A Prediction on the Potential Suitable Areas of Zelkova Schneideriana in Zhejiang Province Using Maximum Entropy Model

doi:10.13466/j.cnki.lyzygl.2019.04.006

Abstract

Abstract:

Studying the potential suitable habitats of endangered species Zelkova schneideriana and their response to environmental factors will be helpful to the work of site conservation and population expansion of Z.schneideriana.Based on a comprehensive survey data of 21 Z.schneideriana samples taken from Zhejiang ecological monitoring sample plots database,using ArcGIS and MaxEnt model adopted to predict its potential distribution area in Zhejiang.Then screen the dominant environmental factors and their optimal range.The mean AUC value of 17 simulations is 0.891,which indicated the model simulation has high precision.The result showed that the highly suitable growth area of Z.schneideriana in Zhejiang is mainly in the Wuyi—Suichang area in the west of Zhejiang,and Pujiang—Qiandaohu River basin,Ningbo—Zhoushan island,coastal area in Wenzhou and the surrounding area,the area is 6 thousand km ².The MaxEnt show that precipitation seasonality(coefficient of variation),slope,mean air temperature of the wettest quarter and mean air temperature of the driest quarter are the main environmental factors that affect the distribution of Z.schneideriana.The most suitable range of them are 30~42 in precipitation seasonality(coefficient of variation),3~20° in slope,14~21℃ in mean air temperature of the wettest quarter,0~7℃ in mean air temperature of the driest quarter.

Key words: Zelkova schneideriana, MaxEnt, ecological suitability, distribution

CLC Number:

S718.51

SUN Jiejie, JIANG Bo, QIU Haojie, GUO Jiahuan, Yuan Weigao, WU Danting, XU Xuan, WU Chuping, JIAO Jiejie, SHEN Aihua. A Prediction on the Potential Suitable Areas of Zelkova Schneideriana in Zhejiang Province Using Maximum Entropy Model[J]. FOREST RESOURCES WANAGEMENT, 2019, 0(4): 37-45.

Figures/Tables 7

Tab.1

Tab.2

Fig.1

Tab.3

Fig.2

Tab.4

Fig.3

References 30

[1]	江波 . 浙江省生态公益林群落结构特征及其调控研究[D]. 北京:北京林业大学, 2005.
[2]	Wu Chuping, Vellend Meigao, Yuan W , et al. Patterns and determinants of plant biodiversity in non-commercial forests of eastern China[J]. PLoS ONE, 2017,12(11):e0188409. doi: 10.1371/journal.pone.0188409 pmid: 29161324
[3]	于治军, 李硕, 周艳涛 , 等. 不同增温模式下我国松材线虫适生分布模拟与预测[J]. 东北林业大学学报, 2018,46(1):85-91.
[4]	周红敏, 何必庭, 彭辉 , 等. 萌生杉木林空间结构特征研究[J]. 林业科学研究, 2015,28(5):686-690.
[5]	邢海涛 . 马尾松针阔混交人工林种间关系和作业法研究[D]. 北京:中国林业科学研究院, 2017.
[6]	CVH. About the Chinese Virtual Herbarium[DB/OL].( 2009- 07- 12)[2018-11-15]. http://www.cvh.org.cn/en.
[7]	IUCN.The IUCN Red List of Threatened Species[DB/OL].[ 2018- 11- 15]. http://www.iucnredlist.org.
[8]	Zhang Mingli, Wang Lu, Lei Yun , et al. Cenozoic evolutionary history of Zelkova(Ulmaceae),evidenced from ITS,trnL-trnF,psbA-trnH,and rbcL[J]. Tree Genetics & Genomes, 2017,13(5):101.
[9]	Carra A, Catalano C, Badalamenti O , et al. Overcoming sexual sterility in conservation of endangered species:the prominent role of biotechnology in the multiplication of Zelkova sicula(Ulmaceae),a relict tree at the brink of extinction[J]. Plant Cell,Tissue and Organ Culture(PCTOC), 2019: 1-10.
[10]	Fukatsu E, Watanabe A, Nakada R , et al. Phylogeographical structure inZelkovaserratain Japan and phylogeny in the genus Zelkova using the polymorphisms of chloroplast DNA[J]. Conservation Genetics, 2012,13(4):1109-1118.
[11]	曹娴, 罗玉兰, 崔心红 , 等. 榉树遗传变异分析及优良单株选择[J]. 上海交通大学学报:农业科学版, 2010,28(6):499-503.
[12]	丁彦芬, 高俊飞, 张利 . 配方施肥对榉树幼苗生长的影响[J]. 南京林业大学学报:自然科学版, 2014(Z1):35-38.
[13]	张亚平, 曾艳, 刘晓玲 , 等. 叶面喷施水杨酸对3种色系榉树秋季叶片呈色的影响[J]. 植物生理学报, 2018,54(1):127-132.
[14]	Banos-González, Isabel, Terrer C Martínez-Fernández, J , et al. Dynamic modelling of the potential habitat loss of endangered species:the case of the Canarian houbara bustard(Chlamydotis undulata fuerteventurae)[J]. European Journal of Wildlife Research, 2016,62(3):263-275.
[15]	Hubert L, Magdalena S, Piotr P J , et al. The Influence of Location,Tree Age and Forest Habitat Type on Basic Fuel Properties of the Wood of the Silver Birch(Betula pendula Roth.) in Poland[J]. BioEnergy Research, 2018(11):638-651.
[16]	Takahashi K, Murayama Y . Effects of topographic and edaphic conditions on alpine plant species distribution along a slope gradient on Mount Norikura,central Japan[J]. Ecological Research, 2014,29(5):823-833.
[17]	方元平, 刘胜祥, 项俊 , 等. 湖北省榉树自然种群分布研究[J]. 长江流域资源与环境, 2007(6):744-747.
[18]	祝梓杰, 王桂瑶, 乔飞 , 等. 基于MaxEnt模型的两种捕食性盲蝽潜在分布区及其适生性分析[J]. 昆虫学报, 2017,60(3):335-346.
[19]	De Cauwer V, Muys B, Revermann R , et al. Potential,realised,future distribution and environmental suitability for Pterocarpus angolensis DC in southern Africa[J]. Forest Ecology and Management, 2014,315:211-226.
[20]	Phillips S J, Miroslav Dudík . Modeling of species distributions with Maxent:new extensions and a comprehensive evaluation[J]. Ecography, 2008,31(2):161-175.
[21]	袁位高 . 浙江省生态公益林主要群落结构的比较研究[D]. 北京:中国林业科学研究院, 2009.
[22]	Abrha H, Birhane E, Hagos H, Manaye A . Predicting suitable habitats of endangered Juniperus procera tree under climate change in Northern Ethiopia[J]. Journal of Sustainable Forestry, 2018,37(8):842-853.
[23]	刘超, 霍宏亮, 田路明 , 等. 基于MaxEnt模型不同气候变化情景下的豆梨潜在地理分布[J]. 应用生态学报, 2018,29(11):3696-3704.
[24]	Bipin A, Chunxiang C, Min X , et al. Present and Future of Dengue Fever in Nepal:Mapping Climatic Suitability by Ecological Niche Model[J]. International Journal of Environmental Research and Public Health, 2018,15(2):1870.
[25]	张晓芹 . 西北旱区典型生态经济树种地理分布与气候适宜性研究[D]. 北京:中国科学院大学, 2018.
[26]	麻亚鸿 . 基于最大熵模型(MaxEnt)和地理信息系统(ArcGis)预测藓类植物的地理分布范围[D]. 上海:上海师范大学, 2013.
[27]	邓秀秀, 王忠诚, 李程 , 等. 浙江天童常绿阔叶林凋落物量季节动态及其与气象因子的关系[J]. 中南林业科技大学学报, 2017,37(3):73-78.
[28]	芦伟, 余建平, 任海保 , 等. 古田山中亚热带常绿阔叶林群落物种多样性的空间变异特征[J]. 生物多样性, 2018,26(9):1023-1028.
[29]	李玥, 张金池, 李奕建 , 等. 上海市沿海防护林下土壤养分、微生物及酶的典型相关关系[J]. 生态环境学报, 2010,19(2):360-366.
[30]	何淑勤, 宫渊波, 武万华 , 等. 不同坡度下玉米生长期紫色土坡面径流及其可溶性有机碳流失特征[J]. 水土保持学报, 2019(1):16.

地区	县市	乡镇	小地名	样地号	纬度/(°)	经度/(°)
杭州	淳安县	富文乡	山楂湾	CA28	29.69	119.30
杭州	淳安县	富文乡	黄皮湾	CA209	29.71	119.30
金华	东阳市	白云镇	西厂岗	DY104	29.25	120.18
杭州	富阳区	大源镇	稻蓬山	FY25	30.00	120.00
杭州	建德市	三都镇	方门	JD53	29.56	119.54
杭州	建德市	梅城镇	火焰山	JD57	29.57	119.54
杭州	建德市	乾潭镇	两头通	JD63	29.58	119.67
杭州	建德市	乾潭镇	大来垄	JD66	29.59	119.61
杭州	建德市	下涯镇	上坞	JD77	29.59	119.37
衢州	龙游县	庙下乡	大山	LY20	28.83	119.10
舟山	普陀区	六横镇	龙山	PT7	29.77	122.12
舟山	普陀区	普陀山镇	中山	PT32	30.03	122.41
舟山	普陀区	沈家门街道	长地爿	PT63	29.95	122.28
舟山	普陀区	勾山街道	冷水坑	PT66	30.00	122.26
舟山	普陀区	桃花镇	竹湾	PT68	29.81	122.31
舟山	普陀区	六横镇	马腰头岗	PT71	29.67	122.19
舟山	普陀区	六横镇	王家	PT73	30.02	122.18
舟山	普陀区	六横镇	红尼庵	PT77	30.00	122.22
丽水	遂昌县	大柘镇	创坑	SC35	28.49	119.16
丽水	遂昌县	应村乡	猪槽坑	SC139	28.69	119.21
金华	武义县	桃溪镇	外反背	WY65	28.75	119.51

环境因子代码	环境因子中文名称	环境因子英文名
Bio1	年平均气温	Annual mean air temperature
Bio2	平均气温月较差	Mean monthly air temperature range
Bio3	等温性((Bio2/Bio7)*100)	Isothermality((Bio2/Bio7)*100)
Bio4	气温季节性变动系数(标准差*100)	Air temperature seasonality(standard deviation*100)
Bio5	最热月的最高气温	Max air temperature of the warmest month
Bio6	最冷月的最低气温	Min air temperature of the coldest month
Bio7	气温年较差(Bio5~Bio6)	Air temperature annual range(Bio5~Bio6)
Bio8	最湿季平均气温	Mean air temperature of the wettest quarter
Bio9	最干季平均气温	Mean air temperature of the driest quarter
Bio10	最热季平均气温	Mean air temperature of the warmest quarter
Bio11	最冷季平均气温	Mean air temperature of the coldest quarter
Bio12	年降水量	Annual precipitation
Bio13	最湿月降水量	Precipitation of the wettest month
Bio14	最干月降水量	Precipitation of the driest month
Bio15	降水量的季节性变化(变异系数)	Precipitation seasonality(coefficient of variation)
Bio16	最干季降水量	Precipitation of the driest quarter
Bio17	最湿季降水量	Precipitation of the wettest quarter
Bio18	最热季降水量	Precipitation of the warmest quarter
Bio19	最冷季降水量	Precipitation of the coldest quarter
Dem	数字高程(海拔)	Altitude
podu	坡度	Slope
poxiang	坡向	Aspect

次数	训练数据	测试数据	次数	训练数据	测试数据
0	0.974	0.952	9	0.975	0.999
1	0.976	0.993	10	0.972	0.898
2	0.98	0.764	11	0.973	0.989
3	0.978	0.855	12	0.976	0.807
4	0.975	0.925	13	0.972	0.584
5	0.976	0.843	14	0.974	0.631
6	0.973	0.999	15	0.974	0.994
7	0.975	0.939	16	0.974	0.988
8	0.974	0.99	均值	0.974	0.891

变量代码	变量中文名	贡献率/%
bio15	降水量的季节性变化(变异系数)	38.4
podu	坡度	14.6
bio8	最湿季平均气温	11.9
bio9	最干季平均气温	11
bio19	最冷季降水量	9.6
bio4	气温季节性变动系数(标准差*100)	3.6
bio5	最热月的最高气温	2.6
dem	数字高程(海拔)	2
bio14	最干月降水量	1.6
bio17	最湿季降水量	1.3
bio7	气温年较差(Bio5~Bio6)	1.1
bio18	最热季降水量	1.1
poxiang	坡度	1.1