การสร้างแบบจำลองเอนโทรปีสูงสุดพื้นที่การกระจายของ Morchella Dill อดีต Pers สายพันธุ์ในประเทศจีนภายใต้สภาพอากาศที่เปลี่ยนแปลง ตอนที่ 1

สรุปง่ายๆ:การเปลี่ยนแปลงสภาพภูมิอากาศเป็นปัจจัยที่เห็นได้ชัดในการวิจัยการกระจายพันธุ์ ในช่วงไม่กี่ทศวรรษที่ผ่านมา แหล่งที่อยู่อาศัยของสิ่งมีชีวิตต่าง ๆ ถูกทำลายลงเรื่อย ๆ เนื่องจากสภาพอากาศที่เปลี่ยนแปลง ดังนั้น เพื่อทำนายว่าการเปลี่ยนแปลงสภาพภูมิอากาศจะส่งผลต่อการอยู่รอดและที่อยู่อาศัยที่เหมาะสมของ Morchella Dill ป่าอย่างไร อดีต Pers สายพันธุ์ในประเทศจีน เราใช้แบบจำลองเอนโทรปีสูงสุดเพื่อจำลองการเปลี่ยนแปลงของพื้นที่กระจายพันธุ์จากช่วงเวลาในอดีตไปจนถึงช่วงเวลาในอนาคต ผลลัพธ์ของเราแสดงให้เห็นว่าปริมาณน้ำฝน ระดับความสูง และอุณหภูมิเป็นปัจจัยที่ขาดไม่ได้ที่ส่งผลต่อการมีอยู่และที่อยู่อาศัยที่เหมาะสมของสายพันธุ์มอร์เชลลาป่า นอกจากนี้ งานวิจัยนี้แสดงให้เราเห็นถึงแนวโน้มที่มีแนวโน้มว่า ไม่ว่าสถานการณ์จะเป็นเช่นไร พื้นที่ที่เหมาะสมของสปีชีส์จะเพิ่มขึ้นในระดับหนึ่งในไม่ช้า จากการค้นพบเหล่านี้ เราสามารถสำรวจและออกแบบแผนที่เหมาะสมที่สุดสำหรับการอนุรักษ์ทรัพยากรมอร์เชลลาในป่า

Glycoside ของ cistanche ยังสามารถเพิ่มกิจกรรมของ SOD ในเนื้อเยื่อหัวใจและตับ และลดปริมาณของ lipofuscin และ MDA ในแต่ละเนื้อเยื่อได้อย่างมีประสิทธิภาพ กำจัดอนุมูลออกซิเจนที่ทำปฏิกิริยาต่างๆ (OH-, H₂O₂ ฯลฯ) ได้อย่างมีประสิทธิภาพ และป้องกันความเสียหายของ DNA ที่เกิดขึ้น โดย OH-อนุมูล Cistanche phenylethanoid glycosides มีความสามารถในการกำจัดอนุมูลอิสระที่แข็งแกร่ง ความสามารถในการลดที่สูงกว่าวิตามินซี ปรับปรุงกิจกรรมของ SOD ในการระงับสเปิร์ม ลดปริมาณของ MDA และมีผลป้องกันบางอย่างต่อการทำงานของเยื่อหุ้มสเปิร์ม โพลีแซคคาไรด์ของ Cistanche สามารถเสริมการทำงานของ SOD และ GSH-Px ในเม็ดเลือดแดงและเนื้อเยื่อปอดของหนูทดลองที่ชราภาพซึ่งเกิดจาก D-galactose รวมทั้งลดปริมาณ MDA และคอลลาเจนในปอดและพลาสมา และเพิ่มเนื้อหาของอีลาสติน ส่งผลดีต่อ DPPH, ยืดเวลาการขาดออกซิเจนในหนูชรา, ปรับปรุงกิจกรรมของ SOD ในซีรั่ม, และชะลอการเสื่อมทางสรีรวิทยาของปอดในหนูชราทดลองที่มีความเสื่อมทางสัณฐานวิทยาของเซลล์, การทดลองแสดงให้เห็นว่า Cistanche มีความสามารถในการต้านอนุมูลอิสระที่ดี และมีศักยภาพในการเป็นยาป้องกันและรักษาโรคชราทางผิวหนัง ในขณะเดียวกัน echinacoside ใน Cistanche มีความสามารถที่สำคัญในการกำจัดอนุมูลอิสระ DPPH และมีความสามารถในการกำจัดชนิดของออกซิเจนที่ทำปฏิกิริยาและป้องกันการเสื่อมสลายของคอลลาเจนที่เกิดจากอนุมูลอิสระ และยังมีผลการซ่อมแซมที่ดีต่อความเสียหายของแอนไอออนจากอนุมูลอิสระของไทมีน

คลิกที่ Cistanche ทำงานเพื่อต้านอนุมูลอิสระหรือไม่

【สำหรับข้อมูลเพิ่มเติม:george.deng@wecistanche.com / WhatApp:86 13632399501】

เชิงนามธรรม: Morchella is a kind of precious edible, medicinal fungi with a series of important effects,  including anti-tumor and anti-oxidation effects. Based on the data of 18 environmental variables and the distribution sites of wild Morchella species, this study used a maximum entropy (MaxEnt) model to predict the changes in the geographic distribution of Morchella species in different historical periods (the Last Glacial Maximum (LGM), Mid Holocene (MH), current, 2050s and 2070s). The results revealed that the area under the curve (AUC) values of the receiver operating characteristic curves of different periods were all relatively high (>0.83) แสดงว่าผลลัพธ์ของแบบจำลองเอนโทรปีสูงสุดนั้นดี การสร้างแบบจำลองการกระจายชนิดแสดงให้เห็นว่าปัจจัยสำคัญที่มีอิทธิพลต่อการกระจายทางภูมิศาสตร์ของสายพันธุ์ Morchella ได้แก่ ปริมาณน้ำฝนของไตรมาสที่แห้งแล้งที่สุด (Bio17) ระดับความสูง อุณหภูมิเฉลี่ยของไตรมาสที่หนาวที่สุด (Bio11) และอุณหภูมิเฉลี่ยประจำปี (Bio1) การจำลองการกระจายทางภูมิศาสตร์ชี้ให้เห็นว่าที่อยู่อาศัยที่เหมาะสมในปัจจุบันของ Morchella ส่วนใหญ่อยู่ในมณฑลยูนนาน เสฉวน กานซู ส่านซี เขตปกครองตนเองซินเจียงอุยกูร์ (XUAR) และจังหวัดอื่นๆ ในประเทศจีน เมื่อเทียบกับเวลาปัจจุบัน พื้นที่ที่เหมาะสมในภาคตะวันตกเฉียงเหนือและภาคตะวันออกเฉียงเหนือของจีนลดลงในช่วง LGM และ MH สำหรับช่วงเวลาในอนาคต แหล่งที่อยู่อาศัยที่เหมาะสมล้วนเพิ่มขึ้นภายใต้สถานการณ์ที่แตกต่างกันเมื่อเทียบกับในยุคปัจจุบัน แสดงให้เห็นถึงแนวโน้มการขยายตัวไปยังภาคตะวันออกเฉียงเหนือและภาคตะวันตกเฉียงเหนือของจีน ผลลัพธ์เหล่านี้สามารถให้พื้นฐานทางทฤษฎีสำหรับการป้องกัน การใช้ประโยชน์อย่างมีเหตุผล และการใช้ทรัพยากร Morchella ป่าภายใต้สถานการณ์การเปลี่ยนแปลงสภาพภูมิอากาศ

1. บทนำ

การเปลี่ยนแปลงสภาพภูมิอากาศเป็นปัจจัยทางสิ่งแวดล้อมที่สิ่งมีชีวิตบนโลกต้องเผชิญอยู่ตลอดเวลา ด้วยสภาพอากาศที่เปลี่ยนแปลง การกระจายทางภูมิศาสตร์เชิงพื้นที่และพื้นที่การกระจายพันธุ์ก็เปลี่ยนไปเช่นกัน ในช่วงไม่กี่ปีที่ผ่านมา การเปลี่ยนแปลงของสภาพอากาศโลกส่งผลให้แหล่งที่อยู่อาศัยของสิ่งมีชีวิตชนิดต่างๆ เปลี่ยนไป และแม้กระทั่งการสูญพันธุ์ของสิ่งมีชีวิตบางชนิด [1,2] การวิจัยแสดงให้เห็นว่าบางชนิดจะย้ายไปยังพื้นที่ละติจูดสูงและระดับความสูง - เร็วขึ้นสองถึงสามเท่าในอนาคต [3] ดังนั้น การประเมินทางวิทยาศาสตร์และการทำนายผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศต่อการกระจายพันธุ์และความหลากหลายทางชีวภาพจึงได้รับความสนใจอย่างมาก [4] เพื่อให้เข้าใจถึงลักษณะที่เปลี่ยนแปลงไปของสิ่งมีชีวิตชนิดต่างๆ ภายใต้สภาวะอากาศในอนาคต การวิจัยเกี่ยวกับความสัมพันธ์ระหว่างชนิดพันธุ์และสภาพอากาศถือเป็นเรื่องเร่งด่วนอย่างยิ่ง

วิธีแก้ไขที่เป็นไปได้คือการใช้แบบจำลองการกระจายพันธุ์ (SDM) SDM เป็นวิธีการที่สำคัญสำหรับการวิเคราะห์การเปลี่ยนแปลงของช่วงการกระจายของสปีชีส์ และใช้กันอย่างแพร่หลายในการศึกษาชีวภูมิศาสตร์ ในช่วงไม่กี่ปีที่ผ่านมา การใช้แบบจำลองการกระจายพันธุ์เพื่อทำนายการกระจายที่แท้จริงและเป็นไปได้ของสัตว์ใกล้สูญพันธุ์ [5] พันธุ์หายาก [6] และพันธุ์รุกราน [7] ได้กลายเป็นประเด็นร้อนในด้านนิเวศวิทยา ในการวิจัยการกระจายพันธุ์ ภูมิอากาศ ดิน และปัจจัยอื่นๆ (เช่น ความสามารถในการอพยพของชนิดพันธุ์) สามารถมีอิทธิพลต่อการกระจายทางภูมิศาสตร์ของชนิดพันธุ์ได้ในระดับหนึ่ง [8] เมื่อรวมกับข้อมูลการกระจายพันธุ์และปัจจัยด้านสิ่งแวดล้อม SDM จะฉายข้อมูลเหล่านี้ไปยังช่วงเชิงพื้นที่ทางภูมิศาสตร์ที่แน่นอน และยังประเมินพื้นที่ที่เหมาะสมของสปีชีส์สำหรับการอยู่รอดและสภาพแวดล้อมที่อยู่อาศัยของพวกมัน [9–11] SDM ที่พร้อมใช้งานในขณะนี้ ได้แก่ BIOCLIM, Ecological Niche Factor Analysis (ENFA), Generalized Linear Model (GLM), Bayesian Approach (BA), Genetic Algorithms (GAs) และ MaxEnt [12] ในบรรดาสิ่งเหล่านี้ MaxEnt ใช้ข้อมูลการมีอยู่จริงของชนิดพันธุ์และตัวแปรด้านสิ่งแวดล้อมที่สอดคล้องกันเพื่อคำนวณสถานะในอุดมคติของการกระจายพันธุ์ภายใต้ข้อจำกัดเฉพาะกลุ่ม นั่นคือ การกระจายพันธุ์ที่เป็นไปได้ในพื้นที่ที่คาดการณ์ไว้เมื่อค่าเอนโทรปีสูงสุด โมเดลนี้แตกต่างจากโมเดลอื่นๆ ในความต้องการข้อมูลของแหล่งกระจายพันธุ์ การตั้งค่าพารามิเตอร์ของโมเดล และการจัดการตัวแปรด้านสิ่งแวดล้อม [13,14] แบบจำลองส่วนใหญ่ต้องการข้อมูลการมีอยู่และไม่มีอยู่ของการกระจายพันธุ์ อย่างไรก็ตาม MaxEnt อาศัยไซต์ที่มีอยู่จริงเท่านั้น [15] การแจกแจงความน่าจะเป็นของ MaxEnt มีคำจำกัดความทางคณิตศาสตร์ที่กระชับ ซึ่งง่ายต่อการวิเคราะห์ ตัวอย่างเช่น เช่นเดียวกับ GLM และ GAM การเพิ่มเติมของแบบจำลองทำให้สามารถตีความได้ว่าตัวแปรแต่ละตัวเกี่ยวข้องกับความเหมาะสมอย่างไรในกรณีที่ไม่มีการโต้ตอบระหว่างตัวแปร [16] ในขณะเดียวกัน ความแม่นยำในการทำนายของแบบจำลอง MaxEnt ก็สูงมากจนสามารถสะท้อนความน่าจะเป็นของการเกิดสายพันธุ์ได้อย่างถูกต้องในระดับหนึ่งภายใต้สถานการณ์ที่มีขนาดตัวอย่างเล็ก [17]

ด้วยความเหนือกว่าของ MaxEnt นักวิชาการจำนวนมากได้เผยแพร่ผลงานวิจัยที่สำคัญหลายชุดโดยใช้ MaxEnt ซึ่งเป็นพื้นฐานทางทฤษฎีที่มีคุณค่าสูงสำหรับสาขาต่างๆ เช่น การจัดการชนิดพันธุ์รุกราน การคุ้มครองความหลากหลายทางชีวภาพ และการเลือกชนิดพันธุ์ในสภาพแวดล้อมที่มีชีวิต . MaxEnt ไม่เพียงแต่ใช้กับพืชและสัตว์เท่านั้น แต่ยังสามารถใช้กับเชื้อราได้อีกด้วย อาทิตย์และคณะ ใช้ MaxEnt เพื่อจำลองที่อยู่อาศัยที่เหมาะสมของแพนด้ายักษ์ และอธิบายการตอบสนองของสายพันธุ์ต่อตัวแปรด้านสิ่งแวดล้อมในระดับต่างๆ [18] หลิวและคณะ จำลองการกระจายของ Houttuynia cordata Thunb (Ceercao) ภายใต้สภาพอากาศปัจจุบัน และทำนายการเปลี่ยนแปลงการกระจายทางภูมิศาสตร์ที่อาจเกิดขึ้น และผลที่ได้เผยให้เห็นว่าพื้นที่ที่อยู่อาศัยที่เหมาะสมของ Ceercao ลดลงภายใต้สถานการณ์การปล่อยก๊าซเรือนกระจกสามสถานการณ์ในทศวรรษที่ 2050 และ 2070 [19] หยวน และคณะ ทำนายการกระจายที่เป็นไปได้ของ Phellinus bauxite Pilát, Phellinus Ignatius (L.) Quél และ Phellinus vaninii Ljub และพบว่ามีความแม่นยำของผลลัพธ์สูง [20]

Morchella เป็นกลุ่มของเชื้อราที่สำคัญที่อยู่ในตระกูล Morohellaceae ของ Ascomycotina ซึ่งกระจายอยู่ทั่วไปในซีกโลกเหนือ เนื่องจากคุณค่าทางโภชนาการและคุณค่าทางยาที่อุดมสมบูรณ์ สายพันธุ์ Morchella จึงครอบครองเชื้อราที่กินได้ที่มีค่าที่สุดและดึงดูดความสนใจของนักเห็ดวิทยาจำนวนมาก [21] ส่วนประกอบที่ออกฤทธิ์ทางชีวภาพตามธรรมชาติ [22] เช่น โพลีแซคคาไรด์ โปรตีน และไขมัน ที่สกัดจากมอร์เชลลามีบทบาทสำคัญในการป้องกันโรค รวมถึงการควบคุมภูมิคุ้มกัน [23] ฤทธิ์ต้านมะเร็ง [24] และกิจกรรมต้านออกซิเดชั่น [25] ]. การศึกษาสายวิวัฒนาการระดับโมเลกุลแสดงให้เห็นว่ามอร์เชลลาสามารถแบ่งออกเป็นกลุ่มวิวัฒนาการหลักสามกลุ่ม ได้แก่ มอร์เชลลาสีเหลือง มอร์เชลลาสีดำ และมอร์เชลลาสีแดง [26] เอเชียตะวันออกและจีนเป็นศูนย์กลางความแตกต่างและความหลากหลายของสายพันธุ์มอร์เชลลาที่เป็นไปได้ ปัจจุบัน มีการบันทึกมอร์เชลลามากกว่าสามสิบชนิดในประเทศจีน [27] ซึ่งเป็นหนึ่งในประเทศที่มีทรัพยากรมอร์เชลลาป่าอุดมสมบูรณ์ที่สุด

อย่างไรก็ตาม การใช้ประโยชน์มากเกินไปและการทำลายถิ่นที่อยู่เป็นภัยคุกคามอย่างรุนแรงต่อความหลากหลายของสายพันธุ์ของ Morchella ป่า [28]; ในขณะเดียวกัน ข้อกำหนดเฉพาะและคุณภาพสิ่งแวดล้อมของการเจริญเติบโตของมอร์เชลลาได้ลดลงไปนานแล้วในด้านของเห็ดรา [29] นอกจากนี้ Taheri และคณะ [2] แสดงให้เห็นว่ามีการศึกษาเพียงเล็กน้อยเกี่ยวกับขอบเขตทางภูมิศาสตร์ของเชื้อราที่เกี่ยวข้องกับการเปลี่ยนแปลงสภาพภูมิอากาศเมื่อเปรียบเทียบกับพืชและสัตว์ ในปัจจุบัน ยังไม่ชัดเจนว่าการเปลี่ยนแปลงสภาพภูมิอากาศจะส่งผลกระทบต่อการกระจายทางภูมิศาสตร์ของสายพันธุ์ Morchella ในช่วงเวลาต่างๆ อย่างไร การศึกษานี้มีวัตถุประสงค์เพื่อทำนายการกระจายตัวของสายพันธุ์ Morchella ภายใต้สถานการณ์ที่แตกต่างกันของภูมิอากาศในอดีตและอนาคตตามแบบจำลอง MaxEnt การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อวิเคราะห์ผลกระทบของปัจจัยสิ่งแวดล้อมต่อการก่อตัวของ Morchella fruiting bodies และเพื่อจำลองการเปลี่ยนแปลงของพื้นที่การกระจายที่มีศักยภาพของ Morchella ในช่วงเวลาต่างๆ คาดว่าผลที่ได้จะเป็นพื้นฐานทางวิทยาศาสตร์สำหรับความหลากหลายทางชีวภาพและการอนุรักษ์ทรัพยากรป่าของ Morchella ในอนาคต

2. วัสดุและวิธีการ

2.1. แหล่งที่มาของข้อมูลการกระจายพันธุ์

ข้อมูลการเกิดขึ้นของสายพันธุ์ Morchella ได้มาจากการสำรวจภาคสนามและเอกสารเผยแพร่ เราได้รับทั้งหมด 288 ไซต์ ขั้นแรก ให้ทิ้งตำแหน่งที่ตั้งซ้ำๆ แล้วจึงใช้วิธีบัฟเฟอร์ ความละเอียดเชิงพื้นที่ของปัจจัยด้านสิ่งแวดล้อมคือ 2.5 arcminutes และจุดข้อมูลเชิงพื้นที่ที่ตรงกันภายในระยะ 5 กม. ของกันและกันถูกละทิ้ง ทำให้สามารถหลีกเลี่ยงโมเดลที่มากเกินไปซึ่งเกิดจากไซต์กระจายที่ซ้ำกันได้ ในที่สุด ไซต์ของ Morchella ทั้งหมด 180 แห่งยังคงอยู่ (รูปที่ S1 และตาราง S1)

2.2. การได้มาซึ่งปัจจัยด้านสิ่งแวดล้อมและการปรับสภาพ

ดาวน์โหลดปัจจัยด้านสิ่งแวดล้อมทั้งหมด 19 ปัจจัย (Bio1–Bio19, ตารางที่ 1) จากฐานข้อมูลสภาพภูมิอากาศโลก และอัตราการกระจายเชิงพื้นที่เท่ากับ 2.5 อาร์คนาที ตัวแปรภูมิประเทศทั้งหมด 2 ตัวแปรและตัวแปรดิน 7 ตัวแปร (ตารางที่ 1) ได้มาจากฐานข้อมูลดินโลกที่ประสานกัน ตัวแปรภูมิประเทศและดินถูกกำหนดร่วมกันโดยองค์การอาหารและการเกษตรแห่งสหประชาชาติ สถาบันระหว่างประเทศเพื่อการวิเคราะห์ระบบประยุกต์ สถาบันวิทยาศาสตร์ดิน สถาบันวิทยาศาสตร์จีน และศูนย์วิจัยร่วมของคณะกรรมาธิการยุโรป ความละเอียดเชิงพื้นที่ของข้อมูลเหล่านี้รวมกันเป็น 2.5 อาร์คนาที และข้อมูลทั้งหมดถูกแปลงเป็นรูปแบบ ASCII โดยใช้ ArcGIS 10.2 การกระจายที่เป็นไปได้ของ Morchella ได้รับการประเมินในห้าช่วงเวลา ได้แก่ Last Glacial Maximum (LGM), Mid Holocene (MH), ปัจจุบัน, 2050 และ 2070 ข้อมูลภูมิอากาศทั้งในอดีตและอนาคตใช้แบบจำลอง CCSM4.0 ที่เผยแพร่ในรายงานฉบับที่ห้าของ IPCC เราเลือกสถานการณ์ที่แตกต่างกันสามสถานการณ์ของการปล่อยก๊าซเรือนกระจกสำหรับช่วงเวลาในอนาคต (ตารางที่ S2) และสถานการณ์จำลองเหล่านี้ถูกกำหนดตามการบังคับการแผ่รังสีทั้งหมดที่เกิดขึ้นในปี 2100 [30]

เพื่อหลีกเลี่ยงการให้ผลลัพธ์มากเกินไปเนื่องจากตัวแปรด้านสิ่งแวดล้อมมีความสอดคล้องกันสูง [31] การวิเคราะห์ตัวแปรด้านสิ่งแวดล้อมและการวิเคราะห์สหสัมพันธ์ได้ดำเนินการตามโปรแกรม MaxEnt และ SPSS เราใช้โปรแกรม MaxEnt 3.4.1 เพื่อวิเคราะห์การมีส่วนร่วมของตัวแปรตามตัวแปรด้านสิ่งแวดล้อมและไซต์การกระจายของ Morchella และเราตั้งค่าการทำซ้ำเป็น 10 ครั้ง ต่อไป ข้อมูลเกี่ยวกับปัจจัยด้านสิ่งแวดล้อมของ Morchella ถูกสกัดโดยใช้ ArcGIS 10}.2 และทำการวิเคราะห์สหสัมพันธ์แบบเพียร์สันระหว่างตัวแปรด้านสิ่งแวดล้อมใน SPSS 25 (รูปที่ 1) เมื่อรวมกับปัจจัยด้านสิ่งแวดล้อม เรายังคงรักษาปัจจัยที่มีค่าสัมประสิทธิ์สหสัมพันธ์ต่ำกว่า 0.8 เกี่ยวกับปัจจัยหกอันดับแรก ปัจจัยด้านสิ่งแวดล้อมสองสามปัจจัยมีค่าสัมประสิทธิ์สหสัมพันธ์มากกว่า |0.8| และมีเพียงตัวแปรเดียวที่มีส่วนสนับสนุนสูงกว่าเท่านั้นที่ถูกเก็บไว้และใช้ในโมเดล MaxEnt [32,33] ในที่สุด 18 ปัจจัยด้านสิ่งแวดล้อมถูกนำมาใช้ในการสร้างแบบจำลอง (ตารางที่ 1)

2.3. การวิเคราะห์โมเดล MaxEnt

2.3.1. การเลือกพารามิเตอร์โมเดล

สถานที่กระจายพันธุ์ของ Morchella และ 18 ปัจจัยทางสิ่งแวดล้อมถูกนำเข้าในโปรแกรม MaxEnt3.4.1 สำหรับการวิเคราะห์แบบจำลอง ข้อมูลการกระจายทั้งหมด 25 เปอร์เซ็นต์ถูกสุ่มเลือกเป็นชุดการทดสอบเพื่อตรวจสอบความถูกต้องของแบบจำลอง และอีก 75 เปอร์เซ็นต์ที่เหลือถูกใช้เป็นชุดการฝึกอบรม [34] เราเรียกใช้การจำลองแบบบูตสแตรป 10 รายการ ซึ่งเป็นประเภทตัวอย่างย่อย นอกเหนือจากนี้ เกณฑ์ที่เลือกคือความไวการฝึกสูงสุดบวกกับความเฉพาะเจาะจง รูปแบบเอาต์พุตคือ Cloglog และพารามิเตอร์อื่นๆ ถูกปล่อยให้เป็นค่าเริ่มต้น

2.3.2. แบบจำลองและการประเมินตัวแปรสิ่งแวดล้อม

AUC เป็นเกณฑ์ที่ครอบคลุมซึ่งแสดงถึงความถูกต้องและความพิเศษของ ROC ถูกนำมาใช้ครั้งแรกในการประเมินความถูกต้องของแบบจำลองการกระจายพันธุ์ในปี พ.ศ. 2540 [35] และตั้งแต่นั้นเป็นต้นมา มันก็ถูกนำมาใช้ในการประเมินประสิทธิภาพของแบบจำลอง ค่าของ AUC อยู่ในช่วงตั้งแต่ 0.5 ถึง 1 หากค่าเข้าใกล้ 1 แสดงว่าความแม่นยำในการทำนายของแบบจำลองนั้นสูงขึ้น ค่า AUC ต่ำกว่า 0.7 แสดงว่าเอฟเฟกต์การจำลองของโมเดลไม่ดี ค่า AUC ระหว่าง 0.7 ถึง {{10}}.8 แสดงว่าเอฟเฟกต์การจำลองของโมเดลอยู่ในระดับปานกลาง ค่า AUC ระหว่าง 0.8 ถึง 0.9 แสดงว่าเอฟเฟกต์การจำลองของโมเดลนั้นดี และแน่นอน เมื่อค่า AUC สูงกว่า 0.9 เอฟเฟกต์การจำลองจะยอดเยี่ยมมาก [36] นอกจากนี้ MaxEnt ยังจัดเตรียมวิธี Jackknife เพื่อวิเคราะห์การมีส่วนร่วมสัมพัทธ์และความสำคัญของตัวแปรด้านสิ่งแวดล้อมบน Morchella และเพื่อกำหนดปัจจัยด้านสิ่งแวดล้อมที่สำคัญ

2.3.3. การจำแนกภูมิภาคที่เหมาะสม

จากการประเมินความน่าจะเป็นใน IPCC Fifth Report [37] เราได้จัดประเภทที่อยู่อาศัยที่เหมาะสมของ Morchella ใหม่โดยใช้โมดูล Reclass ใน ArcGIS 10.2 ด้วยวิธีการแบ่งส่วนตามธรรมชาติ ถิ่นที่อยู่ของ Morchella แบ่งออกเป็นสี่ระดับโดยใช้วิธีการแบ่งส่วนตามธรรมชาติ: ถิ่นที่อยู่ที่ไม่เหมาะสม (0 น้อยกว่าหรือเท่ากับค่า น้อยกว่าหรือเท่ากับ 0.13), ถิ่นที่อยู่ที่เหมาะสมในระดับต่ำ ({{8 }}.13 < ค่าน้อยกว่าหรือเท่ากับ {{10}}}.35) แหล่งที่อยู่อาศัยที่เหมาะสมปานกลาง (0.35 < ค่า น้อยกว่าหรือเท่ากับ 0.63) และแหล่งที่อยู่อาศัยที่เหมาะสมในระดับสูง (0.63 < ค่าน้อยกว่าหรือเท่ากับ 1)

2.3.4. การเปลี่ยนแปลงในศูนย์กระจายสินค้าของ Morchella

เครื่องมือ SDM เป็นชุดเครื่องมือ GIS ที่ใช้ในการวิเคราะห์การเปลี่ยนแปลงของศูนย์กลางในพื้นที่การกระจายที่เหมาะสม [38] ในการศึกษานี้ เครื่องมือ SDM และพื้นที่ที่เหมาะสมแบบไบนารีของ Morchella ในช่วงเวลาต่างๆ ถูกนำมาใช้เพื่อคำนวณตำแหน่งทางภูมิศาสตร์ของศูนย์กระจายสินค้า จึงแสดงเส้นทางของวิวัฒนาการทางโลกและเชิงพื้นที่ของ Morchella

3. ผลลัพธ์

3.1. การประเมินความแม่นยำของแบบจำลอง

ตามที่แสดงในค่า AUC ของเส้นโค้ง ROC ที่ดำเนินการโดย MaxEnt ค่า AUC เฉลี่ยของข้อมูลการฝึกอบรมของแบบจำลองการกระจายที่มีศักยภาพของ Morchella ภายใต้สภาพภูมิอากาศในอดีตคือ {{0}}.907 และค่า AUC เฉลี่ยของข้อมูลทดสอบคือ 0.847; ในช่วงปัจจุบัน ค่า AUC เฉลี่ยของข้อมูลการฝึกอบรมคือ 0.905 และค่าเฉลี่ยของข้อมูลการทดสอบคือ 0.852 สำหรับช่วงเวลาในอนาคต ค่า AUC เฉลี่ยของข้อมูลการฝึกอบรมคือ 0.903 และค่าเฉลี่ยของข้อมูลการทดสอบคือ 0.848 (ตารางที่ 2) ตามมาตรฐานการประเมินค่า AUC ผลลัพธ์เหล่านี้อยู่ในเกณฑ์ดีและน่าเชื่อถือ

3.2. ปัจจัยด้านสิ่งแวดล้อมที่โดดเด่น

ตารางที่ 3 แสดงการมีส่วนร่วมสัมพัทธ์ของการสร้างแบบจำลองปัจจัยด้านสิ่งแวดล้อม Bio17, การยกระดับ, Bio11 และ Bio1 เป็นปัจจัยทางสิ่งแวดล้อมหลักที่ส่งผลต่อการกระจายของมอร์เชลลา ในช่วง LGM, MH, ปัจจุบัน และอนาคต (205{23}} และ 2070) อัตราผลงานสะสมสูงถึง 75.8 เปอร์เซ็นต์ , 79.9 เปอร์เซ็นต์ , 70.6 เปอร์เซ็นต์ , 74.6 เปอร์เซ็นต์ , 77.5 เปอร์เซ็นต์ , ร้อยละ 74.6 , 76.8 , 74.0 และ 80.0 เปอร์เซ็นต์ . Bio17 ส่งผลกระทบต่อ Morchella มากที่สุด และระดับความสูงและ Bio11 เป็นปัจจัยที่มีประสิทธิภาพมากที่สุดอันดับสองและสามตามลำดับ ซึ่งส่งผลกระทบอย่างมากต่อความน่าจะเป็นของการเกิด Morchella

จากเส้นโค้งการตอบสนองปัจจัยเดียว อิทธิพลของปัจจัยที่มีอิทธิพลต่อความน่าจะเป็นของ Morchella ถูกวิเคราะห์ สภาพแวดล้อมที่เหมาะสมอย่างยิ่งต่อการอยู่รอดของ Morchella มีดังนี้: Bio17 อยู่ที่ 11.32–77.78 มม. ระดับความสูง 1480.78–3827.03 ม. Bio11 อยู่ที่ −5.98–9.32 ◦C และ Bio1 อยู่ที่ 6.16–16.98 ◦C (รูปที่ 2)

3.3. การกระจายทางภูมิศาสตร์ที่มีศักยภาพและการประเมินพื้นที่ที่เหมาะสมของ Morchella

3.3.1. พื้นที่ที่เหมาะสมในอดีต

ที่อยู่อาศัยที่เหมาะสมทั้งใน LGM และ MH ลดลงเมื่อเทียบกับยุคปัจจุบัน MaxEnt ทำนายว่าพื้นที่ที่เหมาะสมทั้งหมดของ Morchella ลดลง 12.43 เปอร์เซ็นต์ใน LGM และพื้นที่ที่เหมาะสมในระดับสูงลดลง 5.07 เปอร์เซ็นต์ ซึ่งส่วนใหญ่สะท้อนให้เห็นในการลดลงของพื้นที่ที่เหมาะสมทางตะวันออกเฉียงใต้ของกานซู ศูนย์กลางและทางใต้ของมณฑลส่านซี และทางเหนือของกุ้ยโจวในประเทศจีน พื้นที่เหมาะสมปานกลางลดลงร้อยละ 2.48 โดยคาดการณ์ว่าจะเกิดขึ้นบริเวณ XUAR และจีนตอนเหนือเป็นส่วนใหญ่ และพื้นที่ที่เหมาะสมต่ำลดลงร้อยละ 4.88 ส่วนใหญ่อยู่ในภาคตะวันออกเฉียงเหนือของจีนและทางตะวันตกเฉียงเหนือของ XUAR (ภาพที่ S2 และตารางที่ 4 และ 5)

สำหรับ MH ช่วงการลดมีขนาดเล็กกว่าใน LGM มีความแตกต่างเล็กน้อยใน MH และกระแส ซึ่งเราไม่สามารถแยกแยะได้อย่างชัดเจนในรูป (รูปที่ S2 และ S3) รายละเอียดเพิ่มเติมเกี่ยวกับพื้นที่จำหน่ายแสดงในตารางที่ 4 และ 5

3.3.2. พื้นที่ที่เหมาะสมของเวลาปัจจุบัน

สามารถดูได้จากรูปที่ S3 ว่าที่อยู่อาศัยที่เหมาะสมของ Morchella นั้นค่อนข้างกว้างขวางภายใต้สภาพอากาศร่วมสมัย พื้นที่ที่อยู่อาศัยที่เหมาะสมทั้งหมดอยู่ที่ประมาณ 405.8195 × 104 km2 คิดเป็นร้อยละ 42.34 ของพื้นที่อาณาเขตของจีน (ตารางที่ 4 และ 5) ส่วนใหญ่ตั้งอยู่ในภาคตะวันตกเฉียงใต้และตะวันตกเฉียงเหนือของจีน ครอบคลุมภาคเหนือของมณฑลยูนนาน ทิเบตตะวันออกเฉียงใต้ เสฉวน ภาคกลางและภาคใต้ของมณฑลส่านซี มณฑลซานซีทางตอนใต้ มณฑลกุ้ยโจวทางตอนเหนือ มณฑลกานซูทางตะวันออกเฉียงใต้ ซินเจียงทางตะวันตกเฉียงเหนือ และบางส่วนของมณฑลฝูเจี้ยน

【สำหรับข้อมูลเพิ่มเติม:george.deng@wecistanche.com / WhatApp:86 13632399501】