气候驱动的生境适宜性建模在埃塞俄比亚对脆弱物种Euryops pinifolius A. Rich的保护中的应用：其保护意义

《Ecology and Evolution》：Climate-Driven Habitat Suitability Modeling for the Vulnerable Species Euryops pinifolius A. Rich in Ethiopia: Implications for Conservation

　　**摘要**

在全球范围内，由于灭绝风险增加，稀有和受威胁的物种成为保护工作的重点。Euryops pinifolius是一种易危植物物种，其分布范围仅限于埃塞俄比亚的非洲高山生态系统。由于居住在山区附近的社区过度采集柴火，该物种受到了严重威胁。鉴于其社会经济重要性以及日益增加的脆弱性，了解如何在气候变化背景下防止其灭绝至关重要。因此，本研究旨在模拟并绘制埃塞俄比亚不同气候变化情景下该物种的栖息地适宜性。我们使用MaxEnt模型预测了E. pinifolius在埃塞俄比亚当前和未来的分布情况。结果表明，MaxEnt模型的模拟质量非常优秀（AUC = 0.985）。预测E. pinifolius当前和未来分布的主要环境因素包括最干燥季度的平均温度（Bio9）、海拔（Alt）、植被覆盖（Veg）、降水季节性（Bio15）和最湿润季度的平均温度（Bio8）。在当前的气候条件下，E. pinifolius的潜在分布主要集中在埃塞俄比亚的高地地区，尤其是北部、西北部和中部。因此，我们建议对当前和预测的未来适宜区域给予保护优先权，以保护这一物种。

**1 引言**

生物多样性的丧失是一个紧迫的全球性问题，许多物种因人类活动而消失（Sala等人，2000年；Pereira等人，2010年；Johnson等人，2017年；IPBES，2019年）。土地利用变化、栖息地破碎化、过度开发、污染、入侵物种和气候变化被广泛认为是这一问题的主要驱动因素（Fahrig，2003年；Watson等人，2005年；Wilson等人，2016年；Newbold，2018年；IPCC，2021年）。然而，这些压力因素的相对重要性往往具有特定背景，它们的相互作用可能复杂且理解不足（Ne?i?和Bjedov，2021年）。在许多生态系统中，解决更直接和具体的压力，如破碎化和土地利用转换，可能为保护和缓解工作提供更可行的切入点，同时需要认识到气候变化等更广泛的力量加剧了这些根本挑战（Muluneh，2021年）。因此，许多物种正面临灭绝的威胁，这是由这些人为变化共同作用的结果（Tilman等人，2017年）。同样，植物分布模式也受到气候、土壤养分、人类干扰和地形特征等环境因素的影响，这些因素在不同地区有所不同（Liu等人，2003年；Pugnaire等人，2012年；Brown等人，2019年）。全球气候变化对物种和生态系统构成重大风险，导致物种分布发生变化（Chen等人，2011年），通过减少分布范围威胁它们的生存能力（Thomas等人，2004年），并改变保护区内物种的代表性（Velásquez-Tibatá等人，2012年）。局限于山顶的物种面临灭绝的显著风险，因为它们可能没有足够的适宜栖息地来应对气候变化（Lenoir等人，2008年；Markham，2014年）。因此，了解气候变化和其他人为压力对植物分布的影响对于有效的保护规划和管理至关重要（Urban等人，2016年；Charney等人，2021年）。非洲之角是全球36个生物多样性热点地区之一，包含许多特有和受威胁的植物，但该地区的气候影响研究却很少（Myers等人，2000年；Mittermeier等人，2005年）。预计到2080年至2099年，非洲的气温将上升3°C至4°C，大约是全球平均水平的1.5倍（IPCC，2021年）。气候变化对非洲热带植物构成了威胁，许多物种可能面临灭绝（Stévart等人，2019年）。这些影响预计将导致物种分布的重大变化，特别是影响特有和山地生态系统，并增加整个大陆的栖息地丧失风险（Warren等人，2013年；Midgley和Bond，2015年）。据估计，到2085年，将有超过5000种非洲植物失去其气候适宜的栖息地（McClean等人，2005年；Yebeyen等人，2022年）。因此，绘制和监测物种对持续变化的反应对于有效管理至关重要。在埃塞俄比亚和厄立特里亚的植物志中记录的6027种植物中，有647种（10.74%）是特有物种，其中许多聚集在非洲高山和亚非洲高山地区（Friis等人，2010年；Demissew等人，2021年）。对埃塞俄比亚特有物种的威胁各不相同，例如Lobelia rhynchopetalum因气候变暖而面临灭绝的风险，而Echinops kebericho则因药用价值而被过度开发（Vivero等人，2005年；Chala等人，2016年；Tafesse等人，2023年）。Euryops pinifolius A. Rich（菊科）原产于埃塞俄比亚，主要生长在季节性干燥的热带生物群落中，由于其受威胁的状态和狭窄的分布范围，被选为我们的研究对象（Vivero等人，2005年）。Euryops pinifolius是一种灌木，生长在海拔3200–3700米的山地草甸中，通常与Lobelia属植物共同生长在贫瘠的土壤、岩石和悬崖边缘。当地社区因其药用价值和柴火用途而对其加以重视（Kelbessa等人，1992年）。其药用特性包括咀嚼叶子可以缓解疼痛，尤其是胃痛（kurba），并且已证明具有抗氧化作用（Meragiaw等人，2016年；Rehman等人，2022年）。在埃塞俄比亚的一些地区，它是采集量最大的柴火物种，因为它可以在不干燥的情况下轻松燃烧（Ashenafi，2001年）。该植物的部分部分还用于喂养牲畜和观赏用途（美学和娱乐价值）（Guassa地区总体管理计划（GMP），2005年）。国际自然保护联盟（IUCN）将该植物列为易危物种，因为人类活动对其栖息地造成了影响，导致某些地区立法限制了其采集（Vivero等人，2005年；Steger等人，2020年）。为了确定E. pinifolius的最佳保护策略，需要了解影响其地理分布的环境因素。尽管这种灌木的重要性显而易见，但全球气候变化对其分布的影响仍不清楚。对于生态学家来说，最重要的研究问题之一是了解物种如何与环境因素相互作用，以预测这些因素将如何改变物种分布（Cao等人，2016年）。在预测气候变化下物种的栖息地适宜性时，一个重要的考虑因素是它为保护特有和受威胁的植物物种提供了关键信息。工具包括物种分布模型（SDMs），用于研究栖息地适宜性，识别驱动物种模式的环境变量，并确定需要紧急保护措施的地区（Elith等人，2011年；Oyebanji等人，2021年）。有多种物种分布建模技术可供选择，它们的性能和数据类型要求各不相同（Elith等人，2006年）。在最佳算法中，MaxEnt（最大熵）是一种最有用的技术，适用于建模栖息地范围有限且仅有存在数据的特有、稀有和受威胁物种（Phillips和Dudík，2008年；Dyderski等人，2018年；Chen等人，2022年）。在本研究中，使用MaxEnt模型预测了埃塞俄比亚不同气候变化情景下E. pinifolius的潜在适宜栖息地。本研究的目标是：（a）估计这些气候变化情景下E. pinifolius当前和未来的栖息地适宜性；（b）确定影响E. pinifolius地理分布的重要环境因素；（c）推荐未来有效保护的优先区域。

**2 材料与方法**

**2.1 物种出现数据**

E. pinifolius A. Rich属于菊科，是一种灌木，生长在埃塞俄比亚亚非洲高山植被带的3200至3700米海拔之间（Vivero等人，2005年）。它生长在悬崖边缘、岩石上以及与Lobelia属植物共生的贫瘠土壤中。我们从全球生物多样性信息设施（https://www.gbif.org）、亚的斯亚贝巴大学埃塞俄比亚国家植物标本馆、实地调查和先前发表的文献中获得了151个E. pinifolius的出现点（表S1）。为了确保出现数据的准确性，我们采用了严格的多步骤清洗和稀疏化过程。使用植物标本馆记录、ArcGIS和Google Earth仔细验证了物种名称和地理坐标。为了减少空间自相关性，使用SDM Toolbox v2.6（Brown，2014年；Guisan等人，2017年）以1km2的分辨率对出现点进行了空间稀疏化。此外，还进行了空间去重处理以删除重复记录（Aiello-Lammens等人，2015年）。最终保留了136个E. pinifolius的出现点，用于使用MaxEnt模型生成潜在分布。E. pinifolius的开花和种子传播阶段如图1所示。出现点数据保存在CSV文件中，按物种名称、经度和纬度组织，随后绘制在地图上（图2）。

**2.2 环境变量**

为了确定E. pinifolius的栖息地适宜性，我们使用了19个生物气候变量、3个生物物理因素（海拔、坡度和朝向），以及土地利用/土地覆盖和植被数据。我们从WorldClim 2.1（https://www.worldclim.org/）获取了当前时期（1970–2000年）和未来生物气候预测数据（2050年代（2041–2060年）和2070年代（2061–2080年），空间分辨率为30弧秒（约1平方公里）。在2050年代（2041–2060年）和2070年代（2061–2080年）期间，使用了HadGEM2-Es全球环流模型（GCMs）开发的两种共享社会经济路径（最坏的SSP8.5和中等排放路径SSP4.5）（Fick和Hijmans，2017年）。地形变量来自Shuttle Radar Topography Mission数字高程模型（SRTM-DEM）（Jarvis等人，2008年）。埃塞俄比亚的植被类型来自世界农林中心（http://landscapeportal.org/layers/geonode:veg），而土地利用土地覆盖图则来自（https://cds.climate.copernicus.eu/）。使用ArcGIS版本10.7的空间分析工具，以1平方公里的分辨率处理所有环境变量，使其具有相同的范围、投影和分辨率（Phillips等人，2006年）。然后，使用ArcGIS软件将环境数据转换为“asc”文件，这些文件是Maxent建模所必需的。为了减少24个环境变量之间的多重共线性，从进一步模型中消除了高度相关的变量（r ≥ 0.70，皮尔逊相关系数）（Guisan等人，2017年）。最终，使用13个环境变量来模拟E. pinifolius的地理分布（表1）。

**2.3 物种分布建模**

我们采用了最大熵算法（MaxEnt版本3.4.1）进行物种分布建模，以预测E. pinifolius当前和未来的栖息地适宜性。在建模中，75%的数据用于训练模型，25%的数据用于模型测试（Phillips等人，2006年）。使用接收者操作特征（ROC）值的曲线下面积（AUC）来评估MaxEnt模型的性能。AUC值的范围是从0到1，其中高AUC值表示模型拟合良好。随着AUC值接近1，模型的预测变得更加准确，置信度也会增加（Swets，1988年）。因此，AUC > 0.90的模型通常被认为是高度准确的，而0.70 ≤ AUC ≤ 0.90的模型被视为良好的。AUC值在0.50到0.70之间表示较低的准确性，AUC ≤ 0.50表示性能不优于随机机会（Swets，1988年；Elith等人，2011年）。进行了Jackknife分析以确定显著影响模型可靠性的变量。根据Gao等人（2022年）提出的分类方法，生成了四个栖息地类别：不适宜栖息地（0–0.20）；低适宜栖息地（0.21–0.50）；中等适宜栖息地（0.51–0.70）；高度适宜栖息地（> 0.70）。计算了每个模型的最佳分布区域，分别分为低、中和高适宜栖息地。研究的整体方法框架如图3所示。图3：在图查看器中打开（PowerPoint）

用于物种分布建模的流程图方法论。

3 结果

3.1 模型性能与准确性

我们的模型表现优异，平均AUC值为0.985，表明MaxEnt模型在预测埃塞俄比亚E. pinifolius的潜在地理分布区域方面具有很高的可靠性（见图4）。

图4：在图查看器中打开（PowerPoint）

通过MaxEnt建模获得的E. pinifolius接收者操作特征曲线下的面积。

3.2 环境变量对埃塞俄比亚Euryops pinifolius分布的贡献

MaxEnt分析确定了在不同气候变化情景下影响E. pinifolius分布的关键环境变量。其中，最干燥季度的平均温度（Bio9）对模型的贡献最大，其次是海拔（Alt）、植被覆盖度（Veg）、降水季节性（Bio15）和最湿润季度的平均温度（Bio8）（见表2）。

表2：环境因素对埃塞俄比亚Euryops pinifolius分布的MaxEnt建模的相对百分比贡献

变量 百分比贡献
----------------------------------------------

Bio 9 46.4
----------------------------------------------

Alt 36.86
----------------------------------------------

Veget 4.90
----------------------------------------------

Bio 8 3.24
----------------------------------------------

Bio15 2.85
----------------------------------------------

Bio 5 2.11
----------------------------------------------

Bio19 1.08
----------------------------------------------

LULC 0.728
----------------------------------------------

Slope 0.63
----------------------------------------------

Bio18 0.56
----------------------------------------------

Bio4 0.25
----------------------------------------------

Bio14 0.06
----------------------------------------------

Bio15 2.85
----------------------------------------------

Bio14 0.06
----------------------------------------------

Bio5 3.33
----------------------------------------------

Bio19 1.45
----------------------------------------------

Bio18 0.43
----------------------------------------------

Bio14 0.27
----------------------------------------------

Bio8 0.34
----------------------------------------------

Bio15 3.6
----------------------------------------------

Jackknife分析还显示，当单独考虑时，海拔（ALT）和最干燥季度的平均温度（Bio9）是最具影响力的环境变量，这表明它们在预测E. pinifolius的地理分布中起着重要作用（见图5）。

图5：在图查看器中打开（PowerPoint）

基于正则化训练增益的jackknife分析，不同环境变量的预测能力。

3.3 E. pinifolius对主要影响环境变量的响应

通过响应曲线展示了每个预测变量对MaxEnt模型预测的影响（见图7）。每条曲线都是使用相应变量生成的独立模型。这些图表显示了预测的适宜性如何依赖于所选变量以及所选变量与其他因素之间的相关性。

图7：在图查看器中打开（PowerPoint）

影响E. pinifolius分布的主要生物气候和地形因素的响应曲线（A-F）。这些关键变量在适宜性上最初有所增加，但随着每个变量接近其最佳范围，适宜性随之下降。具体来说，海拔在3000至4000米之间的范围内显示出最高的适宜性；最干燥季度的平均温度（BIO9）在10°C时最为有利。

3.4 埃塞俄比亚Euryops pinifolius当前和未来的栖息地适宜性

E. pinifolius当前的潜在分布主要集中在该国中部、北部和西北部的特定高地和山区，包括阿姆哈拉地区、提格雷地区，以及奥罗米亚地区和南方民族、民族和人民地区（SNNPR）的部分地区（见图8）。总适宜面积为13,420.48平方公里。其中，9310.06平方公里被归类为低适宜栖息地，4110.42平方公里为中等适宜栖息地，4327.75平方公里为高适宜栖息地（见表3，图8）。

表3：E. pinifolius的适宜分布区域

时期 SSP 适宜栖息地类别
----------------------------------------------

高适宜 4327.75 0.38
----------------------------------------------

中等适宜 4110.42 0.36
----------------------------------------------

低适宜 9310.06 0.82
----------------------------------------------

2050 1,124,629.22 99
----------------------------------------------

2070 17,489.83 98.9
----------------------------------------------

对于2050年，在SSP 4.5情景下，E. pinifolius的总适宜面积增加到17,489.83平方公里，其中12,334.69平方公里为低适宜栖息地，4283.26平方公里为中等适宜栖息地，871.88平方公里为高适宜栖息地。在SSP8.5情景下，总适宜面积为17,491.54平方公里，其中8987.49平方公里为低适宜栖息地，3823.79平方公里为中等适宜栖息地，4680.27平方公里为高适宜栖息地。对于2070年，在SSP4.5情景下，E. pinifolius的总适宜面积预计为19,054.77平方公里，其中10,128.89平方公里为低适宜栖息地，3952.99平方公里为中等适宜栖息地，4972.89平方公里为高适宜栖息地。在SSP8.5情景下，总适宜面积预计为17,673.79平方公里，其中12,143.89平方公里为低适宜栖息地，4602.41平方公里为中等适宜栖息地，927.50平方公里为高适宜栖息地（见表3，图9）。

图9：不同气候情景下Euryops pinifolius预测的潜在适宜栖息地分布图：a1：SSP4.5_250；a2：SSP8.5_250；b1：SSP4.5_270；b2：SSP8.5_270。a1图（SSP4.5_250）显示了2050年在中等排放情景下的栖息地适宜性，a2（SSP8.5_250）显示了2050年在最坏情况排放情景下的栖息地适宜性，b1（SSP4.5_270）显示了2070年在中等排放情景下的栖息地适宜性，b2（SSP8.5_270）显示了2070年在最坏情况排放情景下的栖息地适宜性。与当前栖息地适宜性相比，两种SSP下的未来情景都显示了总适宜面积的整体增加，尽管适宜性水平在不同年份和情景之间有所变化。在2050年，SSP4.5下，低适宜和中等适宜面积增加，而高适宜面积减少；在SSP8.5下，高适宜面积略有增加，而中等和低适宜面积减少。到2070年，SSP4.5预测高适宜面积增加，低适宜面积增加，中等适宜面积略有减少。在SSP8.5下，高适宜面积再次大幅减少，而中等和低适宜面积扩大。

4 讨论

使用MaxEnt模型对埃塞俄比亚E. pinifolius的栖息地适宜性进行了高精度预测。该模型表现出优异的预测性能，AUC值为0.985，表明其在预测该物种的潜在栖息地和分布模式方面具有很强的可靠性。这种高性能与MaxEnt在区域和全球应用中的一致性相符，进一步证明了其在当前和未来气候情景下建模栖息地适宜性的稳健性。例如，Mekasha等人（2026）将MaxEnt应用于埃塞俄比亚的Commiphora africana，并报告了强有力的模型预测结果，为未来气候变化情景下的保护优先事项提供了信息。同样，一项关于埃塞俄比亚北部Oxytenanthera abyssinica的MaxEnt研究得到的AUC值超过0.90，将模型的性能归类为“优秀”，并证实了其在预测气候变化下栖息地变化方面的实用性（Gebrewahid等人，2020）。相比之下，Gebrehiwot等人（2022）使用MaxEnt对Podocarpus falcatus的分布进行了建模，AUC值约为0.78，说明了物种特异性生态和数据质量如何影响模型准确性，同时仍为景观尺度恢复规划提供了有用的见解。在全球范围内，Li、Geng等人（2025）和Li、Zhang等人（2025）使用MaxEnt预测了未来气候情景下的澳洲坚果栖息地适宜性，平均AUC值为0.98，突显了该模型在区分不同生物地理背景下的适宜与不适宜区域方面的能力。总体而言，这些研究支持了MaxEnt在使用可靠的分布数据和相关生物气候预测因子进行校准时的有效性，强调了其在指导保护和管理策略中的作用。

最干燥季度的平均温度（BIO9）是影响E. pinifolius栖息地适宜性的最重要变量。在我们的研究中，E. pinifolius在大约10°C的中等温度下表现出最佳的适宜性。在低于约5°C的温度下，适宜性较低；而在高于30°C的温度下，适宜性显著下降（见图7，E）。最干燥时期的温度可能是关键的生态限制因素，因为山区生态系统中的植物受到水分限制和温度波动的双重影响（Brochmann等人，2022；Li、Geng等人，2025；Li、Zhang等人，2025）。这些因素强烈影响植物的生理、物候和幼苗建立，从而塑造了物种的分布模式。海拔也起到了决定适宜栖息地的关键作用。海拔作为一个综合环境梯度，影响温度、降水、太阳辐射、土壤发育和水分可用性（Hijmans等人，2005；Graham和Hijmans，2006）。对于许多高山和山地物种而言，海拔梯度强烈限制了物种分布，因为它们定义了具有特定气候条件的生态位。海拔和温度梯度是塑造高山植物分布和范围限制的最重要因素之一（Felkel等人，2023；Zu等人，2024）。E. pinifolius的预测适宜栖息地主要集中于埃塞俄比亚高地的山区，特别是在北部、西北部和中部地区。这种空间模式与之前的植物记录一致，表明该物种主要分布在非洲高山植被带（Vivero等人，2005）。非洲高山生态系统通常限制在海拔约3200至4533米之间，具有独特的气候条件，包括低温、高太阳辐射和强烈的昼夜温度波动（Hedberg，1995）。这些恶劣的环境条件限制了许多植物的分布，但为适应寒冷的物种提供了特殊的栖息地。Gebrehiwot等人（2020）的研究报告称，在Abune Yosef山体的非洲高山植被中，Euryops pinifolius在3834–4168米的高度形成主导灌木层，与Kniphofia foliosa、Cardamine hirsuta、Artemisia abyssinica、Festuca macrophylla和Senecio farinaceus等草本植物共存。这些群落在极端高海拔条件下持续存在，表明该物种适应了压力较大的环境及其狭窄的生态位。在未来的气候变化情景（SSP4.5和SSP8.5，2050年和2070年）下，模型预测E. pinifolius的气候适宜栖息地将增加。这种预测的扩展可能与全球温度升高导致的气候生态位的上升有关。在其他山地生态系统中也观察到了类似的趋势，即温度升高使植物物种能够迁移到更高的海拔或新的适宜环境中（Lenoir等人，2008；Gao等人，2022）。气候变化可能导致高山植被分布向更高海拔或纬度迁移，因为物种会跟随适宜的气候条件（Bueno de Mesquita等人，2024；Reichmuth等人，2025）。尽管缺乏对E. pinifolius的详细生理学研究，但其在相对较宽的海拔范围内的分布表明其对环境变化具有一定程度的适应性。这种适应性可能得益于生理可塑性或与相关土壤微生物群落的相互作用，帮助植物在高山生态系统中应对环境压力（Hou等人，2024）。在其他非洲高山物种中也观察到了类似的适应策略，包括Lobelia物种，它们表现出专门的形态和生理特征，使其能够在极端的高山环境中生存（Knox和Palmer，1995）。在中等排放的SSP4.5情景下，E. pinifolius的高适宜栖息地在2050年减少，但在2070年恢复；在高排放的SSP8.5情景下，适宜栖息地在2050年略有增加，但在2070年急剧减少。Dagnachew等人（2023年）的一项研究表明，E. pinifolius的种子在寒冷和温度变化条件下仍能保持较高的存活率，这可能有助于该物种在气候适度变暖的情况下持续存在并殖民新的适宜栖息地。然而，根据SSP8.5预测的极端温度可能会限制其成功建立。这些发现表明，适度的气候变暖可能会暂时促进山地植物的分布范围扩展，而极端气候情景则可能带来更大的栖息地丧失风险。

5. 局限性与未来研究方向
本研究为理解受威胁且具有文化意义的物种在气候变化下的潜在未来分布提供了重要依据。然而，仍需考虑一些局限性。尽管建模框架主要关注非生物驱动因素，但物种分布也受到复杂的生态和进化过程的影响。与传粉者的相互作用（Inouye 2020；Richman等人2020）、与其他植物物种的竞争（Anthelme和Dangles 2012）以及生态进化动态（Hamann等人2021）都可能显著影响物种分布范围的变化。此外，整合基因型、表型和行为特征对于预测物种对极端环境的响应至关重要（Buckley等人2023），而邻近物种之间的相互作用可能会进一步影响物种在变化气候下的生存和适应能力（Damschen 2022）。本研究依赖于单一的全球环流模型（HadGEM2-ES），这可能会限制预测的准确性，因为不同的排放情景和气候模型可能会产生不同的结果（Zhang等人2019）。因此，未来的研究应结合多种气候模型和排放路径以提高预测的可靠性。同样，尽管Biomod2框架内存在其他替代方法，但使用单一的建模算法（MaxEnt）可能会引入算法特定的偏差。采用集成多种算法的集合建模技术可以提高预测性能并减少不确定性。来自GBIF数据库的分布数据也可能存在空间采样偏差。尽管应用了空间过滤和偏差校正，但这些局限性仍可能影响预测结果，尤其是在采样不足的地区。通过在新确定的适宜栖息地进行针对性调查来进行实地验证，将有助于提高模型的准确性和可靠性。最后，即使在气候适宜性增加的情况下，人为压力（包括农业扩张、森林砍伐、土地退化和人类定居）也可能限制栖息地的可用性和连通性，特别是在埃塞俄比亚的高地地区（Getachew等人2020；Tefera等人2022）。应对这些挑战需要将社会生态维度纳入物种分布模型中。通过共同研究方法整合当地和土著知识，可以提供宝贵的历史和生态见解（Steger等人2020）。

6. 对保护计划的启示
基于我们的研究结果，我们提出以下保护措施。首先，在所有未来情景下仍适宜的栖息地可能是E. pinifolius保护工作的关键避难所。通过对这些避难所的定期监测，可以及时发现物种表现的变化。尽管未来气候情景表明适宜区域可能会扩大，但E. pinifolius的分布可能受到土地利用模式、栖息地破碎化、农业活动和过度放牧的限制（Friis等人2010；Gebrehiwot等人2020；Getachew等人2020）。尽管如此，这些区域仍为有针对性的重新造林和栖息地恢复提供了机会，特别是在适宜性较高的地区。强调将生物多样性保护纳入区域土地管理政策的重要性，特别指出埃塞俄比亚北部、西北部和中部的高地地区是重要的避难所。结合当地社区和土著知识与科学建模，可以进一步提高保护效果，提供关于物种历史分布、生态系统动态以及对环境变化的潜在响应的见解（Steger等人2020）。未来的研究应通过包括物种相互作用、土地利用动态和当地生态知识来完善预测模型，以更好地指导E. pinifolius及其他非洲高山物种的保护规划。

7. 结论
物种分布建模（SDM）是评估气候变化对需要监测和管理的物种影响的重要工具。我们的模型确定海拔高度和最干燥季度的平均温度是预测Euryops pinifolius分布的最具影响力的环境因素，反映了该物种对高海拔、凉爽和季节性干燥微气候的偏好。植被覆盖和与降水相关的变量也对栖息地适宜性有所贡献，表明气候和局部环境因素都限制了该物种的分布。结果显示，E. pinifolius的适宜栖息地主要集中在埃塞俄比亚的高地地区，尤其是在中部、北部和西北部地区。这些地区面临多种未来威胁，包括气候变化、栖息地破碎化和土地利用变化，这些都可能减少适宜栖息地的范围和连通性。了解未来预测的分布情况，并结合社会经济因素和土著知识，可以为保护规划提供更准确的依据。

作者贡献
Liyew Birhanu：概念构思（平等参与）、数据管理（平等参与）、正式分析（主导）、调查（平等参与）、方法论（平等参与）、资源获取（平等参与）、软件使用（平等参与）、验证（平等参与）、可视化（平等参与）、初稿撰写（主导）、审阅和编辑（平等参与）。
Heiko Balzter：概念构思（平等参与）、正式分析（平等参与）、资金获取（主导）、调查（平等参与）、方法论（平等参与）、项目管理（主导）、资源获取（平等参与）、软件使用（平等参与）、监督（主导）、验证（平等参与）、可视化（平等参与）、审阅和编辑（平等参与）。
Laura Basell：概念构思（平等参与）、调查（平等参与）、方法论（平等参与）、资源获取（平等参与）、验证（平等参与）、可视化（平等参与）、审阅和编辑（平等参与）。
Moya Burns：概念构思（平等参与）、调查（平等参与）、方法论（平等参与）、资源获取（平等参与）、验证（平等参与）、可视化（平等参与）、审阅和编辑（平等参与）。
Wale Arega：概念构思（平等参与）、数据管理（平等参与）、资源获取（平等参与）、可视化（平等参与）、审阅和编辑（平等参与）。
Yilkal Gebeyehu：正式分析（平等参与）、资源获取（平等参与）、审阅和编辑（平等参与）。

致谢
本研究得到了莱斯特大学环境未来研究所的资助。作者Liyew Birhanu还感谢环境未来研究所提供的访问奖学金，这使这项研究成为可能。此外，Liyew Birhanu还衷心感谢英国伦敦大学皇家霍洛威学院的生命科学与环境学院以及风险学者委员会（CARA）对其研究奖学金的支持。

资金支持
本研究得到了莱斯特大学的资助，通过访问研究奖学金实现。H.B.得到了英国自然环境研究委员会通过国家地球观测中心的支持。L.B.获得了英国科学院的中期职业奖学金（MFSS24\240089）。

利益冲突
作者声明没有利益冲突。

数据可用性声明
本研究使用的数据集可从以下来源免费获取：表S1列出了151个Euryops pinifolius的分布记录。生物气候数据：WorldClim（https://www.worldclim.org）。