sylvestris in Inner Mongolia Autonomous Region Based on MaxEnt ModelSONG Huifang1，DANG Xiaohong1，2*，GAO Yong1，MENG Zhongju1，SUN Yanli1（1.College of Desert Control，Inner Mongolia Agricultural University，Hohhot 010000，China；2.National Positioning Observation and Research Station of Guhangjin Desert Ecosystem in Inner Mongolia，Ordos 017000，Inner Mongolia，China）Abstract:【Objective】This study aimed to optimize the layout of the existing planting area of Pinus sylvestris and identify suitable planting areas for future introduction and extension of planting scientifically.【Method】This paper used environmental factors and geographical distribution data，combined with ArcGIS and MaxEnt model，to predict the dominant environmental factors and potential geographical distribution of P.sylvestris.【Result】In the simulation of potential habitat of P.sylvestris，the MaxEnt model has a high accuracy with AUC=0.821.Precipitation in the wettest month（BIO13），isotherm（BIO3），mean temperature of wettest quarter（BIO8）and mean temperature of driest quarter（BIO9）were the most important environmental factors affecting the distribution of P.sylvestris.The total suitable growing area of P.sylvestris in the study area is 86.997 8 km2，with the highly suitable area being 30.811 7 km2，which is 25.76%of the total Inner Mongolia area.These highly suitable areas were mainly distributed in Hulunbuir，Xingan League，Xilin Gol League，Chifeng and Hohhot.【Conclusion】This study suggests that the potential distribution of P.sylvestris is the widest in northeast China，with climate being the main influential factors for the distribution.These results provide a basis for strengthening the construction of windbreak and sand fixation forests of P.sylvestris in different regions.Keywords:Pinus sylvestris；maximum entropy model；geographic information system；the potential distributiondoi:10.16036/j.issn.1000-2650.202211193收稿日期：2022-11-21基金项目：内蒙古自治区科技重大专项“浑善达克沙地植被快速营建技术研究”。作者简介：宋慧芳，硕士研究生。*责任作者：党晓宏，副教授，博士，博士生导师，主要从事水土保持与荒漠化防治研究，E-mail：。四川农业大学学报第 41 卷 樟子松（Pinus sylvestris）生长慢但寿命长、抗逆性和耐寒性强，具有耐腐蚀、稳定性强等特性1-2。1995年科尔沁沙地首次成功引种樟子松3，并在三北防护林建设中得到广泛应用，是我国北方水土保持和防风固沙工程中最重要的树种之一4。但是由于环境和植物本身影响因素的干扰，北方樟子松人工林开始大面积退化5，特别是科尔沁沙地将近40%的樟子松防风固沙林出现生长不良症状6。目前樟子松的研究主要集中在培育技术7、土壤理化性质8和物种多样性9等方面，对其潜在适生分布区的研究较少。目前常见的用于物种潜在适生区预测模型有最大熵（MaxEnt）、生态位因子分析（ENFA）、遗传算法（GARP）、生物气候分析系统（BIOCLIM）和区域环境模型（DOMAIN）等10。对比上述这些模型，其中适用范围较广的是最大熵（MaxEnt）模型，即使物种样本数据数量较少的情况下也能有较高的预测精度和准确的预测成果11。MaxEnt模型根据物种已有地理分布位置和相应的多种环境因子，按照气候相似原理，计算出特定生态位限制条件下物种分配定律的最佳状态，即熵最大时该物种在研究区内的潜在分布范围12。近年来，普遍运用在外来物种入侵预警13-14、疾病传播途径15-16及物种潜在地理分布预测17-18等领域。Phillips团队运用Java语言编写了MaxEnt模型软件19，刘超等20基于MaxEnt模型结合ArcGIS软件对川梨（Pyrus pashia）自冰期以来不同时期的分布进行预测，认为随历史气候的变迁，川梨由末次盛冰期经全新世中期进入当代，分布区面积呈现先下降后上升的趋势。王浩等21分析野生防风（Saposhnikovia divaricata）分布信息及多个环境因子，预测防风生态适宜性区划，为栽培防风的扩大生产提供基础研究数据。秦委等22基于MaxEnt模型结合 ArcGIS 软件研究我国范围内东南茜草（Rubia argyi）的潜在地理分布，预测结果可为东南茜草野生抚育与人工栽培的合理布局提供理论参考依据。因此，为了探索樟子松潜在分布区域，并进行科学推广种植，为樟子松的合理分区栽种提供基础研究数据，本文采用实地调查与数据处理相结合的方法，以内蒙古自治区为例，将樟子松存在记录分布点数据及其相关环境因子，如气候、土壤和地形因子数据等利用ArcGIS软件进行前期数据处理，利用MaxEnt模型统一构建其潜在生境的空间适宜分布函数，最终得到樟子松潜在分布区域以及影响其分布的主要环境因子，对实现樟子松科学种植以及防风固沙林的稳定发展具有重要意义。1材料和方法1.1研究区概况内蒙古自治区(37.4053.38N，97.27126.07E)位于我国西北部，东西直线距离2 400 km，土地总面积118.3万km2，占中国土地总面积的12.3%。全区地势较高，平均海拔高度在1 000 m以上，属于蒙古高原型地貌，全年大风日数平均在1040 d，年日照时数都在2 700 h以上，属于温带大陆性季风气候。年降水量在100500 mm之间，受到气候及地形地貌影响，内蒙古降水量在空间分布上呈现出东北高西南低的趋势23，是我国典型的农牧带过渡区，东部地区土壤肥沃，土地生产力较强适宜农业发展，中西部地区土壤水分结构相对较差，存在大量荒地和沙漠，生态系统以草原、森林、荒漠和裸地为主24。1.2数据来源樟子松分布点数据来源于国家标本资源共享平台（http:/ 3列表并以.csv格式保存；由于樟子松为深根性树种，所以最终选择共17条以S_开头的下层土壤属性（30100 cm）土壤类型包括：土壤有效含水量、沙含量、黏土含量、土壤质地分类、土壤容重、有机碳含量、酸碱度、土壤的阳离子交换能力、基本饱和度、硫酸盐含量和电导率等；结合ArcGIS处理内蒙古自治区海拔、坡度、坡向数据、19项气候数据和17项土壤数据，共39项环境因子转换为ASC格式用于MaxEnt模型对内204第 2 期宋慧芳，等：基于MaxEnt模型的内蒙古自治区樟子松潜在分布研究蒙古地区樟子松生境的模拟。1.4MaxEnt模型参数设置环境因子之间高度相关会使模型预测准确性降低，故用MaxEnt模型中的刀切法（Jackknife）来初步测定环境因子模拟贡献率大小，为避免过度拟合要选择保留贡献率大的因子（贡献率2%），在ArcGIS中利用多元分析工具，统计栅格图层数据相关矩阵，比较相关系数，若|r|0.8，全部保留，若|r|0.8，对比MaxEnt模型中两者贡献率，剔除贡献率相对较小的影响因子26，经过筛选本研究最终确定了6个主要环境因子用于模型预测樟子松的潜在分布，如表1所示。结合樟子松分布点数据和6项环境数据构建MaxEnt模型，建立模型时随机选取75%的樟子松存在记录点作为训练数据，剩余25%的数据则作为验证数据27，将重复次数设置为10次，以此来消除训练数据（75%）和验证数据（25%）产生的误差28，最终得到预测结果。MaxEnt模型物种潜在分布预测运行结果中的物种工作特征曲线（receiver operating characteristic，ROC）能够模拟预测进行自检验，采用刀切法（Jackknife）分别对每一个环境变量进行测定，且衡量每一项环境变量的贡献率，可以分析不同环境变量对物种分布情况的作用。在ArcGIS中将MaxEnt模型运行结果的樟子松潜在适宜分布区进行重分类，适宜程度划分为（适生指数）P0.05为非适生区、0.05P0.8，可以看出MaxEnt模型预测精度较图1内蒙古地区樟子松存在记录分布点位置图Figure 1Location map of P.sylvestris recorded in Inner Mongolia表1环境变量对MaxEnt模型构建的贡献率Table 1Contribution rate of environmental variables to MaxEnt model construction序号No.123456环境变量Environment variable最潮湿月份的降水量等温性最潮湿季节的平均温度土壤有效含水量最干燥季节的平均温度海拔代码SymbolBIO13BIO3BIO8CLASSBIO9Altitude贡献率/%Percent contribution32.130217.45.64置换重要性/%Permutation importance4.312.447.213.89.812.4图2樟子松潜在分布预测的ROC曲线Figure 2ROC curve for predicting potential distribution of P.sylvestris205四川农业大学学报第 41 卷 好，预测结果准确可靠，可以应用在樟子松潜在分布研究中。2.2主导环境因子从表1、图3看出，气候因子最潮湿月份的降水量（BIO13）贡献率最大，达到32.1%，最潮湿季节的平均温度（BIO8）置换重要性最大，为47.2%，气候因子累计贡献率和置换重要性分别为88.7%、73.7%；而土壤因子（class）和地形因子（altitude）累计贡献率、置换性为11.4%、26.2%，因此影响樟子松潜在分布的主要因子为气候因子，其次是土壤、地形因子。根据刀切法测定的变量权重模拟时的训练得分判定标准：“只含某变量”得分较高时，说明该因子重要，对物种分布贡献较大。正则化训练增益、测试增益和樟子松工作特征曲线下面积（AUC）值“只含某变量”得分最高前4位的变量均为最潮湿月份的降水量（BIO13）、等温性（BIO3）、最潮湿季节的平均温度（BIO8）和最干燥季节的平均温度（BIO9）。结合 上 述 分 析 最 终 确 定 最 潮 湿 月 份 的 降 水 量（BIO13）、等温性（BIO3）、最潮湿季节的平均温度（BIO8）、最干燥季节的平均温度（BIO9）为影响樟子松潜在分布的主导环境因子。分析图4樟子松分布概率环境因子的响应曲线表明，当樟子松分布概率大于0.5时，最潮湿月份降水量（BIO13）分布范围在80135 mm，其中最适宜范围在105115 mm之间；等温性（BIO3）计算：平均日较差（BIO2）/温度年较差（BIO7）100，代表一年间温度变化的稳定状态，可以看出等温性值26时为其适宜范围，最适宜范围低于23.0；最潮湿季节平均温度（BIO8）范围在1219.5 时为适宜变化范围，17 左右时樟子松分布概率出现最高值，为最适宜；最干燥季节的平均温度（BIO9）在-30-15 和0 以上时为适宜变化范围，其中温度回暖至0 以上最适宜。当最潮湿季节的平均温度过高，最干燥季节的平均温度过低都会抑制樟子松的分布。2.3樟子松潜在分布范围结合MaxEnt模型适生指数P值的运行结果，参照IPCC31关于评估物种适宜生存“可能性”的划分标准以及周炳江等29对云南榧树（Torreya yunnanensis）、李昂等32对樟子松的潜在分布划分方法，将樟子松在研究区域的潜在生境适宜程度划分为：（适生指数）P0.05为非适生区、0.05P0.33为中适生区、P0.33为高适生区。根据模型预测结果如图5、表2所示，樟子松在内蒙古自治区适宜分布区域为呼伦贝尔、兴安盟、锡林郭勒盟、通辽、赤峰、呼和浩特、巴彦淖尔和鄂尔多斯等地区，适宜分布面积约为86.997 8万km2，占总面积的72.73%。高适生分布区主要在呼伦贝尔市北部、兴安盟北部、锡林郭勒盟南部、赤峰市北部和呼和浩特市，分布面积为30.811 7万km2，占总面积的25.76%，模型预测结果中阿拉善盟地区樟子松呈现零星破碎化分布，累计非适生区分布总面积共约32.623 6万km2，占总面积的27.27%，从环境条件看阿拉善盟地区高温缺水，目前不适宜引种人工樟子松。3讨论与结论3.1讨论目前樟子松林天然分布于我国大兴安岭和呼伦贝尔沙地草原33，分布最广的位于内蒙古自治区呼伦贝尔市鄂温克族自治旗境内红花尔基樟子松林区。樟子松是东北大兴安岭山地地带造林和固沙造林的先锋树种，能够涵养水源，十分有利于防风固沙，因此新中国成立以后，樟子松的人工栽植区日益扩展，自此先后引入到内蒙古等地区34。同样本研究预测结果表明樟子松主要位于内蒙古呼伦贝尔、兴安盟、赤峰等东北部，以及呼和浩特市、图3樟子松潜在分布刀切法预测图Figure 3Prediction of potential distribution of P.sylvestris by knife cutting method206第 2 期宋慧芳，等：基于MaxEnt模型的内蒙古自治区樟子松潜在分布研究包头市和鄂尔多斯市等，这与张日升等35在三北防护林建设地区樟子松适宜分布区分析结果相一致。MaxEnt模型预测结果与樟子松实际地理分布高度一致，表明MaxEnt模型对于樟子松的分布预测结果较为准确、可靠。研究区内高、中适生区面积分别为30.811 7 km2、56.186 1 km2，而阿拉善盟、鄂尔多斯西北部以及乌兰察布北部樟子松分布面积较小。受环境制约，西部区域普遍干旱少雨，年均温较高，降水较少且蒸发强烈，导致水分不足无霜期较长，地貌类型多为流动沙地、半流动沙地及戈壁，环境恶劣，导致樟子松分布较少。本研究结果表明，影响樟子松潜在分布的主要因子是气候因子，其次是土壤和地形因子。这正与李昂32对于北方樟子松适宜性分布研究结果高度一致。在气候衍生变量中，最潮湿月份的降水量（BIO13）、等温性（BIO3）、最潮湿季节的平均温度（BIO8）和最干燥季节的平均温度（BIO9）为影响樟子松分布的主要因子，其中温度类型的主要气候因子累计贡献率高达69.4%，说明樟子松分布对于温度变化响应更为敏感。而李蒙蒙等36研究也同样表明，温度是影响天然樟子松引种的主导气候因子，其次是湿度、光照、海拔和风速。其中最潮湿月份的降水量（BIO13）最适宜范围在105115 mm之间，北方地区降水量月份较为集中，降水过多造成林分高温高湿的环境条件林分生长势降低37。最潮湿季节的平均温度（BIO8）适宜值在17 左右、过高时导致蒸发量增加，水分缺失，樟子松分布急剧降低。最干燥季节的平均温度（BIO9）0 以上最适宜，其干旱、低温的环境条件导致樟子松生长速度减缓36。由于森林生态系统对影响因子的响应较为复杂，预测结果与实际分布会存在一定的误差。比如图4樟子松的分布概率环境因子的响应曲线Figure 4Distribution probability of P.Sylvestris-Response curve of environmental factors图5内蒙古地区樟子松潜在分布区划Figure 5Potential distribution regionalization of P.Sylvestris in Inner Mongolia207四川农业大学学报第 41 卷 地形因素影响导致一些点位信息未被调查到，因此通过查阅尽可能多的网络数据库来减小偏差；今后可以从生物因素、种内和种间关系、人为因素等多方面综合进行考量38；在筛选环境变量时通过综合考量方式来降低模型误差。未来还要将大量的研究数据进行模拟，情景进行分析，使得预测更精确，结果更可靠。3.2结论在影响樟子松分布的多重环境变量中，气候因子对其生长响应更为敏感，其次土壤和地形因素。樟子松在内蒙古自治区适宜分布区域主要集中在中部和东北部，其中呼伦贝尔、兴安盟、锡林郭勒盟、通辽、赤峰、呼和浩特、巴彦淖尔和鄂尔多斯等地分布最广，阿拉善盟地区分布较少，其高温缺水的环境条件抑制了樟子松的生长。按照本研究筛选出的主导环境因子，可以增加相对应的管护措施，其要注意最潮湿、干燥季节和最潮湿月份的平均温度和降水量，可以在冬季来临之前做埋土处理，在临冬和临春季节及时浇水，减小其蒸发，保证其生存环境内适宜的温度及水分39，促进樟子松的生长发育繁殖。参考文献：1 王谦.陕西榆林樟子松林木生长与种子萌发规律研究 D.北京：北京林业大学，2015.2 刘平.樟子松的生长规律及影响因子的研究 D.保定：河北农业大学，2009.3 焦树仁.辽宁省章古台樟子松固沙林提早衰弱的原因与防治措施 J.林业科学，2001，37（2）：131-138.4 侯瑞萍，张克斌，郝智如.造林密度对樟子松人工林枯落物和土壤持水能力的影响 J.生态环境学报，2015，24（4）：624-630.5 刘明国，苏芳莉，马殿荣，等.多年生樟子松人工纯林生长衰退及地力衰退原因分析 J.沈阳农业大学学报，2002，33（4）：274-277.6 闫妍.基于水量平衡的科尔沁沙地樟子松防护林生态适宜性评价 D.北京：中国科学院大学，2014.7 刘林.樟子松人工林造林及管理技术 J.南方农业，2021，15（33）：64-66.8 柳叶，任悦，高广磊，等.沙地樟子松人工林土壤碳氮磷储量分布特征 J.中国水土保持科学，2021，19（6）：27-34.9 王景玺，赵浩唱，宋启民，等.林分因子对辽宁章古台樟子松人工林草本植物多样性的影响 J.防护林科技，2022（4）：17-20.10 章鹏飞，张虹，张小波，等.多花黄精生态适宜性区划研究 J.中国中药杂志，2020，45（13）：3073-3078.11 PEARSON R G，RAXWORTHY C J，NAKAMURA M，et al.Predicting species distributions from small numbers of occurrence records：A test case using cryptic geckos in Madagascar J.Original Article，2007，34（1）：102-117.12 马松梅，张明理，张宏祥，等.利用最大熵模型和规则集遗传算法模型预测孑遗植物裸果木的潜在地理分布及格局 J.植物生态学报，2010，34（11）：1327-1335.13 喻三鹏，田茂娟，张念念，等.入侵植物飞机草在贵州的适生区预测及风险分析 J.西部林业科学，2021，50（4）：125-130.14 秦誉嘉，蓝帅，赵紫华，等.迁飞性害虫草地贪夜蛾在我国的潜在地理分布 J.植物保护，2019，45（4）：43-47，60.15 胡小康，郝瑜婉，夏尚，等.基于生态位模型的云南省血吸虫表2内蒙古地区樟子松潜在分布面积统计Table 2Statistics of potential distribution area of Pinus Sylvestris in Inner Mongolia万km2城市City呼伦贝尔锡林郭勒盟赤峰兴安盟鄂尔多斯呼和浩特阿拉善盟巴彦淖尔通辽包头乌兰察布乌海总计比例/%高适生区面积Highly suitable area14.292 87.265 03.317 52.972 71.196 70.904 30.776 80.697 70.525 40.478 30.188 40.008 030.811 725.76中适生区面积Moderately suitable area11.900 512.861 15.629 12.892 77.478 30.776 72.237 52.600 52.635 12.212 34.801 70.160 656.186 146.97非适生区面积Unsuitable area0.006 70.133 90.080 90.115 20.000 20.041 423.985 73.101 82.793 00.086 20.459 90.006 832.623 627.27（下转第248页）208四川农业大学学报第 41 卷 61-64，75.21 刘慧，陈薇，周勇，等.内生真菌和丛枝菌根真菌对羊草生长的影响 J.植物生态学报，2015，39（5）：477-485.22 印敬明，刘晓光，万慧，等.螺旋毛壳（Chaetomium spirale）ND35 防病促生作用初探 J.莱阳农学院学报，2006，23（4）：272-275.23 KATO M，HAYAKAWA Y，HYODO H，et al.Wound-induced ethylene synthesis and expression and formation of 1-aminocyclopropane-1-carboxylate（ACC）synthase，ACC oxidase，phenylalanine ammonia-lyase，and peroxidase in wounded mesocarp tissue of Cucurbita maxima J.Plant and Cell Physiology，2000，41（4）：440-447.24 张树武，徐秉良，程玲娟，等.深绿木霉对白三叶草促生作用及生理生化特性的影响 J.草业学报，2015，24（2）：161-167.25 郭春爱，刘芳，许晓明.叶绿素b缺失与植物的光合作用 J.植物生理学通讯，2006，45（5）：967-973.26 陈贝贝，王敏，胡鸢雷，等.地黄内生真菌促生作用的初步研究 J.中国中药杂志，2011，36（9）：1137-1140.27 WANG Q X，YAN N，JI D G，et al.In vitro growth and carbon utilization of the green-leaved orchid Dendrobium officinale are promoted by mycorrhizal associationsJ.Botanical Studies，2013，54（1）：23.28 闫宁，王晓清，王志丹，等.食用黑粉菌侵染对茭白植株抗氧化系统和叶绿素荧光的影响 J.生态学报，2013，33（5）：1584-1593.（责任编辑：巩艳红）（上接第208页）病传播风险探测研究 J.中国寄生虫学与寄生虫病杂志，2020，38（1）：80-86，94.16 公衍峰，胡小康，周正斌，等.基于生态位模型预测我国黄土高原延伸带内脏利什曼病的传播风险 J.中国寄生虫学与寄生虫病杂志，2021，39（2）：218-225.17 景志贤，张小波，汪娟，等.基于MaxEnt模型玛咖的全球潜在气候适宜区研究 J.中国现代中药，2020，22（12）：1957-1961.18 唐书培，穆丽光，王晓玲，等.基于MaxEnt模型的赛罕乌拉国家级自然保护区斑羚生境适宜性评价 J.北京林业大学学报，2019，41（1）：102-108.19 周海涛，那晓东，臧淑英，等.最大熵（Maxent）模型在物种栖息地研究中的应用 J.环境科学与管理，2016，41（3）：149-151.20 刘超，董星光，田路明，等.基于Maxent模型的川梨不同时期潜在分布研究 J.果树学报，2022，39（11）：2056-2063.21 王浩，秦义杰，钟荣荣，等.基于MaxEnt模型的防风潜在种植区预测 J.中国现代中药，2022，24（4）：606-610.22 秦委，张虹，杨明霞，等.基于MaxEnt模型和ArcGIS的东南茜草潜在分布研究 J.中国中医药信息杂志，2022，29（5）：1-4.23 赵晓涵，张方敏，卢琦，等.未来气候情景内蒙古蒸散和产水量的变化特征 J.水土保持学报，2022，36（4）：151-159.24 邱晓，肖燚，石磊，等.基于生态资产的内蒙古生态保护效益评估 J.生态学报，2022，42（13）：5255-5263.25 闫德仁，曲娜，黄海广，等.多伦县沙地人工樟子松种子特征 J.内蒙古林业，2018（11）：28-29.26 王庆莉，王茹琳，张利平，等.基于MaxEnt模型的川西高原松茸气候生态适宜性与潜在分布 J.应用生态学报，2021，32（7）：2525-2533.27 郭燕青，史梦竹，李建宇，等.基于MaxEnt模型的假臭草潜在分布预测J.热带亚热带植物学报，2019，27（3）：250-260.28 沈国强.适应气候变化的农作物分布格局研究 D.吉林：中国科学院大学（中国科学院东北地理与农业生态研究所），2017.29 周炳江，王玉洁，马长乐，等.基于MaxEnt与ArcGIS的云南榧树潜在生境分析 J.生态学报，2022，42（11）：4485-4493.30 BROTONS L，THUILLER W，ARAJO M B，et al.Presence-absence vs presence-only modelling methods for predicting bird habitat suitability J.Ecography，2004，27：437-448.31 IPCC.Climate Change 2007：Synthesis Report.Contribution of Working Groups I、II and III to the Fourth Assessment Report of the Intergovernmental Panel on Climate ChangeM.Geneva：IPCC，2007：104-104.32 李昂.应用ArcGIS软件和最大熵模型分析樟子松潜在分布及其气候适宜性：以东北地区为例 D.沈阳：沈阳农业大学，2016.33 康宏樟，朱教君，李智辉，等.沙地樟子松天然分布与引种栽培 J.生态学杂志，2004，23（5）：134-139.34 李海英.樟子松人工林培育措施和木材品质的关系 D.哈尔滨：东北林业大学，2001.35 张日升，贾树海，张国剑，等.基于GIS的樟子松种植适宜性评价研究 J.土壤通报，2019，50（3）：555-561.36 李蒙蒙，丁国栋，高广磊，等.樟子松（Pinus sylvestris var.mongholica）在中国北方10省（区）引种的适宜性 J.中国沙漠，2016，36（4）：1021-1028.37 蒋德明，刘志民，曹成有，等.科尔沁沙地荒漠化过程与生态恢复 M.北京：中国环境科学出版社，2003：291-292.38 蔡静芸，张明明，粟海军，等.生态位模型在物种生境选择中的应用研究 J.经济动物学报，2014，18（1）：47-52，58.39 苏芳莉，尤文忠，范守君.影响沙地樟子松天然更新的主要气候因子的逐步判别分析 J.辽宁林业科技，2002，1（6）：1-3，6.（责任编辑：巩艳红）248