4种蒺藜草属杂草在中国的潜在适生性预测

李盼畔 何旭诺 左然玲 吕文刚 吴海荣

摘要：蒺藜草属杂草为我国进境植物检疫性有害生物，严重危害农业、畜牧业、林业以及生态环境。近年来，蒺藜草属杂草曾多次在口岸货检中尤其是进口粮食中被截获，因此预防这些有害杂草进入我国定植极其重要。结合温度、降水、土壤等全球环境条件变量，利用MaxEnt软件分析口岸截获的4种蒺藜草属杂草在全球和我国的适生性，并进行等级划分，结果证明它们在全球还有很大的适生空间。刺苞草、美洲蒺藜草、鼠尾蒺藜草在我国的适生范围集中在南方，且高度适生区主要在长江三角洲和云贵地区；少花蒺藜草的适生地区包括南方和北方，且高度适生区主要在东北、内蒙古、北京以及长江三角洲。该结果可为相关部门的外来入侵生物预警以及后续监测提供一定的科学依据。

关键词：蒺藜草属；MaxEnt模型；适生区；防控

中图分类号：Q948 文献标志码：A 文章编号：1003-935X（2022）02-0015-09

Prediction of potential habitability of four Cenchrus weeds in China

LI Pan-pan¹，HE Xu-nuo¹，ZUO Ran-ling²，LYU Wen-gang³，WU Hai-rong¹

（1.Guangzhou Customs Technology Center，Guangzhou 510623，China；

2.Huangpu Customs Technology Center，Guangzhou 510730，China；

3.Foshan Customs Technology Center，Shunde 528303，China）

Abstract：The weeds of Cenchrus are included in quarantine pests list of China，which cause a serious threat to agriculture，livestock，forestry and ecological environment. In recent years，Cenchrus weeds have been intercepted many times in port inspection especially the imported grains，so it is extremely important to prevent these harmful weeds colonizing China. This paper analysised habitability in the world and China of four Cenchrus weeds intercepted in port through MaxEnt software，a combining with global variable environmental conditions including temperature，precipitation and soil. Then it was to divide the grades. The results showed that the four Cenchrus weeds had large suitable areas in the world. The suitable areas of C. tribuloides，C. ciliaris，C. myosuroides are in South China，and the highly suitable areas are mainly in the Yangtze River Delta and Yunnan-Guizhou regions. The suitable areas of C. spinifex include the south and the north of China，and the highly suitable areasare mainly in Tohoku region，Inner Mongolia，Beijing and the Yangtze River Delta. The results could provide a scientific basis for the early warning and follow-up monitoring of alien invasive species for the relevant departments.

收稿日期：2022-02-18

基金項目：广州海关科研计划（编号：2020GZCK-006）。

作者简介：李盼畔（1988—），湖北宜昌人，硕士，农艺师，研究方向为杂草鉴定。E-mail：panda411190351@126.com。

通信作者：吴海荣，博士，高级农艺师，研究方向为杂草鉴定。E-mail：whair5491@163.com。

Key words：Cenchrus；MaxEnt model；the suitable area to grow；prevention and control

蒺藜草属（Cenchrus L.）为禾本目（Poales）禾本科（Poaceae）植物，全球共20种^［1］，主要分布在美洲，部分产自非洲和亚洲^［2］。按照《Flora of China》第22卷，蒺藜草属目前在我国分布的有4种，均是外来传入种，分别为美洲蒺藜草（C. ciliaris）（中国台湾）、少花蒺藜草（C. spinifex）（辽宁、内蒙古、吉林、北京）、刺蒺藜草（C. echinatus）（福建、海南、云南、中国台湾）、倒刺蒺藜草（C. setigerus）（云南）。蒺藜草属杂草适应能力极强，是危害农田和果园的有害杂草，与作物等竞争水分和养分，导致作物严重减产；有一些杂草如刺蒺藜草，是玉米条纹病毒和甘蔗条纹病毒的中间宿主；同时蒺藜草属杂草成熟后的刺苞坚硬锐利，可对人和牲畜造成机械损伤，使牲畜患上乳房炎、蹄甲炎及跛行等，严重时刺伤口腔形成溃疡，甚至刺伤肠胃黏膜，或肠胃穿孔引起死亡；刺苞黏附在羊毛上，也会导致羊毛品质和产量下降^［3］。因此，蒺藜草属杂草已经被列入我国进境植物检疫性有害生物名录^［4-6］。近年来，随着我国进口贸易的持续增长、交通方式的多样化以及物流的迅猛发展，植物检疫性有害生物的发生趋势日益严重，不仅对农业的发展和安全带来影响，还对生态环境、生物多样性以及人类健康带来潜在威胁。2021年农业农村部、海关总署等几大部门联合发文，加大对外来入侵生物的防控和治理。预防是防止外来有害生物进入的有效手段，在源头上阻止进入国门，及时监测尤为重要。生物都有最佳适生环境，对于特定的外来生物，提前了解其适生环境，有针对地进行监测，减少人力、物力和财力负担。蒺藜草属杂草作为一类威胁性极大的外来入侵生物，在各口岸进境货物中被频繁截获，笔者在进口粮食中经常截获刺蒺藜草、少花蒺藜草、长刺蒺藜草、刺苞草等^［7-9］，在进口原木上截获美洲蒺藜草等。这些危险性极高的杂草一旦进入我国定植，会给农业、畜牧业等造成严重危害。本研究对口岸截获的4种蒺藜草属杂草进行适生性分析，给外来有害生物的监测、后续监管和防控预案工作提供参考，防止蒺藜草属杂草在我国进一步入侵和扩散。

近些年来，利用生态位模型进行适生性预测的方法较多，包括Bioclim、Domain、Garp、Mars、Climex、MaxEnt等，原理大致相似，均是根据物种已知地理分布数据以及相应的环境变量等，利用特定的算法推算该物种的生态需求，然后将运算结果投射到不同的空间以及时间对该物种的潜在分布进行预测^［10］，这些模型被广泛应用于外来有害生物的入侵风险分析、珍稀动植物的保护、森林破坏生态退化过程等^［11］。其中，MaxEnt模型即最大熵模型（maximum entropy model），通过已知物种分布地经纬度和多种环境数据来预测物种的可能分布范围，该软件由Phillips等于2004年首次提出，是基于Java平台的一种生态位模型，目前最新版本为3.4.4版本。本研究采用MaxEnt模型，根据4种蒺藜草属杂草的已知分布地区以及相应的气候数据资料，通过分析其已发生地区的地理位置和气候条件，来预测该杂草在我国的地理分布范围，为其风险预警提供依据以及技术储备。

1 材料与方法

1.1 研究的杂草种类

选取在进口货物中截获的4种蒺藜草属杂草为研究对象，分别为刺苞草、美洲蒺藜草、少花蒺藜草、鼠尾蒺藜草。

1.2 相关软件和矢量图

MaxEnt 3.4.4软件^［12］；中国地图来源于国家地理信息系统网站（http：//nfgis.nsdi.gov.cn/）提供的1 ∶400 万的国界和省界地图［审图号：GS（2012）1601号］；ArcMap 10.2版本，为中国农业大学植物检疫与入侵生物实验室购置，提供版权使用。

1.3 物种分布数据来源与筛选方法

通过检索全球生物多样性信息平台Global Biodiversity Information Facility（GBIF）（https：//www.gbif.org/），删除无经纬度记录的点，最后得到如下数据：刺苞草152条有效数据，无中国分布记录；美洲蒺藜草20 518条，包括6条中国台湾分布记录；少花蒺藜草2 563条，无中国分布记录；鼠尾蒺藜草303条，无中国分布记录。检索中国植物科学数据中心（https：//www.plantplus.cn/cn），采集少花蒺藜草北京记录1条，查阅文献［13］得到少花蒺藜草山东和江苏记录各1条，以及《Flora of China》中内蒙古、辽宁、吉林和北京的纪录11条。对所有分布点的地理坐标进行筛选和确认，剔除不具体以及不在研究范围内的分布点，由于美洲蒺藜草、少花蒺藜草在北美以及澳大利亚的记录点高度密集，为避免群集效应导致模型过拟合，提高预测质量，在每1°×1°的网格栅格内编写代码随机保留1/6分布点，最终得到美洲蒺藜草有效分布数据 1 382 条、少花蒺藜草1 078条。将4种杂草的分布记录保存为csv格式用于MaxEnt软件当中，具体分布点见图1。

1.4 环境数据分析与筛选方法

研究所采用的现代气候数据来源于世界气候网站（https：//www.worldclim.org/），下载1970—2000年30″ 精度的19个全球生物气候变量和1个全球海拔数据。从联合国粮农组织世界土壤数据库V1.2（http：//www.fao.org/soils-portal/soil-survey/soil-maps-and-databases/harmonized-world-soil-database-v12/en/）下载30″精度的全球土壤数据，根据其技术报告和指南的数据，结合植物生长最关键因子，选择表层土壤碱度和盐度2个数据用于分析^［14］，利用ArcMap提取这2个数据图层。

将下载得到的22个环境数据变量和4种蒺藜草属杂草在全球分布的经纬度数据同时导入ArcMap，提取各位点对应22个环境变量的具体数值并导入Excel中，用SPSS对这22个环境变量进行双变量相关性分析。若2个环境变量的|r|≥0.8，则认为差异显著，剔除生物学意义相对较小的变量^［14-16］，减少模型的过拟合。保留的环境变量用于MaxEnt软件分析中（表1）。利用ArcMap对相应变量的空间参考统一为地理坐标系GCS_WGS_1984，以土壤图层大小为标准将像元进行统一，并全部转化为asc格式保存。

1.5 MaxEnt模型构建

将4种蒺藜草属杂草在全球分布的经纬度数据和筛选过的环境变量导入到MaxEnt软件中，对现代气候变化背景下4种蒺藜草属杂草在中国的潜在地理分布进行预测。模型的具体参数设置：

随机测试比例Random test percentage设置为25%，即25%的样本作为测试集，剩余75%的样本为训练集；重复类型Replicated run type选择为交叉验证Crossvalidate，即将经纬度分布点数据随机平均分成10份，每一次运算随机选取1份作为测试集；剩余9份作为训练集，运算次数Replicates设定为10次，预测结果为10次运算结果的平均值。勾选制作响应曲线Create response curves、绘制预测图形Make pictures of predictions、刀切法检验显示环境变量的重要程度Do jackknife to measure variable importance，输出格式Output format选择logistic，输出类型Output file type选择asc，其他设置为默认设置。

将MaxEnt运算的平均值结果的asc格式文件导入ArcMap中，使用工具栏中转换工具（Conversion tools）将ASCⅡ 格式文件轉换为栅格数据，然后使用空间分析工具（Spatial analyst tools）中的重分类 （Reclassify） 程序，选择自然间断点分级法Natural breaks （Jenks）将适生区分成4个等级^{［11，17］}，分别为非适生区（>0～≤0.1）、低度适生区（>0.1～≤0.3）、中度适生区（>0.3～≤0.5）和高度适生区（>0.5～≤1.0），并通过掩膜裁剪出中国范围的适生性预测结果。

2 结果与分析

2.1 适生性预测结果

2.1.1 在世界的适生性预测结果

对比图1、图2可知，经过MaxEnt进行适生性预测之后，4种蒺藜草属杂草的适生性范围比目前分布区域进一步扩大，说明这4种蒺藜草属杂草还有入侵其他国家地区的可能性。刺苞草的适生性范围（图1-A、图2-A）扩大到了非洲、亚洲和澳洲，其中在中国、日本和澳大利亚部分地区具有高度适生性；美洲蒺藜草的适生性范围（图1-B、图2-B）在亚洲地区扩大，主要包括印度、尼泊尔、孟加拉国、缅甸、泰国、老挝、越南、柬埔寨、中国、菲律宾等，其中在部分区域有高度适生性；少花蒺藜草的适生性范围（图1-C、图2-C）在非洲和亚洲在目前分布范围上进一步扩大；鼠尾蒺藜草的适生性范围（图1-D、图2-D）扩大到了非洲、欧洲、亚洲、澳洲，并且在这些地区的部分区域还表现出高度适生性。

2.1.2 在中国的适生性预测结果

结合适生性预测结果（图3）以及ArcMap程序，计算得到如下结果：刺苞草在中国的高度适生区约占总面积的0.68%，约为6.53万km²，主要地区为江苏、浙江、安徽相连接地区，上海以及湖北中南部和湖南北部小部分区域；中度适生区约占总面积的1.75%，约为16.85万km²，主要地区为江苏、安徽、浙江、湖北、湖南、江西、福建、广东、海南、西藏的局部区域；低度适生区约占总面积的5.74%，约为55.09万km²，主要地区为山东、河南、安徽、江苏、湖北、湖南、江西、浙江、福建、中国台湾、广东、广西、海南、西藏的局部区域。

美洲蒺藜草在中国的高度适生区约占总面积的0.19%，约为1.80万km²，主要地区为云南中部和北部、贵州南部小部分区域、海南西部、中国台湾西部以及福建沿海小部分区域；中度适生区约占总面积的3.02%，约为28.96万km²，主要地区为云南、贵州、广西、海南、广东、福建、中国台湾、上海、江苏的局部区域；低度适生区约占总面积的9.10%，约为87.39万km²，主要地区为西藏、云南、四川、贵州、广西、湖南、广东、海南、江西、福建、中国台湾、浙江、上海、江苏的局部区域。

少花蒺藜草在中国的高度适生区约占总面积的1.02%，约为9.79万km²，主要地区为内蒙古、北京、辽宁、吉林、江苏、安徽、浙江、福建、云南局部区域以及上海；中度适生区约占总面积的4.76%，约为45.70万km²，主要地区为内蒙古、北京、辽宁、吉林、云南、广西、广东、福建、浙江、江苏、安徽、江西、湖北、湖南和河南的局部区域；低度适生区约占总面积的30.42%，约为292.03万km²，主要地区为内蒙古、北京、辽宁、吉林、河北、山西、陕西、宁夏、云南、四川、贵州、湖南、广西、广东、海南、福建、中国台湾、江西、浙江、安徽、江苏、山东、河南、湖北、陕西、山西的全部或局部区域。

鼠尾蒺藜草在中国的高度适生区约占总面积的0.40%，约为3.85万km²，主要地区为云南中部和北部、贵州南部小部分区域；中度适生区约占总面积的1.80%，约为17.20万km²，主要地区为云南、贵州、广西、广东、湖南、江西、福建、中国台湾、浙江、江苏、安徽、湖北的局部区域；低度适生区约占总面积的14.58%，约为139.94万km²，主要地区为西藏、云南、四川、重庆、贵州、广西、海南、广东、湖南、江西、福建、中国台湾、浙江、上海、江苏、安徽、湖北、河南的局部区域。

2.2 潜在适生性预测结果的评价与分析

2.2.1 潜在适生性预测结果的精确度评价

受试者工作特征曲线（receiver operating characteristic，ROC）是将运算结果中的每一个值作为可能的判断阈值来得出对应的特异性和灵敏性，对模型的精确性进行评估。由于ROC曲线下面积（AUC）不受判断阈值的影响，因此被公认为目前最佳的模型预测准确度评价指标^［11］。AUC的取值范围为0～1，取值越小，表示与随机分布距离越近，模型预测结果准确性越低；相反，取值越大，则表示与随机分布距离越远，模型预测结果准确性越高。一般评估标准为：0≤AUC<0.7时，预测结果准确性低；0.7≤AUC<0.8时，预测结果比较准确；0.8≤AUC<0.9时，预测结果准确；0.9≤AUC<1.0时，预测结果非常准确^［18］。本研究利用MaxEnt模型预测4种蒺藜草属杂草在中国潜在分布结果的ROC曲线中的AUC值为0.954、0.867、0.931、0.952，说明预测结果准确。

2.2.2 影响适生性预测的环境变量

在用于MaxEnt模型的环境变量中，由刀切法检验结果可知单一环境变量作用时，对模型训练预测增益影响最大的环境变量：对刺苞草增益影响最大的4个变量（图4-A）为Bio19（最冷季降水量）、Bio12（年降水量）、Elev（海拔）、Bio9（最干季平均温度），说明降水量、温度、海拔是影响刺苞草模型预测结果准确性以及分布的主要因素；对美洲蒺藜草增益影响最大的4个变量（图4-B）为Bio4（温度季节性变化标准差）、Bio9（最干季平均温度）、Bio5（最热月最高温度）、Bio8（最湿季平均温度），说明温度是影响美洲蒺藜草模型預测结果准确性以及分布的主要因素；对少花蒺藜草增益影响最大的4个变量（图4-C）为Bio1（年平均气温）、Bio9（最干季平均温度）、Bio4（温度季节性变化标准差）、Bio3（等温性），说明温度是影响少花蒺藜草模型预测结果准确性以及分布的主要因素；对鼠尾蒺藜草增益影响最大的4个变量（图 4-D）为Bio9（最干季平均温度）、Bio4（温度季节性变化标准差）、Bio2（平均气温日较差）、Bio5（最热月最高温度），说明温度是影响鼠尾蒺藜草模型预测结果准确性以及分布的主要因素。

2.2.3 环境变量对4种蒺藜草属杂草生长的影响

根据环境变量相应曲线，刺苞草的存在概率为20%以上时，最冷季降水量为160～400 mm，年降水量为700～1 800 mm，海拔0～250 m，最干季平均温度-3～22 ℃，结合刺苞草在中国的适生区预测结果（图3-A），刺苞草的高度和中度适生区主要位于长江出海口及其周围区域，其环境条件与上述4个主要變量基本相吻合。美洲蒺藜草的存在概率为20%以上时的温度季节性变化标准差为50～800 ℃，最干季平均温度5.5～33 ℃，最热月最高温度26～44.5 ℃，最湿季平均温度14～36 ℃，可知美洲蒺藜草适合在温度较高的环境中生存，结合美洲蒺藜草在世界范围内的适生性预测结果（图2-B）可知美洲蒺藜草的确适宜在赤道周围温度较高的热带、亚热带地区生长。而在我国的适生性预测结果（图3-B）中，美洲蒺藜草最适宜在云贵高原地区生长，云贵高原属于亚热带季风气候，冬季温暖，总体温度较高。少花蒺藜草的存在概率为20%以上时的年平均气温9.5～24 ℃，最干季平均温度-1～25 ℃，温度季节性变化标准差600～1 000 ℃，等温性28～75，可知少花蒺藜草适合在温差较大的地区生长。结合少花蒺藜草在中国的适生性预测结果（图3-C），其在东北、内蒙古、北京、江苏、上海和安徽等地区适生性强，而这些地区年温差较大。鼠尾蒺藜草的存在概率为20%以上时的最干季平均温度5～21 ℃，温度季节性变化标准差小于45 ℃或者 100～700 ℃，平均气温日较差大于10 ℃，最热月最高温度22.5～38 ℃，可知鼠尾蒺藜草适合在温度较高、温差较大的环境中生存。在我国的适生性预测结果（图3-D）中，鼠尾蒺藜草最适宜在云贵高原地区生长，该地区总体温度较高且年温差较大。

3 讨论与结论

经过适生性分析可知，4种蒺藜草属杂草在世界范围内还具有很大的适生空间，且在我国的部分地区还存在高度适生性，其中温度对分布范围的影响最大。因此，应提高对该4种杂草的入侵风险意识，做好预警工作，防止在我国的定植与（或）进一步扩散。

3.1 应提高蒺藜草属杂草入侵我国的风险意识，守好国门第一道防线

近些年来，应用MaxEnt模型进行适生性预测的研究较多，主要因为MaxEnt模型是根据物种的具体分布点进行预测的，在物种分布点数量不定和分布记录较少（少于20条）以及环境变量不明确的情况下仍具有较准确的预测效果^{［11，19-21］}。因此，本研究对4种蒺藜草属杂草的适生性预测具有较准确的参考价值。蒺藜草属杂草属于我国进境植物检疫性有害生物，对我国的农业、林业、畜牧业以及生态环境都具有较大的危害。由适生性预测的结果可以得出该4种蒺藜草属杂草在全球还有很大的适生空间，因此我们在关注其在国内的适生范围情况外，还需要关注国外潜在分布可能性，在进口货物、国外引种等过程中要提高疫情防控的风险意识。

我国是世界上粮食进口量最大的国家，粮食是携带外来杂草的重要载体，且普遍携带检疫性杂草^［9］。有效监管粮食装卸、运输、加工以及储存各个环节，防止如蒺藜草属等外来入侵杂草疫情的传入和扩散，并进行防治根除对海关以及农业、林业部门来说都是一项艰巨的任务。因此，进口粮食的口岸部门要加强对外来杂草的检疫鉴定能力，平时多关注其他国家的国内植物疫情动态，对威胁性较大的有害生物要提高警惕，在现场抽样以及实验室鉴定时也要进行重点关注。如发现检疫性杂草和危险性杂草，要加大后续环节的监管力度，对加工厂的下脚料要严格进行焚烧处理，将有害杂草如蒺藜草属杂草拒绝在国门一线。

3.2 4种蒺藜草属杂草在我国的适生范围广，需加强监测与调查

4种蒺藜草属杂草在我国都具有一定的适生性，其中刺苞草、美洲蒺藜草、鼠尾蒺藜草的适生范围主要集中在南方地区，其中高度适生区在长江三角洲和云贵地区；而少花蒺藜草在南方和北方都具适生性，其中高度适生区主要集中在东北、内蒙古、北京以及长江三角洲。这些地区应该将4种蒺藜草属杂草列入外来有害生物监控名单，定期监测。同时，这些地区的农业、林业、海关等相关部门也应在进口粮食口岸以及运输沿线、定点加工厂周围，定期进行外来杂草监测，一旦发现上述4种蒺藜草属杂草，应立即进行铲除，并对发生的地点进行持续监控，直至未发现该杂草为止。

3.3 要扩大宣传，提高公众对有害生物的防控意识

加强宣传，提高公众对有害生物的认识以及防范意识，在日常生活中要避免有意或无意引入和转移外来物种，明白其危害性，鼓励利用本地种进行绿化和园艺栽培，保护未受外来杂草入侵的自然生态环境系统，形成全民共同防止外来有害生物入侵我国的氛围。采取“防重于治”的防范原则，避免“先污染后治理”现象发生^［22-23］。

参考文献：

［1］Delisles D G. Taxonomy and distribution of the genus Cenchrus［J］. Iowa State Journal Science，1963，37（3）：259-351.

［2］Verloove F. New combinations in Cenchrus （Paniceae，Poaceae） in Europe and the Mediterranean area［J］. Willdenowia，2012，42（1）：77-78.

［3］印丽萍. 中国进境植物检疫性有害生物：杂草卷［M］. 北京：中国农业出版社，2018.

［4］中华人民共和国进境植物检疫性有害生物名录：中华人民共和国农业部公告第862号［EB/OL］. （2007-06-20） ［2022-01-07］. http：//www.moa.gov.cn/nybgb/2007/dliuq/201806/t20180613_6151927.

［5］木薯绵粉蚧和异株苋亚属杂草增列入《中华人民共和国进境植物检疫性有害生物名录》：农业部和国家质检总局联合公告第1600号［EB/OL］. （2020-07-20）［2022-01-07］. http：//www.moa.gov.cn/ztzl/gjzwbhgy/tjxx/201205/t20120506_2617758.htm.

［6］中華人民共和国农业农村部和中华人民共和国海关总署联合公告第413号［EB/OL］. （2021-10-29） ［2022-01-07］. http：//www.moa.gov.cn/nybgb/2021/202105/202110/t2021 1021_6380102.htm

［7］李盼畔，左然玲，蒋 湘，等. 进境美国高粱携带杂草种子萌发率测定［J］. 植物检疫，2017，31（5）：21-25.

［8］左然玲，蒋 湘，李盼畔，等. 进境美国高粱截获杂草种子现状分析［J］. 生物安全学报，2017，26（4）：307-310.

［9］李盼畔，吴海荣，刘明航，等. 南沙自贸区进口货物截获杂草疫情分析［J］. 中国口岸科学技术，2021，3（5）：75-82.

［10］ 张 超，陈 磊，田呈明，等. 基于GARP和MaxEnt的云杉矮槲寄生分布区的预测［J］. 北京林业大学学报，2016，38（5）：23-32.

［11］张 华，赵浩翔，徐存刚. 气候变化背景下孑遗植物桫椤在中国的潜在地理分布［J］. 生态学杂志，2021，40（4）：968-979.

［12］Phillips S J，Dudík M，Schapire R E. Maxent software for modeling species niches and distributions （Version 3.4.4）［EB/OL］. ［2022-01-07］. http：//biodiversityinformatics.amnh.org/open_source/maxent/.

［13］于胜祥，陈瑞辉. 中国口岸外来入侵植物彩色图鉴［M］. 郑州：河南科学技术出版社，2020.

［14］郭云霞，王亚锋，付志玺，等. 基于优化MaxEnt模型的疣果匙荠在中国的适生区预测与分析［J］. 植物保护，2022，48（2）：40-47.

［15］Yan H Y，Feng L，Zhao Y F，et al. Prediction of the spatial distribution of Alternanthera philoxeroides in China based on ArcGIS and MaxEnt［J］. Global Ecology and Conservation，2020，21：e00856.

［16］Xu D P，Zhuo Z H，Wang R L，et al. Modeling the distribution of Zanthoxylum armatum in China with MaxEnt modeling［J］. Global Ecology and Conservation，2019，19：e00691.

［17］宁 瑶，雷金睿，宋希强，等. 石灰岩特有植物海南凤仙花潜在适宜生境分布模拟［J］. 植物生态学报，2018，42（9）：946-954.

［18］Swets J A. Measuring the accuracy of diagnostic systems［J］. Science，1988，240（4857）：1285-1293.

［19］Barbosa F G，Schneck F. Characteristics of the top-cited papers in species distribution predictive models［J］. Ecological Modelling，2015，313：77-83.

［20］Elith J，Phillips S J，Hastie T，et al. A statistical explanation of MaxEnt for ecologists［J］. Diversity and Distributions，2011，17（1）：43-57.

［21］Kumar S，Stohlgren T. Maxent modeling for predicting suitable habitat for threatened and endangered tree Canacomyrica monticola in New Caledonia［J］. Journal of Ecology and the Natural Environment，2009，1：94-98.

［22］张永宏，袁淑珍. 二连浩特口岸外来杂草的调查与监测［J］. 现代农业科技，2010（6）：180-181，184.

［23］李盼畔，魏 霜，陈 萍，等. 需重视的检疫性杂草：密花豚草［J］. 植物检疫，2020，34（5）：64-67.