气候变化及耕地破碎背景下云南省滇重楼潜在适生区研究

Study on the Potential Suitable Area of Paris Polyphylla Var. Yunnanensis in Yunnan Province under the Background of Climate Change and Cultivated Land Fragmentation

摘要

通过收集滇重楼在云南省分布点，综合19个影响因子，运用6个物种分布模型（GAM、GLM、GBM、RF、SVM、MaxEnt）对云南省滇重楼潜在适生区进行预测，选取预测精度最高的RF作为预测模型，基于预测结果探索滇重楼在云南省生长分布的主要影响因子；为进一步挖掘最具种植潜力区域，结合潜在适生区内各县耕地破碎度，筛选出最适宜种植的区域；考虑未来气候变化的影响，研究2021―2040年、2041―2060年、2061―2080年不同气候情景SSP1-2.6、SSP2-4.5及SSP5-8.5下潜在适生区的时空演变。结果表明：滇重楼在云南省的总适生区面积为9.703万km²，共覆盖67个县，主要位于云南省西北部及中东部区域；考虑耕地综合破碎度对滇重楼产业化布局的影响，筛选出适生区内耕地斑块集中且最适宜种植的县共12个；气候变化下云南省滇重楼潜在适生区面积收缩整体向东部迁移，其质心向东南部移动。

Abstract

By collecting the distribution points of Paris polyphylla var. yunnanensis in Yunnan Province and integrating 19 influencing factors, six species distribution models (GAM, GLM, GBM, RF, SVM, and MaxEnt) were used to predict the potential suitable habitats for Paris polyphylla var. yunnanensis in Yunnan Province. The RF model, which had the highest prediction accuracy, was selected as the predictive model. Based on the prediction results, the primary factors affecting the growth and distribution of Paris polyphylla var. yunnanensis in Yunnan Province were explored. To further identify the areas with the highest planting potential, the cropland fragmentation in suitable habitats across different counties was considered to select the most suitable planting areas. In consideration of future climate change, the spatiotemporal evolution of suitable habitats under different climate scenarios (SSP1-2.6, SSP2-4.5, and SSP5-8.5) for the periods 2021―2040, 2041―2060, and 2061―2080 was studied. The results show that the total suitable habitat area for Paris polyphylla var. yunnanensis in Yunnan Province is 97 030 km², primarily located in the northwestern and central-eastern regions. The suitable habitat covers 67 counties in total. Considering the impact of cropland fragmentation on the industrial cultivation of Paris polyphylla var. yunnanensis, 12 counties were identified as having the most suitable cropland for planting. Under climate change conditions, the suitable habitat area for Paris polyphylla var. yunnanensis in Yunnan Province is expected to shrink and shift eastward, with the habitat’s centroid moving toward the southeast.

Graphical abstract

关键词

气候变化 / 耕地 / 破碎度 / 滇重楼 / 适生区

Key words

climate change / cultivated land / fragmentation / Paris polyphylla var. yunnanensis / suitable area

0　 引 言

滇重楼[Paris polyphylla var.yunnanensis(Franch.) Hand.-Mzt.]是一种多年生的传统药用植物，主要分布在我国云南、贵州、四川等地^[1]，其干燥根茎因具有抑菌、抗病毒、止血、镇静、止咳平喘、抗肿瘤等疗效^[2]而成为多种中成药的主要原料，在我国已有1 800多年的药用历史。作为云南省道地药材和最重要的天然药物之一，滇重楼药材为云南白药、宫血宁胶囊、热毒清胶囊等药品的生产提供较稳定的原料供应^[3]。相对于普通药材，道地药材的药效更佳，其独特的生存环境造就了其不可替代的特性。气候变化极大地影响滇重楼的产量、品质及药性^[4]。滇重楼生长受海拔、土壤、光照、温度、湿度等生态因子的显著影响^[5]，其大部分分布于海拔约2 200 m的山区林湿地，生长在腐殖质层丰富的酸性或微酸性土壤中，适宜生长温度在16~28 ℃之间，喜阴怕积水忌干燥，生长时需土壤保持湿润^[6]。

近几年随着中医药业的快速发展，逐年上涨的价格导致野生滇重楼采挖的速度远远超过了自然生长的速度，许多传统野生区已经枯竭。因此，推动滇重楼的产业化和规模化人工种植成为维持其生存和确保可持续供给的唯一途径^[7]。相关研究表明，滇重楼的生长对生境和地域有较强的依赖性^[8]，为保障滇重楼的品质，拟境栽培将成为主要生产模式^[9]，在这期间需了解滇重楼生长的适宜条件，国内外学者已对滇重楼生长的气候条件及环境适宜性进行了评估：Kunwar等^[10]运用最大熵（MaxEnt）模型预测尼泊尔喜马拉雅地区滇重楼种群适生区；程睿旸等^[11]运用聚类算法得出重楼在全球范围内19个国家的生态适宜性产区和潜在种植区；石子为等^[12]运用MaxEnt模型预测了滇重楼在国内的适宜生长区域，并分析了影响滇重楼生长的土壤因子；罗瑶等^[13]利用遥感及GIS空间叠加分析技术，识别出滇重楼在四川省内的适宜生长区域为凉山州等35个市县。以上研究为滇重楼的发展提供了科学参考，但在现有的研究中并未顾及滇重楼在云南省范围内潜在适生区域的挖掘，未在潜在适生区内结合耕地情况筛选出最适宜区域，对后期滇重楼种植缺乏较为精准、科学的引导，同时未考虑气候变化下云南滇重楼适生区格局的变化。

云南省因其特有的气候条件及地理环境满足滇重楼“宜阴畏晒，喜湿忌燥”的生长习性^[14]，成为滇重楼核心产区。然而，全球变暖导致云南省气候发生变化，表现为气温升高、降水减少和极端天气事件增多，这将对药材生长产生影响，在一定程度上引起作物分布空间格局的改变^[15]。在实现滇重楼规模化、产业化和可持续种植过程中，耕地是最重要的生产投入要素。然而，随着建设用地需求与耕地保护制度矛盾的加深，耕地资源出现了不同程度的破碎化现象。这种破碎化现象造成生产资料浪费^[16]、生产效率降低^[17-18]、生产成本增加^[19]、农业生产力和产量减少^[20]、生态可持续性降低^[21]，不利于现代农业新技术的推广实施^[22]。

本研究在云南省滇重楼的实地种植调查基础上，结合野生分布点，采用目前实用度最广泛的6个物种分布模型对其潜在适生区进行识别，将预测精度最高的模型作为预测模型，并将其预测结果作为滇重楼在云南省的潜在适生区。通过Fragstats软件分析潜在适生区内的耕地破碎度，筛选出潜在适生区内耕地破碎度低、适生区面积较大的县份作为最佳种植区域。此外，为应对气候变化的影响，本研究还开展了未来3个时期（2021—2040年，2041—2060年，2061—2080年）在不同气候情景不同碳排放浓度（SSP1-2.6、SSP2-4.5、SSP5-8.5）下滇重楼潜在适生区的时空演变研究，为滇重楼在云南省人工种植区域的发掘及可持续种植提供科学指导。

1　 云南省滇重楼潜在适生区识别

1.1　数据来源

本研究中所涉及的相关数据均采用WGS1984坐标系，数据来源如表1所示。

1.2　适生区识别技术流程

本研究的总体技术流程如图1所示。该流程主要分为5个步骤：1） 通过实地调研、相关文献收集等途径收集云南省滇重楼分布点，然后对其进行空间过滤，重复点删除；2） 对气候因子、土壤因子、地形因子进行相关性分析，保留一个相关性较大的影响因子；3） 基于R编程语言“flexsdm”包构建常用的6个模型，运用分布点及影响因子进行建模，通过模型精度评定及AUC验证筛选出最优模型，同时通过因子置换重要性分析主要影响因子；4） 基于最优型的预测结果，结合适生区内耕地破碎度探索产业化种植最佳区域；5） 在不同气候情景不同碳排放浓度（SSP1-2.6、SSP2-4.5、SSP5-8.5）下对滇重楼潜在适生区进行预测分析，对变化情况进行分析。

1.3　模型构建

1.3.1　影响因子的筛选

本研究收集了滇重楼在云南省的363个分布点。为降低样本的空间偏差，经过10 km的空间距离稀疏处理后，得到221个分布点作为本次研究样本数据。鉴于本研究涉及的环境影响因子较多，若全部输入模型可能产生多重共线性和模型过于复杂等问题，因此，本文运用SPSS 20.0对变量做皮尔逊相关性分析以筛选因子。结合这221个样本数据，利用ArcGIS软件的空间分析功能，将19个气候因子、17个土壤因子、3个地形因子进行相关性分析，若因子之间的相关性大于0.8，则保留其中一个生态意义较大的因子。通过以上相关性检验，最终筛选出19个主要影响因子，如表2所示。

1.3.2　模型与方法

物种分布模型（Species Distribution Models，SDMs）对物种适生区的评价可以反映物种的生长需求，预测物种的潜在分布区域，为作物产业化种植提供区域保障^[23]。研究表明，为提高预测结果的可信度，在对物种分布进行建模过程中，通常采用多个模型对同一物种进行预测，并通过比对结果筛选出预测精度高且分布稳定的模型^[24-28]。利用R编程语言中的“flexsdm”包进行建模，与单个建模算法相比，能够提供更高的预测准确性^[29]。本研究使用6种广泛应用的生态位模型预测滇重楼在云南省的适宜种植区域，包括广义加性模型(Generalized Additive Model, GAM）、广义提升模型（Generalized Boosting Model, GBM）、广义线性模型（Generalized Linear Model, GLM）、随机森林模型（Random Forest, RF）、支持向量机（Support Vector Machine, SVM）、最大熵模型（Maximum Entropy, MaxEnt）。

为准确评估滇重楼的潜在分布区域，本研究将75%的数据用于模型训练，25%的数据用于验证，并重复进行10次建模，运用真实技巧统计值（True Skill Statistics, TSS）和受试者操作特征曲线下面积（Area Under Curve, AUC）评估每个模型的预测能力^[30]。TSS涉及敏感性和特异性，数值范围为[-1,1]，1表示完全预测准确，0.6~0.9表示模型性能表现良好；AUC值是评估模型准确性的指标，AUC值越大，说明物种存在概率越大，代表模型预测结果准确性越高，当AUC<0.6时，预测结果失败，AUC≥0.8表明模型预测性能良好，AUC≥0.9表明模型预测性能优异。本研究将稀疏处理后的221个样本数据及筛选后的相关因子在上述6个模型中运行，每个模型均进行10次预测^[31]。

运用刀切法（jackknife）对影响滇重楼潜在分布的环境因子进行分析进而探索各环境因子对滇重楼生长的影响。刀切法是一种再抽样法，旨在降低研究中的估计偏差。它是一种无偏的点估计准则，广泛应用于假设检验和置信区间的计算。该法每次从原样本中剔除一个样本,得到样本含量为n-1的新样本,称为Jackknife样本,共有n个,由每个样本计算估计值。通过应用刀切法，可以分析变量因子对模型预测准确性的影响，同时该方法还具备修正统计抽样偏差的功能，因该方法得到未知参数的估计量偏性小或无偏性，故而在精确度要求较高的研究领域中具有很大的应用价值^[32]。

1.4　结果与分析

1.4.1　模型预测精度分析

6种模型的预测结果如表3所示，综合TSS均值和AUC均值两项指标可知，RF模型预测精度最好，其避免了多重共线性的影响，结果更具准确性及稳健性。

1.4.2　云南省滇重楼种植区气候适宜性区划

将6个模型预测的结果导入ArcGIS软件，将数据的预测结果转换为栅格图层，利用重分类工具将滇重楼在云南省潜在适生区分布划分为4个等级，包括非适生区、一般适生区、适生区、高适生区，各模型预测结果如图2所示。

相关研究表明RF作为一种常用的机器学习方法^[33]，能够通过独立、随机采样^[34]，快速获取预测变量中数据相关关系和非线性关系，对复杂数据进行全面、准确推断，更有利于平衡预测结果准确性和稳定性^[35]，因此本文采用RF模型预测潜在适生区，图3展示了预测结果，从图3可以看出滇重楼在云南潜在适生区主要位于云南省西北部及部分中东区域，该区域位于青藏高原、东亚季风、南亚和中南半岛热带季风三大自然地理区域的交接地带^[36]，属于高寒、高海拔地区，凭借其独特的自然资孕育出丰富的森林、草地资源。按照非适生区、一般适生区、适生区、高适生区统计RF预测的滇重楼在云南省潜在适生区，情况如下：高适生区1.41 万km²，占潜在适生区面积比重为3.68%；适生区2.142 万km²占潜在适生区面积比重为5.59%；一般适生区6.151 万km²占潜在适生区面积比重为16.05%；非适生区28.623 万km²占潜在适生区面积比重为74.68%（如图3）。

1.4.3　主导气候因子分析

运用刀切法对影响滇重楼潜在适生区分布的环境因子进行分析，各环境因子对滇重楼在云南省分布影响的贡献率如表4所示。由表4可知：降雨量是影响滇重楼潜在适生区分布的主要因子，具体而言，降雨量季节性变化(bio_15）的贡献率17.6%、最湿月份降雨量(bio_13）贡献率为14.8%、最暖季度降雨量(bio_18）贡献率6.9%；次要影响因素为温度，具体表现为昼夜温差月均值（bio_2）贡献率为8.2%、温度季节变化方差（bio_4）贡献率为7.5%；地形中坡度及高程贡献率分别为8.6%、6.1%，土壤中表层土基本饱和度贡献率为9.7%。以上环境变量累计贡献率达79.4%。说明滇重楼在云南省的适宜的分布生境主要由上述8个环境变量控制。

1.5　滇重楼适生区分布主要影响因子特征

影响因子≥0.496 8的区域为随机森林模型得到的滇重楼在云南的高适生区，因此本研究利用高适生区对应的气候因子范围表征滇重楼分布区的主要影响因子，其特征如图4，根据影响因子可知对滇重楼分布区的主要气候因子为：降雨量季节性变化（bio_15）为55.5~68 mm,最湿月份降雨量（bio_13）为121~150 mm,最暖季度降雨量（bio_18）为350~400 mm；昼夜温差月均值（bio_2）≥10 ℃，温度季节变化方差（bio_4）450~570；高程（dem）在2 500~3 500 m，坡度（slope）在0°~3°，土壤中表层土基本饱和度（t_bs）≥85%，这一结果为云南省滇重楼种植提供良好的环境指导。

1.6　适生性对环境变量的影响

根据RF预测结果，分析单一环境因子对滇重楼生长影响下的模型精度，并与无该因子参与的情况下进行对比，结果如图5所示，可知在仅考虑单一环境因子影响下最暖季度降雨量（bio_18）及最湿季度降雨量（bio_16）可提供的滇重楼最大生存概率为0.87，最湿月份降雨量（bio_13）及降雨量季节性变化（bio_15）可提供的滇重楼最大生存概率为0.86，海拔高度可提供的滇重楼最大生存概率为0.82，年降雨量可提供的滇重楼最大生存概率为0.83，而表层土壤碳酸钙、昼夜温差月均值能够提供给滇重楼的最大适生分布概率仅为0.56及0.58，这表明降雨量及海拔对滇重楼的分布有着更加显著的影响，降雨量关系到植物的生长、发育所需要的水分需求及土壤湿润程度，影响植物生长环境中空气的湿度，海拔为滇重楼提供了特殊的生长条件，符合滇重楼生长于高海拔地区、宜阴畏晒、喜湿忌燥的习性^[37]。

2　 云南省滇重楼潜在适生区耕地综合破碎度分析

2.1　云南省滇重楼适生区耕地破碎度分析技术流程

以适生区内各县为研究单元，探索耕地破碎度情况，确定技术流程如图6所示。首先将适生区与行政区内土地利用数据叠加后得到各县耕地面积，其次利用Fragstats4.2软件得出各县内8个指标的值；再次通过熵值法确定各指标权重，进而计算各县的耕地破碎度；最后对各县份耕地破碎度进行排序，得出耕地破碎度小的县份进而得出滇重楼最佳种植区域。

2.2　适生区耕地分布状况

根据随机森林模型所预测出的滇重楼在云南省的潜在适生区域，结合欧洲航天局（https://viewer.esa-worldcover.org/worldcover）发布的2020年10 m分辨率的土地利用数据，经重分类后分为耕地、林地、草地、水域、建设用地和其他用地，各用地类型面积及占比如表5所示，为保证研究区域数据一致性，均采用WGS1984坐标系。为研究滇重楼在云南省潜在适生区内种植布局规划，将潜在适生区分为两类，即耕地和其他用地，其分布情况如图7所示。

通过将潜在适生区与所覆盖的土地利用数据进行叠加，得到滇重楼在云南省的潜在适生区域为9.703 万km²，其中耕地总面积为1.813 万km²，占比18.68%，以县域为研究单元共涉及67个县，对县域适宜区耕地面积进行统计如图8所示：面积较多的为宁蒗彝族自治县、陆良县、罗平县、永胜县、祥云县、腾冲市、宾川县及玉龙纳西族自治县，适宜耕地面积分别为684.57、677.25、642.7、619.46、601.3、567.42、549.65、547.64 km²。其中，宁蒗彝族自治县、永胜县、祥云县、宾川县及玉龙纳西族自治县位于滇重楼潜在适生区的高适生区内，为最具种植潜力区域。

2.3　云南省滇重楼适生区耕地综合破碎度评价

2.3.1　评价指标选取

在耕地破碎化研究中，采用景观指数法^[38-40]和空间基尼系数^[41-43]可以高效评价耕地破碎化程度，本研究采用景观指数法对滇重楼潜在适生区内耕地破碎情况进行研究，选取斑块个数(Number of Patches, NP)、地块密度(Patch Density, PD)、边界密度指数(Edge Density, ED)、平均地块面积(Mean Patch Size, MPS)、面积加权形状指数(Area-Weighted Mean Shape Index, AWMSI)、景观分离度指数(Landscape Division Index, DIVISION)、地块数量破碎化指数(Fragmentation Index,FN)及斑块聚集度指数(Aggregation Index, AI)8个指标对耕地破碎度进行评价。

2.3.2　评价方法

结合相关研究，采用熵值法确定各指标的权重，该方法利用数学计算确定权重，有效避免了主观性，从而使评价结果更为科学。根据熵值法构建的评价模型，得到云南省滇重楼适生区耕地破碎度评价中各指标的权重，如表6所示。

2.3.3　研究区滇重楼潜在适生区耕地破碎度评价

通过计算表征耕地破碎度的景观格局指数，并应用耕地综合破碎度评价模型，得出了研究区滇重楼潜在适生区各县耕地破碎度。使用ArcGIS10.2软件进行分级，结果如图9所示：耕地破碎度划分为三个级区^[44-45]：Ⅰ级区(0~0.398 1)、Ⅱ级区(0.398 2~0.496 7)、Ⅲ级区(0.496 8~0.702 0)，Ⅰ级区为耕地轻度破碎化区域涉及29个县/市/区。Ⅱ级区为耕地中度破碎化区域涉及26个县/市/区，Ⅲ级为耕地重度破碎化区域涉及12个县/市/区。

对各县、市、区耕地破碎度进行统计，结果如图10所示破碎度最小的区域为禄丰县，其值为0.207，该区域地势相对低平有良好的农业生产条件，平均地块面积大，耕地分布相对集中，因而耕地破碎化程度较小；耕地综合破碎程度最大的是丘北县，其值为0.702，该区域地处云南高原东南斜坡地带^[46-47]，位于典型的喀斯特地貌区，耕地连续性较差，景观分离度指数较大，平均地块面积较小，因而耕地破碎化程度较大。不同县/市/区的耕地面积和破碎度存在不规则变化。耕地破碎度对作物产业化种植的影响显著：破碎度较低的区域更有利于作物的产业化和规模化种植^[48]。位于Ⅰ级区的县/市/区更适合滇重楼的产业化种植规划，位于该区的县/市/区有29个，其中包括：宁蒗彝族自治县（耕地面积684.57 km²，破碎度0.303），陆良县（耕地面积677.25 km²，破碎度指数0.361），罗平县（耕地面积642.7 km²，破碎度0.390），永胜县（耕地面积619.46 km²，破碎度0.325），师宗县（耕地面积579.07 km²，破碎度0.381），宾川县（耕地面积549.65 km²，破碎度0.375），玉龙纳西族自治县（耕地面积547.64 km²，破碎度0.341）。

从Ⅰ级区出发评估研究区内滇重楼最适宜产业化种植规划的区域如图11。最适宜滇重楼种植分别为：玉龙县、兰坪白族普米族自治县、宾川县、宁蒗彝族自治县、师宗县、永胜县、罗平县、陆良县、隆阳区、大理市、嵩明县、云龙县。

3　 气候变化下云南省滇重楼潜在适生区分析

气候变化下，运用RF模型预测未来各时期云南省滇重楼潜在适生区，将未来各时期预测结果与当前时期滇重楼潜在适生区进行比较研究，对潜在适生区的变化进行分析。研究未来2021―2040年、2041―2060年及2061―2080年不同气候情景SSP1-2.6、SSP2-4.5及SSP5-8.5下云南省滇重楼潜在适生区的地理分布变化，（其中SSP1-2.6为可持续发展下低碳排放情景，SSP2-4.5为发展面临中等气候变化的挑战下中等碳排放情景，SSP5-8.5为面临较为严峻的气候挑战下高碳排放情景），以探讨不同气候条件下滇重楼分布规律，为未来时期滇重楼在云南省的种植布局提供科学的参考依据。

3.1　未来不同气候情景下云南省滇重楼潜在适生区分布

在未来不同气候情景下，运用RF模型预测未来各时期云南省滇重楼潜在适生区如图12所示，对未来各时期滇重楼潜在适生区面积进行统计如表7，相较于当前时期，适生区总面积均有不同程度的缩减，整体表明未来气候变化对滇重楼在云南省的适生情况具有负面影响。

3.2　未来气候变化情景下研究区滇重楼适生空间格局变化

对未来各时期预测出的滇重楼潜在适生区与当前时期潜在适生区面积进行变化对比，相较于当前时期云南省滇重楼适生区分布状态，未来潜在适生区格局表现出三种势态：收缩区、扩张区及稳定区，如图13所示。从整体分布格局来看，适生区收缩势态较为明显，扩张区域范围较小，部分稳定区变化较为缓慢。

对未来各时期滇重楼潜在适生区面积相较于当下时期潜在适生区面积变化进行统计，结果如表8所示。由表8可知在SSP5-8.5情景下2080年云南省滇重楼潜在适生区面积收缩最严重为2.653 万km²，在SSP2-4.5情景下2080年云南省滇重楼潜在适生区面积扩张最大为5 260 km²，在SSP2-4.5情景下2060年云南省滇重楼潜在适生区稳定区面积最大为3.536 万km²。

3.3　未来气候变化情境下云南省滇重楼潜在适生区质心迁移变化分析

在当前气候情景条件下，滇重楼潜在适生区质心经纬度位置为（100.63°E，26.30°N），位于永胜县西南中部。对未来不同时期的预测结果进行分析，运用SDM包中的质心运算函数分别计算出各预测分布区域的质心，与当前气候条件下质心位置相比，气候变化下云南省滇重楼潜在适生区质心均向东南部迁移如图14所示，进一步表明气候变化下云南省滇重楼潜在适生区发生了变化。

4　 结论及展望

本研究采用R编程语言“flexsdm”包中实用度最广泛的6个物种分布模型GAM、GLM、GBM、RF、SVM、MaxEnt对滇重楼在云南省内潜在适生区进行识别，通过对模型预测结果的比对，选取精度最高的RF预测滇重楼在云南省的潜在适生区。顾及耕地破碎度对滇重楼产业化种植的影响，筛选出适生区内最适宜产业化种植的县。在气候变化下，运用RF模型预测未来各时期云南省滇重楼潜在适生区，将未来各时期预测结果与当前时期滇重楼潜在适生区进行比较研究，对潜在适生区的变化进行分析，研究未来2021―2040年、2041―2060年、2061―2080年不同气候情景SSP1-2.6、SSP2-4.5及SSP5-8.5下云南省滇重楼潜在适生区的地理分布变化，结果表明：

1） 随机森林（RF）对云南省滇重楼潜在适生区预测精度最高，预测精度为AUC=0.916，TSS=0.869；

2） 降雨量季节性变化、最湿月份降雨量、最暖季度降雨量、昼夜温差月均值、温度季节变化、海拔、坡度是影响滇重楼生长的主要影响因子；

3） 顾及耕地破碎化对作物种植的影响，最适宜滇重楼种植的区域有12个县份分别为：玉龙纳西族自治县，兰坪白族普米族自治县、宾川县、宁蒗彝族自治县、师宗县、永胜县、罗平县、陆良县、隆阳区、大理市、嵩明县、云龙县。

4） 受全球气候变化的影响，云南省滇重楼潜在适生区整体向东移动收缩，潜在适生区质心向东南部移动。随着未来气候变化，碳排放增加，各时期云南省滇重楼潜在适生区面积均有所减少，分布区域也随之发生变化，政府及种植户应对气候变化及时调整种植布局以建立气候变化种植响应模式。

本次研究涉及温度对滇重楼生长的影响，滇重楼最暖季适宜温度为15~25 ℃，这与滇重楼的最适宜生长温度为20~25 ℃一致^[49]，有研究从云南引种滇重楼种植于湖南省探究滇重楼的耐热性，结果表明34~39 ℃对滇重楼生长损伤将难以恢复^[50]，这一结果为滇重楼在云南夏季高温条件下种植栽培具有警示作用，以便在出现极端高温天气时及时进行防护。从本次研究结果可知滇重楼在高海拔地区有较好的生长适宜性，而不同海拔高度对滇重楼种子发芽率存在不同程度的制约，在未来研究中可将海拔进一步分级后再进行适生区的精准识别将更加有利于滇重楼在云南的种植^[51]。随着人类对自然界干扰的加深，全球温度、降水受到影响，进一步造成周围环境中土壤、高程的改变，在未来研究中若将土壤及地形的变化情况纳入模型进行预测，将会使云南省滇重楼适生区的预测精度更高，预测结果更加准确。

参考文献

[1] 赵东兴，李春，赵国祥，等.云南地道药材滇重楼的研究进展［J］.热带农业科学，2014，34（1）：42-47. DOI： 10.3969/j.issn.1009-2196.2014.01.010 .

[2] ZHAO D X， LI C， ZHAO G X， et al. Research progress on genuine medicinal plant Paris polyphylla var. yunnanensis （trilliaceae） in Yunnan［J］. Chinese Journal of Tropical Agriculture， 2014， 34（1）： 42-47. DOI： 10.3969/j.issn.1009-2196.2014.01.010（Ch ）.

[3] 邓子超， 黄玮， 张文生， 等. 滇重楼研究进展［J］. 中国医药技术经济与管理， 2007（2）： 57-63.

[4] DENG Z C， HUANG W， ZHANG W S， et al. Research progress of Paris polyphylla var. yunnanensis ［J］. Chinese Journal of Pharmaceutical Technology Economics and Management， 2007（2）： 57-63 （Ch）.

[5] 李宝， 李玛， 邱斌， 等. 温度对滇重楼种子萌发的影响［J］. 安徽农业科学， 2017， 45（26）： 129-130. DOI： 10.13989/j.cnki.0517-6611.2017.26.039 .

[6] LI B， LI M， QIU B， et al. Effects of temperature on the germination of Paris polyphylla Smith var. yunnanensis seeds［J］. Journal of Anhui Agricultural Sciences， 2017， 45（26）： 129-130. DOI： 10.13989/j.cnki.0517-6611.2017.26.039（Ch ）.

[7] 张馨妍. 道地药材采集地气候变化与中医药上市公司绩效——基于可持续发展的视角［D］. 济南： 山东财经大学， 2023.

[8] ZHANG X Y. Climate change and performance of listed Chinese medicine companies in authentic medicinal materials collection areas-from the perspective of sustainable development［D］.Jinan： Shandong University of Finance and Economics， 2023 （Ch）.

[9] 陈以相，杨俊华，徐文果，等.栽培密度对滇重楼生长、病害、产量和品质的影响［J］.中国农学通报，2024，40（2）：121-130.

[10] CHEN Y X， YANG J H， XU W G， et al. Effects of cultivation density on growth，disease，yield and quality of Paris polyphylla var. yunnanensis ［J］. Chinese Agricultural Science Bulletin，2024，40（2）：121-130 （Ch）.

[11] 周慧升.云南高海拔地区滇重楼种植技术［J］.农业工程技术，2022，42（20）：79+81.DOI：10.16815/j.cnki.11-5436/s.2022.20.047 .

[12] ZHOU H S. Planting techniques of Paris polyphylla var. yunnanensis in high altitude areas of Yunnan Province［J］. Agricultural Engineering Technology，2022，42（20）：79+81.DOI：10.16815/j.cnki.11-5436/s.2022.20.047（Ch ）.

[13] RANA S K， RANA H K， RANJITKAR S， et al. Climate-change threats to distribution， habitats， sustainability and conservation of highly traded medicinal and aromatic plants in Nepal［J］. Ecological Indicators， 2020， 115： 106435. DOI： 10.1016/j.ecolind.2020.106435（Ch ）.

[14] 王骞. 中国西南地区滇重楼资源品质评价［D］.大理： 大理大学，2019. DOI：10.27811/d.cnki.gdixy.2019.000138 .

[15] WANG Q. Quality evaluation of Paris polyphylla var . yunnanensis resources in Southwest China［D］. Dali： Dali University，2019. DOI：10.27811/d.cnki.gdixy.2019.000138（Ch ）.

[16] 郭兰萍， 周良云， 康传志， 等. 药用植物适应环境胁迫的策略及道地药材“拟境栽培”［J］. 中国中药杂志， 2020， 45（9）： 1969-1974. DOI： 10.19540/j.cnki.cjcmm.20200302.101 .

[17] GUO L P， ZHOU L Y， KANG C Z， et al. Strategies for medicinal plants adapting environmental stress and “simulative habitat cultivation” of Dao-di herbs［J］. China Journal of Chinese Materia Medica， 2020， 45（9）： 1969-1974. DOI： 10.19540/j.cnki.cjcmm.20200302.101（Ch ）.

[18] KUNWAR R M， ADHIKARI Y P， SHARMA H P， et al. Distribution， use， trade and conservation of Paris polyphylla Sm. in Nepal［J］. Global Ecology and Conservation，2020，23： e01081. DOI：10.1016/j.gecco.2020.e01081 .

[19] 程睿旸， 吴明丽， 沈亮， 等. 中药重楼全球产地生态适宜性分析［J］. 中国实验方剂学杂志， 2017， 23（14）： 19-24. DOI： 10.13422/j.cnki.syfjx.2017140019 .

[20] CHENG R Y， WU M L， SHEN L， et al. Global ecological suitability of paridis rhizoma based on GMPGIS［J］. Chinese Journal of Experimental Traditional Medical Formulae， 2017， 23（14）： 19-24. DOI： 10.13422/j.cnki.syfjx.2017140019（Ch ）.

[21] 石子为， 康利平， 彭华胜， 等. 我国滇重楼种植的气候适宜性研究［J］. 中国中药杂志， 2017， 42（18）： 3435-3442. DOI： 10.19540/j.cnki.cjcmm.2017.0133 .

[22] SHI Z W， KANG L P， PENG H S， et al. Climate suitability for potential Pairs polyphylla var. yunnanensis cultivation in China［J］. China Journal of Chinese Materia Medica， 2017， 42（18）： 3435-3442. DOI： 10.19540/j.cnki.cjcmm.2017.0133（Ch ）.

[23] 罗瑶， 董永波， 祝聪， 等. 基于遥感和GIS技术的云南重楼适宜性分布范围研究［J］. 中国中药杂志， 2017， 42（22）： 4378-4386. DOI： 10.19540/j.cnki.cjcmm.2017.0188 .

[24] LUO Y， DONG Y B， ZHU C， et al. Research on suitable distribution of Paris yunnanensis based on remote sensing and GIS［J］. China Journal of Chinese Materia Medica， 2017， 42（22）： 4378-4386. DOI： 10.19540/j.cnki.cjcmm.2017.0188（Ch ）.

[25] 李勇， 王昆生， 牛红芬. 中药材滇重楼种植风险分析及对策［J］. 现代农业科技， 2016（07）： 101-102.

[26] LI Y， WANG K S， NIU H F. Risk analysis and countermeasures of planting Chinese herbal medicine Paris polyphylla var. yunnanensis ［J］. Modern Agricultural Science and Technology， 2016（7）： 101-102 （Ch）.

[27] JANSSON R， DYNESIUS M. The fate of clades in a world of recurrent climatic change： Milankovitch oscillations and evolution［J］.Annual Review of Ecology and Systematics， 2002， 33： 741-777. DOI： 10.1146/annurev.ecolsys.33.010802.150520 .

[28] 陈帷胜， 冯秀丽， 马仁锋， 等. 耕地破碎度评价方法与实证研究——以浙江省宁波市为例［J］. 中国土地科学， 2016， 30（5）： 80-87. DOI： 10.11994/zgtdkx.20160616.142815 .

[29] CHEN W S， FENG X L， MA R F， et al. Method of cultivated land fragmentation evaluation and empirical research： A case of Ningbo City in Zhejiang Province［J］. China Land Science， 2016， 30（5）： 80-87. DOI： 10.11994/zgtdkx.20160616.142815（Ch ）.

[30] 刘雪冉， 赵艳玲， 李源， 等. 田块破碎对农业生产效率的影响——以皖江城市带为例［J］. 江苏农业科学， 2013， 41（5）： 316-319. DOI： 10.15889/j.issn.1002-1302.2013.05.050 .

[31] LIU X R， ZHAO Y L， LI Y， et al. Influence of field fragmentation on agricultural production efficiency： A case study of Wanjiang city belt［J］. Jiangsu Agricultural Sciences， 2013， 41（5）： 316-319. DOI： 10.15889/j.issn.1002-1302.2013.05.050（Ch ）.

[32] 许玉光， 杨钢桥， 文高辉. 耕地细碎化对耕地利用效率的影响——基于不同经营规模农户的实证分析［J］. 农业现代化研究， 2017， 38（4）： 688-695. DOI： 10.13872/j.1000-0275.2017.0056 .

[33] XU Y G， YANG G Q， WEN G H. Impacts of arable land fragmentation on land use efficiency： An empirical analysis based on farms of different scales［J］. Research of Agricultural Modernization， 2017， 38（4）： 688-695. DOI： 10.13872/j.1000-0275.2017.0056（Ch ）.

[34] BOŻEK P. Determining the parameters of arable land fragmentation［J］.Geodesy and Cartography，2019，68（1）：163-176. DOI： 10.24425/gac.2019.126091 .

[35] 吴俊法. 乡镇尺度下的土地细碎化研究——以贵州省遵义市播州区为例［D］. 武汉： 武汉大学， 2019.

[36] WU J F. Study on land fragmentation at township scale：A case study of Bozhou District， Zunyi City， Guizhou Province［D］.Wuhan： Wuhan University， 2019 （Ch）.

[37] QIAN F K， CHI Y R， LAL R， et al. Spatio-temporal characteristics of cultivated land fragmentation in different landform areas with a case study in Northeast China［J］. Ecosystem Health and Sustainability， 2020，6（1）： 1800415. DOI： 10.1080/20964129.2020.1800415 .

[38] LIANG J L， PAN S P， CHEN W X， et al.Cultivated land fragmentation and its influencing factors detection： A case study in Huaihe River Basin， China［J］. International Journal of Environmental Research and Public Health， 2021，19（1）： 138-138. DOI： 10.3390/ijerph19010138 .

[39] ZENG J R， LI C M， LIU J Z， et al. Ecological assessment of current and future Pogostemon cablin Benth. potential planting regions in China based on MaxEnt and ArcGIS models［J］. Journal of Applied Research on Medicinal and Aromatic Plants， 2021， 24： 100308. DOI： 10.1016/j.jarmap.2021.100308 .

[40] AHMADI M， HEMAMI M R， KABOLI M， et al. MaxEnt brings comparable results when the input data are being completed； model parameterization of four species distribution models［J］. Ecology and Evolution， 2023， 13（2）： e9827. DOI： 10.1002/ece3.9827 .

[41] AHMADI K， MAHMOODI S， PAL S C， et al. Improving species distribution models for dominant trees in climate data-poor forests using high-resolution remote sensing［J］. Ecological Modelling， 2023， 475： 110190. DOI： 10.1016/j.ecolmodel.2022.110190 .

[42] DEARBORN K D， MURRAY C， WESTWOOD R. Ground validation reveals limited applicability of species distribution models for Dakota skipper （hesperia dacotae， Lepidoptera： Hesperiidae） recovery efforts in Canada［J］. Environmental Entomology， 2022， 51（6）： 1249-1261. DOI： 10.1093/ee/nvac084 .

[43] 蒋腾聪. 黄土高原冬小麦生产对气候变化响应的模型模拟及不确定性研究［D］. 杨凌： 西北农林科技大学， 2022. DOI: 10.1016/j.agsy.2023.103770 .

[44] JIANG T C. Model simulation and uncertainty study on response of winter wheat production to climate change in Loess Plateau［D］.Yangling： Northwest A & F University， 2022 （Ch）. DOI: 10.1016/j.agsy.2023.103770 .

[45] 段义忠， 王驰， 王海涛， 等. 不同气候条件下沙冬青属植物在我国的潜在分布——基于生态位模型预测［J］. 生态学报， 2020， 40（21）： 7668-7680. DOI： 10.5846/stxb20-1902210306 .

[46] DUAN Y Z， WANG C， WANG H T， et al. Predicting the potential distribution of Ammopiptanthus species in China under different climates using ecological niche models［J］. Acta Ecologica Sinica， 2020， 40（21）： 7668-7680. DOI： 10.5846/stxb201902210306（Ch ）.

[47] WANG J， WANG Z R， DOU Y H， et al. Ecological risk assessment for typical organophosphorus pesticides in surface water of China based on a species sensitivity distribution model.［J］.The Science of the Total Environment，2024，913169805-169805. DOI：10.1016/J.SCITOTENV.2023.169805 .

[48] ARAÚJO M B， PEARSON R G， THUILLER W， et al. Validation of species⁃climate impact models under climate change［J］. Global Change Biology， 2005， 11（9）： 1504-1513. DOI： 10.1111/j.1365-2486.2005.01000.x .

[49] BRUNTON A J， CONROY G C， SCHOEMAN D S， et al. Seeing the forest through the trees： Applications of species distribution models across an Australian biodiversity hotspot for threatened rainforest species of Fontainea［J］. Global Ecology and Conservation， 2023， 42： e02376. DOI： 10.1016/j.gecco.2023.e02376 .

[50] UNNITHAN KUMAR S， MAINI P K， CHIAVERINI L， et al. Smoothing and the environmental manifold［J］. Ecological Informatics， 2021， 66： 101472. DOI： 10.1016/j.ecoinf.2021.101472 .

[51] STUPARIU M S， CUSHMAN S A， PLEŞOIANU A I， et al. Machine learning in landscape ecological analysis： A review of recent approaches［J］. Landscape Ecology， 2022， 37（5）： 1227-1250. DOI： 10.1007/s10980-021-01366-9 .

[52] 张涛，赵天亚，栾静，等. 基于物种分布模型分析环境因子对海州湾偶见种资源分布的影响［J］. 海洋学报， 2023， 45（7）： 69-78.

[53] ZHANG T， ZHAO T Y， LUAN J， et al. Analysis of the influence of environmental factors on the distribution of occasional species in the Haizhou Bay based on species distribution model［J］. Haiyang Xuebao，2023， 45（7）：69-78 （Ch）.

[54] ZHANG L， HUETTMANN F， LIU S R， et al. Classification and regression with random forests as a standard method for presence-only data SDMs： A future conservation example using China tree species［J］. Ecological Informatics， 2019， 52： 46-56. DOI： 10.1016/j.ecoinf.2019.05.003 .

[55] 潘继亚， 王金亮， 高帆. 滇西北高山峡谷典型区土地利用变化与生态安全评价研究［J］. 生态科学， 2022， 41（2）： 29-40. DOI： 10.14108/j.cnki.1008-8873.2022.02.004 .

[56] PAN J Y， WANG J L， GAO F. Research of land use change and ecological security of typical area of alpine canyon in Northwest Yunnan［J］. Ecological Science， 2022， 41（2）： 29-40. DOI： 10.14108/j.cnki.1008-8873.2022.02.004（Ch ）.

[57] 李宛霖， 李冰燕. 滇重楼的研究现状与发展［J］. 普洱学院学报， 2021， 37（3）： 10-12. DOI： 10.3969/j.issn.2095-7734.2021.03.004 .

[58] LI W L， LI B Y. On research status and development of Dianzhonglou［J］. Journal of Puer University， 2021， 37（3）： 10-12. DOI： 10.3969/j.issn.2095-7734.2021.03.004（Ch ）.

[59] 罗芳， 潘安， 陈忠升， 等. 四川省宜宾市1980—2018年耕地时空格局变化及其驱动因素［J］. 水土保持通报， 2021， 41（6）： 336-344. DOI： 10.13961/j.cnki.stbctb.20210917.001 .

[60] LUO F， PAN A， CHEN Z S， et al. Spatiotemporal pattern change of cultivated land and its driving forces in Yibin City， Sichuan Province during 1980-2018［J］. Bulletin of Soil and Water Conservation， 2021， 41（6）： 336-344. DOI： 10.13961/j.cnki.stbctb.20210917.001（Ch ）.

[61] 李云路， 崔文刚， 陆清平， 等. 山区耕地破碎化时空演化分析——以贵州省为例［J］. 水土保持研究， 2022， 29（5）： 301-309. DOI： 10.13869/j.cnki.rswc.20220425.001 .

[62] LI Y L， CUI W G， LU Q P， et al. Analysis on the spatiotemporal evolution of cultivated land fragmentation in mountainous areas—A case study of Guizhou Province［J］. Research of Soil and Water Conservation， 2022， 29（5）： 301-309. DOI： 10.13869/j.cnki.rswc.20220425.001（Ch ）.

[63] 付刚， 肖能文， 乔梦萍， 等. 北京市近二十年景观破碎化格局的时空变化［J］. 生态学报， 2017， 37（8）： 2551-2562. DOI： 10.5846/stxb201510232141.FU G ，

[64] XIAO N W， QIAO M P， et al. Spatial-temporal changes of landscape fragmentation patterns in Beijing in the last two decades［J］. Acta Ecologica Sinica， 2017， 37（8）： 2551-2562. DOI： 10.5846/stxb201510232141（Ch ）.

[65] 阿曼妮萨·库尔班， 满苏尔·沙比提， 艾克旦·依萨克， 等. 近19年新疆阿克苏河流域耕地利用时空演变特征［J］. 中国水土保持科学（中英文）， 2022， 20（3）： 72-80. DOI： 10.16843/j.sswc.2022.03.009 .

[66] KUERBAN A， SHABITI M， YISAKE A， et al. Spatiotemporal evolution of arable land use in Aksu River Basin， Xinjiang in recent 19 years［J］. Science of Soil and Water Conservation， 2022， 20（3）： 72-80. DOI： 10.16843/j.sswc.2022.03.009（Ch ）.

[67] 任平， 吴涛， 周介铭. 基于GIS和空间自相关模型的耕地空间分布格局及变化特征分析——以成都市龙泉驿区为例［J］. 中国生态农业学报， 2016， 24（3）： 325-334. DOI： 10.13930/j.cnki.cjea.151091 .

[68] REN P， WU T， ZHOU J M. Analysis of spatial distribution pattern and evolutionary characteristics of cultivated lands based on spatial autocorrelation model and GIS platform—A case study of Longquanyi district， Chengdu， China［J］. Chinese Journal of Eco-Agriculture， 2016， 24（3）： 325-334. DOI： 10.13930/j.cnki.cjea.151091（Ch ）.

[69] 李鹏山， 吕雅慧， 张超， 等. 基于核密度估计的京津冀地区耕地破碎化分析［J］. 农业机械学报， 2016， 47（5）： 281-287. DOI： 10.6041/j.issn.1000-1298.2016.05.038 .

[70] LI P S， LÜ Y H， ZHANG C， et al. Analysis of cultivated land fragmentation in Beijing-Tianjin-Hebei Region based on kernel density estimation［J］. Transactions of the Chinese Society for Agricultural Machinery， 2016， 47（5）： 281-287. DOI： 10.6041/j.issn.1000-1298.2016.05.038（Ch ）.

[71] 李帅， 魏虹， 倪细炉， 等. 基于层次分析法和熵权法的宁夏城市人居环境质量评价［J］. 应用生态学报， 2014， 25（9）： 2700-2708. DOI： 10.13287/j.1001-9332.2014.0215 .

[72] LI S， WEI H， NI X L， et al. Evaluation of urban human settlement quality in Ningxia based on AHP and the entropy method［J］. Chinese Journal of Applied Ecology， 2014， 25（9）： 2700-2708. DOI： 10.13287/j.1001-9332.2014.0215（Ch ）.

[73] QIAN F K， CHI Y R， LAL R，et al ． Spatio-temporal characteristics of cultivated land fragmentation in different landform areas with a case study in Northeast China［J］.Ecosystem Health and Sustainability，2020，6（1）：1800415．DOI：10.1080/20964129.2020.1800415

[74] 万伟华. 基于县域尺度的浙江省耕地破碎化空间分异研究［J］. 环境生态学， 2021， 3（11）： 15-21.

[75] WAN W H. Evaluation of cultivated land fragmentation and its spatial heterogeneity based on county level of Zhengjiang Province［J］. Environmental Ecology， 2021， 3（11）： 15-21 （Ch）.

[76] 谈树成， 赵晓燕， 李永平， 等. 基于GIS与信息量模型的地质灾害危险性评价——以云南省丘北县为例［J］. 西北师范大学学报（自然科学版）， 2018， 54（1）： 67-76. DOI： 10.16783/j.cnki.nwnuz.2018.01.012 .

[77] TAN S C， ZHAO X Y， LI Y P， et al. Risk assessment on the geological disasters based on GIS and information content model—Taking Qiubei County， Yunnan Province as an example［J］. Journal of Northwest Normal University （Natural Science）， 2018， 54（1）： 67-76. DOI： 10.16783/j.cnki.nwnuz.2018.01.012（Ch ）.

[78] LOOGA J， JÜRGENSON E， SIKK K， et al. Land fragmentation and other determinants of agricultural farm productivity： The case of Estonia［J］. Land Use Policy， 2018， 79： 285-292. DOI： 10.1016/j.landusepol.2018.08.021 .

[79] 苏文华， 张光飞. 滇重楼光合作用与环境因子的关系［J］. 云南大学学报（自然科学版）， 2003， 25（6）： 545-548. DOI： 10.3321/j.issn： 0258-7971.2003.06.020 .

[80] SU W H， ZHANG G F. Relationl between the photosynthesis of Paris polyphylla var. yunnanensis and the environmental factors［J］. Journal of Yunnan University （Natural Sciences Edition）， 2003， 25（6）： 545-548. DOI： 10.3321/j.issn： 0258-7971.2003.06.020（Ch ）.

[81] 张家玲， 马英姿， 胡文俐，等. 高温胁迫对滇重楼生理指标的影响［J］. 中草药， 2018， 49（17）： 4131-4137. DOI： 10.7501/j.issn.0253-2670.2018.17.025 .

[82] ZHANG J L， MA Y Z， HU W L， et al. Effects of high temperature stress on physiological indicators of Paris polyphylla var. yunnanensis ［J］. Chinese Traditional and Herbal Drugs， 2018， 49（17）： 4131-4137. DOI： 10.7501/j.issn.0253-2670.2018.17.025（Ch ）.

[83] 高成杰， 张婷婷， 唐国勇，等. 海拔对滇重楼种子大小和数量的影响［J］.生态学杂志，2018， 37（2）： 366-373. DOI： 10.13292/j.1000-4890.201802.030 .

[84] GAO C J， ZHANG T T， TANG G Y， et al. Effects of altitude on seed size and number of Paris polyphylla var. yunnanensis ［J］. Chinese Journal of Ecology， 2018， 37（2）： 366-373. DOI： 10.13292/j.1000-4890.201802.030（Ch ）.

基金资助

云南省重大科技专项计划（云南省西南联合研究生院科技专项-基础研究和应用基础研究重大项目）(202302AO370003)