理论教育 未来环境变量推算与物种地理分布模型相关性研究

未来环境变量推算与物种地理分布模型相关性研究

时间:2023-10-29 理论教育 版权反馈
【摘要】:未来环境变量的数据采用大气环流模型进行推算,从理论上模拟放射性能量排放和大气流动之间复杂的相互关系。本研究选用以上3种排放模式表示未来环境变量的数据。当前和未来的数据从用世界气象组织所提供的2.5’分辨率全球气候数据库获取,利用A rcGIS 10.0推算新的环境变量,存储为IDRISI和asc格式,以便分析运算调用。AUC值越接近1,表明环境变量与预测物种地理分布模型之间的相关性越大,预测效果越好;AUC值越小,表明预测物种地理

未来环境变量推算与物种地理分布模型相关性研究

本研究使用WorldClim气候数据作为环境数据,所采用的环境变量(ecogeographical variables,EGVs)包括11个温度数据和8个降雨数据,均从WorldClim网站(www.worldclim.org)下载所得(表5.1)。

未来环境变量的数据采用大气环流模型(general circulation models,GCMs)进行推算,从理论上模拟放射性能量排放和大气流动之间复杂的相互关系(Regide et al., 2012)。联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)运用大气环流模型模拟推算人口数量增长、技术进步、国际贸易以及其他一些社会经济指标与未来温室气体排放量的相关性。未来政策旨在减少温室气体排放,所有大气环流模型从2000—2099年使用的指标均与IPCC报告中的一致(Moss et al., 2010)。

大气环流模型包括3种模式,分别为最高排放模式(A2)、中等排放模式(A1B)和最低排放模式(B1),这3种模式在不同的因素影响下表现出巨大差别,结果也被关注气候变化的研究文献广泛采用(Thuiller et al., 2004;Mckenney et al.,2007)。

A1情景系列假定未来世界经济增长非常快,全球人口数量峰值出现在21世纪中叶,迅速引进更高效的新技术,地区趋同、能力建设以及不断扩大的文化和社会影响加强,地域间人均收入差距实质性缩小。A1情景进一步划分为3组情景,分别描述能源系统中技术变化的不同方向,分别代表化石燃料密集型(A1FI)、非化石燃料能源(A1T)、各种能源均衡利用(A1B)。

A2情景系列假定了一个极不均衡的世界,主要特征是各地经济自给自足,保持当地特色,地域间生产力方式趋同异常缓慢,人口持续增长,人均经济增长和技术变化相对缓慢且不均衡。

B1情景系列假定一个更趋同的世界,全球人口数量与A1情景族相同,峰值出现在21世纪中叶,但经济结构向服务和信息经济方向迅速调整,材料密集程度下降,引进清洁资源和高效技术,强调经济、社会和环境可持续发展

本研究选用以上3种排放模式表示未来环境变量的数据。大气环流模型采用澳大利亚联邦科学与工业研究组织(Common Wealth Scientific and Industrial Research Organization,CSIRO)(www.ccafs-climate.org)的CSIRO-Mk3.0预测2050年和2080年2个时间段宽带果实蝇可能的分布区域。当前和未来的数据从用世界气象组织(World Meteorological Organization, WMO)所提供的2.5’分辨率全球气候数据库获取,利用A rcGIS 10.0(ESRI,USA)推算新的环境变量,存储为IDRISI和asc格式,以便分析运算调用。

环境变量数据通过生态位因子分析(ecological niche factor analysis, ENFA)进行筛选,并在 Biomapper4(http://www2.unil.ch/biomapper)软件平台运行,筛选出的重要环境因子在MaxEnt 3.3.3中重复1000次予以检测。

生态位因子分析(ENFA)利用物种的发生数据和一系列生态变量,在多维空间上将研究物种的生态位和生态幅度与整个区域环境因子的平均状态和变异相互比较(Hirzel et al., 2002;杨瑞等,2008)。生态位因子分析有3个重要概念:

mG为整个研究区域内某一生境因子对应生态地理变量的平均值,σG为其标准差;mS为某一物种分布范围内生境因子对应生态地理变量的平均值,σS为期标准差(Hirzel et al., 2002)。(www.daowen.com)

边缘因子(MF)是物种分布的平均值与研究区整体平均值的差异,显示物种分布对整个研究区平均值的偏离程度,从而揭示物种的分布格局,即相对于某一给定环境,某物种的分布接近于平均状态还是趋于极端,边缘因子M的绝对值大小表示其物种分布对整体平均值的偏离程度,而符号则代表其偏离的方向(Hirzel et al., 2002)。

特化因子(SF)是研究区域环境梯度变异与物种分布变异的比值,反映出物种对于整体环境变动的忍受程度,表示物种在研究区域是广泛分布还是特化于局部特定或稳定的栖息地中,该参数定义了物种生态位的宽度。

耐受系数T的取值范围为0~1,当T接近0时,表明物种在研究区域内分布狭窄;当T值接近1时,则表明该物种在研究区域内分布广泛。

表5.1 相关环境变量的释义
Tab.5.1 Explanation of the 19 Bioclim factors

续表5.1

最大熵(Maxumum Entropy,MaxEnt)模型认为,熵越大,越接近其自然界的真实状态,解决问题的原则就是对已知信息进行建模运算,不做任何假设,在生物适生区预测中往往能得出比其他模型更为准确的预测结果(Bai-ni et al., 2009)。

由E N F A筛选出的环境变量数据导入M a x E n t软件的“Sample”栏目下,再将生态位因子分析筛选出的关键因子导入“Environmental layers”栏目下,设置软件随机提取25%的数据点作为检验数据,选择软件界面中绘制预测图和检验变量重要性(Do jackknife to measure variable importance)2个选项,选取“Logistic output format”输出格式进行计算,保存输出文件类型为asc。

利用Surfer 10.0(Golden Software Inc.,Golden,CO,USA)绘图,模型稳定性采用ROC(Receiver Operation Curve)曲线的AUC(Areas Under Curve)值进行检验。AUC值越接近1,表明环境变量与预测物种地理分布模型之间的相关性越大,预测效果越好;AUC值越小,表明预测物种地理分布模型之间的相关性越小,预测效果不佳(王运生等,2007)。最后以东亚五国,即中国、蒙古、日本、朝鲜和韩国的国界为框架绘图。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈