基于最大熵模型的中國水稻潛在分布及其氣候特征分析

基于最大熵模型的中國水稻潛在分布及其氣候特征分析

中國是世界上最大的水稻生產(chǎn)國，水稻產(chǎn)量在中國所有糧食中占據(jù)著最重要的地位。近年來,氣候變化已經(jīng)對水稻布局、生長發(fā)育和產(chǎn)量產(chǎn)生了重要影響。為促進水稻生產(chǎn),確保水稻穩(wěn)產(chǎn)高產(chǎn),許多研究者已經(jīng)基于選擇的氣候指標、地形地貌和生產(chǎn)水平等開展了水稻氣候區(qū)劃研究。但是,現(xiàn)有的水稻氣候區(qū)劃研究在研究的空間尺度、影響因子時空尺度的選取方面還存在很大的不一致,制約著水稻氣候區(qū)劃在實際指導中的作用發(fā)揮。為充分利用氣候資源服務于農(nóng)業(yè)生產(chǎn)、確保糧食穩(wěn)產(chǎn)高產(chǎn),迫切需要從不同空間尺度研究影響水稻分布的主導氣候因子,給出不同空間尺度的水稻氣候區(qū)劃。近年來,隨著統(tǒng)計技術和地理信息系統(tǒng)技術的發(fā)展,一系列基于ArcGIS技術平臺的統(tǒng)計模型,如廣義線性模型(GLM)、廣義加法模型(GAM)、分類回歸樹模型(CART)、BIOCLIM模型、DOMAIN模型、基于遺傳算法的規(guī)則組合預測模型(GARP)、多元自適應樣條回歸模型(MARS)、最大熵模型(MaxEnt)等已經(jīng)被成功地用于物種的潛在分布模擬[10,11,12,13,14,12,13]。其中,最大熵模型是一種基于機器學習的模型。該理論認為在無外力作用下,事物總是在約束條件下爭取最大的自由權,在已知條件下,熵最大的事物最可能接近它的真實狀態(tài)。最大熵統(tǒng)計建模就是從符合條件的分布中選擇熵最大的分布作為最優(yōu)分布。研究表明,最大熵模型在同等條件下對物種潛在分布模擬的精度高于其它生態(tài)位模型,特別是,它可以預測物種存在的概率,而不僅是是否存在,且只需要較小樣本的物種分布數(shù)據(jù)即可得到較好的模擬效果等優(yōu)點。本研究試圖基于中國水稻站點的地理分布信息及區(qū)域氣候資料,結(jié)合最大熵模型和ArcGIS軟件的空間分析功能,從國家層次和年尺度研究影響中國水稻種植區(qū)潛在分布的主導氣候因子,水稻種植區(qū)潛在分布及其氣候適宜性等級,分析其氣候特征,為中國水稻的生產(chǎn)布局及制定應對氣候變化的政策提供參考。1數(shù)據(jù)和方法1.1資料與數(shù)據(jù)插補本研究使用的數(shù)據(jù)主要有中國水稻的地理分布數(shù)據(jù)和氣候數(shù)據(jù),來自于國家氣象信息中心,包括127個具有明確地理信息(經(jīng)緯度)記錄的水稻農(nóng)業(yè)氣象觀測站,1971—2000年一個氣候標準年的中國地面氣候資料日值數(shù)據(jù)集(臺灣省數(shù)據(jù)暫缺)。為保證氣候數(shù)據(jù)質(zhì)量,從原始記錄中剔除缺測記錄在30d以上站點,即選擇記錄比較連續(xù)的氣象站點數(shù)據(jù),共得616個站點1971—2000年數(shù)據(jù)。研究區(qū)域、氣象臺站和水稻站點地理分布信息如圖1所示。對仍缺少氣象要素記錄的個別站點,采用該站其它年份同期記錄平均值插補。所用氣候要素為日平均氣溫和日降水量。數(shù)據(jù)處理軟件為ArcGIS9.3。1.2學習方法1.2.1氣象方程的確定從全國層次及年尺度考慮,基于已有的水稻區(qū)劃,結(jié)合自然植被區(qū)劃,篩選出以下9個具有明確生物學意義的可能影響水稻分布的潛在氣候因子(表1)。≥0℃積溫(∑T0)反映了某一地區(qū)廣義的適宜農(nóng)耕期內(nèi)的熱量累積(表1);≥10℃積溫(∑T10)反映了喜溫作物生長期內(nèi)的熱量累積;穩(wěn)定通過10℃持續(xù)日數(shù)(N10)為喜溫作物生長期,穩(wěn)定通過18℃持續(xù)日數(shù)(N18)反映水稻幼穗分化到抽穗揚花期所要求的高溫期;最冷月平均溫度(TC)表示寒冷程度,反映最差熱量條件對植物的限制;最暖月平均溫度(TW)表示溫暖程度,反映最好熱量條件對植物的滿足程度;氣溫年較差(ART)是氣溫年變化的幅度,反映了氣候的大陸性;年降水量(P)用來反映水分資源的絕對數(shù)量,可作為一些作物的分界線;濕潤指數(shù)(MI)是水分的收支比率,反映了氣候的濕潤程度。各界限溫度積溫采用累積法計算:Y=∑i=1nti＞BY=∑i=1nti＞B式中,Y為活動積溫,B為各界限溫度,tB為高于B的活動溫度,i為穩(wěn)定通過B的第i天,n為穩(wěn)定通過界限溫度B的日數(shù)。穩(wěn)定通過界限溫度的日數(shù)采用中國氣象局規(guī)定的全國各氣象臺站計算界限溫度起止日期的5日滑動平均法計算。最冷月平均氣溫(TC)為1月平均氣溫;最暖月平均氣溫(TW)為7月平均氣溫;最冷最熱月平均溫度差(ART)為TW-TC。濕潤指數(shù)(MI)采用Holdridge生命地帶系統(tǒng)方法計算:MI=PPET=P58.93×BTΜΙ=ΡΡEΤ=Ρ58.93×BΤ,BT=∑t365BΤ=∑t365式中,P為年降水量,t為<30℃與>0℃的日平均氣溫。據(jù)此,可分別計算出1971—2000年各年各站點的9個潛在氣候因子值,再進行30a平均,求取氣候標準年(1971—2000年)9個潛在氣候因子的平均值。1.2.2對中國水稻分布的最大熵模型的建立的模擬評價基于最大熵模型和ArcGIS空間分析功能等技術的具體研究方法如下:(1)模型輸入資料的格式轉(zhuǎn)換利用ArcGIS的Kringing插值功能將影響水稻潛在分布的9個潛在氣候因子平均值轉(zhuǎn)換成ASCⅡ格式數(shù)據(jù),格點大小為0.1°×0.1°,作為最大熵模型的環(huán)境變量層輸入;將水稻地理分布信息整理成CSV格式,作為最大熵模型的樣本輸入數(shù)據(jù)。(2)初始模型的構建選中Createresponsecurves選項,其它選項采用模型的默認設置,構建水稻潛在分布的最大熵模型,并采用受試者工作特征曲線(Receiveroperatingcharacteristiccurve,ROC曲線)的曲線下面積(Areaundercurve,AUC)值對建立的最大熵模型模擬結(jié)果精度進行評價。(3)主導氣候因子的選取根據(jù)各潛在氣候因子對水稻分布影響貢獻率的大小,提出影響中國水稻分布的主導氣候因子。在此基礎上,再重建中國水稻分布的最大熵模型,并進行模擬結(jié)果精度評價。(4)水稻氣候適宜等級分區(qū)利用ArcGIS的格式轉(zhuǎn)換工具ConversionTools將預測結(jié)果的ASCⅡ轉(zhuǎn)化為Raster格式;最大熵模型預測結(jié)果給出的是作物在待預測地區(qū)的存在概率p,取值范圍在0—1之間。為得到中國水稻的氣候適宜等級分區(qū),利用SpatialAnalysisTools的Reclassify功能選擇合適的閾值進行氣候適宜等級分區(qū)。參考IPCC報告關于評估可能性的劃分方法,結(jié)合中國水稻實際情況,得出水稻氣候適宜等級分區(qū)標準如下:P<0.05為氣候不適宜區(qū);0.05≤P<0.33為氣候低適宜區(qū);0.33≤P<0.66為氣候中適宜區(qū);P≥0.66為氣候高適宜區(qū)。(5)量化分析水稻潛在分布與各氣候適宜區(qū)氣候因子的閾值。利用ArcGIS軟件中的空間分析模塊,將主導氣候因子柵格數(shù)據(jù)與水稻潛在分布區(qū)及各氣候適宜區(qū)的數(shù)據(jù)疊加,提取水稻潛在分布區(qū)與各氣候適宜區(qū)的氣候因子值,并統(tǒng)計分析這些氣候因子范圍內(nèi)的水稻柵格數(shù),繪制折線圖,進而分析水稻各氣候適宜性分區(qū)的氣候因子閾值及其氣候特征。2結(jié)果分析2.1roc值的計算應用最大熵模型模擬輸出的ROC曲線的AUC值評估模型模擬的準確性。ROC曲線是以預測結(jié)果的每一個值作為可能的判斷閾值,由此計算得到相應的靈敏度和特異度。以假陽性率即(1-特異度)為橫坐標,以真陽性率即靈敏度(1-遺漏率)為縱坐標繪制ROC曲線,其AUC值的大小作為模型預測準確度的衡量指標,取值范圍為。AUC值的評估標準為:0.50—0.60(失敗);0.60—0.70(較差);0.70—0.80(一般);0.80—0.90(好);0.90—1.0(非常好)。結(jié)果表明(表2),基于潛在氣候因子的AUC值達0.895,模擬結(jié)果準確性達到好的標準,表明所構建模型可用于水稻潛在分布模擬。2.2對水稻存在概率的影響表3給出了影響中國水稻分布的前5個主要氣候因子貢獻百分率和累計貢獻百分率。按照貢獻百分率由大到小排序依次為:年降水量(P,68.2%)、濕潤指數(shù)(MI,15.1%)、穩(wěn)定通過18℃的持續(xù)日數(shù)(N18,10.8%)、≥10℃積溫(∑T10,3.5%)、最暖月平均氣溫(TW,1.3%)。前4個氣候因子的累積貢獻率達到97.6%,超過95%,可以認為這4個氣候因子是影響水稻分布的主導氣候因子?；诤Y選的主導氣候因子,結(jié)合最大熵模型,構建水稻潛在分布模擬模型。結(jié)果表明(表2),基于主導氣候因子的AUC達0.892,模擬結(jié)果準確性達到好的標準,表明基于篩選的主導氣候因子構建的模型可用于水稻潛在分布模擬。作為濕生喜溫植物,水稻適宜的氣候條件是較充沛的降水、適宜的空氣濕潤度,一定的日平均氣溫≥18℃持續(xù)日數(shù)及穩(wěn)定通過10℃的積溫(圖2)。年降水量較少時,水稻存在概率較低(圖2);當年降水量高于一定數(shù)值(約500mm/a)時,水稻存在概率迅速升高,與水稻喜濕的生物學特性一致。但當年降水量超過一定程度(約1800mm/a)時,水稻存在的概率迅速下降。由圖2可以看出,水稻存在概率高的區(qū)域是在一定的濕潤度范圍內(nèi)。水稻存在概率明顯提高的日平均氣溫≥18℃持續(xù)日數(shù)有兩個閾值:一個是50d,之后水稻存在概率明顯提高;另一個是140d左右,之后水稻存在概率提高到接近最大。在230d附近,水稻存在概率有所下降(圖2)。圖2顯示,在≥10℃積溫低于約2300℃·d的地區(qū),水稻存在概率較低,之后有一個直線提高的階段,然后基本平穩(wěn);在≥10℃積溫大于約4300℃·d的地區(qū),水稻存在概率再次直線提高,但之后即使再升高,水稻的存在概率也不再顯著增加。2.3氣候適宜等級分區(qū)根據(jù)篩選出的影響中國水稻分布的4個主導氣候因子,再次進行最大熵模型模擬,結(jié)合水稻氣候適宜等級分區(qū)劃分標準,給出了中國水稻潛在分布及其氣候適宜等級(圖3)。中國水稻的潛在分布區(qū)主要位于東北地區(qū)東部、環(huán)渤海的京津唐地區(qū)、山東、河南,陜西中南部,四川盆地,長江中下游及其以南的廣大地區(qū)和山西、西藏局部等地區(qū)。氣候適宜等級分區(qū)如下:高適宜區(qū)(P≥0.66):主要分布于江西北部及海南局部等地區(qū);中適宜區(qū)(0.33≤P<0.66):主要分布于東北平原及遼東丘陵,山東、河南、陜西南部及其以南的廣大地區(qū),包括江蘇、安徽、湖北、重慶、四川東部、浙江、江西、湖南、貴州、云南、福建、廣東、廣西、海南及臺灣等地區(qū);低適宜區(qū)(0.05≤P<0.33):主要分布于黑龍江小興安嶺和吉林東部長白山,環(huán)渤海的京津唐地區(qū),山東、河南大部,陜西中部及西藏東南部等地區(qū);中國其它地區(qū)為水稻種植區(qū)的氣候不適宜區(qū)(P<0.05):主要分布于新疆、青海、內(nèi)蒙古、寧夏,甘肅、西藏、河北、山西大部,東北地區(qū)、四川西部等地區(qū)。2.4中國水稻潛在分布的氣象條件中國水稻的潛在分布面積與年降水呈近似的偏正態(tài)分布關系(圖4),分布界限為年降水量531mm到1859mm之間,此范圍以外的地區(qū)為潛在分布極少區(qū)域。其中,80%的水稻潛在分布面積處于年降水量為560—1668mm的地區(qū);年降水量為545mm地區(qū),潛在分布面積最大。中國水稻的潛在分布面積與濕潤指數(shù)的關系呈典型的偏正態(tài)分布(圖4)。95%的中國水稻潛在分布區(qū)的濕潤指數(shù)在0.81—1.88之間,其中80%的中國水稻分布區(qū)的濕潤指數(shù)在0.92—1.64之間;中國水稻潛在分布面積最大地區(qū)對應的濕潤指數(shù)是1.15,該條件下水稻潛在分布面積占水稻總潛在分布面積的4.15%。中國水稻潛在分布面積與穩(wěn)定通過18℃持續(xù)日數(shù)呈近似正態(tài)分布關系(圖4),80%的中國水稻潛在分布區(qū)的穩(wěn)定通過18℃持續(xù)日數(shù)在58—205d之間;穩(wěn)定通過18℃持續(xù)日數(shù)小于36d或大于235d地區(qū)的水稻潛在分布面積小于總面積的5%(圖4)。中國水稻潛在分布面積與≥10℃積溫呈近似正態(tài)分布關系,主要潛在分布區(qū)≥10℃積溫在2600—6718℃·d之間,占總潛在分布面積的約80%(圖4);中國水稻潛在分布范圍的≥10℃積溫界限為2278℃·d和7653℃·d,低于2278℃·d或高于7653℃·d地區(qū),水稻分布極少。根據(jù)類似的方法,得到中國水稻潛在分布區(qū)各氣候適宜性分區(qū)的氣候特征如下:高適宜區(qū)的氣候特征為年降水量為1594—1847mm,穩(wěn)定通過18℃持續(xù)日數(shù)在104—179d和308—335d之間,濕潤指數(shù)在1.19—1.22和1.95—3.75之間,≥10℃積溫在5061—5770℃·d和8892—9224℃·d之間;中適宜區(qū)的氣候特征為年降水量為542—1890mm,穩(wěn)定通過18℃持續(xù)日數(shù)為59—238d,濕潤指數(shù)1.04—1.88,≥10℃積溫是2548—7768℃·d;低適宜區(qū)的氣候特征為年降水量為511—1011mm,穩(wěn)定通過18℃持續(xù)日數(shù)是18—145d,濕潤指數(shù)為0.73—1.78,穩(wěn)定通過10℃積溫為2167—5019℃·d;不適宜區(qū)的氣候特征為年降水24—679mm,穩(wěn)定通過18℃日數(shù)0—134d,濕潤指數(shù)為0.1—2.28,穩(wěn)定通過10℃積溫為21—4439℃·d。3結(jié)論和討論3.1環(huán)境因子對模型模擬的影響本研究利用最大熵模型,基于篩選出的主導氣候因子模擬了中國水稻的潛在分布,模擬準確性達到好的程度(AUC=0.892)。模型模擬的中國水稻潛在分布與基于遙感和調(diào)查資料繪制的中國水稻分布圖相比,空間分布基本一致。高中適宜區(qū)與中國水稻主產(chǎn)區(qū)相近,低適宜區(qū)是中國水稻的種植區(qū)之一。研究表明,氣候是影響中國水稻地理分布的主要環(huán)境因子,篩選的4個氣候因子起著主導因子的作用。最大熵模型反映的是物種的基礎生態(tài)位,理想狀態(tài)下的分布幾乎不可能發(fā)生,這時可能發(fā)生預測面積較實際分布面積大的現(xiàn)象。另一方面,由于植物的自適應性、人為影響等原因,使植物在超出原來基礎生態(tài)位的地區(qū)也能生存,此時模擬物種分布面積比實際分布面積小。水稻作為受人為因素影響較大的農(nóng)作物,人為因素,如水利灌溉、品種改進、栽培管理、市場需求等措施和條件都有可能使水稻分布面積擴大,會導致模擬的水稻分布面積比實際的小。在一個特定的模型分析中不可能包括所有的生態(tài)因子,因此,將模型看成偏生態(tài)位模型可能更符合實際。引進更多的影響物種分布的關鍵生態(tài)因子無疑會提高模型模擬的準確性。由于水利灌溉、品種改進、栽培管理、市場需求等影響因子相關數(shù)據(jù)難以取得,如何將這些因素納入模型是未來需要進一步解決的問題。環(huán)境因子影響模型模擬的準確性,同時作物種分布點數(shù)據(jù)的多少也將影響模型模擬的效果。分析不同訓練樣本數(shù)量對模型模擬效果的影響表明,當訓練樣本數(shù)達到20個時,模型模擬的準確度基本達到要求;當樣本數(shù)高于30個時,最大熵模型的預測結(jié)果表現(xiàn)穩(wěn)定。本研究用于構建模型的水稻分布點訓練樣本數(shù)達127個,這可能是本研究模擬結(jié)果準確性較高(AUC=0.892)的原因。此外,訓練樣本數(shù)在研究區(qū)分布的均衡程度、研究的空間尺度及模型自身的不足等會給模擬結(jié)果帶來一定的誤差和不確定性,這方面的工作未來需要進一步的完善和提高。3.2氣候因子對水稻潛在分布的影響本研究基于最大熵模型,提出了影響中國水稻潛在分布的主導氣候因子,即年降水量、濕潤指數(shù)、穩(wěn)定通過18℃持續(xù)日數(shù)和≥10℃積溫,分析了各氣候因子對中國水稻潛在分布概率的影響,建立了中國水稻潛在分布面積與氣候因子之間的關系,給出了中國水稻潛在分布、主要潛在分布區(qū)(約為總潛在分布面積的80%)及氣候適宜等級四級分區(qū)的氣候因子閾值。年降水與水稻存在概率的關系表明,水稻是喜濕作物,但過多降水將導致水稻的存在概率下降,對水稻生存不利。研究指出,拋秧水稻大田秧苗定植期內(nèi)遇上暴雨天氣對水稻定植不利;淹水將影響水稻的生理生化過程,進而影響水稻生長發(fā)育,甚至導致水稻死亡。些研究結(jié)果也從實驗上支持了水分過多對水稻生存不利的觀點。濕潤指數(shù)反映了氣候的濕潤程度,水稻存在概率較高的濕潤指數(shù)主要介于1.0—2.0之間,其值與水稻潛在分布面積中高適宜區(qū)的濕潤指數(shù)(1.04—1.88)相近,說明濕潤指數(shù)影響的存在概率較高的地區(qū),也是中國水稻的中高適宜區(qū),這些地區(qū)具有濕潤、亞濕潤的氣候特征。穩(wěn)定通過18℃持續(xù)日數(shù)高于約50d時,水稻的存在概率迅速升高,水稻主要潛在分布區(qū)的穩(wěn)定通過18℃持續(xù)日數(shù)在58—205d之間,存在概率迅速升高的穩(wěn)定通過18℃持續(xù)日數(shù)和主要潛在分布區(qū)的穩(wěn)定通過18℃持續(xù)日數(shù)低值相近。高亮之等用基于農(nóng)學經(jīng)驗的穩(wěn)定通過18℃持續(xù)日數(shù)≥30d作為水稻氣候生態(tài)區(qū)劃主要指標之一,與本研究通過水稻潛在分布柵格分