Modélisation de l'entropie maximale de la zone de distribution de l'aneth de Morchella. Ex Pers. Espèces en Chine sous un climat changeant Partie 1
Jun 27, 2023
Résumé simplifié :Le changement climatique a toujours été un facteur notable dans la recherche de la distribution des espèces. Au cours des dernières décennies, les habitats des espèces ont été progressivement détruits en raison du changement climatique. Ainsi, pour prédire comment le changement climatique influencera la survie et les habitats appropriés de Morchella Dill sauvage. ex Pers. espèce en Chine, nous avons utilisé un modèle d'entropie maximale pour simuler les changements de son aire de répartition des périodes historiques aux périodes futures. Nos résultats illustrent que les précipitations, l'altitude et la température sont des facteurs indispensables affectant la présence et les habitats appropriés des espèces sauvages de Morchella. De plus, cette recherche nous a montré une tendance prometteuse selon laquelle, quel que soit le scénario, la zone appropriée de l'espèce augmentera à une certaine échelle sous peu. Sur la base de ces résultats, nous pourrions explorer et concevoir un schéma optimal pour la conservation des ressources sauvages de Morchella.
Le glycoside de cistanche peut également augmenter l'activité de la SOD dans les tissus cardiaques et hépatiques et réduire considérablement la teneur en lipofuscine et en MDA dans chaque tissu, piégeant efficacement divers radicaux réactifs de l'oxygène (OH-, H₂O₂, etc.) et protégeant contre les dommages à l'ADN causés par des radicaux OH. Les glycosides phényléthanoïdes de Cistanche ont une forte capacité de piégeage des radicaux libres, une capacité de réduction supérieure à la vitamine C, améliorent l'activité de la SOD dans la suspension de sperme, réduisent la teneur en MDA et ont un certain effet protecteur sur la fonction de la membrane du sperme. Les polysaccharides Cistanche peuvent améliorer l'activité de la SOD et du GSH-Px dans les érythrocytes et les tissus pulmonaires de souris sénescentes expérimentalement causées par le D-galactose, ainsi que réduire la teneur en MDA et en collagène dans les poumons et le plasma et augmenter la teneur en élastine, ont un bon effet de piégeage sur le DPPH, prolonge le temps d'hypoxie chez les souris sénescentes, améliore l'activité de la SOD dans le sérum et retarde la dégénérescence physiologique du poumon chez les souris expérimentalement sénescentes Avec la dégénérescence morphologique cellulaire, des expériences ont montré que Cistanche a la bonne capacité antioxydante et a le potentiel d'être un médicament pour prévenir et traiter les maladies du vieillissement cutané. Dans le même temps, l'échinacoside dans Cistanche a une capacité significative à piéger les radicaux libres DPPH et a la capacité de piéger les espèces réactives de l'oxygène et d'empêcher la dégradation du collagène induite par les radicaux libres, et a également un bon effet réparateur sur les dommages causés par les anions des radicaux libres thymine.
Cliquez sur Est-ce que Cistanche fonctionne pour l'antioxydant
【Pour plus d'informations :george.deng@wecistanche.com / WhatApp :86 13632399501】
Abstrait: 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), indiquant que les résultats du modèle d'entropie maximale sont bons. La modélisation de la distribution des espèces a montré que les principaux facteurs influençant la distribution géographique des espèces de Morchella étaient les précipitations du quart le plus sec (Bio17), l'altitude, la température moyenne du quart le plus froid (Bio11) et la température moyenne annuelle (Bio1). La simulation de la répartition géographique a suggéré que l'habitat convenable actuel de Morchella était principalement situé dans le Yunnan, le Sichuan, le Gansu, le Shaanxi, la région autonome ouïghoure du Xinjiang (XUAR) et d'autres provinces de Chine. Par rapport à l'époque actuelle, la zone appropriée dans le nord-ouest et le nord-est de la Chine a diminué au cours des périodes LGM et MH. Quant aux périodes futures, les habitats propices ont tous augmenté dans les différents scénarios par rapport à ceux de l'époque contemporaine, montrant une tendance à l'expansion vers le nord-est et le nord-ouest de la Chine. Ces résultats pourraient fournir une base théorique pour la protection, l'exploitation rationnelle et l'utilisation des ressources sauvages de Morchella dans des scénarios de changement climatique.
1. Introduction
Le changement climatique est un facteur environnemental auquel tous les organismes sur Terre doivent faire face en permanence. Avec le changement climatique, les répartitions géographiques spatiales et les aires de répartition des espèces changent également. Ces dernières années, le changement climatique mondial a entraîné des changements dans les habitats de diverses espèces et même l'extinction de certaines espèces [1,2]. La recherche a montré que certaines espèces se déplaceront vers les régions de haute latitude et d'altitude deux à trois fois plus rapidement à l'avenir [3]. Ainsi, l'évaluation scientifique et la prévision de l'impact du changement climatique sur la distribution des espèces et la biodiversité ont suscité une grande attention [4]. Pour comprendre les caractéristiques changeantes des différentes espèces dans les conditions climatiques futures, la recherche sur la relation entre les espèces et le climat est d'une grande urgence.
Une solution possible consiste à utiliser le modèle de distribution des espèces (SDM). La SDM est une méthode importante pour l'analyse des changements dans les aires de répartition des espèces, et elle est largement utilisée dans les études biogéographiques. Ces dernières années, l'utilisation de modèles de distribution d'espèces pour prédire les distributions réelles et potentielles des espèces menacées [5], des espèces rares [6] et des espèces envahissantes [7] est devenue un hotpot dans le domaine de l'écologie. Dans la recherche sur la répartition des espèces, le climat, le sol et d'autres facteurs (tels que la capacité de migration des espèces) peuvent influencer dans une certaine mesure la répartition géographique des espèces [8]. Combinée aux données de distribution des espèces et aux facteurs environnementaux, la SDM projette ces données sur une certaine plage spatiale géographique, et elle estime également les régions propices à la survie des espèces et leurs préférences en matière de milieu de vie [9-11]. Les SDM qui sont maintenant disponibles comprennent BIOCLIM, l'analyse des facteurs de niche écologique (ENFA), le modèle linéaire généralisé (GLM), l'approche bayésienne (BA), les algorithmes génétiques (GA) et MaxEnt [12]. Parmi ceux-ci, MaxEnt utilise les données de présence réelle des espèces et les variables environnementales correspondantes pour calculer l'état idéal de la distribution des espèces sous certaines contraintes de niche, c'est-à-dire la distribution possible des espèces dans la zone prédite lorsque l'entropie est maximale. Ce modèle diffère des autres modèles par l'exigence de données sur les sites de distribution des espèces, la définition des paramètres du modèle et le traitement des variables environnementales [13,14]. La plupart des modèles ont besoin des données de présence et d'absence de la distribution des espèces ; cependant, MaxEnt ne s'appuie que sur de vrais sites existants [15]. La distribution de probabilité de MaxEnt a une définition mathématique concise, facile à analyser. Par exemple, comme pour GLM et GAM, l'additivité du modèle permet d'interpréter le rapport de chaque variable à l'adéquation en l'absence d'interactions entre variables [16]. Dans le même temps, la précision de prédiction du modèle MaxEnt est si élevée qu'elle peut refléter correctement la probabilité d'occurrence d'espèces dans une certaine mesure dans des circonstances de petite taille d'échantillon [17].
Compte tenu de la supériorité de MaxEnt, de nombreux chercheurs ont publié une série de réalisations de recherche importantes utilisant MaxEnt, fournissant une base théorique très précieuse à divers domaines, tels que la gestion des espèces envahissantes, la protection de la biodiversité et la sélection des espèces vivant dans des conditions environnementales. . Non seulement MaxEnt peut être utilisé pour les plantes et les animaux, mais il peut également être utilisé pour les champignons. Soleil et al. ont utilisé MaxEnt pour simuler l'habitat convenable des pandas géants et ont expliqué les réponses de l'espèce aux variables environnementales à différentes échelles [18]. Liu et al. ont simulé la distribution de Houttuynia cordata Thunb (Ceercao) dans les conditions climatiques actuelles et prédit les changements potentiels de sa distribution géographique et les résultats ont révélé que la zone d'habitat convenable de Ceercao a diminué selon trois scénarios d'émissions de gaz à effet de serre dans les années 2050 et 2070 [19]. Yuan et al. prédit la répartition potentielle de la bauxite de Phellinus Pilát, Phellinus Ignatius (L.) Quél. et Phellinus vaninii Ljub. et ont constaté que la précision des résultats était élevée [20].
Morchella est un groupe de champignons importants appartenant aux Morohellaceae d'Ascomycotina, qui est largement distribué dans l'hémisphère nord. En raison de sa richesse nutritionnelle et de ses valeurs médicinales, les espèces de Morchella occupent une place parmi les champignons comestibles les plus précieux et attirent l'attention de nombreux mycologues [21]. Les composants bioactifs naturels [22], tels que les polysaccharides, les protéines et les lipides, extraits de Morchella jouent un rôle important dans la prévention des maladies, y compris la régulation immunitaire [23], les activités anti-tumorales [24] et les activités anti-oxydation [25 ]. Des études de phylogénétique moléculaire ont montré que la Morchella peut être divisée en trois principaux clades évolutifs, à savoir la Morchella jaune, la Morchella noire et la Morchella rouge [26]. L'Asie de l'Est et la Chine sont les centres possibles de différenciation et de diversité des espèces de Morchella. À l'heure actuelle, plus d'une trentaine d'espèces de Morchella ont été répertoriées en Chine [27], qui est l'un des pays disposant des ressources les plus abondantes en Morchella sauvage.
Cependant, la surexploitation et la destruction de l'habitat constituent une grave menace pour la diversité des espèces de Morchella sauvage [28]; pendant ce temps, les exigences spécifiques et les qualités environnementales de la croissance de Morchella ont été longtemps ignorées dans le domaine de la mycologie [29]. De plus, Taheri et al. [2] ont montré qu'il existait peu d'études sur la distribution géographique des champignons liés au changement climatique par rapport à celle des plantes et des animaux. À l'heure actuelle, on ne sait toujours pas comment le changement climatique aura un impact sur la répartition géographique des espèces de Morchella à différentes périodes. Cette étude vise à prédire la distribution potentielle des espèces de Morchella sous différents scénarios de climats historiques et futurs basés sur un modèle MaxEnt. Le but de cette étude est d'analyser l'effet des facteurs environnementaux sur la formation des fructifications de Morchella et de simuler l'évolution des aires potentielles de distribution de Morchella au cours des différentes périodes. On s'attend à ce que les résultats fournissent une base scientifique pour la conservation de la biodiversité et des ressources sauvages de Morchella à l'avenir.
2. Matériels et méthodes
2.1. Source des données sur la répartition des espèces
Les données d'occurrence des espèces de Morchella ont été acquises à partir d'enquêtes sur le terrain et d'articles publiés ; nous avons obtenu un total de 288 sites. Tout d'abord, les emplacements répétés ont été rejetés, puis la méthode tampon a été utilisée. La résolution spatiale des facteurs environnementaux était de 2,5 minutes d'arc et les points de données spatialement coïncidents à moins de 5 km les uns des autres ont été ignorés, ce qui a permis d'éviter le surajustement du modèle causé par des sites de distribution dupliqués. Au final, un total de 180 sites de Morchella ont été retenus (Figure S1 et Tableau S1).
2.2. Acquisition et prétraitement des facteurs environnementaux
Un total de 19 facteurs environnementaux (Bio1–Bio19, tableau 1) ont été téléchargés à partir de la base de données sur le climat mondial, et le taux de distribution spatiale était de 2,5 minutes d'arc. Au total, 2 variables de terrain et 7 variables de sol (tableau 1) ont été obtenues à partir de la base de données mondiale harmonisée sur les sols. Les variables de terrain et de sol ont été déterminées conjointement par l'Organisation des Nations Unies pour l'alimentation et l'agriculture, l'Institut international d'analyse des systèmes appliqués, l'Institut des sciences du sol, l'Académie chinoise des sciences et le centre de recherche conjoint de la Commission européenne. La résolution spatiale de ces données a été unifiée en 2,5 minutes d'arc, et les données ont toutes été transformées au format ASCII à l'aide d'ArcGIS 10.2. Les distributions potentielles de Morchella ont été évaluées sur cinq périodes, à savoir le dernier maximum glaciaire (LGM), le milieu de l'Holocène (MH), le courant, les années 2050 et les années 2070. Les données climatiques passées et futures adoptent le modèle CCSM4.0 publié dans le cinquième rapport du GIEC ; nous avons sélectionné trois scénarios différents d'émissions de gaz à effet de serre pour les périodes futures (tableau S2), et ces scénarios sont définis en fonction du forçage radiatif total résultant en 2100 [30].
Pour éviter le surajustement des résultats dû à la forte colinéarité des variables environnementales [31], des analyses de contribution et de corrélation des variables environnementales ont été effectuées sur la base des programmes MaxEnt et SPSS. Nous avons utilisé le programme MaxEnt 3.4.1 pour analyser les contributions des variables basées sur les variables environnementales et les sites de distribution de Morchella, et nous avons fixé les répétitions à 10 fois. Ensuite, les informations sur les facteurs environnementaux de Morchella ont été extraites à l'aide d'ArcGIS 10.2, et une analyse de corrélation de Pearson a été effectuée entre les variables environnementales dans SPSS 25 (Figure 1). Combiné avec la contribution des facteurs environnementaux, nous avons retenu les facteurs avec des coefficients de corrélation inférieurs à 0,8 sur les six premiers facteurs. Quelques facteurs environnementaux avaient des valeurs de coefficient de corrélation supérieures à|0,8 |, et une seule variable avec une contribution plus élevée a été retenue et utilisée dans les modèles MaxEnt [32, 33]. Enfin, 18 facteurs environnementaux ont été utilisés dans la modélisation (tableau 1).
2.3. Analyse du modèle MaxEnt
2.3.1. Sélection des paramètres du modèle
Les sites de distribution des espèces de Morchella et 18 facteurs environnementaux ont été importés dans le programme MaxEnt3.4.1 pour l'analyse de modélisation. Au total, 25 % des données de distribution ont été sélectionnées au hasard comme ensemble de test pour examiner l'exactitude du modèle, et les 75 % restants ont été utilisés comme ensemble d'apprentissage [34]. Nous avons exécuté 10 répliques bootstrap, dont le type était Sous-échantillon. En dehors de cela, le seuil sélectionné était la sensibilité d'entraînement maximale plus la spécificité, le format de sortie était Cloglog et les autres paramètres ont été laissés par défaut.
2.3.2. Modèle et évaluation des variables environnementales
L'AUC est un critère complet qui représente la précision et la spécialité du ROC. Il a été introduit pour la première fois dans l'évaluation de la précision des modèles de distribution des espèces en 1997 [35], et depuis lors, il a été utilisé pour évaluer les performances des modèles. La valeur de AUC est comprise entre 0.5 et 1. Si la valeur est plus proche de 1, cela signifie que la précision prédictive du modèle est plus élevée. Une valeur AUC inférieure à 0.7 indique que l'effet de simulation du modèle est faible ; une valeur AUC entre 0.7 et {{10}}.8 indique que l'effet de simulation du modèle est modéré ; une valeur AUC entre 0.8 et 0.9 indique que l'effet de simulation du modèle est bon ; et certainement, lorsque la valeur AUC est supérieure à 0,9, l'effet de simulation est excellent [36]. De plus, MaxEnt fournit une méthode Jackknife pour analyser la contribution relative et l'importance des variables environnementales sur Morchella et pour déterminer les principaux facteurs environnementaux.
2.3.3. Classification de la région appropriée
Selon l'évaluation de la probabilité de présence dans le cinquième rapport du GIEC [37], nous avons reclassé l'habitat convenable de Morchella à l'aide du module Reclass d'ArcGIS 10.2 avec la méthode du segment naturel. L'habitat de Morchella a été divisé en quatre catégories à l'aide de la méthode du segment naturel : habitat inapproprié (0 Inférieur ou égal à valeur Inférieur ou égal à 0.13), habitat peu adapté (0 }}.13 < valeur inférieure ou égale à {{10}}.35), habitat modérément convenable (0.35 < valeur inférieure ou égale à 0,63) et habitat convenable élevé (0,63 < valeur inférieure ou égale à 1).
2.3.4. Changement dans le centre de distribution de Morchella
Les outils SDM sont une boîte à outils SIG utilisée pour analyser le changement de centroïde dans les régions de distribution appropriées [38]. Dans cette étude, les outils SDM et les zones binaires appropriées de Morchella à différentes périodes ont été utilisés pour calculer la localisation géographique de son centre de distribution, illustrant ainsi l'itinéraire de l'évolution temporelle et spatiale de Morchella.
3. Résultats
3.1. Évaluation de la précision du modèle
Comme le montre la valeur AUC de la courbe ROC exploitée par MaxEnt, la valeur AUC moyenne des données d'entraînement du modèle de distribution potentielle de Morchella dans des conditions climatiques passées était de {{0}}.907 , et la valeur AUC moyenne des données de test était 0.847 ; sous la période actuelle, la valeur AUC moyenne des données d'entraînement était de 0.905, et la valeur moyenne des données de test était de 0,852 ; comme pour les périodes futures, la valeur moyenne de l'ASC des données d'entraînement était de 0,903 et la valeur moyenne des données de test était de 0,848 (tableau 2). Selon la norme d'évaluation de la valeur AUC, ces résultats sont bons et fiables.
3.2. Facteurs environnementaux dominants
Le tableau 3 montre la contribution relative de la modélisation des facteurs environnementaux. Bio17, l'altitude, Bio11 et Bio1 étaient les principaux facteurs environnementaux affectant la distribution de Morchella. Dans les périodes LGM, MH, actuelle et future (les années 2050 et 2070), les taux de cotisation cumulés ont atteint 75,8 % , 79,9 % , 70,6 % , 74,6 % , 77,5 % , 74,6 % , 76,8 % , 74,0 % et 80,0 % . Bio17 a le plus affecté Morchella, et l'élévation et Bio11 étaient respectivement les deuxième et troisième facteurs les plus efficaces, ce qui a également eu un impact important sur la probabilité d'apparition de Morchella.
Sur la base des courbes de réponse à un seul facteur, l'influence des facteurs dominants sur la probabilité de présence de Morchella a été analysée. Les conditions environnementales hautement appropriées pour la survie de Morchella étaient les suivantes : Bio17 était de 11,32 à 77,78 mm, l'altitude était de 1480,78 à 3827,03 m, Bio11 était de -5,98 à 9,32 ◦C et Bio1 était de 6,16 à 16,98 ◦C (Figure 2).
3.3. Répartition géographique potentielle et évaluation des zones appropriées de Morchella
3.3.1. Zones appropriées dans le passé
L'habitat convenable dans LGM et MH a diminué par rapport à celui de l'âge actuel. MaxEnt a prédit que la zone appropriée totale de Morchella a diminué de 12,43 % dans LGM et que la zone appropriée élevée a diminué de 5,07 %, ce qui se reflète principalement dans la réduction de la zone appropriée dans le sud-est du Gansu, le centre et le sud du Shaanxi, et le nord du Guizhou en Chine ; la zone convenable modérée a diminué de 2,48 %, ce qui devait se produire principalement dans le XUAR et le nord de la Chine ; et la faible zone appropriée a diminué de 4,88 %, principalement dans le nord-est de la Chine et le nord-ouest de XUAR (figure S2 et tableaux 4 et 5).
Quant au MH, la plage de réduction était plus petite que celle du LGM. Il y avait une légère disparité dans le MH et le courant, que nous ne pouvions pas distinguer clairement dans les figures (figures S2 et S3). Plus de détails sur la zone de distribution sont présentés dans les tableaux 4 et 5.
3.3.2. Zones appropriées des temps actuels
On peut voir sur la figure S3 que l'habitat convenable de Morchella est relativement étendu dans les conditions climatiques contemporaines. La superficie totale de l'habitat convenable était d'environ 405,8195 × 104 km2, représentant 42,34 pour cent de la superficie territoriale de la Chine (tableaux 4 et 5). Il était en grande partie situé dans le sud-ouest et le nord-ouest de la Chine, couvrant le nord du Yunnan, le sud-est du Tibet, le Sichuan, le centre et le sud du Shaanxi, le sud du Shanxi, le nord du Guizhou, le sud-est du Gansu, le nord-ouest du Xinjiang et certaines parties du Fujian.
【Pour plus d'informations :george.deng@wecistanche.com / WhatApp :86 13632399501】
