篦子三尖杉在中国的地理分布及潜在分布区预测
预测不同气候情景下篦子三尖杉(Cephalotaxus oliveri Mast.)的地理分布格局，为其资源保护、合理利用与开发提供指导，也为其起源与地理演化研究奠定基础。
基于100个分布点信息与19个气候因子，采用BIOCLIM模型构建当前(1970—2000年)以及未来(CO2浓度倍增) 篦子三尖杉的地理分布趋势，并采用主成分分析法分析影响其地理分布的主要气候因素。
篦子三尖杉在中亚热带地区以低海拔分布为主。BIOCLIM模型结果显示：在当前气候条件下，篦子三尖杉最佳适生区集中在湖南、湖北、贵州和重庆；未来气候变化情境(CCM3)下，其潜在分布面积将减小，并有向西迁移的趋势；该模型受试者工作特征曲线下的面积为0.911±0.023，预测精度较高。主成分分析结果表明：温度季节性、气温年较差和昼夜温差与年温差比值是限制篦子三尖杉地理分布的主要因素，且温度因子的作用大于水分因子。
随着全球气候变暖，篦子三尖杉的适生区有破碎化及丧失的风险，应重视对该物种的动态监测及迁地保护。
Geographical Distribution and Potential Distribution Area Prediction of Cephalotaxus oliveri Mast. in China
To predict the geographic distribution pattern of Cephalotaxus oliveri Mast. under different climate scenarios, providing guidance for resource protection, rational utilization and development, and laying a foundation for study of origin and geographical evolution.
BIOCLIM model was used to construct the current (1970-2000) and future (under CO2 concentration doubling) geographical distribution trends, based on the information of 100 distribution points and 19 bioclimatic variables. Principal component analysis (PCA) was used to analyze the main climatic factors affecting geographical distribution.
The vertical distribution of C. oliveri was mostly concentrated in the low altitude areas in the central subtropical region in China. The results of BIOCLIM model showed that the optimal suitable areas for C. oliveri under current climate scenario were concentrated in Hunan, Hubei, Guizhou and Chongqing. Under the future climate change scenario (CCM3), the potential distribution areas of C. oliveri should decrease with a tendency to move westward. The area under the receiver operation characteristic curve of the model was 0.911±0.023, and the prediction accuracy was high. The results of the PCA showed that temperature seasonality, temperature annual range and isothermality were the main factors limiting the geographical distribution of C. oliveri. The temperature factors played a greater role than the moisture.
With the global warming, the suitable habitat of C. oliveri is at risk of fragmentation and loss, therefore attention should be paid to the dynamic monitoring and relocation of the species for conservation.
-
中医药作为中国具有原创优势的卫生资源，近年来，被国内及其国际社会广泛应用，其以阴阳五行为理论基础，通过“望闻问切”四诊法的实践经验探求病因[1]，应用中药的合理配伍，发挥治疗、保健、养生等多重功效。然而对于中医药更普遍的认识是其安全无毒，其安全性研究尚处于探索阶段。随着应用的愈发广泛，中药及其制剂的安全性也备受关注。本研究的中药复方制剂(石韦、木通、地榆、金钱草、仙灵脾、川大黄、半枝连、山药、元胡、栀子、川黄连、车前子、黄芩、地龙、猪鬃草、三梭、莪术、皂刺、牡蛎、岩白菜、枸杞子、重楼、蒲公英、黄芪、当归、蝎子和蜈蚣等27种成分)在实践中用于治疗结直肠肿瘤并已取得一定的治疗效果，但其安全性有待研究。通过研究该抗肿瘤中药复方制剂提取液对昆明种小鼠的急性毒性、最大耐受量及其对小鼠血液生理生化指标的影响，为临床合理安全用药提供数据支撑，为其在人体肿瘤治疗用药剂量方面提供参考。
1. 材料与方法
1.1 材料
1.1.1 试验药物
1 原药及其微生物影响因素的处理
抗肿瘤中药复方制剂(粉末)：石韦、木通、地榆、金钱草、栀子、川大黄、当归等27种成分配伍而成，由云南华源核辐射技术有限公司实施9.0 kGy辐照处理，排除微生物因素干扰，微生物数量符合《中国药典》2010版口服给药制剂微生物限度标准要求(表1)。
表 1 中药原药辐照前后微生物限度Table 1. Microbial limits before and after irradiation of traditional Chinese medicines检验项目
test items单位
unit标准
standard微生物数量number of microorganisms 辐照前before irradiation 辐照后after irradiation 需氧菌总数total aerobic bacteria cfu/g $\leqslant$ 10 000
460 000 30 霉菌和酵母菌mold and yeast count cfu/g $\leqslant$ 100
185 000 <10 大肠埃希菌Escherichia coli g−1 不得检出 negative 检出 positive 未检出 n.d. 耐胆盐革兰阴性菌gallbladder-resistant gram-negative bacteria N <100 N>1 000 N<10 沙门氏菌数量×10−1 Salmonella number g−1 不得检出 negative 检出positive 未检出n.d. 检验结论test results 不合格 unqualified 合格 qualified 2 药液(粗提物)制备
称取上述经辐照处理的复方制剂粉末(准确到0.001 g)于双层药袋中，按药材重量的8倍加入冷的蒸馏水，浸泡30 min，分3次武火煮沸后文火煎煮[2-3]，文火时间分别为20、15和10 min，将3次药液过滤合并，经减压低温浓缩至质量浓度为1.25 g/mL(1 mL药液相当于1.25 g原药)，用玻璃器皿密封杀菌封装，于4 ℃低温冷藏，灌胃时根据剂量稀释药液(粗提物)。
1.1.2 试验动物
SPF级昆明种小鼠(约6周龄，体质量18~22 g)100只(雌雄各50只)，合格许可证号：SCXK(滇)K2015—0002，由昆明医科大学提供。试验前适应性饲养1周，自由饮食进水，观察小鼠健康状况。
1.2 方法
1.2.1 急性毒性预试验
取健康小鼠30只，随机分为5个组，每组6只，雌雄各3只。灌胃前、后分别禁食12 h、4 h，自由饮水。根据《药理试验中动物间和动物与人体间的等效剂量换算关系》，结合人用剂量10 g/70 kg (bw)，换算得到等效剂量1.8 g/kg (bw)为此中药复方制剂预期LD50值，以此为中间剂量，设计组间距为3的5个剂量组，即剂量分别为0.2、0.6、1.8、5.4和16.2 g/kg (bw)的5个剂量组，灌胃中药复方制剂药液，对各组小鼠连续观察14 d，记录给药前后小鼠行为活动、症状表现、小鼠死亡时间及死亡数，以找出复方制剂引起小鼠10%~90%死亡的剂量范围。
1.2.2 最大耐受量试验
在上述试验基础上，取健康小鼠30只，随机分为5个组，每组6只，雌雄各3只。各组小鼠按照0.4 mL/10 g (bw)的灌胃量灌胃给药[4]，按1∶0.8的计量间比值[5]设计5个剂量组，灌胃前、后分别禁食12 h、4 h，自由饮水，按1.25、1.00、0.80、0.64、0.51 g/mL的质量浓度24 h之内3次最大灌胃容量[6]灌胃小鼠。对小鼠连续观察7 d，每天记录每只小鼠的精神状况、食欲、行为、发病、死亡状况及粪便是否成型等情况。试验结束时，处死所有小鼠进行尸体剖检，肉眼观察心、肝、脾、肺、肾外观有无异常病理变化。通过计算判断小鼠对受试物的最大耐受量，计算其与人的最大耐受量的倍数关系。小鼠最大耐受倍数=(每只小鼠耐受药量/小鼠平均体重)×(成人平均体重/成人日用剂量)[7]。式中，成人平均体重取70 kg，每日临床推荐剂量10 g。
1.2.3 28 d经口毒性试验
取健康小鼠40只，随机分4个组，每组10只，雌雄各5只。中药复方制剂粗提物分别按高、中、低剂量试验组和对照组进行28 d经口毒性试验。单笼饲养，自由饮水，试验组按人用剂量[10 g/70 kg (bw)]的100[5]、50和25倍[15、7.5和3.75 g/kg (bw)]连续28 d灌胃给药，对照组灌胃等体积纯净水，每天灌胃1次。灌胃前和灌胃后每7 d称取体重1次，试验期间记录每只小鼠的精神状况、食欲、行为、发病及死亡等状况。灌胃第29天称取小鼠体重，牺牲小鼠，肉眼观察心、肝、脾、肺、肾等脏器外观有无异常病理变化，测定血液生理生化指标。血液生理指标包括红细胞数(RBC)、白细胞数(WBC)、淋巴细胞百分比(Lymph%)、单核细胞百分比(Mon%)、中性粒细胞百分比(Gran%)等，采用全自动血液细胞分析仪测定；血液生化指标中的谷丙转氨酶(ALT/GPT)、谷草转氨酶(AST/GOT)、乳酸脱氢酶(LDH)活性及肌酐(Cr)含量运用酶标仪配合试剂盒测定，尿素氮(BUN)含量用紫外分光光度计配合试剂盒测定[4]。
1.3 数据处理
各项数据采用SPSS 19.0进行单因素方差分析并统计，数据结果均用“平均值±标准差”表示。
2. 结果与分析
2.1 急性毒性预试验
急性毒性预试验结果表明：小鼠灌服中药复方制剂药液后，均出现呆立1~3 min的灌胃应激，之后恢复正常。对各组小鼠连续观察14 d，进食、饮水、活动状况、精神状态无异常，皮毛光滑，排泄物正常。各组小鼠均无死亡，LD50均大于5 g/kg (bw)，最大给药剂量达16.2 g/kg (bw)，肉眼可见主要脏器大小、外观和色泽均无变化，也无充血、出血、水肿或其他改变。按照化学物质相对毒性分级标准，LD50>5 g/kg (bw)判断受试物实际无毒，LD50>15 g/kg (bw)判断受试物无毒。表明该中药复方制剂粗提物无毒。
2.2 最大耐受量试验
小鼠于24 h之内3次最大体积灌胃中药复方制剂药液，最小剂量组到最大剂量组小鼠每次灌胃应激出现呆立3~10 min不等，最大剂量组小鼠在灌胃当天出现轻微耸毛、卧立、抽搐的现象，第2天恢复正常，其他组小鼠均无异常表现，对小鼠连续观察14 d。结果表明：各组小鼠均存活，心、肝、脾、肺、肾均无肉眼可观的病理变化，最大剂量组小鼠给药剂量达150 g/kg (bw)，最大耐受倍数是临床成人用量的1 050倍。按照WTO有关外源性化学物毒性分级标准进行评价，最大给药剂量大于人的可能摄入量剂量的300倍，表明该中药复方制剂粗提物无毒。
2.3 28 d经口毒性试验
2.3.1 一般状况观察及体重测定
各剂量组在灌胃后3 d内均出现呆立的应激反应，除此之外，整个灌胃期间小鼠的精神状态、活动状况、饮食饮水情况、粪便尿液均无异常。由表2可知：3个剂量试验组小鼠连续灌胃28 d前后体重增加量与对照组无显著差异(P>0.05)。
表 2 不同剂量中药复方制剂对小鼠体重的影响Table 2. Effects of different doses on the body weight of mice组别group 体重增加量/g weight gain 对照组control group 8.33±0.23 低剂量组low dose group 8.77±0.49 中剂量组medium dose group 8.60±0.46 高剂量组high dose group 8.81±0.59 2.3.2 血液学指标测定
由表3可知：各组小鼠喂养28 d后，3个剂量试验组和对照组比较各项血液指标均无显著差异(P>0.05)。
表 3 不同剂量中药复方制剂对小鼠血常规的影响Table 3. Effects of different doses on the blood routine examination in mice组别
group血红蛋白/(g·L−1)
HGB计数×109/L−1 count 占白细胞总数的比例/% ratio of total number of leukocyte 白细胞WBC 红细胞RBC 淋巴细胞Lymph 单核细胞Mon 中性粒细胞Gran 对照组control group 149.33±3.16 3.89±0.31 9.50±0.61 73.80±6.78 2.36±0.39 22.77±4.70 低剂量组low dose group 148.78±5.78 4.12±0.60 9.64±0.38 75.82±6.79 2.29±0.40 21.29±2.19 中剂量组medium dose group 145.56±6.19 3.60±0.36 9.30±0.46 75.70±3.90 2.87±0.62 22.01±3.24 高剂量组high dose group 150.25±7.92 3.69±0.41 9.70±0.64 75.28±6.62 2.30±0.58 19.79±3.54 2.3.3 血液生化指标测定
由表4可知：中剂量组中LDH含量与对照、低、高剂量组差异显著(P<0.05)，其余指标(GPT、GOT、Cr和BUN)都无显著差异(P>0.05)。
表 4 不同剂量中药复方制剂对小鼠血液生化指标的影响Table 4. Effects of different doses on the blood biochemical indexes of mice组别
group谷丙转氨酶/(U·g−1)
ALT/GPT谷草转氨酶/(U·g−1)
AST/GOT乳酸脱氢酶/(U·L−1)
LDH肌酐/(μmol·L−1)
Cr血尿素氮/(mμmol·L−1)
BUN对照组control group 22.36±4.88 58.43±3.08 412.50±28.85 a 14.99±2.28 7.46±1.04 低剂量组low dose group 25.56±4.78 61.49±5.16 419.72±27.79 a 15.00±2.89 7.93±1.23 中剂量组medium dose group 26.40±3.79 61.05±4.44 458.33±19.69 b 15.55±1.89 8.40±1.11 高剂量组high dose group 23.32±4.42 64.55±4.06 438.75±25.62 a 16.10±1.24 7.52±0.59 注：同列中不同小写字母表示差异性显著水平为P<0.05。
Note: The date with the different small letters show significant difference (P<0.05) in the column.3. 讨论
中药复方制剂是根据中医药学的用药特点，结合对各药物的理论认识基础，多组分构成的中医药方剂[8]。高效低毒、多靶点、特异性强等多重特点是中药制剂用药的优势[9]，但其成分复杂，存在多种有效的生物活性成分，在多种疾病的临床治疗中发挥了协同作用，但其毒副作用和安全性也备受关注。本研究的中药复方制剂粗提物包括27味中药，急性毒性试验结果表明：该复方制剂粗提物经口染毒LD50大于5 g/kg (bw)，且所有小鼠存活；最大耐受量试验中最大剂量组小鼠经3次最大剂量药液灌胃后的累积剂量达到150 g/kg，各组小鼠在1周内无异常变化，其最大耐受量倍数是临床成人用量的1 050倍，表明该中药复方制剂无毒。中药复方作为一个整体，煎煮过程的变化是否造成成分的改变或新物质的产生，配伍的变化或者成分的加减是否会产生不同的治疗及毒副作用，这些问题还有待我们进一步深入研究。
28 d连续灌胃高、中、低3种剂量的复方中药制剂粗提物后，试验组小鼠的体重增加量与对照组相比差异不显著(P>0.05)，表明该复方制剂不影响小鼠的生长发育。各剂量组血液学指标与对照组相比差异均不显著(P>0.05)。血液生化指标中的谷丙转氨酶(ALT/GPT)、谷草转氨酶(AST/GOT)、乳酸脱氢酶(LDH)作为判定肝脏损伤的重要指标[10-11]，肌酐(Cr)、血尿素氮(BUN)是判定肾脏损伤的重要指标[12]，结果显示除中剂量组LDH含量与对照、低、高剂量组差异显著(P<0.05)外，其余数据都无显著差异(P>0.05)，总体来看，该中药复方制剂对试验动物肝、肾功能无影响。中剂量组乳酸脱氢酶(LDH)与对照、低、高剂量组差异显著，可能与受试动物个体因素干扰有关。
4. 结论
抗肿瘤中药复方制剂粗提物对昆明种小鼠的急性毒性及其对小鼠血液生理生化指标的影响试验结果表明：该复方制剂粗提物经口染毒LD50大于5 g/kg (bw)，且所有小鼠存活，病理解剖学观察主要脏器大小、外观、色泽均无变化，也无充血、出血、水肿或其他改变；最大耐受量倍数是临床成人用量的1 050倍，大于人可能摄入剂量的300倍。28 d经口毒性试验测定小鼠体重变化，血常规及血液肝、肾生化指标，试验结果也表明小鼠生长发育、血常规和肝、肾生化指标正常，故该复方制剂粗提物对小鼠无毒性作用，对血液学和肝功等部分生化指标无影响，临床使用安全。
-
表 1 篦子三尖杉天然分布区生物气候变量主成分分析 (PCA)
Table 1 Principal component analysis (PCA) on bioclimate of natural distribution area for Cephalotaxus oliveri in China
生物气候
bioclimate变量
variable主成分 principal component analysis PC 1 PC 2 PC 3 PC 4 年均温 annual mean temperature bio1 0.178 0.292 0.302 0.048 昼夜温差均值 mean diurnal range bio2 0.169 −0.128 0.138 0.482 昼夜温差与年温差比值 isothermality bio3 0.323 −0.056 0.027 0.327 温度季节性 temperature seasonality bio4 −0.348 0.010 0.054 −0.151 最热月最高温 max temperature of warmest month bio5 −0.178 0.243 0.367 −0.092 最冷月最低温 min temperature of coldest month bio6 0.255 0.232 0.173 −0.064 气温年较差 temperature annual range bio7 −0.332 −0.031 0.102 −0.008 最湿季均温 mean temperature of wettest quarter bio8 0.132 0.075 0.381 −0.469 最干季均温 mean temperature of driest quarter bio9 0.252 0.243 0.155 0.214 最热季均温 mean temperature of warmest quarter bio10 −0.136 0.290 0.351 −0.103 最冷季均温 mean temperature of coldest quarter bio11 0.295 0.191 0.174 0.116 年降水量 annual precipitation bio12 −0.034 0.352 −0.279 −0.071 最湿月降水 precipitation of wettest month bio13 0.130 0.278 −0.319 −0.153 最干月降水 precipitation of driest month bio14 −0.218 0.291 −0.094 0.230 降水季节性 precipitation seasonality bio15 0.308 −0.132 −0.056 −0.098 最湿季降水量 precipitation of wettest quarter bio16 0.145 0.297 −0.306 −0.095 最干季降水量 precipitation of driest quarter bio17 −0.210 0.294 −0.104 0.244 最热季降水量 precipitation of warmest quarter bio18 0.245 0.141 −0.291 −0.318 最冷季降水量 precipitation of coldest quarter bio19 −0.189 0.312 −0.089 0.270 特征根 eigenvector 7.68 6.02 2.51 1.37 方差贡献率/% variance contribution rate 40.40 31.67 13.23 7.20 累计贡献率/% accumulative contribution rate 40.40 72.07 85.30 92.49 
下载: 导出CSV
表 2 PCA筛选后的6个主导气候因子变量统计
Table 2 Variable statistics of six dominant climatic factors after PCA screening
生物气候
bioclimate变量
variable最小值
minimum value最大值
maximum value平均值
mean变异系数/%
coefficient of variation昼夜温差与年温差比值 isothermality bio3 22.78 50.42 29.97±6.37 21.26 温度季节性 temperature seasonality bio4 409.69 939.06 745.79±130.50 17.50 气温年较差 temperature annual range bio7 19.10 37.00 28.65±3.36 11.73 年降水量 annual precipitation bio12 597.00 1899.00 1322.42±227.47 17.20 最湿季降水量 precipitation of wettest quarter bio16 330.00 1099.00 616.21±114.58 18.59 最冷季降水量 precipitation of coldest quarter bio19 14.00 252.00 114.54±56.94 49.72
下载: 导出CSV
表 3 篦子三尖杉当前及气候变化后的适宜分布区面积
Table 3 Potential suitable areas of C. oliveri in China under current and future climate change
分布等级
distribution level分布概率/%
probability distribution分布面积×104/km2
distribution area变化/%
change当前 current 将来 future 非适生区 unsuitable area 0.0 743.68 756.65 +1.74 低适生区 low suitable area >0.0~2.5 76.26 79.40 +4.13 中适生区 moderate suitable area >2.5~5.0 66.11 55.30 −16.35 高适生区 high suitable area >5.0~10.0 38.93 35.01 −10.07 较高适生区 better suitable area >10.0~20.0 27.92 28.91 +3.55 最佳适生区 optimal suitable area >20.0~40.0 11.10 8.72 −21.41
下载: 导出CSV
-
[1] AKYOL A, ÖRÜCÜ Ö K, ARSLAN E S. Habitat suitability mapping of stone pine ( Pinus pinea L.) under the effects of climate change[J]. Biologia, 2020, 75(12): 2175. DOI: 10.2478/s11756-020-00594-9.
[2] 朱弘, 尤禄祥, 李涌福, 等. 浙闽樱桃地理分布模拟及气候限制因子分析[J]. 热带亚热带植物学报, 2017, 25(4): 315. DOI: 10.11926/jtsb.3702. [3] 张春华, 雷晨雨, 王储, 等. 珍贵用材树种红椿4个变种栽培的潜在气候适生区预测[J]. 云南农业大学学报(自然科学), 2022, 37(2): 294. DOI: 10.12101/j.issn.1004-390X(n).202105039. [4] 王芳, 熊喆, 延晓冬, 等. 杨属物种多样性在中国的地理分布格局[J]. 生态学报, 2018, 38(1): 282. DOI: 10.5846/ stxb201612222638. [5] 谢春平, 吴显坤, 薛晓明, 等. 浙江楠适生区与气候环境关系的分析[J]. 四川农业大学学报, 2020, 38(3): 264. DOI: 10.16036/j.issn.1000-2650.2020.03.003. [6] ÇOBAN H O, ÖRÜCÜ Ö K, ARSLAN E S. MaxEnt modeling for predicting the current and future potential geographical distribution of Quercus libani Olivier[J]. Sustainability, 2020, 12(7): 2671. DOI: 10.3390/su120-726-71.
[7] URBAN M C. Accelerating extinction risk from climate change[J]. Science, 2015, 348(6234): 571. DOI: 10.1126/science.aaa4984.
[8] ABRHA H, BIRHANE E, HAGOS H, et al. Predicting suitable habitats of endangered Juniperus procera tree under climate change in Northern Ethiopia[J]. Journal of Sustainable Forestry, 2018, 37(8): 842. DOI: 10.1080/10-549811.2018.1494000.
[9] ABOLMAALI S M-R, TARKESH M, BASHARI H. MaxEnt modeling for predicting suitable habitats and identifying the effects of climate change on a threatened species, Daphne mucronata, in central Iran[J]. Ecological Informatics, 2018, 43: 116. DOI: 10.1016/j.ecoinf.2017.10.002.
[10] ARSLAN E S, AKYOL A, ÖRÜCÜ Ö K, et al. Distribution of rose hip ( Rosa canina L.) under current and future climate conditions[J]. Regional Environmental Change, 2020, 20(3): 107. DOI: 10.1007/s10113-020-016-95-6.
[11] ELITH J, LEATHWICK J R. Species distribution models: ecological explanation and prediction across space and time[J]. Annual Review of Ecology, Evolution, and Systematics, 2009, 40(1): 677. DOI: 10.1146/annurev.eco- lsys.110308.120159.
[12] 郭彦龙, 赵泽芳, 乔慧捷, 等. 物种分布模型面临的挑战与发展趋势[J]. 地球科学进展, 2020, 35(12): 1292. DOI: 10.11867/j.issn.1001-8166.2020.110. [13] SARQUIS J A, CRISTALDI M A, ARZAMENDIA V, et al. Species distribution models and empirical test: comparing predictions with well-understood geographical distribution of Bothrops alternatus in Argentina[J]. Ecology and Evolution, 2018, 8(21): 10497. DOI: 10.1002/ece3.4517.
[14] XIE C P, HUANG B Y, JIM C Y, et al. Predicting differential habitat suitability of Rhodomyrtus tomentosa under current and future climate scenarios in China[J]. Forest Ecology and Management, 2021, 501: 119696. DOI: 10.1016/j.foreco.2021.119696.
[15] BOOTH T H, NIX H A, BUSBY J R, et al. Bioclim: the first species distribution modelling package, its early applications and relevance to most current MaxEnt studies[J]. Diversity and Distributions, 2014, 20(1): 1. DOI: 10.1111/ddi.12144.
[16] KIDANE Y O, HOFFMANN S, JAESCHKE A, et al. Ericaceous vegetation of the Bale Mountains of Ethiopia will prevail in the face of climate change[J]. Scientific Reports, 2022, 12(1): 1. DOI: 10.1038/s41598-022-058-46-z.
[17] 张兴旺, 李垚, 方炎明. 麻栎在中国的地理分布及潜在分布区预测[J]. 西北植物学报, 2014, 34(8): 1685. DOI: 10.7606/.issn.1000-4025.2014.08.1685. [18] THAPA T K, RAJBHANDARY S. Ecological niche modeling of Colchicacae and Melanthiaceae in Nepal[J]. Journal of Plant Research, 2019, 17(1): 35.
[19] 张华凤, 吕衡, 高纪慧, 等. 德夯风景名胜区篦子三尖杉群落伴生物种多样性探究[J]. 现代园艺, 2021, 44(2): 8. DOI: 10.3969/j.issn.1006-4958.2021.02.003. [20] MA G L, GUO N, WANG X L, et al. Cytotoxic secondary metabolites from the vulnerable conifer Cephalotaxus oliveri and its associated endophytic fungus Alternaria alternate Y-4-2[J]. Bioorganic Chemistry, 2020, 105(1): 104445. DOI: 10.1016/j.bioorg.2020.104445.
[21] 陈少瑜, 司马永康, 方波. 篦子三尖杉的遗传多样性及濒危原因[J]. 西北林学院学报, 2003, 18(2): 29. DOI: 10. 3969/j.issn.1001-7461.2003.02.008. [22] 符潮, 卢建, 李中阳, 等. 江西篦子三尖杉地理分布及主要群落分析[J]. 江西科学, 2017, 35(1): 16. DOI: 10.13990/j.issn1001-3679.2017.01.004. [23] WANG C B, WANG T, SU Y J. Phylogeography of Cephalotaxus oliveri (Cephalotaxaceae) in relation to habitat heterogeneity, physical barriers and the uplift of the Yungui Plateau[J]. Molecular Phylogenetics and Evolution, 2014, 80(1): 205. DOI: 10.1016/j.ympev.2014. 08.015.
[24] 戴晓勇, 林泽信, 张贵云, 等. 篦子三尖杉种子育苗技术研究[J]. 种子, 2012, 31(8): 122. DOI: 10.3969/j.issn.10 01-4705.2012.08.037. [25] 肖舒, 丁杰. 濒危植物篦子三尖杉枝叶的化学成分研究[J]. 中药材, 2017, 40(11): 2594. DOI: 10.13863/j.issn- 1001-4454.2017.11.022. [26] PUCHAŁKA R, DYDERSKI M K, VÍTKOVÁ M, et al. Black locust ( Robinia pseudoacacia L.) range contraction and expansion in Europe under changing climate[J]. Global Change Biology, 2021, 27(8): 1587. DOI: 10.1111/ gcb.15486.
[27] GOVINDASAMY B, DUFFY P B, COQUARD J. High-resolution simulations of global climate, part 2: effects of increased greenhouse cases[J]. Climate Dynamics, 2003, 21(5): 391. DOI: 10.1007/s00382-003-0340-6.
[28] KIEHL J, HACK J, BONAN G, et al. The national center for atmospheric research community climate model: CCM3[J]. Journal of Climate, 1998, 11(6): 1131. DOI: 10. 1175/1520-0442(1998)011<1131:TNCFAR>2.0.CO;2.
[29] LIU Y, HUANG P, LIN F R, et al. MaxEnt modelling for predicting the potential distribution of a near threatened rosewood species ( Dalbergia cultrata Graham ex Benth)[J]. Ecological Engineering, 2019, 141: 105612. DOI: 10.1016/j.ecoleng.2019.105612.
[30] GEBREWAHID Y, ABREHE S, MERESA E, et al. Current and future predicting potential areas of Oxytenanth era abyssinica (A. Richard) using MaxEnt model under climate change in Northern Ethiopia[J]. Ecological Processes, 2020, 9(1): 6. DOI: 10.1186/s13717-019-0210-8.
[31] CRUZ-CÁRDENAS G, LÓPEZ-MATA L, VILLASEÑOR J L, et al. Potential species distribution modeling and the use of principal component analysis as predictor variables[J]. Revista Mexicana de Biodiversidad, 2014, 85(1): 189. DOI: 10.7550/rmb.36723.
[32] HAMMER Ø, HARPER D A, RYAN P D. PAST: paleontological statistics software package for education and data analysis[J]. Palaeontologia Electronica, 2001, 4(1): 9.
[33] GILANI H, GOHEER M A, AHMAD H, et al. Under predicted climate change: distribution and ecological niche modelling of six native tree species in Gilgit-Baltistan, Pakistan[J]. Ecological Indicators, 2020, 111: 106049. DOI: 10.1016/j.ecolind.2019.106049.
[34] 张晓玮, 王婧如, 王明浩, 等. 中国云杉属树种地理分布格局的主导气候因子[J]. 林业科学, 2020, 56(4): 1. DOI: 10.11707/j.1001-7488.20200401. [35] COSTION C M, SIMPSON L, PERT P L, et al. Will tropical mountaintop plant species survive climate change? Identifying key knowledge gaps using species distribution modelling in Australia[J]. Biological Conservation, 2015, 191: 322. DOI: 10.1016/j.biocon.2015.07.022.
[36] FRAGA H, MORIONDO M, LEOLINI L, et al. Mediterranean olive orchards under climate change: a review of future impacts and adaptation strategies[J]. Agronomy, 2020, 11(1): 56. DOI: 10.3390/agronomy11010056.
[37] BLACH-OVERGAARD A, SVENNING J-C, DRANSFIELD J, et al. Determinants of palm species distributions across Africa: the relative roles of climate, non-climatic environmental factors, and spatial constraints[J]. Ecography, 2010, 33(2): 380. DOI: 10.1111/j.1600-0587.2010.06273.x.
[38] 谢春平, 韩维栋, 王华辰, 等. 中国桃金娘的地理分布及气候限制性因子分析[J]. 热带作物学报, 2022, 43(2): 409. DOI: 10.3969/j.issn.1000-2561.2022.02.022. [39] FANG J Y, LECHOWICZ M J. Climatic limits for the present distribution of beech ( Fagus L.) species in the world[J]. Journal of Biogeography, 2006, 33(10): 1804. DOI: 10.1111/j.1365-2699.2006.01533.x.
[40] WAN J N, MBARI N J, WANG S W, et al. Modeling impacts of climate change on the potential distribution of six endemic baobab species in Madagascar[J]. Plant Diversity, 2021, 43(2): 117. DOI: 10.1016/j.pld.2020.07. 001.
[41] 翟新宇, 申宇芳, 朱圣华, 等. 未来气候变化对孑遗植物鹅掌楸地理分布的影响[J]. 热带亚热带植物学报, 2021, 29(2): 151. DOI: 10.11926/jtsb.4322. [42] 朱政德. 中国森林的地理分布[J]. 南京林业大学学报(自然科学版), 2004, 47(1): 1. DOI: 10.3969/j.issn.1000-2006.2004.01.001. [43] 孟影, 马姜明, 王永琪, 等. 基于Maxent模型的檵木分布格局模拟[J]. 生态学报, 2020, 40(22): 8287. DOI: 10.5846/stxb201911252549. [44] 冯邦贤, 韦海霞. 黔东南州篦子三尖杉群落结构特征研究[J]. 湖南林业科技, 2017, 44(4): 34. DOI: 10.3969/j.issn.1003-5710.2017.04.008. [45] 夏江林, 何逢斌, 赵丛笑, 等. 南岳篦子三尖杉群落多样性分析[J]. 中国野生植物资源, 2015, 34(4): 51. DOI: 10.3969/j.issn.1006-9690.2015.04.012. [46] 周煜, 胡玉熹. 中国特有植物篦子三尖杉的生物学特性及其保护[J]. 广西植物, 1997, 17(3): 249. [47] LAZARUS B E, CASTANHA C, GERMINO M J, et al. Growth strategies and threshold responses to water deficit modulate effects of warming on tree seedlings from forest to alpine[J]. Journal of Ecology, 2018, 106(2): 571. DOI: 10.1111/1365-2745.12837.
[48] LI X Y, PIAO S L, WANG K, et al. Temporal trade-off between gymnosperm resistance and resilience increases forest sensitivity to extreme drought[J]. Nature Ecology & Evolution, 2020, 4(8): 1075. DOI: 10.1038/s41559-02 0-1217-3.
[49] FRANKLIN J. Moving beyond static species distribution models in support of conservation biogeography[J]. Diversity and Distributions, 2010, 16(3): 321. DOI: 10.1111/j.1472-4642.2010.00641.x.
[50] ZHAO H X, ZHANG H, XU C G. Study on Taiwania cryptomerioides under climate change: MaxEnt modeling for predicting the potential geographical distribution[J]. Global Ecology and Conservation, 2020, 24: e01313. DOI: 10.1016/j.gecco.2020.e01313.
[51] ABDELAAL M, FOIS M, FENU G, et al. Using MaxEnt modeling to predict the potential distribution of the endemic plant Rosa arabica Crép. in Egypt[J]. Ecological Informatics, 2019, 50: 68. DOI: 10.1016/j.ecoinf.2019.01.003.
[52] DYDERSKI M K, PAŹ S, FRELICH L E, et al. How much does climate change threaten European forest tree species distributions?[J]. Global Change Biology, 2018, 24(3): 1150. DOI: 10.1111/gcb.13925.
[53] LIPPMANN R, BABBEN S, MENGER A, et al. Development of wild and cultivated plants under global warming conditions[J]. Current Biology, 2019, 29(24): R1326. DOI: 10.1016/j.cub.2019.10.016.
[54] WILCZEK A M, COOPER M D, KORVES T M, et al. Lagging adaptation to warming climate in Arabidopsis thaliana[J]. Proceedings of the National Academy of Sciences, 2014, 111(22): 7906. DOI: 10.1073/pnas.14063- 14111.
[55] HEDHLY A, HORMAZA J I, HERRERO M. Global warming and sexual plant reproduction[J]. Trends in Plant Science, 2009, 14(1): 30. DOI: 10.1016/j.tplants. 2008.11.001.
[56] JAMIESON M A, TROWBRIDGE A M, RAFFA K F, et al. Consequences of climate warming and altered precipitation patterns for plant-insect and multitrophic interactions[J]. Plant Physiology, 2012, 160(4): 1719. DOI: 10.1104/pp.112.206524.
[57] XU W B, SVENNING J, CHEN G K, et al. Human activities have opposing effects on distributions of narrow-ranged and widespread plant species in China[J]. Proceedings of the National Academy of Sciences, 2019, 116(52): 26674. DOI: 10.1073/pnas.1911851116.
-
期刊类型引用(2)
1. 许康，白丽. 中药及中药提取物抗肿瘤研究进展. 中华中医药学刊. 2022(10): 54-59 . 
百度学术
2. 查青，陈燕妮，史海龙，冯雪松，晁旭. 土贝母急性毒性实验研究. 辽宁中医药大学学报. 2021(04): 41-46 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 833
- PDF下载量: 20
- 被引次数: 4
