【正文】 鞘一般呈紅棕色，長約1020厘米，葉片狹長，極硬，常態(tài)為硬紙質(zhì)或幾革質(zhì)，長約4060厘米，葉子從下而上漸狹，頂部成鉆形，邊緣通常狀態(tài)為內(nèi)卷，邊緣和背面具有刺狀細(xì)齒。Maxent 主要根據(jù)物種實(shí)際的分布點(diǎn)和現(xiàn)實(shí)的分布地區(qū)的環(huán)境變量，經(jīng)過運(yùn)算得出預(yù)測模型，再通過此模型模擬我們所需要預(yù)測的物種在目標(biāo)地區(qū)的將可能發(fā)生分布情況，該模型目前已成功地應(yīng)用于很多生物類群的潛在地理分布范圍預(yù)測。從WorldClim數(shù)據(jù)庫中下載模擬所需要的末次冰期（LGM）、當(dāng)前以及2080年3個時(shí)期的氣候變量數(shù)據(jù)。 –, 較差 (poor)。橫跨廣西，廣東，福建，江西，湖南，海南，臺灣等地區(qū)，其中主要十萬大山山脈為中心地段，輻射到周邊區(qū)域。距南平武夷山市區(qū)約40公里，距離上饒鉛山縣約60公里。24第二章第2章 結(jié)果與分析 影響黑莎草分布預(yù)測的因素與變量 利用19個生物氣候指標(biāo)作為黑莎草模擬分布的環(huán)境變量（表21），運(yùn)用MaxEnt可以得出各個環(huán)境變量對黑莎草分布預(yù)測的貢獻(xiàn)百分比。需要特別注意的是AUC值（橫坐標(biāo)與ROC曲線所圍成的面積值），AUC值可達(dá)到的最大值小于1，其數(shù)值越大，表明預(yù)測的物種分布模型與環(huán)境變量之間的相關(guān)性越大，預(yù)測的效果則越好。表明預(yù)測效果非常好?？梢詮?圖23)的結(jié)果看出，黑莎草主要分布在廣東省的西北部(廣州市白云山，陽江縣，陽山縣，南雄縣，從化縣，連平縣，和平縣等地)和廣西壯族自治區(qū)的山林地帶（包括蒼梧縣，梧州市,十萬大山，上林縣,陽江縣,武鳴縣,博白縣,懷集縣,金秀縣以及防城各族自治縣等地）和華南東部的江西、湖南和福建地帶（包括資溪縣,南康縣,泰寧縣,廈門市,宜章縣,將樂縣等地）。所以這就造成了不同時(shí)期，隨著地球氣候的變化，黑莎草的分布區(qū)域也在發(fā)生變化，就比如由于冰川時(shí)期的氣候穩(wěn)定區(qū)域較少，不同區(qū)域溫差較大，所以當(dāng)時(shí)的黑莎草分布面積較小，現(xiàn)在隨著氣候的變化，以及全球氣候的全年逐漸穩(wěn)定和大部分區(qū)域溫度較高所產(chǎn)生的影響，使得黑莎草的分布區(qū)域變大了許多，而隨著這樣的氣候繼續(xù)變化，隨著全球氣候的變暖，黑莎草的分布區(qū)域也會越來越大，正如2080年的分布預(yù)測圖一樣，會隨著時(shí)間的推移，氣候的變化，黑莎草分布范圍會在湖南北部和福建東部黑莎草的適宜性區(qū)域面積大面積的增加。目前已有為數(shù)不少的用地理環(huán)境因子進(jìn)行預(yù)測模型變量的物種潛在分布模型，應(yīng)用它們進(jìn)行物種潛在分布區(qū)域的預(yù)測。通過MaxEnt 模型預(yù)測物種的分布區(qū)域，結(jié)果要明顯優(yōu)于同類的其他預(yù)測模型，尤其是在物種分布數(shù)據(jù)不全的情況下，應(yīng)用 MaxEnt 模型預(yù)測物種分布仍然能得到較為滿意的結(jié)果。　　謹(jǐn)以此致謝最后，我要向百忙之中抽時(shí)間對本文進(jìn)行審閱的各位老師表示衷心的感謝。(Adwait Ratnaparkhi)[D]（2007）[12] 麻亞鴻 基于最大熵模型（MaxEnt）和地理信息系統(tǒng)（ArcGis）預(yù)測蘚類植物的地理分布范圍[D]上海師范大學(xué)，碩士學(xué)位論文（2013）[13]齊增湘,徐衛(wèi)華等，《生物多樣性》[J]湖南農(nóng)業(yè)大學(xué)園藝園林學(xué)院,長沙（2011，19）（3）：343352 [14]Gahnia tristis Nees in Linnaea IX (1834) 301, nom. nud. et in Hook. etArn. Bot. Beech. Voy. (1836) 228: Benth. Fl. Hongk. (1861) 398: C. B. Clarkein Journ. Linn. Soc. Bot. XXXVI (1903) 263: Ohwi, Cyper. Jap. II (1944) 14: 致謝致謝 在本次論文撰寫過程中，感謝我的學(xué)校，給了我學(xué)習(xí)的機(jī)會，在學(xué)習(xí)中，我的指導(dǎo)老師從選題指導(dǎo)、論文框架到數(shù)據(jù)輸出，再加上幫我進(jìn)行大量的分布數(shù)據(jù)處理以及各個結(jié)果樣圖的講解，老師都給予了我細(xì)致的指導(dǎo)，給我提出了很多寶貴的意見與建議，管老師以其嚴(yán)謹(jǐn)求實(shí)的治學(xué)態(tài)度、高度的敬業(yè)精神、兢兢業(yè)業(yè)、孜孜以求的工作作風(fēng)和大膽創(chuàng)新的進(jìn)取精神對我產(chǎn)生重要影響。現(xiàn)階段使用得比較廣泛的預(yù)測物種分布的一些生態(tài)位模型主要有 Bioclim，Climex，Domain，Garp（ genetic algorithm for rule setproduction）和 MaxEnt。用MAXENT模型根據(jù)當(dāng)下物種痕跡點(diǎn)分布數(shù)據(jù)進(jìn)行分布區(qū)域的預(yù)測時(shí), 會因數(shù)據(jù)點(diǎn)分布距離較為集中而存在空間自相關(guān)而影響模型模擬的精度。從數(shù)據(jù)可以看出，隨著現(xiàn)在氣候的改變，在不久的將來，黑莎草的適宜性區(qū)域面積會增大。其中，最干季度平均溫度 Mean temperature of driest quarter，年平均氣溫 Annual mean temperature，最熱季度平均溫度 Mean temperature of warmest quarter這三個環(huán)境因子對于冰川時(shí)期黑莎草的分布預(yù)測貢獻(xiàn)值最大。溫暖的色彩顯示更好的預(yù)測條件的地區(qū)，藍(lán)色的冷色調(diào)則顯示沒有分布黑莎草。溫暖的色彩顯示更好的預(yù)測條件的地區(qū)，藍(lán)色的冷色調(diào)則顯示沒有分布黑莎草。54ˊˊ ，東經(jīng)117176。十萬大山主峰位于上思縣南部雞籠隘附近的蒔良嶺，海拔1462米。 Ara MAXENT模型是把研究區(qū)所有像元作為構(gòu)成最大熵的可能分布空間, 將已知某些分布點(diǎn)的像元作為樣點(diǎn), 根據(jù)樣點(diǎn)像元的環(huán)境因子如氣候變量、海拔、年平均氣溫、土壤類型、植被類型得出約束條件, 探尋這些約束條件下的最大熵的可能分布情況(即探尋與物種分布點(diǎn)的環(huán)境變量特征相同的像元), 據(jù)此來預(yù)測，目標(biāo)物種在研究區(qū)的生境分布(Phillips et al., 2006)。代表性的常見模型還有廣義線性模型（GLM）、廣義加法模型（GAM）、分類回歸樹（CART）等（雷軍成，徐海根，2010）。[3]但是，由于黑莎草研究隊(duì)伍的人員較少，野外的采集工作相對于其他植物類群而言，開展較少，使得現(xiàn)在缺少黑莎草區(qū)系的資料，因此，需要確定黑莎草物種的地理分布是更加復(fù)雜而艱巨一個任務(wù)。[2]黑莎草是一種草本植物。、圖表要求：1）文字通順，語言流暢，書寫字跡工整，打印字體及大小符合要求，無錯別字，不準(zhǔn)請他人代寫2）工程設(shè)計(jì)類題目的圖紙，要求部分用尺規(guī)繪制，部分用計(jì)算機(jī)繪制，所有圖紙應(yīng)符合國家技術(shù)標(biāo)準(zhǔn)規(guī)范。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本研究提供過幫助和做出過貢獻(xiàn)的個人或集體，均已在文中作了明確的說明并表示了謝意。涉密論文按學(xué)校規(guī)定處理。[1]黑莎草在國內(nèi)產(chǎn)于福建、江西、海南島、廣東、廣西和湖南等地；生長于干燥的荒山坡或者山腳灌木叢中，海拔一般在130730米。苞片葉狀，具長鞘，愈往上則鞘愈短，邊緣以及背面亦具刺狀細(xì)齒；圓錐花序會緊縮成穗狀，長度約1435厘米，由715個卵形或矩形的穗狀枝花序組成，下面的穗狀枝花序則較長，彼此相距較遠(yuǎn)，漸上則漸短而且相距逐漸緊密；小苞片鱗片狀，卵狀披針形小穗，其排列緊密，紡錘形，具8片鱗片，罕有10鱗片；鱗片呈螺旋狀排列，基部的6片鱗片中空無花，初期呈黃棕色，后期為暗褐色，卵狀披針形，具1條脈，質(zhì)堅(jiān)硬，最上方的2片鱗片最小，寬卵形，頂端微凹，微具緣毛，其中上面的1片具兩性花，下面的1片具雄蕊或無花；無下位剛毛；雄蕊3，花絲細(xì)長，花藥線狀一般呈長圓形或線形，藥隔頂端且突出于藥外；花柱細(xì)長，柱頭3，細(xì)長。[4]在生態(tài)學(xué)和物種保護(hù)研究領(lǐng)域當(dāng)中，物種分布模型模擬和預(yù)測是一種很常見，而且非常適用和重要的工具，對研究物種的分布分別在環(huán)境和氣候不同時(shí)期變化下的空間分布具有重要的意義 。將黑莎草分布點(diǎn)位數(shù)據(jù)和氣候數(shù)據(jù)輸入MaxEnt模型中進(jìn)行分布模擬及驗(yàn)證。–, 一般(fair)。山脈呈東北—西南走向，長100多公里， 寬3040公里，總面積達(dá)2600㎞178。因山頂生滿萱草（俗稱黃花菜）八九月開花時(shí)節(jié)，山崗遍染金色，故名黃崗山（黃岡山）。在19個環(huán)境變量中，其中最冷季度平均濕度 Precipitation of coldest quarter以及年平均氣溫 Annual mean temperature，所占貢獻(xiàn)率較大(20%)，是19個環(huán)境因子當(dāng)中最主要影響黑莎草分布的環(huán)境變量（圖21）。利用MaxEnt模型計(jì)算ROC曲線的結(jié)果見圖22。圖26 黑莎草的適生分布預(yù)測精度 2. 4 黑莎草在冰川時(shí)期的分布預(yù)測 這是對ga