Maximale entropiemodellering van het verspreidingsgebied van Morchella-dille. Ex pers. Soorten in China onder veranderend klimaat Deel 1

Eenvoudige samenvatting:Klimaatverandering is altijd een opvallende factor geweest in het onderzoek naar de verspreiding van soorten. In de afgelopen decennia zijn de leefgebieden van soorten geleidelijk vernietigd door het veranderende klimaat. Dus om te voorspellen hoe klimaatverandering de overleving en geschikte habitats van wilde Morchella-dille zal beïnvloeden. ex Pers. soorten in China, hebben we een model met maximale entropie gebruikt om de veranderingen in het verspreidingsgebied van historische perioden naar toekomstige perioden te simuleren. Onze resultaten illustreren dat neerslag, hoogte en temperatuur onmisbare factoren zijn die de aanwezigheid en geschikte habitats van wilde Morchella-soorten beïnvloeden. Bovendien toonde dit onderzoek ons ​​een veelbelovende trend dat, ongeacht welk scenario, het geschikte gebied van de soort binnenkort zal toenemen tot een bepaalde schaal. Op basis van deze bevindingen konden we een optimaal plan verkennen en ontwerpen voor het behoud van wilde Morchella-bronnen.

Glycoside van cistanche kan ook de activiteit van SOD in hart- en leverweefsels verhogen en het gehalte aan lipofuscine en MDA in elk weefsel aanzienlijk verminderen, waardoor verschillende reactieve zuurstofradicalen (OH-, H₂O₂, enz.) door OH-radicalen. Cistanche-fenylethanoïdeglycosiden hebben een sterk wegvangend vermogen van vrije radicalen, een hoger reducerend vermogen dan vitamine C, verbeteren de activiteit van SOD in spermasuspensie, verminderen het gehalte aan MDA en hebben een zeker beschermend effect op de functie van het spermamembraan. Cistanche-polysacchariden kunnen de activiteit van SOD en GSH-Px in erytrocyten en longweefsels van experimenteel senescente muizen veroorzaakt door D-galactose verbeteren, evenals het gehalte aan MDA en collageen in long en plasma verminderen en het gehalte aan elastine verhogen, hebben een goed wegvangend effect op DPPH, verlengt de tijd van hypoxie bij senescente muizen, verbetert de activiteit van SOD in serum en vertraagt ​​de fysiologische degeneratie van de longen bij experimenteel senescente muizen Met cellulaire morfologische degeneratie hebben experimenten aangetoond dat Cistanche het goede antioxiderende vermogen heeft en heeft het potentieel om een ​​medicijn te zijn om huidverouderingsziekten te voorkomen en te behandelen. Tegelijkertijd heeft echinacoside in Cistanche een aanzienlijk vermogen om DPPH-vrije radicalen op te vangen en heeft het het vermogen om reactieve zuurstofsoorten op te vangen en door vrije radicalen veroorzaakte collageenafbraak te voorkomen, en heeft het ook een goed herstellend effect op schade door anionen door vrije radicalen van thymine.

Klik op Werkt Cistanche voor antioxidant

【Voor meer informatie:george.deng@wecistanche.com / WhatApp:86 13632399501】

Abstract: 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), wat aangeeft dat de resultaten van het maximale entropiemodel goed zijn. Modellering van de verspreiding van soorten toonde aan dat de belangrijkste factoren die van invloed waren op de geografische verspreiding van Morchella-soorten de neerslag van het droogste kwartaal (Bio17), de hoogte, de gemiddelde temperatuur van het koudste kwartaal (Bio11) en de jaarlijkse gemiddelde temperatuur (Bio1) waren. De simulatie van geografische spreiding suggereerde dat de huidige geschikte habitat van Morchella zich voornamelijk bevond in Yunnan, Sichuan, Gansu, Shaanxi, Xinjiang Uygur Autonomous Region (XUAR) en andere provincies in China. In vergelijking met de huidige tijd is het geschikte gebied in Noordwest- en Noordoost-China afgenomen in de LGM- en MH-periodes. Wat de toekomstige perioden betreft, namen de geschikte habitats allemaal toe onder de verschillende scenario's in vergelijking met die in de huidige tijd, wat een trend van uitbreiding naar Noordoost- en Noordwest-China laat zien. Deze resultaten zouden een theoretische basis kunnen vormen voor de bescherming, rationele exploitatie en het gebruik van wilde Morchella-bronnen onder scenario's van klimaatverandering.

1. Inleiding

Klimaatverandering is een omgevingsfactor waar alle organismen op aarde voortdurend mee te maken hebben. Met het veranderende klimaat veranderen ook de ruimtelijke geografische verspreiding en verspreidingsgebieden van soorten. De afgelopen jaren heeft de wereldwijde klimaatverandering geleid tot verschuivingen in de leefgebieden van verschillende soorten en zelfs tot het uitsterven van sommige soorten [1,2]. Onderzoek heeft aangetoond dat sommige soorten in de toekomst twee tot drie keer sneller naar gebieden op grote hoogte en hoogte zullen trekken [3]. Het wetenschappelijk evalueren en voorspellen van de impact van klimaatverandering op de verspreiding van soorten en de biodiversiteit heeft dan ook veel aandacht getrokken [4]. Om de veranderende eigenschappen van verschillende soorten onder toekomstige klimaatomstandigheden te begrijpen, is onderzoek naar de relatie tussen soorten en klimaat van grote urgentie.

Een mogelijke oplossing is het gebruik van het soortendistributiemodel (SDM). SDM is een belangrijke methode voor de analyse van veranderingen in het verspreidingsgebied van soorten en wordt veel gebruikt in biogeografische studies. In de afgelopen jaren is het gebruik van soortenverspreidingsmodellen om de werkelijke en potentiële verspreiding van bedreigde soorten [5], zeldzame soorten [6] en invasieve soorten [7] te voorspellen een hotpot geworden op het gebied van ecologie. Bij het onderzoek naar de verspreiding van soorten kunnen klimaat, bodem en andere factoren (zoals het migratievermogen van soorten) de geografische verspreiding van soorten tot op zekere hoogte beïnvloeden [8]. Gecombineerd met gegevens over de verspreiding van soorten en omgevingsfactoren, projecteert SDM deze gegevens naar een bepaald geografisch ruimtelijk bereik, en schat het ook de geschikte regio's van de soort om te overleven en hun leefomgevingsvoorkeuren [9-11]. De SDM's die nu beschikbaar zijn, zijn onder andere BIOCLIM, de Ecological Niche Factor Analysis (ENFA), het Generalized Linear Model (GLM), de Bayesian Approach (BA), Genetic Algorithms (GA's) en MaxEnt [12]. Hiervan gebruikt MaxEnt de feitelijke aanwezigheidsgegevens van soorten en de bijbehorende omgevingsvariabelen om de ideale toestand van de soortenverdeling te berekenen onder bepaalde nichebeperkingen, dat wil zeggen de mogelijke verspreiding van soorten in het voorspelde gebied wanneer de entropie maximaal is. Dit model verschilt van andere modellen wat betreft de vereiste gegevens van verspreidingsgebieden van soorten, het instellen van modelparameters en het omgaan met omgevingsvariabelen [13,14]. De meeste modellen hebben de aan- en afwezigheidsgegevens van de verspreiding van soorten nodig; MaxEnt vertrouwt echter alleen op echt bestaande sites [15]. De kansverdeling van MaxEnt heeft een beknopte wiskundige definitie, die gemakkelijk te analyseren is. Net als bij GLM en GAM maakt de additiviteit van het model het bijvoorbeeld mogelijk om te interpreteren hoe elke variabele zich verhoudt tot geschiktheid bij afwezigheid van interacties tussen variabelen [16]. Tegelijkertijd is de voorspellingsnauwkeurigheid van het MaxEnt-model zo hoog dat het de waarschijnlijkheid van het voorkomen van soorten tot op zekere hoogte correct kan weergeven onder de omstandigheid van een kleine steekproefomvang [17].

Gezien de superioriteit van MaxEnt hebben veel wetenschappers een reeks belangrijke onderzoeksresultaten gepubliceerd met behulp van MaxEnt, die een zeer waardevolle theoretische basis bieden voor verschillende gebieden, zoals het beheer van invasieve soorten, de bescherming van de biodiversiteit en de selectie van soorten in hun leefomgeving. . MaxEnt kan niet alleen worden gebruikt voor planten en dieren, maar het kan ook worden gebruikt voor schimmels. Zon et al. gebruikte MaxEnt om de geschikte habitat van reuzenpanda's te simuleren en verklaarde de reacties van de soort op omgevingsvariabelen op verschillende schalen [18]. Liu et al. simuleerde de verspreiding van Houttuynia cordata Thunb (Ceercao) onder de huidige klimaatomstandigheden en voorspelde de mogelijke veranderingen in geografische verspreiding en de resultaten onthulden dat het gebied van geschikte habitat van Ceercao afnam onder drie scenario's van broeikasgasemissies in de jaren 2050 en 2070 [19]. Yuan et al. voorspelde de potentiële verspreiding van Phellinus bauxiet Pilát, Phellinus Ignatius (L.) Quél. en Phellinus vaninii Ljub. en ontdekte dat de nauwkeurigheid van de resultaten hoog was [20].

Morchella is een groep belangrijke schimmels die behoren tot de Moroshellaceae van Ascomycotina, die wijd verspreid is op het noordelijk halfrond. Vanwege de rijke voedings- en geneeskrachtige waarden nemen Morchella-soorten een plaats in in de kostbaarste eetbare paddenstoelen en trekken ze de aandacht van veel mycologen [21]. De natuurlijke bioactieve componenten [22], zoals polysacchariden, eiwitten en lipiden, gewonnen uit Morchella, spelen een belangrijke rol bij ziektepreventie, waaronder immuunregulatie [23], antitumoractiviteiten [24] en antioxidatieactiviteiten [25 ]. Moleculaire fylogenetische studies hebben aangetoond dat Morchella kan worden onderverdeeld in drie belangrijke evolutionaire clades, namelijk Gele Morchella, Zwarte Morchella en Rode Morchella [26]. Oost-Azië en China zijn de mogelijke differentiatie- en diversiteitscentra van Morchella-soorten. Momenteel zijn er meer dan dertig soorten Morchella geregistreerd in China [27], een van de landen met de meest overvloedige wilde Morchella-bronnen.

Overexploitatie en vernietiging van habitats vormen echter een ernstige bedreiging voor de soortendiversiteit van de wilde Morchella [28]; ondertussen zijn de specifieke vereisten en omgevingskwaliteiten van Morchella-groei lang buiten beschouwing gelaten op het gebied van mycologie [29]. Bovendien, Taheri et al. [2] toonde aan dat er weinig studies waren over het geografische bereik van schimmels gerelateerd aan klimaatverandering in vergelijking met die van planten en dieren. Op dit moment is het nog onduidelijk hoe klimaatverandering de geografische verspreiding van Morchella-soorten in verschillende perioden zal beïnvloeden. Deze studie heeft tot doel de potentiële verspreiding van Morchella-soorten te voorspellen onder verschillende scenario's van historische en toekomstige klimaten op basis van een MaxEnt-model. Het doel van deze studie is het effect van omgevingsfactoren op de vorming van Morchella-vruchtlichamen te analyseren en de veranderingen in de potentiële verspreidingsgebieden van Morchella in de verschillende perioden te simuleren. Verwacht wordt dat de resultaten in de toekomst een wetenschappelijke basis zullen vormen voor de biodiversiteit en het behoud van wilde hulpbronnen van Morchella.

2. materialen en methoden

2.1. Bron van gegevens over de verspreiding van soorten

De gegevens over het voorkomen van Morchella-soorten zijn verkregen uit veldonderzoeken en gepubliceerde artikelen; we hebben in totaal 288 sites verkregen. Eerst werden herhaalde locaties weggegooid en vervolgens werd de buffermethode gebruikt. De ruimtelijke resolutie van omgevingsfactoren was 2,5 boogminuten en ruimtelijk samenvallende gegevenspunten binnen 5 km van elkaar werden weggegooid, waardoor overfitting van het model veroorzaakt door gedupliceerde distributiesites kon worden vermeden. Uiteindelijk werden in totaal 180 sites van Morchella behouden (Figuur S1 en Tabel S1).

2.2. Acquisitie en voorbehandeling van omgevingsfactoren

Er zijn in totaal 19 omgevingsfactoren (Bio1–Bio19, tabel 1) gedownload uit de World Climate Database en de ruimtelijke distributiesnelheid was 2,5 boogminuten. In totaal zijn 2 terreinvariabelen en 7 bodemvariabelen (tabel 1) verkregen uit de Harmonized World Soil Database. Terrein- en bodemvariabelen werden gezamenlijk bepaald door de Voedsel- en Landbouworganisatie van de Verenigde Naties, het Internationaal Instituut voor Toegepaste Systeemanalyse, het Instituut voor Bodemkunde, de Chinese Academie van Wetenschappen en het gezamenlijke onderzoekscentrum van de Europese Commissie. De ruimtelijke resolutie van deze gegevens werd verenigd in 2,5 boogminuten en de gegevens werden allemaal omgezet in ASCII-indeling met behulp van ArcGIS 10.2. De potentiële distributies van Morchella werden beoordeeld over vijf perioden, namelijk het Last Glacial Maximum (LGM), Mid Holocene (MH), current, 2050s en 2070s. Zowel de klimaatgegevens uit het verleden als de toekomstige gebruiken het CCSM4.0-model dat is gepubliceerd in het IPCC Fifth Report; we hebben drie verschillende scenario's voor de uitstoot van broeikasgassen geselecteerd voor de toekomstige perioden (Tabel S2), en deze scenario's zijn gedefinieerd op basis van de resulterende totale stralingsforcering in 2100 [30].

Om overfitting van de resultaten als gevolg van de hoge collineariteit van omgevingsvariabelen [31] te voorkomen, werden omgevingsvariabele-bijdrage- en correlatieanalyses uitgevoerd op basis van MaxEnt- en SPSS-programma's. We hebben het MaxEnt 3.4.1-programma gebruikt om de bijdragen van de variabelen te analyseren op basis van omgevingsvariabelen en de distributiesites van Morchella, en we hebben de herhalingen ingesteld op 10 keer. Vervolgens werd de informatie over de omgevingsfactoren van Morchella geëxtraheerd met behulp van ArcGIS 10.2, en werd een Pearson-correlatieanalyse uitgevoerd tussen omgevingsvariabelen in SPSS 25 (Afbeelding 1). Gecombineerd met de bijdrage van omgevingsfactoren, behielden we factoren met correlatiecoëfficiënten onder de 0,8 over de zes belangrijkste factoren. Een paar omgevingsfactoren hadden correlatiecoëfficiëntwaarden groter dan |0.8|, en slechts één variabele met een hogere bijdrage werd behouden en gebruikt in de MaxEnt-modellen [32,33]. Ten slotte werden 18 omgevingsfactoren gebruikt in de modellering (Tabel 1).

2.3. MaxEnt-modelanalyse

2.3.1. Modelparameterselectie

De verspreidingslocaties van Morchella-soorten en 18 omgevingsfactoren werden geïmporteerd in het MaxEnt3.4.1-programma voor modelleringsanalyse. In totaal werd 25 procent van de distributiegegevens willekeurig geselecteerd als testset om de modelnauwkeurigheid te onderzoeken, en de resterende 75 procent werd gebruikt als trainingsset [34]. We hebben 10 bootstrap-replica's uitgevoerd, waarvan het type Subsample was. Afgezien hiervan was de geselecteerde drempel maximale trainingsgevoeligheid plus specificiteit, het uitvoerformaat was Cloglog en de andere parameters bleven als hun standaardwaarden.

2.3.2. Evaluatie van modellen en omgevingsvariabelen

AUC is een veelomvattend criterium dat de nauwkeurigheid en specialiteit van ROC vertegenwoordigt. Het werd voor het eerst geïntroduceerd in de evaluatie van de nauwkeurigheid van het verspreidingsmodel van soorten in 1997 [35], en sindsdien is het gebruikt om de prestaties van modellen te evalueren. De waarde van AUC varieert van 0,5 tot 1. Als de waarde dichter bij 1 ligt, betekent dit dat de voorspellende precisie van het model hoger is. Een AUC-waarde onder 0.7 geeft aan dat het simulatie-effect van het model slecht is; een AUC-waarde tussen 0.7 en {{10}}.8 geeft aan dat het simulatie-effect van het model matig is; een AUC-waarde tussen 0.8 en 0.9 geeft aan dat het simulatie-effect van het model goed is; en zeker, wanneer de AUC-waarde hoger is dan 0,9, is het simulatie-effect uitstekend [36]. Daarnaast biedt MaxEnt een Jackknife-methode om de relatieve bijdrage en het belang van omgevingsvariabelen op Morchella te analyseren en om de belangrijkste omgevingsfactoren te bepalen.

2.3.3. Geschikte regioclassificatie

Volgens de beoordeling van de aanwezigheidskans in het IPCC Fifth Report [37], hebben we de geschikte habitat van Morchella opnieuw geclassificeerd met behulp van de Reclass-module in ArcGIS 10.2 met de natuurlijke segmentmethode. De habitat van Morchella werd verdeeld in vier klassen met behulp van de natuurlijke segmentmethode: ongeschikte habitat (0 kleiner dan of gelijk aan waarde kleiner dan of gelijk aan 0.13), laag geschikte habitat ({{8 }}.13 < waarde kleiner dan of gelijk aan {{10}}.35), matig geschikte habitat (0.35 < waarde kleiner dan of gelijk aan 0,63), en zeer geschikte habitat (0,63 < waarde kleiner dan of gelijk aan 1).

2.3.4. Verandering in het distributiecentrum van Morchella

SDM-tools is een GIS-toolkit die wordt gebruikt bij het analyseren van de zwaartepuntverandering in geschikte distributieregio's [38]. In deze studie werden SDM-tools en de binaire geschikte gebieden van Morchella in verschillende perioden gebruikt om de geografische locatie van het distributiecentrum te berekenen, waarmee de route van de temporele en ruimtelijke evolutie van Morchella werd geïllustreerd.

3. Resultaten

3.1. Evaluatie van de nauwkeurigheid van het model

Zoals weergegeven in de AUC-waarde van de ROC-curve beheerd door MaxEnt, was de gemiddelde AUC-waarde van de trainingsgegevens van het Morchella-potentiaalverdelingsmodel onder vroegere klimatologische omstandigheden {{0}}.907 , en de gemiddelde AUC-waarde van de testgegevens was 0.847; in de huidige periode was de gemiddelde AUC-waarde van de trainingsgegevens 0.905 en de gemiddelde waarde van de testgegevens was 0,852; wat de toekomstige perioden betreft, was de gemiddelde AUC-waarde van de trainingsgegevens 0,903 en de gemiddelde waarde van de testgegevens 0,848 (tabel 2). Volgens de evaluatienorm van de AUC-waarde zijn deze resultaten goed en betrouwbaar.

3.2. Dominante omgevingsfactoren

Tabel 3 toont de relatieve bijdrage van het modelleren van omgevingsfactoren. Bio17, elevatie, Bio11 en Bio1 waren de belangrijkste omgevingsfactoren die de distributie van Morchella beïnvloedden. In de LGM, MH, huidige en toekomstige periodes (de 2050s en 2070s) bereikten de cumulatieve premiepercentages 75,8 procent , 79,9 procent , 70,6 procent , 74,6 procent , 77,5 procent , 74,6 procent, 76,8 procent, 74,0 procent en 80,0 procent. Bio17 had de meeste invloed op Morchella, en hoogte en Bio11 waren respectievelijk de tweede en derde meest effectieve factoren, die ook een grote invloed hadden op de waarschijnlijkheid dat Morchella zou optreden.

Op basis van de single-factor responscurves werd de invloed van dominante factoren op de aanwezigheidskans van Morchella geanalyseerd. De zeer geschikte omgevingsomstandigheden voor het overleven van Morchella waren als volgt: Bio17 was 11,32–77,78 mm, hoogte was 1480,78–3827,03 m, Bio11 was −5,98–9,32 ◦C en Bio1 was 6,16–16,98 ◦C (Figuur 2).

3.3. Potentiële geografische spreiding en evaluatie van geschikte gebieden van Morchella

3.3.1. Geschikte gebieden in het verleden

De geschikte habitat in zowel LGM als MH nam af in vergelijking met die van de huidige leeftijd. MaxEnt voorspelde dat het totale geschikte gebied van Morchella met 12,43 procent afnam in LGM en dat het hoge geschikte gebied met 5,07 procent afnam, wat voornamelijk tot uiting kwam in de vermindering van het geschikte gebied in het zuidoosten van Gansu, het centrum en zuiden van Shaanxi, en het noorden van Guizhou in China; het gematigde geschikte gebied daalde met 2,48 procent, wat naar verwachting voornamelijk in XUAR en Noord-China zou voorkomen; en het lage geschikte gebied daalde met 4,88 procent, voornamelijk in Noordoost-China en het noordwesten van XUAR (Figuur S2 en Tabellen 4 en 5).

Wat MH betreft, was het reductiebereik kleiner dan dat in LGM. Er was een klein verschil in MH en stroom, die we niet duidelijk konden onderscheiden in de figuren (figuren S2 en S3). Meer details over het verspreidingsgebied zijn weergegeven in de tabellen 4 en 5.

3.3.2. Geschikte gebieden van de huidige tijd

In figuur S3 is te zien dat de geschikte habitat van Morchella relatief uitgestrekt is onder de huidige klimaatomstandigheden. Het totale geschikte habitatgebied was ongeveer 405,8195 × 104 km2, goed voor 42,34 procent van het territoriale gebied van China (tabellen 4 en 5). Het bevond zich grotendeels in het zuidwesten en noordwesten van China en besloeg het noorden van Yunnan, het zuidoosten van Tibet, Sichuan, het centrum en het zuiden van Shaanxi, het zuiden van Shanxi, het noorden van Guizhou, het zuidoosten van Gansu, het noordwesten van Xinjiang en sommige delen van Fujian.

【Voor meer informatie:george.deng@wecistanche.com / WhatApp:86 13632399501】