基于MaxEnt模型分析新疆特色林果區春尺蠖發生風險

王 蕾，羅 磊，劉 平，侯曉臣，邱 琴,高亞琪,李曦光

(新疆林業科學院現代林業研究所，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、稀的特點[1]，是我國最重要的林果生產基地之一。近幾年，產業化、大規模建設特色林果基地成為新疆特色林果業發展的趨勢。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，產值達350×108元[2]。現階段，新疆特色林果產業發展已從生產擴張型逐步轉向質量效益型發展階段，優化林果品質，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】隨著西部大開發和退耕還林等工程的深入開展[3]，特色林果產業正成為新疆尤其是南疆經濟發展的重要推動力量[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業的進一步發展。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濟林最主要的害蟲之一。研究其潛在風險區及主要環境限制要素，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，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]及傳統防治措施[13-14]的研究，對于其潛在風險區及受外部環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。研究春尺蠖發生風險區的環境驅動因子。【擬解決的關鍵問題】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，對新疆經濟林春尺蠖潛在風險區進行預測和分析，為新疆特色林果春尺蠖災害研究和預防提供依據。

1 材料與方法

1.1 材 料

2012年采集《新疆特色林果矢量數據庫》中，有關春尺蠖分布數據，包括病蟲害種類及發生程度等內容。圖1

注：該圖采用的行政邊界來自新疆維吾爾自治區測繪地理信息局網站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]。該模型能夠根據物種“出現點”的環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的生境分布[16]。2004年，Phillips等基于最大熵理論開發了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模型進行新疆經濟林春尺蠖災害的風險區評價時，以新疆經濟林春尺蠖實際發生數據作為“出現點”，以降水和氣溫數據作為環境變量，研究春尺蠖災害在環境變量約束下的最大熵可能分布，并將其作為春尺蠖發生風險評價指數，對新疆經濟林春尺蠖風險區進行評價。

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生的主要環境變量變化范圍。

1.3 數據處理

1.3.1 新疆特色林果資源分布數據和春尺蠖分布數據

新疆特色林果資源分布數據和春尺蠖分布數據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據，數據格式為.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分布數據；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，在各春尺蠖發生林果小班內生成約720個分布點，提取各點經緯度坐標(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據。圖1

利用 MaxEnt模型對新疆經濟林春尺蠖病害風險區進行評價，將模型輸出的 ASCII 文件導入到 ArcGIS中，轉換成浮點型柵格數據。根據MaxEnt模型評價結果將春尺蠖生境分為：0.00～0.35為無風險區，0.35～1.00為風險區，在采用聚類分析法將分縣區重新分為0.35～0.62為低風險區，0.62～0.80為中風險區，0.80～1.00為高風險區，最終得到新疆經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統計新疆經濟林春尺蠖災害潛在風險區面積。

1.3.2 環境變量數據

查閱已有與新疆春尺蠖發生相關的研究發現，影響春尺蠖發生的主要環境因素可概括為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境要素。世界氣候數據庫提供了1950～2000年以來世界各地氣象站的數據經插值法轉換后的連續分布的氣候數據。該數據可免費獲取(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，其數據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一坐標系為WGS-1984后，導出為.asc數據格式，作為MaxEnt軟件的環境變量輸入數據。表1

表1 MaxEnt模型的輸入環境變量描述

Table 1 Input description of input environment variables in MaxEnt model

環境變量Enviro-nmentvariable變量描述Variabledescription環境變量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

將春尺蠖發生分布數據和環境變量分別輸入MaxEnt3.4軟件內，并隨機選取75%的分布點數據進行建模，其余25%分布點數據用作模型驗證，利用Jackknife檢驗各變量貢獻度，分析各環境變量的重要性，結果輸出格式為連續分布的.asc格式，其他參數均保持默認值不變。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面積統計

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

地區Region高風險區HighRiskZone(104hm2)中風險區MediumRiskZone(104hm2)低風險區LowRiskZone(104hm2)風險區總面積TotalAreaofRiskZone(104hm2)阿克蘇地區AksuPrefecture0.305.9888.2594.53巴音郭楞蒙古自治州BayingolMongolianAutonomousPrefecture7.0316.5741.5665.15和田地區HotanPrefecture59.1340.8064.11164.03喀什地區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

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

2 結果與分析

2.1 模擬效果評價

MaxEnt模型利用訓練數據和測試數據的ROC曲線來進行模擬結果的驗證。選用25%的分布數據作為測試數據集，其余作為訓練數據集，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，模型預測價值達優秀水平。圖2

圖2 新疆經濟林潛在風險區評價結果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測繪地理信息局網站

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 新疆經濟林春尺蠖發生潛在風險區分布

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

2.3 環境影響因子評價

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)是影響新疆經濟林春尺蠖發生的主要環境因子，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生的主要環境因子中占據主導地位；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 各環境因子貢獻率統計結果

Table 3 Statistical results of contribution rates of environmental factors

圖4 環境影響因子

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文獻對植物病害的發生和分布地點記載不夠詳盡,給確定預測模型所需的經緯度帶來了困難[23]。研究所使用的分布點數據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個縣市各林業局的特色林果資源調查數據，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。環境變量數據來自于世界氣候數據庫，已被廣泛應用于物種的潛在分布區研究中，具有較高的可靠性[30-31]。同時也應注意到，現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生范圍，因此,以當前所獲取的分布點數據作為源數據，可能會導致MaxEnt模型預測所得的春尺蠖潛在分布區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種的預測結果發現，AUC值在MaxEnt模型中最大，表明其預測效果最好。經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總面積745.38×104hm2，主要分布于環塔里木盆地地區、焉耆盆地，少量分布于天山東部地區。高風險區和中風險區(風險系數>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和和田地區；低風險區總面積約428.26×104hm2，主要分布于塔里木盆地北部的阿克蘇地區和巴音郭楞蒙古自治州；另外吐魯番地區和哈密地區也有少量分布。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生受到一定的抑制。在南疆地區，主要分布于環塔里木盆地地區，尤其在塔里木盆地西南部的喀什地區、和田地區、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境，進而造成春尺蠖潛在風險區分布更為廣泛；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分布的主要環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生的最重要的環境因子，二者均與低溫有關，說明低溫對于春尺蠖災害的發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現春尺蠖發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。

考慮到環境因子對樹種分布的影響，研究已經選取了16個環境因子作為模型輸入參數，因此，沒有將樹種作為模型運行的必要參數，但春尺蠖發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，也常見發生在生態樹種如榆樹、楊樹及胡楊等樹種，在新疆塔里木胡楊國家級自然保護區，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、玉米等農作物。

4 結 論

新疆特色林果春尺蠖潛在風險區總面積為745.38×104hm2。主要分布于阿克蘇地區、巴州、和田地區、喀什地區和克州，在吐魯番地區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位參數。

在部分林果資源未分布區域也存在一定的風險性，如果在該區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發生的地區，必須采取科學合理的措施控制春尺蠖災害，阻止其向其他地區擴散蔓延；對于潛在的適生分布區做好春尺蠖災害的檢疫工作。