大蕉（Musa (AAB)，cv. ‘Bellaco’）和番木瓜（Carica papaya）在气候变化情景下于哈恩省和圣伊格纳西奥省的潜在分布建模

《Smart Agricultural Technology》：Modeling the potential distribution of Musa (AAB), cv. ‘Bellaco’ and Carica papaya under climate change scenarios in the provinces of Jaén and San Ignacio

　　

大蕉（Musa (AAB), cv. ‘Bellaco’）和番木瓜（Carica papaya）是秘鲁西北部经济和粮食安全的关键作物；然而，缺乏关于其当前和未来适宜性的空间明确信息限制了农业规划和气候变化适应。研究人员模拟了哈恩省和圣伊格纳西奥省在SSP1-2.6、SSP2-4.5和SSP5-8.5情景下两种作物当前和未来的潜在分布（2050年和2070年），使用了262个大蕉发生记录和125个番木瓜发生记录，以及标准化为1 km空间分辨率的生物气候、土壤和地形预测因子。通过25折交叉验证校准的MaxEnt模型表现出优异的性能（当前AUC（受试者工作特征曲线下面积）=0.922–0.928；投影AUC=0.957–0.965）。主要预测因子为大蕉的海拔（58.97%）、最冷季降水量（Bio19，13.39%）和粉粒含量（7.55%），以及番木瓜的温度季节性（Bio4，82.06%）。投影结果表明两种作物均出现明显的空间再分布。尽管78.93%至85.92%的领土保持相同的适宜性等级，大蕉在所有情景下均呈现持续的负净平衡，在SSP5-8.5情景下2070年损失高达?1,690.87 km²。对于番木瓜，某些情景下高适宜性区域出现短期收益（2050年高达26.50%），但到2070年净损失占主导，在SSP5-8.5情景下达到?34.59%。这些发现揭示了作物特异性的模式，总体而言在气候变化下不利，并为作物分区、领土优先排序以及旨在选址、作物多样化和水资源管理的适应措施规划提供了空间基础。

该论文发表在《Smart Agricultural Technology》上。全球热带农业面临气候变化对关键作物适宜性的威胁，秘鲁西北部哈恩省和圣伊格纳西奥省的大蕉和番木瓜是当地经济和粮食安全的重要支柱，但当前缺乏空间明确的适宜性信息，限制了农业规划与气候适应策略的制定。研究人员通过物种分布模型（SDMs），尤其是最大熵模型（MaxEnt），模拟了这两种作物在当前和未来气候条件下的潜在分布，旨在识别最佳耕作区域、预判地理迁移趋势，并为区域农业规划和适应措施提供空间基础。研究基于262个大蕉和125个番木瓜发生记录，整合了生物气候、土壤和地形三类环境变量，应用MaxEnt模型经25折交叉验证，在SSP1-2.6、SSP2-4.5和SSP5-8.5情景下预测2050年和2070年的适宜性变化。模型表现优异（AUC > 0.92），主要预测因子分别为大蕉的海拔、最冷季降水量和粉粒含量，以及番木瓜的温度季节性。结论显示，尽管大部分区域适宜性等级不变，但两种作物均呈现不利的空间再分布：大蕉在所有情景下净损失为主，最高损失达?1,690.87 km²；番木瓜在2050年出现短期增益，但到2070年净损失占主导。这些发现为作物分区、领土优先排序和适应措施（如选址、作物多样化、水资源管理）提供了空间证据。

研究人员采用的主要关键技术方法包括：基于MaxEnt算法构建物种分布模型，通过25折交叉验证评估预测性能（以受试者工作特征曲线下面积（AUC）和真技能统计量（TSS）为指标）。环境数据涵盖19个生物气候变量（来自WorldClim v2.1）、7个土壤变量（来自SoilGrids v2.0）和5个地形变量（源自SRTM数字高程模型），全部标准化为1 km空间分辨率。发生记录来自全球生物多样性信息网络（GBIF）、文献报告和田野调查，经去重和空间过滤后分别获得262个大蕉点和125个番木瓜点，并生成伪不存在点（10:1比例）。未来气候投影采用CMIP6框架下的MIROC6和MRI-ESM2-0全球气候模型（GCM），集成算术平均形成多模型集合，覆盖SSP1-2.6、SSP2-4.5和SSP5-8.5三种情景。

研究结果如下：

**3.1 大蕉和番木瓜种植的环境变量制图**：通过将31个环境变量映射至研究区域，揭示了海拔、温度和降水等变量的强烈环境异质性，形成了低地-高地梯度，河谷与山麓区域更适合作物生长，而北部和高海拔区域条件较冷凉且崎岖。

**3.2 物种分布模型的性能**：基于AUC评估，当前条件下大蕉和番木瓜的模型分别达到0.922和0.928，未来投影下稳定在0.957–0.965，均属优异预测性能；番木瓜在各个情景下的AUC略高于大蕉，且不同气候轨迹下模型预测能力稳定。

**3.3 环境变量的贡献**：通过MaxEnt输出的贡献率和排列重要性，大蕉的适宜性主要由海拔（58.97%）、最冷季降水量（Bio19，13.39%）、年温度范围（Bio7，8.47%）和粉粒含量（7.55%）驱动；番木瓜的分布则被温度季节性（Bio4）主导（82.06%），其余变量如最暖季降水量（Bio18）和坡度贡献较小。排列重要性进一步证实了这些变量的关键作用。

**3.4 最优环境区间**：根据尤登准则（Youden’s J statistic）确定的阈值，大蕉的最佳海拔范围为367–1256 m，年温度范围12.80–13.80°C，土壤粉粒含量17.99–29.55%；番木瓜的最佳温度季节性（Bio4）范围62.56–93.45，坡度0.10–11.70°，土壤pH 5.17–6.79。两种作物均偏好稳定年温度范围，但大蕉依赖高降水季节性和土壤养分交换容量，番木瓜则对温度季节性高度敏感。

**3.5 模型结果的不确定性**：通过25折交叉验证的标准差量化不确定性，大蕉在河谷-山麓走廊（青山-马查林查流域）不确定性低，而高海拔边缘区域不确定性高；番木瓜的不确定性更集中在东部坡地和东南部，模型对环境梯度和采样配置更敏感。

**3.6 大蕉和番木瓜的当前与未来潜在分布区域**：大蕉当前高适宜区面积818.79 km²，在SSP5-8.5情景2070年减少42.35%；番木瓜当前高适宜区面积511.01 km²，在2050年出现短期增益（SSP1-2.6下+26.50%），但2070年净损失显著（SSP5-8.5下?34.59%），极端不适宜区扩张至91.17%的研究区域。

**3.7 未来空间格局变化**：通过对照当前与未来分布，大蕉在SSP5-8.5 2070年净损失最大（?1,690.87 km²），增幅区域集中于中东部走廊，但损失区域更广（主要由适宜性等级下降和收缩驱动）；番木瓜同样净损失主导，2070年SSP5-8.5下净损失达?1,419.63 km²，增益区域局限且不足以抵消损失。

讨论部分总结：研究结果与先前研究一致，揭示了作物间的空间再分配差异，净损失趋势在区域尺度上普遍不利。模型性能高支持空间推断，但实际作物表现还受管理措施、品种选择、病虫害和市场可达性影响。不确定性分析表明，山谷底部不确定性低，可优先用于适应规划；斜坡和边缘区域应谨慎解读并加强监测。研究局限包括伪不存在点不代表真实缺失、GCM假设及土壤地形变量不变等，但模型框架仍为区域适应规划提供稳健基础。

结论翻译如下：在SSP1-2.6、SSP2-4.5和SSP5-8.5情景下，研究人员对哈恩省和圣伊格纳西奥省的大蕉和番木瓜的当前与未来适宜性进行了建模，模型预测性能优异（当前AUC=0.922–0.928；投影AUC=0.957–0.965）。尽管大部分区域保持同一适宜性等级（比例因作物、情景和时段而异，介于78.93%至89.84%），这种表面稳定掩盖了对农业生产的关键空间再分配。对于大蕉，主要分布在中东部走廊的增益区域无法抵消因适宜性等级下降和向高海拔边缘区域收缩造成的损失，在SSP5-8.5 2070年情景下净损失最为严重。对于番木瓜，2050年部分情景下高适宜区出现短期增益，但到2070年，所有情景下净损失占主导，同时极端不适宜区显著扩张（在SSP5-8.5 2070年达到研究区域的91.17%）。这些模式反映了差异化的生态生理控制：大蕉适宜性主要与海拔、最冷季降水量和粉粒含量相关，而番木瓜适宜性受温度季节性强烈制约。总体而言，当前适宜区域的脆弱性超过未来扩张的机会。因此，适应策略应优先关注中东部走廊，加强水资源管理，并引导领土规划朝向最具气候恢复力的产区。