華北地區光肩星天牛空間分異性及驅動因素研究

劉德慶 張天媛 張曉麗 宗世祥 黃季夏

(1.北京林業大學森林培育與保護教育部重點實驗室， 北京 100083；2.北京林業大學精準林業北京市重點實驗室， 北京 100083；3.北京師范大學地表過程與資源生態國家重點實驗室， 北京 100875)

0 引言

光肩星天牛(Anoplophoraglabripennis)屬鞘翅目、天牛科害蟲，最早發現于我國和朝鮮半島，在英國、澳大利亞，美國的紐約、芝加哥、新澤西及加拿大的渥太華等地區也發現有分布[1]。我國的光肩星天牛分布范圍比較廣泛，東經100°～127°，北緯21°～43°為我國東部光肩星天牛分布區[2]，且近年來呈現向西擴展的趨勢[2-3]。

光肩星天牛主要危害柳樹、楊樹、桑樹、榆樹等樹種，是制約我國林業發展的重要因子之一[4]。其幼蟲蛀食寄主植物主干木質部，在樹木內部形成永久性空洞和缺損，嚴重影響林木的生長，直至整株枯死[5]。光肩星天牛幼蟲生活隱蔽、蛀孔復雜, 成蟲體壁、鞘翅厚而堅硬、耐藥力強, 世代較長并參差不齊，生殖力強，因而難以對其進行有效防控[6]。我國每年因包括光肩星天牛在內的楊樹天牛而造成的經濟損失多達20億元[7]。光肩星天牛也給北美洲、歐洲多個國家與地區帶來了巨大的經濟損失[8]。美國、俄羅斯均將光肩星天牛及其寄主植物作為重點檢疫對象[3]，光肩星天牛已經引起國內外的高度重視[3,8-9]。

對于陸地生存的光肩星天牛而言，其分布受多種因素的影響，諸如氣候、地理環境，寄主樹種，人類活動以及其本身的適應性。光肩星天牛的分布區呈現不斷擴大的趨勢，因此研究影響或決定其分布的生態因子具有重要意義[3]。文獻[10]分別測定其生長進度、環境物候和有效積溫，得出在一定條件下，害蟲的卵、蛹期與溫度呈負相關關系。文獻[11]將美國作為研究區域發現，溫度較高、寄主物種豐富的地區光肩星天牛發生風險較大；光肩星天牛適應于人類活動地區，交通和工業有利于蟲害的傳播和蔓延[12-13]；此外，光肩星天牛的數量隨著植被覆蓋率的提高而減少[14]。而提升公眾防治蟲害意識、在蟲害發生初期進行大范圍監測和根除工作是控制蟲害的有效途徑[13,15-19]；針對天牛種群寄生與擴散的有關研究發現，光肩星天牛傾向于選擇樹干直徑較大的樹木寄生，種群擴散距離較長，擴散密度隨距離增加而下降，隨時間的延長而減小，擴散方向與盛行風有關，在一定范圍內風速增大有利于種群擴散[20-21]。

目前，對光肩星天牛的研究多從傳統角度出發，集中于森林保護、實驗室分析觀測、遙感監測等手段，防治方法多集中于生物、化學、農業等領域[22]。基于光肩星天牛災害發生的空間關聯性特征，從地理空間分析角度出發的研究較少，對影響蟲害發生的各因素之間的聯系和交互作用研究也極少涉及。

空間分層異質性是空間數據的一大特性，表示層內方差小于層間方差的地理現象[23]。為探測光肩星天牛蟲害的空間分層異質性，本文采用地理探測器模型進行分析。地理探測器是一種用于探測地理事物空間異質性及其驅動機制的空間統計模型。其思想假設為，如果某驅動因子對因變量具有重要影響，則驅動因子和因變量的空間分布應具有相似性[23]。相比于其他模型，地理探測器模型可以解釋地理現象的空間分異規律，刻畫分異特征，在小樣本量基礎上統計精度更高[23]。地理探測器可以探測分區的驅動機制。地理探測器模型運用簡便，假設條件較少，可以處理數值型數據和定性數據，并可探測兩因子交互后的影響[23-24]。

本文在現有研究的基礎上，明確災害和社會經濟、自然氣象等影響因素在華北地區的空間分布特征，研究各影響因素的空間相關性，分析不同影響因素對光肩星天牛的交互作用，運用地理探測器分析環境因子對蟲害發生的解釋力，以期為光肩星天牛的控制和預防提供理論依據。

1 研究區域與數據來源

本研究的區域范圍以我國華北地區為主，包括北京、天津、河北、山東、山西、陜西、安徽、河南等8個省市的下轄縣市，地理空間尺度為區縣級行政單元，共計666個區縣，這些地區為光肩星天牛危害程度嚴重的地區[2]。華北地區夏季高溫多雨，冬季寒冷干燥，屬溫帶季風氣候，以太行山為界，西部為黃土高原，東部為華北平原。相比于其他年份，2008年的光肩星天牛蟲害相關數據較為完備，故本研究采用2008年各區縣光肩星天牛發病率及環境因子數據。其中，2008年發病率和2008年防治率數據由我國國家林業和草原局森林病蟲害防治總站提供；2008年氣象數據來源于國家氣象科學數據共享服務平臺(data.cma.cn)。2008年的社會經濟數據由《中國縣市社會經濟數據統計年鑒》、《中國城市統計年鑒》、《中國區域經濟統計年鑒》等年鑒整理并相互補充而來；2008年NDVI(歸一化植被指數)數據為基于SPOT/VEGETATION以及MODIS等衛星遙感影像得到的數據，計算方法為取每年1—12月的月NDVI最大值，該數據由中國科學院地理科學與資源研究所資源環境科學與數據中心(https:∥www.resdc.cn/)提供，經過ArcGIS分區統計取各區總和，作為該區縣的NDVI。

光肩星天牛蟲害容易受到氣候條件[3,10,20]、植被覆蓋[14]和社會發展[12-13]方面的影響[25]。因此本研究以光肩星天牛發病率為因變量，選取了可能對光肩星天牛災害發生有影響的11個因子(圖1)。所選取的氣象因素包括降雨量、日照時數、平均氣溫、氣溫距平和風速；NDVI作為地區植被覆蓋的指標而列入考察因素；社會經濟因素中，地區生產總值代表某一地區的經濟發展水平，第一、二產業值與農林業的發展密切相關，而第三產業值與農林業關聯不大，故不采用。年末人口數作為人口統計學的指標加入到研究當中。防治率用以表示地區防治蟲害的水平。最終選取地區生產總值、第一產業值、第二產業值、年末總人口數和防治率作為社會經濟指標。

圖1 光肩星天牛發病率的影響因素及其代理變量Fig.1 Determinants of incidence rates of Anoplophora glabripennis and their proxies

2 研究方法

2.1 空間相關性分析

本研究采用空間自相關指數來描述地理事務的發生規律對空間位置的依賴性。主要包括全局空間自相關指數和局部空間自相關指數。全局空間自相關指數用于研究整個區域的空間關聯模式，分析在整個研究范圍內指定的屬性是否具有自相關性，檢驗鄰近地區間的相似性或獨立性。局部空間自相關指數用于揭示空間參考單元屬性特征值之間的相似性或相關性，識別空間集聚和空間孤立，探測空間異質等[26]。Moran指數是用來衡量空間自相關的指數，反映空間鄰接或鄰近的區域單元屬性值的相似程度，分為全局指標和局部指標兩種。Moran指數絕對值越接近1，空間相關性越明顯。全局Moran指數I和局部Moran指數Ii計算公式分別為[27]

(1)

(2)

(3)

(4)

式中xi、xj——i、j單元的人口密度

wi,j——空間權重矩陣元素

S2——方差

空間相關性分析利用GeoDa軟件實現。

2.2 地理探測器

不同地理位置上光肩星天牛發病率顯著不同，可能存在的環境影響因素隨著地理空間的變化而改變[23,28]。假設在地理空間上，如果某種環境因素能夠影響光肩星天牛的發病率，那么該因素與光肩星天牛發病率在地理空間上的分布應具有相似性[29]。通過分析影響因素控制發病率發生的空間統計學特征，可以獲得影響光肩星天牛發生的規律。地理探測器模型無線性假設，能夠探測光肩星天牛的空間分異性，分析不同分層內驅動因子對蟲害的解釋力度，并可進一步探測因子交互作用后的解釋力。地理探測器探測力指標的具體公式為[23]

(5)

式中q——發病率空間分異影響因素探測力指標

Nh——分層h內樣本單元數

N——整個區域樣本單元數

L——分層個數

σ2——整個區域的方差

q的取值區間為[0, 1]，q越大，說明分區因素對發病率的影響越大[23,28]。

地理探測器的機理[29]如圖2所示，Ω表示整個地理空間，H表示光肩星天牛發病率的分布，且H為均勻的格點數據；C和D表示影響光肩星天牛發病率因子的分布。疊加發病率和影響因子的分布，q越大，因子對發病率的解釋力越強，即發病率的空間分布由影響因子的空間分布控制。

圖2 地理探測機理示意圖Fig.2 Principle of geographical detector

地理探測器主要由4方面組成：風險探測，判斷兩個分層之間的屬性值差別是否顯著，用t統計量來檢驗；因子探測，探測因變量的空間分異性以及某影響因素在多大程度上解釋了因變量的空間分異，用q度量；生態探測，用于比較兩影響因素對因變量空間分布的影響是否有顯著的差異，以F統計量來衡量；交互探測，探究兩個影響因子之間的交互作用，當兩個自變量共同作用時是否增強或減弱了對因變量的解釋能力，或是相互獨立解釋研究對象[23]。

由于地理探測器要求輸入數據為離散值，進行探測之前首先在研究區域矢量數據的基礎上構建5 km×5 km漁網增加樣本點，均勻分布在研究區內部，共18 930個點。采用模擬退火算法對因變量數據進行分級，并設置分級數為5、6、7，當分級數為6時，得到的各因子解釋力最強，故將各連續型數值因子離散化為6個等級。

3 結果與分析

3.1 光肩星天牛發病率及影響因子空間分布

研究區域內光肩星天牛發病率和自然、社會經濟指標的空間分布如圖3所示，發病率較高的地區主要分布在河北省北部、山西省、陜西省，河北省南部、河南省中南部及山東省的發病率較低且防治力度強(圖3a、3g)。降雨量呈現出從西北到東南逐漸增多的趨勢，陜西、山西和河北3省的北部日照充足，日照時數向南逐漸減少(圖3b、3c)；環渤海地區風速較大，山東省煙臺、威海市風力強勁，研究區中南部風速較小(圖3d)；從河南省、安徽省向西北年平均氣溫逐漸降低，河北省和山西省交界的區域年均氣溫波動較大(圖3e、3f)。經濟指標當中，研究區中東部的第一產業值普遍高于西部(圖3i)，地區生產總值和第二產業值的空間分布基本一致(圖3h、3j)。人口較多的地區集中在安徽省北部和河南省東部(圖3k)，陜西省、河南省和安徽省的植被覆蓋水平比較高(圖3l)。可以看出，研究所選取的影響因素具有明顯的空間分布特征。

圖3 華北地區(北京、天津、河北、山東、山西、陜西、安徽、河南8省市)光肩星天牛發病率與各自然社會經濟指標空間分布圖Fig.3 Spatial distributions of incidence rate and natural socio-economic indicators

研究區域內光肩星天牛發病率及各影響因子的數學分布特征如表1所示。研究區域的經濟發展水平不平衡，標準差相對來說較大(地區GDP標準差為510.30億元)，最小年末總人口數和最大值相差懸殊；考慮實際地理位置，氣象因素的數據變化在合理范圍內，各地區降水(標準差為233.69 mm)和日照條件(標準差為283.81 h)有明顯的差異。

表1 光肩星天牛發病率和自然、社會經濟指標的描述性統計Tab.1 Descriptive statistics of incidence rate and natural socio-economic indicators

光肩星天牛發病率及各影響因子全局Moran指數如表2所示。從表中可以看出，各指標的Moran指數均為正值，說明這些指標存在正的空間自相關性。各氣象指標的Moran指數很高，在0.89以上，顯著性水平為0.001，具有統計意義，表現出顯著的空間聚集性。通過局部Moran指數判別集聚(LISA)

表2 光肩星天牛發病率與各影響因素的全局Moran指數及檢驗結果Tab.2 Global Moran’s I and significance test results

類型(圖4)可以看出：山西省北部發病率聚集程度較高，聚集模式以“高發病率-高發病率”聚集為主；山東省、安徽省等地主要集聚模式為“高發病率-低發病率”聚集；山西省、陜西省和河北省多出現“低發病率-高發病率”聚集。防治率高的地區集中在河南省南部以及河南省和山東省交界地帶，聚集模式以“高發病率-高發病率”聚集為主，周邊則多為“低發病率-高發病率”聚集模式。結合發生率的空間分布可以看出這些區域的發病率普遍較低(圖4a)，初步判斷防治措施可以有效控制光肩星天牛蟲害。

圖4 光肩星天牛發病率與各影響因素的LISA集聚圖Fig.4 LISA diagrams of incidence rate and influencing factors

3.2 風險探測

采用風險探測器探究不同的自變量對災害發生率的影響，得到風險探測結果如表3所示。從表3中可以看到，在4.49～6.27℃這一氣溫區間中，風險探測得分較高，發病風險較大；風速在1.7 m/s左右光肩星天牛發病最為聚集。當降雨量達到475 mm左右，平均發病率保持在較高水平，為70%。較高時長的日照容易引發災害，日照時間過長或過少，發病率相應維持在低水平；氣溫距平在0.115～0.116℃區間內災害發生最為聚集。各社會經濟因素與發病率取值之間的關系呈雙峰態勢。以第二產業值為例，當區間為0.70億元～0.81億元和2.42億元～2.44億元時，發病率分別為50%和87.43%，在其他區間發病率處于低水平狀態。

表3 風險探測結果Tab.3 Results of risk detection

3.3 因子探測

利用因子探測器得到各影響因子對災害發生率的解釋力，按照q從大到小排序如下：防治率(0.37)、人口(0.29)、地區GDP(0.28)、第二產業值(0.26)、降雨量(0.22)、NDVI(0.20)、第一產業值(0.12)、平均氣溫(0.10)、氣溫距平(0.07)、日照時數(0.06)、風速(0.05)。結果顯示，地理分區解釋力最強的是防治率，人口數、地區GDP和第二產業值等社會經濟指標對發病率的解釋能力比較強。在氣象因素中，降水和氣溫兩個影響因素對光肩星天牛發病率的分布差異解釋力最強，分別為22%和10%，說明這兩個因子對于光肩星天牛發病有一定的影響意義。

3.4 生態探測

利用生態探測器分析各影響因子解釋發生率時是否存在顯著差異，其結果如表4(其中Y表示存在顯著差異，N表示不存在顯著差異)所示。防治率對發病率的影響與其他所有影響因子都有顯著的不同；除降雨量與氣溫和風速之間在解釋力上具有顯著差異之外，氣象因素之間沒有明顯的解釋差異。社會經濟因素中，第一產業值與第二產業值有顯著差異，人口數、地區GDP分別與第一或第二產業值對光肩星天牛發病率的影響無顯著差異。從風險探測的結果來看，按照解釋力的顯著性聚類的思想，可將平均氣溫、風速、第一產業值和第二產業值劃分為影響顯著的一類，剩下的因子則劃分為影響不顯著的一類。綜合生態探測器和因子探測器的結果，平均氣溫、第一產業值和第二產業值對光肩星天牛發生率影響顯著。

表4 不同影響因子對發生率的統計顯著性差異Tab.4 Significance difference between different influencing factors on incidence rate

3.5 交互探測

利用交互探測器可以獲得兩個不同的影響因子對發病率的交互影響(表5)。平均氣溫單獨對光肩星天牛發生率的解釋力為10%，地區GDP單獨作用于發生率時解釋力為28%，交互作用之后的解釋力變為35%，兩者共同作用的結果高于各自單獨作用的結果。進一步分析，因子交互的解釋力增強可分兩種情況：①某兩種影響因子交互作用后非線性增強，即兩者共同作用的q大于分別作用的q加和。結合表5，降雨量(q=0.22)和人口數(q=0.29)交互作用后q(0.56)大于兩者單純加和，作用力非線性增強。非線性增強說明兩個因子結合會產生單獨作用之外的影響。類似地，平均氣溫、降雨量、防治率、人口數4個因素兩兩之間交互作用后解釋力均呈非線性增強；人口數和第一產業值、防治率和風速之間交互作用也出現非線性增強的現象。②兩種影響因子相互獨立作用，即兩者共同作用的q等于分別作用的q加和。觀察探測結果可以得出，相比其他因子，平均氣溫和日照時數參與交互作用時更有利于提高對發生率的解釋力；地區GDP、防治率和降雨量對交互解釋的提高程度相對較低。

表5 兩種因子對災害發生率影響的交互作用Tab.5 Interaction between two factors affecting disaster incidence

4 討論

本研究中對生態因子的探測與目前研究發現的結果基本一致[3,10,30-32]。光肩星天牛漫長的幼蟲期需有足夠的積溫指標，才能完成其各齡期的生長發育，而且在短期內光肩星天牛難以向低溫地區擴散[30]。實驗室分析研究表明，在溫度超過發育起點溫度7.44℃的條件下，卵蛹期的長短與溫度呈負相關關系[10,31-32]。王志剛[3]歸納出光肩星天牛危害嚴重地區的年均氣溫在3.9℃以上，年均相對濕度44.9%以上。這與本研究中風險探測出的結果保持一致：當年平均氣溫4.49～6.27℃、降雨量達到475 mm左右時，發病率保持在較高水平。生態因子在種群擴散方面也起到了一定作用。溫俊寶等[20]在標記回捕試驗中發現天牛的擴散與溫度有關，一般隨溫度升高而下降，并且在一定范圍內(0.3～1.8 m/s)風速的增大有利于天牛的擴散，這是天牛長期適應自然界的結果。本研究發現，風速在1.8 m/s以下平均發病率聚集，高于1.8 m/s則幾乎沒有蟲害發生，而當溫度超過7℃后發生率顯著減少，說明光肩星天牛對溫度的條件要求應處于一定的范圍內。

社會經濟方面，地區GDP水平較低的地區發病率高，第一、二產業和農林業密切相關。風險探測結果表明，第一產業值低于8億元、第二產業值低于3億元的地區光肩星天牛發病普遍聚集；人口數較少的地區平均發病率較高，可從側面反映該地區社會經濟發展水平較低。而在經濟發展水平高的地區，發病率被控制在2%以內。人為因素對于光肩星天牛災害的防治起到關鍵的作用。因子探測發現，防治率對災害發生率的解釋力最高，P達到了0.37。風險探測表明當防治率大于86%時發病率顯著減少。目前已有研究也有類似的發現，但均沒有做到系統化。郭秋月[15]發現在養護管理水平較高的地區柳樹受害率為10.09%。而缺乏專業養護管理的地區柳樹受害率最高，可達83.19%，可見防治率較高的區域發病率顯著降低。樹種引進也可導致光肩星天牛的發生。近年來城市綠化工作廣泛開展，苗木調運過程中容易出現檢疫欠缺、引種疏忽等問題，導致引入蟲害。劉輝芳[33]發現，幼齡柳樹栽植年限少，發病嚴重，因此認為苗木帶蟲可能性極大。NDVI的風險探測結果說明植被覆蓋度高、綠化水平好的地區不容易受到蟲害的干擾。綜上所述，光肩星天牛的發生與當地發展水平、綠化程度、病蟲害防治措施和管理意識等有直接的聯系[34]。地區經濟發展水平較高時，對農林業病蟲害的控制能力也會提高到一定的水平。

與目前已有研究相比，本文在影響因子的交互作用方面有了新的研究成果。從交互探測結果來看，導致光肩星天牛發病更為重要的原因是影響因子之間的疊加交互，而單一因子的解釋力不足以說明問題。研究表明，當降雨量和防治率共同作用時對發病率的解釋力非線性增強并達到最大。通過研究交互作用后解釋力非線性增強的因子，對病蟲害的防治可以從多個角度共同入手。同時，本研究還發現部分影響因子對發生率影響呈雙峰或多峰態勢。降雨量和平均氣溫影響下的發病率雖然整體來說集中在一定指標范圍內，但是在特定的區間內，發病率卻非常低，比如平均氣溫區間分別為4.49～4.67℃、6.16～6.27℃時平均發病率都比較集中，分別達到50%左右，這兩個區間間隔都比較小，但是4.67～6.16℃這一區間內的發病率卻只有6%。各社會經濟指標、NDVI、防治率都出現了類似的現象。

5 結束語

以我國北方地區666個縣市的相關指標為樣本，首先分析了光肩星天牛發病率及其影響因素的空間分布，之后采用地理探測器的方法分析光肩星天牛發病率空間分布及其影響因素。結果顯示，發病率在山西省北部地區表現為高-高聚集，受災情況嚴重；在山東省、安徽省等地多出現高-低聚集的現象。地理探測的結果表明，所選的氣象和社會經濟因素對光肩星天牛發病率都有一定的影響。從對發病率的解釋力來看，經濟因素中人口數和地區生產值的解釋能力較高，自然氣象因素中降雨量和平均氣溫能夠較好地解釋發病率。從風險探測的結果來看，在相對溫暖、降水多的地區，光肩星天牛災害比較容易發生；而人口數較多、GDP較高的地區社會經濟發展情況較好，光肩星天牛災害發病率相應地維持在低水平。采用高效的防治措施可以有效緩解災情。在分析各因素對發病率影響基礎上，通過探討各因素的交互作用，發現氣象要素和社會經濟要素交互后可以提高解釋力。相關地區可根據本地各氣象和社會經濟發展指標大體預測本地光肩星天牛發病情況。