銀合歡豆象在云南省的潛在分布區(qū)預測

楊欣等

摘 要 為了掌握銀合歡豆象在云南的潛在分布區(qū)，為銀合歡豆象在云南省的發(fā)生、早期預警和防控提供參考資料，利用銀合歡豆象的分布點數(shù)據(jù)和環(huán)境因子數(shù)據(jù)，通過Maxent生態(tài)位模型預測了銀合歡豆象在云南省的適生范圍區(qū)。結果表明：銀合歡豆象在云南省適生范圍分為4級，高適生區(qū)以綠色表示；中適生區(qū)以藍色表示；低適生區(qū)以淺黃表示；非適生區(qū)以紅色表示。利用ROC曲線分析法對預測結果進行驗證表明：其訓練數(shù)據(jù)和測試數(shù)據(jù)分別為0.995和0.996，遠大于隨機分布模型的AUC值0.5，說明預測結果可靠。

關鍵詞 銀合歡豆象；Maxent生態(tài)位模型；潛在分布區(qū)；ArcGIS軟件；云南省

中圖分類號 S431.3 文獻標識碼 A

Prediction of Potential Geographical Distribution of

Acanthoscelides macrophthalmus in Yunnan Province

YANG Xin1，XIONG Zhongping2，TONG Yougui1，ZHANG Kaicun1，

ZHANG Huiyan1*，YANG Weixian1，SHI Yanping3

1 Forest Disease and Insect pest Control and Quarantine Protection Station of

Dongchuan，Kunming，Yunnan 654100，China

2 Faculty of forestry Southwest Forestry University/ Key Laboratory of Forest Disaster

Warning and Control， Kunming， Yunnan， 650224 China

3 Bureau of Housing and Urban-rural Development of Dongchuan，Kunming，Yunnan 654100，China

Abstract Ecological niche modelling technique， Maximum Entropy（Maxent） were used to predict the potential distribution of Acanthoscelides macrophthalmus in Yunnan Province based on associations between known occurrence records and a set of environmental variables in order to grasp the potential distribution， to provide a reference for insect pest situation， early warning， and the prevention and control of A. macrophthalmus. The results showed that the suitable areas for A. macrophthalmus were divided into 4 grades by different colors： black for the highly suitable areas， dark grey for the moderate suitable areas， light grey for the low suitable areas and white for the unsuitable areas. The use of ROC curve analysis to verify the predicted results showed that the training data and test data was 0.995 and 0.996， respectively， much larger than the random distribution model AUC value of 0.5， indicating it was reliable.

Key words Acanthoscelides macrophthalmus；Maxent；potentical distribution；ArcGIS；Yunnan Province

doi 10.3969/j.issn.1000-2561.2014.08.035

銀合歡豆象[Acanthoscelides macrophthalmus（Schaeffer）]是外來入侵害蟲，隸屬豆象科（Bruchidae）三齒豆象屬（Acanthoscelides），嚴重危害銀合歡（Leucaena leucocephala）種子[1-3]。該蟲原分布南美洲，2004年吳立心等在中國臺灣首次發(fā)現(xiàn)并于2007年公開報道[4]；1999年后覃新導等在中國大陸海南、云南、廣西等地也陸續(xù)發(fā)現(xiàn)，并于2007年公開報道[3]；截至目前已報道的云南分布區(qū)包括元謀、龍陵兩地[3， 5]。新銀合歡為云南省干熱河谷地區(qū)主要造林樹種被廣泛種植，對生態(tài)脆弱地區(qū)的生態(tài)恢復具有重要的經(jīng)濟、社會和生態(tài)價值[1]。Maxent（Maximum Entropy）是一種廣泛應用的適生區(qū)預測模型，已應用于多種外來入侵物種和危險性生物的前期預警和適生區(qū)預測，已成為風險定量化分析的重要工具[6-8]。以往的潛在分布區(qū)預測研究涉及油茶象、加拿大一枝黃花、實蠅、線蟲、疫病菌等[9-14]。目前，在銀合歡豆象適生性的風險評估方面尚屬空白。因此，本文以銀合歡豆象的分布數(shù)據(jù)和研究區(qū)域的環(huán)境數(shù)據(jù)為基礎，利用Maxent生態(tài)位模型預測其在云南省的潛在分布范圍，以期為阻止銀合歡豆象的擴散、早期監(jiān)測和預警提供指導。

1 材料與方法

1.1 試驗時間、地點

試驗數(shù)據(jù)收集于2011～2013年，試驗具體地點見表1；調查方法為：在研究地觀察記錄地面上銀合歡老莢果、種子的危害情況，或者采集樹上的待熟和成熟莢果，每個地點單獨裝袋，帶回實驗室觀察記錄危害情況。軟件分析于2013年9月在云南省森林災害預警與控制重點實驗室內完成。

1.2 數(shù)據(jù)整理

通過實地調查和查閱相關資料得到銀合歡豆象在云南省的實際分布點信息，并將其地理位置信息整理記錄（表1）。

1.3 預測的環(huán)境數(shù)據(jù)、過程和方法

本研究使用的環(huán)境數(shù)據(jù)均來自WorldClim （http：//www.worldclim.org/），包括降水和氣溫方面的20個變量。然后利用MaxEnt模型的規(guī)則訓練數(shù)據(jù)、Jackknife法分析確定最優(yōu)的環(huán)境參數(shù)、確定預測精度要求、分布底圖生成、與地理區(qū)劃圖疊加等一序列過程最終成圖，用不同顏色區(qū)分不同的適生范圍。并利用ROC（receiver operating characteristic）曲線分析法對風險分析的結果進行檢驗[15-18]。

2 結果與分析

2.1 銀合歡豆象在云南省的潛在分布區(qū)

銀合歡豆象在云南省縱谷區(qū)具有廣泛的適生范圍，約占云南省總面積的1/3左右（圖1）。根據(jù)每個柵格的分級標準.銀合歡豆象在云南省的潛在分布區(qū)可分為高適生區(qū)、中適生區(qū)、低適生區(qū)和非適生區(qū)（圖1）。

（1）高適生區(qū)：主要分布在23～26°N這個區(qū)間中。集中分布于滇中，昆明市東川區(qū)、楚雄州、文山州的大部分地區(qū)。包括了昆明市東川區(qū)、昭通市巧家，麗江華坪縣，鶴慶，大理州賓川、祥云、漾濞、彌渡、巍山、南澗，保山市、永平、昌寧，楚雄元謀、大姚、南華、雙柏、祿豐，玉溪、易門、峨山、新平，紅河州建水、通海、開遠、蒙自、個舊，文山州彌勒等地縱（河）谷地區(qū)。

（2）中適生區(qū)：主要包括昭通市巧家，曲靖會澤、宣威、馬龍、師宗、羅平，昆明尋甸，麗江永勝縣，大理州大理、祥云，保山市、施甸、昌寧、騰沖，臨滄、永德、云縣、耿馬、滄源、西盟，楚雄姚安、牟定，玉溪新平，普洱、鎮(zhèn)遠、景東、景谷、墨江，西雙版納景洪，紅河州建水、個舊、屏邊，文山州丘北、硯山、廣南等地縱（河）谷地區(qū)。

（3）低適生區(qū)：主要分布于23°N以下的大部分區(qū)域，滇西南德宏州，臨滄，普洱，西雙版納州，文山州，紅河州的大部分地區(qū)。

（4）非適生區(qū)：集中分布在26°N以上的滇西北和滇東北的整個高海拔區(qū)域，以及滇南，滇東南的邊境的小部分地區(qū)。

2.2 銀合歡豆象潛在分布區(qū)生態(tài)環(huán)境因子分析

在對20個環(huán)境變量的重要性分析中，影響銀合歡豆象潛在分布的主要環(huán)境因子有7個（圖2），按照對存在概率貢獻值由大到小的順序排列依次是：晝夜溫差與年溫差比值（bio_3）、年平均溫（bio_1）、最冷月份最低溫（bio_6）、年溫變化范圍（bio_7）、最冷季度平均溫度（bio_11）、最干季度平均溫度（bio_9）、溫度變化方差（bio_4）。其中，年平均溫與晝夜溫差與年溫差比值對銀合歡豆象預測的分布有重要的影響。

2.3 對Maxent模型預測結果的可靠性驗證

對銀合歡豆象潛在分布區(qū)的預測結果，利用ROC特征曲線分析進行準確性驗證。由圖3可知，其訓練數(shù)據(jù)和測試數(shù)據(jù)均遠離隨機分布模型的ROC曲線，訓練數(shù)據(jù)AUC值為0.995，測試數(shù)據(jù)AUC值為0.996，都遠大于隨機分布模型的AUC值0.5，說明預測的結果準確可靠。

3 討論與結論

本研究結合ArcGIS軟件，利用銀合歡豆象的分布數(shù)據(jù)和Maxent模型，預測了銀合歡豆象在云南省的潛在分布區(qū)，并分為高適生區(qū)、中適生區(qū)、低適生區(qū)和非適生區(qū)等4個等級。通過生態(tài)因子的分析表明，銀合歡豆象在云南省的低海拔的縱（河）谷地區(qū)適生面積非常廣泛，其分布與分布區(qū)年平均溫和晝夜溫差與年溫差比值變化范圍這2個參數(shù)有密切的關系?？煽啃则炞C試驗也表明，預測結果準確、可信。綜上所述，本研究對今后研究銀合歡豆象的發(fā)生和預警防控具有重要的參考價值和指導作用。

Maxent模型預測結果是在銀合歡豆象的基礎生態(tài)位的前提下，考慮非生物和寄主因素的影響而建立的特定適生模型[19]。該適生模型顯示的棲息地分布格局，反映了昆蟲在基礎生態(tài)位和實際生態(tài)位中對空間需求的內在生物學特性[20-21]。因此，預測結果可能不一定與實際完全吻合，其真實的分布還與寄主、昆蟲本身的特性、所處的小環(huán)境氣候和偶遇的極端氣候等相關。但是，對比目前用于潛在分布區(qū)預測的幾種軟件GARP、Bioclim、Climex等，每個軟件均有各自的優(yōu)點和局限[13，16，22]。Maxent 預測模型以其規(guī)范化的程序、明確的算法而被廣泛運用于物種的潛在分布區(qū)預測。王運生等[18]對Garp、Bioclim、Climex、Maxent、Domain 5 種模型進行ROC 曲線分析表明：MaxEnt 模型的AUC值最大，說明其結果更好。綜上各方利弊，這也是本研究選取Maxent模型來進行預測的原因。除此之外，結合考慮銀合歡豆象的寄主及其他非生物因素：寄主方面，銀合歡豆象的寄主除銀合歡外，還有合歡屬的其他植物并可為害南洋楹Falcataria moluccana[5]；但南洋楹在云南省沒有自然分布[23]；銀合歡屬植物在云南省的主要栽培種為銀合歡，且在東川、思茅、瀾滄、景洪、南華、元謀、元江等地區(qū)的低海拔縱向河谷地區(qū)有大面積引種栽培[24]；這與預測結果也非常吻合。非生物因素方面，寄主銀合歡在云南主要分布在低海拔縱向河谷地區(qū)，特別是干熱河谷地區(qū)，除降水、氣溫和海拔外的環(huán)境因較為相似，因此選取Maxent模型也較為可取。當然，一個生物在環(huán)境中的關系是紛繁復雜的，要更準確反映其潛在分布區(qū)預測，還要考慮更多其他因素，這也是對物種潛在分布區(qū)預測要做的更進一步研究。

參考文獻

[1] 覃新導， 周 祥， 王 濤， 等. 銀合歡豆象生物學特性及其防治[J]. 熱帶作物學報， 2012， 32（12）： 2 340-2 345.

[2]張生芳. 三齒豆象屬幾種銀合歡豆象的識別[J]. 植物檢疫， 2007， 21（6）： 353-355.

[3] 覃新導， 張生芳， 張輝波， 等. 中國南部新發(fā)現(xiàn)的入侵害蟲一銀合歡豆象[J]. 熱帶作物學報， 2007， 28（3）： 101-103.

[4]吳立心， 吳文哲， 王巧萍， 等. 臺灣之新記錄豆象一銀合歡豆象（Acanthoscilides macrophthalmus）（鞘翅目：豆象科）[J]. 植物保護學會會刊， 2007（49）：75-80.

[5] Tuda， M.， L. H. Wu， Y. Tateishi， et al. 2009. A novel host shift and invaded range of a seed predator， Acanthoscelides macrophthalmus（Coleoptera： Chrysomelidae： Bruchinae）， of an invasive weed， Leucaena leucocephala. Entomol[J]. Sci. 12： 1-8.

[6] 徐 磊， 潘涌智， 黃陽洋. 油茶象的潛在分布區(qū)預測[J]. 福建林業(yè)科技， 2011， 38（4）： 55-58.

[7] Andson R P， Real V S. Artefactual ansences in species distributions： test for Oryzomys albigularis（Rodentia： Muridae） in Venezuela[J]. Journal of Biogeography， 2003（30）： 591-605.

[8] De Meyer M， Robertson M P， Peterson A T， et al. Ecological niches and potential geographical distrubutions of Mediterranean fruit fly（Ceratitis capitata）and Natal friut fly（Ceratitis rosa）[J]. Journal of Biogeography， 2008（35）： 270-281.

[9] 馮益明， 劉洪霞. 基于MaxEnt與GIS的銹色棕櫚象在中國潛在的適生性分析[J]. 華中農業(yè)大學學報， 2010， 29（5）： 552-556.

[10] 雷軍成，徐海根. 基于MaxEnt的加拿大一枝黃花在中國的潛在分布區(qū)預測[J]. 生態(tài)與農村環(huán)境學， 2010， 26（2）： 137-141.

[11] Li B N， Wei W， Ma J， et al. Maximum entropy niche-based modeling（Maxent）of potential geographical distributions of fruit flies Dacus bivittatus， D. ciliatus and D. Vertebrates（Diptera： Tephritidae）[J]. Acta Entomologica Sinica， 2009， 52（10）： 1 122-1 131.

[12] Li B N， Wei W， Ma J， et al. Predition of the potential distribution of Ceratitis anonae in China based on ecological niche modeling[J]. Journal of Environmental Entomology， 2009， 31（4）： 291-299.

[13] 王運生， 謝丙炎， 萬方浩， 等. 相似穿孔線蟲在中國的適生區(qū)預測[J]. 中國農業(yè)科學， 2007， 40（11）： 2 502-2 506.

[14] 曾 輝， 黃冠勝， 林 偉， 等. 利用MaxEnt預測橡膠南美葉疫病菌在全球的潛在地理分布[J]. 植物保護， 2008， 34（3）： 88-92.

[15] Peterson A T， Papes M， Eaton M. Transferability and model evaluation in ecological niche modeling： a comparison of GARP and Maxent[J]. Ecography， 2007（30）： 550-560.

[16] Steven J Phillips， Robert P. Anderson， Robert E. Schapire. Maximum entropy modeling of species geographic distributions[J]. Ecological Modelling， 2006（190）： 231-259.

[17] Wiley III E， McNyset K M， Peterson AT， et al. Niche modeling and geographic range prediction in the marine environment using a machine-learning algorithm[J]. Oceanography， 2003， 16： 120-127.

[18] 王運生， 謝丙炎. ROC曲線分析在評價入侵物種分布模型中的應用[J]. 生物多樣性， 2007， 15（4）： 365-372.

[19] Broennimann O， Treier U A， Muller-scharer H， et al. Evdence of climatic niche shift during biological invasion[J]. Ecological Letters， 2007（10）： 701-709.

[20] Giovanelli J G R， Haddad C F B， Alexandrino J. Predicting the potential distribution of the alien invasive American bullfrog（Lithobates catesbeianus）in Brazil[J]. Biological Invasions， 2008（10）： 585-590.

[21] Guisan A， Zimmermann N E. Predictive habitat distribution models in ecology[J]. Ecological Modelling， 2000， 135（2/3）： 147-186.

[22] 盧 輝， 鐘義海， 徐雪蓮， 等. 基于MaxEnt模型的對粒材小蠹的適生性分析[J]. 熱帶作物學報， 2013， 34（11）： 2 239-2 245.

[23] 中國科學院昆明植物研究所. 云南植物志（第10卷）種子植物[M]. 北京： 科學出版社， 2006（10）： 284-339.

[24] 蔣 龍， 尹 俊. 云南地區(qū)銀合歡屬種質資源保護利用[J]. 草業(yè)與畜牧， 2009， 168（11）： 1-5.