融合MaxEnt与ArcGIS的昆明城市绿地蝴蝶理想生境时空预测及气候适应性保护策略研究

本综述创新性地构建了MaxEnt（最大熵模型）与ArcGIS（地理信息系统）相结合的集成建模框架，针对亚热带城市鳞翅目昆虫生境评估方法缺失、破碎化景观中微气候介导的边缘效应机制不明、以及气候适应性保护规划工具缺乏三大关键问题，通过64个地理参考分布点与22个环境变量分析，揭示了温度季节性（Bio7，贡献度30.8%）和干季降水量（Bio17，21.5%）的主导作用。模型预测精度卓越（AUC=0.966），发现核心适宜区可能扩张138.73km2但整体适宜生境将收缩53.89km2的"生境悖论"，为城市生物多样性保护提供了可操作的决策支持工具。

　　

1 引言

蝴蝶属于鳞翅目Glossata和Ritrysia两大类群，作为环境指示昆虫，对林业、农业和生态保护具有重要意义。其对环境变化的敏感性使其成为监测生态系统健康和环境变化的有效工具。蝴蝶的分布、多样性和生态特征与环境因素密切相关，其生境变化能够反映栖息地质量的变化。近年来利用蝴蝶作为环境指示物种已成为生态研究的热点，例如对北京城市绿地蝴蝶多样性的研究发现，蝴蝶物种多样性随着城市化程度增加而降低，且与植物多样性和绿地规模密切相关。西双版纳热带植物园的研究也表明，蝴蝶群落多样性及其与植物的相互作用对环境变化高度敏感。

全球蝴蝶保护状况的最新评估（IUCN红色名录，2024年3月版本3.1）揭示了主要分类科的 alarming 趋势。凤蝶科（Papilionidae）表现出特别严重的衰退，有4种灭绝、22种极危、78种濒危和86种易危。其他科也出现类似模式：弄蝶科（Hesperiidae）有2种极危，粉蝶科（Pieridae）有1种极危，蛱蝶科（Nymphalidae）有1种灭绝、5种极危，灰蝶科（Lycaenidae）有3种灭绝、14种极危。这些数据强调了蝴蝶作为生物多样性组成部分和生态系统服务提供者的 precarious 地位，特别是考虑到它们为65%的开花植物授粉的作用。这场危机在城市环境中表现得最为严重，自1990年以来，欧洲草原蝴蝶减少了53%，北美和亚洲也出现了类似趋势。大都市区由于栖息地破碎化和微气候改变的复合效应，物种损失达到35%-40%。

这些紧迫的保护挑战需要创新的方法学途径。现代地理空间技术，特别是集成的"3S"系统（遥感/RS、地理信息系统/GIS和全球定位系统/GPS），为蝴蝶保护提供了变革性潜力。这些技术已广泛应用于生态研究、环境科学和资源管理，特别是在物种分布建模方面，它们提供了高精度的环境数据集和分析工具。在各种建模方法中，生态位建模已成为通过综合物种出现记录和环境变量来评估和预测适宜生境的关键方法。此类模型通过分析生境需求和预测潜在物种分布，为保护规划提供了重要指导。

当前的生态位建模技术包括几种成熟的方法：用于生物气候包络分析的BIOCLIM系统、随机森林（RFs）机器学习算法、规则集预测遗传算法（GARP）和最大熵（MaxEnt）建模框架，每种方法在不同应用中表现出独特优势。值得注意的是，MaxEnt算法在预测受气候变化影响的物种分布方面表现出卓越性能，具有三个关键优势：（1）减少对大量出现记录的依赖；（2）强大的预测准确性和时空可扩展性，能够在时间和地理维度上进行预测；（3）通过物种特定参数优化提高精度。

尽管Maxent模型已广泛用于预测许多类型生物的适宜区域分布，包括黄纹灰翅蛾、斜纹夜蛾、草原步甲、鸟类、丹顶鹤栖息地、白鹤越冬地、中华秋沙鸭分布区和中国犀金龟分布，但研究蝴蝶适宜区域并利用优化的Maxent模型和ArcGIS进行生态敏感性分析可以提高预测精度和环境保护的科学依据。

作为敏感的生物指示剂，蝴蝶在监测生态系统健康和生物多样性保护方面发挥着关键作用。云南省作为全球公认的生物多样性热点地区，拥有 exceptional 的鳞翅目多样性；然而，对城市蝴蝶群落的系统研究仍然稀缺。昆明独特的亚热带高原气候支持全年蝴蝶活动，使其成为研究这些昆虫的理想地点。昆明动物研究所先前的研究记录了2个新属和54个新记录种，揭示了区域昆虫多样性的重大知识空白。

2 材料与方法

2.1 研究区域

昆明位于中国西南部的云贵高原（102°10′-103°40′E，24°23′-26°22′N），总面积2100km2（城市核心区459km2）。地形总体从北部较高海拔（平均海拔约2000m）向南部较低海拔倾斜。市中心区海拔约1891m。该地区属亚热带低纬高原季风气候，年平均气温约15摄氏度，冬季温和，夏季凉爽，阳光充足，全年如春，为蝴蝶创造了理想的栖息地。即使在秋冬季节仍能观察到 significant 的蝴蝶活动。

最近的调查显示，在昆明五个中心城区（五华区、盘龙区、西山区、官渡区和呈贡区），蝴蝶广泛分布于公园、居民区和路边绿地，表现出高的物种多样性、丰富度和均匀度，生态系统稳定性良好。

2.2 样本数据来源与处理

为提高研究准确性和可靠性，我们初步消除了冗余分布点和缺乏精确地理定位信息的无效数据。最大熵（Maxent）模型表现出几个独特优势：（1）对物种出现数据要求最低；（2） superior 预测精度；（3）优秀的模型可扩展性；（4）采样收集的时间独立性。因此，这种建模方法能够灵活地将预测结果应用于不同的时空尺度，便于对目标物种的当前分布和潜在栖息地进行实际评估。

通过系统筛选，我们确定了64个具有代表性的蝴蝶出现点，包括20个公园绿地、27个路边绿带和17个社区绿地观测点。基于这些标准化调查数据，我们成功构建了蝴蝶物种的空间分布模式。每个分布点的地理坐标均使用百度坐标拾取器精确获取。所有物种命名和相应的地理参考数据都在Excel中系统组织，并以标准化CSV格式导出。

本研究在昆明城市核心区的64个地点实施了标准化样线-样方采样（20个公园绿地、17个住宅社区和27个路边栖息地）。在2022年1月至12月期间，每月在最佳天气条件（晴朗/多云，风速<3m/s）下进行调查，间隔≥20天，在高峰活动期（09:00-18:00）记录标准化检测区域（2.5m横向×5m纵向×5m frontal）内的所有蝴蝶。共收集了4347个标本（公园：3564个个体，代表110种/9科；路边：538个个体，来自50种/6科；社区：245个个体，来自35种/5科）。

使用权威参考资料包括《中国蝴蝶志》进行物种鉴定。地理空间数据包括符合OGC标准的"Water by Note"地图服务（WeServer和Micro Map版本）以及中国科学院资源环境科学与数据中心的行政边界矢量数据。利用ArcGIS 10.8软件，我们生成了一系列 comprehensive 的主题地图，说明了昆明城市核心区蝴蝶的空间分布，包括：（1）公园绿地分布图；（2）路边绿带分布图；（3）社区绿地分布图；（4）综合空间分布模式图。

2.3 环境因子来源与处理

本研究纳入了来自WorldClim数据库的19个生物气候变量（Bio1-Bio19），时间分辨率为20年。采用BCC-CSM2-MR气候模型，在三种共享社会经济路径（SSP1-2.6、SSP2-4.5和SSP5-8.5）下分析未来气候情景。选择该模型是基于其在模拟中国西南地区气候条件方面的 superior 性能，特别是在复杂地形下的温度和降水模式。

为解决数据空白（2001-2020年），整合了欧洲中期天气预报中心（ECMWF）的ERA5再分析数据（0.25°×0.25°分辨率），并与昆明12个气象站的观测数据进行了验证。所有气候数据均在ArcGIS 10.8中处理，使用SDMToolbox转换为ASCII格式，并标准化为2.5 arc-minute分辨率。

为优化模型性能并确保生态可解释性，我们实施了 rigorous 变量选择协议，整合了七个补充环境变量：海拔（ALT）、坡度（ASP）、河流密度（RL）、土地利用类型（LU）、净初级生产力（NPP）、人口密度（PD）和归一化植被指数（NDVI），以及19个生物气候变量，所有变量均基于其与蝴蝶栖息地偏好的 documented 相关性进行选择。

在建模之前，所有26个变量都标准化为2.5 arc-minute分辨率，并使用Pearson相关分析评估多重共线性，其中相关系数≥|0.8|的变量被标记为高度共线性，因为它们可能 artificially 夸大变量重要性估计并损害模型稳定性。为解决此问题，我们保留了具有生态意义的变量，排除了低贡献变量，并确保预测变量之间的独立性以避免过拟合。这种方法最终产生了一组 refined 的22个变量，通过在最小化冗余的同时捕捉对物种分布建模关键的环境梯度，在统计稳健性和生态相关性之间取得了平衡。

2.4 MaxEnt建模方法

最大熵算法（MaxEnt）被 rigorously 实施，以评估当前和预测气候条件下蝴蝶栖息地的适宜性。地理参考出现数据（n=64）经过 comprehensive 质量控制，包括坐标精度验证和使用1-km缓冲区去除空间重复点，然后通过分层随机抽样划分为训练（75%，n=48）和测试（25%，n=16）子集，以保持空间代表性。

模型参数通过系统敏感性分析仔细优化，特别关注特征类和正则化乘数。采用了空间 explicit 的10折交叉验证框架，结合空间阻塞以考虑自相关效应。每个重复运行5000次迭代以确保收敛。使用阈值依赖（真技能统计量）和阈值独立（AUC）指标评估模型性能，最终估计来自所有重复的平均结果以确保 robust 推断。

栖息地适宜性预测根据输出值的生物可解释性和统计分布分为四个具有生态意义的类别（不适宜：0.0-0.1，低适宜：0.1-0.3，中等适宜：0.3-0.5，高适宜：0.5-1.0）。未来预测使用来自BCC-CSM2-MR模型的统计降尺度（1-km分辨率）气候数据，代表三个排放情景（SSP1-2.6、SSP2-4.5和SSP5-8.5）跨越2021-2040和2041-2060时期。

分析程序包括：（1）适宜性类别面积变化的空间量化；（2）质心位移分析以跟踪栖息地变化；（3）刀切法检验以评估变量重要性；（4）关键环境驱动因素的响应曲线分析。这种集成的分析框架结合了 robust 的统计验证和生态解释，提供了 comprehensive 的方法来评估气候变化对物种分布的影响，同时通过空间结构化验证协议明确考虑了模型不确定性。

2.5 生态敏感性

生态敏感性反映生态系统对外部干扰的脆弱性及其保护价值，涵盖多个维度，包括气候敏感性、地质敏感性、自然资源敏感性和人为干扰敏感性。使用ArcGIS中的层次分析法（AHP），我们将研究区域分为五个敏感性级别：不敏感、轻度敏感、中度敏感、高度敏感和极度敏感区域。

通过整合1970-2000基准期的Maxent模型分析与2021-2040和2041-2060的预测数据，我们能够预测适宜蝴蝶栖息地的空间分布模式并识别最佳生存区域。通过对四个敏感性因子的加权叠加分析，我们生成了昆明城市核心区生态系统敏感性的空间分布特征。生态敏感性指数使用以下加权求和公式计算：EI_i=∑_j=1ⁿ(Y_ij×W_j)，其中EI_i是第i个评价单元的生态敏感性指数；Y_ij是第i个评价单元第j个指标的标准化值；W_j是第j个指标的权重，n表示指标总数。EI_i的取值范围为[0,1]。EI_i值越大，生态敏感度越高，该地区出现环境问题的概率越大。EI_i值越小，生态敏感度越低，该地区出现环境问题的概率越低。

3 结果与分析

3.1 模型分析

Maxent模型在预测昆明城市绿地蝴蝶分布方面表现出卓越性能（平均AUC=0.966）。基于64个出现点和22个环境变量，结果确定了六个关键气候因子，贡献率达86.5%。其中，年温度范围（Bio7）显示出最高的贡献率（30.8%），年温度范围（Bio7，30.8%）是最具影响力的因子。这种高贡献反映了蝴蝶对外温动物对温度波动的敏感性，特别是在昆明季风气候和城市热岛效应的 combined 影响下。

其次是干季降水量（Bio17，21.5%）、平均日较差（Bio2，12.6%）、最湿月降水量（Bio13，12.5%）、年降水量（Bio12，5.2%）和最冷季降水量（Bio19，3.9%）。温度和降水变量的主导地位（ collectively 86.5%）反映了蝴蝶对外温动物对温度波动和水分依赖资源可用性的敏感性。相比之下，非气候因素的影响最小。地形变量（海拔、坡度和坡向） collectively 仅贡献6.2%，可能是由于昆明海拔范围有限（1890-2000m）。人为因素（土地利用类型、人口密度和道路距离）占4.8%，表明蝴蝶能够适应城市干扰。生产力相关变量（NDVI、NPP）仅贡献2.5%，可能是由于城市绿地中 homogeneous 的植被管理。然而，这些次要因素可能与气候变量相互作用，例如，特定的坡向可能通过改变局部微气候来增强栖息地适宜性。

这些发现强调了在城市蝴蝶保护中优先考虑热湿度优化和微气候异质性的重要性。响应曲线揭示了蝴蝶对昆明气候梯度的精细尺度适应。适度的年温度差（Bio7）可能优化代谢效率，促进觅食和繁殖等基本活动。最干地区降水（Bio17）在45mm处达到峰值，表明最小水分增强资源可用性而不损害干旱适应。最佳平均日较差（Bio2，8.0°C-9.55°C）平衡了昼夜活动和夜间恢复，而最湿月降水峰值（Bio13，180mm）维持了植物生物量而不会导致微生境饱和。高年降水量（Bio12，925mm）确保生态系统生产力，支持幼虫和成虫的营养需求，而最冷季降水（Bio19，43mm）可能减轻冬季的严酷性，有益于越冬阶段。这些阈值 collectively delineate 了最大化蝴蝶生存的气候生态位，为昆明城市绿地的栖息地保护提供了 critical 见解。

3.2 敏感性分析

昆明蝴蝶栖息地生态敏感性模式研究系统调查了昆明市三种不同城市绿地类型的生态敏感性模式，整合了多维环境因素。来自五个核心城区的点数据结合基于ArcGIS的空间分析，能够检查气候变量（降水、温度、湿度）、地质特征（海拔、地形粗糙度）、自然资源可用性（土壤类型、湖泊分布）和人为干扰（道路密度、人口密度）。

加权叠加分析生成了 comprehensive 的生态敏感性评分，揭示了不同绿地类型之间栖息地敏感性的 significant 变化。公园生态系统表现出对气候变量（降水、温度、湿度）和自然资源可用性的高度敏感性。空间分析表明，降水和温度敏感区与公园边界 closely 对应，表明微气候稳定性和资源可及性直接调节栖息地适宜性。

路边绿化表现出更大的对人为干扰的脆弱性，具有高道路和人口密度的区域形成了 distinct 的"干扰敏感区"，容易发生栖息地破碎化。社区绿地表现出双重敏感性，对自然资源（海拔、地形粗糙度）和人类活动（人口密度、道路密度）都有反应，反映了它们在城市生态系统中的独特过渡作用。

关键生态驱动因素，包括年平均降水量、温度、湿度、海拔、地形粗糙度、土壤类型、湖泊分布、道路密度和人口密度，成为栖息地适宜性的主要决定因素。这些发现与MaxEnt建模得出的关键环境因子贡献率一致，验证了分析框架。降水敏感区与公园中蝴蝶物种丰富度高的区域重合，突出了水分可用性在塑造栖息地质量中的关键作用。与城市核心路边绿化重叠的温度敏感区表明微气候改变（如城市热岛效应）直接影响蝴蝶生存。

结果强调了定制保护策略的必要性，包括公园的气候适应性设计以缓冲气候 variability，路边绿化的干扰缓解措施（如减少污染），以及社区绿地的平衡管理方法。空间敏感性分析与MaxEnt衍生的因子贡献的整合为昆明城市绿地规划和生物多样性保护提供了科学基础，从而推动了我们对城市生态系统动态的理解。这种方法为可持续城市规划中多因子敏感性驱动的方法建立了原型。

3.3 适宜区分布

昆明蝴蝶物种适宜栖息地分布（1970-2000）。在综合气候情景（1970-2000）下，昆明主城区蝴蝶物种适宜栖息地的分布特征明显。不适宜区主要集中在北部，面积76.26km2，约占主城区的16.5%。低适宜区在整个主城区广泛分布，面积201.83km2，占总城区面积的44%。中等适宜区主要位于五华区南部、盘龙区南部和官渡区西南部，面积92.54km2（占主城区20.2%）。高适宜区位于五华区东南部、盘龙区西南部、官渡区西南部、西山区东部和呈贡区西部，面积88.38km2（约占主城区19.3%）。

基于此气候情景下1970-2000年昆明城市绿地地块，确定了八个城市绿带地块，即洛阳街道办事处、华夏天津湾、朗溪街、银杏公园、米兰公园、洛龙公园、大禹公园和高新邻里，位于蝴蝶物种高适宜区之外。因此，这些城市绿地的蝴蝶物种监测可以适当调整，以优化昆明城市绿地的保护机制。

未来情景下蝴蝶物种适宜栖息地面积变化（2021-2060）。在BCC-CSM2-MR模型和不同气候情景（SSP1-2.6、SSP2-4.5、SSP5-8.5）下，针对2030年代（2021-2040）和2050年代（2041-2060），观察到蝴蝶物种适宜栖息地面积的 significant 变化。在2030年代和2050年代，不适宜区呈现上升趋势，规模从12.69到53.89km2不等。低适宜区面积减少，范围从27.13到74.78km2。除2030年代SSP1-2.6和SSP5-8.5情景增加外，中等适宜区面积总体呈下降趋势，变化范围24.12-43.43km2。相反，高适宜区面积呈现上升趋势，范围从24.4到50.35km2。这些变化表明，在未来气候情景下，虽然某些类型的适宜栖息地可能收缩，但昆明蝴蝶物种的高适宜栖息地面积预计将扩大，这可能对该地区蝴蝶物种的保护和种群动态产生潜在影响。

2030年代（2021-2040）栖息地适宜性动态。在BCC-CSM2-MR模型下，尽管2030年代蝴蝶物种高适宜区呈现增加趋势，但整体适宜区仍呈现下降趋势。在SSP1-2.6情景下，适宜区减少了12.69km2。具体而言，低适宜区减少了67.46km2，这种下降主要集中在盘龙区西南部和官渡区。对于SSP2-4.5情景，适宜区减少了37.87km2。此处，中等适宜区减少了29.08km2，主要位于五华区和盘龙区南部。相比之下，低适宜区减少了37.12km2，主要在西山区西部。在SSP5-8.5情景下，适宜区缩小了23.76km2，低适宜区减少了74.78km2，集中在呈贡区东部。通过交叉引用城市绿地数据，确定了六种城市绿地类型——即洛阳街道办事处、华夏天津湾、朗溪街、银杏公园、大禹公园和高新邻里——在2030年代不属于蝴蝶物种的高适宜区。因此，它们的监测和保护力度可以适当下调，简化城市绿地保护的资源分配。

2050年代（2041-2060）栖息地适宜性趋势。在2050年代，BCC-CSM2-MR模型表明，尽管高适宜区扩大，但蝴蝶的整体适宜区继续下降。在SSP1-2.6情景下，适宜区减少了53.4km2。中等适宜区减少了30.99km2，集中在盘龙区南部和官渡区西南部，而低适宜区减少了48.43km2，主要在五华区和盘龙区北部。对于SSP2-4.5情景，适宜区下降了26.84km2，中等适宜区减少了24.12km2（集中在五华区和盘龙区南部），低适宜区减少了27.13km2（集中在五华区北部和西山区西北部）。在SSP5-8.5情景下，适宜区下降了53.89km2，中等适宜区减少了43.43km2（在五华区和盘龙区南部），低适宜区减少了58.39km2（在西山区西北部和官渡区东北部）。从城市绿地数据集中，发现四种城市绿地类型，洛阳街道办事处、华夏天津湾、朗溪街和银杏公园，在2050年代位于蝴蝶物种高适宜区之外。因此，有针对性地减少其监测和保护工作是可行的，优化了城市绿地保护措施的效率。

栖息地适宜性变化的综合分析。在BCC-CSM2-MR模型模拟的不同气候情景中，蝴蝶的高适宜区总体呈现上升趋势。相比之下，整体适宜区呈现下降趋势，不适宜区经历更 significant 的波动。高适宜区在2030年代SSP1-2.6情景下达到峰值138.73km2。中等适宜区在2050年代SSP1-2.6情景下达到最小值61.55km2。低适宜区在2030年代SSP5-8.5情景下达到最小值127.05km2，不适宜区在2050年代同一情景下达到峰值130.15km2。总体而言，基于蝴蝶适宜栖息地的空间分布，可以战略性地减少四种城市绿地类型（洛阳街道办事处、华夏天津湾、朗溪街和银杏公园）的监测和保护工作。这种调整将提高城市绿地保护的成本效益，使保护行动与随时间变化的蝴蝶栖息地适宜性动态保持一致。

4 讨论

4.1 蝴蝶栖息地适宜性格局及其变化"悖论"分析

使用MaxEnt模型，本研究评估了昆明蝴蝶栖息地的适宜性，揭示了明显的空间异质性。目前，高适宜区聚集在西南主城区，包括西山区、滇池西部和呈贡区，以及西山森林公园等自然山区。这些地区地形复杂，绿斑密集，连通性好，植物多样性丰富，微气候适中，提供 comprehensive 的生态庇护。相比之下，中部和北部地区（如五华、盘龙区）由于斑块破碎、资源稀缺和热岛效应加剧，表现出低适宜性。

值得注意的是，未来模拟（2021-2040；2041-2060）揭示了一个生态"悖论"：虽然总适宜区减少，但高适宜区扩大。这源于城市微气候和气候变化之间的相互作用。边缘地区（如中等适宜区）在气候压力和增加干扰下迅速退化，而生态核心、高适宜区通过强大的调节和恢复力维持或增强了其承载能力。

昆明低纬高原季风气候，具有城市温差大、阳光强烈、降水不均的特点，加剧了这一问题。未来气候变化可能延长干旱期并加剧降水，加剧中等适宜区的水分赤字和热应力，导致栖息地收缩。然而，高适宜区受益于良好的森林覆盖、地形 relief 和活跃风场，具有 superior 的保水和温度缓冲能力。例如，西山区的山地林地景观起到"生态避难所"的作用，与扩大的高适宜区一致。

这种"悖论"突出了城市绿地质量优于数量的重要性。传统规划注重数量（如绿地率），但忽视了质量。本研究证明，在气候变化下，具有三维植被、稳定湿热条件、低干扰和高连续性的绿地可以维持蝴蝶。因此，保护现有高适宜区的完整性对于避免栖息地破碎化和物种隔离至关重要。当前模型通常使用基于面积的指标，忽视了"质量改善面积减少"效应。本研究的"悖论"为模型 refinement 提供了信息，强调整合生态质量、多因子相互作用和微气候机制以进行动态预测。需要长期城市监测来验证模型准确性并确保其可持续性。

总之，本研究评估了昆明蝴蝶栖息地的适宜性，阐明了极化机制，并解释了气候驱动的"悖论性"变化。它推动了我们对城市生物多样性和气候变化响应的理解，并支持栖息地保护和恢复力规划。

4.2 气候变化下蝴蝶栖息地适宜性动态

本研究系统评估了未来气候变化情景下昆明蝴蝶栖息地的时间动态，利用了BCC-CSM2-MR模型的三个代表性路径（SSP1-2.6、SSP2-4.5和SSP5-8.5），并对两个未来时期（2021-2040和2041-2060）进行了预测。结果表明，在所有排放情景下，从低（SSP1-2.6）到中（SSP2-4.5）和高（SSP5-8.5），昆明的适宜蝴蝶栖息地将逐渐收缩。值得注意的是，在两个时期的三种情景下，高适宜区呈现波动增长，表现出非线性特征。这表明栖息地演化不是一个简单的线性过程，而是涉及 distinct 的"阈值响应"和阶段特异性加速。

2041年至2060年期间预计代表生态转型的关键阶段。在SSP5-8.5高排放情景下，这一时期将见证最 pronounced 的整体栖息地适宜性下降——其特征是中等和低适宜区 dramatic 收缩，同时高适宜区 significant 扩张。这种 paradoxical 模式可能归因于气候系统内非线性效应的 intensification。昆明独特的高原湖盆地形，加上城市化进程，共同塑造了独特的当地气候特征。

研究表明，滇池的温度调节效应使周边地区温度波动减少了2°C–3°C，而地形屏障形成了200-300mm的东西降水梯度。同时，城市热岛效应使城市核心区年平均温度比郊区升高1.2°C–1.8°C，形成专门的"城市热 oasis"栖息地。气候模型预测表明，在此期间全球温室气体浓度将加速增加，温度持续上升，极端天气事件更加频繁，这将破坏昆明高原季风气候的热水平衡并引发快速生态系统 destabilisation。

气候模型分析确定区域季风系统 variability 是主要驱动因素。减弱的印度季风使湿季水分输送减少10%–15%，而副热带高压北移使干季延长12-18天。这些变化对生态系统产生 differential 影响：滇池湿地水位波动影响60%的水鸟栖息地；城市热应力使蝴蝶访花频率降低40%–50%；改变的降水模式使西山森林林下植被更新率降低15%–20%。特别是在快速城市化和热岛 intensification 的 combined 压力下，干旱频率增加、地表不透水性增强和植被生理应力加剧将直接限制敏感物种（如蝴蝶）的生存空间和物候窗口。

空间分析显示，栖息地适宜性最 substantial 的下降集中在城市边缘开发区和高密度建成区，包括呈贡东部、盘龙北部和长水机场附近。这些地区生态基线脆弱，人为干扰强烈，绿地连通性差，规划开发优先，极易成为蝴蝶种群的"生态陷阱"。相比之下，位于滇池西部的西山地区，包括高海拔林地和水源保护区，在所有未来情景下都保持高适宜性。其密集的自然植被、限制开发和复杂地形创造了"生态系统避难所"效应，为维持蝴蝶种群提供了 critical 的栖息地基质。