王 蕾，羅 磊，劉 平，侯曉臣，邱 琴,高亞琪,李曦光

(新疆林業(yè)科學院現(xiàn)代林業(yè)研究所，烏魯木齊 830052)

0 引 言

【研究意義】新疆擁有獨特的林果資源優(yōu)勢，以葡萄、核桃、巴旦杏、阿月渾子、石榴、紅棗、香梨、杏、枸杞等為代表的特色林果具有名、特、優(yōu)、稀的特點[1]，是我國最重要的林果生產(chǎn)基地之一。近幾年，產(chǎn)業(yè)化、大規(guī)模建設特色林果基地成為新疆特色林果業(yè)發(fā)展的趨勢。2005年以來，新疆特色林果種植面積以6.67 × 104hm2的速度增長，截至2012年底，新疆特色林果種植面積突破1.33×106hm2，產(chǎn)值達350×108元[2]?，F(xiàn)階段，新疆特色林果產(chǎn)業(yè)發(fā)展已從生產(chǎn)擴張型逐步轉向質量效益型發(fā)展階段，優(yōu)化林果品質，提升林果效益已是勢在必行之路，如何有效預防特色林果病蟲害和綜合評價其風險區(qū)已成為亟待解決的問題之一。春尺蠖蟲害是新疆特色林果典型病蟲害之一，研究其潛在風險區(qū)有對預防和控制其危害有實際意義。【前人研究進展】隨著西部大開發(fā)和退耕還林等工程的深入開展[3]，特色林果產(chǎn)業(yè)正成為新疆尤其是南疆經(jīng)濟發(fā)展的重要推動力量[4]。近年來，隨著新疆特色林果種植面積的增加[1,4]，伴隨而來的林果病蟲害面積亦迅速擴大，嚴重阻礙了新疆特色林果產(chǎn)業(yè)的進一步發(fā)展。作為我國中西部主要林木及果樹最主要的害蟲之一[5]，春尺蠖(ApocheimacinerariusErschoff)危害積不斷擴大，危害程度逐漸加深[4]，已成為新疆林木尤其是經(jīng)濟林最主要的害蟲之一。研究其潛在風險區(qū)及主要環(huán)境限制要素，以便提前預防。春尺蠖又名沙棗尺蠖、榆尺蠖等[6]，是一種暴發(fā)性食葉害蟲，屬鱗翅目(Lepido- ptera)尺蛾科(Geometridae)，多分布于新疆、甘肅、內蒙古、河北、山西等地區(qū)，其危害尤以新疆最為嚴重，主要寄主有蘋果、梨、核桃、沙棗、楊、柳、槐、桑、榆、胡楊等。【本研究切入點】當前關于新疆特色林果病蟲害尤其是春尺蠖的研究多集中于生物特性[7-12]及傳統(tǒng)防治措施[13-14]的研究，對于其潛在風險區(qū)及受外部環(huán)境因子影響的研究仍不夠深入。目前關于生物病蟲害潛在風險區(qū)分析的模型有BIOCLIM、CLIMEX、DOMAIN、GARP、MaxEnt等[15-20]，其中MaxEnt模型預測效果最好[21]。當前，已有部分學者將MaxEnt模型應用于病蟲害潛在風險區(qū)研究，并取得了較可靠的研究成果，如玉米霜霉病[12]、楚雄腮扁葉蜂[13]、橡膠樹棒孢霉落葉病[8]、松材線蟲[22]、香蕉枯萎病[23]、葡萄金黃化病[20]等。研究春尺蠖發(fā)生風險區(qū)的環(huán)境驅動因子?！緮M解決的關鍵問題】研究以新疆特色林果春尺蠖災害為研究對象，利用MaxEnt模型和GIS技術，對新疆經(jīng)濟林春尺蠖潛在風險區(qū)進行預測和分析，為新疆特色林果春尺蠖災害研究和預防提供依據(jù)。

1 材料與方法

1.1 材 料

2012年采集《新疆特色林果矢量數(shù)據(jù)庫》中，有關春尺蠖分布數(shù)據(jù)，包括病蟲害種類及發(fā)生程度等內容。圖1

注：該圖采用的行政邊界來自新疆維吾爾自治區(qū)測繪地理信息局網(wǎng)站http://www.xjch.gov.cn/

Note：The administrative boundary used in the map is from the website of Xinjiang Uygur Autonomous Region Surveying and Mapping Geographic Information Bureau http://www.xjch.gov.cn./

圖1 新疆特色林果資源分布

Fig.1 Distribution Map of Fruit Forest Resources in Xinjiang

1.2 方 法

MaxEnt模型:最大熵(MaxEnt)理論最早由Jaynes提出，來源于信息論和統(tǒng)計力學，是基于有限的已知信息對未知分布進行無偏推斷的一種數(shù)學方法，其核心思想是在推斷未知概率分布時充分考慮已知信息，而對未知信息不妄加揣測，做到不偏不倚[24]。該模型能夠根據(jù)物種“出現(xiàn)點”的環(huán)境變量特征得出約束條件，探尋此約束條件下最大熵的可能分布，以此來預測目標物種在研究地區(qū)的生境分布[16]。2004年，Phillips等基于最大熵理論開發(fā)了MaxEnt軟件，在森林火險預測[25]、物種適生地評價[26]和病蟲害潛在分布預測[23,27]中得到了廣泛應用，并取得了良好的應用效果。利用MAXENT模型進行新疆經(jīng)濟林春尺蠖災害的風險區(qū)評價時，以新疆經(jīng)濟林春尺蠖實際發(fā)生數(shù)據(jù)作為“出現(xiàn)點”，以降水和氣溫數(shù)據(jù)作為環(huán)境變量，研究春尺蠖災害在環(huán)境變量約束下的最大熵可能分布，并將其作為春尺蠖發(fā)生風險評價指數(shù)，對新疆經(jīng)濟林春尺蠖風險區(qū)進行評價。

利用最大熵模型的Jackknife檢驗功能, 計算出4個典型因子的反應曲線，進而以分布值0.35為閾值可獲取春尺蠖發(fā)生的主要環(huán)境變量變化范圍。

1.3 數(shù)據(jù)處理

1.3.1 新疆特色林果資源分布數(shù)據(jù)和春尺蠖分布數(shù)據(jù)

新疆特色林果資源分布數(shù)據(jù)和春尺蠖分布數(shù)據(jù)均來源于全疆林果資源分布的80個縣市的特色林果資源調查數(shù)據(jù)，數(shù)據(jù)格式為.shp格式。利用ARCGIS的聚合面工具處理后可得全疆林果資源連續(xù)分布數(shù)據(jù)；篩選出全疆存在春尺蠖蟲害的林果小班，利用ARCGIS軟件的生成隨機點工具，在各春尺蠖發(fā)生林果小班內生成約720個分布點，提取各點經(jīng)緯度坐標(WGS-1984)，導出并轉換為.csv格式文件，作為MaxEnt軟件的春尺蠖實際分布輸入數(shù)據(jù)。圖1

利用 MaxEnt模型對新疆經(jīng)濟林春尺蠖病害風險區(qū)進行評價，將模型輸出的 ASCII 文件導入到 ArcGIS中，轉換成浮點型柵格數(shù)據(jù)。根據(jù)MaxEnt模型評價結果將春尺蠖生境分為：0.00～0.35為無風險區(qū)，0.35～1.00為風險區(qū)，在采用聚類分析法將分縣區(qū)重新分為0.35～0.62為低風險區(qū)，0.62～0.80為中風險區(qū)，0.80～1.00為高風險區(qū)，最終得到新疆經(jīng)濟林春尺蠖病害風險分布圖。利用ARCGIS軟件的空間分析模塊分地區(qū)統(tǒng)計新疆經(jīng)濟林春尺蠖災害潛在風險區(qū)面積。

1.3.2 環(huán)境變量數(shù)據(jù)

查閱已有與新疆春尺蠖發(fā)生相關的研究發(fā)現(xiàn)，影響春尺蠖發(fā)生的主要環(huán)境因素可概括為3大要素，即降水、氣溫和土壤[4,10,28]。其中，土壤要素主要包括土壤溫度和濕度，其與降水、氣溫密切相關，且獲取成本較高，因此,研究僅考慮降水、氣溫作為模型模擬的主要環(huán)境要素。世界氣候數(shù)據(jù)庫提供了1950～2000年以來世界各地氣象站的數(shù)據(jù)經(jīng)插值法轉換后的連續(xù)分布的氣候數(shù)據(jù)。該數(shù)據(jù)可免費獲取(http: //www.Worldclim.org/)，空間分辨率為2.5°，共包含年均溫、年均日較差等19個變量，其數(shù)據(jù)質量和精度基本能夠滿足研究需要。利用ARCGIS軟件提取新疆范圍并統(tǒng)一坐標系為WGS-1984后，導出為.asc數(shù)據(jù)格式，作為MaxEnt軟件的環(huán)境變量輸入數(shù)據(jù)。表1

表1 MaxEnt模型的輸入環(huán)境變量描述

Table 1 Input description of input environment variables in MaxEnt model

環(huán)境變量Enviro-nmentvariable變量描述Variabledescription環(huán)境變量Enviro-nmentvariable變量描述Variabledescriptionbio_01年平均氣溫bio_11最冷季度平均溫度bio_02年均日較差bio_12年均降水量bio_03等溫性bio_13最濕月降水量bio_04溫度季節(jié)性變化標準差bio_14最干月降水量bio_05最暖月最高溫度bio_15降水量變異系數(shù)bio_06最冷月最高溫度bio_16最濕季度降水量bio_07年均溫變化范圍bio_17最干季度降水量bio_08最濕季度平均溫度bio_18最暖季度降水量bio_09最干季度平均溫度bio_19最冷季度降水量bio_10最暖季度平均溫度

1.3.3 模擬過程

將春尺蠖發(fā)生分布數(shù)據(jù)和環(huán)境變量分別輸入MaxEnt3.4軟件內，并隨機選取75%的分布點數(shù)據(jù)進行建模，其余25%分布點數(shù)據(jù)用作模型驗證，利用Jackknife檢驗各變量貢獻度，分析各環(huán)境變量的重要性，結果輸出格式為連續(xù)分布的.asc格式，其他參數(shù)均保持默認值不變。模型結果的檢驗采用軟件自帶的AUC評價指標，即受試者工作特征曲線下面積。ROC曲線是當前MAXENT模型結果驗證使用最廣泛，評價最有效的指標。ROC 曲線以特異度(假陽性率)為橫坐標，遺漏率(真陽性率)為縱坐標繪制而成，其曲線下方面積(area under curve，AUC)即為評價指標。評價標準為: AUC>0.9為“極好”，0.8

表2 新疆特色林果春尺蠖災害潛在風險區(qū)面積統(tǒng)計

Table 2 Statistics of potential risk areas ofApocheimacinerariusErschoff in Xinjiang fruit forest

地區(qū)Region高風險區(qū)HighRiskZone(104hm2)中風險區(qū)MediumRiskZone(104hm2)低風險區(qū)LowRiskZone(104hm2)風險區(qū)總面積TotalAreaofRiskZone(104hm2)阿克蘇地區(qū)AksuPrefecture0.305.9888.2594.53巴音郭楞蒙古自治州BayingolMongolianAutonomousPrefecture7.0316.5741.5665.15和田地區(qū)HotanPrefecture59.1340.8064.11164.03喀什地區(qū)KashgarPrefecture46.7481.28157.26285.29克孜勒蘇柯爾克孜自治州KizilsuKirghizAutonomousPrefecture2.6456.6576.46135.76吐魯番地區(qū)TurpanPrefecture0.000.000.200.20烏魯木齊市UrumqiCity0.000.000.410.41合計115.84201.28428.26745.38

2.2 春尺蠖潛在風險區(qū)

新疆特色林果春尺蠖災害潛在風險區(qū)主要分布于環(huán)塔里木盆地地區(qū)、焉耆盆地，少量分布于天山東部地區(qū)，總面積約745.38×104hm2。高風險區(qū)和中風險區(qū)(風險系數(shù)>0.62)總面積約317.12×104hm2，主要分布于塔里木盆地西南方向的喀什地區(qū)和和田地區(qū)；低風險區(qū)總面積約428.26×104hm2，主要分布于塔里木盆地北部的阿克蘇地區(qū)和巴音郭楞蒙古自治州；另外吐魯番地區(qū)和哈密地區(qū)也有少量分布。在地區(qū)上，面積最大的是喀什地區(qū)、和田地區(qū)、克孜勒蘇柯爾克孜自治州，該區(qū)域是中高風險區(qū)的集中分布區(qū)域，其次是阿克蘇地區(qū)、巴音郭楞蒙古自治州，該區(qū)域多以低風險區(qū)為主。圖3

2 結果與分析

2.1 模擬效果評價

MaxEnt模型利用訓練數(shù)據(jù)和測試數(shù)據(jù)的ROC曲線來進行模擬結果的驗證。選用25%的分布數(shù)據(jù)作為測試數(shù)據(jù)集，其余作為訓練數(shù)據(jù)集，隨機運算10 次制作ROC曲線。春尺蠖MaxEnt 預測模型訓練集與驗證集的AUC 值分別為0.979和0.970，AUC 平均值為0.975，模型預測價值達優(yōu)秀水平。圖2

圖2 新疆經(jīng)濟林潛在風險區(qū)評價結果ROC曲線驗證

Fig.2 Validation of ROC curve of evaluation results of potential risk areas of xinjiang fruit forests

注：該圖采用的行政邊界來自新疆維吾爾自治區(qū)測繪地理信息局網(wǎng)站

Note：The administrative boundary used in the map is from the website of Xinjiang Uygur Autonomous Region Surveying and Mapping Geographic Information Bureau http://www.xjch.gov.cn.

圖3 新疆經(jīng)濟林春尺蠖發(fā)生潛在風險區(qū)分布

Fig.3 Distribution of potential risk zones for the occurrence of apocheima cinerarius erschoff in Xinjiang fruit forest

2.3 環(huán)境影響因子評價

Jackknife檢驗結果表明，冷月最高溫度(bio_06)、最冷季度平均溫度(bio_11)、最干季度降水量(bio_17)、最濕季度平均溫度(bio_08)是影響新疆經(jīng)濟林春尺蠖發(fā)生的主要環(huán)境因子，其累計貢獻率達78.61%。其中，冷月最高溫度(bio_06)對模擬結果的貢獻最大，其貢獻率達56.91%，遠遠高于其他因子，證明其在影響春尺蠖發(fā)生的主要環(huán)境因子中占據(jù)主導地位；其次是最冷季度平均溫度(bio_11)，其貢獻率為10.62%，且二者均與低溫有關，春尺蠖發(fā)生受低溫影響嚴重，這主要是由于低溫能抑制春尺蠖的羽化[29]。最干季度降水量(bio_17)、最濕季度平均溫度(bio_08)對春尺蠖發(fā)生具有一定影響，但影響程度不高，三者累計貢獻率僅為11.08%。表3

冷月最高溫度的下限為-14.25℃，最冷季度平均溫度的下限為-4.01℃，最干季度降水量變化范圍為1.23～8.29 mm，最濕季度平均溫度變化范圍為21.63～24.82℃，年均日較差為12.68～17.18℃。圖4

表3 各環(huán)境因子貢獻率統(tǒng)計結果

Table 3 Statistical results of contribution rates of environmental factors

圖4 環(huán)境影響因子

Fig.4 Environmental impact factors

3 討 論

當前關于動植物的適生性研究有很多，但有關動植物病蟲害的研究則相對較少。這主要是由于大多數(shù)文獻對植物病害的發(fā)生和分布地點記載不夠詳盡,給確定預測模型所需的經(jīng)緯度帶來了困難[23]。研究所使用的分布點數(shù)據(jù)來自于具有較高的權威性和準確性的全疆林果資源分布的80個縣市各林業(yè)局的特色林果資源調查數(shù)據(jù)，其調查單位為特色林果小班，調查面積共計891 565.22 hm2，利用ARCGIS的生成隨機點工具在每個小班內生成3～5個隨機點，基本能夠保證分布點的均勻性和全面性。環(huán)境變量數(shù)據(jù)來自于世界氣候數(shù)據(jù)庫，已被廣泛應用于物種的潛在分布區(qū)研究中，具有較高的可靠性[30-31]。同時也應注意到，現(xiàn)有的林果檢疫和預防措施在一定程度上降低了春尺蠖災害的實際發(fā)生范圍，因此,以當前所獲取的分布點數(shù)據(jù)作為源數(shù)據(jù)，可能會導致MaxEnt模型預測所得的春尺蠖潛在分布區(qū)低于實際可能的最大分布范圍。盡管如此，該文所得模擬結果對于制定檢疫和防治政策仍具有較高的參考價值。

作為模型預測效果的重要評價指標，AUC值能夠克服閾值的影響，是公認的較理想的評價指標，其對模型評判結果的可靠性得到了廣泛驗證[32-33]。王運生等[20]通過比較分析ROC曲線分析法對BIOCLIM、CLIMEX、DOMAIN、GARP、MAXENT等5種的預測結果發(fā)現(xiàn)，AUC值在MaxEnt模型中最大，表明其預測效果最好。經(jīng)ROC曲線精度檢驗，AUC平均值為0.975，表明MaxEnt模型對春尺蠖災害潛在分布區(qū)的預測效果極好，預測結果可靠性強。

MaxEnt模型預測結果顯示，新疆特色林果春尺蠖潛在風險區(qū)總面積745.38×104hm2，主要分布于環(huán)塔里木盆地地區(qū)、焉耆盆地，少量分布于天山東部地區(qū)。高風險區(qū)和中風險區(qū)(風險系數(shù)>0.62)總面積約317.12×104hm2，主要分布于塔里木盆地西南方向的喀什地區(qū)和和田地區(qū)；低風險區(qū)總面積約428.26×104hm2，主要分布于塔里木盆地北部的阿克蘇地區(qū)和巴音郭楞蒙古自治州；另外吐魯番地區(qū)和哈密地區(qū)也有少量分布。造成新疆特色林果春尺蠖災害。

在南疆集中分布，在北疆基本無分布的原因可能與林果資源分布及氣候有關。北疆林果資源分布范圍更小，海拔更高，氣溫更低，降水增多，因此，使得春尺蠖災害的發(fā)生受到一定的抑制。在南疆地區(qū)，主要分布于環(huán)塔里木盆地地區(qū)，尤其在塔里木盆地西南部的喀什地區(qū)、和田地區(qū)、克孜勒蘇柯爾克孜自治州，分布面積大且風險等級高。南疆林果資源分布地區(qū)地勢低溫度高，尤其是最低溫度相對北疆更高，且降水稀少，為春尺蠖的安全越冬提供了適宜環(huán)境，進而造成春尺蠖潛在風險區(qū)分布更為廣泛；另外，南疆林果資源分布廣且集中，為春尺蠖的傳播創(chuàng)造了相對有利的客觀條件。

Maxent 模型運行結果表明，影響春尺蠖潛在風險區(qū)分布的主要環(huán)境因子是冷月最高溫度(bio_06)、最冷季度平均溫度(bio_11)、最干季度降水量(bio_17)、最濕季度平均溫度(bio_08)。冷月最高溫度(bio_06)、最冷季度平均溫度(bio_11)是影響春尺蠖災害發(fā)生的最重要的環(huán)境因子，二者均與低溫有關，說明低溫對于春尺蠖災害的發(fā)生具有至關重要的作用，其次為最干季度降水量，有研究表明：春尺蠖發(fā)生與土壤含水量成正比[34]，降水尤其是干季降水量直接影響土壤含水量，當土壤含水量較低的時候，會導致春尺蠖蛹由于失水過多干死；最濕季度平均溫度對春尺蠖災害影響最小，氣溫與降水的共同作用對春尺蠖災害影響相對偏低。白斌等[4]在研究塔里木河流域春尺蠖災害與生境要素關系后發(fā)現(xiàn)春尺蠖發(fā)生面積與年最低溫度呈正相關，與降水量呈負相關，從側面驗證了研究結果的可靠性。

考慮到環(huán)境因子對樹種分布的影響，研究已經(jīng)選取了16個環(huán)境因子作為模型輸入?yún)?shù)，因此，沒有將樹種作為模型運行的必要參數(shù)，但春尺蠖發(fā)生與林果樹種明確的相關性，還需要展開進一步的研究。

春尺蠖的危害對象不僅僅是林果樹種，也常見發(fā)生在生態(tài)樹種如榆樹、楊樹及胡楊等樹種，在新疆塔里木胡楊國家級自然保護區(qū)，大片的胡楊林常常被春尺蠖幼蟲吃盡葉片，危害巨大；在食料缺少的情況下，幼蟲還取食檉柳、白刺等灌木，甚至危害麥類、玉米等農(nóng)作物。

4 結 論

新疆特色林果春尺蠖潛在風險區(qū)總面積為745.38×104hm2。主要分布于阿克蘇地區(qū)、巴州、和田地區(qū)、喀什地區(qū)和克州，在吐魯番地區(qū)和烏魯木齊市有少量分布。影響新疆特色林果春尺蠖災害風險性的最主要環(huán)境因子是冷月最高溫度；其響應曲線顯示：冷月最高溫度>-14.25℃，最冷季度平均溫度>-4.01℃，最干季度降水量在1.23～8.29 mm，最濕季度平均溫度在21.63～24.82℃為新疆特色林果春尺蠖適宜生長的生態(tài)位參數(shù)。

在部分林果資源未分布區(qū)域也存在一定的風險性，如果在該區(qū)域擴大林果種植面積，應當考慮選擇種植非春尺蠖寄主的樹種。對于春尺蠖災害已經(jīng)發(fā)生的地區(qū)，必須采取科學合理的措施控制春尺蠖災害，阻止其向其他地區(qū)擴散蔓延；對于潛在的適生分布區(qū)做好春尺蠖災害的檢疫工作。