【正文】 好。其中，年平均氣溫 Annual mean temperature、最干季度平均溫度 Mean temperature of driest quarter、最冷月份最低溫 Min temperature of coldest month 這三個環(huán)境因子貢獻(xiàn)最大。區(qū)域內(nèi)部山勢起伏 , 區(qū)內(nèi)相對高差 2500 m以上 , 研究區(qū)域內(nèi)海拔最高黃岡山 2158 m。 其中， AUC 值越大 , 則表示環(huán)境變量與預(yù)測物種的地理分布模型之間的相關(guān)性也就越大 , 越能將該物種在這一地區(qū)有分布和無分布的判別開 , 預(yù)測效果也就越好。 其中，可以收集一些黑莎草目前的分布數(shù)據(jù)，用 MaxEnt 來進(jìn)行數(shù)據(jù)處理和分析。 20緒論 1 緒論 黑莎草 屬在全世界有 50 余種，其中多產(chǎn)于亞洲、澳洲等熱帶地區(qū)，我國有 2種，主要分布于華南各省。 10 2. 4 黑莎草在冰川時期的分布預(yù)測 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。 、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)計類題目的圖紙，要求部分用尺規(guī)繪制，部分用計算機繪制，所有圖紙應(yīng)符合國家技術(shù)標(biāo)準(zhǔn)規(guī)范。 Ⅱ 緒論 3 1 .1 數(shù)據(jù)來源 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。將黑莎草分布點位數(shù)據(jù)和氣候數(shù)據(jù)輸入MaxEnt 模型中進(jìn)行分布模擬及驗證。 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。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）。 第二章 11 圖 26 黑莎草的適生分布預(yù)測精度 2. 4 黑莎草在冰川時期的分布預(yù)測 這是對 gahnia_tristis Maxent 模型表示。 為了使預(yù)測結(jié)果更加的精確可用，第一，獲取一定數(shù)量的精確且很有針對性的物種地理分布點數(shù)據(jù)；其次還需要選擇影響物種分布的關(guān)鍵環(huán)境變量來建立相對準(zhǔn)確的模型，而其基礎(chǔ)就是要充分了解物種的生物學(xué)和生態(tài)學(xué)特 性，最后可以采用多種模型結(jié)合的方法，綜合考慮其他因素，這樣才能得到相對準(zhǔn)確的預(yù)測結(jié)果。本文基于生物氣候變量，應(yīng)用 MaxEnt 預(yù)測了黑莎草的潛在分布區(qū)域，獲得反映黑莎草不同 時期地理分布區(qū)域的 ASCII 柵格圖層，再通過 ArcGIS 軟件中的 Raster calculator 模塊等，獲得物種分布的潛在分布區(qū)域，并進(jìn)行直觀的展示，獲得了理想的結(jié)果。 最大熵理論在生態(tài)學(xué)研究中可以表達(dá)為某個物種在沒有約束的情況下，存在盡最大可能的擴散蔓延，接近均勻分布 （ phillips et al. 20xx）。 第二章 13 圖 29 進(jìn)行當(dāng)下黑莎草分布預(yù)測各環(huán)境因子貢獻(xiàn)率 圖 210 進(jìn)行 2080 黑莎草分布預(yù)測各環(huán)境因子貢獻(xiàn)率 第二章 14 圖 211 進(jìn)行冰川時期黑莎草分布預(yù)測各環(huán)境因子貢獻(xiàn)率 通過上 面三個圖的顯示比較，可以明顯的看出，在不同的時期，相同的環(huán)境因子對于黑莎草的不同時期分布預(yù)測有著不同的貢獻(xiàn)率（圖 29 至圖 211）。而紫點顯示的測試地點。27 — 117176。jo et al., 20xx)[11] 第一章 5 1. 3 運算方法 分別將黑莎草地理分布數(shù)據(jù)和 19 個環(huán)境變量（表 11）導(dǎo)入 MaxEnt 通過運算輸出圖層 ( * ． asc) ，得到物種在中國各地區(qū)的適生性概率 p，取值范圍在 0～1 之間 。使用比較廣泛的預(yù)測物種分布的生態(tài)位模型主要有 Bioclim， Climex， Domain， Garp（ geicalgorithm forrulesetproduction）和 MaxEnt（ maximumentropy species prediction model）（ Elithetal． 20xx） 。有須根，稈為圓柱狀，果實為倒卵狀呈長圓形。 16 什么因素會影響物種分布模擬 本人授權(quán) 大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。對本文的研究做出重要貢獻(xiàn)的個人和集體，均 已在文中以明確方式標(biāo)明。 5 1. 4 研究區(qū)概況 6 第二章 結(jié)果與分析 17 3. 3 關(guān)于植物地理分布預(yù)測的方法 國外分布于日本 琉球群島 地帶。物種的分布與地理環(huán)境因子之間始終存在著密切關(guān)系，以地理環(huán)境因子作為預(yù)測該物種模型變量的潛在分布模型，在物種的保護(hù)管理和監(jiān)測以及各種氣候變化下物種分布的變化領(lǐng)域中得到了廣泛應(yīng)用。 –, 好 (good)。介于北緯 27176。表明預(yù)測效果比較好。 從 3 個歷史時期的生物分布變化可知，黑莎草的適宜性棲息地分布范圍當(dāng)前時期是比冰川末期在總體上是有所擴增，但是局部區(qū)域而言，黑莎草的適宜性棲息地既有擴增也有縮減。進(jìn)行生態(tài)位模型預(yù)測物種的地理分布一般需要兩種數(shù)據(jù)，一個為目標(biāo)物種的現(xiàn)實地理分布數(shù)據(jù)，另一個為當(dāng)下的環(huán)境數(shù)據(jù)，預(yù)測的結(jié)果可以直接導(dǎo)入地理信息系統(tǒng)軟件進(jìn)行下一步的分析，直到得 到直觀的適生性地圖。這篇論文是在老師的精心指導(dǎo)和大力支持下才完成的 感謝所有授我以業(yè)的老師，沒有這些年知識的積淀，我沒有這么大的動力和信心完成這篇論文。 用 MAXENT模型根據(jù)當(dāng)下物種痕跡點分布數(shù)據(jù)進(jìn)行分布區(qū)域的預(yù)測 時 , 會因數(shù)據(jù)點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。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。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。 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 , 將已知某些分布點的像元作為樣點 , 根據(jù)樣點像元的環(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., 20xx)。 [3] 但是，由于黑莎草研究隊伍的人員較少，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)。 3 1. 2 使用軟件 Ⅰ Abstract 學(xué) 士 學(xué) 位 論 文 題 目 基于 Maxent 和 Arcgis 對稀土礦區(qū)植物 黑莎草 （ Gahnia tristis） 的分部預(yù)測 畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。 本文詳細(xì)介紹了植物的地理分布預(yù)測研究方法，并以全國多個黑莎草采集點為例，應(yīng)用最大熵模型 （ MaxEnt） ，結(jié)合地理信息系統(tǒng) （ ArcGis） ，根據(jù)黑莎草在我國已知的 56 個地理分布點和 19 個環(huán)境變量，預(yù)測了它們在我國華南和西南等分布地區(qū)在冰川時期和未來的 2080 年的分布情況，并對預(yù)測結(jié)果與它們在當(dāng)下分布區(qū)域的分布情況進(jìn)行了比較，為今后國內(nèi)外