为明确影响欧洲山杨林分布的主导环境因子,量化不同时期的潜在适生区,本研究借助MaxEnt模型与ArcGIS空间分析技术,融合我国境内910个欧洲山杨林点位及生物气候数据,对其在当前及4个未来时期的潜在适生区进行预测分析。结果表面,MaxEnt...为明确影响欧洲山杨林分布的主导环境因子,量化不同时期的潜在适生区,本研究借助MaxEnt模型与ArcGIS空间分析技术,融合我国境内910个欧洲山杨林点位及生物气候数据,对其在当前及4个未来时期的潜在适生区进行预测分析。结果表面,MaxEnt模型受试者工作特征曲线下面积(Area under the curve, AUC)值为0.889,预测结果有较好可靠性。欧洲山杨林的分布主要受年降水量(bio12)、最冷季度的降水量(bio19)、最冷季度的平均温度(bio11)、年平均温度(bio1)、最干燥季度的平均温度(bio9)、最热月份的最高温度(bio5)影响。与当前适生区相比,四种气候情境下,未来四个年代的适生区均有扩张趋势。展开更多
瓜类细菌性果斑病(bacterial fruit blotch)是瓜类作物上重要的种传细菌性病害,病原菌为西瓜噬酸菌Acidovorax citrulli。我国是全球西甜瓜的主要生产区。近年来,瓜类细菌性果斑病的频繁发生已严重影响我国西甜瓜产业的健康发展。为明...瓜类细菌性果斑病(bacterial fruit blotch)是瓜类作物上重要的种传细菌性病害,病原菌为西瓜噬酸菌Acidovorax citrulli。我国是全球西甜瓜的主要生产区。近年来,瓜类细菌性果斑病的频繁发生已严重影响我国西甜瓜产业的健康发展。为明确瓜类细菌性果斑病在我国的适生性,根据其在全球的最新分布数据,本研究利用MaxEnt模型结合ArcGIS软件预测了瓜类细菌性果斑病在我国的潜在地理分布。结果表明,MaxEnt模型的平均AUC(area under curve,AUC)值均大于0.9,预测结果的准确性较高。在历史气候条件下,瓜类细菌性果斑病适生区分布广泛,主要包括华中、华南和华东地区,以及部分华北、东北地区,占我国面积的47.36%。影响瓜类细菌性果斑病在我国潜在分布区域的主要气候因子包括最热月份最高温度、月平均昼夜温差、最干月份降水量和最干季平均温度。未来气候情景无论是低环境强迫还是高环境强迫,适生区面积均呈现增长的趋势,预示着随着气候的变化,瓜类细菌性果斑病在我国发生的风险不断增加,因此建议应加强检疫监测和防控,严防其扩散。展开更多
文摘为明确影响欧洲山杨林分布的主导环境因子,量化不同时期的潜在适生区,本研究借助MaxEnt模型与ArcGIS空间分析技术,融合我国境内910个欧洲山杨林点位及生物气候数据,对其在当前及4个未来时期的潜在适生区进行预测分析。结果表面,MaxEnt模型受试者工作特征曲线下面积(Area under the curve, AUC)值为0.889,预测结果有较好可靠性。欧洲山杨林的分布主要受年降水量(bio12)、最冷季度的降水量(bio19)、最冷季度的平均温度(bio11)、年平均温度(bio1)、最干燥季度的平均温度(bio9)、最热月份的最高温度(bio5)影响。与当前适生区相比,四种气候情境下,未来四个年代的适生区均有扩张趋势。
文摘构建准确的滑坡预测模型和确定环境因子的贡献程度,对滑坡易发性评价具有重要意义。在以往研究中,最大熵物种分布(maximum entropy model,MaxEnt)模型因其对样本量要求低、预测精度高和可避免模型过度拟合等优点,被广泛运用在生态学领域。以沅陵县为研究区,基于342处滑坡灾害点数据和9个环境变量,分别采用确定性系数(certainty factor,CF)模型、逻辑回归(Logistic)模型和MaxEnt模型对沅陵县进行滑坡易发性分区预测。同时采用刀切法(Jackknife)检验环境因子对预测结果的贡献程度,确定滑坡地质灾害的主要影响因素。结果表明:确定性系数模型、逻辑回归模型和MaxEnt模型的受试者特征曲线(receiver operating characteristic,ROC)下面积(area under the curve,AUC)值分别为0.827、0.803、0.911,3种模型的预测精度均较高,且MaxEnt模型精度最高,表现较好;河流是影响研究区滑坡灾害发生贡献程度最高的环境因子;滑坡灾害主要发育在以河流为中心向外延伸100 m范围内,集中分布在沅江、深溪和兰溪附近。研究能为沅陵县地质灾害易发性评价提供一种新的方法。
文摘瓜类细菌性果斑病(bacterial fruit blotch)是瓜类作物上重要的种传细菌性病害,病原菌为西瓜噬酸菌Acidovorax citrulli。我国是全球西甜瓜的主要生产区。近年来,瓜类细菌性果斑病的频繁发生已严重影响我国西甜瓜产业的健康发展。为明确瓜类细菌性果斑病在我国的适生性,根据其在全球的最新分布数据,本研究利用MaxEnt模型结合ArcGIS软件预测了瓜类细菌性果斑病在我国的潜在地理分布。结果表明,MaxEnt模型的平均AUC(area under curve,AUC)值均大于0.9,预测结果的准确性较高。在历史气候条件下,瓜类细菌性果斑病适生区分布广泛,主要包括华中、华南和华东地区,以及部分华北、东北地区,占我国面积的47.36%。影响瓜类细菌性果斑病在我国潜在分布区域的主要气候因子包括最热月份最高温度、月平均昼夜温差、最干月份降水量和最干季平均温度。未来气候情景无论是低环境强迫还是高环境强迫,适生区面积均呈现增长的趋势,预示着随着气候的变化,瓜类细菌性果斑病在我国发生的风险不断增加,因此建议应加强检疫监测和防控,严防其扩散。
