基于MaxEnt模型预测斑尾榛鸡在中国的潜在适生区_文泽宇.pdf

基于MaxEnt模型预测斑尾榛鸡在中国的潜在适生区文泽宇1，邓睿2*，杨威1，3，暴来安4，李文杰3，杨胜发3，潘伟亮1，3（1.重庆交通大学环境水利工程重庆市工程实验室，重庆400074；2.重庆交通大学建筑与城市规划学院，重庆400074；3.国家内河航道整治工程技术研究中心，重庆400074；4.河南安泰管道科技有限公司，河南濮阳457000）摘要：斑尾榛鸡（Bonasa sewerzowi）是我国特有种鸟类，国家一级保护动物，研究斑尾榛鸡在国内的适生区可为其保护提供参考。从全球生物多样性信息机构（global biodiversity information facilyty，GBIF）选取1980年至2020年9月人工观察记录并上传到网站的 101 个斑尾榛鸡出现位点，结合 31 个环境变量，利用最大熵模型（maximumentropy，MaxEnt）和地理信息系统（geographic information system，GIS）技术，对其适宜生境进行预测。结果表明MaxEnt模型的预测精度较高（AUC平均值为0.906）。刀切法（Jackknife）结果显示，距河流最近距离、距道路最近距离、距居民点距离、最冷月最低温度、海拔是影响斑尾榛鸡生境的5个重要环境变量。该模型预测斑尾榛鸡的高适生区主要分布在甘肃西南部、青海东部以及四川北部地区;其次在西藏东部、云南北部地区有零星的高适生区。潜在的适生区破碎化比较严重，在未来修复破碎化的生境，扩大斑尾榛鸡高适生区范围，对于合理有效保护该物种及其生境有重要意义。关键词：斑尾榛鸡；最大熵模型；适宜生境；物种保护中图分类号：Q958.1文献标志码：A文章编号：2096-2347（2023）02-0067-08收稿日期：2022-12-14基金项目：重庆市科技局项目（cstc2017shmsA20011）；住房和城乡建设部科学技术计划项目（2016-K6-025）。作者简介：文泽宇，硕士，主要从事生物多样性保护研究。E-mail:*通信作者：邓睿，讲师，主要从事遥感与地理信息系统在环境、资源、灾害等方面的应用。E-mail:引用格式：文泽宇，邓睿，杨威，等.基于MaxEnt模型预测斑尾榛鸡在中国的潜在适生区J.三峡生态环境监测，2023，8（2）：67-74.Citation format:WEN Z Y,DENG R,YANG W,et al.Prediction of potentially suitable distribution area of Bonasa Sewerzowi in china based onMaxEnt modelJ.Ecology and Environmental Monitoring of Three Gorges，2023，8（2）：67-74.Prediction of Potentially Suitable Distribution Area of Bonasa Sewerzowiin China Based on MaxEnt ModelWEN Zeyu1,DENG Rui2*,YANG Wei1,3,BAO Laian4,LI Wenjie3,YANG Shengfa3,PAN Weiliang1,3(1.Engineering Laboratory of Environmental Hydraulic Engineering of Chongqing Municipal,Chongqing Jiaotong University,Chongqing 400074,China;2.College of Architecture and Urban Planning of Chongqing Jiaotong University,Chongqing 400074,China;3.National Engineering Research Center for Inland Waterway Regulation,Chongqing 400074,China;4.Henan AntaiPipeline Technology Co.,Ltd.,Puyang 457000,China)Abstract:Being a endemic birds in China,the Chinese grouse(Bonasa sewerzowi)is marked as the first class protected animal.Thestudy on the suitable habitat of Bonasa sewerzowi can provide reference for the protection of the species.According to the humanobservation records uploaded to the global biodiversity information agency(GBIF)in 1980 to September 2020,101 Bonasa sewerzowi sites and 31 environmental variables were used,to predict its suitable habitat with the maximum entropy(MaxEnt)model andgeographic information system(GIS)technology.The results show that the MaxEnt model possessed a high accuracy of prediction(average AUC is 0.906).The results of Jackknife shows that the closest distance from the river,the closest distance from the road,the distance from residents,the minimum temperature of coldest month,and the altitude are the five most important environmentalvariables that affect the habitat of Bonasa sewerzowi.The model predicted that Bonasa sewerzowi s highly suitable habitats are mainlyDOI：10.19478/ki.2096-2347.2023.02.09生态研究三峡生态环境监测Ecology and Environmental Monitoring of Three Gorges2023年6月Jun.2023第8卷第2期Vol.8No.2三峡生态环境监测http:/ in southwestern Gansu,eastern Qinghai,and northern Sichuan,followed by sporadic areas of high fitness in eastern Tibet and northern Yunnan.The potential suitable habitats are severely fragmented.In the future,it is important to repair the fragmented habitats and expand the highly suitable habitats of Bonasa sewerzowi for the rational and effective protection of this species andtheir habitats.Key words:Bonasa sewerzowi;MaxEnt;suitable habitat;species protection斑尾榛鸡（Bonasa sewerzowi），鸡形目松鸡科榛鸡属，是我国特有种鸟类，国家一级保护动物，主要分布于甘肃、青海、四川、云南西北部以及西藏东部地区的山地森林草原带中。由于一些地区毁林开荒、林业采伐、村镇建设等人类活动的开展导致斑尾榛鸡栖息地环境遭到破坏以及居民过度猎杀的原因，使得斑尾榛鸡种群呈现下降的趋势 1。世界自然保护联盟濒危物种红色名录2012年将其列入近危物种。国内对斑尾榛鸡的研究最早开展于20世纪80年代，王香亭等 2 对斑尾榛鸡的活动规律、食性、繁殖习性、天敌以及栖息地环境进行了实地调查；中国科学院动物研究所研究员孙悦华 1 通过数学模型分析了甘肃省莲花山自然保护区斑尾榛鸡种群的发展，并针对保护区内斑尾榛鸡栖息地的破碎化提出了保护对策；在此基础上，德国马普生物地球化学研究所的Klaus等 3 对莲花山保护区破碎化景观下斑尾榛鸡的栖息地斑块做了调查，调查发现斑尾榛鸡一般不能在距离超过2 km的斑块间迁徙扩散。从现有的文献资料来看，对斑尾榛鸡的研究多在生态学与生物学上 4-5，并且研究区域也多在莲花山保护区内，缺乏对斑尾榛鸡在全国范围内的生境适宜性评价。物 种 分 布 模 型（species distribution model，SDM）是根据所指定物种的分布位点坐标以及相应的环境变量信息，通过模型的数学算法进行关联，再将这种关联投影到研究区域上，最终模拟出该物种在该区域内的潜在出现概率分布的模型 6。目前常用的物种分布模型有生态位因子分析（ecologicalniche factor analysis，ENFA）、遗传算法（genetic algorithm，GA）、箱环境包络（BIOCLIM）、最大熵模 型（maximum entropy，MaxEnt）、Gower 距 离（DOMAIN）等。其中MaxEnt模型对小样本、有少量位点偏差的数据耐受程度较高，并且在预测小样本物种分布方面表现优异 7。近些年来，MaxEnt模型已被多次用于珍稀濒危野生动物的生境适宜性评价 8。钟雪等 9 基于MaxEnt模型对卧龙国家级自然保护区内的绿尾虹雉进行了生境质量评价，研究结果发现对绿尾虹雉的生境适宜性影响最大的是气候变量，如降水季节性、最干季均温、年均温；巫明焱等 10 基于MaxEnt模型研究了藏雪鸡在国内的生境适宜性，最终初步划定了四大保护区的位置。本文将利用MaxEnt模型与GIS技术相结合的方法，对国内斑尾榛鸡的生境适宜性进行研究，分析影响斑尾榛鸡分布的主要环境变量，将适宜性分布空间可视化，如若今后考虑对斑尾榛鸡进行迁地保护 11-12，可将斑尾榛鸡的部分种群迁移到合适的地方加以人工管理和繁殖，逐步发展种群。而物种分布模型预测出斑尾榛鸡在中国的潜在高适宜栖息地，可为其适宜的迁居地选择提供参考，为今后更好地保护斑尾榛鸡提供一定的帮助。1数据与方法1.1物种分布点斑尾榛鸡的分布点数据主要来源于全球生物多样性信息机构（global biodiversity information facility，GBIF，http:/www.gbif.org/），它是一个由世界各国政府资助的国际网络和数据基础设施。本次研究以1980年至2020年9月人工观察记录并上传到网站的斑尾榛鸡出现位点为基础，记录其经纬度坐标，剔除重复出现的位点，最终整理得到101个基础样本点信息，将样本点坐标导入ArcGIS并定义投影。为了避免MaxEnt模型的过度拟合，以斑尾榛鸡的出生扩散距离最大值 5.9 km 13 为半径设置圆形缓冲区，当多个相邻位点距离小于5.9 km时，随机保留其中一个，其余删除，筛选后保留78个样本点信息用于模型构建（图1）。第8卷第2期69图1斑尾榛鸡在GBIF上的记录点位图Fig.1The distribution map of record points of Bonasa sewerzowi on GBIF1.2环境变量根据以往对鸡形目鸟类的生境适宜性研究经验 10，14，本研究选择了包括地形、植被、气候以及人为影响为主的四个类别共31个潜在影响斑尾榛鸡生境的基础环境变量（表1）。地形变量：海拔、坡度、坡向、距河流最近距离。海拔、坡度以及坡向数据来源于地理空间数据云（http:/ DEM数字高程数据，并使用ArcGIS10.2软件将其连接成所研究区域的栅格数据。选取全国主要河流的矢量数据，通过ArcGIS距离分析工具中的欧氏距离分析生成距河流最近距离的栅格数据图层。植被变量：植被覆盖类型、增强型植被指数。植被覆盖类型数据来源于30 m全球地表覆盖数据GlobeLand30，其中共包含十个类型，分别为耕地、森林、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪。本次研究中所用表1潜在影响斑尾榛鸡生境的环境变量Table 1Environmental variables that potentially affect the habitat of Bonasa sewerzowi变量类型地形变量植被变量气候变量人为影响变量变量名称海拔坡度坡向距河流最近距离植被覆盖类型增强型植被指数年平均气温平均气温日较差等温性温度季节性变化标准差最暖月最高温度最冷月最低温度年温变化范围最湿季平均温度最干季平均温度最暖季平均温度最冷季平均温度年降水量最湿月降水量最干月降水量降水量季节性变化系数最湿季降水量最干季降水量最暖季降水量最冷季降水量距道路最近距离距居民点距离简称altitudeslopeaspectrivervegevibio1bio2bio3bio4bio5bio6bio7bio8bio9bio10bio11bio12bio13bio14bio15bio16bio17bio18bio19roadresident70东80东90东100东110东120东130东140东90东100东110东120东010北20北30北40北50北010北20北30北40北50北050010002 000千米斑尾榛鸡分布点省界图例审图号：GS（2020）4619新疆维吾尔自治区甘肃省青海省西藏自治区四川省重庆市贵州省云南省广西壮族自治区海南省澳门特别行政区香港特别行政区台湾省广东省福建省江西省湖南省湖北省安徽省浙江省上海市江苏省河南省陕西省宁夏回族自治区山西省河北省山东省天津市北京市辽宁省内蒙古自治区吉林省黑龙江省文泽宇，等：基于MaxEnt模型预测斑尾榛鸡在中国的潜在适生区三峡生态环境监测http:/ vegetation index，EVI）是一种考虑了参与大气污染和土壤背景的植被指数 15，所用到的EVI 数据由美国NASA 2020年发布的 MODIS 卫星影像产品 MOD13Q1 提取获得，分辨率为250 m。把EVI当作植被生产力的良好替代品 16，将EVI图层导入ArcGIS中按照研究区域计算出年最大 EVI、年最小 EVI、年均EVI、年EVI变幅和年EVI标准差栅格图层。气候变量：本次研究从WorldClim2.0（https:/www.worldclim.org/）中下载19个气候变量用于反映研究区域的气候特征。人为影响变量：距道路最近距离、距居民点距离。考虑到人类活动会对野生动物栖息地产生影响，因此，根据国内主要道路和居民点的矢量数据，通过ArcGIS距离分析工具中的欧氏距离分析生成距道路最近距离、距居民点距离的栅格数据图层。1.3模型构建考虑到各环境变量之间存在的自相关以及空间共线性等问题，会对MaxEnt模型的准确性带来影响 1718，利用ArcGIS软件中多元分析下的波段及统计工具对之前的31个基础环境变量进行相关性分析，当多个环境变量相关性系数的绝对值大于0.8时，仅保留其中一个更有代表意义的环境变量 19。经过筛选后，最终保留15个环境变量，分别是海拔、坡度、坡向、植被覆盖类型、年平均EVI、年标准差EVI、距河流最近距离、距主要道路的最近距离、距居民点距离、平均气温日较差（bio2）、等温性（bio3）、最冷月最低温度（bio6）、年均降水量（bio12）、最干月降水量（bio14）、降水量季节性变化系数（bio15）。将斑尾榛鸡的样本点数据以CSV文件形式储存。统一环境变量栅格数据图层的坐标系、像元大小、输出范围，并转换为ASCII格式。使用MaxEnt3.4.1软件建立模型。将斑尾榛鸡样本点以及筛选后的环境变量导入软件中，在页面处勾选“Create response curves”“Make pictures of predictions”，在“Output format”处选择“Logistic”。勾选“DoJackknife to measure variable importance”，此操作的目的是用刀切法计算环境变量的权重值。在软件中设置随机抽取75%的样本点作为训练集（training data）建立模型，剩余25%作为测试集（random test percentage）用于验证模型。为了保证模型结果的稳定性，在“Replicated run type”中选择自举法（bootstrap），并将重复次数设置为 10次。最后通过受试者工作特征曲线（receiver operating characteristic curve，ROC）与横坐标围成的面积即 AUC（area under curve）值来评价模型预测结果的准确性。AUC 的值在 01，一般认为0.5AUC0.6 为失败；0.6AUC0.7 为较差；0.7AUC0.8为一般；0.8AUC0.9为较好；0.9AUC1为极好 20。2结果与分析2.1MaxEnt模型精度评价经过10次重复，最终得到ROC曲线下AUC值为0.906（图2），处于0.91，这表明此次模型模拟的结果较好并且精度较高。图2预测结果ROC曲线Fig.2ROC curve of forecast result2.2重要环境变量权重通过刀切法分析了15个环境变量对斑尾榛鸡分布影响的权重值（图3），深蓝色条带得分越高表示该变量越重要 21，结果显示当距河流最近距离、距道路最近距离、距居民点距离、最冷月最低温度（bio6）、海拔单独用于建立模型时，对预测结果的影响较大。而平均气温日较差（bio2）、等温性（bio3）、坡度则对模型预测结果影响较小。1.00.90.80.70.60.50.40.30.20.10.0灵敏度0.00.10.20.30.40.50.60.70.80.91.01-特异度平均值(AUC=0.906)标准误差随机预测第8卷第2期71图3刀切法分析环境变量对斑尾榛鸡生境的重要性Fig.3The importance of environmental variables to Bonasasewerzowi habitat by Jackknife testMaxEnt模拟的仅单一环境变量与斑尾榛鸡分布关系的响应曲线显示（图4），存在概率数值越高证明在对应范围内越适合斑尾榛鸡生存，其值范围为01。在研究区域内，斑尾榛鸡的适生区对海拔高度的响应曲线呈单峰型，其适宜性最佳的海拔为2 1003 200 m，在2 500 m左右达到最高；距河流最近距离是影响斑尾榛鸡生境的一个关键因素，从响应曲线可以看出斑尾榛鸡的适生区越靠近河流存在概率数值越高，说明斑尾榛鸡的适生区选择对水源有较高依赖性，对靠近河流的生境有明显偏好；距道路的距离是影响斑尾榛鸡生境的另一关键因素，响应曲线显示，斑尾榛鸡的适生区离道路越近存在概率数值越高，其中在距国内主要道路约10 km的范围内，斑尾榛鸡出现的可能性大于50%；与距河流最近距离的响应曲线相似，斑尾榛鸡的适生区越靠近居民点存在概率数值越高，说明斑尾榛鸡的出现概率随着距居民点距离的增加而降低，在60 km以外的地区斑尾榛鸡几乎不存在；斑尾榛鸡的生境适宜性对最冷月最低温度的响应曲线呈单峰型，最低温度在-15-5 范围内适宜性最佳，在-10 左右时适宜性达到最高值。2.3斑尾榛鸡在中国的生境适宜区预测以MaxEnt模型经过10次重复计算后输出的平均值作为栖息地适宜性指数（habitat suitability index，HSI），将生成的ASCII格式文件在ArcGIS10.2软件中转换成栅格数据，并最终对其进行生境适图4主要环境变量的响应曲线Fig.4Response curve of main environmental variablesA 海拔/mB 距河流距离/105mC 距道路距离/105mD 距居民点距离/105mE 最冷月最低温度/存在概率存在概率存在概率存在概率存在概率bio12bio14bio15bio2bio3bio6坡向坡度年平均EVI年标准差EVI距居民点距离植被覆盖类型距河流距离距道路距离海拔环境因子不使用该变量只使用该变量使用所有变量正规化训练增益0.00.10.20.30.40.50.60.70.80.91.01.10.60.50.40.30.20.10.00.60.50.40.30.20.10.00.70.60.50.40.30.20.10.00.60.50.40.30.20.10.00.60.50.40.30.20.10.001 0002 0003 0004 0005 0006 000-0.20.00.20.40.60.81.01.21.40.00.51.01.52.02.5-0.20.00.20.40.60.81.01.21.41.6-35-30-25-20-15-10-5051015文泽宇，等：基于MaxEnt模型预测斑尾榛鸡在中国的潜在适生区三峡生态环境监测http:/ training sensitivity plus specificity,MaxSS）22 确定适宜区分区的阈值，通过ArcGIS进行重分类，将斑尾榛鸡适宜性区间（01）分为三个级别：小于0.33为不适生区、0.330.66为次适生区、大于0.66为高适生区，最终形成斑尾榛鸡在国内适宜生境分布图（图5）。MaxEnt模型预测结果显示，斑尾榛鸡的高适生区主要分布在甘肃省西南部地区，如兰州市、夏河县、临夏市；青海东部地区，如西宁市、平安区；四川北部地区，如马尔康市；其次在西藏东部、云南北部地区有零星高适生区分布。次适生区在高适生区边缘呈条状分布。在空间上，不适生区交错在高适生区以及次适生区之间，说明斑尾榛鸡的适宜生境破碎化比较严重，在未来修复破碎化的生境对斑尾榛鸡的保护而言意义重大。图5斑尾榛鸡在中国的潜在适生区分布Fig.5Potential suitable area of Bonasa sewerzowi in China3讨论目前国内对斑尾榛鸡的研究区域多在莲花山保护区内，本研究所用的物种样本点来源于全球生物多样性信息机构上人类观察并上传的记录，本文获取了斑尾榛鸡在GBIF上国内观测到的数据，通过物种分布模型模拟其在国内的适生区域，并且本次模拟结果的AUC值在0.9以上，保证了MaxEnt模型对斑尾榛鸡生境适宜性预测的可靠性，通过评价结果也能对促进斑尾榛鸡种群的保护提供一定的帮助。通过刀切法分析出本次模型中影响斑尾榛鸡生境的几个关键环境变量（距河流最近距离、距道路最近距离、距居民点距离、最冷月最低温度、海拔高度），根据响应曲线中logistic output（probability of presence）数值大小判断适宜斑尾榛鸡生存的环境变量参数范围，结果表明斑尾榛鸡生境适宜性最佳的海拔在2 1003 200 m，模型结果与孙悦华等 1 在甘肃省莲花山自然保护区内观察到的斑尾榛鸡生活海拔高度（2 6003 500 m）相近。斑尾榛鸡在祁连山生存的海拔为多降雨带，降雨充沛 23。莲花山自然保护区地表水和地下水资源丰富，大小河流有30余处，其中洮河为黄河的重要支流 24。可见斑尾榛鸡的栖息地选择受到水源的约束，在模型的响应曲线中体现为越靠近河流、湖泊等区域，斑尾榛鸡的生境适宜性越高。斑尾榛鸡出现的概率与距道路距离成正比关系，距道路距离越近其出现率越高，在响应曲线中体现为距国内主要道路约10 km的范围内，斑尾榛鸡出现的可能性大于50%，这一点同样体现在其他一些鸡形目物种如黑嘴松鸡、花尾榛鸡等对栖息地的选择上 25-26。距居民点距离也是影响斑尾榛鸡生境的一重要环境变量，有研究 27 发现在早期人为活动较多的自然保护区内常有斑尾榛鸡的出现，从响应曲线也能看出斑尾榛鸡的活动区域与距居民点距离的远近密切相关，在距居民点60 km以外的地区斑尾榛鸡几乎不存在。根据相关实地调查研究发现，斑尾榛鸡生活区域冬季以及春季最低温度低于-10 2，27，与模型响应曲线中体现的最低温度在-15-5 范围内适宜性最佳相符合，说明斑尾榛鸡栖息地适度的冰雪环境适于其生存。针对栖息地丧失的濒危珍稀野生动物种群，通过物种分布模型预测物种的潜在适宜分布区，当考虑对其进行迁地保护选址时，可以对模型预3000北4000北3000北4000北10000东10000东0 62.5125250375500km审图号：GS（2020）4619地州界不适生区次适生区高适生区图例林芝县邑都那曲县治多县玛沁县同仁县共和县西宁县平安县兰州市夏河县临夏市马尔康县绵阳市德阳市成都市雅安市仁寿县康定县中旬县门源回族自治县张掖市武威市嘉裕关市泗泉市广元市NSWE第8卷第2期73测出的高适宜区进行详细的野外调查，并结合对物种的生物学和生态学认识进一步验证迁入地的合理性 28。并且考虑到在高适生区里物种潜在活动区域可能会被交通路网分割成多个破碎生境斑块的情况，为了降低道路网络对物种栖息地适宜性的影响，可以考虑在合适的位置设置生态廊道，进而可以保护生物的多样性 29。根据本研究物种分布模型分析出的影响斑尾榛鸡生境的几个关键环境变量以及预测出的潜在高适生区，对提高斑尾榛鸡的保护提出以下建议。在对斑尾榛鸡进行就地保护时应注意由人为因素带来的栖息地海拔、温度、水源等环境变量改变造成的影响，建立符合其生境适宜性的栖息地环境。当考虑对斑尾榛鸡进行迁地保护选址时，应从潜在高适生区进行选择，并从生物学和生态学方面结合实地考察进一步验证迁入地的合理性。从模拟出的潜在适生区看出斑尾榛鸡的适宜生境破碎化比较严重，在未来应通过开展植树造林等活动，修复破碎化的生境，扩大斑尾榛鸡高适生区范围，同时合理规划保护区位置，建立适宜生境的迁徙廊道，保证斑尾榛鸡生境景观斑块之间的有效交流。参考文献1 孙悦华.斑尾榛鸡生态学及保护生物学研究J.中国科学基金，2001，15（5）：299-301.SUN Y H.Ecological and conservation biology studies onthe Chinese grouse(Bonasa sewerzowi)J.Bulletin of National Natural Science Foundation of China，2001，15（5）：299-301.（in Chinese）2 王香亭，刘迺发，陈毅峰，等.斑尾榛鸡的生态研究J.动物学报，1987，33（1）：73-81.WANG X T,LIU N F,CHEN Y F,et al.Ecological studies of the Chinese hazel grouse（Tetrastes s.sewerzowi）J.Acta Zoologica Sinica，1987，33（1）：73-81.（in Chinese）3 KLAUS S,VOIGT W,FANG Y,et al.Patch occupancy bythe Chinese grouse（Tetrastes sewerzowi）in a fragmentedlandscapeJ.Chinese Birds，2013，4（3）：232-239.4 季婷，贾陈喜，蒋迎昕，等.莲花山斑尾榛鸡春季栖息地选择J.动物学杂志，2005，40（1）：49-53.JI T,JIA C X,JIANG Y X,et al.Spring habitat selectionof the Chinese grouse at LianhuashanJ.Chinese Journalof Zoology，2005，40（1）：49-53.（in Chinese）5 YANG C,FANG Y,SUN Y H.Winter space use and social behaviors of Chinese grouse（Bonasa sewerzowi）at Lianhuashan Mountains,Gansu,ChinaJ.Journal of Ornithology，2011，152（2）：297-305.6 许仲林，彭焕华，彭守璋.物种分布模型的发展及评价方法J.生态学报，2015，35（2）：557-567.XU Z L,PENG H H,PENG S Z.The development andevaluation of species distribution modelsJ.Acta EcologicaSinica，2015，35（2）：557-567.（in Chinese）7 WISZ M S,HIJMANS R J,LI J,et al.Effects of samplesize on the performance of species distribution modelsJ.Diversity and Distributions，2008，14（5）：763-773.8 牟超盛，齐旭明，谢林顺，等.应用MaxEnt模型预测海南溪树蛙地理分布J.野生动物学报，2021，42（3）：809-816.MU C S,QI X M,XIE L S,et al.MaxEnt-based predictionon the geographical distribution of Hainan stream treefrog（Buergeria oxycephala）in Hainan IslandJ.Chinese Journal of Wildlife，2021，42（3）：809-816.（in Chinese）9 钟雪，杨楠，张龙，等.卧龙国家级自然保护区绿尾虹雉种群分布和生境质量评价J.四川动物，2021，40（5）：509-516.ZHONG X,YANG N,ZHANG L,et al.Population surveyand habitat quality assessment of Lophophorus lhuysii inthe Wolong National Nature ReserveJ.Sichuan Journal ofZoology，2021，40（5）：509-516.（in Chinese）10 巫明焱，何兰，税丽，等.基于MaxEnt模型的藏雪鸡在中国适宜生境的研究J.生态科学，2018，37（3）：176-183.WU M Y,HE L,SHUI L,et al.Study on the suitablehabitat of Tetraogallus tibetanus in China based on MaxEnt modelingJ.Ecological Science，2018，37（3）：176-183.（in Chinese）11 高志瑾.中国迁地保护鸟类多样性调查及分析D.哈尔滨：东北林业大学，2013.GAO Z J.Investigations on diversity of ex-situ conservation bird of ChinaD.Harbin：Northeast Forestry University，2013.（in Chinese）12 王立波，姜慧，安玉亭，等.中国麋鹿种群现状分析及保护对策探讨J.野生动物学报，2020，41（3）：806-813.WANG L B,JIANG H,AN Y T,et al.Current status andconservation measures for Pre David s deer in ChinaJ.Chinese Journal of Wildlife，2020，41（3）：806-813.（inChinese）13 LU N,JIA C X,LLOYD H,et al.Species-specific habitat fragmentation assessment,considering the ecological文泽宇，等：基于MaxEnt模型预测斑尾榛鸡在中国的潜在适生区三峡生态环境监测http:/ requirements and dispersal capabilityJ.BiologicalConservation，2012，152：102-109.14 李宏群，韩培士，牛常会，等.气候变化对我国特有濒危动物褐马鸡潜在生境的影响J.林业科学，2021，57（10）：102-110.LI H Q,HAN P S,NIU C H,et al.Impact of climatechange on the potential habitat of brown-eared pheasant（Crossoptilon mantchuricum）,an endemic and endangered animals to ChinaJ.Scientia Silvae Sinicae，2021，57（10）：102-110.（in Chinese）15 HUETE A,DIDAN K,MIURA T,et al.Overview of theradiometric and biophysical performance of the MODISvegetation indicesJ.Remote Sensing of Environment，2002，83（1/2）：195-213.16 WARING R H,COOPS N C,FAN W,et al.MODIS enhanced vegetation index predicts tree species richnessacross forested ecoregions in the contiguous U.S.A.J.Remote Sensing of Environment，2006，103（2）：218-226.17 VELOZ S D.Spatially autocorrelated sampling falsely inflates measures of accuracy for presence-only niche modelsJ.Journal of Biogeography，2009，36（12）：2290-2299.18 CRUZ-CRDENAS G,LPEZ-MATA L,VILLASEORJ L,et al.Potential species distribution modeling and theuse of principal component analysis as predictor variablesJ.Revista Mexicana De Biodiversidad，2014，85（1）：189-199.19 LIU Y,SHI J.Predicting the potential global geographicaldistribution of two Icerya species under climate changeJ.Forests，2020，11（6）：684.20 BRAUNISCH V,SUCHANT R.Predicting species distributions based on incomplete survey data：The tr