張 雪，李白尼，魏 武，張文軍

(中山大學(xué)生命科學(xué)學(xué)院,廣東 廣州 510275)

生物入侵是一個(gè)與全球經(jīng)濟(jì)可持續(xù)發(fā)展息息相關(guān)的問題，有害生物風(fēng)險(xiǎn)分析尤為重要。防止外來生物造成危害的重要手段就是阻止可能造成入侵物種進(jìn)入適合其生存的地區(qū)[1]。抓住早期關(guān)鍵環(huán)節(jié)，就能在防止生物入侵時(shí)起到事半功倍的作用[2]，為此就需找到入侵種的適生區(qū)域。

橄欖果蠅Bactrocera oleae屬于昆蟲綱，雙翅目，實(shí)蠅科，果實(shí)蠅屬，對(duì)油橄欖及其產(chǎn)品產(chǎn)生嚴(yán)重危害[3]，我國(guó)于2007年6月將果實(shí)蠅屬列為我國(guó)進(jìn)境植物檢疫性有害生物。關(guān)于油橄欖果蠅在我國(guó)適生性的研究是首次，本研究基于兩種生態(tài)位模型GARP(遺傳算法模型)和MAXENT(最大熵模型)，預(yù)測(cè)油橄欖果蠅在我國(guó)的適生區(qū)，綜合判定該蟲在我國(guó)的潛在適生區(qū)，將作為檢疫政策制定的科學(xué)依據(jù)，減少經(jīng)濟(jì)損失。

1 材 料

1.1 橄欖果蠅的分布數(shù)據(jù)

本研究關(guān)于橄欖果蠅的分布數(shù)據(jù)來源于兩個(gè)數(shù)據(jù)庫(kù)。全球生物多樣性信息交換所(Global Biodiversity Information Facility, GBIF)和中非皇家博物館(Royal Museum for Central Africa，http://projects.bebif.be/enbi/fruitfly)。對(duì)于只給出地名的數(shù)據(jù)在地名數(shù)據(jù)庫(kù)(Geographic Names Database, GNDB)查找相應(yīng)經(jīng)緯度，共得到橄欖果蠅精確分布數(shù)據(jù)182個(gè)。

1.2 環(huán)境數(shù)據(jù)

本研究所用到的環(huán)境數(shù)據(jù)均來源于互聯(lián)網(wǎng)——世界氣候數(shù)據(jù)庫(kù)[4]，網(wǎng)址為：http://www.worldclim. org/。氣候變量選擇19個(gè)對(duì)物種分布有重要影響的生物氣候變量，如表1所示。

表1 適生區(qū)預(yù)測(cè)研究中所使用的環(huán)境變量

1.3 軟件來源

本研究所用到的生態(tài)位模型均來自互聯(lián)網(wǎng)，來源見表2(Table 2)。

1.4 地圖數(shù)據(jù)來源

從國(guó)家基礎(chǔ)地理信息系統(tǒng)( http: / /nfgis.nsdi.gov.cn)下載獲得的1∶400萬的中國(guó)地圖作為分析底圖，通過Arc GIS將生態(tài)位模型模擬的運(yùn)算結(jié)果在圖中顯示出來，確定適生區(qū)域。

表2 軟件來源列表

2 方 法

2.1 GARP

在excel中，以“物種名稱、經(jīng)度、緯度”順序輸入182個(gè)點(diǎn)坐標(biāo)，并保存為(.csv)格式，上傳橄欖果蠅分布數(shù)據(jù)和環(huán)境數(shù)據(jù)后，進(jìn)行參數(shù)設(shè)置，具體如下：Train sample size : Test sample size = 70%∶30% (or 100%)；訓(xùn)練數(shù)據(jù)樣本大小:驗(yàn)證數(shù)據(jù)樣本大小=70%∶30%；convergence limit of 0.01 收斂極限為0.01；maximum number of iterations of 1 000 最大迭代數(shù)量為1 000；Runs : 500 運(yùn)行次數(shù)為500。

2.2 MAXENT

將(.csv)格式的橄欖果蠅分布數(shù)據(jù)上傳，數(shù)據(jù)輸入有兩部分，左邊是物種分布數(shù)據(jù)，右邊是環(huán)境變量輸入窗口，只需指定環(huán)境因子圖層所在文件夾位置，程序會(huì)自動(dòng)搜索符合條件的ASC II柵格圖層，指定輸出目錄，其它設(shè)置默認(rèn)便可，點(diǎn)擊運(yùn)行，預(yù)測(cè)結(jié)果輸出在指定的目錄下。

3 結(jié)果與分析

3.1 GARP模型結(jié)果

根據(jù)Anderson提出的方法[5]，為了選出最優(yōu)的模型我們對(duì)模型進(jìn)行了500次重復(fù)運(yùn)算，然后從中選出10個(gè)最優(yōu)的模型。得到的10個(gè)最優(yōu)模型集以柵格格式輸出，將其導(dǎo)入Arc GIS中,利用空間分析模塊(Spatial Analyst)對(duì)結(jié)果進(jìn)行疊加處理，結(jié)果如圖1顏色越深代表適生性越高。從圖中可以看出，橄欖果實(shí)蠅在我國(guó)的適生區(qū)主要集中于云南的大部分、四川東部、廣東和廣西北部的大部分、海南北部、河南和陜西南部的小部分、江蘇南部；以下各省的大部分地區(qū)：貴州、湖南、湖北、江西、福建、浙江、安徽，均顯示較高的適生性。

圖1 GARP模型預(yù)測(cè)橄欖果實(shí)蠅在我國(guó)的適生區(qū)

3.2 MAXENT模型結(jié)果

將MAXENT模型運(yùn)算導(dǎo)入Arc GIS軟件中。結(jié)果如圖2所示，可以看出MAXENT模型預(yù)測(cè)的橄欖果實(shí)蠅適生區(qū)區(qū)域比GARP模型預(yù)測(cè)的結(jié)果要小。MAXENT模型預(yù)測(cè)的橄欖果實(shí)蠅在我國(guó)的適生區(qū)主要集中在云南、貴州、四川、廣西四個(gè)省。

3.3 綜合分析

將GARP模型計(jì)算結(jié)果與MAXENT模型計(jì)算結(jié)果疊加生成綜合適生性分析圖，見圖3(Fig.3)?？梢?，我國(guó)云南、四川和貴州為橄欖果蠅的高度適生區(qū)，對(duì)該區(qū)域應(yīng)加強(qiáng)檢疫。對(duì)于其他地區(qū)可有選擇性的加以防控。

圖3 橄欖果實(shí)蠅在我國(guó)的綜合適生性分析圖

4 討論與展望

適生性模型可以對(duì)物種的發(fā)生進(jìn)行精確的空間定量描述[6],但預(yù)測(cè)模型并不能完全反映物種真實(shí)的生存環(huán)境，是去建立一個(gè)與真實(shí)情況相接近的有生物學(xué)意義的模型。本研究中采用兩種模型進(jìn)行適生性分布預(yù)測(cè)結(jié)果也是存在差異的，這主要是由于采用了不同的模型算法所引起的，沒有絕對(duì)的一致合理的模擬方法[7]。因此應(yīng)綜合各個(gè)模型的結(jié)果，不能單一的運(yùn)用某一模型以彌補(bǔ)各類模型的自身缺點(diǎn)。本研究通過綜合分析兩種模型結(jié)果的預(yù)測(cè)結(jié)果來增加結(jié)果的準(zhǔn)確性。

從預(yù)測(cè)結(jié)果中可見，云南和四川是橄欖果蠅的高度適生區(qū)，我國(guó)的油橄欖種植業(yè)主要集中于這兩個(gè)省份以及甘肅省。本研究中所使用的兩種模型所預(yù)測(cè)的結(jié)果均沒有顯示甘肅省為油橄欖果實(shí)蠅的適生區(qū)，這表明，如果甘肅省發(fā)展油橄欖種植業(yè)，可以投入較少的力量在此害蟲的檢疫和防治上。云南和四川兩省應(yīng)加強(qiáng)對(duì)此蟲的控制，加強(qiáng)檢疫力度，從源頭控制此蟲的進(jìn)入。

由于我國(guó)在物種分布模擬方面的研究起步較國(guó)外晚，目前我國(guó)自行開發(fā)的軟件不多，比較早期的主要有魏淑秋等[8]建立的農(nóng)業(yè)氣候分析的數(shù)據(jù)庫(kù)系統(tǒng)。近年來左聞韻等[9]建立以支持向量機(jī)(Support Vector Machine, SVM)為核心的預(yù)測(cè)系統(tǒng)。總的來說，我國(guó)自行開發(fā)的模型相對(duì)較少，應(yīng)用性不強(qiáng)，缺乏一個(gè)相對(duì)統(tǒng)一的，易操作的平臺(tái)。故在未來的研究中可以加強(qiáng)軟件的開發(fā)，建立一些應(yīng)用性較強(qiáng)，易操作的軟件。物種適生區(qū)的研究與全球氣候息息相關(guān)，可以將氣候變化和物種分布模型更好的結(jié)合起來，預(yù)測(cè)在未來氣候變化條件下外來入侵物種的潛在分布也是今后研究的一個(gè)方向。

參考文獻(xiàn)：

[1] TUCKER K C , RICHARDSON D M . An expert system for screening potentially invasive alien plants in south African fynbos[J]. Environmental Management, 1995,44: 309-338.

[2] 徐汝梅.生物入侵——數(shù)據(jù)集成、數(shù)量分析與預(yù)警[M].北京：科學(xué)出版社，2003.

[3] RUGINI E, MENCUCCINI M, BIASI R ,et al. Olive (OleaeuropaeaL )[J]. Protocol for Somatic Embryogenesis in Woody Plants, 2005, 345-360.

[4] HIJMANS R J, CAMERON S E, PARRA J L, et al. Very high resolution interpolated climate surfaces for global land Areas[J]. International Journal of Climatology,2005, 25: 1965-1978.

[5] ANDERSON R P, LEW D, PETERSON A T. Evaluating predictive models of species’ distributions: Criteria for selecting optimal models[J]. Ecological Modelling, 2003，162: 211- 232.

[6] HEIN S, BINZENHOFER B, POETHKE H J,et al. The generality of habitat suitability models:A practical test with two insect groups[J].Basic and Applied Ecology,2007,8:310-320.

[7] LAURA M. A comparison of the predictive abilities of four approaches for modelling the distribution of cetaceans[D]. Aberdeen, U.K: University of Aberdeen, 2004.

[8] 魏淑秋，章正，鄭耀水. 應(yīng)用生物氣候相似距對(duì)小麥矮化腥黑穗病在我國(guó)定殖可能性的研究[J].北京農(nóng)業(yè)大學(xué)學(xué)報(bào)，1995，21(2):127-131.

[9] 左聞韻，勞逆，耿玉英, 等．預(yù)測(cè)物種潛在分布區(qū)——比較SVM與GARP[J]．植物生態(tài)學(xué)報(bào)，2007，31(4)：711-719．