氣候變化對灰飛虱分布的影響及風(fēng)險(xiǎn)分析

王茹琳,王閆利,姜 淦,沈沾紅,林 姍(.四川省農(nóng)村經(jīng)濟(jì)綜合信息中心，四川 成都 60072; 2.高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室,四川 成都 60072)

氣候變化對灰飛虱分布的影響及風(fēng)險(xiǎn)分析

王茹琳1,2,王閆利1,姜 淦1,沈沾紅1,林 姍1
(1.四川省農(nóng)村經(jīng)濟(jì)綜合信息中心，四川 成都 610072; 2.高原與盆地暴雨旱澇災(zāi)害四川省重點(diǎn)實(shí)驗(yàn)室,四川 成都 610072)

利用最大熵生態(tài)位模型MaxEnt和ArcGIS軟件分析并預(yù)測灰飛虱在我國的風(fēng)險(xiǎn)區(qū)變化，揭示氣候變化對該蟲害帶來的影響。結(jié)果表明，在當(dāng)前氣候條件下，灰飛虱在我國的極高風(fēng)險(xiǎn)區(qū)為上海、江蘇、天津、山東大部、安徽東部、四川東部等地，高風(fēng)險(xiǎn)區(qū)為湖北、湖南、江西、浙江、廣西、貴州、重慶和河南等地。2020時(shí)段(2011—2020年)，在溫室氣體A1b(能源需求平衡)排放情景下，灰飛虱在我國的極高風(fēng)險(xiǎn)區(qū)總面積略有增加，高風(fēng)險(xiǎn)區(qū)面積顯著減少；A2a(能源需求較高)排放情景下高風(fēng)險(xiǎn)區(qū)面積顯著減少，主要分布在長江流域以南地區(qū)。2050時(shí)段(2041—2050年)，A1b、A2a 、B2a(能源需求較低) 3種排放情景下，灰飛虱在我國的極高風(fēng)險(xiǎn)區(qū)面積均有所增加，但增幅均不明顯；而高風(fēng)險(xiǎn)區(qū)面積均有所減少。因此，氣候變化對灰飛虱在我國的分布有較大影響。

灰飛虱； 分布； 氣候變化； 風(fēng)險(xiǎn)分析； MaxEnt； 預(yù)測

灰飛虱(Laodelphaxstriatellus)是水稻的毀滅性害蟲之一，隸屬于昆蟲綱(Isecta)半翅目(Hemiptera)飛虱科(Delphacidae)[1]?；绎w虱廣泛分布于東亞、東南亞、歐洲和北非等國家和地區(qū)[2]。在我國該蟲主要危害華北稻區(qū)和長江中下游地區(qū)[3]?；绎w虱作為重要的傳毒媒介，可傳播水稻條紋葉枯病、黑條矮縮病等重要病毒病，20世紀(jì)60年代曾在江浙一帶造成嚴(yán)重的經(jīng)濟(jì)損失，近年來灰飛虱又多次暴發(fā)成災(zāi)，給水稻生產(chǎn)造成嚴(yán)重的威脅[4-5]。

生態(tài)位模型的工作原理是：利用物種的地理分布數(shù)據(jù)(分布點(diǎn)經(jīng)、緯度信息)和環(huán)境數(shù)據(jù)，以不同生物所需的特殊生存環(huán)境(生態(tài)位要求)為依據(jù)，利用特定數(shù)學(xué)算法，模擬或歸納特定物種的生態(tài)位需求，將其投射到目標(biāo)地區(qū)，因此而獲得的結(jié)果即為目標(biāo)物種的豐富度、出現(xiàn)概率或生境適宜度[6]。近年來，多種生態(tài)位模型(MaxEnt、GARP、Bioclim、ENFA和Domain等)在物種潛在地理分布預(yù)測方面取得了良好的效果，同時(shí)在生態(tài)學(xué)、考古學(xué)、生物地理學(xué)、進(jìn)化和保護(hù)生物學(xué)等領(lǐng)域得到廣泛應(yīng)用[7-8]。MaxEnt是一種基于最大熵原理對物種地理分布進(jìn)行預(yù)測的生態(tài)位模型[9-12]，同其他生態(tài)位模型相比具有僅需少量數(shù)據(jù)即可進(jìn)行預(yù)測且較其他方法更精確的優(yōu)點(diǎn)[13-17]。

近年來，隨著全球氣候變暖的不斷加劇，出現(xiàn)了病蟲害繁殖代數(shù)增多、越冬死亡率降低和發(fā)生期提前等一系列問題，因此有必要采取不同的研究方法評估氣候變化對病蟲害未來分布的影響。預(yù)測氣候變化背景下的病蟲害適生區(qū)的變化，對及時(shí)掌握病蟲害的發(fā)生發(fā)展規(guī)律、建立健全病蟲害防控機(jī)制具有重要參考意義。本研究以水稻的重要害蟲灰飛虱為研究對象，借助 MaxEnt模型和ArcGIS軟件評估灰飛虱在當(dāng)前時(shí)段(1950—2000年)的分布狀態(tài)、2020時(shí)段(2011—2020年)和2050時(shí)段(2041—2050年)的變化，得到不同時(shí)期灰飛虱種群分布面積的變化，以此揭示氣候變化對該蟲害帶來的深刻影響，為制定合理的管理和保護(hù)策略提供科學(xué)的理論依據(jù)。

1 材料和方法

1.1 灰飛虱地理分布信息的獲取

實(shí)地調(diào)查、檢索國內(nèi)外發(fā)表論文、查詢數(shù)據(jù)庫及標(biāo)本館記錄為獲取物種地理分布數(shù)據(jù)的4種主要途徑[18-19]。本研究中，通過檢索全球物種多樣性信息庫(GBIF，http://www.gbif.org/)、高校教學(xué)標(biāo)本資源共享平臺(tái)(http://mnh.scu.edu.cn/)和國內(nèi)外公開發(fā)表的有關(guān)灰飛虱的論文，共獲得灰飛虱在全球的分布點(diǎn)276個(gè)。276個(gè)分布點(diǎn)中，有準(zhǔn)確經(jīng)緯度信息的直接使用；對于只有地名的分布點(diǎn)，通過地名查詢系統(tǒng)GeoName(http://www.geonames.org/)查詢具體經(jīng)緯度。MaxEnt軟件運(yùn)行時(shí)，灰飛虱的地理信息數(shù)據(jù)需保存為“*.CSV”格式文件，保存順序?yàn)椋何锓N名(species)、經(jīng)度(dd long)和緯度(dd lat)[20-21]。

1.2 環(huán)境層數(shù)據(jù)和地圖數(shù)據(jù)的獲取與處理

1.2.1 環(huán)境層數(shù)據(jù)的獲取與處理 環(huán)境數(shù)據(jù)包括年平均氣溫、最暖月最高溫度、最濕月降水量等19個(gè)全球環(huán)境生物氣候變量，變量代碼、描述以及指標(biāo)代表的意義見表1，數(shù)據(jù)空間分辨率為5 arcmin。當(dāng)前時(shí)段氣候數(shù)據(jù)通過在WORLDCLIM網(wǎng)站(http://www.worldclim.org/)查詢并下載[22]。政府間氣候變化專門委員會(huì)第四次評估報(bào)告(IPCC AR4)針對未來的氣候變化提供了多種氣候模式，本研究選擇了3種具有代表性的氣候模式，分別為A1b模式(能源需求平衡)、A2a(能源需求較高)和B2a(能源需求較低)，時(shí)間區(qū)間選擇為2020時(shí)段和2050時(shí)段，該時(shí)段上述3種氣候模式數(shù)據(jù)從國際熱帶農(nóng)業(yè)中心網(wǎng)站的未來氣候數(shù)據(jù)庫免費(fèi)下載。

表1 物種分布模擬所用的 19個(gè)生物氣象因子

1.2.2 ArcGIS所需地圖數(shù)據(jù)的獲取與處理 MaxEnt軟件輸出的結(jié)果需借助ArcGIS進(jìn)行分級顯示，對中國分析的底圖(1∶400萬)下載自國家基礎(chǔ)地理信息系統(tǒng)官方網(wǎng)站，世界行政區(qū)劃圖下載自Blue Marble Geographics[23]。

1.3 MaxEnt模型預(yù)測與檢驗(yàn)

1.3.1 MaxEnt模型的使用 參照文獻(xiàn)[24-26]的方法，從全球276個(gè)灰飛虱分布點(diǎn)中隨機(jī)選取25%作為MaxEnt模擬的測試集數(shù)據(jù)，剩余75%分布點(diǎn)則作為訓(xùn)練集，輸出格式為“ASCⅡ”文件，其他設(shè)定均選擇“默認(rèn)”。MaxEnt模型以最大熵理論為基礎(chǔ)，根據(jù)已知物種的存在信息，從符合條件的分布中選擇熵最大的分布作為最優(yōu)分布，建立預(yù)測模型，進(jìn)而預(yù)測物種的地理分布。模型的運(yùn)算基于貝葉斯定理，運(yùn)算過程中利用Gibbs分布族將特征集進(jìn)行加權(quán)并作為參數(shù)，依運(yùn)算結(jié)果估計(jì)物種分布的最大熵聯(lián)合分布情況。

1.3.2 MaxEnt模型預(yù)測結(jié)果的檢驗(yàn) 研究[27-29]證實(shí)，ROC接受曲線是目前應(yīng)用最為廣泛、針對物種分布模擬結(jié)果準(zhǔn)確性驗(yàn)證最為有效的指標(biāo)。ROC曲線以1-特異度(假陽性率)為橫坐標(biāo)，1-遺漏率(真陽性率)為縱坐標(biāo)繪制而成，通過計(jì)算曲線下方面積(area under curve，AUC)而獲得評價(jià)指標(biāo)。評價(jià)標(biāo)準(zhǔn)為：AUC≥0.9為極好，0.8≤AUC<0.9時(shí)為好，0.7≤AUC<0.8時(shí)為一般，0.5≤AUC<0.7時(shí)為較差。

1.3.3 氣候風(fēng)險(xiǎn)綜合指數(shù)計(jì)算 將MaxEnt生成的ASC格式文件通過ArcGIS轉(zhuǎn)換成Raster碼文件，并執(zhí)行重分類程序進(jìn)行風(fēng)險(xiǎn)等級分類，輸出灰飛虱在不同氣候情景下的分布區(qū)預(yù)測結(jié)果。為進(jìn)一步了解灰飛虱在我國各省區(qū)的氣候適應(yīng)情況，參照孫兵等[30]的研究方法，對各級適生區(qū)的面積比例進(jìn)行統(tǒng)計(jì)，計(jì)算灰飛虱在各省(市、自治區(qū))的氣候風(fēng)險(xiǎn)綜合指數(shù)(CRRI)：

Bi為i等級的氣候風(fēng)險(xiǎn)指數(shù)(使用ArcGIS軟件自然斷法分為5個(gè)等級)，APi是Bi地區(qū)對應(yīng)的氣候風(fēng)險(xiǎn)指數(shù)等級所對應(yīng)的的面積百分比。

1.3.4 主導(dǎo)氣候因子的篩選 MaxEnt模型中提供了Jackknife檢驗(yàn)用于分析各環(huán)境變量在決定物種潛在分布中的作用。該方法首先依次忽略一個(gè)環(huán)境變量，然后重建基于剩余環(huán)境變量的模型來檢驗(yàn)該環(huán)境變量在生成物種潛在分布區(qū)時(shí)的作用大小[24]。

2 結(jié)果與分析

2.1 MaxEnt模擬結(jié)果驗(yàn)證

從表2可以看出，當(dāng)前時(shí)段模型AUC值為0.979，預(yù)測效果為極好，說明模擬結(jié)果可用于灰飛虱風(fēng)險(xiǎn)等級預(yù)測。2020時(shí)段和2050時(shí)段A1b、A2a和B2a 3種情景下，AUC值均大于0.972，預(yù)測效果均為極好，表明3種模擬結(jié)果均適用于本研究。

表2 灰飛虱風(fēng)險(xiǎn)等級預(yù)測模型的AUC值

2.2 灰飛虱在我國的風(fēng)險(xiǎn)等級分析

根據(jù)灰飛虱在全球的分布記錄數(shù)據(jù)，利用MaxEnt生態(tài)位模型和ArcGIS軟件分析灰飛虱在我國的風(fēng)險(xiǎn)等級區(qū)劃，結(jié)果如圖1所示。按風(fēng)險(xiǎn)等級從低到高順序依次分為5個(gè)等級。在當(dāng)前氣候條件下，灰飛虱在我國的適宜生長區(qū)(極高風(fēng)險(xiǎn)區(qū))為上海、江蘇、天津、山東大部、安徽東部、四川東部等地，總面積約59.08萬km2。高風(fēng)險(xiǎn)區(qū)為湖北、湖南、江西、浙江、廣西、貴州、重慶和河南等地，總面積約126.65萬km2。

圖1 灰飛虱在我國的適生區(qū)域

2.3 2020時(shí)段和2050時(shí)段3種情景下灰飛虱在我國的風(fēng)險(xiǎn)等級分析

2020時(shí)段(圖2)，在溫室氣體A1b排放情景下，灰飛虱在我國的極高風(fēng)險(xiǎn)區(qū)總面積略有增加，約72.75萬km2，增加區(qū)域?yàn)樯綎|北部、四川和重慶地區(qū)；高風(fēng)險(xiǎn)區(qū)面積顯著減少，總面積約89萬km2。A2a排放情景下，極高風(fēng)險(xiǎn)區(qū)總面積為66.94萬km2，面積增幅不大；高風(fēng)險(xiǎn)區(qū)面積顯著減少，主要分布在長江流域以南地區(qū)，總面積約97.88萬km2。B2a排放情景下，風(fēng)險(xiǎn)區(qū)變化情況與A2a情景類似，湖北、湖南和山東等地極高風(fēng)險(xiǎn)區(qū)面積增加明顯，總面積約為77.34萬km2。

2050時(shí)段(圖3)，3種排放情景下，灰飛虱在我國的極高風(fēng)險(xiǎn)區(qū)均有所增加，但增幅均不明顯。A1b情景下分布范圍以目前為中心向浙江一帶擴(kuò)張，總面積約為70萬km2；A2a情景下，四川風(fēng)險(xiǎn)區(qū)面積顯著減少；B2a情景下，湖北省風(fēng)險(xiǎn)區(qū)面積增加較為明顯。3種情景下，灰飛虱在我國的高風(fēng)險(xiǎn)區(qū)面積均有所減少。

圖2 2020時(shí)段灰飛虱在我國的適生區(qū)域

圖3 2050時(shí)段灰飛虱在我國的適生區(qū)域

2.4 灰飛虱在我國各省區(qū)的氣候風(fēng)險(xiǎn)綜合指數(shù)分析

根據(jù)表3的氣候風(fēng)險(xiǎn)綜合指數(shù)分析可知，當(dāng)前時(shí)段氣候條件下，灰飛虱在上海、江蘇、天津、山東、安徽、浙江、河南和北京等省(市、區(qū))風(fēng)險(xiǎn)等級較高，氣候風(fēng)險(xiǎn)綜合指數(shù)為50.66～72.94；灰飛虱在黑龍江、內(nèi)蒙古、新疆、西藏和青海的風(fēng)險(xiǎn)等級較低，綜合指數(shù)為3.86～7.73。

表3 灰飛虱在我國的氣候風(fēng)險(xiǎn)綜合指數(shù)

2020時(shí)段，A1b情景下，江蘇、山東、上海、天津、安徽、重慶和浙江等地風(fēng)險(xiǎn)等級較高，氣候風(fēng)險(xiǎn)綜合指數(shù)為60.95～76.41；內(nèi)蒙古、西藏、新疆、青海和黑龍江等地風(fēng)險(xiǎn)等級較低，綜合指數(shù)低于7。A2a情景下，氣候風(fēng)險(xiǎn)綜合指數(shù)自高而低前5位為江蘇、天津、上海、山東、安徽，綜合指數(shù)均高于60；西藏、黑龍江、內(nèi)蒙古、新疆和青海等地風(fēng)險(xiǎn)等級較低，綜合指數(shù)為4.82～7.19。B2a情景下，氣候風(fēng)險(xiǎn)綜合指數(shù)自高而低前5位為江蘇、天津、山東、安徽、上海，綜合指數(shù)均高于70；內(nèi)蒙古、西藏、黑龍江、青海和新疆等地風(fēng)險(xiǎn)等級較低，綜合指數(shù)低為5.06～6.74。

2050時(shí)段，A1b情景下，江蘇、上海、山東、天津、安徽和浙江等地風(fēng)險(xiǎn)等級較高，氣候風(fēng)險(xiǎn)綜合指數(shù)為63.15～75.26；內(nèi)蒙古、西藏、黑龍江、新疆和青海等地風(fēng)險(xiǎn)等級較低，綜合指數(shù)為4.62～6.21。A2a情景下，氣候風(fēng)險(xiǎn)綜合指數(shù)自高而低前5位為江蘇、天津、上海、山東、安徽，氣候風(fēng)險(xiǎn)綜合指數(shù)均高于60；云南、內(nèi)蒙古、西藏、黑龍江、青海和新疆等省區(qū)風(fēng)險(xiǎn)等級較低，綜合指數(shù)為4.48～6.30。B2a情景下，氣候風(fēng)險(xiǎn)綜合指數(shù)自高而低前5位為江蘇、天津、山東、上海和安徽，氣候風(fēng)險(xiǎn)綜合指數(shù)為68.97～75.08；內(nèi)蒙古、西藏、黑龍江、青海和新疆等地風(fēng)險(xiǎn)等級較低，綜合指數(shù)為4.39～7.07。

2.5 主導(dǎo)氣候因子篩選

表4列出了影響灰飛虱在我國分布的前5個(gè)主要?dú)夂蛞蜃拥呢暙I(xiàn)百分率和累計(jì)貢獻(xiàn)百分率。當(dāng)前時(shí)段，氣候因子按照貢獻(xiàn)百分率由大到小排序依次為：最暖季度降水量Bio18(33.2%)、等溫性Bio3(25.2%)、年平均氣溫Bio1(9.8%)、最冷季度平均溫度Bio11(6.2%)和平均日較差Bio2(5.1%)。這5個(gè)氣候因子的累積貢獻(xiàn)率達(dá)到79.5%，可以認(rèn)為這5個(gè)氣候因子是當(dāng)前氣候條件下影響灰飛虱分布的關(guān)鍵主導(dǎo)因子。從表4還可以看出，2020時(shí)段和2050時(shí)段3種情景下，Bio18、Bio3、Bio1仍為貢獻(xiàn)較大的3種氣候因子，且大小順序除2020時(shí)段A2a情景外都與當(dāng)前氣候條件相同。

表4 影響灰飛虱分布的氣候因子貢獻(xiàn)百分率和累積貢獻(xiàn)百分率 %

3 結(jié)論與討論

MaxEnt模型是目前國內(nèi)外在物種適生區(qū)分析領(lǐng)域常用的一種預(yù)測軟件，它基于機(jī)器學(xué)習(xí)和數(shù)學(xué)統(tǒng)計(jì)，相對于其他一些常用預(yù)測模型具有獨(dú)特的優(yōu)勢。本研究所建立模型的AUC值均大于0.972，模型預(yù)測準(zhǔn)確性標(biāo)準(zhǔn)為極好，表明其適用于灰飛虱適生區(qū)預(yù)測的研究[31-33]。

本研究使用MaxEnt模型和ArcGIS軟件相結(jié)合的方法，分析了當(dāng)前氣候條件下灰飛虱在我國各省(區(qū))的風(fēng)險(xiǎn)等級區(qū)劃。結(jié)果表明，在當(dāng)前氣候條件下，灰飛虱在我國極高風(fēng)險(xiǎn)區(qū)為上海、江蘇、天津、山東大部、安徽東部、四川東部等地，總面積約59.08萬km2；高風(fēng)險(xiǎn)區(qū)為湖北、湖南、江西、浙江、廣西、貴州、重慶和河南等地，總面積約126.65萬km2。本研究還分析了2020時(shí)段和2050時(shí)段3種氣候模式下灰飛虱在我國的潛在地理分布，3種情景雖是在特殊情況下的氣候模擬，但從一定程度上反映了未來氣候變化的發(fā)展趨勢。在溫室氣體A1b排放情景下，灰飛虱在2020時(shí)段的適生區(qū)劃圖顯示極高風(fēng)險(xiǎn)區(qū)在我國總面積略有增加，約72.75萬km2，高風(fēng)險(xiǎn)區(qū)面積顯著減少，總面積約89萬km2；A2a排放情景下高風(fēng)險(xiǎn)區(qū)面積顯著減少，主要分布在長江流域以南地區(qū)；B2a排放情景下極高風(fēng)險(xiǎn)區(qū)總面積約為77.34萬km2。2050時(shí)段，3種排放情景下，灰飛虱在我國的極高風(fēng)險(xiǎn)區(qū)均有所增加，但增幅均不明顯，而高風(fēng)險(xiǎn)區(qū)面積均有所減少。

生態(tài)位模型對分析物種生境選擇、預(yù)測物種潛在分布和物種在環(huán)境變化下的空間分布具有重要意義，目前已廣泛應(yīng)用于上述領(lǐng)域的研究中。MaxEnt模型實(shí)質(zhì)上是基于貝葉斯定理的一種推斷方法，該模型的工作思路為：根據(jù)物種的分布數(shù)據(jù)(僅需分布區(qū)數(shù)據(jù))和環(huán)境數(shù)據(jù)(包括氣候、海拔、坡度和植被等)，基于目標(biāo)物種的生態(tài)位需求，以最大熵原理作為統(tǒng)計(jì)推斷工具，研究目標(biāo)物種在目標(biāo)區(qū)域的分布概率及生物多樣性。因此，MaxEnt模型可應(yīng)用于模擬重點(diǎn)監(jiān)測、檢疫和防控對象在大尺度環(huán)境背景下的分布及其變化。MaxEnt模型同其他模型相比是一種較新的研究方法且具有以下優(yōu)點(diǎn)：第一， MaxEnt模型運(yùn)行僅需要分布區(qū)數(shù)據(jù)，而不需要非分布區(qū)數(shù)據(jù)，現(xiàn)實(shí)中非分布區(qū)數(shù)據(jù)往往獲取難度更大；其次，國內(nèi)外學(xué)者針對多種生態(tài)位模型的預(yù)測結(jié)果進(jìn)行比較分析表明，MaxEnt模型較其他一些模型(包括GARP、BIOCLIM、CLIMEX、DOMAIN等)的AUC值大，預(yù)測效果最佳；第三，即使樣本量較小，MaxEnt模型的規(guī)則化程序仍可進(jìn)行有效預(yù)測，因此更適合模擬生態(tài)位較窄、分布數(shù)據(jù)有限的物種?；谝陨蠋c(diǎn)原因，本研究中選擇MaxEnt分析軟件對灰飛虱的適生性分布進(jìn)行評估。

作為一種基于最大熵的生態(tài)位模型，MaxEnt 模型有其優(yōu)點(diǎn)，但同樣存在局限性。首先，由于模型進(jìn)行模擬時(shí)只使用了有限的“發(fā)生數(shù)據(jù)”，因此預(yù)測結(jié)果與病蟲害實(shí)際的分布有一定偏差，僅代表與分布區(qū)相似環(huán)境條件下的預(yù)測結(jié)果；第二，最大熵模型使用被模擬時(shí)段的生態(tài)位參數(shù)預(yù)測物種在未來的適生性，未能以約束形式考慮物種對氣候變化的適應(yīng)性，這可能導(dǎo)致預(yù)測結(jié)果不夠客觀甚至有些偏頗；第三，由于模型使用的環(huán)境變量時(shí)間跨度大，加之物種對環(huán)境的適應(yīng)性和響應(yīng)滯后的累積，則很有可能導(dǎo)致最初可被忽視的因素最后變?yōu)橹饕蛩?。針對以上幾點(diǎn)，應(yīng)用MaxEnt模型進(jìn)行適生分布預(yù)測時(shí)，首先應(yīng)充分學(xué)習(xí)并掌握目標(biāo)物種的生物學(xué)和生態(tài)學(xué)特性，據(jù)此選擇影響分布的關(guān)鍵環(huán)境因子和精確又有代表性的地理分布點(diǎn)數(shù)據(jù)，建立相對準(zhǔn)確的模型，提高預(yù)測結(jié)果的準(zhǔn)確性。本研究進(jìn)行灰飛虱在我國的風(fēng)險(xiǎn)分析時(shí)，選取的19個(gè)生物氣候因子為與溫度和濕度相關(guān)的氣候因子，未考慮影響灰飛虱分布的其他環(huán)境因素，例如寄主范圍、栽培類型、植被類型、天敵分布等，這必然會(huì)導(dǎo)致預(yù)測結(jié)果的偏差，在下一步的工作中，應(yīng)綜合考慮包括氣候因素在內(nèi)的多種復(fù)合環(huán)境因素對灰飛虱分布的影響，這樣才有可能使預(yù)測結(jié)果更加準(zhǔn)確。

影響病蟲害生長及分布的主要生態(tài)因子有氣候、生物、土壤等幾大類，其中氣候條件與病蟲害生命活動(dòng)關(guān)系密切，是決定病蟲害分布的主要因素之一。氣候變化可能對生態(tài)系統(tǒng)和農(nóng)業(yè)生產(chǎn)產(chǎn)生不可逆轉(zhuǎn)的影響，國內(nèi)外研究證實(shí)，氣候變化特別是氣候變暖增加了各地的農(nóng)業(yè)熱量資源，提高了作物的復(fù)種指數(shù)，同時(shí)氣候變暖亦可促使病蟲害的發(fā)生發(fā)展、分布范圍及危害程度發(fā)生顯著變化[34-35]。年均氣溫的增高，增加了病蟲害發(fā)育所需的可利用積溫，造成害蟲成蟲發(fā)生期延長、發(fā)育代數(shù)增多，種群數(shù)量大幅度上升[36]；氣溫上升還可導(dǎo)致病蟲害分布區(qū)擴(kuò)大[37-38]，促使害蟲向北向西遷移，適宜害蟲棲息的地理范圍擴(kuò)大[39-44]。

本研究結(jié)果表明，2020時(shí)段和2050時(shí)段，3種情景下灰飛虱在我國的風(fēng)險(xiǎn)區(qū)面積有不同程度的增加或者減少，說明未來溫室氣體不同時(shí)段不同能源排放情景下，都有可能改變灰飛虱在我國的適生度，增加或減少該水稻害蟲在我國的風(fēng)險(xiǎn)范圍。研究還表明，未來2個(gè)時(shí)段，影響灰飛虱分布的主導(dǎo)氣候因子與目前情景相比變化不大。未來工作中應(yīng)重視氣候變化和幾種關(guān)鍵氣候因子對灰飛虱分布的影響的研究與分析。

[1] 高保立.灰飛虱抗藥性及其機(jī)理研究[D].南京：南京農(nóng)業(yè)大學(xué),2008.

[2] 孫荊濤.二斑葉螨與灰飛虱的微衛(wèi)星開發(fā)及種群遺傳結(jié)構(gòu)研究[D].南京：南京農(nóng)業(yè)大學(xué),2012.

[3] 李碩．灰飛虱體內(nèi)水稻條紋病毒(RSV)互作因子的篩選及其功能分析[D].南京：南京農(nóng)業(yè)大學(xué),2012.

[4] 劉文文.與傳播水稻條紋病毒相關(guān)的灰飛虱蛋白質(zhì)鑒定與功能研究[D].北京：中國農(nóng)業(yè)科學(xué)院,2013.

[5] 施燕.灰飛虱種群消長規(guī)律及傳毒特性研究[D].揚(yáng)州：揚(yáng)州大學(xué),2007.

[6] Phillips S J,Dudík M,Schapire R E.A maximum entropy approach to species distribution modeling[C]//Procee-dings of the twenty-first international conference on machine learning.New York:ACM Press,2004:655-662.

[7] 孫敬松,周廣勝.利用最大熵法(MaxEnt)模擬中國冬小麥分布區(qū)的年代際動(dòng)態(tài)變化[J].中國農(nóng)業(yè)氣象,2012,33(4):481-487.

[8] 何奇瑾.我國玉米種植分布與氣候關(guān)系研究[D].南京:南京信息工程大學(xué),2012.

[9] 朱耿平,劉晨,李敏,等.基于Maxent和GARP模型的日本雙棘長蠹在中國的潛在地理分布分析[J].昆蟲學(xué)報(bào),2014,57(5):581-586.

[10] Wilson A.Entropy in urban and regional modeling:Retrospect and prospect[J].Geographical Analysis,2010,42:364-394.

[11] Elith J,Graham C H,Anderson R P,etal.Novel methods improve prediction of species’ distributions from occurrence data[J].Ecography,2006,29(2):129-151.

[12] Phillips S J,Anderson R P,Schapire R E.Maximum entropy modeling of species geographic distributions[J].Ecological Modelling,2006,190(3/4):231-259.

[13] 李雙成,高江波.基于GARP模型的紫莖澤蘭空間分布預(yù)測——以云南縱向嶺谷為例[J].生態(tài)學(xué)雜志,2008,27(9):1531-1536.

[14] 楊瑞,張雅林,馮紀(jì)年.利用ENFA生態(tài)位模型分析玉帶鳳蝶和箭環(huán)蝶異地放飛的適生性[J].昆蟲學(xué)報(bào),2008,51(3):290-297.

[15] Batty M.Space,scale,and scaling in entropy maximizing[J].Geographical Analysis,2010,42:395-421.

[16] 王運(yùn)生,謝丙炎,萬方浩,等.ROC曲線分析在評價(jià)入侵物種分布模型中的應(yīng)用[J].生物多樣性,2007,15(4):365-372.

[17] 趙文娟,陳林,丁克堅(jiān),等.利用MaxEnt預(yù)測玉米霜霉病在中國的適生區(qū)[J].植物保護(hù),2009,35(2):32-38.

[18] 房鋒,張朝賢,黃紅娟,等.基于Maxent的麥田惡性雜草節(jié)節(jié)麥的潛在分布區(qū)預(yù)測[J].草業(yè)學(xué)報(bào),2013,22(2):62-70.

[19] 王穎,章桂明,楊偉東,等.基于MaxEnt的大豆南北方莖潰瘍病菌在中國適生區(qū)的預(yù)測[J].植物檢疫,2009,23(4):14-17.

[20] 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(xué)報(bào),2013,34(11):2239-2245.

[21] 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(yù)測[J].生態(tài)與農(nóng)村環(huán)境學(xué)報(bào),2010,26(2):137-141.

[22] 齊國君,陳婷,高燕,等.基于Maxent的大洋臀紋粉蚧和南洋臀紋粉蚧在中國的適生區(qū)分析[J].環(huán)境昆蟲學(xué)報(bào),2015,37(2):219-223.

[23] 趙力,朱耿平,李敏,等.入侵害蟲西部喙緣蝽和紅肩美姬緣蝽在中國的潛在分布[J].天津師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,35(1):75-78.

[24] 程軍,沈陽,郭水良.氣候變暖對花葉蘚屬植物在中國的潛在分布范圍影響的預(yù)測[J].生態(tài)科學(xué),2015,34(1):9-16.

[25] 郭彥龍,衛(wèi)海燕,路春燕,等.氣候變化下桃兒七潛在地理分布的預(yù)測[J].植物生態(tài)學(xué)報(bào),2014,38(3):249-261.

[26] 張熙驁,隋曉云,呂植,等.基于Maxent的兩種入侵性魚類(麥穗魚和鯽)的全球適生區(qū)預(yù)測[J].生物多樣性,2014,22(2):182-188.

[27] 張穎,李君,林蔚,等.基于最大熵生態(tài)位元模型的入侵雜草春飛蓬在中國潛在分布區(qū)的預(yù)測[J].應(yīng)用生態(tài)學(xué)報(bào),2011,22(11):2970-2976.

[28] 張曉峰,佟友貴,楊建東,等.基于Maxent生態(tài)位模型預(yù)測球果角脛象在云南的潛在地理分布[J].環(huán)境昆蟲學(xué)報(bào),2013,35(1):28-32.

[29] 韓陽陽,王焱,項(xiàng)楊,等.基于Maxent生態(tài)位模型的松材線蟲在中國的適生區(qū)預(yù)測分析[J].南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,39(1):6-10.

[30] 孫兵,婁玉霞,郭水良.野生蔬菜鴨兒芹在中國栽培的氣候適應(yīng)性研究[J].上海農(nóng)業(yè)學(xué)報(bào),2014,30(1):85-89.

[31] Brotons L,Thuiller W,Araujo M B,etal.Presence-absence versus presence-only modelling methods for predicting bird habitat suitability[J].Ecography,2004,27(4):437-448.

[32] 徐燁,王金龍,李秋芳，等.鳳仙花壞死斑病毒在中國的適生性風(fēng)險(xiǎn)評估[J].植物保護(hù),2013,39(6):26-31.

[33] 曲偉偉,李志紅,黃貴修,等.利用MAXENT預(yù)測橡膠樹棒孢霉落葉病在中國的適生區(qū)[J].植物保護(hù),2011,37(4):52-57.

[34] 趙宗慈.為IPCC第五次評估報(bào)告提供的全球氣候模式預(yù)估[J].氣候變化研究進(jìn)展,2009,5(4):241-243.

[35] 張國慶．氣候變化對生物災(zāi)害發(fā)生的影響及對策[J].現(xiàn)代農(nóng)業(yè)科技,2011(1):318-321.

[36] 李劍泉,李智勇,易浩若.森林與全球氣候變化的關(guān)系[J].西北林學(xué)院學(xué)報(bào)，2010，25(4)：23-28.

[37] 王鴻斌,張真,孔祥波,等.入侵害蟲紅脂大小蠹的適生區(qū)和適生寄主分析[J].林業(yè)科學(xué),2007,43(10):71-76.

[38] 馬菲,何友元,趙林忠,等.桃蛀螟在新疆的適生區(qū)預(yù)測[J].植物保護(hù),2012,38(2):136-138.

[39] 王培新,杜薇薇,李孟樓.氣候變暖與林木害蟲的適應(yīng)性變化[J].西北林學(xué)院學(xué)報(bào),2011,26(3):124-128.

[40] 吳志剛,曲偉偉,張澤華,等.基于CLIMEX的苜蓿籽象甲在中國的適生區(qū)分析[J].植物保護(hù),2012,38(3):63-66.

[41] 何善勇,溫俊寶,駱有慶,等.氣候變暖情境下松材線蟲在我國的適生區(qū)范圍[J].應(yīng)用昆蟲學(xué)報(bào),2012,49(1): 236-243.

[42] 張立敏,陳斌,李正躍,等.氣候變化對水稻三化螟物候及多度的影響(英文)[J].西南農(nóng)業(yè)學(xué)報(bào),2012,3(3):885-893.

[43] 劉明春,蔣菊芳,郭小芹,等.氣候變化背景下玉米棉鈴蟲消長動(dòng)態(tài)預(yù)測及影響因素研究[J].干旱地區(qū)農(nóng)業(yè)研究,2014,32(2):114-118,141.

[44] 馬春森,馬罡,趙飛.氣候變暖對麥蚜的影響[J].應(yīng)用昆蟲學(xué)報(bào),2014,51(6):1435-1443.

Effects of Climate Change on Distribution ofLaodelphaxstriatellusand Risk Analysis

WANG Rulin1,2,WANG Yanli1,JIANG Gan1,SHEN Zhanhong1,LIN Shan1
(1.Sichuan Provincial Rural Economic Information Centre,Chengdu 610072,China; 2.Sichuan Province Key Laboratory of Heavy Rain and Drought-Flood Disasters in Plateau and Basin,Chengdu 610072,China)

The potential distribution ofLaodelphaxstriatellusin China was predicted by using MaxEnt model and ArcGIS software,to reveal the effect of climate change on the insect.The results showed that,under current climatic conditions,Shanghai,Jiangsu,Tianjin,most of Shandong,east of Anhui,and east of Sichuan were the extremely high risk areas forLaodelphaxstriatellusin China,and the high risk areas were Hubei,Hunan,Jiangxi,Zhejiang,Guangxi,Guizhou,Chongqing and Henan.In 2011—2020,with greenhouse gases under the A1b emission scenario,the extremely high risk area ofLaodelphaxstriatelluswould increase a little,while the high risk area would decrease significantly.Under A2a emission scenario,the high risk area would also tend to decrease significantly and was mainly distributed in south of the Yangtze River Basin.In 2041—2050,the extremely high risk area would tend to expand but not significantly under A1b,A2a and B2a emission scenarios,while the high risk area would tend to decrease.Thus,climate change has a great impact on distribution ofLaodelphaxstriatellusin China.

Laodelphaxstriatellus; distribution; climate change; risk analysis; MaxEnt; prediction

2015-11-28

四川省農(nóng)村經(jīng)濟(jì)綜合信息中心業(yè)務(wù)技術(shù)攻關(guān)課題(農(nóng)信課題201403)；中國氣象局2012年業(yè)務(wù)專項(xiàng)經(jīng)費(fèi)資助項(xiàng)目

王茹琳(1986-)，男，山東煙臺(tái)人,工程師，碩士，主要從事農(nóng)業(yè)信息化管理、病蟲害與氣象關(guān)系研究、氣象為農(nóng)服務(wù)等工作。E-mail:wrl_1986_1@163.com

S435.112;S431.2

A

1004-3268(2016)06-0082-07