問題與目標

氣候變遷造成氣候及微氣候的變化，造成偏好溫帶環境的高山植物被迫遷徙至更高的區域，但植物可能受限於地理條件或本身傳播方式無法向更高處推移，進而使物種適生的分布範圍縮小，增加滅絕的風險。其中能夠適應生長在強烈紫外線輻射及極端低溫的嚴苛高山環境，並通過特殊形態來獲取熱量的植物，稱之為「溫室植物」（glasshouse plant）。例如分布喜馬拉雅山和橫斷山的大黃屬植物（圖1），花序具有半透明的苞片，在陽光充分的情况下可以在這個「半透明罩內」多次反射與折射，進而提高花序内部的溫度，加速花序的發育，使大黃能適應喜馬拉雅山嚴寒的高山環境，利用短暫的生長期迅速完成生長及繁殖。然而，這類植物生長環境極度專一且狹窄，對於氣候暖化反應的研究報導鮮少，並且普遍被認為在持續升溫的情境下，易因棲地變動或是氣候改變而不利存活。

圖1. 大黃屬植物通過特殊的苞片型態（a）提高花序内部的溫度來獲取熱量加速花序的發育（c），除了可以阻擋紫外線輻射，同時增加植物行光合作用的可利用光線（b.d.e）。（來源：參考網址1）

採取的改善作為

• 分別對於喜馬拉雅山及橫斷山的兩種「溫室植物」－塔黃（Rheum nobile Hook.f. & Thomson）及苞葉大黃（R. alexandrae Batalin）的空間分布進行稀釋化處理（rarefaction）以避免模式產生偏差。
• 將環境變量加以分類，使用皮爾森積差相關係數（Pearson product-moment correlation coefficient）、變異數膨脹因子（Variance inflation factor，VIF）篩除高共線性的變量避免模式過度擬合，最後分為生物氣候、地理氣候、環境異質性、紫外線輻射、物種生長及地被物種的類別組成多個環境變量組合，並使用主成份分析（Principal Component Analysis, PCA）對物種紀錄地的生物氣候及其他環境變量進行分組。
• 使用多種演算法建置模式，依據True skill評分（true skill statistic, TSS）、Cohen's kappa係數及AUC（area under curve）指標檢驗，選取優良（>0.9）的模式以建構系集物種分布模型（ensemble species distribution modeling, eSDM），包含廣義加成模型（Generalized additive model, GAM）、梯度提升模式（Generalized boosting model, GBM）及隨機森林（Random forest, RF）。依此建構末次冰期（last-inter glacial, LIG）及末次冰盛期（last glacial maximum, LGM）、現代（1,990–2,000）及未來（2,070）中等穩定暖化的情境（RCP4.5）的物種適生分布區域。

成效

模型預測結果表明塔黃及苞葉大黃物種逐漸受到氣候變化影響向北遷移，但可能無法確保在未來的生存（圖3、4）。另外，利用不同的環境物種分布模型進行的系集物種分布模型的方法，能夠減少單一模型在多個全球氣候模型（GCMs）中的不確定性和變異性，提供良好的物種適生分布預測。現今生物多樣性快速流失，了解生物多樣性熱點對於保護區的劃設十分重要，透過物種分布系集模型，使我們更加了解高山植物物種的分布範圍及變化，依此獲取相關物種的適應性及增進生物地理學背景，以達到生物多樣性保育的目標。

圖3. A：上方為塔黃，下方為苞葉大黃；B：主成份分析結果顯示兩物種的分布受到不同環境變量影響；C：模式分別推估兩物種的適生分布區域；D：白點及黑點代表兩物種實際出現位置，並將兩物種的適生分布區域進行疊合。（來源：參考網址2）

圖4. 塔黃（A, C, E）及苞葉大黃（B, D, F）在不同氣候情景的比較圖，上：末次冰期與現代、中：末次冰盛期與現代、下：現代（1,990–2,000）及未來（2,070中等穩定暖化的情境RCP4.5）。（來源：參考網址2）

可供臺灣參考之處

參考文獻

Global warming pushes the distribution range of the two alpine 'glasshouse' Rheum species north- and upwards in the Eastern Himalayas and the Hengduan Mountains

DOI: 10.3389/fpls.2022.925296

參考網址

1. https://www.nature.com/articles/s42003-023-05044-1/figures/2

2. https://pubmed.ncbi.nlm.nih.gov/36275548/

附件

延伸閱讀