基于MaxEnt模型预测加拿大一枝黄花在福建的潜在入侵风险区

doi:10.16258/j.cnki.1674-5906.2026.03.008

生态环境学报 ›› 2026, Vol. 35 ›› Issue (3): 414-424.DOI: 10.16258/j.cnki.1674-5906.2026.03.008

基于MaxEnt模型预测加拿大一枝黄花在福建的潜在入侵风险区

徐龙龙(), 陈晓玲, 谢团辉, 姜超, 徐波, 石振华, 陈炎辉()

福建农林大学资源与环境学院，福建福州 350002

收稿日期:2025-05-26 修回日期:2025-09-15 接受日期:2025-10-15 出版日期:2026-03-18 发布日期:2026-03-13
通讯作者: *E-mail: yhchem@126.com
作者简介:徐龙龙（2000年生），男，硕士研究生，主要研究方向为农业生态环境保护。E-mail: Xull0938@163.com
基金资助:
农业农村部农业外来入侵物种发生危害及扩散风险等调查项目(13220140)

MaxEnt-Based Prediction of Potential Risk Areas for Solidago canadensis in Fujian

XU Longlong(), CHEN Xiaoling, XIE Tuanhui, JIANG Chao, XU Bo, SHI Zhenhua, CHEN Yanhui()

College of Resources and Environment, Fujian Agriculture and Forestry University, Fuzhou 350002, P. R. China

Received:2025-05-26 Revised:2025-09-15 Accepted:2025-10-15 Online:2026-03-18 Published:2026-03-13

摘要/Abstract

摘要：

研究气候变化下入侵物种生态分布对制定物种分区防控策略至关重要。基于野外调查的加拿大一枝黄花（Solidago canadensis）实地分布数据，该研究综合气候、地形和土壤因子，应用ENM Tool软件和R语言完成数据筛选与参数优化，构建最大熵（MaxEnt）模型，模拟预测了其在福建省当前及未来两个时间段（2041－2060年和2061－2080年）不同气候变化情景（SSP126、SSP585）下的潜在入侵趋势。结果显示，模型预测结果的曲线下的面积（AUC）为0.915，表明模拟效果精确；气温季节性变化、土壤盐基饱和度、海拔和最热季度降水量是影响加拿大一枝黄花分布的主要环境因素，贡献率总和为81.7%。当前，加拿大一枝黄花的入侵风险区面积约为5.01×10⁴ km²，占福建省陆地总面积的41.25%，闽北（南平）和闽东（宁德、福州）等地为入侵高风险区域。在两种未来气候变化情景下，其入侵风险区域均呈现出明显扩散趋势，尤其是在高排放（SSP585）情景下，风险区持续扩增更为明显。入侵扩散趋势主要由北向南扩增，分布中心将由当前的延平向沙县方向转移。研究结果可为福建省加拿大一枝黄花的入侵预警与分区防控提供参考。

关键词: 外来物种入侵, 加拿大一枝黄花, 最大熵模型, 气候变化

Abstract:

Studying the ecological distribution patterns of invasive species under climate change is critical for developing regional control strategies. To simulate and predict the potential invasion of Solidago canadensis in Fujian under two climate change scenarios (SSP126 and SSP585) in the current and two future periods (2041-2060 and 2061-2080), we used the adopted MaxEnt model based on field survey data and environmental factors (climate, terrain, and soil), and applied the ENM Tool and R language software to optimize the model parameters and data screening. The results showed that the area under the receiver operating characteristic curve (AUC) of the training and test datasets was 0.915, indicating that the simulation effect of the model was good. Temperature seasonality, soil base saturation, altitude, and precipitation in the warmest quarter were the main environmental factors affecting the distribution of Solidago canadensis, with a total contribution rate of 81.7%. The current potential invasion risk area of Solidago canadensis covers approximately 50100 km², accounting for 41.25% of Fujian’s total land area. The high-risk areas for Solidago canadensis invasion based on field surveys and model predictions were mainly concentrated in northern and eastern Fujian, including Nanping, Ningde, and Fuzhou. The risk invasion areas showed a trend of a continuous increase under two future climate scenarios, and the response was more sensitive under the highest carbon emission scenario (SSP585). The trend of Solidago canadensis invasion is mainly from north to south in Fujian, and the distribution center would move from the current Yanping area to Shaxian. This study provides ecological and theoretical support for the risk assessment, monitoring, and early warning, as well as the prevention and control of Solidago canadensis in Fujian Province.

Key words: invasive species, Solidago canadensis, MaxEnt model, climate change

中图分类号:

Q948
X173

徐龙龙, 陈晓玲, 谢团辉, 姜超, 徐波, 石振华, 陈炎辉. 基于MaxEnt模型预测加拿大一枝黄花在福建的潜在入侵风险区[J]. 生态环境学报, 2026, 35(3): 414-424.

XU Longlong, CHEN Xiaoling, XIE Tuanhui, JIANG Chao, XU Bo, SHI Zhenhua, CHEN Yanhui. MaxEnt-Based Prediction of Potential Risk Areas for Solidago canadensis in Fujian[J]. Ecology and Environmental Sciences, 2026, 35(3): 414-424.

图/表 12

参考文献 35

[1]	CAI J F, SUN K, LI L, et al., 2024. Nitrogen addition increased resistance of resident plant community to Solidago canadensis invasion by altering allelopathic effect[J]. Journal of Plant Ecology, 17(2): rtae015.
[2]	CHENG C, LIU Z K, SONG W, et al., 2024. Biodiversity increases resistance of grasslands against plant invasions under multiple environmental changes[J]. Nature Communications, 15(1): 4506. DOI PMID
[3]	COBOS M E, PETERSON A T, BARVE N, et al., 2019. Kuenm: An R package for detailed development of ecological niche models using maxent[J]. Peerj, 7: e6281. DOI URL
[4]	DATTA A, SCHWEIGER O, KÜHN I, 2019. Niche expansion of the invasive plant species Ageratina adenophora despite evolutionary constraints[J]. Journal of Biogeography, 46(7): 1306-1315. DOI URL
[5]	FAULKNER K T, ROBERTSON M P, WILSON J R U, 2020. Stronger regional biosecurity is essential to prevent hundreds of harmful biological invasions[J]. Global Change Biology, 26(4): 2449-2462. DOI URL
[6]	LAWLOR J A, COMTE L, GRENOUILLET G, et al., 2024. Mechanisms, detection and impacts of species redistributions under climate change[J]. Nature Reviews Earth and Environment, 5(5): 351-368. DOI
[7]	SARDANS J, BARTRONS M, MARGALEF O, et al., 2017. Plant invasion is associated with higher plant-soil nutrient concentrations in nutrient-poor environments[J]. Global Change Biology, 23(3): 1282-1291. DOI PMID
[8]	SOLEY-GUARDIA M, ALVARADO-SERRANO D F, ANDERSON R P, 2024. Top ten hazards to avoid when modeling species distributions: A didactic guide of assumptions, problems, and recommendations[J]. Ecography, 2024(4): e6852.
[9]	WEI J F, PENG L F, HE Z Q, et al., 2020. Potential distribution of two invasive pineapple pests under climate change[J]. Pest Management Science, 76(5): 1652-1663. DOI PMID
[10]	WANG C Y, CHENG H Y, WANG S, et al., 2021a. Plant community and the influence of plant taxonomic diversity on community stability and invasibility: A case study based on Solidago canadensis L.[J]. Science of The Total Environment, 768: 144518. DOI URL
[11]	WANG Z X, HE Z S, HE W M, 2021b. Nighttime climate warming enhances inhibitory effects of atmospheric nitrogen deposition on the success of invasive Solidago canadensis[J]. Climatic Change, 167(1): 20. DOI
[12]	ZHOU X H, HE W M, 2020. Climate warming facilitates seed germination in native but not invasive Solidago canadensis populations[J]. Frontiers in Ecology and Evolution, 8: 595214. DOI URL
[13]	ZHAO Z Y, XIAO N W, SHEN M, et al., 2022. Comparison between optimized Maxent and random forest modeling in predicting potential distribution: A case study with Quasipaa boulengeri in China[J]. Science of the Total Environment, 842: 156867. DOI URL
[14]	白羽, 黄莹莹, 孔海南, 等, 2012. 加拿大一枝黄花化感抑藻效应的初步研究[J]. 生态环境学报, 21(7): 1296-1303. DOI
	BAI Y, HUANG Y Y, KONG H N, et al., 2012. Studies on the allelopathic effects of Solidago canadensis L. on algae [J]. Ecology and Environmental Sciences, 21(7): 1296-1303.
[15]	郭水良, 方芳, 2003. 入侵植物加拿大一枝黄花对环境的生理适应性研究[J]. 植物生态学报, 27(1): 47-52. DOI
	GUO S L, FANG F, 2003. Physiological adaptation of the invasive plant Solidago canadensis to environmental conditions[J]. Acta Phytoecologica Sinica, 27(1): 47-52.
[16]	黄孟秋, 李景吉, 陈欣, 等, 2025. 加拿大一枝黄花瘦果萌发对干旱胁迫响应研究[J]. 生态科学, 44(1): 156-164.
	HUANG M Q, LI J J, CHEN X, et al., 2025. Germination response of Solidago canadensis achenes to drought stress[J]. Ecological Science, 44(1): 156-164.
[17]	焦鑫宇, 李嘉谊, 杨清玉, 等, 2024. 入侵植物加拿大一枝黄花在湖北的扩散动态和影响因素研究[J]. 广西植物, 44(8): 1481-1494.
	JIAO X Y, LI J Y, YANG Q Y, et al., 2024. Spread dynamics and influencing factors of the invasive plant Solidago canadensis in Hubei Province[J]. Guihaia, 44(8): 1481-1494.
[18]	孔维尧, 李欣海, 邹红菲, 2019. 最大熵模型在物种分布预测中的优化[J]. 应用生态学报, 30(6): 2116-2128. DOI
	KONG W Y, LI X H, ZOU H F, 2019. Optimization of the maximum entropy model in species distribution prediction[J]. Chinese Journal of Applied Ecology, 30(6): 2116-2128.
[19]	李丽鹤, 刘会玉, 林振山, 等, 2017. 基于MAXENT和ZONATION的加拿大一枝黄花入侵重点监控区确定[J]. 生态学报, 37(9): 3124-3132.
	LI L H, LIU H Y, LIN Z S, et al., 2017. Identification of key invasion monitoring areas for Solidago canadensis based on MAXENT and ZONATION models[J]. Acta Ecologica Sinica, 37(9): 3124-3132.
[20]	李建宇, 史梦竹, 郭燕青, 等, 2020. 福建省农田生态系统外来入侵植物种类及其分布[J]. 热带亚热带植物学报, 28(6): 547-556.
	LI J Y, SHI M Z, GUO Y Q, et al., 2020. Alien invasive plant species and their distribution in farmland ecosystems of Fujian Province, China[J]. Journal of Tropical and Subtropical Botany, 28(6): 547-556.
[21]	雷军成, 徐海根, 2010. 基于MaxEnt的加拿大一枝黄花在中国的潜在分布区预测[J]. 生态与农村环境学报, 26(2): 137-141.
	LEI J C, XU H G, 2010. Prediction of the potential distribution of Solidago canadensis in China based on the MaxEnt Model[J]. Journal of Ecology and Rural Environment, 26(2): 137-141.
[22]	刘静远, 杨宇超, 于子祥, 等, 2025. 基于优化的MaxEnt模型预测朱顶红花叶病毒的潜在地理分布[J]. 植物保护, 51(1): 95-101.
	LIU J Y, YANG Y C, YU Z X, et al., 2025. Predicting the potential geographic distribution of Hippeastrum mosaic virus based on an optimized MaxEnt model[J]. Plant Protection, 51(1): 95-101.
[23]	柳晓燕, 赵彩云, 李俊生, 等, 2022. 气候变化情景下中国外来入侵植物黄顶菊潜在分布区模拟与早期预警[J]. 环境科学研究, 35(12): 2768-2776.
	LIU X Y, ZHAO C Y, LI J S, et al., 2022. Simulation and early warning of the potential distribution of the invasive alien plant Flaveria bidentis in China under climate change scenarios[J]. Research of Environmental Sciences, 35(12): 2768-2776.
[24]	刘艳杰, 黄伟, 杨强, 等, 2022. 近十年植物入侵生态学重要研究进展[J]. 生物多样性, 30(10): 276-292.
	LIU Y J, HUANG W, YANG Q, et al., 2022. Key research progress in plant invasion ecology in the last decade[J]. Biodiversity Science, 30(10): 276-292.
[25]	宁昭玉, 胡树泉, 魏远竹, 等, 2007. 福建外来物种入侵现状及对经济社会和生态的影响[J]. 华东昆虫学报, 16(4): 304-309.
	NING Z Y, HU S Q, WEI Y Z, et al., 2007. Present situation of alien species invasion and its effects on economy, society and ecology in Fujian Province[J]. Entomological Journal of East China, 16(4): 304-309.
[26]	王俊伟, 陈永豪, 许敏, 等, 2023. 气候变化背景下入侵植物曼陀罗在西藏的潜在风险区预测[J]. 生态学报, 43(20): 8620-8630.
	WANG J W, CHEN Y H, XU M, et al., 2023. Prediction of potential risk area of the invasive plant Datura stramonium L. in Tibet under the background of climate change [J]. Acta Ecologica Sinica, 43(20): 8620-8630.
[27]	王运生, 谢丙炎, 万方浩, 等, 2007. ROC曲线分析在评价入侵物种分布模型中的应用[J]. 生物多样性, 15(4): 365-372.
	WANG Y S, XIE B Y, WAN F H, et al., 2007. Application of ROC curve analysis in evaluating invasive species distribution models[J]. Biodiversity Science, 15(4): 365-372. DOI URL
[28]	翁慧莹, 刘益鹏, 杨黔越, 等, 2025. 福建柏地理分布及随气候变化的分布格局模拟[J]. 生态学报, 45(1): 137-146.
	WENG H Y, LIU Y P, YANG Q Y, et al., 2025. Geographical distribution of Fokienia hodginsii and distribution pattern simulation under climate change[J]. Acta Ecologica Sinica, 45(1): 137-146.
[29]	吴娜, 梅艳, 石艳春, 等, 2016. 入侵植物加拿大一枝黄花的化学成分及其生物活性综述[J]. 江苏农业科学, 44(5): 5-9.
	WU N, MEI Y, SHI Y C, et al., 2016. A review of the chemical composition and biological activities of the invasive plant Solidago canadensis[J]. Jiangsu Agricultural Sciences, 44(5): 5-9.
[30]	吴统文, 宋连春, 李伟平, 等, 2014. 北京气候中心气候系统模式研发进展——在气候变化研究中的应用[J]. 气象学报, 72(1): 12-29.
	WU T W, SONG L C, LI W P, et al., 2014. An overview on progress in Beijing climate center climate system model: Its development and application to climate change studies[J]. Acta Meteorologica Sinica, 72(1): 12-29.
[31]	徐强, 顾渝娟, 李盼畔, 等, 2023. 基于最大熵模型预测小火蚁在我国的适生区[J]. 植物保护, 49(4): 101-107.
	XU Q, GU Y J, LI P P, et al., 2023. Predicting the potential distribution of the little fire ant in China using the MaxEnt model[J]. Plant Protection, 49(4): 101-107.
[32]	姚骅珊, 张博, 诸葛强, 2009. 多年生木本植物季节性休眠的分子机制[J]. 分子植物育种, 7(5): 985-989.
	YAO H S, ZHANG B, ZHU G Q, 2009. Molecular mechanism of seasonal dormancy in perennial woody plant[J]. Molecular Plant Breeding, 7(5): 985-989.
[33]	张献瑞, 李欣迪, 陈瑜, 等, 2024. 加拿大一枝黄花入侵中国过程中的气候生态位变化[J]. 应用生态学报, 35(10): 2707-2714. DOI
	ZHANG X R, LI X D, CHEN Y, et al., 2024. Changes in the climatic niche of Solidago canadensis during its invasion of China[J]. Chinese Journal of Applied Ecology, 35(10): 2707-2714.
[34]	郑衍欣, 李双林, 何源, 2023. 共享社会经济路径 (SSPs) 下未来30年长江流域夏季降水预估[J]. 大气科学, 47(5): 1405-1420.
	ZHENG Y X, LI S L, HE Y, 2023. Projection of summer rainfall in the Yangtze River basin in the next 30 years under different shared socioeconomic pathways[J]. Chinese Journal of Atmospheric Sciences, 47(5): 1405-1420.
[35]	朱耿平, 乔慧捷, 2016. Maxent模型复杂度对物种潜在分布区预测的影响[J]. 生物多样性, 24(10): 1189-1196. DOI
	ZHU G P, QIAO H J, 2016. Effect of the Maxent model’s complexity on the prediction of species potential distributions[J]. Biodiversity Science, 24(10): 1189-1196. DOI URL

环境变量	描述	单位	环境变量	描述	单位
bio_1	年平均温度	℃	bio_19	最冷季度降水量	mm
bio_2	平均日较差	℃	t_bs	盐基饱和度	%
bio_3	等温性（bio_2/bio_7×100）	℃	t_esp	可交换钠盐质量分数	%
bio_4	气温季节性变化（标准差×100）	℃	t_Caco₃	碳酸盐或石灰质量分数	%
bio_5	最热月份最高温度	℃	t_cec_clay	粘性层土壤的阳离子交换量	cmol·kg⁻¹
bio_6	最冷月份最低温度	℃	t_cec_soil	土壤的阳离子交换量	cmol·kg⁻¹
bio_7	年温差（bio_5－bio_6）	℃	t_clay	粘土质量分数	%
bio_8	最湿季度平均温度	℃	t_ece	电导率	dS·m⁻¹
bio_9	最干季度平均温度	℃	t_gravel	碎石体积分数	%
bio_10	最热季度平均温度	℃	t_oc	有机碳质量分数	%
bio_11	最冷季度平均温度	℃	t_pH	酸碱度	－
bio_12	年降水量	mm	t_ref_bulk	土壤容重	kg·dm⁻³
bio_13	最湿月降水量	mm	t_sand	沙质量分数	%
bio_14	最干月降水量	mm	t_silt	淤泥质量分数	%
bio_15	降水季节性变化量	mm	t_teb	盐基交换量	cmol·kg⁻¹
bio_16	最湿季度降水量	mm	t_usda_tex	土壤质地分类	－
bio_17	最干季度降水量	mm	t_Caso₄	硫酸盐质量分数	%
bio_18	最热季度降水量	mm	alt	海拔	m

环境变量	描述	单位	环境变量	描述	单位
bio_1	年平均温度	℃	bio_19	最冷季度降水量	mm
bio_2	平均日较差	℃	t_bs	盐基饱和度	%
bio_3	等温性（bio_2/bio_7×100）	℃	t_esp	可交换钠盐质量分数	%
bio_4	气温季节性变化（标准差×100）	℃	t_Caco₃	碳酸盐或石灰质量分数	%
bio_5	最热月份最高温度	℃	t_cec_clay	粘性层土壤的阳离子交换量	cmol·kg⁻¹
bio_6	最冷月份最低温度	℃	t_cec_soil	土壤的阳离子交换量	cmol·kg⁻¹
bio_7	年温差（bio_5－bio_6）	℃	t_clay	粘土质量分数	%
bio_8	最湿季度平均温度	℃	t_ece	电导率	dS·m⁻¹
bio_9	最干季度平均温度	℃	t_gravel	碎石体积分数	%
bio_10	最热季度平均温度	℃	t_oc	有机碳质量分数	%
bio_11	最冷季度平均温度	℃	t_pH	酸碱度	－
bio_12	年降水量	mm	t_ref_bulk	土壤容重	kg·dm⁻³
bio_13	最湿月降水量	mm	t_sand	沙质量分数	%
bio_14	最干月降水量	mm	t_silt	淤泥质量分数	%
bio_15	降水季节性变化量	mm	t_teb	盐基交换量	cmol·kg⁻¹
bio_16	最湿季度降水量	mm	t_usda_tex	土壤质地分类	－
bio_17	最干季度降水量	mm	t_Caso₄	硫酸盐质量分数	%
bio_18	最热季度降水量	mm	alt	海拔	m

环境变量	描述	贡献率/%	置换重要性/%
bio_4	气温季节性变化（标准差×100）	46.4	42.5
bio_10	最热季度平均温度	3.8	13.0
bio_15	降水季节性变化	2.9	2.3
bio_18	最热季度降水量	5.8	12.9
bio_13	最湿月降水量	3.9	6.6
bio_19	最冷季度降水量	3.1	5.6
bio_14	最干月降水量	1.4	4.3
t_bs	土壤盐基饱和度	17.5	4.5
t_gravel	碎石体积百分比	1.0	2.2
alt	海拔	12.0	6.5

环境变量	描述	贡献率/%	置换重要性/%
bio_4	气温季节性变化（标准差×100）	46.4	42.5
bio_10	最热季度平均温度	3.8	13.0
bio_15	降水季节性变化	2.9	2.3
bio_18	最热季度降水量	5.8	12.9
bio_13	最湿月降水量	3.9	6.6
bio_19	最冷季度降水量	3.1	5.6
bio_14	最干月降水量	1.4	4.3
t_bs	土壤盐基饱和度	17.5	4.5
t_gravel	碎石体积百分比	1.0	2.2
alt	海拔	12.0	6.5

气候变化情景发生	风险区划分								分布变化区
	无风险区		低风险区		中风险区		高风险区		收缩区		扩散区
	各区面积/(10⁴ km²), 以及面积占比/%
SSP126（2041－2061年）	4.13	34.00	4.96	40.84	1.98	16.27	1.08	8.89	0.04	0.31	2.27	18.73
SSP126（2061－2080年）	4.22	34.79	4.87	40.13	1.94	15.94	1.11	9.14	0.03	0.21	2.16	17.83
SSP585（2041－2061年）	3.25	26.75	5.99	49.31	1.89	15.60	1.01	8.34	0.01	0.04	3.12	25.74
SSP585（2061－2080年）	2.71	22.34	6.54	53.88	1.83	15.05	1.06	8.73	0.00	0.02	3.65	30.08

基于MaxEnt模型预测加拿大一枝黄花在福建的潜在入侵风险区

MaxEnt-Based Prediction of Potential Risk Areas for Solidago canadensis in Fujian

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 35

相关文章 15

编辑推荐

Metrics

本文评价

[1]	余燕鞠, 丁雪. 滇中城市群森林植被净初级生产力时空变化特征及其影响因素研究[J]. 生态环境学报, 2026, 35(2): 209-222.
[2]	许达, 宫程程, 张在勇, 冉彬, 胡月, 王寒冰, 陈晨. 毛乌素沙地植被净初级生产力的时空变化规律及影响因素[J]. 生态环境学报, 2025, 34(9): 1361-1372.
[3]	李东熠, 李亭亭, 薛婉怡, 夏永知, 汪正祥. 气候变化下红豆杉潜在适宜生境分布预测分析——以湖北省为例[J]. 生态环境学报, 2025, 34(9): 1398-1409.
[4]	刘泽渊, 魏有海, 严旭发, 程亮, 侯璐, 严紫玮, 郭良芝. 气候变化对入侵杂草续断菊潜在地理分布的影响[J]. 生态环境学报, 2025, 34(6): 845-852.
[5]	张亚丽, 黄柱军, 田义超, 林俊良, 覃彩焕. 极端气候对西南地区植被覆盖度变化的时滞与累积效应[J]. 生态环境学报, 2025, 34(5): 665-677.
[6]	叶俊宏, 刘珍环, 刘子瑜. 珠江三角洲城市群国土空间生态修复分区情景模拟[J]. 生态环境学报, 2025, 34(1): 4-12.
[7]	徐佳乐, 杨兴川, 赵文吉, 杨志强, 钟一雪, 师乐颜, 马鹏飞. 气候变化背景下内蒙古中西部植被覆盖度演变特征研究[J]. 生态环境学报, 2024, 33(7): 1008-1018.
[8]	李慧, 邓佳伟, 李亚鑫, 母滢琦. 秦岭北麓典型流域径流对气候和土地利用变化的响应——以灞河流域为例[J]. 生态环境学报, 2024, 33(5): 802-811.
[9]	田叙辰, 魏洪玲, 解胜男, 储启名, 杨婧, 张颖, 肖思秋, 唐中华, 刘英, 李德文. 基于MaxEnt模型的东北地区槭树潜在地理分布[J]. 生态环境学报, 2024, 33(4): 509-519.
[10]	郝蕾, 翟涌光, 戚文超, 兰穹穹. 2001-2020年内蒙古植被碳源/碳汇时空动态及对气候因子的响应[J]. 生态环境学报, 2023, 32(5): 825-834.
[11]	陈俊芳, 吴宪, 刘啸林, 刘娟, 杨佳绒, 刘宇. 不同土壤水分下元素化学计量对微生物多样性的塑造特征[J]. 生态环境学报, 2023, 32(5): 898-909.
[12]	李晖, 李必龙, 葛黎黎, 韩琛惠, 杨倩, 张岳军. 2000-2021年汾河流域植被时空演变特征及地形效应[J]. 生态环境学报, 2023, 32(3): 439-449.
[13]	贾志峰, 刘鹏程, 刘宇, 吴博博, 陈丹姿, 张向飞. 气候变化和人类活动对松辽流域植被覆盖的影响[J]. 生态环境学报, 2023, 32(1): 1-10.
[14]	齐月, 张强, 胡淑娟, 蔡迪花, 赵福年, 陈斐, 张凯, 王鹤龄, 王润元. 黄土高原地区气候变化及其对冬小麦生产潜力的影响[J]. 生态环境学报, 2022, 31(8): 1521-1529.
[15]	邓天乐, 谢立勇, 张凤哲, 赵洪亮, 蒋语童. CO₂浓度升高条件下稗草与水稻生长空间竞争关系研究[J]. 生态环境学报, 2022, 31(8): 1566-1572.