MaxEnt 模型预测了当前（1970-2000）和未来（2021~2400，2041~2060）四种SSP（SSP1-2.6、SSP2-4.5、SSP3-7.0 和 SSP5-8.5）下软紫草在中国的潜在适生区。
软紫草51个分布点位数据和平均昼夜温差（bio2）、温度季节性变化（bio4）、最暖月最高温度（bio5）、最湿季度平均温度（bio8）、最干季度平均温度（bio9）、最干月份降水量（bio14）、降水季节性（bio15）、最暖季度降水量（bio18）、海拔（elev）、坡度（slope）、坡向（aspect）11 个环境因子。
软紫草在国内的51个分布点位数据和平均昼夜温差（bio2）、温度季节性变化（bio4）、最暖月最高温度（bio5）、最湿季度平均温度（bio8）、最干季度平均温度（bio9）、最干月份降水量（bio14）、降水季节性（bio15）、最暖季度降水量（bio18）、海拔（elev）、坡度（slope）、坡向（aspect）11 个环境因子导入MaxEnt version 3.4.4 中建立模型。参数设置如下：随机选取 25%的软紫草分布点用作模型测试，75%的分布点用于模型训练，要素类型为二次型（Quadratic features）、阈值型（Threshold features）、片段化型（（Hinge features），重复运行次数为10次，其余参数保持默认，模拟结果以ASC文件格式输出。选用刀切法（Jack-knife）评估各环境变量的贡献，使用受试者工作特征曲线（ROC）下面积（AUC 值）评估MaxEnt 模型预测结果的精度，AUC值越接近1，说明模型的精确度越高，越具可信度。当AUC值在0.9~1.0 时，模型预测结果最好，0.8~0.9 时，模型预测结果较好，0.7~0.8 时，模型预测结果一般，小于 0.6 时，模型预测失败。软紫草的 ROC 曲线下面积（AUC）平均值为 0.960，标准差为 0.022，这表明预测模型精度极好，软紫草的潜在适生区预测结果具有极高的可靠性。 将 MaxEnt 模型预测出的不同时期和情景下软紫草潜在适生区结果导入 ArcGIS 软件，利用重分类（Reclass）工具，将软紫草的适宜分布区划分 4 个等级：不适生区（0-0.07）、低适生区（0.07-0.3）、中适生区（0.3-0.6）、高适生区（0.6-1.0），并分别统计各适生区的面积。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
中国·新疆乌鲁木齐市北京南路818号, 830011, 电话: 0991-7823121
