基于GIS的松材線蟲病空間分布規律研究

摘 要：以安徽省黃山市休寧縣為研究區域，采用地理信息系統（Geographic Information Systems，GIS）研究松材線蟲病的空間分布規律及其與地形、河流和人類活動等因子間的關系，并利用基于最優參數的地理探測器模型篩選出對松材線蟲病空間分異影響最大的因子。結果表明：2022年休寧縣松材線蟲病的重災區和中災區主要集中在東臨溪鎮、榆村鄉、山斗鄉和海陽鎮，部分中災區分布于萬安鎮、商山鎮、五城鎮和源芳鄉；休寧縣松材線蟲病主要分布在高程600 m以下、坡度5°～35°、距河流800 m以內、人類活動強度低的區域，疫情分布與坡向間的關系不明顯；高程對松材線蟲病空間分異的解釋力最高，是影響休寧縣松材線蟲病空間分異的重要因子。

關鍵詞：松材線蟲病；GIS；地理探測器；空間分布

中圖分類號：S763.18 文獻標志碼：A 文章編號：1674-7909-（2023）11-111-4

0 引言

松材線蟲病是一種因松材線蟲寄生在松樹體內所引起的森林病害，具有傳染性強、致死速度快的特點。松樹感染該病后，一般兩三個月便會枯死［1］。自1982年我國發現松材線蟲病以來，疫情快速擴散，西達四川省涼山彝族自治州，北至遼寧省撫順市，目前已擴散至我國19個省（自治區、直轄市） ［2］。松材線蟲病對我國松林生態系統構成了嚴重威脅，每年造成的生態和經濟損失巨大［3］。而掌握松材線蟲病的空間分布規律對于松材線蟲病的預防和治理具有重要作用。基于此，筆者以安徽省黃山市休寧縣為研究區域，利用地理信息系統（Geographic Information Systems，GIS）強大的空間分析功能和地理探測器，研究松材線蟲病的空間分布與環境因子之間的關系，以期為松材線蟲病的預防和治理提供一定的理論參考。

1 研究區概況

休寧縣位于黃山市南部，地處東經117°39′～118°26′、北緯29°24′～30°02′。休寧縣地貌以山地、丘陵為主，中、北部低山丘陵與河谷平原相間；屬于亞熱帶季風性濕潤氣候，四季分明，熱量豐富，雨量充沛。縣境內植被豐盈，林木繁茂，森林面積17.98萬hm2，活立木總蓄積971萬m3，森林覆蓋率82.17%。松材線蟲病是休寧縣主要的森林病蟲害之一。由于高溫干旱會加快松材線蟲病的傳播，因而每年9—10月是松材線蟲病的集中暴發期。

2 研究數據與方法

2.1 數據來源

松材線蟲疫情分布數據來自2022年休寧縣松材線蟲病“空天地”一體化遙感監測調查項目，是基于北京3號衛星影像數據，經過遙感解譯和地面勘查后得到的。高程數據采用ASTER GDEMV3數據，來自地理空間數據云，分辨率為30 m。基礎地理數據包括道路、居民地、建設用地和行政區劃，來自第三次全國土地調查成果報告。

2.2 研究方法

2.2.1 密度分析。密度分析是指根據輸入的要素數據集計算整個區域的數據集狀況，以每個待計算格網點為中心進行區域搜索，計算每個格網點的密度值，從而產生一個連續的密度表面［4］。該研究需要對疫木、道路、居民地和建筑用地數據進行密度分析。

2.2.2 疊加分析。疊加分析是GIS中一項重要的空間分析功能，是在統一的空間參照系統條件下，將同一地區兩類地理對象的圖層進行疊加，以產生空間區域的多重屬性特征，或建立地理對象之間的空間對應關系［5］。該研究將100 m×100 m的網格作為分析單元，將疫木分布數據分別與地形、河流和人類活動數據進行疊加分析，探討松材線蟲病的空間分布與這些因子之間的關系。

2.2.3 地理探測器。地理探測器是一種探測地理空間分異性，以揭示其背后驅動因子的統計學方法［6］。其利用q值來度量因子對地理變量空間分異的解釋力，q值越大表明解釋力越高［7］。q值的計算公式為

式（1）中：h是探測因子的分層；Nh和N分別表示層h和整個區域的單元數；[σ2h]和[σ2]分別為層h和整個區域地理變量的方差。

基于最優參數的地理探測器模型解決了空間數據離散化問題，進一步提取了空間解釋變量中的地理特征和信息，可靈活應用于各類空間數據的全球和區域空間分析［8］。因此，該研究利用基于最優參數的地理探測器來分析影響松材線蟲病空間分布的主要因子。

3 結果與分析

3.1 松材線蟲病疫情空間分布

先將疫木矢量點數據進行點密度分析，而后利用自然間斷法將疫木密度值劃分為4個等級：無疫區（密度值為0）、輕災區（0lt;密度值≤303.33株/km2）、中災區（303.33株/km2lt;密度值≤977.40株/km2）和重災區（977.40株/km2lt;密度值≤4 297.18株/km2），并統計各鄉鎮的疫情等級占比，統計結果如圖1所示。由圖1可知，休寧縣松材線蟲疫情的重災區和中災區主要集中在東臨溪鎮、榆村鄉、山斗鄉和海陽鎮，其中東臨溪鎮東北部和榆村鄉西部災情極為嚴重，部分中災區分布于萬安鎮、商山鎮、五城鎮和源芳鄉；藍田鎮、溪口鎮、流口鎮、汪村鎮、板橋鄉、陳霞鄉和鶴城鄉境內多為輕災區，其中溪口鎮、流口鎮和板橋鄉的疫情發生面積不超過15%；嶺南鄉和龍田鄉發生疫情的面積較小，不超過各自區域面積的10%，且主要是輕災區；白際鄉和璜尖鄉無疫情。

3.2 松材線蟲病疫情與相關因子的關系

3.2.1 疫情與高程的關系。將高程劃分為≤200 m、（200 m，400 m］、（400 m，600 m］、（600 m，800 m］、（800 m，1 000 m］和gt;1 000 m共6個等級，將數字高程模型（Digital Elevation Model，DEM）分級數據與松材線蟲病疫情等級數據進行疊加分析，統計疫情在各高程等級中的分布占比，結果如圖2所示。由圖2可知，休寧縣松材線蟲病疫情主要分布在高程600 m以下的區域，輕、中、重災區在這一范圍內的占比分別達到86.98%、91.89%和94.63%，其中輕災區和中災區在高程（200 m，400 m］范圍內分布最多，重災區在高程200 m以下的區域分布最多，均超過40%。海拔越高，氣溫越低，低溫環境不利于松材線蟲生存和繁殖［9］，故而松材線蟲病疫情多分布于低海拔的山地和丘陵。

3.2.2 疫情與坡度的關系。利用DEM數據計算出坡度，而后將坡度劃分為平坡［0，5°］、緩坡（5°，15°］、斜坡（15°，25°］、陡坡（25°，35°］、急坡（35°，45°］和險坡（45°，90°］共6個等級［10］。由坡度分級數據與松材線蟲病疫情等級數據的疊加統計結果（見圖3）可知，疫情主要分布在（5°，35°］的坡度范圍內，其面積占比超過80%，其中中災區和重災區在（5°，15°］的緩坡區域所占面積最多，占比分別達到37.85%和42.43%。

3.2.3 疫情與坡向的關系。利用DEM數據計算出坡向，而后將坡向劃分為平地、陰坡、半陰坡、半陽坡和陽坡共5個等級［10］。由坡向與松材線蟲病疫情等級數據的疊加統計結果（見圖4）可知，除平地外，各坡向上的疫情分布情況大致相同，輕、中、重災區在陰坡、半陰坡、半陽坡和陽坡上的分布占比均在25%左右。由此可見，休寧縣松材線蟲病疫情的分布與坡向間的關系并不明顯。

3.2.4 疫情與河流的關系。首先利用DEM數據提取出河網數據，而后根據河流的位置，以距河流距離為依據劃分緩沖區，共分為6個級別，分別為（0，200 m］、（200 m，400 m］、（400 m，600 m］、（600 m，800 m］、（800 m，1 000 m］、gt;1 000 m［11］。由松材線蟲病疫情與距河流距離的疊加統計結果（見圖5）可知，輕、中、重災區多分布在距河流1 000 m以內的區域，其中在距河流200～800 m范圍內發生較為普遍，輕、中、重災區在這一距離范圍內的面積占比均超過60%。

3.2.5 疫情與人類活動強度的關系。對道路路網、居民地和建設用地的線矢量文件進行線密度分析，線網密度越大，說明人類活動強度越大。采用自然間斷法將線網密度劃分為3個區間，分別為（0，6.08 km/km2］（人類活動強度低）、（6.08 km/km2，19.24 km/km2］（人類活動強度中等）和（19.24 km/km2，64.57 km/km2］（人類活動強度高）。由人類活動強度與松材線蟲病疫情等級數據的疊加統計結果（見圖6）可知，松材線蟲病疫情的輕、中、重災區均集中分布在人類活動強度低的區域，其面積占比均超過85%。人類活動強度低的區域受人類干擾程度小，疫情發生時難以被人們發現，無法及時防治，導致疫情擴散蔓延。

3.3 松材線蟲病疫情影響因素

根據松材線蟲病疫情與相關因子的分析結果可知，其分布與坡向間的關系并不顯著，故該研究只分析高程、坡度、距河流距離和人類活動強度4個因子對松材線蟲病空間分異的影響。將高程、坡度、距河流距離和人類活動強度作為探測因子帶入地理探測器中，計算這4個因子對松材線蟲病空間分異的解釋力高低。由圖7可知，高程對松材線蟲病空間分異的解釋力最高，遠超過其他3個因子，其次是坡度，人類活動強度的解釋力最低。

4 結論

①2022年休寧縣松材線蟲病疫情的重災區和中災區主要集中在東臨溪鎮、榆村鄉、山斗鄉和海陽鎮，部分中災區分布于萬安鎮、商山鎮、五城鎮和源芳鄉。

②休寧縣松材線蟲病主要分布于高程600 m以下、坡度5°～35°、距河流800 m以內、人類活動強度低的區域，疫情分布與坡向間的關系不明顯。

③高程對松材線蟲病空間分異的解釋力最高，是影響休寧縣松材線蟲病空間分異的重要因子。

參考文獻：

［1］楊寶君.松材線蟲病致病機理的研究進展［J］.中國森林病蟲，2002（1）：27-31.

［2］國家林業和草原局. 國家林業和草原局公告（2022年第6號）（2022年松材線蟲病疫區）［EB/OL］.（2022-03-18）［2023-04-18］.https：//www.forestry.gov.cn/main/3457/20220318/111403492220586.html.

［3］葉建仁.松材線蟲病在中國的流行現狀、防治技術與對策分析［J］.林業科學，2019（9）：1-10.

［4］朱瑜馨，張錦宗.基于ArcGIS密度分析的聊城市道路網分析［C］//2011 International Conference on Ecological Protection of Lakes‐Wetlands‐Watershed and Application of 3S Technology，2010：279-282.

［5］武紅智，陳改英.基于GIS的馬尾松毛蟲災害空間擴散規律分析［J］.遙感學報，2004（5）：475-480.

［6］王勁峰，徐成東.地理探測器：原理與展望［J］.地理學報，2017（1）：116-134.

［7］WANG J F，LI X H，CHRISTAKOS G，et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun Region， China［J］.International Journal of Geographical Information Science，2010（1）：107-127.

［8］SONG Y Z，WANG J F，GE Y，et al. An optimal parameters-based geographical detector model enhances geographic characteristics of explanatory variables for spatial heterogeneity analysis：cases with different types of spatial data［J］.GIScience amp; Remote Sensing，2020（5）：593-610.

［9］GAO R，WANG Z，WANG H，et al. Relationship between pine wilt disease outbreaks and climatic variables in the Three Gorges Reservoir Region［J］. Forests，2019（9）：816-831.

［10］徐少君，曾波，蘇曉磊，等.基于RS/GIS的重慶縉云山自然保護區植被及碳儲量密度空間分布研究［J］.生態學報，2012（7）：2174-2184.

［11］李飛，楊小平，郝紅科.基于DEM對喀斯特地貌山地及水系信息的提取：以桂林陽朔縣為例［J］.測繪與空間地理信息，2015（8）：73-76.

作者簡介：周玲美（1997—），女，碩士，助理工程師，研究方向：資源與環境遙感應用。