基于GARP的美國(guó)白蛾在中國(guó)的適生區(qū)預(yù)測(cè)

陸霞+++杜新民+++安建梅

摘 要：美國(guó)白蛾Hyphantria cunea （Drury），世界性的檢疫害蟲(chóng)之一，主要危害闊葉樹(shù)木，預(yù)測(cè)該蟲(chóng)在目標(biāo)地區(qū)的適生區(qū)，能為發(fā)展早期預(yù)警工作、防止美國(guó)白蛾在中國(guó)進(jìn)一步蔓延提供科學(xué)依據(jù)。本文根據(jù)美國(guó)白蛾在中國(guó)境內(nèi)574組分布數(shù)據(jù)及34個(gè)環(huán)境圖層，運(yùn)用GARP生態(tài)位模型和地理信息系統(tǒng)（GIS）建立了美國(guó)白蛾的生態(tài)位模型，受測(cè)者工作曲線（ROC）下的AUC面積為0.910，顯示了良好的預(yù)測(cè)能力。結(jié)果表明，美國(guó)白蛾在我國(guó)21個(gè)省、市、自治區(qū)存在中度以上潛在分布區(qū)，尤其是對(duì)山西省的分布預(yù)測(cè)顯示山西省絕大部分地區(qū)都高度適宜美國(guó)白蛾的生存。據(jù)此建議采取有效措施，防止美國(guó)白蛾侵入山西省。

關(guān)鍵詞：美國(guó)白蛾；GARP生態(tài)位模型；適生區(qū)；預(yù)測(cè)

中圖分類(lèi)號(hào)：Q969.413.5 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.11974/nyyjs.20161032014

美國(guó)白蛾（Hyphantria cunea Drury），又稱美國(guó)燈蛾、秋幕毛蟲(chóng)、秋幕蛾，屬鱗翅目（Lepidoptera）燈蛾科（Arctiidae）。其為雜食性食葉害蟲(chóng)，主要危害果樹(shù)、觀賞樹(shù)和行道樹(shù)等闊葉樹(shù)木以及蔬菜和農(nóng)作物（張彥龍等，2008），被列為世界檢疫性害蟲(chóng)。該害蟲(chóng)原產(chǎn)北美， 40年代末傳播至歐亞大陸，1979年首次在我國(guó)遼寧省丹東發(fā)現(xiàn)（季榮等，2003）。美國(guó)白蛾（Hyphantria cunea Drury）繁殖率非常高，抗逆性非常強(qiáng)，危害植物種類(lèi)非常廣， 且發(fā)生具有蔓延速度快、點(diǎn)多、面廣、為害重、基數(shù)大的特點(diǎn)。美國(guó)白蛾給這些?。ㄊ校┑膱@林、城市綠化造成了嚴(yán)重危害，不但給廣大林農(nóng)造成了嚴(yán)重的經(jīng)濟(jì)損失，給城鄉(xiāng)居民生活帶來(lái)很大不便，而且嚴(yán)重危害林業(yè)生態(tài)安全（萬(wàn)方浩等，2009）。

我國(guó)于1979年首次在遼寧丹東發(fā)現(xiàn)，很快蔓延。1981年國(guó)務(wù)院下達(dá)文件“嚴(yán)密封鎖，就地消滅”。1998我國(guó)啟動(dòng)了“京津冀美國(guó)白蛾治理工程”（李淑賢等，2009）。然而，美國(guó)白蛾在我國(guó)的疫情仍然十分嚴(yán)重，防控形勢(shì)依然嚴(yán)峻。國(guó)家林業(yè)局2012年第4號(hào)公告，京、津、冀、遼、吉、魯、蘇、豫8省、市374個(gè)縣、區(qū)被化為疫區(qū)，當(dāng)年新增疫區(qū)達(dá)33個(gè)。由于冀、豫、陜3省是美國(guó)白蛾的疫區(qū)，處于這3省環(huán)繞中的山西省極易受到美國(guó)白蛾的入侵（劉川等，2009），因此，對(duì)美國(guó)白蛾進(jìn)行預(yù)測(cè)研究，不僅能夠預(yù)測(cè)其在中國(guó)的擴(kuò)散動(dòng)態(tài)和適生區(qū)范圍，而且能夠盡早探明其入侵山西省的風(fēng)險(xiǎn)，以及早采取預(yù)防措施，防止疫情擴(kuò)散。

本文結(jié)合搜集到的574個(gè)分布點(diǎn)和GARP DESKTOP V1.1.6軟件（http：//www.nhm.ku.edu/desktopgarp/下載）自帶的14個(gè)環(huán)境圖層，利用基于遺傳算法的GARP生態(tài)位模型，對(duì)美國(guó)白蛾在我國(guó)的適生區(qū)進(jìn)行預(yù)測(cè)，以期為開(kāi)展該害蟲(chóng)在山西省的分布區(qū)預(yù)測(cè)，發(fā)展早期預(yù)警工作，制定有效的檢疫措施和防治決策。

1 材料

1.1 數(shù)據(jù)來(lái)源

分布點(diǎn)數(shù)據(jù)由3種途徑獲取，從國(guó)內(nèi)外已公開(kāi)發(fā)表的論文；從國(guó)家林業(yè)局及各地市林業(yè)局發(fā)布的關(guān)于美國(guó)白蛾的公告信息；從國(guó)內(nèi)各大主流媒體對(duì)美國(guó)白蛾的新聞報(bào)道。自1943年最先在遼寧省發(fā)現(xiàn)該蟲(chóng)以來(lái)（李淑賢等，2009），截至2015年1月已有10省（直轄市）460區(qū)（縣）有疫情報(bào)道，結(jié)合相關(guān)論文及媒體報(bào)道，經(jīng)核實(shí)后最終整理得到574個(gè)不重復(fù)的分布點(diǎn)，其中北京市分布點(diǎn)23個(gè)，天津市分布點(diǎn)12個(gè)，河北省分布點(diǎn)88個(gè)，山東省分布點(diǎn)205個(gè)，遼寧省分布點(diǎn)109個(gè)，吉林省分布點(diǎn)8個(gè)，江蘇省分布點(diǎn)24個(gè)，安徽省分布點(diǎn)9個(gè)，河南省分布點(diǎn)82個(gè)，陜西省分布點(diǎn)14個(gè)（表1）。利用Google Earth查閱其具體的經(jīng)緯度坐標(biāo)（分辨率為0.000001°），最后將所得坐標(biāo)轉(zhuǎn)換成Garp模型所需的.csv格式文件。

將分布數(shù)據(jù)隨機(jī)分為80% 和20% 2個(gè)部分（經(jīng)緯度相近的分布點(diǎn)分成不同組），其中80% 的一組數(shù)據(jù)為導(dǎo)入到GARP軟件中的運(yùn)算數(shù)據(jù)，即為訓(xùn)練數(shù)據(jù)（training data），用這些數(shù)據(jù)生成預(yù)測(cè)模型（predictive modeling） ；剩余20%的一組分布點(diǎn)作為驗(yàn)證數(shù)據(jù)（testing data），對(duì)生成的模型精確度進(jìn)行校驗(yàn)。選定4種運(yùn)算規(guī)則，即原子規(guī)則（Atomic）、邏輯斯蒂回歸（Logistic regression）、生物氣候包絡(luò)（Bioclimatic envelope）和逆生物氣候包絡(luò)（Negated bioclimatic envelope）進(jìn)行組合分析并定義結(jié)果以預(yù)測(cè)圖的方式輸出及其存儲(chǔ)位置。

1.2 環(huán)境變量

本實(shí)驗(yàn)采用GARP軟件自身攜帶的亞洲地區(qū)的14個(gè)環(huán)境圖層，共涵蓋2類(lèi)圖層：氣候環(huán)境圖層——年最低溫度、年最高溫度、年平均溫度、年降水量、年蒸發(fā)量、年濕度、地面霜凍頻率、年輻射；自然物理圖層包括——地貌、坡度、海拔、植被、灌溉水累流向、灌溉水積量。圖層的柵格分辨率為0. 1°，以地理柵格為單位計(jì)算。各參數(shù)均為1961—1990年的平均值（周?chē)?guó)梁等，2007）。本文使用了全部環(huán)境圖層。

2 模型方法

2.1 GARP模型

GARP（Genetic Algorithm for Rule-set Production）模型是基于遺傳算法的生態(tài)位預(yù)測(cè)模型系統(tǒng)，它利用物種分布數(shù)據(jù)和環(huán)境數(shù)據(jù)，以物種的生態(tài)需求為基礎(chǔ)，尋找物種已知分布區(qū)域的環(huán)境特征與預(yù)測(cè)區(qū)域的非隨機(jī)關(guān)系，用于預(yù)測(cè)物種的潛在分布區(qū)和研究生物多樣性（孫文濤等，2010）（鐘艮平等，2009）（李紅梅等，2005）（余巖等，2009）（David R.B et al.，2002）。

實(shí)際操作GARP軟件時(shí)，首先將已知分布數(shù)據(jù)隨機(jī)分為訓(xùn)練數(shù)據(jù)和檢驗(yàn)數(shù)據(jù)，與物種存活能力相關(guān)的環(huán)境參數(shù)層作為作為模型輸入?yún)?shù)，通過(guò)不斷迭代的遺傳算法實(shí)現(xiàn)4種規(guī)則模型——原子規(guī)則（Atomic）、邏輯斯蒂回歸 （ Logistic regression ）、生物氣候包絡(luò) （ Bioclimatic envelope ）和逆生物氣候包絡(luò) （ Negated bioclimatic envelope ） 的獨(dú)立和組合分析，反復(fù)對(duì)規(guī)則進(jìn)行選擇、評(píng)價(jià)、驗(yàn)證、接受或拒絕，通常重復(fù)創(chuàng)建1000次模型， 重復(fù)運(yùn)算次數(shù)最大值 （Max iteration）設(shè)為1000， 收斂極限（Convergence limit） 為0.01，形成一個(gè)由不同規(guī)則共同組成的模型。運(yùn)算過(guò)程通過(guò)控制假陽(yáng)性 （Commission，預(yù)測(cè)結(jié)果中超出現(xiàn)存分布點(diǎn)所占比率） 和假陰性 （Omission，預(yù)測(cè)結(jié)果中忽略的現(xiàn)存分布點(diǎn)所占比率） 2種模型預(yù)測(cè)誤差自動(dòng)選擇最優(yōu)模型（Robert P. et al.2003）。選取預(yù)測(cè)面積與實(shí)際分布的面積最接近的10個(gè)模型， 即為最優(yōu)模型（李淑賢等，2009）。最后利用Arc GIS 10.1 for Desktop （http：//www.es-ri.com/software/arcgis/arcgis-for-desktop/free-trial下載） 圖層疊加功能，將影響物種分布的各個(gè)因子，將各個(gè)因子融合到一個(gè)圖層中并對(duì)其可視化表達(dá)，最終形成物種潛在分布區(qū)預(yù)測(cè)圖并以地圖形式輸出結(jié)果（鐘艮平等，2009）（左聞韻等，2007）。

2.2 適生區(qū)預(yù)測(cè)

利用ArcGIS 10.1 for Desktop的空間擴(kuò)展模塊 （Spatial Analyst Tools），將最優(yōu)模型的預(yù)測(cè)結(jié)果進(jìn)行等疊加。疊加后，每一個(gè)柵格的數(shù)值在0～1之間，這個(gè)數(shù)值代表100個(gè)預(yù)測(cè)模型中該柵格適合美國(guó)白蛾生存的模型數(shù)量。我們將每一柵格適合生長(zhǎng)的模型數(shù)量所占的百分比稱為重疊值（Overlap Index， OI） ，重疊值越大表示該柵格的環(huán)境參數(shù)越適合美國(guó)白蛾存活（鐘艮平等，2009）（余巖等，2009）。將模型映射到亞洲，去除中國(guó)之外的分布。根據(jù)重疊值的大小可將預(yù)測(cè)區(qū)劃分為： 高度適生區(qū)（OI≥0.8），中度適生區(qū)（0.6

3 結(jié)果

3.1 預(yù)測(cè)在中國(guó)的分布

根據(jù)美國(guó)白蛾當(dāng)前的分布形勢(shì)，分布范圍在E107.23～124.37°，N34.16～42.57°內(nèi)。它在全國(guó)范圍內(nèi)的擴(kuò)展趨勢(shì)是逐漸向內(nèi)陸發(fā)展（圖1）。在東北地區(qū)有繼續(xù)向北和西北擴(kuò)展的趨勢(shì)，向北侵入黑龍江，向西北侵入內(nèi)蒙古，遼寧全省范圍內(nèi)、吉林中部和西北部均為美國(guó)白蛾的高度適生區(qū)；在華北地區(qū)，北京南部、天津中東部、山西中南部和北部大部分區(qū)域、陜西中北部、河南中北部等均為該蟲(chóng)的高度適生區(qū)，且占這些省市的絕大部分區(qū)域，河北及山東全省均為高度適宜該蟲(chóng)的生存區(qū)域，因此美國(guó)白蛾在這些地區(qū)擴(kuò)展的可能性極大；在東南地區(qū)，安徽中北部、江蘇北部也是美國(guó)白蛾的潛在高度適生區(qū)；在西北地區(qū)，新疆有零散的美國(guó)白蛾中度適生區(qū)存在，而青海東北部及西南部、甘肅北部存在美國(guó)白蛾的低度適生區(qū)；在西南地區(qū)，西藏中南部為美國(guó)白蛾的中度適生區(qū)；此外，四川南部、云南北部、陜西南部和湖北西北部也存在少數(shù)適合美國(guó)白蛾的生存區(qū)域。因此，從美國(guó)白蛾的適生區(qū)（圖2）可以看出：美國(guó)白蛾的潛在分布區(qū)非常廣，具體包括黑龍江、吉林、遼寧、內(nèi)蒙古、北京、天津、河北、山西、陜西、河南、山東、安徽、江蘇、湖北、重慶、四川、云南、西藏、青海、新疆、甘肅等21個(gè)省、市、自治區(qū)。

不同顏色代表美國(guó)白蛾分布的可能性不同（如重疊指數(shù)OI值為0代表10個(gè)最佳模型均預(yù)測(cè)不適合美國(guó)白蛾入侵；重疊指數(shù)OI值為1則代表10個(gè)最佳模型均預(yù)測(cè)適合美國(guó)白蛾入侵）。

3.2 美國(guó)白蛾在山西省的可能分布

在對(duì)全國(guó)分析的基礎(chǔ)上，采用相同的方法對(duì)山西省進(jìn)行分布預(yù)測(cè)（圖3）。美國(guó)白蛾在山西省有大面積的適生范圍，高度適生區(qū)占全省面積的2/3以上，其中太原以南地區(qū)（運(yùn)城、臨汾、晉城、晉中、長(zhǎng)治、呂梁）及太原、忻州東南部幾乎全部是該蟲(chóng)的高度適宜生存的區(qū)域；中度適生區(qū)占少數(shù)地區(qū)，包括忻州中北部、朔州西南部及東南部；而低度適生區(qū)僅為忻州和朔州地區(qū)的個(gè)別縣市，如寧武縣、原平市、靜樂(lè)縣、繁峙縣、岢嵐縣、應(yīng)縣、廣陵縣等。

不同顏色代表美國(guó)白蛾分布的可能性不同（如重疊指數(shù)OI值為0代表10個(gè)最佳模型均預(yù)測(cè)不適合美國(guó)白蛾入侵；重疊指數(shù)OI值為1則代表10個(gè)最佳模型均預(yù)測(cè)適合美國(guó)白蛾入侵）。

3.3 模型評(píng)估

3.3.1 ROC檢驗(yàn)

為了檢測(cè)模型的預(yù)測(cè)能力，使用受測(cè)者工作曲線（ROC）進(jìn)行檢測(cè)。ROC曲線是以預(yù)測(cè)結(jié)果的每一個(gè)值作為可能的判斷閾值，由此計(jì)算得到相應(yīng)的靈敏度和特異度。以假陽(yáng)性率即（1特異度）為橫坐標(biāo)，以真陽(yáng)性率即靈敏度為縱坐標(biāo)繪制而成，其曲線下面積（area under curve ，AUC）的大小作為模型預(yù)測(cè)準(zhǔn)確度的衡量指標(biāo)，其取值范圍為[0，1]，AUC的值越大，模型的預(yù)測(cè)能力越好。理想情況是模型預(yù)測(cè)分布區(qū)與物種實(shí)際分布區(qū)完全吻合，此時(shí)AUC值為1（鐘艮平等，2009）（王運(yùn)生等，2007）。本文利用Medcalc 11.1.1.0軟件 （http：//www.medcalcsoftware.com/下載） 繪制ROC曲線，驗(yàn)證GARP運(yùn)算出來(lái)的最優(yōu)模型。

3.3.2 預(yù)測(cè)誤差——假陽(yáng)性（Commission）和假陰性（Omission）

在產(chǎn)生的10個(gè)最優(yōu)結(jié)果中，以GARP軟件自帶的假陽(yáng)性（Commission）和假陰性（Omission）兩項(xiàng)參數(shù)作為評(píng)判標(biāo)準(zhǔn)，評(píng)判依據(jù)為：假陽(yáng)性（Commission）和假陰性（Omission）；假陽(yáng)性（Commission）的值中等或中等偏上為好，假陰性（Omission） ≤5% ，0為最佳（見(jiàn)表2）（李濤等，2012）。

4 討論

美國(guó)白蛾具有傳播速度快、適應(yīng)性強(qiáng)、危害寄主植物多、繁殖力高、取食量大、危害范圍廣等特點(diǎn)，又缺乏原產(chǎn)地有效天敵的制約，所以一旦侵入新地區(qū)，短時(shí)間內(nèi)很難鏟除，將給當(dāng)?shù)氐霓r(nóng)林業(yè)、園林綠化等造成嚴(yán)重危害。

GARP是一種基于生態(tài)位模型的遺傳算法，該模型利用物種的已知分布點(diǎn)數(shù)據(jù)和環(huán)境數(shù)據(jù)形成適生性分析系統(tǒng)（李紅梅等，2005）。本文將GARP生態(tài)位模型與GIS相結(jié)合，在全國(guó)范圍內(nèi)成功預(yù)測(cè)了美國(guó)白蛾的潛在分布區(qū)，結(jié)果表明：美國(guó)白蛾在中國(guó)的潛在分布區(qū)極為廣泛，在現(xiàn)有的10?。ㄊ校┗A(chǔ)上，可增加至21?。ㄊ小⒆灾螀^(qū)）；其擴(kuò)散趨勢(shì)是有東北、華北、華南、西北4個(gè)方向。尤其是對(duì)美國(guó)白蛾在山西省的分布預(yù)測(cè)研究顯示，山西省內(nèi)絕大部分地區(qū)高度適合美國(guó)白蛾的生存。這一結(jié)果不僅顯示出美國(guó)白蛾在中國(guó)巨大的潛在危害性，還意味著急需提高警惕，開(kāi)展合理的檢疫與防治工作，防止其入侵山西省以危害山西的農(nóng)、林、果業(yè)。

隨著國(guó)際經(jīng)濟(jì)一體化進(jìn)程與國(guó)際貿(mào)易的飛速發(fā)展，生物入侵的問(wèn)題愈加突出，形勢(shì)愈加嚴(yán)峻。在大多數(shù)國(guó)家和地區(qū)，外來(lái)有害生物入侵到新環(huán)境中后，由于缺乏有效的天敵控制，在適宜的環(huán)境條件下，往往大爆發(fā)。入侵物種肆意擴(kuò)張蔓延、危害不斷加劇，新的疫情頻繁發(fā)生，生物入侵的威脅日益嚴(yán)重。生物入侵早期預(yù)警是在針對(duì)潛在入侵、新入侵和已入侵的入侵物種進(jìn)行一系列評(píng)估與綜合分析的基礎(chǔ)上，預(yù)測(cè)其發(fā)生危害的可能性、危害范圍與程度，并根據(jù)分析結(jié)果制定可行的預(yù)防與控制措施，其最終目的是規(guī)避外來(lái)入侵物種可能產(chǎn)生的風(fēng)險(xiǎn)。

深入了解外來(lái)有害物種的入侵過(guò)程、行為特征、擴(kuò)散傳播、成災(zāi)機(jī)制以及掌握有效的防控技術(shù)與策略，是預(yù)防與控制這些危險(xiǎn)性入侵物種、有效提升防控技術(shù)水平的前提。但迄今為止，外來(lái)物種具備何種特征才能成功擴(kuò)張與暴發(fā)、生態(tài)系統(tǒng)具備何種結(jié)構(gòu)與功能才能抵御入侵、如何構(gòu)建有效的防控技術(shù)體系以及如何有效的實(shí)施防控策略等重要科學(xué)問(wèn)題，仍未獲得明確答案，尚需我們深入探究與研究。因此，基于目前對(duì)于外來(lái)入侵物種的研究，建議從以下幾方面開(kāi)展檢疫工作：全面開(kāi)展外來(lái)入侵物種的普查與安全性考查；建設(shè)完整的數(shù)據(jù)庫(kù)系統(tǒng)及其信息共享平臺(tái)；建設(shè)嚴(yán)格的隔離檢疫安全設(shè)施和完善檢疫制度；建立監(jiān)測(cè)預(yù)警網(wǎng)絡(luò)體系與技術(shù)平臺(tái)；建設(shè)國(guó)家級(jí)生物入侵專(zhuān)門(mén)研究機(jī)構(gòu)體系。而在防治方面，則應(yīng)做到：加強(qiáng)檢疫；人工防治；使用化學(xué)制劑或誘殺器；引進(jìn)天敵，進(jìn)行生物防治。

參考文獻(xiàn)

[1]張彥龍，武三安，郭文霞，陳合志.中國(guó)美國(guó)白蛾生物防治研究進(jìn)展[J].河北林果研究，2008，23（1）：70-77.

[2]季榮，謝寶瑜，李欣海，高增祥，李典謨.外來(lái)入侵種——美國(guó)白蛾的研究進(jìn)展[J].昆蟲(chóng)知識(shí)，2003，40（1）：13-18.

[3]李淑賢，高寶嘉，張東風(fēng)，寧超，屈金亮.美國(guó)白蛾危險(xiǎn)性評(píng)估研究[J].中國(guó)農(nóng)學(xué)通報(bào)，2009，25（10）：202-206.

[4]劉川，黃婭，孫紅梅.山東省美國(guó)白蛾現(xiàn)狀分析[J].陜西林業(yè)科技，2009（4）：54-57.

[5]周?chē)?guó)梁，陳晨，葉軍，胡白石，劉鳳權(quán).利用GARP生態(tài)位模型預(yù)測(cè)桔小實(shí)蠅（Bactrocera dorsalis）在中國(guó)的適生區(qū)域[J].生態(tài)學(xué)報(bào)，2007，27（8）：3362-3369.

[6]孫文濤，劉雅婷.生物入侵風(fēng)險(xiǎn)分析的研究進(jìn)展[J].中國(guó)農(nóng)學(xué)通報(bào)，2010，26（7）：233-236.

[7]鐘艮平，沈文君，萬(wàn)方浩，王進(jìn)軍.用GARP生態(tài)位模型預(yù)測(cè)刺萼龍葵在中國(guó)的潛在分布區(qū)[J].生態(tài)學(xué)雜志，2009，28（1）：162-166.

[8]李紅梅，韓紅香，薛大勇.利用GARP生態(tài)位模型預(yù)測(cè)日本松干蚧在中國(guó)的地理分布[J].昆蟲(chóng)學(xué)報(bào)，2005，48（1）：95-100.

[9]余巖，陳立立，何興金.基于GARP的加拿大一枝黃花在中國(guó)的分布區(qū)預(yù)測(cè)[J].云南植物研究，2009，31（1）：57-62.

[10]左聞韻，勞逆，耿玉英，馬克平.預(yù)測(cè)物種潛在分布區(qū)-比較SVM與GARP[J]. 植物生態(tài)學(xué)報(bào)，2007，31（4）：711-719.

[11]王運(yùn)生，謝丙炎，萬(wàn)方浩，肖啟明，戴良英. ROC曲線分析在評(píng)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.

[12]李濤，何友元，張俊華，陳乃中，楊定.基于GARP的歐洲大蚊在中國(guó)的適生性分析[J].植物檢疫，2012，26（1）：15-18.

[13]David R.B Stockwell.， A.Townsend Peterson. Effects of sample size on accuracy of species distribution models[J]. Ecological Modelling，2002（148）：1-13 .

[14]Robert P.Anderson， Daniel Lew， A.Townsend Peterson. 2003. Evaluating predictive models of species distributions： criteria for selecting optimal models[J]. Ecological Modelling，2003（162）：211–232.

[15]萬(wàn)方浩，郭建英，張峰.中國(guó)生物入侵研究[M].科學(xué)出版社，2009：29-230，285-289.

作者簡(jiǎn)介：陸霞（1984-），女，碩士，助教，主要從事動(dòng)物生態(tài)學(xué)研究。