目的 识别甘肃省中华白蛉适生区，为有效防控山丘型内脏利什曼病（mountain-type zoonotic visceral leishmaniasis,MT-ZVL）提供参考。方法 收集2015—2023年甘肃省MT-ZVL报告病例，获取病例分布点地理坐标。收集26个环境变量数据，包括年平均温度、平均气温日较差、等温性、气温季节性变化标准差、最暖月最高气温、最冷月最低气温、温度年较差、最湿季度平均气温、最干季度平均气温、最暖季度平均气温、最冷季度平均气温、年降水量、最湿月降水量、最干月降水量、降水量季节性变化标准差、最湿季度降水量、最干季度降水量、最暖季度降水量、最冷季度降水量等19个气候变量，海拔、年度归一化植被指数、植被类型、地形地貌、土地利用类型等5个地理变量和国内生产总值、人口分布2个人口经济变量。采用R软件Biomod2软件包建立12个物种分布模型，包括表面分布区分室模型（surface range envelope,SRE）、广义线性模型（generalized linear model,GLM）、广义加性模型（generalized additive model,GAM）、多元适应回归样条（multivariate adaptive regression splines,MARS）、推广回归树（generalized boosted model,GBM）、分类树分析（classification tree analysis,CTA）、柔性判别分析（flexible discriminant analysis,FDA）、最大熵模型（maximum entropy model,MAXENT）、优化版最大熵（optimized maximum entropy model,MAXNET）、人工神经网络（artificial neural network,ANN）、随机森林（random forest,RF）和极限梯度提升（extreme gradient boosting,XGBOOST）。利用受试者工作特征曲线下面积（area under curve,AUC）、真实技巧统计量（true skill statistics,TSS）和Kappa系数对各模型进行性能评价，选择模型性能较好的单一模型构建最优组合模型，基于气候、地形和社会经济因子分析影响中华白蛉生存的影响因素。依据1991—2020年和2050s、2090s气候数据，分别对共享社会经济路径（shared socioeconomic pathways,SSP）126、SSP370和SSP585气候情景下甘肃省中华白蛉适宜分布区进行预测。结果 成功建立了11种预测甘肃省中华白蛉潜在分布区的模型。其中随机森林模型预测准确度最高（AUC=0.998）。以RF、XGBOOST、GLM和MARS 4种表现较好的单一模型构建的组合模型（AUC=0.999）较各单一模型准确度有所提升。26个环境变量中，最湿季度降水量、最暖月最高气温和年度归一化植被指数对中华白蛉适宜生境分布影响最大，贡献率分别为12.00%、11.58%和11.29%。1991—2020年气候条件下，甘肃省中华白蛉潜在适生区面积约5.80×10~4km~2，其中高适生区为1.42×10~4km~2，主要集中于陇南南部。2050s，甘肃省中华白蛉非适生区与低适生区面积较1991—2020年均不同程度降低，但中、高适生区面积存在扩张迁移；2090s,SSP126情景下中华白蛉适生区面积与SSP585情景下中华白蛉高适生区转变为极高适生区的面积均大幅增加。未来全球气候变暖有利于中华白蛉的生存繁衍，2050s至2090s，甘肃省中华白蛉高适生区将呈向北扩展的趋势。在SSP126情景下，2050s与2090s甘肃省中华白蛉适生区面积分别较1991—2020年增加194.75%和204.79%;2050s与2090s甘肃省中华白蛉中、高适生区面积在SSP370情景下较1991—2020年分别增加164.40%和209.03%，在SSP585情景下分别增加195.98%和211.66%。结论 甘肃省中华白蛉潜在适生区范围会随气候变化而逐渐迁移，未来可有针对性地在陇中和陇东地区对中华白蛉加强监测和防控，为VL早期预警提供支持。