海洋学报

环境变量	环境要素	单位	代号
水体环境	温度	℃	t
盐度		s
水深	m	deep
pH		pH
悬浮物浓度	mg/L	Sed.
浑浊度	NTU	NTU
化学需要量	mg/L	COD
溶解氧	mg/L	DO
生化需氧量	mg/L	BOD
叶绿素 a	mg/L	Chl a
总碳	mg/L	TC
总氮	mg/L	TN
总磷	mg/L	TP
无机氮	mg/L	N
活性磷酸盐	mg/L	P
活性硅酸盐	mg/L	Si
生物种类构成及特征	浮游植物多样性		PH
浮游植物密度	ind./L	Pdens
浮游植物种类数	N	PSN
浮游动物多样性		ZH
浮游动物密度	ind./m³	Zdens
浮游动物种类数	N	ZSN
浮游动物生物量	mg/m³	zbio
底栖生物多样性		Benh
底栖动物种类数	N	BSN
底栖生物生物量	g/m²	BBIO
沉积环境	沉积物硫化物	mg/kg	NS1
沉积物含水率	%	WC
有机碳	%	TOC
黏土质粉砂	%	CC
粉砂	%	SC
沙	%	Sand

环境变量	环境要素	单位	代号
水体环境	温度	℃	t
盐度		s
水深	m	deep
pH		pH
悬浮物浓度	mg/L	Sed.
浑浊度	NTU	NTU
化学需要量	mg/L	COD
溶解氧	mg/L	DO
生化需氧量	mg/L	BOD
叶绿素 a	mg/L	Chl a
总碳	mg/L	TC
总氮	mg/L	TN
总磷	mg/L	TP
无机氮	mg/L	N
活性磷酸盐	mg/L	P
活性硅酸盐	mg/L	Si
生物种类构成及特征	浮游植物多样性		PH
浮游植物密度	ind./L	Pdens
浮游植物种类数	N	PSN
浮游动物多样性		ZH
浮游动物密度	ind./m³	Zdens
浮游动物种类数	N	ZSN
浮游动物生物量	mg/m³	zbio
底栖生物多样性		Benh
底栖动物种类数	N	BSN
底栖生物生物量	g/m²	BBIO
沉积环境	沉积物硫化物	mg/kg	NS1
沉积物含水率	%	WC
有机碳	%	TOC
黏土质粉砂	%	CC
粉砂	%	SC
沙	%	Sand

环境变量	贡献率/%
水深	27
黏土颗粒体积占比	17.6
沉积物硫化物含量	14.3
浮游动物密度	8.3
粉砂颗粒体积占比	6.2
活性磷酸盐	6
浮游动物生物量	5.9
无机氮	3
海水盐度	3
底栖生物种类数	2.6
沉积物总有机碳	2.3
底栖生物多样性指数	1.1

环境变量	贡献率/%
水深	27
黏土颗粒体积占比	17.6
沉积物硫化物含量	14.3
浮游动物密度	8.3
粉砂颗粒体积占比	6.2
活性磷酸盐	6
浮游动物生物量	5.9
无机氮	3
海水盐度	3
底栖生物种类数	2.6
沉积物总有机碳	2.3
底栖生物多样性指数	1.1

潜在分布区等级	分布预测概率/%	栅格数	面积/km²	占比/%
极高适宜分布区	>95	190	5.9	0.3
较高适宜分布区	80～95	619	19.7	1
中度适宜分布区	60～80	1 400	43.4	2.2
较低适宜分布区	40～60	3 331	108.5	5.5
极低适宜分布区	<40	54 686	1795.5	91

潜在分布区等级	分布预测概率/%	栅格数	面积/km²	占比/%
极高适宜分布区	>95	190	5.9	0.3
较高适宜分布区	80～95	619	19.7	1
中度适宜分布区	60～80	1 400	43.4	2.2
较低适宜分布区	40～60	3 331	108.5	5.5
极低适宜分布区	<40	54 686	1795.5	91

基于Maxent模型的海地瓜（Acaudina molpadioides）区域适宜生境分布预测研究

PDF下载

何彦龙 ¹^,² , 刘守海 ¹^,² , 袁一鸣 ¹^,² , 蒋科技 ³ , 王腾 ¹^,² , 秦玉涛 ¹^,² , 任远豪 ³

海洋学报 | 论文 2021,43(4): 65-74

收起

海洋学报 | 论文 2021, 43(4): 65-74

基于Maxent模型的海地瓜（Acaudina molpadioides）区域适宜生境分布预测研究

全屏

何彦龙¹^,², 刘守海¹^,², 袁一鸣¹^,², 蒋科技³, 王腾¹^,², 秦玉涛¹^,², 任远豪³

作者信息

¹国家海洋局东海环境监测中心，上海 201206

²自然资源部生态监测与修复技术重点实验室，上海 201206

³中国水产科学院东海水产研究所，上海 201206

何彦龙（1980-），甘肃省陇西县人，博士，高级工程师，主要从事海岸带生态评估研究。E-mail：ylhe@ecs.mnr.gov.cn

The potential suitability habitat prediction of Acaudina molpadioides based on Maxent model

Yanlong He¹^,², Shouhai Liu¹^,², Yiming Yuan¹^,², Keji Jiang³, Teng Wang¹^,², Yutao Qing¹^,², Yuanhao Ren³

Affiliations

¹East China Sea Environmental Monitoring Center, State Oceanic Administration, Shanghai 201206, China

²Key Laboratory of Ecological Monitoring and Restoration Technology, Ministry of Natural Resources, Shanghai 201206, China

³East China Sea Fisheries Research Institute, Chinese Academy of Fishery Sciences, Shanghai 201206, China

出版时间: 2021-04-25 doi: 10.12284/hyxb2021042

文章导航

摘要

收起

生境适宜性预测对物种保护、外来生物及有害生物防治具有重要指导意义。本研究应用Maxent模型对宁德晴川湾海域海地瓜适宜性生境进行预测，模型的预测结果达到优秀水平，并结合ArcGIS软件对海地瓜适宜生境划分为5级。研究结果表明，极高和较高海地瓜适宜生境占总研究区域的1.3%，面积为25.6 km²。水体环境、沉积环境和生态群落均对海地瓜分布产生影响，水体环境中水深、盐度、无机氮和活性磷酸盐是影响海地瓜生境适宜性的主要水环境因子，对海地瓜适宜生境预测累计贡献率达39%，尤其水深是制约海地瓜分布最为主要的因子，预测贡献率为27%；沉积物粒度、硫化物和总有机碳是沉积环境主要影响因子，预测累计贡献率达40.4%，其中沉积物黏土颗粒体积占比是第二重要影响因子，预测贡献率约为18%。浮游动物密度和生物量以及底栖动物种类数量均对海地瓜分布产生一定影响，三者预测累计贡献率为16.8%，其中浮游动物密度的贡献相比其他生物要素最为重要，贡献率约为8%。总体上，海地瓜最为理想的分布区是近岸水深小于5 m、盐度相对较低、沉积物有机碳含量较高、底质为黏土−粉砂土为主的浅水淤泥质生境。

关键词

Maxent模型 / 海地瓜 / 生境 / 分布预测

Abstract

收起

The prediction of habitat suitability has important guiding significance for species protection, alien and pest control. In this study, Maxent model was used to predict the suitability habitat of A. molpadioides in Qingchuan Bay, Ningde, Fujian Province. The results of the model reached an excellent level. Combined with ArcGIS software, the suitable habitat of the A. molpadioides was divided into five grades. The results showed that: 1.3% of the total study area was highly suitable, and the area was 25.6 km². Water environment, sedimentary environment and ecological community all had an impact on the distribution of the A. molpadioides. Water depth, salinity, inorganic nitrogen and active phosphate were the main factors of water environment. The cumulative contribution rate to the prediction of the suitable habitat of A. molpadioides was 39%, especially, the water depth was the most important factor that restricts the distribution of the A. molpadioides, the prediction contribution rate was 27%; sediment grain size, sulfide content and total organic carbon in surface sediment were the main factors of sedimentary environment, and the cumulative contribution rate was 40.4%. The second important factor was the volume percentage of substrate of sediment clay, and the contribution rate was about 18%. The density and biomass of zooplankton and the number of benthos all had a certain impact on the distribution of A. molpadioides, the cumulative contribution rate was 16.8%, among which the contribution rate of zooplankton density to other biological factors was the most important, about 8%. On the whole, the most ideal distribution area of A. molpadioides is the shallow water muddy bottom habitat, where the water depth is less than 5 m, the salinity is relatively low, the organic carbon content of sediment is relatively high, and the bottom material is mainly clay silt.

Key words

Maxent model / Acaudina molpadioides / habitat / potential distribution prediction

引用本文

何彦龙, 刘守海, 袁一鸣, 蒋科技, 王腾, 秦玉涛, 任远豪. 基于Maxent模型的海地瓜（Acaudina molpadioides）区域适宜生境分布预测研究. 海洋学报, 2021 , 43 (4) : 65 -74 . DOI: 10.12284/hyxb2021042

Yanlong He, Shouhai Liu, Yiming Yuan, Keji Jiang, Teng Wang, Yutao Qing, Yuanhao Ren. The potential suitability habitat prediction of Acaudina molpadioides based on Maxent model[J]. Haiyang Xuebao, 2021 , 43 (4) : 65 -74 . DOI: 10.12284/hyxb2021042

正文

收起

1 引言

收起

生境是物种生存、繁衍所必须的空间^[1−2]，某一物种生境的形成是物种与所处环境因子以及物种间相互作用的结果^[3-4]。预测物种及其适宜性生境分布对于研究物种多样性、生物入侵、气候变化等至关重要^[5-6]。物种分布预测模型主要以生态位理论为基础，利用已知的物种分布数据和相关环境变量，判断物种的空间生态位，运算结果与时间和空间相关联，预测物种的实际分布和潜在分布^[7]。常见的生态位模型包括BIOCLIM、DOMAIN、GARP、CLIMEX和Maxent^[8]等，Maxent最大熵模型是以最大熵理论为基础的密度估计和物种分布预测模型，广泛应用于定量分析环境因子对物种分布的影响以及物种的潜在分布区预测^[9-10]。研究表明，应用Maxent模型预测物种的潜在分布，其结果优于同类的其他预测模型^[11-13]。近年来，该模型已经成功用于珍稀物种保护区适应性评估、入侵生物重点监控区确定等领域。如颜文博等^[14]、朱明畅等^[15]、曹铭昌等^[16]开展了鸟类生境适宜性预测研究；李丽鹤等^[17]、张熙骜等^[18]对入侵生物分布预测研究；车乐等^[19]、刘想等^[20]、刘清亮等^[21]、徐军等^[22]对农作物或经济植物潜在种植区或生境预测研究；齐增湘等^[23]对大型动物栖息地适宜性预测研究。

海洋底栖生物是一类终生或一段时期栖息于海底或近底层水域的生态类群^[24−25]。底栖生物的组成、分布和数量动态不仅受到海水温度、盐度变化的影响，而且与沉积环境及其他生物有密切关系^[25]。然而，海洋底栖生物分布受制于其隐蔽的生活习性，传统采样方式很难准确掌握其分布范围。海地瓜，俗称香参、白参、海茄子，属芋参目（Molpadida）、尻参科（Caudinidae）、海地瓜属（Acaudina）动物，在我国海南、广东、福建和浙江沿海等地广泛分布^[26]，是非常典型的底栖生物，其幼体未完成变态前处于浮游状态，成体则在底泥中生活。近年来，海地瓜已成为核电冷源等取水口典型堵塞生物，对海上核电运行安全产生较大影响，但目前对其生境环境特征和分布区域仍然缺少了解。因此，本研究利用DNA条形码技术检测海水中海地瓜信息并判断其分布点，利用Maxent模型预测区域海地瓜分布格局，试图为海地瓜类海洋底栖生物分布格局的预测提供技术支持。

2 材料与方法

收起

2.1 研究区环境数据调查

宁德晴川湾海域是我国海地瓜分布的重要区域之一，2015年8月，该海域海地瓜大规模聚集，造成核电冷源安全事故，据报道是至今唯一一起由海地瓜堵塞导致核电冷源取水安全事故^{11国家核安全局关于近期海洋生物或异物影响核电厂取水安全事件的通报。}。本研究选择晴川湾及周边海域为研究区，在2018年7月，开展水环境、沉积环境以及生物群落调查，调查站位见图1，采用《海洋调查规范》（GB/T 12763.1—2007）中关于水环境、沉积物和生物调查分析的方法。为满足Maxent模型所需的环境变量数据，本研究在全面调查基础上共获取了32个变量数据指标（表1）。

2.2 海地瓜数据

本研究利用DNA条形码技术鉴定海地瓜物种分布情况。首先，通过拖网捕捞获得成体海地瓜，对海地瓜成体进行DNA测序，通过在数据库搜索获得海地瓜COI基因参考序列，并设计通用引物通过PCR扩增，继而对目标片段进行测序、比对，判断为海地瓜COI序列；设计特定引物用于荧光定量扩增，特异性片段为251 bp；通过不同组的特异性验证实验（A：模板为海地瓜DNA；B：模板为几种近缘物种海参DNA；C：A+B混合DNA；D：模板为水），分别进行PCR扩增，结果发现只有A和C有目的条带出现（图2），判断引物具有特异性，上游引物20 bp，下游引物22 bp。然后从10 L水样中抽滤，再使用海洋动物组织基因组DNA提取试剂盒eDNA（《海洋动物组织基因组DNA提取试剂盒》离心柱型（目录号：DP324）；天根生化科技（北京）有限公司），记录eDNA体积，并与成体海地瓜序列进行比对，鉴定是否有海地瓜幼体分布，最终形成该海域海地瓜分布点数据。

2.3 研究方法

2.3.1 模型运行

将海地瓜数据与环境数据导入Maxent（版本3.4.1）软件，运算过程中随机选取75%的数据集作为训练集建立预测模型，剩余的25%作为测试集验证模型。重复运行类型选择Bootstrap，同时勾选刀切法，其余参数保持默认设置。依据模型生成的各环境变量百分比贡献率表征其重要性，并通过单一变量响应曲线来分析海地瓜分布概率对主要环境因子的响应，其他参数均为模型的默认值。将模型重复运行10次，取平均数以获得最终的模拟结果。将预测结果导入ArcGIS并转换为Raster格式，生成海地瓜分布概率预测图。

2.3.2 模型验证

受试者工作特征（Receive Operating Characteristic, ROC）曲线由横坐标的特异性和纵坐标的灵敏性构成。ROC曲线与横坐标之间的面积为曲线下面积（Area Under Curve, AUC），可以用来衡量模型的整体性能，评估模型的准确性。AUC值在0.5～0.6表明模型模拟效果为失败；0.6～0.7表明效果较差；0.7～0.8表明模拟效果一般；0.8～0.9表明模拟效果好；0.9～1表明模拟效果非常好^[27]。AUC值越接近1，表明环境变量与预测物种地理分布之间的相关性越大，模型预测结果越准确^[28]。物种分布预测不仅需要评估其潜在分布，同时需要对潜在区进行等级划分。

Zonation软件是用于生态系统保护规划的软件，主要用于优化生态空间布局方面。通过将Maxent模型和Zonation模型相结合，可以很好地确定物种潜在分布的优选区^[17]。本研究将Maxent模拟生成的海地瓜分布概率图（ASCII格式）输入到Zonation软件中进行模拟，采用“核心区移除规则”以保留海地瓜分布的核心区域，同时使用边缘移除，选择翘曲因子为“1”，其他参数为模型默认值^[29]。依据Zonation运算得到嵌套分级的景观序列，按照景观丧失比例与物种分布剩余比例之间的关系确定主要分布区，并在ArcGIS中作为确定生境适宜性分级的依据。

3 结果

收起

3.1 Maxent模型准确性检验

模型运行结果表明，模型运行10次时的海地瓜AUC值为0.998，表明Maxent模型的预测效果较好（图3a）。模型预测结果具有较高的可信度。

3.2 海地瓜潜在分布及影响因子

根据Maxent模型中刀切法分析结果，判断不同环境因子对模型贡献权重（图3b）和贡献率（表2），本研究统计对海地瓜分布贡献率大于1%的环境变量12个。水深、黏土颗粒体积占比、沉积物硫化物含量、浮游动物密度、粉砂颗粒体积占比、活性磷酸盐、浮游动物生物量对海地瓜分布的影响最大，累计贡献率达到85.3%。其中水深以及沉积物黏土颗粒体积占比、沉积物硫化物含量对海地瓜分布预测的贡献最大，累计贡献率达到58.9%。

分析海地瓜潜在分布概率与主要环境因子之间的响应可知（图4），海地瓜分布与水深、硫化物含量、粉砂含量比例呈现显著的负相关，当水深大于5 m、硫化物含量大于20 mg/kg时，预测贡献显著下降。海地瓜潜在分布与黏土颗粒体积占比、浮游动物生物量及密度之间存在明显的正相关，当黏土颗粒体积占比大于28%、浮游动物密度大于50 ind./m³时，原始预测贡献显著增加，表明黏土占比及浮游动物密度的增加有利于海地瓜分布。

3.3 海地瓜潜在分布区预测

将海地瓜潜在分布概率图输入Zonation中运行，得到Zonation的特性曲线（图5）。当研究区景观面积丧失40%时，海地瓜的潜在分布区剩余比例接近80%，即60%的研究区为80%海地瓜的潜在分布区。

因此，依据潜在分布概率大小以及景观丧失和物种保留关系，将海地瓜潜在分布划分为5级：极高适宜分布区、较高适宜分布区、中度适宜分布区、较低适宜分布区、极低适宜分布区（表3）。极高概率分布区域主要集中在福鼎市跳尾岛附近海域，近岸海域分布概率显著高于近海海域。海地瓜极高分布区占研究区域的0.3%，约为5.9 km²，较高与极高分布区总面积约为25.6 km²，占研究区域的1.3%（图6）。

4 讨论

收起

本研究针对海地瓜在宁德晴川湾及邻近海域适宜性生境进行分析，预测结果达到优秀水平，其结果与现场调查采集到海地瓜成熟个体分布区域基本一致。水体环境、沉积环境以及浮游生物对海地瓜生境均产生影响。水体环境中水深、盐度、无机氮和活性磷酸盐含量是影响海地瓜生境适宜性的主要因子，对海地瓜分布预测累计贡献率达到39%，水深是决定海地瓜生境适宜的最主要因子，水深变化与海地瓜生境适应性存在显著负相关，尤其当水深大于5 m时，海地瓜分布概率显著降低。这表明海地瓜适宜分布于水深较浅以及盐度较低的近岸海域。陈海燕等^[30]对北黄海底栖生物的研究发现，底栖生物的丰度和生物量与水深和盐度的变化呈负相关，底栖动物随水深增加而多度逐渐下降，本研究海地瓜随水深变化趋势与陈海燕等研究结果基本吻合。同时，水体氮、磷是海洋浮游植物群落生长所需的营养元素，通过海洋食物链的级联效益对底栖物质循环起着举足轻重的作用，一般而言，中等营养水平物种多样性较高，而贫营养和富营养下多样性较低。本研究发现，海地瓜高概率分布区域水体氮磷比普遍高于14，无机氮的含量显著高于活性磷酸磷含量，水体环境存在一定的磷限制（图7a）。因此，近岸过多汇入的氮影响区域生态系统的结构及过程，对海地瓜分布造成一定影响。何鎏臻等^[31]发现长江口底栖生物功能群与水体pH、硝酸盐、溶解氧和温度表现较好的相关性，何鎏臻等^[31]、李少文等^[32]研究均表明，在长江口、莱州湾等水体富营养化严重的区域，多毛类等肉食性底栖生物由于充足的碎屑食物来源，其生物量和密度均显著高于其他功能群生物。从而进一步表明，富营养化导致浮游植物大量增殖，浮游植物死亡后形成的大量有机质从水体沉降至海底，碎屑食者获得充足的食物来源，致使其生物密度大量增加，有利于海地瓜等碎屑食者种群生长。但是，过多的氮磷对底栖生物的分布会产生不利影响，熊金林等^[33]对湖泊底栖生物研究发现，氮、磷浓度过高能导致底栖动物逐渐消亡。刘乐丹等^[34]研究发现，中等营养水平以上，底栖动物多样性与总磷呈现显著负相关，与笔者对海地瓜的研究结果一致。

其次，底栖生物的分布与其底质生境的性质密切相关，底质性质是影响底栖生物分布的最主要因子^[35]。不同的底质生境，往往生物的构成也存在差异，本研究发现，沉积物粒度、硫化物和总有机碳对海地瓜分布产生较大影响（表2，图7b，图7c），预测累计贡献率达到40.4%。其中黏土颗粒体积占比与预测分布概率之间显著正相关，而与粉砂颗粒体积占比存在显著负相关，表明海地瓜更适宜于黏土组成的底栖生境。沉积物组成及体积变化是造成底栖生境异质性的主要因素，张海萍等^[36]研究发现，底栖动物密度与底质粒径小于4 mm体积百分比呈正空间自相关，生物量、丰富度指数与粒径32 mm底质体积百分比呈正空间自相关。王海明等^[35]研究发现，浙北泥沙底质中底栖生物种类最多，芋参属是底质为泥−细粉砂生境代表种，与本研究预测黏土组成的底质生境海地瓜分布概率更高基本吻合。另外，沉积物质量变化也会对底栖生物分布产生直接影响，本研究发现，沉积物有机碳含量高的区域海地瓜分布概率较高（图7c），有机质碎屑有利于海地瓜分布。同时，沉积物硫化物含量与海地瓜预测分布在空间上为负相关，也表明硫化物对海地瓜分布产生影响，可能的原因是在缺氧环境下，沉积物硫化物还原后产生的硫化氢对底栖生物产生毒性作用，一般硫化物含量高的区域，底栖生物丰度和生物量普遍较低。蔡丽萍^[37]对舟山群落底栖生物与环境因子的关系研究发现，有机碳与底栖生物多样性存在正相关，硫化物含量与底栖生物丰富度之间存在显著的负相关。黄昆等^[38]对厦门湾底栖生物种类数与有机碳和硫化物关系的研究发现，底栖动物种类数与有机碳之前存在显著的负相关，底栖生物多样性与硫化物之间存在显著的负相关。同时，本研究发现，浮游动物密度和生物量对海地瓜分布产生一定影响（表2，图7d），三者预测累计贡献率为16.8%，其中与浮游动物密度关联性更强。吕巍巍^[39]对潮间带底栖生物研究发现，自然潮滩浮游生物食者的丰度存在季节性的显著性差异。表明底栖生物与浮游生物通过食物网相关联，海地瓜的分布受到上层浮游生物群落分布影响。

5 结论

收起

Maxent模型对于预测物种区域分布以及评价物种生境适宜性方面在全球广泛应用，本研究对海地瓜生境适宜性预测基本明晰了海地瓜对生境的喜好，对于海地瓜资源利用以及海岸工程尤其是核电等取水口设计和维护具有一定的指导意义。对于海地瓜资源利用，可选择在海地瓜适宜生长的区域进行养殖或捕捞。而对于海岸工程尤其是核电厂冷源取水口选址，应首先考虑避开海湾水动力弱，沉积作用强烈或靠近河口等区域水深较浅、盐度较低、以黏土−粉砂组成的底质等适宜于海地瓜生长的区域。对于已经建设在海地瓜高密度分布的区域，建议通过改变工程区域水体动力环境，减弱沉积作用，减少海地瓜生境的适宜性，降低区域海地瓜种群密度，避免大量海地瓜堵塞取水口造成安全隐患。总体上，最大熵原理是源于一种用有限信息来客观地推断未知概率分布的方法，仍然存在一些争论，同时预测准确性也受制于数据的可获取性和准确性。本研究仅是基于一次调查结果，未考虑海地瓜季节性变动，调查区域也相对较少，因此，今后研究中可结合季节性及多年的数据，通过多次训练提高模型预测的精度。

基金

收起

国家重点研发计划重点专项（2016YFC1402405）

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

王金亮, 陈姚. 3S技术在野生动物生境研究中的应用[J]. 地理与地理信息科学, 2004, 20(6): 44−77.

Wang Jinliang, Chen Yao. Applications of 3S technology in wildlife habitat researches[J]. Geography and Geo-Information Science, 2004, 20(6): 44−77.

刘振生, 高惠, 滕丽微, 等. 基于MAXENT模型的贺兰山岩羊生境适宜性评价[J]. 生态学报, 2013, 33(22): 7243−7249.

Liu Zhensheng, Gao Hui, Teng Liwei, et al. Habitat suitability assessment of blue sheep in Helan Mountain based on MAXENT modeling[J]. Acta Ecologica Sinica, 2013, 33(22): 7243−7249.

Drake J A. Community-assembly mechanics and the structure of an experimental species ensemble[J]. The American Naturalist, 1991, 137(1): 1−26.

Chase J M. Community assembly: when should history matter?[J]. Oecologia, 2003, 136(4): 489−498.

Thuiller W, Richardson D M, Pyšek P, et al. Niche-based modelling as a tool for predicting the risk of alien plant invasions at a global scale[J]. Global Change Biology, 2005, 11: 2234−2250.

Phillips S J, Dudik M. Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation[J]. Ecography, 2008, 31: 161−175.

乔慧捷, 胡军华, 黄继红. 生态位模型的理论基础、发展方向与挑战[J]. 中国科学: 生命科学, 2013, 43(11): 915−927.

Qiao Huijie, Hu Junhua, Huang Jihong. Theoretical basis, future directions, and challenges for ecological niche models[J]. Scientia Sinica Vitae, 2013, 43(11): 915−927.

张琴, 张东方, 吴明丽, 等. 基于生态位模型预测天麻全球潜在适生区[J]. 植物生态学报, 2017, 41(7): 770−778.

Zhang Qin, Zhang Dongfang, Wu Mingli, et al. Predicting the global areas for potential distribution of Gastrodia elata based on ecological niche models[J]. Chinese Journal of Plant Ecology, 2017, 41(7): 770−778.

Phillips S J, Anderson R P, Schapire R E. Maximum entropy modeling of species geographic distributions[J]. Ecological Modelling, 2006, 190: 231−259.

邢丁亮, 郝占庆. 最大熵原理及其在生态学研究中的应用[J]. 生物多样性, 2011, 19(3): 295−302.

Xing Dingliang, Hao Zhanqing. The principle of maximum entropy and its applications in ecology[J]. Biodiversity Science, 2011, 19(3): 295−302.

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.

Ma Songmei, Zhang Mingli, Zhang Hongxiang, et al. Predicting potential geographical distributions and patterns of the relic plant Gymnocarpos przewalskii using maximum entropy and genetic algorithm for rule-set prediction[J]. Chinese Journal of Plant Ecology, 2010, 34(11): 1327−1335.

郝朝运, 谭乐和, 范睿, 等. 利用最大熵模型预测药用植物海南药的潜在地理布局[J]. 热带作物学报, 2011, 32(8): 1561−1566.

Hao Chaoyun, Tan Lehe, Fan Rui, et al. Predicting potential geographical distributions of medicinal plant Piper hainanense using maximum entropy[J]. Chinese Journal of Tropical Crops, 2011, 32(8): 1561−1566.

Roberto M, Zamora R, Molina J R, et al. Predictive modeling of microhabitats for endemic birds in south Chilean temperate forests using maximum entropy (Maxent)[J]. Ecological Informatics, 2011, 6: 364−370.

颜文博, 王琦, 王超. 应用Maxent模型分析秦巴地区朱鹮适宜繁殖地的分布[J]. 动物学杂志, 2015, 50(2): 185−193.

Yan Wenbo, Wang Qi, Wang Chao. Evaluation of potential breeding habitat distribution with Maxent model for crested ibis in the Qinling-Bashan region[J]. Chinese Journal of Zoology, 2015, 50(2): 185−193.

朱明畅, 曹铭昌, 汪正祥, 等. 黄河三角洲自然保护区水禽生境适宜性模糊综合评价[J]. 华中师范大学学报(自然科学版), 2015, 49(2): 287−294, 301.

Zhu Mingchang, Cao Mingchang, Wang Zhengxiang, et al. Fuzzy evaluation of waterfowl habitat suitability at the Yellow River delta nature reserve[J]. Journal of Huazhong Normal University (Natural Sciences), 2015, 49(2): 287−294, 301.

曹铭昌, 孙孝平, 乐志芳, 等. 基于Maxent模型的丹顶鹤越冬生境变化分析: 以盐城保护区为例[J]. 生态与农村环境学报, 2016, 32(6): 964−970.

Cao Mingchang, Sun Xiaoping, Le Zhifang, et al. Analysis of changes in wintering habitat of red-crowned cranes based on Maxent model: A case study of Yancheng nature reserve[J]. Journal of Ecology and Rural Environment, 2016, 32(6): 964−970.

李丽鹤, 刘会玉, 林振山, 等. 基于Maxent和Zonation的加拿大一枝黄花入侵重点监控区确定[J]. 生态学报, 2017, 37(9): 3124−3132.

Li Lihe, Liu Huiyu, Lin Zhenshan, et al. Identifying priority areas for monitoring the invasion of Solidago canadensis based on Maxent and Zonation[J]. Acta Ecologica Sinica, 2017, 37(9): 3124−3132.

张熙骜, 隋晓云, 吕植, 等. 基于Maxent的两种入侵性鱼类(麦穗鱼和鲫)的全球适生区预测[J]. 生物多样性, 2014, 22(2): 182−188.

Zhang Xi’ao, Sui Xiaoyun, Lü Zhi, et al. A prediction of the global habitat of two invasive fishes (Pseudorasbora parva and Carassius auratus) from East Asia using Maxent[J]. Biodiversity Science, 2014, 22(2): 182−188.

车乐, 曹博, 白成科, 等. 基于MaxEnt和ArcGIS对太白米的潜在分布预测及适宜性评价[J]. 生态学杂志, 2014, 33(6): 1623−1628.

Chen Le, Cao Bo, Bai Chengke, et al. Predictive distribution and habitat suitability assessment of Notholirion bulbuliferum based on MaxEnt and ArcGIS[J]. Chinese Journal of Ecology, 2014, 33(6): 1623−1628.

刘想, 龚熹, 陈思斯, 等. 基于Maxent和ArcGIS模拟檫木分布格局及其栖息地的变化[J]. 植物科学学报, 2018, 36(3): 320−326.

Liu Xiang, Gong Xi, Chen Sisi, et al. Simulation of the distribution pattern of Sassafras tzumu and changes in habitat based on ArcGIS and Maxent[J]. Plant Science Journal, 2018, 36(3): 320−326.

刘清亮, 李垚, 方升佐. 基于MaxEnt模型的青钱柳潜在适宜栽培区预测[J]. 南京林业大学学报(自然科学版), 2017, 41(4): 25−29.

Liu Qingliang, Li Yao, Fang Shengzuo. MaxEnt model-based identification of potential Cyclocarya paliurus cultivation regions[J]. Journal of Nanjing Forestry University (Natural Science Edition), 2017, 41(4): 25−29.

徐军, 曹博, 白成科. 基于MaxEnt濒危植物独叶草的中国潜在适生分布区预测[J]. 生态学杂志, 2015, 34(12): 3354−3359.

Xu Jun, Cao Bo, Bai Chengke. Prediction of potential suitable distribution of endangered plant Kingdonia uniflora in China with MaxEnt[J]. Chinese Journal of Ecology, 2015, 34(12): 3354−3359.

齐增湘, 徐卫华, 熊兴耀, 等. 基于MAXENT模型的秦岭山系黑熊潜在生境评价[J]. 生物多样性, 2011, 19(3): 343−352.

Qi Zengxiang, Xu Weihua, Xiong Xingyao, et al. Assessment of potential habitat for Ursus thibetanus in the Qinling Mountains[J]. Biodiversity Science, 2011, 19(3): 343−352.

蔡立哲. 海洋底栖生物生态学和生物多样性研究进展[J]. 厦门大学学报(自然科学版), 2006, 45(S2): 83−89.

Cai Lizhe. Progress on marine benthic ecology and biodiversity[J]. Journal of Xiamen University (Natural Science), 2006, 45(S2): 83−89.

张均龙, 史本泽, 赵峰, 等. 中国海洋底栖生物学发展回顾与展望[J]. 海洋科学集刊, 2016, 51: 194−204.

Zhang Junlong, Shi Benze, Zhao Feng, et al. Progress and prospect in marine Benthology in China[J]. Studia Marina Sinica, 2016, 51: 194−204.

苏永昌, 刘淑集, 刘秋凤, 等. 海地瓜营养成分的分析及评价[J]. 渔业研究, 2016, 38(4): 288−294.

Su Yongchang, Liu Shuji, Liu Qiufeng, et al. Analysis and evaluation of nutritional components in Acaudina molpadioides[J]. Journal of Fisheries Research, 2016, 38(4): 288−294.

Swets J A. Measuring the accuracy of diagnostic systems[J]. Science, 1988, 240(4857): 1285−1293.

Hanley J A, McNeil B J. The meaning and use of the area under a receiver operating characteristic (ROC) curve[J]. Radiology, 1982, 143(1): 29−36.

Moilanen A. Landscape zonation, benefit functions and target-based planning: unifying reserve selection strategies[J]. Biological Conservation, 2007, 134(4): 571−579.

陈海燕, 周红, 慕方红, 等. 北黄海小型底栖生物丰度和生物量时空分布特征[J]. 中国海洋大学学报, 2009, 39(4): 657−663.

Chen Haiyan, Zhou Hong, Mu Fanghong, et al. The spatial-temporal distributional characteristics of meiobenthic abundance and biomass in the Northern Yellow Sea[J]. Periodical of Ocean University of China, 2009, 39(4): 657−663.

何鎏臻, 寿鹿, 廖一波, 等. 长江口及其临近海域大型底栖动物功能群演替初探[J]. 海洋与湖沼, 2020, 51(3): 477−483.

He Liuzhen, Shou Lu, Liao Yibo, et al. The succession of macrobenthic functional groups in Changjiang River Estuary and its adjacent waters[J]. Oceanologia et Limnologia Sinica, 2020, 51(3): 477−483.

李少文, 刘元进, 李凡, 等. 莱州湾大型底栖动物功能群现状[J]. 生态学杂志, 2013, 32(2): 380−388.

Li Shaowen, Liu Yuanjin, Li Fan, et al. Macrobenthic functional groups in Laizhou Bay, East China[J]. Chinese Journal of Ecology, 2013, 32(2): 380−388.

熊金林, 梅兴国, 胡传林. 不同污染程度湖泊底栖动物群落结构及多样性比较[J]. 湖泊科学, 2003, 15(2): 160−168.

Xiong Jinlin, Mei Xingguo, Hu Chuanlin. Comparative study on the community structure and biodiversity of Zoobenthos in lakes of different pollution states[J]. Journal of Lake Sciences, 2003, 15(2): 160−168.

刘乐丹, 王先云, 陈丽平, 等. 淀山湖底栖动物群落结构及其与沉积物碳氮磷的关系[J]. 长江流域资源与环境, 2018, 27(6): 1269−1278.

Liu Ledan, Wang Xianyun, Chen Liping, et al. Community structure of macrozoobenthos with relationships to carbon, nitrogen and phosphorus in the sediment of Dianshan Lake (Shanghai, China)[J]. Resources and Environment in the Yangtze Basin, 2018, 27(6): 1269−1278.

王海明, 蔡如星, 曾地刚, 等. 浙北潮下带(0~−5 m)大型底栖生物生态[J]. 东海海洋, 1996, 14(4): 67−77.

Wang Haiming, Cai Ruxing, Zeng Digang, et al. Ecology of macrobenthos in subtidal zone (0~−5 m) of northern Zhejiang[J]. Donghai Marine Science, 1996, 14(4): 67−77.

张海萍, 张宇航, 马凯, 等. 河流微生境异质性与大型底栖动物空间分布的关系[J]. 应用生态学报, 2017, 28(9): 3023−3031.

Zhang Haiping, Zhang Yuhang, Ma Kai, et al. Relationship of river microhabitat heterogeneity and macroinvertebrate spatial distribution[J]. Chinese Journal of Applied Ecology, 2017, 28(9): 3023−3031.

蔡丽萍. 六横岛东部围填海对沉积物和底栖生物的影响[D]. 舟山: 浙江海洋学院, 2012.

Cai Liping. Reclamation impacts on sediments and macrobenthos in eastern Liuheng Island[D]. Zhoushan: Zhejiang Ocean University, 2012.

黄昆, 陈岚, 傅婷婷, 等. 厦门湾大型底栖动物多样性指数空间分布及其与环境因子的关系[J]. 渔业研究, 2019, 41(4): 293−301.

Huang Kun, Chen Lan, Fu Tingting, et al. Spatial distribution of macrobenthic diversity factors in Xiamen Bay and its relationship with environmental factors[J]. Journal of Fisheries Research, 2019, 41(4): 293−301.

吕巍巍. 围垦对横沙东滩大型底栖动物影响的初步研究[D]. 上海: 华东师范大学, 2013.

Lü Weiwei. The preliminary study on the influence of reclamation on macrobenthos in the Hengsha East Shoal[D]. Shanghai: East China Normal University, 2013.

2021年第43卷第4期

PDF下载

107

引用本文

BibTeX

文章信息

doi: 10.12284/hyxb2021042

接收时间：2020-07-06
首发时间：2026-02-26
出版时间：2021-04-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2020-07-06
修回日期：2020-11-10

基金

国家重点研发计划重点专项（2016YFC1402405）

作者信息

¹国家海洋局东海环境监测中心，上海 201206

²自然资源部生态监测与修复技术重点实验室，上海 201206

³中国水产科学院东海水产研究所，上海 201206

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/hyxb/CN/10.12284/hyxb2021042

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

环境变量	环境要素	单位	代号
水体环境	温度	℃	t
盐度		s
水深	m	deep
pH		pH
悬浮物浓度	mg/L	Sed.
浑浊度	NTU	NTU
化学需要量	mg/L	COD
溶解氧	mg/L	DO
生化需氧量	mg/L	BOD
叶绿素 a	mg/L	Chl a
总碳	mg/L	TC
总氮	mg/L	TN
总磷	mg/L	TP
无机氮	mg/L	N
活性磷酸盐	mg/L	P
活性硅酸盐	mg/L	Si
生物种类构成及特征	浮游植物多样性		PH
浮游植物密度	ind./L	Pdens
浮游植物种类数	N	PSN
浮游动物多样性		ZH
浮游动物密度	ind./m³	Zdens
浮游动物种类数	N	ZSN
浮游动物生物量	mg/m³	zbio
底栖生物多样性		Benh
底栖动物种类数	N	BSN
底栖生物生物量	g/m²	BBIO
沉积环境	沉积物硫化物	mg/kg	NS1
沉积物含水率	%	WC
有机碳	%	TOC
黏土质粉砂	%	CC
粉砂	%	SC
沙	%	Sand

环境变量

环境要素

单位

代号

水体环境

温度

℃

盐度

水深

deep

悬浮物浓度

mg/L

Sed.

浑浊度

NTU

化学需要量

mg/L

COD

溶解氧

mg/L

生化需氧量

mg/L

BOD

叶绿素 a

mg/L

Chl a

总碳

mg/L

总氮

mg/L

总磷

mg/L

无机氮

mg/L

活性磷酸盐

mg/L

活性硅酸盐

mg/L

生物种类构成及特征

浮游植物多样性

浮游植物密度

ind./L

Pdens

浮游植物种类数

PSN

浮游动物多样性

浮游动物密度

ind./m³

Zdens

浮游动物种类数

ZSN

浮游动物生物量

mg/m³

zbio

底栖生物多样性

Benh

底栖动物种类数

BSN

底栖生物生物量

g/m²

BBIO

沉积环境

沉积物硫化物

mg/kg

NS1

沉积物含水率

有机碳

TOC

黏土质粉砂

粉砂

沙

Sand

环境变量	贡献率/%
水深	27
黏土颗粒体积占比	17.6
沉积物硫化物含量	14.3
浮游动物密度	8.3
粉砂颗粒体积占比	6.2
活性磷酸盐	6
浮游动物生物量	5.9
无机氮	3
海水盐度	3
底栖生物种类数	2.6
沉积物总有机碳	2.3
底栖生物多样性指数	1.1

环境变量

贡献率/%

水深

黏土颗粒体积占比

17.6

沉积物硫化物含量

14.3

浮游动物密度

8.3

粉砂颗粒体积占比

6.2

活性磷酸盐

浮游动物生物量

5.9

无机氮

海水盐度

底栖生物种类数

2.6

沉积物总有机碳

2.3

底栖生物多样性指数

1.1

潜在分布区等级	分布预测概率/%	栅格数	面积/km²	占比/%
极高适宜分布区	>95	190	5.9	0.3
较高适宜分布区	80～95	619	19.7	1
中度适宜分布区	60～80	1 400	43.4	2.2
较低适宜分布区	40～60	3 331	108.5	5.5
极低适宜分布区	<40	54 686	1795.5	91

潜在分布区等级

分布预测概率/%

栅格数

面积/km²

占比/%

极高适宜分布区

>95

190

5.9

0.3

较高适宜分布区

80～95

619

19.7

中度适宜分布区

60～80

1 400

43.4

2.2

较低适宜分布区

40～60

3 331

108.5

5.5

极低适宜分布区

<40

54 686

1795.5